Comment fonctionne ce test
Ce test vous montre un peu plus d’une centaine de mots et vous rend un nombre qui se compte en dizaines de milliers. Voici comment il passe de l’un à l’autre, et quel crédit lui accorder.
On ne peut pas interroger sur chaque mot
L’anglais compte bien plus de cent mille mots d’usage courant, et personne ne va cocher cent mille cases. Le test fait donc comme un institut de sondage : il interroge sur un petit échantillon et en tire des conclusions. Montrez à quelqu’un une poignée de mots tirés équitablement d’une tranche de la langue, comptez ceux qu’il connaît, et vous pouvez dire quelque chose de toute la tranche.
Tout l’art est de tirer équitablement. Les mots ne sont pas interchangeables — water, hypotenuse et obtund sont trois questions complètement différentes —, si bien que l’échantillon doit être réparti exprès sur toute l’étendue, et non ramassé là où c’est commode.
La rareté est l’axe qui compte
Chaque mot du test a un rang de fréquence : en gros, sa place si l’on range la langue du mot le plus courant au plus rare. Ce seul nombre prédit mieux si vous connaissez un mot que sa longueur, son orthographe ou son sujet. La connaissance diminue à mesure que les mots se raréfient. La forme de cette chute est assez constante pour qu’on puisse s’appuyer dessus.
C’est pourquoi le test comporte trois manches de plus en plus difficiles. Chaque manche échantillonne une portion différente de cette courbe : d’abord les mots du quotidien, puis le milieu, puis la longue traîne. Vos réponses à chaque manche fixent un point, et ensemble elles situent la chute.
Pourquoi la dernière manche est la plus longue
L’essentiel d’une langue est rare. Les mots que vous croisez toute la journée sont une erreur d’arrondi face à la masse des mots qui apparaissent une fois par an, et l’échantillonnage doit en tenir compte.
Les réponses de chaque manche sont pondérées selon la part de la langue que représente cette manche. Si vous connaissez la moitié des mots d’une manche, on vous crédite d’environ la moitié de tout ce qu’elle représente. On additionne les trois, et c’est l’estimation. Le calcul est simple. Le jugement se situe en amont, dans le choix des mots.
Le point délicat : on dit oui trop facilement
Demandez à quelqu’un s’il connaît un mot, et une certaine proportion répondra oui pour des mots simplement déjà vus, qui ressemblent à un mot connu ou qu’ils pensent devoir connaître. Presque personne ne ment. La reconnaissance est un sentiment vague, et une case à cocher ne distingue pas je pourrais le définir de ça me dit quelque chose.
Sans correction, cela fausse tout le calcul : chaque coche trop zélée est multipliée par la taille de la tranche où elle se trouve.
Certains mots du test n’existent donc pas. Ils ont été construits pour avoir l’air et le son de l’anglais — prononçables, d’une orthographe plausible, d’un degré de rareté crédible —, puis vérifiés dans plusieurs dictionnaires pour s’assurer qu’ils ne sont ni réels, ni des fautes d’orthographe de mots réels, ni des mots réels affublés d’un préfixe. Ils sont dispersés dans les trois manches sans rien qui les distingue.
Personne ne peut les connaître : chacun que vous cochez mesure donc la liberté avec laquelle vous cochez. Ce taux sert ensuite à pondérer le reste de vos réponses. Si vous n’en cochez aucun, votre score n’est pas touché.
Les chiffres derrière ce graphique
| taux de hasard | corrigé | brut |
|---|---|---|
| 0% | 27 000 | 27 000 |
| 5% | 26 470 | 27 720 |
| 10% | 24 920 | 28 430 |
| 15% | 22 550 | 29 150 |
| 20% | 19 610 | 29 870 |
| 30% | 13 140 | 31 300 |
Conséquence pratique : deviner ne peut pas gonfler votre résultat. Une erreur occasionnelle ne coûte presque rien, mais chaque mot inventé supplémentaire coûte plus cher que le précédent, si bien que des réponses données très librement aboutissent à un score faible.
Ce que vaut le chiffre
Le chiffre vient d’une centaine de questions sur une langue dont le vocabulaire se compte en centaines de milliers, donc les derniers chiffres sont du bruit. Faites passer la même personne deux fois et les deux résultats différeront, davantage en bas de l’échelle qu’en haut. Ce qui tient, c’est l’ordre de grandeur et la comparaison entre personnes.
Ce qu’il n’est pas non plus. Il compte des formes de mots au sens du dictionnaire, pas des familles de mots : il ne correspondra donc pas aux chiffres d’études qui comptent des familles et tombent en général plus bas. Il ne porte que sur des noms et des verbes. Il ne peut pas savoir si vous connaissez bien un mot ou juste assez pour le reconnaître. C’est une vraie distinction, et aucune case à cocher ne la trouvera. Enfin, il mesure la reconnaissance, pas l’usage. La plupart des gens reconnaissent bien plus de mots qu’ils n’en prononceront jamais.
Les mots eux-mêmes viennent d’une liste de l’anglais classée par fréquence, établie à partir de vastes données d’usage et réduite à des mots simples de longueur raisonnable. Quels mots apparaissent, combien sont inventés dans chaque manche et où passent les seuils ne sont pas publiés ici, pour une raison évidente.
Travaux antérieurs
Aucune des idées de base n’est de nous. Le format de liste oui/non remonte à Meara et Buxton à la fin des années quatre-vingt, avec la découverte qu’il faut des mots inventés pour qu’il ait un sens. Le Vocabulary Size Test de Nation a établi l’échantillonnage par tranches de fréquence et la pondération de chaque tranche selon ce qu’elle représente. La correction utilisée ici — pondérer vos réponses selon la fréquence à laquelle vous prétendez connaître des mots qui n’existent pas — est celle décrite par Huibregtse, Admiraal et Meara en 2002. Nous y ajoutons une pénalité de notre cru, qui augmente à chaque mot inventé coché, pour que cocher presque tout ne puisse pas passer pour un grand vocabulaire. Pour savoir combien de mots les gens connaissent vraiment, lisez Brysbaert et ses collègues, qui situent ce chiffre autour de quarante mille pour un adulte natif et expliquent en détail pourquoi il est si difficile à cerner.
Faire le test