Si l’on connaît une prononciation standardisée

32Les prononciations répertoriées dans Unihan pour un caractère ne couvrent pas toutes les lectures possibles, mais elles sont tout de même nombreuses : en chinois, japonais, sino-coréen. De plus, pour le chinois, on répertorie trois prononciations standardisées : mandarin (translittérée en pinyin avec un chiffre indiquant le ton), cantonaise (translittération Yale avec un chiffre indiquant le ton) et Tang. Pour le japonais il existe les deux prononciations on(lecture sino-japonaise) et kun (lecture japonaise), sur lesquelles nous donnons des explications plus bas. Ce sont ces six possibilités qui sont proposées dans un menu à choix multiple. Il ne suffit donc pas de connaître une prononciation répertoriée par Unihan, il faut encore savoir à quel type de lecture elle appartient.

33Nous avons testé une entrée par la lecture sino-japonaise ichi pour le caractère « un » et japonaise kokoropour le caractère « cœur ». La requête dans la base de données Unihan renvoie le caractère « un » U+4E00 et le caractère « cœur » U+5FC3, avec toutes les informations mentionnées plus haut ainsi que le glyphe en fonte Unicode (non reproduit dans le tableau). En réalité, le système renvoie une liste, et le caractère se trouve parmi des dizaines ou des centaines d’autres. La recherche dans la base se fait uniquement par chaîne de caractères, il faut donc penser à entrer le mot avec des blancs pour obtenir seulement ichi et nonnichi, ichigo etc. De plus, la prononciation n’est pas univoque, comme on l’expliquera plus loin.

Si l’on connaît une définition standardisée

34On peut accéder aussi au caractère en fournissant sa « définition » conventionnelle anglaise (en l’occurrence heart pour le caractère « cœur »). Là encore, on obtient beaucoup de réponses, car heart figure dans plusieurs définitions.

Si l’on connaît le glyphe

35Si l’on ne connaît ni la prononciation ni la définition, on peut avoir un accès visuel au caractère recherché en affichant les glyphes rangés dans des tableaux 16*16 avec leur code JUC-2 (Unihan grid index). L’affichage normal du tableau se fait par images gif intégrées, ce qui est très lent, mais présente l’avantage de garantir la visualisation du glyphe, même avec des systèmes d’exploitation anciens.

36On peut cocher la case UTF-8 pour un accès plus rapide, qui permet la gestion Unicode du caractère par les systèmes d’exploitation récents. Cependant, il faut aussi que le navigateur soit une version récente, par exemple Netscape 5 ou 6, ou Internet Explorer 4, que le navigateur soit bien configuré, et que l’on possède une police japonaise, la police standard étant Osaka. Sinon, le tableau apparaît avec un point d’interrogation dans chaque case.

37Pour consulter efficacement ces tableaux, il vaut tout de même mieux connaître la clé (qui apparaît sur fond rose) car il y a des dizaines de pages à consulter sinon. Il vaut mieux aussi connaître l’ordre des clés, pour naviguer entre les pages (blocks) en cas d’erreur sur la clé envisagée en première approche [12].

Si l’on connaît la clé KangXi

38Si l’on connaît la clé du caractère avec certitude, on peut interroger par la clé et le nombre de traits. Dans le mode de consultation Unihan Radical-Strokes Index, on a accès aux clés en sélectionnant d’abord leur nombre de traits. Ensuite, on sélectionne la clé voulue dans une liste et l’on entre un nombre de traits additionnels (traits formant un caractère complexe sans compter ceux de la clé). Ce nombre est nécessairement compris entre un minimum (0) et un maximum (50). On peut ainsi consulter les listes de caractères et de complexes sous forme de tableaux. On demande par exemple pour la clé du « cœur » 61 les complexes de 0 trait (minimum) à 0 trait (maximum), pour avoir le caractère simple uniquement, ou les complexes de 1 à 50 traits pour avoir la liste exhaustive des caractères complexes formés avec la clé du cœur. Pour retrouver par exemple le caractère complexe « agréable » dont on sait qu’il compte 4 traits additionnels, on demande les complexes dans la fourchette restreinte à 4 traits.

39On peut cocher la case UTF-8 pour un accès plus rapide. Rappelons que l’affichage normal du tableau se fait en gif, aussi si l’on interroge avec une grande fourchette de nombres de traits, et qu’il existe un grand nombre de caractères complexes, ceux-ci vont s’afficher sur plusieurs pages, et cela peut prendre beaucoup de temps. A titre indicatif, pour la clé 61, en interrogeant sur une fourchette de 10 traits additionnels (caractères de 2 à 12 traits en plus de la clé) on obtient 6 tableaux de 260 cases chacun. Il est vrai que la clé du cœur est très productive, avec la clé 1 « chiffre 1 », ou la clé 214 « flûte », le nombre de caractères complexes est moindre.

40On peut également cocher l’option Search lorsqu’on se trouve sur la page d’un caractère jouant le rôle de clé pour sélectionner un sous-ensemble de caractères complexes [13]

41L’inconvénient de ce système est qu’il est lourd et lent. L’accès par un nom mnémotechnique serait plus convivial, mais il faudrait alors choisir entre ceux des différents pays de la zone. On n’obtient aucune réponse en entrant par exempleshinben, qui est un nom de clé japonais non référencé. Pas davantage actuellement en entrant le numéro de caractère issu du dictionnaire Morohashi. En effet, les champs permettant d’établir les correspondances avec d’autres sources que le KangXi sont prévus, mais ils ne sont pas remplis. Cela dit, en passant par un chemin plus long, par exemple en interrogeant par la prononciation japonaise kokoro, on arrive aux données sur le caractère et l’on peut rechercher facilement ses complexes.

Si l’on connaît un code

42Si l’on connaît déjà le code du caractère en UTF-16, l’accès aux informations est facilité [14]. On peut également avoir accès aux caractères Han si l’on connaît un code d’une norme officielle référencée, par exemple CNS, JIS ou d’un standard comme celui de Xerox. De même, on a accès au glyphe si l’on connaît le nom du caractère dans la nomenclature répertoriée dans Unicode Characters Names List. C’est cependant un mode d’entrée peu probable, compte tenu de l’arbitraire de ce nom.

43Nous allons tenter d’éclairer ces données quelque peu ésotériques, en les replaçant dans leur contexte historique et culturel. Nous prendrons l’exemple du japonais dont l’écriture est héritée de l’écriture chinoise.

Une graphie mixte

44Un texte japonais contemporain se présente comme une suite pratiquement ininterrompue de signes. Le paragraphe est le plus petit ensemble de caractères séparé par des blancs, ce qui, pour nous, est la définition du mot graphique. Point de mots, donc, tels que nous les percevons ordinairement. L’œil occidental non averti, mais néanmoins observateur, reconnaîtra tout d’abord dans cette masse compacte, des ponctuations : le point, qui est un gros rond, la virgule, à l’envers, mais bien identifiable, des crochets éventuellement, qui jouent le même rôle que les guillemets. On peut ensuite distinguer, dans la suite continue des signes d’écriture, quelques zones denses, surchargées de traits et inégalement réparties entre des zones plus aérées. Deux sortes de glyphes en effet : l’écriture japonaise est dite mixte, elle comporte des caractères chinois (kanji en japonais) et des caractères autochtones (kana) qui correspondent à des syllabes. L’alternance entre ces deux modes d’écriture joue, pour les Japonais, un rôle de différenciation similaire à celui que l’alternance entre espaces et lettres joue pour nous dans un texte écrit : elle facilite la lecture.

45En faisant un effort, devant un texte assez riche, on pourra peut-être, dans les parties plus « claires », faire la différence entre des signes cursifs aux contours sinueux (les hiragana) et d’autres plus agressifs, anguleux, ces derniers étant cependant plus rares : ce sont les katakana. Enfin, on pourra même parfois reconnaître quelques mots en caractères latins.

46Telles sont, à première vue, les caractéristiques de l’écriture japonaise, foncièrement syncrétique. Les parties les plus denses du texte, donc plus riches en informations, sont les caractères empruntés à l’écriture chinoise ou kanji ; ils permettent une appréhension réputée immédiate du sens (idéogrammes), ce qui est une description certes excessivement simplifiée, passant sous silence les années d’apprentissage, mais que nous ne discuterons pas ici (Tamba, 1986 ; Lucas, 1988 ; Galan, 2001, 2002).

47Dans le petit extrait de texte qui suit [15], on reconnaîtra dans la dernière phrase du 1^er paragraphe, vers la fin de la deuxième ligne, l’idéogramme du « cœur » donné en exemple plus haut.

Exemple 1

Texte japonais contemporain

Texte japonais contemporain

48Voici la translittération et la traduction du premier paragraphe.

49« Ongaku wa sekai no kotoba » da to iwareteiru. Tashikani sono tôri dearu. Ongaku no chikara wa idai da. Kokkyô ga naishi minzoku no chigai wo chôetsushite hito no kokoro wo ugokasu.

50« La musique est la langue du monde », dit-on. C’est bien vrai. La force de la musique est immense. Elle touche le cœur des hommes, transcendant les frontières et les différences entre les peuples.

51Le sens traditionnel d’écriture, en colonnes, de haut en bas et de la droite vers la gauche, est conservé pour la littérature, la presse et les ouvrages à caractère généraliste, tandis que les textes techniques ou scientifiques s’écrivent, en général, en lignes, horizontalement de la gauche vers la droite. Les documents électroniques et sites web ont suivi cette habitude déjà vulgarisée depuis des lustres.

52Le japonais écrit s’est fixé à la fin du XIX^e siècle sous sa forme mixte actuelle. C’est le produit de l’adaptation de l’écriture chinoise à la langue japonaise. Du point de vue linguistique, le japonais et le chinois sont très éloignés, ils n’appartiennent pas à la même famille. Du point de vue culturel en revanche, l’influence de la Chine est prédominante. Les Japonais, qui avaient encore une culture orale au IV^e siècle, ont adopté l’écriture, ainsi qu’un vaste vocabulaire, lors de l’expansion culturelle chinoise. Vers le VII^e siècle les femmes de la cour, qui n’avaient pas accès à la culture chinoise, inventent un syllabaire (hiragana) pour noter phonétiquement le japonais, ce qui permet l’éclosion d’une littérature épique et courtoise autochtone. Concurremment, les moines mettent au point un autre syllabaire (katakana) volontairement distinct dans la forme, mais qui note les mêmes sons et qui sert à annoter les textes bouddhiques pour faciliter leur diffusion populaire.

Les kanji

53Les caractères Han transcrivent le vocabulaire construit sur une base sino-japonaise, les mots en lecture on c’est-à-dire suivant la prononciation à la chinoise [16]. C’est le cas de ongaku, la musique, que l’on trouve dans la première phrase, dans l’exemple 1, écrit par les deux premiers caractères Han Ils sont utilisés aussi pour noter des substantifs, dont la prononciation est japonaise (lecture kun, selon le sens) par exemple kokoro pour le caractère du « cœur » dans l’expression le cœur des hommes. Les kanji notent encore la racine des verbes, et on en voit un exemple dans la dernière phrase du 1e paragraphe, juste avant le point Ici le caractère sera prononcé aussi à la japonaise (lecture kun) ugokasu, la terminaison (variable) étant notée en hiragana. La traduction serait « fait bouger » ou « émeut ».

54Il est à noter que le système phonétique du japonais n’utilise pas les tons, contrairement au chinois. La prononciation sino-japonaise on est appauvrie, car non seulement elle ne reproduit pas les tons du chinois mais elle déforme aussi certaines consonnes. Il s’ensuit que beaucoup de syllabes, différenciées en chinois, ont une même prononciation sino-japonaise, d’où les problèmes d’homophonie. Kan par exemple est une lecture on qui correspond à plusieurs dizaines de caractères Han différents.

55Les caractères Han sont en proportion variable selon la nature du texte (littéraire, scientifique, transcription de la langue parlée, etc.). Jusqu’à récemment, la tendance historique était à la baisse dans l’usage des kanji, spécialement dans la presse (60 % de kanji en 1878, et seulement 40 % en 1966 pour les quotidiens), et d’aucuns redoutaient leur disparition totale.

56Il est difficile de donner le nombre exact des kanji, qui n’est pas figé, mais il est beaucoup plus restreint que celui des caractères mandarins. A titre indicatif, le grand dictionnaire Morohashi (Dai Kanwa jiten) en propose 48 894. Une police d’imprimerie peut en compter de 10 000 à 15 000. Les dictionnaires courants en comptent 5 à 6 000. Le ministère japonais de l’éducation a défini en 1981 une liste de référence de 1 945 caractères d’usage courant pour l’apprentissage scolaire. Dans la pratique, la presse quotidienne par exemple, on utilise environ 3 000 kanji. Cela tient beaucoup aux noms propres, qui introduisent une plus grande variété, ainsi qu’aux mots savants. A ce propos, il arrive que les caractères peu courants soient accompagnés de leur prononciation donnée en syllabaire, écrite en tout petit à côté (des colonnes), ou au-dessous ou au-dessus (des lignes) pour le ou les caractères difficiles. Ces caractères d’annotation sont appelés furigana.

57Quelques caractères « chinois » ont été en réalité créés au Japon, ce sont les kokuji, par exemple le glyphe complexe du croisement des chemins tsuji forgé à partir de la clé du chemin (simplifiée) et du caractère « dix » qui forme une croix.

Les kana

58Les kana représentent la cinquantaine de sons du japonais, sous deux variantes (hiragana et katakana), un peu comme majuscules et minuscules ou encore droit et italique. L’un ou l’autre de ces syllabaires pourraient suffire à noter la langue japonaise. Cependant, les Japonais n’ont pas retenu cette solution dans l’usage courant.

59Les hiragana, de forme cursive, sont utilisés pour représenter les éléments grammaticaux du japonais (par exemple adverbes, terminaisons de verbe). Ils peuvent remplacer à l’occasion les mots généralement écrits en kanji. Ainsi les livres pour enfants utilisent essentiellement les hiragana, les caractères chinois étant introduits graduellement au cours de la scolarité (Galan, 2002). Dans un quotidien, de nos jours, on trouve environ 35 % de kanji et 65 % de kana. Dans l’exemple 1, on trouve au début du 2^e paragraphe un adverbe écrit en hiragana cependant qui se lit shikashi ou encore à la fin du 3e paragraphe, un verbe dearu . On a déjà noté un verbe en graphie mixte ugokasu, dont la terminaison -kasu est notée en hiragana. On peut voir aussi le signe ha qui est une marque grammaticale indiquant le thème, par exemple après le mot ongaku « musique » .

60Les katakana, de forme anguleuse, servent le plus souvent à mettre en relief certains éléments, par exemple à transcrire des onomatopées et les mots d’origine étrangère. Dans l’exemple 1, dernier paragraphe, se trouvent les mots rehearsal et orchestra transcrits respectivement rihâsaru et ôkesutora

61Quant à l’alphabet latin (romaji), il est largement utilisé par la publicité pour son aspect exotique. Il sert également comme notation spéciale, en particulier dans des articles techniques ou scientifiques pour noter des sigles ou encore des mots étrangers dans leur graphie d’origine.

62La variété de signes, ainsi que le nombre élevé de kanji a longtemps constitué un obstacle à la mécanisation de l’écriture. Une machine à écrire en japonais a été mise au point en 1915, mais elle ne possédait qu’un jeu limité de caractères, de plus son maniement était extrêmement compliqué (Griolet, 1985). Il était plus rentable d’écrire les textes courants à la main et de s’adresser à un imprimeur quand cela était nécessaire. De même, aux tout débuts de l’informatique, le clavier dactylographique constituait à lui seul un barrage pour la saisie du japonais. Les choses ont bien changé depuis, mais c’est dans ce contexte que les Japonais ont développé l’interaction vocale avec les ordinateurs.

Les normes de codage JIS

64Le code ASCII (American Standard Code for Information Interchange) adopté par les constructeurs américains fonctionne sur un octet (un caractère de contrôle et 7 bits utiles) et permet d’imprimer 94 caractères en pratique. On voit immédiatement qu’il est ainsi impossible de traiter les quelques milliers de caractères nécessaires pour écrire en japonais. Le problème allait être résolu par l’utilisation d’un deuxième octet. Après une période de tâtonnements, les Japonais se mirent d’accord sur le nombre de caractères à retenir et sur les codes correspondants. En 1978 l’association de normalisation industrielle du Japon publie la norme JIS (Japan Industrial Standard) C6226.

65Cette norme, modifiée plusieurs fois depuis (JIS X0201, JIS X 0208 en 1983, 1990, JIS X 0213 en 1990), établissait un premier canevas, et, sous son apparente complexité, répondait à de réels besoins d’optimisation du traitement des caractères. C’est pourquoi nous revenons à cet ancêtre. La norme JIS C6226 définit un jeu de 6 349 caractères. Ceux-ci sont répartis en 2 niveaux, JIS 1 et JIS 2, que l’on peut représenter dans un tableau de 94 lignes et 94 colonnes.

66Le niveau 1 comprend les signes de ponctuation et divers symboles (lignes 1 et 2), les chiffres arabes et l’alphabet majuscule et minuscule (ligne 3) alphabet dit « anglais » car sans signes diacritiques (accents, etc.), les hiragana (ligne 4), les katakana (ligne 5), les alphabets grec (ligne 6) et cyrillique (ligne 7) et 2 965 kanji classés dans l’ordre phonétique (lignes 16 à 47). Ce sont donc les caractères Han les mieux connus, et le niveau 1 suffisait dans la plupart des applications. Le classement phonétique des caractères permet en particulier d’optimiser la conversion kana-kanji des traitements de texte, chaque caractère étant appelé par l’intermédiaire de la syllabe correspondante.

67Le niveau 2 contient 3 384 kanji d’usage moins fréquent ou des versions non simplifiées de certains caractères du premier niveau, classés selon l’ordre des 214 clés traditionnelles et ensuite par nombre de traits (lignes 48 à 83). Lors de la saisie par un logiciel de traitement de texte des caractères du niveau 2, on passe un certain temps à chercher le caractère désiré dans des tables, en remplacement de celui qui est proposé lors de la frappe par le système de conversion kana-kanji.

68On constate qu’il reste plusieurs cases vides dans ce tableau : les lignes 8 à 15 (752 cases) et 84 à 94 (1 034 cases). Un certain nombre de lignes est laissé à la disposition de l’usager (expert tout de même) qui peut ainsi ajouter, grâce à un programme annexe, des caractères ne figurant pas parmi les 6 349 kanji retenus par la norme ; on peut ainsi introduire des noms de personnes ou de lieux ayant une graphie rare, mais aussi des symboles ou logos particuliers, voire des kanji nouveaux, forgés à l’instar de Mishima, par des esprits créatifs. Ce sont les caractères d’usage privé ou Private Use.

69On voit que cette norme était étudiée pour des japonophones et directement liée à la pratique du traitement de texte. Les caractères du niveau 1 étaient classés en fonction de la fréquence d’usage et accessibles au même titre que les kana.

70Signalons un problème non résolu, celui de la gestion des furigana, les petits caractères d’annotation de caractères chinois. Il s’agit davantage d’un problème de mise en page, qui échappe aux normes JIS et au standard Unicode. Les furigana en effet doivent rester collés au caractère annoté. Les imprimeurs professionnels gèrent encore cette mise en forme délicate, qui nécessite un traitement informatique complexe de la chasse et de la taille des furigana. Dans l’usage courant, sur les sites web des particuliers et même des quotidiens, on a recours aux parenthèses pour noter les prononciations des caractères Han inhabituels. Toutefois, cette solution de facilité est jugée très inesthétique.

Unicode

71Unicode regroupe dans la base Unihan les glyphes en usage en Asie, dans la sphère d’influence culturelle de la Chine, symboles et idéogrammes. Les codes spécifiques pour le japonais reprennent la base établie par la norme JIS X 0208 de 1990, qui recense 6 877 glyphes dont 6 353 caractères Han, amendée par JIS X 0212 et JIS X 0213 de 1990. Les hiragana et les katakana sont codés dans des tableaux spécifiques accessibles par l’index des codes (Chart index). On trouve ainsi les ponctuations, symboles, 91 glyphes hiragana (tableau 50) et 94 katakana (tableau 51). Le nombre de glyphes est plus élevé que le nombre de kana, car il existe des « minuscules » signes plus petits servant pour les allongements, les diphtongues ou les redoublements. La différence entre le nombre de hiragana et celui des katakana est imputable aux symboles de ponctuation et diacritiques associés aux katakana.

72Comme on l’a vu, ce sont les tables Unihan qui permettent de retrouver le code unifié pour un caractère Han. Dans l’ensemble, les habitudes JIS sont respectées. Toutefois, dans le souci d’uniformisation allant souvent de pair avec la normalisation, dans le cadre du CJC, les Japonais ont perdu quelques degrés de liberté dans l’optimisation des classements de caractères. La norme commune est évidemment plus lourde à gérer.

73On pourra s’étonner de la complexité ou de la lourdeur du système des correspondances. Si l’on prend le cas de « un » (ichi en japonais) il est codé en tant que caractère par son identifiant 4E00 (et tant que clé sémantique 1.0), mais il figure aussi par son identifiant 2F00 en tant que glyphe servant à dessiner des caractères (appelé ici forme de clé), et encore ailleurs avec un autre identifiant 3021 en tant que lettre représentant un chiffre. En passant par les classes de combinaison canoniques (Canonical combining classes) on peut établir des équivalences entre la classe Lo pour les « lettres » (en réalité caractère d’écriture) et N1 pour les lettres représentant des chiffres.

74Un petit problème est constitué par les caractères « chinois » en réalité forgés au Japon, les kokuji, qui sont peu nombreux mais d’usage très courant. Ils sont traités comme de véritables caractères Han, quand ils ont été répertoriés par des dictionnaires chinois ou coréens, sinon, ils ne sont pas accessibles dans Unihan mais figurent dans les tables annexes.

75Le tableau 3 montre le code général JUC en UTF-16 pour quelques kana et graphies associées.

Tableau 3

Quelques caractères japonais ou sino-japonais et leur code JUC-2

N°clé. nb de traits Caractère simple Caractère complexe kana Code JUC (hexa) Commentaire 3042 A (hiragana) 30A2 A (katakana) 306F Ha (hiragana) 30CF Ha (katakana) 30FC (allongement, katakana) 1.0 U+4E00 3021 Ichi un 1.0 U+2F00 Forme de clé ichi 1.4 U+4E16 Se monde 61.0 U+5FC3 Kokoro cœur 61.0 U+2F3C Forme de clé shinben 61.0 U+5FC4 Forme de clé risshinben 61.3 U+611F Kan sentiment 61.4 U+5FEB Kai agréable 61.5 U+601D Omo(u) penser 61.9 U+610F I désir, volonté 61.9 U+5FDC Ô réponse 61.11 U+6155 Shita(u) adorer 162.2 U+8FBB Tsuji croisement

Quelques caractères japonais ou sino-japonais et leur code JUC-2

76On voit que le tiret, signe d’allongement pour une syllabe en katakana, ressemble beaucoup visuellement au kanji de « un ». C’est le signe utilisé pour allonger le son ha dans rihâsaru qui reproduit plus ou moins la prononciation de rehearsal de l’exemple 1. Y figurent également les caractères Han déjà mentionnés, ainsi qu’un caractère kokuji, celui du croisement des chemins tsuji, qui est répertorié comme caractère Han (avec le préfixe U+). On a ajouté dans le tableau le code correspondant au numéro de clé et nombre de traits pour permettre la reconnaissance de la clé de classement sémantique.

77De plus, pour montrer la différence entre le glyphe élément de dessin (forme de clé) et le caractère Han, on a donné en gras le code des glyphes visualisables représentant la clé de « un » (KangXi radical one dans la nomenclature JUC), la clé du « cœur » normale dite en japonais shinben (KangXi radical heart one dans la nomenclature JUC) et la clé du cœur debout dite risshinben (KangXi radical heart two dans la nomenclature JUC). Quoique ces formes de clé soient imprimables, elles ne sont pas insérées dans le tableau, car elles ne sont pas accessibles à partir d’un logiciel de traitement de texte simple commme celui que nous avons utilisé.

Indexation

85Le Japon fait partie des pays de premier rang pour la collecte et le stockage de l’information mondiale. Cette activité ne saurait que s’intensifier, dans la mesure où les sources deviennent accessibles de façon transparente.

86Dans le sens inverse, les banques de données japonaises scientifiques ou économiques sont accessibles depuis l’étranger (Haon, 1995). Les plus importantes et les plus anciennes, comme celle de Nikkei dans le domaine économique, permettent l’accès par des mots anglais. Mais l’interrogation en ligne depuis la France par exemple peut néanmoins poser des problèmes, si la saisie prévue est en caractères japonais ou sino-japonais. De même, les moteurs de recherche locaux sur les sites web et portails s’avèrent très souvent inutilisables, à moins de disposer d’un traitement de texte japonisé, qui permet d’entrer les mots et de les convertir en kanji avant de les soumettre via UTF-8 ou UTF-16. Ce truchement est souvent efficace, mais pas toujours. La mise à niveau Unicode des systèmes de recherche locaux prendra sans doute un certain temps.

Informatique linguistique

87Le Japon s’est trouvé confronté au problème de la conversion automatique kana-kanji, ce qui a suscité des travaux importants sur l’analyse automatique du japonais. La saisie s’effectue en transcription phonétique, c’est-à-dire à partir des mots tels qu’ils sont prononcés, soit directement en kana, soit le plus souvent en caractères latins, à partir d’un clavier QWERTY. Les syllabes sont automatiquement converties et affichées en kana. La conversion en kanji était ensuite effectuée à la demande, caractère par caractère, ou mot à mot, mais elle est désormais effectuée en ligne segment de phrase par segment de phrase ou phrase par phrase selon le degré de sophistication du logiciel. La conversion mot à mot des débuts a été abandonnée, en raison du grand nombre d’homophones (mots prononcés de la même manière mais correspondant à des caractères Han différents) car l’utilisateur devait intervenir trop souvent pour choisir parmi plusieurs caractères celui qui convenait, ce qui rendait la saisie très lente. La conversion de segments de phrase ou de phrases est plus efficace, certaines ambiguïtés étant levées par l’analyse syntaxique automatique du contexte. De plus, les caractères fréquemment et récemment utilisés par l’utilisateur sont placés automatiquement en première position dans les fenêtres de choix. Les logiciels en vente actuellement possèdent tous un analyseur syntaxique intégré, qui rétablit la graphie mixte kanji-kana, l’utilisateur n’intervenant plus que de temps en temps pour corriger les choix erronés de la machine.

Tableau 4

Exemples de codage en UTF-8 ou en UTF-16 d’un caractère JUC

Glyphe Code JUC (hexa) Nom du caractère JUC Code JUC (binaire) UTF-16 Code UTF-8 (binaire) Code UTF-8 (hexa) é 00E9 Latin Small Letter E With Acute 11101001 11000011 10101001 20AC Euro Currency Sign - 10000010101100 11100010 10000010 10101100 3042 Hiragana letter A 0011 0000 0100 0010 11100011 10000001 10000010 306F Hiragana letter HA 0011 0000 0110 1111 11100011 10000001 10101111 30A2 Katakana letter A 0011 0000 1010 0010 11100011 10000010 10100010 30CF Katakana letter HA 0011 0000 1100 1111 11100011 10000011 10001111 4E00 Unified ideograph one 0100 1110 0000 0000 11100100 10111000 10000000 E4 B8 80 5FC3 Unified Ideograph heart 0101 1111 1100 0011 11100101 10111111 10000011 E5 BF 83 2F3C KangXi radical heart one 0010 1111 1100 0011 11100010 10111111 10000011 601D Unified Ideograph thought 0101 0000 0001 1101 11100101 10000000 10011101 E6 80 9D

Exemples de codage en UTF-8 ou en UTF-16 d’un caractère JUC

88L’anglais est toujours considéré comme la langue dominante, aussi de nombreux travaux en informatique linguistique se focalisent sur cette langue. En témoigne la participation du Japon à de nombreux concours américains comme DARPA (reconnaissance de la parole et interface oral-écrit) ou TREC (recherche d’informations ciblée dans les textes).

89Mais le Japon fait aussi figure de leader régional, formant un très grand nombre d’ingénieurs et chercheurs de la région asiatique, ce qui contribue sans doute à contrebalancer son image négative dans la région depuis la guerre. Le centre de recherche international ATR [17] de Kyôto lancé et animé par les Japonais favorise les travaux sur les langues et écritures chinoises, coréennes, thaï, etc. L’intégration d’Unicode a été rapide et une intense activité scientifique est en cours pour traiter de l’interface oral-écrit, et de la traduction. Dans d’autres centres de recherche, on traite des textes de toutes origines à l’aide de modèles éprouvés pour le traitement du japonais, tant pour l’indexation que pour l’analyse syntaxique ou l’extraction thématique. Les langages de programmation ne sont pas encore tous adaptés à Unicode, mais ceux qui le sont comme Java ou Perl bénéficient de cet avantage.

90Les congrès internationaux comme CoLing [18] voient donc une participation accrue de jeunes chercheurs des pays asiatiques, aux côtés des Japonais qui y sont activement présents depuis de nombreuses années. Les congrès internationaux spécialisés pour les langues et écritures asiatiques comme PACLIC [19] attirent de leur côté des chercheurs australiens, américains et quelques Européens.

91En résolvant les problèmes complexes liés à leur écriture, les Japonais sont allés technologiquement plus loin que les Occidentaux dans les dernières décennies. Les ordinateurs devaient afficher les caractères avec une très grande finesse, il en est résulté les écrans à haute définition. Pour les imprimer lisiblement, il a fallu des imprimantes matricielles très fines ou à laser, qui ont ensuite envahi le marché mondial. Des mémoires rapides étaient indispensables au traitement. Enfin, la constitution de dictionnaires et la modélisation de l’analyse syntaxique qui ont accompagné la mise au point du traitement de texte, ont permis aussi la mise au point d’interfaces sophistiquées, tels les systèmes de lecture pour aveugles, qui prennent en entrée un texte papier, traité par un lecteur OCR, texte ensuite analysé et vocalisé automatiquement.

92On assiste ainsi, en moins d’un siècle, à un retournement de situation, qui a mené de la tentation d’abandon des écritures idéographiques, réputées ingérables, à leur éloge appuyé. Les arguments techniques évoqués dans un cas comme dans l’autre ne doivent pas faire oublier les arguments culturels, politiques et sociaux, moins immédiats mais plus décisifs que l’on ne veut souvent l’admettre.