Je cherchais un savant, j'ai trouvé un cuisinier
J'ai trié par longueur un relevé de 636 598 formes espagnoles, en m'attendant à tomber sur un terme de médecine. Premier résultat : achicharronaríamos, dix-huit lettres, « nous ferions frire ». Le deuxième aussi. Le troisième aussi. Les douze premiers sont la même famille de verbes, conjugués à toutes les personnes : achicharronábamos, achicharronaríais, achicharronásemos.
Aucun savant là-dedans. Juste un cuisinier au conditionnel.
C'est ma première leçon sur l'espagnol, et elle vaut d'être dite avant les records officiels : dans cette langue, ce ne sont pas les noms qui s'allongent, ce sont les verbes. Un verbe espagnol régulier produit une cinquantaine de formes, et les plus longues d'entre elles battent la plupart des noms du dictionnaire.
Cinq mots d'une seule lettre, et ils sont tous attestés
L'autre extrémité m'a plus surpris. Le français en compte trois si l'on accepte à à côté de a et y, l'anglais deux (a et I), l'allemand aucun. L'espagnol en a cinq, et on les retrouve tous dans les relevés de fréquence de l'espagnol parlé, avec leur rang :
| Mot | Ce qu'il fait | Rang | Part du texte |
|---|---|---|---|
| a | préposition, « à » | 4e mot le plus fréquent | 2,31 % |
| y | « et » | 7e | 1,73 % |
| o | « ou » | 61e | 0,20 % |
| e | « et » devant un mot en i- ou hi- | 436e | 0,023 % |
| u | « ou » devant un mot en o- ou ho- | 2 383e | 0,0033 % |
Les deux derniers sont les plus jolis. L'espagnol refuse de coller deux sons identiques, alors y devient e devant un i (padres e hijos, pas y hijos) et o devient u devant un o (siete u ocho). Ce sont des règles d'oreille, inventées pour que la phrase se prononce bien, et elles ont produit deux mots supplémentaires d'une seule lettre.
Ce u est le mot le plus rare de ce tableau : trois millièmes de pour cent du texte, un rang au-delà du deux-millième. Il existe quand même, et un hispanophone le place sans y penser.
Un quart de l'espagnol tient en deux lettres
Les mots courts ne sont pas des curiosités de marge. Ils font le gros du travail. Voici comment se répartit l'espagnol réellement parlé, mesuré sur un corpus de sous-titres avec les compteurs d'occurrences :
Un mot sur quatre est un mot de deux lettres. De, no, la, el, es, en, lo, un, me, se, te, mi, sí, su, yo : quinze mots qui reviennent sans arrêt et qui portent la syntaxe entière.
Résultat, la longueur moyenne d'un mot espagnol dépend entièrement de la façon dont on compte. Dans le dictionnaire, sans pondération, elle est de 10,06 lettres. Dans la bouche des gens, pondérée par la fréquence, elle tombe à 4,34 lettres. Le dictionnaire est un inventaire, pas un portrait.
Les vrais records, ceux qui viennent du dictionnaire
Un relevé de formes n'est pas un dictionnaire, et pour les records c'est un dictionnaire qu'il faut. La Real Academia Española tranche la question elle-même, et sa réponse tient en un mot.
Le mot le plus long du dictionnaire académique est electroencefalografista : vingt-trois lettres, dix syllabes, le spécialiste de l'électroencéphalographie. Derrière lui vient esternocleidomastoideo, vingt-deux lettres, ce muscle du cou que tout le monde a et que personne ne sait nommer.
Anticonstitucionalmente fait vingt-trois lettres lui aussi, et c'est le champion populaire, celui qu'on apprend à l'école. Sauf qu'il n'est pas au dictionnaire, et la raison vaut mieux que l'anecdote. Les adverbes en -mente forment une classe ouverte : l'espagnol en fabrique un dès qu'un adjectif existe, si bien que la RAE ne retient que ceux dont l'usage réel est documenté. L'Académie enregistre quand même le mot, mais dans son Tesoro de los diccionarios históricos, à côté de ses attestations du dix-neuvième siècle, pas dans le dictionnaire courant. Même mécanisme qu'en français avec anticonstitutionnellement, dont j'ai déjà parlé ici.
Et puis il y a la triche officielle : les pronoms enclitiques. En espagnol, on soude les pronoms à la fin du verbe. Dá-me-lo s'écrit dámelo. Entregándoselas fait quinze lettres et reste une forme parfaitement banale. En empilant, on obtient des mots aussi longs qu'on veut sans jamais ouvrir un dictionnaire de médecine.
Là où l'espagnol s'arrête
Le point qui m'a le plus intéressé, je ne l'attendais pas. J'ai mesuré sur les cinq langues la part des entrées qui dépassent seize lettres, puis vingt :
| Langue | Entrées ≥ 16 lettres | Entrées ≥ 20 lettres |
|---|---|---|
| Allemand | 36,6 % | 12,3 % |
| Français | 2,2 % | 0,1 % |
| Italien | 1,7 % | 0,1 % |
| Anglais | 1,6 % | 0,1 % |
| Espagnol | 0,2 % | 0,0 % |
L'espagnol a de très loin la queue la plus courte des cinq. Deux entrées sur mille dépassent quinze lettres, contre plus d'une sur trois en allemand. La plus longue entrée espagnole fait dix-huit lettres, quand la liste allemande monte à quarante-cinq.
L'explication tient en un mot : l'espagnol ne compose pas. Là où l'allemand soude Kraftfahrzeug et Haftpflicht et Versicherung en un seul bloc, l'espagnol dit seguro de responsabilidad civil del automóvil, quatre mots séparés par des prépositions. Même quantité de sens, découpée autrement. Les mots longs de l'espagnol ne peuvent venir que de la dérivation savante ou de la conjugaison, et ces deux sources plafonnent vite.
Ce que ça change quand on joue
Sur GlyphDuel, le dictionnaire espagnol contient 1 100 mots de quatre lettres, 2 200 de cinq et 3 200 de six. Ces trois longueurs tombent pile dans la zone dense de la langue, celle des noms et adjectifs du quotidien.
Ce que la distribution ci-dessus ne dit pas, en revanche, c'est que l'espagnol reste la plus dure des quatre langues du jeu. J'ai mesuré ça dans un autre article, et la raison n'a rien à voir avec la longueur : c'est que l'espagnol joue en réalité avec dix-sept lettres utiles sur vingt-sept, ce qui multiplie les mots qui se ressemblent.
Les deux constats vont ensemble, d'ailleurs. Une langue dont les mots ne s'allongent pas et dont l'alphabet effectif est réduit est forcément une langue où beaucoup de mots se marchent dessus.
À retenir pour vos essais en espagnol : les terminaisons font tout. Sur cinq lettres, 21,7 % des mots finissent par a, 20,6 % par s et 18,8 % par o. Trois lettres finales couvrent 61 % du dictionnaire. Deviner la bonne dès le premier essai ne vous coûte presque rien et vous fait gagner beaucoup.
Sources
Les records viennent des dictionnaires, les distributions de mes propres mesures. Les deux ne se remplacent pas.
Pour les records et le statut des mots :
- Real Academia Española, « ¿Cuál es la palabra más larga del diccionario? »
- electroencefalografista et esternocleidomastoideo au Diccionario de la lengua española
- anticonstitucionalmente au Tesoro de los diccionarios históricos de la lengua española, et la notice de la RAE sur les adverbes en -mente qui explique pourquoi il n'est pas au dictionnaire courant
Pour les mesures, deux corpus qui ne servent pas à la même chose. Les longueurs « à plat » viennent des listes publiques de lorenbrichter/Words, dont j'ai gardé 636 598 entrées espagnoles après filtrage. Ce sont des inventaires de formes fléchies, ce qui explique la famille achicharronar en tête du classement : la liste répète chaque conjugaison. Tout ce qui est pondéré par l'usage (fréquences, rangs, longueur moyenne parlée) vient de FrequencyWords, cinquante mille mots avec compteurs, construits sur des sous-titres de films et de séries.
Deux réserves. Les sous-titres surestiment la conversation et sous-estiment le vocabulaire écrit, donc la longueur moyenne parlée que je donne est probablement un plancher. Et j'ai normalisé comme le fait le jeu, en gardant le ñ mais en retirant les accents, ce qui n'a pas d'effet sur les longueurs mais explique que sí et si se confondent dans mes tableaux.
Pour finir
Ce qui reste, après avoir dépouillé tout ça, c'est le u. Un mot d'une lettre, deux-millième au classement, dont l'unique raison d'exister est qu'un o suivi d'un autre o sonnait mal.
Une langue qui plafonne à dix-huit lettres et qui prend la peine d'inventer un mot supplémentaire pour éviter un hiatus, ça dit assez bien de quoi l'espagnol se soucie.
Pour la suite : la fréquence des lettres dans quatre langues, pourquoi un mot de quatre lettres est plus dur qu'un mot de six, et les mots les plus courts et les plus longs en français.