Outil de Statistiques Avancées de Texte

• Compteur de mots
• Analyseur de texte
• Vérificateur de lisibilité
• Fréquence des mots
• Extracteur de mots-clés
• Diviser un texte

Une moyenne seule ne dit presque rien. Deux documents peuvent partager une longueur moyenne de phrase de vingt mots alors que l'un se lit régulièrement et que l'autre alterne des fragments de cinq mots et des phrases longues comme un paragraphe. C'est avec le second que le lecteur peine, et seule une distribution le montre. Cet outil mesure la forme de votre écriture — comment les longueurs se répartissent, à quel point elles sont irrégulières, à quel point le vocabulaire est varié — pour que vous décidiez quoi retravailler.

Avantages

• Des distributions, pas juste des moyennes : longueur des mots et des phrases en histogramme complet, avec moyenne, médiane, écart type, minimum et maximum à côté.
• Un score de diversité qui résiste à la longueur : le MTLD à côté du rapport type-occurrence brut, pour comparer réellement deux documents de tailles différentes.
• Une détection de phrases juste : décimales, abréviations, sigles, domaines, noms de fichiers et points de suspension restent dans leur phrase.
• Des comptes corrects dans toutes les écritures : chinois, japonais, thaï, khmer, lao et birman sont segmentés correctement.
• Un profil de ponctuation : chaque signe compté, avec la densité par phrase et pour cent mots.
• Rien ne quitte votre appareil : aucun envoi, et la page fonctionne hors ligne une fois chargée.

Un document de 25 Mo est profilé en une seconde environ sur une machine de bureau, le travail restant hors de la page pour que la saisie ne saccade jamais.

Le texte est parcouru trois fois : une fois sur les caractères, une fois pour les limites de phrase, une fois pour les mots. Chaque passe écrit dans des compteurs de taille fixe au lieu de construire des listes ; c'est pourquoi un document de 25 Mo se termine en une seconde environ et pourquoi le travail peut rester entièrement hors de la page — la saisie ne saccade jamais, et aucun bouton ne vous demande d'autoriser l'analyse que vous avez déjà demandée.

Ce que signifie chaque nombre

• Mots : suites de lettres et, en option, de chiffres. Apostrophes et traits d'union soudent un mot lorsque les options le disent.
• Phrases : limites trouvées par le détecteur intelligent décrit plus bas, ou par une coupure simple sur . ! ?.
• Paragraphes et lignes : une ligne est une ligne contenant quelque chose ; un paragraphe est un bloc de lignes séparé du suivant par une ligne vide. Les deux sont donnés car aucun ne correspond seul à ce que tout le monde entend.
• Moyenne, médiane et écart type : la moyenne, la valeur centrale, et à quelle distance de la moyenne se situe une valeur typique. Un grand écart type sur la longueur des phrases signe un rythme irrégulier.
• Rapport type-occurrence : formes uniques divisées par tous les mots, en pourcentage. Simple, familier — et dépendant de la longueur.
• MTLD : combien de mots passent avant que le rapport courant ne descende sous 0,72, moyenné dans les deux sens. Plus haut signifie plus varié.
• Hapax : mots employés exactement une fois.

Un point n'est pas une limite de phrase. C'est un caractère qui l'est le plus souvent, et les exceptions sont assez fréquentes pour qu'une coupure naïve se trompe sur de la prose ordinaire. La détection intelligente est ici la valeur par défaut et garde la phrase entière dans tous les cas suivants.

Comment fonctionne la détection de phrases

• Décimales et numéros de version — 3.50 et 1.2.3 sont dans une phrase, pas dans deux ou trois.
• Titres abrégés — Dr, Mme, Prof. et les autres ne terminent jamais une phrase.
• Abréviations qui parfois le font — etc., et al., p. ex., vol., fig., janv. Elles ne coupent que si la suite est une majuscule ou un guillemet ouvrant.
• Sigles — U.S.A. suivi d'une majuscule est une limite ; suivi d'une minuscule, non.
• Domaines et noms de fichiers — example.com et report.txt ne sont pas deux phrases.
• Points de suspension — Attends… rien ne s'est passé est une phrase ; Attends… Rien ne s'est passé en fait deux.
• Guillemets et parenthèses fermants appartiennent à la phrase qu'ils terminent.
• Une ligne vide termine une phrase, si bien qu'un titre ou un élément de liste est une phrase à lui seul.
• Les points pleine chasse, le danda dévanagari et les signes arabes terminent aussi des phrases.

La détection simple est conservée à côté et fait ce que fait presque tout autre compteur en ligne : couper à chaque . ! ? et rien d'autre. Elle est là pour vous permettre de reproduire le chiffre d'un autre outil, pas parce qu'elle serait plus juste.

La mesure familière est le rapport type-occurrence : formes uniques divisées par le total des mots. Elle est facile à expliquer et a un défaut qui pèse plus qu'il n'y paraît : elle baisse à mesure que le texte s'allonge, quoi que fasse l'auteur. Un essai de 500 mots et un livre de 90 000 mots du même auteur obtiennent des scores très différents, et la différence tient à la longueur, pas au vocabulaire.

Diversité lexicale

• Le rapport type-occurrence est affiché parce que c'est le chiffre que les gens connaissent, et parce qu'il reste parfaitement utilisable sur des textes de longueur voisine.
• Le MTLD est affiché à côté parce qu'il ne dépend pas de la longueur. Il compte combien de mots passent avant que le rapport courant ne descende sous un seuil fixe, et rapporte des mots par descente.
• Le MTLD est calculé vers l'avant et vers l'arrière puis moyenné, car un texte qui place ses mots rares au début obtient un score différent dans chaque sens.
• En dessous d'une cinquantaine de mots il n'y a rien à mesurer et aucun MTLD n'est affiché, plutôt qu'un nombre inventé à partir de trop peu de texte.
• Les hapax sont la troisième vue. Ensemble, les trois séparent un vocabulaire large d'un vocabulaire répétitif et d'un texte simplement court.

Collez du texte ou ouvrez un fichier texte brut, puis lisez les distributions de longueur, les scores de diversité et le profil de ponctuation.

Comment obtenir des statistiques de texte en ligne

1. Ajoutez votre texte — Collez dans le champ ou ouvrez un fichier .txt, .md, .log, .csv ou .tsv. Rien n'est envoyé : l'analyse s'exécute sur votre appareil.
2. Choisissez la façon de compter — La détection intelligente garde entiers les décimales, les abréviations et les sigles. La détection simple coupe à chaque point, comme le font la plupart des compteurs. Chiffres, apostrophes et traits d'union s'incluent ou s'excluent séparément.
3. Lisez le profil — Les distributions montrent la forme de votre écriture, pas seulement sa moyenne. L'écart type dit à quel point vos phrases sont régulières ; MTLD dit à quel point votre vocabulaire est varié sans pénaliser la longueur.
4. Exportez ou comparez — Copiez le rapport ou téléchargez-le en texte. Avec Pro, exportez en CSV ou JSON et profilez jusqu'à 100 documents dans un tableau comparatif, tous les rapports réunis dans une seule archive.

Chaque fois que vous allez prendre une décision de réécriture et voulez des preuves plutôt qu'une impression, et chaque fois que vous comparez deux versions d'un même texte.

Cas d'usage idéaux

• Retravailler un brouillon : trouver la phrase longue comme un paragraphe et voir si le rythme est régulier.
• Comparer des versions : profiler l'avant et l'après et voir quels chiffres ont vraiment bougé.
• Comparer un ensemble : avec Pro, profiler un dossier de brouillons dans un tableau et repérer l'exception sans en ouvrir aucun.
• Chartes rédactionnelles : vérifier une limite de longueur de phrase sur la distribution plutôt que sur la moyenne.
• Enseignement et recherche : montrer les mesures de diversité lexicale sur un texte réel, rapport brut et MTLD côte à côte.
• Réponses d'enquête et avis : ouvrir la colonne CSV de réponses libres et la profiler comme de la prose.
• Brouillons privés : manuscrits inédits et documents confidentiels, sans aucun envoi.

Ce que sont précisément les nombres, et où ils s'arrêtent. Tout ce qui suit est une propriété de la mesure, non un aveu d'inachèvement.

Points clés

• Les longueurs sont mesurées en points de code, donc une lettre accentuée ou un emoji compte pour un caractère.
• La longueur d'un mot compte ses lettres et ses chiffres. La ponctuation attachée n'en fait pas partie.
• La longueur d'une phrase est mesurée en mots, avec la définition de mot que vos options choisissent.
• La médiane vient de la distribution exacte, pas d'un échantillon : c'est la vraie médiane à toute taille de document.
• L'écart type est la valeur de population sur tous les mots ou toutes les phrases, pas une estimation sur échantillon.
• Les phrases la plus longue et la plus courte sont affichées jusqu'à 4 000 caractères ; au-delà l'aperçu est rogné et le signale, la longueur indiquée restant la vraie.
• En cas d'égalité, la première occurrence l'emporte.
• Une distribution à longue traîne est regroupée en 24 plages plutôt que tronquée — les quelques phrases très longues sont justement le résultat.

Cet outil lit du texte brut. Tout le reste est refusé dès le sélecteur de fichiers, avec un lien vers l'outil d'ici qui en extrait le texte, car un document Word confié à un lecteur de texte produit des statistiques sur le balisage et non sur la prose — une page entière de nombres convaincants, plausibles et complètement faux.

Ce qu'il lit, et ce qu'il ne lit pas

• Lit : .txt, .text, .md, .markdown, .log, .csv et .tsv.
• Encodages : UTF-8, UTF-8 avec indicateur d'ordre des octets, UTF-16 dans les deux sens, et Windows-1252 en secours. Un fichier enregistré depuis le Bloc-notes en « Unicode » est de l'UTF-16 et est lu correctement.
• Documents Word : extrayez le texte d'abord, puis profilez-le.
• PDF : extrayez le texte d'abord, puis profilez-le.
• Présentations : extrayez le texte d'abord, puis profilez-le.
• Tableurs : exportez en CSV la colonne voulue, que cet outil lit directement.
• Images, audio et vidéo : reconnaissez ou transcrivez le texte d'abord.
• Fichiers binaires renommés en .txt : refusés, plutôt qu'analysés en absurdités.

Les nombres ne valent que par la comparaison dans laquelle vous les placez.

Points de qualité

• Comparez ce qui est comparable. Ne changez qu'une chose entre deux profils : le brouillon, pas le brouillon et les options en même temps.
• Utilisez le MTLD, pas le rapport type-occurrence, dès que les deux documents diffèrent un peu en longueur.
• Lisez l'écart type à côté de la moyenne. Une moyenne de 18 avec un écart de 4 et une moyenne de 18 avec un écart de 16 sont deux textes différents.
• Retirez le balisage avant de profiler si vous voulez des statistiques sur la prose. La syntaxe Markdown compte comme ponctuation : exact, mais sans doute pas votre question.
• Pour un décompte juridique ou universitaire, vérifiez la définition de « mot » exigée et réglez les options avant de citer un chiffre.
• Ne lisez pas la diversité lexicale comme une note de qualité. Elle mesure la variété, et la variété n'est pas toujours ce dont un texte a besoin.

Quand ne pas s'y fier

• Quand il vous faut un niveau de lecture gradué — Flesch, Fog, SMOG ou un niveau scolaire. Le vérificateur de lisibilité de ce site les calcule.
• Quand il vous faut savoir quels mots apparaissent et combien de fois. La fréquence des mots et l'extracteur de mots-clés y répondent.
• Quand les limites de phrase doivent suivre les règles d'un éditeur précis plutôt que l'usage courant.
• Quand il vous faut des statistiques de syllabes, de lemmes, de catégories grammaticales ou de n-grammes.
• Comme suite anti-plagiat, grammaticale ou SEO. Il mesure, il ne juge pas.

La version gratuite profile un document jusqu'à 25 Mo — environ quatre millions de mots — avec toutes les métriques : rien sur cette page n'est derrière le paiement. Pro supprime la limite de taille imposée, portant le plafond à ce que votre appareil peut supporter, et ajoute ce que l'échelle exige : jusqu'à 100 documents en une passe, un tableau comparatif, l'export CSV et JSON, et tous les rapports dans une seule archive. L'outil nécessite JavaScript et un navigateur récent ; l'analyse s'exécute hors de la page, si bien qu'un gros document ne fige jamais l'onglet.

Flux de réécriture recommandé

• Profilez d'abord le brouillon et lisez avant tout la distribution de longueur des phrases : la traîne, c'est le travail.
• Ouvrez la phrase la plus longue, coupez-la, et profilez à nouveau pour confirmer que l'écart type a bien baissé.
• Vérifiez la diversité avec le MTLD si les deux brouillons diffèrent en longueur ; avec le rapport type-occurrence sinon.
• Utilisez le nettoyeur, le diviseur ou le supprimeur de doublons pour le ménage que le profil a désigné.
• Terminez par un contrôle de lisibilité et une passe de mots-clés avant publication.

Pour une revue complète, utilisez ce profil avec le vérificateur de lisibilité pour les scores gradués, la fréquence des mots pour repérer vos appuis, et le compteur de mots quand il ne vous faut qu'un chiffre.