✍️Compteur de mots et de caractères

Un mot, pour une machine, est une convention. Cet outil retient une définition explicite : une suite ininterrompue de lettres ou de chiffres, éventuellement reliée par une apostrophe ou un trait d'union. « Aujourd'hui » compte donc pour un mot, « porte-monnaie » également, et « 2026 » aussi. La reconnaissance s'appuie sur les catégories Unicode plutôt que sur l'alphabet anglais : les caractères accentués, les ligatures comme « œ », le grec et le cyrillique sont traités comme des lettres à part entière. Un compteur bâti sur le motif anglo-saxon habituel couperait « déjà » en deux mots, erreur silencieuse qui gonfle un devis de traduction de plusieurs pour cent.

L'écart entre les deux compteurs tourne autour de seize pour cent sur un texte français courant, ce qui n'a rien d'anecdotique quand la prestation se facture au signe. L'édition et la traduction françaises comptent traditionnellement espaces comprises, parce que l'espace occupe une place réelle sur la page composée. Les limites techniques, elles, comptent également les espaces, pour la raison inverse : un espace consomme un octet en base de données comme n'importe quel caractère. Le compteur sans espaces sert surtout à mesurer la matière textuelle brute, indépendamment de la mise en forme.

Avant le mot, la profession comptait en feuillets. Le feuillet dactylographié standard vaut 1 500 signes espaces comprises, hérité de la page de machine à écrire : vingt-cinq lignes de soixante caractères. C'est encore l'unité de référence de nombreux contrats d'édition et de la rémunération des pigistes. Un texte de 9 000 signes fait donc six feuillets, soit environ 1 400 mots en français. La correspondance approximative entre les deux systèmes est utile à retenir : un mot français pèse en moyenne entre cinq et six lettres, et un peu plus de six signes une fois l'espace qui le suit prise en compte.

Le chiffre repose sur une vitesse conventionnelle de deux cents mots par minute en lecture silencieuse. Les travaux de psychologie de la lecture placent l'adulte francophone entre 200 et 250 mots par minute sur un texte courant, avec une chute nette sur un texte technique dense et une progression sur un récit familier. Nous retenons volontairement la borne basse : mieux vaut annoncer huit minutes et en prendre six que l'inverse. Le second chiffre, la lecture à voix haute, s'appuie sur 130 mots par minute, cadence d'un présentateur de journal radiophonique. C'est la valeur à utiliser pour calibrer une présentation orale, un script de vidéo ou un message d'accueil téléphonique.

Le compteur découpe les phrases sur les points, points d'interrogation, points d'exclamation, points de suspension et retours à la ligne, et les paragraphes sur les lignes vides. De ces deux mesures naît une statistique plus parlante que le nombre de mots : la longueur moyenne des phrases. En dessous de quinze mots par phrase, un texte français paraît haché ; au-delà de trente, il devient pénible à suivre à l'écran. La plupart des guides rédactionnels visent une moyenne comprise entre quinze et vingt-cinq mots, avec de fortes variations d'une phrase à l'autre — c'est l'alternance qui crée le rythme, pas la régularité.

Certaines contraintes sont dures et coupent le texte sans prévenir. La balise title d'une page web est tronquée par Google autour de 580 pixels, ce qui correspond à une cinquantaine ou une soixantaine de caractères selon la largeur des lettres employées. La méta-description tient dans 155 à 160 caractères. Un message sur X est plafonné à 280 caractères, une publication LinkedIn à 3 000 et une légende Instagram à 2 200. Un SMS s'arrête à 160 caractères en codage GSM, mais retombe à 70 dès qu'un emoji apparaît. Le compteur de caractères espaces comprises est celui qu'il faut surveiller dans tous ces cas.

Le mot « caractère » recouvre trois réalités techniques distinctes. Cet outil compte en points de code Unicode : un « é », un « œ » ou un emoji valent chacun un, comme dans un traitement de texte. Une base de données, elle, mesure souvent en octets : un « é » en occupe deux en UTF-8, un emoji quatre. Quant à JavaScript, il compte nativement en unités de seize bits, ce qui fait qu'un emoji vaut deux — c'est pourquoi tant de compteurs en ligne annoncent un chiffre gonflé sur les textes contenant des symboles. Un champ déclaré à 255 caractères dans une base peut donc refuser un texte de 200 caractères très accentué.

Le compteur affiche les dix mots les plus employés, articles, prépositions et auxiliaires écartés — sans quoi la liste se réduirait invariablement aux mêmes mots-outils. Cette vue sert à repérer les répétitions involontaires et à vérifier qu'un texte parle bien de son sujet. Elle ne doit pas devenir un objectif : la fameuse « densité de mots-clés » n'a jamais correspondu à un seuil publié par Google, et les moteurs modernes évaluent la pertinence sémantique d'un texte entier plutôt que la répétition d'une expression. Un texte écrit pour atteindre un pourcentage de répétition se lit mal, et se classe généralement moins bien qu'un texte écrit pour être lu.

C'est une question de confidentialité, pas de performance. Beaucoup de compteurs en ligne envoient le texte saisi à un serveur pour l'analyser — ce qui suppose de confier à un tiers un extrait de mémoire de thèse, une clause contractuelle ou un dossier client. Ici, l'analyse est écrite en JavaScript et s'exécute dans l'onglet : aucune requête réseau n'est émise pendant la frappe, rien n'est écrit dans un cookie ni dans le stockage local, et le contenu s'efface avec la page. La démonstration est immédiate : ouvrez l'onglet Réseau de votre navigateur, tapez, et constatez qu'il reste vide.

Il compte, il ne corrige pas. Il ne détecte ni les fautes d'orthographe, ni les répétitions de structure, ni le plagiat, et il ne calcule pas d'indice de lisibilité de type Flesch — ces formules ont été calibrées sur l'anglais et leur transposition au français reste discutée. Il ne distingue pas non plus les mots vides de sens du vocabulaire porteur au-delà de la liste d'exclusion utilisée pour les fréquences, et il ne lemmatise pas : « projet » et « projets » sont comptés comme deux formes différentes. Enfin, il traite le texte brut et ignore la mise en forme : un tableau collé depuis un tableur perdra sa structure, mais tous ses mots seront comptés.