Combien de mots faut-il connaître pour parler couramment anglais ? Ce que suggère la linguistique de corpus — Partie 1

À un moment ou à un autre du parcours de presque toute personne qui apprend une langue, la même question apparaît :

« Combien de mots faut-il vraiment connaître pour parler couramment ? »

C’est une question naturelle. Apprendre une langue peut sembler sans fin, et un chiffre clair rendrait le processus plus facile à gérer. Si quelqu’un pouvait simplement dire : « Apprenez exactement 5 000 mots et vous parlerez couramment », l’apprentissage des langues paraîtrait beaucoup plus simple.

La réponse honnête est plus nuancée.

D’un point de vue strictement linguistique, la fluidité ne peut pas se réduire à un simple nombre de mots. Une langue n’est pas une base de données fermée. C’est un système vivant de sons, de sens, de grammaire, d’habitudes sociales, de références culturelles et de schémas d’usage flexibles.

Pourtant, la linguistique de corpus — l’étude de grands ensembles d’usages réels de la langue — nous donne des repères très utiles. Des chercheurs comme Paul Nation, Stuart Webb et d’autres ont étudié la quantité de vocabulaire nécessaire pour comprendre l’anglais oral et écrit à différents niveaux. Leurs résultats ne fournissent pas de chiffre magique, mais ils donnent une carte réaliste.

Cet article se concentre principalement sur l’anglais, car c’est l’une des langues pour lesquelles les données de fréquence du vocabulaire sont les mieux étudiées. Les principes généraux sont également utiles pour d’autres langues, mais les chiffres exacts peuvent varier selon la grammaire, la morphologie, le système d’écriture et la manière dont les chercheurs comptent le vocabulaire.

Pour comprendre cette carte, il faut d’abord clarifier une question importante.

Que comptons-nous réellement ?

Quand on demande : « Combien de mots faut-il connaître ? », le mot « mot » semble simple. Mais en linguistique, il ne l’est pas du tout.

Prenons le verbe anglais run.

Il peut apparaître sous plusieurs formes : run, runs, ran, running

Faut-il compter ces formes comme quatre mots distincts ? Ou comme un seul mot avec différentes formes ?

La plupart des personnes qui apprennent une langue auront probablement le sentiment que, si elles connaissent le verbe run, chaque forme grammaticale ne devrait pas être comptée comme un mot entièrement nouveau. C’est pourquoi les linguistes utilisent souvent des unités plus abstraites pour mesurer la taille du vocabulaire.

Le premier concept utile est le lemme.

Un lemme est la forme de base ou la forme de dictionnaire d’un mot. Par exemple, go est le lemme derrière go, goes, went, gone, going. Dans un dictionnaire, on cherche normalement la forme de base, et non chaque forme grammaticale possible séparément. Les outils de corpus utilisent les lemmes de manière similaire : ils regroupent différentes formes d’un mot sous une entrée centrale.

Jusqu’ici, c’est assez intuitif.

Mais de nombreuses études sur le vocabulaire — surtout en anglais — utilisent souvent un concept encore plus large : la famille de mots.

Qu’est-ce qu’une famille de mots ?

Une famille de mots est un groupe de mots apparentés construits autour du même mot de base. Elle comprend le mot central et certaines de ses formes courantes et transparentes.

Par exemple, une famille de mots simplifiée autour de teach pourrait inclure : teach, teaches, teaching, taught, teacher

Une famille de mots simplifiée autour de nation pourrait inclure : nation, national, international, nationality

L’idée n’est pas que tous ces mots soient identiques. Dans l’usage réel, ce sont clairement des mots différents. Mais ils sont suffisamment liés pour que la connaissance de l’un aide souvent à comprendre les autres.

C’est important, car on n’apprend pas chaque mot de manière isolée. Une fois le mot happy connu, il devient plus facile de comprendre unhappy ou happiness. Une fois le mot move connu, il devient plus facile de deviner le sens de movement. Une fois le mot use connu, des mots comme useful, useless et reuse deviennent plus faciles à reconnaître.

C’est la logique des familles de mots.

Cependant, les familles de mots ne sont pas toujours simples. Certains mots apparentés se comprennent facilement à partir du mot de base, tandis que d’autres non. Par exemple, sign et signature sont liés, mais le lien peut ne pas être évident au niveau débutant. Compete, competition et competitive sont liés, mais ils fonctionnent différemment dans les phrases.

C’est pourquoi le comptage par familles de mots est utile pour la recherche, mais peut prêter à confusion pour l’apprentissage. Il donne une estimation pratique de la connaissance du vocabulaire, mais cela ne revient pas à dire que chaque membre de la famille est automatiquement maîtrisé.

Dans cet article, lorsque nous parlons de taille du vocabulaire, il vaut mieux penser en termes d’unités lexicales centrales : pas chaque forme de mot séparée, mais pas toujours non plus un seul lemme strict de dictionnaire. Dans de nombreuses études sur le vocabulaire anglais, les chiffres de référence reposent sur des familles de mots.

Cette distinction compte.

Une personne qui connaît 3 000 familles de mots peut reconnaître bien plus de 3 000 formes de mots individuelles dans des textes réels. Mais cela ne signifie pas qu’elle peut toutes les utiliser activement à l’oral ou à l’écrit.

Pourquoi la fréquence compte autant

Les langues ne sont pas des systèmes équilibrés où chaque mot apparaît aussi souvent que les autres.

Un petit nombre de mots très courants apparaît constamment. Des milliers d’autres mots n’apparaissent qu’occasionnellement. Ce schéma est souvent lié à la loi de Zipf, une tendance statistique selon laquelle les mots les plus fréquents représentent une très grande partie de l’usage réel de la langue.

En anglais, des mots comme the, be, have, do, say, go, make, know, think, good apparaissent partout. Les mots rares peuvent être utiles, beaux ou importants dans des domaines précis, mais ils apparaissent beaucoup moins souvent dans la communication quotidienne.

Cela crée un principe d’apprentissage puissant :

Les premiers milliers de mots à haute fréquence offrent le meilleur rendement.

Apprendre les 1 000 mots les plus courants peut aider à reconnaître une part étonnamment importante de la langue ordinaire. Mais cela ne signifie pas que tout devient compréhensible. Les mots encore inconnus portent souvent le sens important de la phrase.

Par exemple :

I went to the ___ because my ___ was hurting.

Vous pouvez comprendre la majeure partie de la grammaire et des mots courants, mais les mots manquants peuvent être essentiels. S’agissait-il d’un médecin ? D’un dentiste ? D’une pharmacie ? D’un hôpital ? D’un genou ? Du ventre ? D’une dent ?

C’est pourquoi la couverture est importante.

Que signifie une « couverture de 95 % » ?

Les chercheurs en corpus parlent souvent de couverture textuelle. Cela désigne le pourcentage de mots d’un texte déjà connus.

Connaître 95 % des mots d’un texte peut sembler excellent. Mais cela signifie tout de même qu’un mot sur 20 peut être inconnu.

Dans une phrase courte, ce n’est pas forcément un gros problème. Dans un roman, un podcast, un film ou un cours, cela peut devenir fatigant. Les mots inconnus reviennent encore et encore, et certains peuvent être cruciaux pour le sens.

Avec environ 95 % de couverture, vous pouvez souvent suivre l’idée générale, surtout si le sujet est familier et s’il existe un soutien visuel ou situationnel. Avec environ 98 % de couverture, la compréhension devient beaucoup plus confortable. Il devient plus facile de deviner grâce au contexte, de lire ou d’écouter avec moins d’interruptions, et de se concentrer davantage sur le sens plutôt que sur le décodage de chaque phrase.

Les travaux très cités de Paul Nation suggèrent qu’il faudrait environ 6 000 à 7 000 familles de mots pour atteindre environ 98 % de couverture de l’anglais oral, et 8 000 à 9 000 familles de mots pour de nombreux textes écrits.

Pour l’anglais parlé informel, les films et la télévision, les chiffres peuvent être un peu plus bas. Webb et Rodgers ont constaté que les 3 000 familles de mots les plus fréquentes, avec les noms propres et les mots marginaux, offraient environ 95 % de couverture des programmes télévisés, tandis qu’environ 7 000 familles de mots offraient environ 98 % de couverture.

Une étude plus récente sur l’anglais parlé informel suggère également qu’environ 2 000 à 3 000 familles de mots peuvent offrir environ 95 % de couverture pour certains types de discours oral informel, tandis que 5 000 à 7 000 peuvent être nécessaires pour atteindre environ 98 %, selon le genre.

La réponse dépend donc de ce que vous voulez comprendre.

Une conversation informelle, une sitcom, un cours universitaire, un document juridique et un roman littéraire n’exigent pas exactement le même vocabulaire.

Repères pratiques de vocabulaire

Le tableau suivant n’est pas une échelle scientifique stricte. C’est un guide pratique et accessible, fondé sur la recherche en corpus et les études de couverture lexicale.

La leçon la plus importante est la suivante :

Il n’est pas nécessaire de connaître tous les mots d’une langue pour bien l’utiliser.

En réalité, personne ne connaît tous les mots d’une langue. Même les locuteurs natifs rencontrent régulièrement des mots inconnus dans des domaines spécialisés, la littérature, le droit, la médecine, la technologie ou les usages régionaux.

Les locuteurs natifs possèdent aussi un vocabulaire réceptif beaucoup plus vaste que leur vocabulaire actif. Le vocabulaire réceptif correspond aux mots que l’on peut reconnaître et comprendre. Le vocabulaire actif correspond aux mots que l’on peut utiliser avec assurance à l’oral ou à l’écrit. Les recherches sur la taille du vocabulaire des locuteurs natifs anglophones montrent que les adultes natifs peuvent reconnaître des dizaines de milliers de lemmes, mais qu’ils utilisent activement un sous-ensemble bien plus restreint dans la vie quotidienne.

Cette distinction est très importante dans l’apprentissage des langues.

Il n’est pas nécessaire d’utiliser activement 20 000 mots pour parler couramment. Mais à mesure que votre vocabulaire réceptif s’élargit, vous pouvez comprendre davantage de livres, de films, de conversations, de blagues, d’arguments et de références culturelles.

Envie de passer à la suite ? Découvrez la partie 2 ici :