Outil de statistiques de texte

1. 1

   Collez ou ouvrez votre texte

   Saisissez ou collez directement, ou ouvrez un fichier .txt, .md, .csv, .json, .srt ou .vtt. Rien n’est envoyé : l’analyse se fait sur votre appareil.

2. 2

   Lisez les comptages et le niveau de lecture

   Caractères, mots, phrases, paragraphes, syllabes et pages se mettent à jour pendant la frappe, à côté de six formules de lisibilité et d’un niveau de consensus.

3. 3

   Repérez les mots et expressions que vous répétez

   Le tableau de fréquence indique le nombre d’occurrences de chaque terme et sa densité en pourcentage. Choisissez des expressions de deux, trois ou quatre mots pour voir les tournures répétées et pas seulement les mots.

4. 4

   Consultez un terme dans son contexte

   Sélectionnez un mot ou une expression du tableau pour voir chaque occurrence avec le texte de part et d’autre, et juger si la répétition pose problème.

5. 5

   Exportez le rapport

   Téléchargez du TXT pour un résumé lisible, du CSV pour ouvrir les tableaux dans un tableur, ou du JSON pour conserver les chiffres et les réglages qui les ont produits.

L’analyseur rend trente et un chiffres sur un texte, en quatre groupes. Tous sont calculés sur votre appareil pendant que vous tapez ; rien n’est envoyé nulle part, et il n’y a ni compte, ni file d’attente, ni filigrane.

Comptages

• Les caractères, de trois façons : la longueur brute, la longueur sans espaces et le nombre de caractères visibles. Ces deux derniers diffèrent plus souvent qu’on ne le croit : un emoji vaut deux unités de longueur brute et un caractère visible, tout comme une lettre accentuée saisie en base plus signe combinant.
• Mots, phrases, paragraphes et lignes : un paragraphe est un bloc de lignes séparé du suivant par une ligne vide ; une ligne est un saut de ligne.
• Syllabes et pages : les syllabes alimentent quatre des formules de niveau de lecture, et les pages sont comptées à 250 mots chacune, la convention en double interligne utilisée par toutes les consignes de rendu.
• Mots uniques et richesse du vocabulaire : combien de mots distincts le texte emploie, et ce nombre divisé par le total. Un texte long avec un ratio faible se répète.

Estimations de temps

• Le temps de lecture part de 200 mots par minute et se règle, avec une fourchette du plus rapide au plus lent pour raisonner en public plutôt qu’en moyenne.
• Le temps de parole part de 130 mots par minute, un rythme de présentation mesuré et non un rythme de conversation.
• Le temps d’écriture manuscrite utilise 20 mots par minute, le milieu de la fourchette mesurée pour l’écriture continue.

Fréquence et expressions

• Le tableau des mots indique le nombre d’occurrences de chaque terme et sa densité en pourcentage du texte entier, le chiffre que cite tout outil SEO et celui qu’un simple comptage ne peut pas donner.
• Le tableau des expressions montre les suites répétées de deux, trois ou quatre mots. Une expression ne franchit jamais une frontière de phrase : rien dans le tableau n’est un accident de deux phrases voisines.
• Le tableau des caractères compte toutes les lettres et tous les chiffres, dans n’importe quelle écriture, pas seulement de a à z.

Les formules de lisibilité traduisent la longueur des phrases et des mots en niveau scolaire. Elles se contredisent volontairement — chacune a été conçue pour un type d’écrit différent — donc l’analyseur les donne toutes les six et retient la médiane des cinq niveaux comme consensus. En dessous d’une dizaine de mots, aucune formule n’a de sens, et l’outil le dit au lieu d’afficher un chiffre.

Facilité de lecture Flesch

Un score de 0 à 100 où plus c’est haut, plus c’est facile. Entre 60 et 70, c’est de la prose standard ; en dessous de 30, c’est du niveau troisième cycle. C’est la seule des six qui n’est pas un niveau, d’où son exclusion du consensus.

Niveau Flesch-Kincaid

Les mêmes données que la facilité de lecture, exprimées en niveau scolaire américain. C’est le score le plus cité et celui que rapportent la plupart des traitements de texte.

Gunning Fog

Ajoute une pénalité pour les mots de trois syllabes ou plus. Il monte haut sur l’écrit technique, et c’est le but : il a été conçu pour repérer la prose d’entreprise qui a dérivé vers le jargon.

SMOG

Compte les mots de trois syllabes ou plus et normalise à trente phrases. C’est la référence dans l’écrit médical et sanitaire, là où le coût d’un lecteur qui ne comprend pas est le plus élevé.

Coleman-Liau

Utilise les lettres par mot plutôt que les syllabes, donc n’a besoin d’aucune estimation syllabique. C’est ce qui en fait la plus fiable des six sur un texte où compter les syllabes est délicat.

Indice de lisibilité automatisé (ARI)

Également fondé sur les lettres, conçu pour être calculé par une machine de l’ère de la machine à écrire. Il ressort en général un niveau au-dessus de Coleman-Liau sur le même texte.

Test de lisibilité

La plupart des compteurs en ligne utilisent deux expressions régulières et croisent les doigts. Les écarts sont minimes sur un paragraphe anglais bien rangé et énormes sur tout le reste ; voici donc exactement ce que fait celui-ci.

Mots

Un mot commence par une lettre ou un chiffre et se poursuit par des lettres, des chiffres et des signes combinants. Ce dernier point compte : les signes combinants ne sont pas des lettres, donc un motif qui ne cherche que des lettres coupe le thaï, le devanagari, l’arabe vocalisé et les accents décomposés au milieu d’un mot. Le chinois, le japonais, le thaï, le khmer, le lao et le birman n’espacent pas les mots : ces suites sont segmentées avec les règles Unicode de votre propre appareil au lieu d’être traitées comme un seul très long mot. Vous décidez si les nombres comptent, et si les élisions et les mots composés restent entiers.

Phrases

Découper sur . ! ? compte « Cela coûte 1 000,50 euros. » comme trois phrases et « Les É.-U. sont vastes. » comme quatre. Par défaut, ce sont les règles Unicode de découpage des phrases qui s’appliquent : elles gèrent seules les décimales, les adresses web et les sigles, complétées par une liste d’abréviations par langue pour ce que les règles ne peuvent pas savoir — « Dr. » ne termine jamais une phrase, alors que « etc. » le fait parfois. L’ancien comportement par ponctuation reste disponible si vous avez besoin d’un chiffre qui corresponde à un autre outil.

Caractères

Le comptage brut est le nombre d’unités de stockage, ce que compte la limite d’un champ de base de données. Le comptage des caractères visibles regroupe signes combinants, séquences d’emoji et drapeaux en les caractères uniques que voit un lecteur. Un pouce levé avec une teinte de peau vaut quatre unités de stockage et un caractère visible. Les deux sont affichés parce que chacun répond correctement à une question différente.

Compteur de mots · Statistiques de texte

La densité est le nombre d’occurrences d’un terme divisé par le nombre total de mots. Il n’y a pas de cible — l’idée d’un pourcentage optimal n’est plus vraie depuis longtemps — mais un terme à quatre ou cinq pour cent dans une page de prose est en général une phrase à réécrire. Le tableau des expressions est plus utile que celui des mots pour cela, car un texte répète des tournures bien avant de répéter des mots.

• Activez « ignorer les mots courants » pour écarter articles, pronoms et prépositions. La liste compte environ 150 à 190 termes par langue, pas une douzaine : le tableau change vraiment.
• Une expression est écartée si elle commence ou finit par un mot courant : « de la » n’atteint jamais le tableau, « paix de l’esprit » si.
• Les expressions qui n’apparaissent qu’une fois ne sont pas affichées. Une occurrence est un fragment de phrase, pas une expression.

Fréquence des mots · Extracteur de mots-clés

Un tableau de fréquence vous dit qu’un mot apparaît quarante fois. Il ne vous dit pas si ces quarante occurrences sont réparties dans tout le texte ou entassées dans un paragraphe — c’est la différence entre un thème et un tic. Sélectionner un mot ou une expression ouvre un concordancier : chaque occurrence avec le texte de part et d’autre, dans l’ordre du document. C’est un outil standard en linguistique de corpus et le moyen le plus rapide de décider si une répétition mérite d’être corrigée.

L’analyseur classe chaque phrase dans une tranche de longueur et affiche la distribution, avec la phrase la plus longue et la plus courte du texte. Une prose qui se lit bien circule entre les tranches ; une prose dont toutes les phrases tombent dans la même tranche se lit de façon monotone, si bonnes que soient les phrases prises une à une. Une moyenne ne peut pas montrer cela : un texte de phrases de vingt mots et un texte qui alterne cinq et trente-cinq ont la même moyenne et ne se ressemblent en rien.

L’outil est fait pour le moment qui précède la publication, le rendu ou l’envoi.

• Respecter une limite de mots : devoirs, candidatures, résumés et textes produit, avec le comptage qui suit vos coupes.
• Vérifier qu’un brouillon se lit bien : six niveaux et un consensus, pour ne pas dépendre de la marotte d’une seule formule.
• Auditer un contenu pour les répétitions : densité et expressions ensemble montrent ce qu’une page répète réellement.
• Chronométrer une intervention ou un script : temps de parole à un rythme réel de présentation, pas de lecture.
• Calibrer des sous-titres : ouvrez un .srt ou un .vtt directement et obtenez le comptage et le niveau de lecture de ce que voient les spectateurs.
• Comparer plusieurs brouillons : analysez jusqu’à vingt-cinq documents et exportez une ligne de CSV par document, à trier dans un tableur.

Chaque chiffre ici est soit exact, soit estimé, et la différence mérite d’être connue avant d’en citer un.

Exact

Caractères, mots, phrases, paragraphes, lignes, mots uniques, fréquences et densités sont comptés, pas estimés. Deux implémentations indépendantes de l’analyse complète sont confrontées à chaque version sur des dizaines de milliers de comparaisons, et doivent coïncider exactement.

Estimé

Les syllabes ne peuvent pas être comptées exactement sans dictionnaire de prononciation : elles sont estimées par règles. Mesuré sur une liste de 145 mots comptés à la main, l’estimateur est exact sur 144 d’entre eux, et son total sur la liste tient dans un demi pour cent. Le seul mot manqué est un mot-blague de vingt-huit lettres. Les quatre formules qui utilisent les syllabes héritent de cette erreur, bien à l’intérieur de la largeur d’un palier de niveau.

Ce qu’il ne fait pas

• Il ne vérifie ni la grammaire ni l’orthographe, et ne réécrit rien.
• Les formules de niveau de lecture sont calibrées sur l’anglais. Elles produisent un chiffre dans n’importe quelle langue, et ce chiffre veut dire de moins en moins à mesure qu’on s’éloigne de l’anglais.
• Il lit du texte brut. Les documents Word, PDF, présentations et images doivent être convertis d’abord — les liens ci-dessous le font sur ce site, également sur votre appareil.

Un mégaoctet de texte est analysé en bien moins d’un quart de seconde, hors du thread principal : la frappe ne saccade jamais.

L’analyseur lit les fichiers dont les octets sont le texte : .txt .text .md .markdown .log .csv .tsv .json .xml .html .htm .srt .vtt .rtf. Tout le reste est refusé au sélecteur de fichiers plutôt qu’accepté puis mis en échec, et le refus renvoie vers l’outil de ce site qui le transforme en texte.

Pour tout le reste :

• Word to text
• PDF to text
• Extract text from PowerPoint
• Excel to CSV
• Image to text
• Speech to text

Toutes les mesures de cette page sont gratuites. Aucune mesure, aucune formule, aucun tableau d’expressions et aucun export ne sont réservés à Pro : la différence entre les offres, c’est l’échelle, là où se trouve le coût réel.

• Gratuit : un document jusqu’à 10 Mo, toutes les statistiques, les six formules, le concordancier, et l’export TXT, CSV et JSON. Les vingt-cinq premiers mots, expressions et caractères — plus que les dix ou quinze qu’affichent les concurrents les plus connus.
• Pro : jusqu’à vingt-cinq documents à la fois avec un CSV combiné et tous les rapports dans une seule archive ZIP, le tableau de fréquence complet plutôt que les vingt-cinq premiers, et aucune limite de taille au-delà de ce que votre appareil peut gérer.

• Compteur de mots
• Test de lisibilité
• Fréquence des mots
• Extracteur de mots-clés
• Statistiques de texte
• Convertisseur de casse