Une seule règle, et elle tient sur 98,5 % du vocabulaire

GlyphDuel ne se joue pas en italien. Le jeu propose le français, l'anglais, l'espagnol et l'allemand, et j'ai passé assez de temps à nettoyer ces quatre dictionnaires pour ne pas en ouvrir un cinquième à la légère.

J'ai quand même voulu regarder ce que donnerait l'italien. J'ai téléchargé une liste de 279 894 mots italiens et j'ai lancé les mêmes mesures que pour les autres langues. La première a suffi à rendre la question intéressante.

98,5 % des mots italiens finissent par une voyelle.

Je savais que c'était une tendance. Je ne savais pas que c'était à ce point-là une loi.

La règle se resserre à mesure que les mots s'allongent

Voici la part de mots à finale vocalique, longueur par longueur :

Les exceptions sont presque toutes des mots courts et presque tous empruntés ou grammaticaux : per, con, non, bar, film, sport. Passé huit lettres, le vocabulaire italien est vocalique à 98 %, et cela ne bouge plus.

Ce n'est pas un hasard esthétique. Le latin vulgaire a perdu ses consonnes finales en passant à l'italien, là où le français les a gardées à l'écrit et amuïes à l'oral, et où l'espagnol a conservé son -s de pluriel et son -n verbal. L'italien, lui, a tout terminé sur une voyelle, y compris son pluriel : libro devient libri, pas libros.

Dans un corpus de langue parlée, où les mots grammaticaux courts pèsent beaucoup plus lourd, la proportion tombe à 85,9 %. Ça reste énorme.

Quatre mots d'une seule lettre, et le plus fréquent est « e »

L'italien a quatre mots d'une seule lettre, et un cinquième dans l'usage réel si l'on compte l'accent :

Ensemble, ces cinq mots représentent 6,5 % de tout l'italien parlé. C'est le score le plus élevé des cinq langues, devant l'anglais et ses 6,2 % portés par I et a, et très loin de l'allemand qui n'a pas de mot d'une lettre du tout.

Il faut noter que ce sont toutes des voyelles. En italien, la règle de la finale vocalique s'applique aussi aux mots d'une lettre, ce qui est mécaniquement vrai mais reste amusant : la langue n'a pas produit un seul mot minimal qui soit une consonne.

Le record, et l'histoire qui va avec

Le mot le plus long de l'italien courant est precipitevolissimevolmente, vingt-six lettres et onze syllabes, « très précipitamment ». Il n'est pas né dans un dictionnaire. Francesco Moneti l'a fabriqué en 1677, dans La Cortona convertita, en tordant volontairement les règles de dérivation, et pour une raison très précise : le mot forme à lui seul un hendécasyllabe, le vers de onze pieds de la poésie italienne. C'était un mot écrit pour tenir dans un vers, et il tient.

L'Accademia della Crusca ne l'a jamais fait entrer dans son vocabulaire, ce qu'un lexicographe du dix-neuvième siècle a résumé en disant qu'elle l'avait « judicieusement omis » et qu'on pouvait malgré tout le répéter avec grâce. La Treccani, elle, l'enregistre aujourd'hui. Il a fini par circuler dans un proverbe (« chi troppo in alto sal, cade sovente precipitevolissimevolmente ») et par devenir une fierté nationale mineure, ce qui arrive parfois aux plaisanteries qui tiennent trois siècles.

Plus long, il y a mieux, mais il faut aller chez les médecins et les chimistes : psiconeuroendocrinoimmunologia fait trente lettres, ciclopentanoperidrofenantrene vingt-neuf. Personne ne les cite jamais, et c'est bien pour ça que le record populaire est resté à un adverbe inventé pour boucler une rime.

Les plus longs mots italiens réellement banals, eux, sont d'un autre genre :

Comme en espagnol, on retrouve une forme verbale conjuguée au milieu des termes savants. Et comme partout, le mot le plus long qu'on rencontre vraiment est beaucoup plus court : dans les mille mots italiens les plus fréquents, le champion est probabilmente, treize lettres.

Ce que la finale vocalique coûterait à une grille

Voilà la mesure pour laquelle j'ai fait tout ça.

Sur un plateau de Wordle, chaque case révélée vous apporte une quantité d'information mesurable. Plus la lettre est imprévisible, plus la découvrir élimine de candidats. On mesure ça en bits : un bit, c'est diviser par deux le nombre de mots encore possibles.

J'ai calculé l'entropie de la dernière lettre sur les mots de cinq lettres, dans les cinq langues :

L'italien est bon dernier, avec près d'un bit de moins que l'anglais. Concrètement, découvrir la dernière lettre d'un mot anglais de cinq lettres divise le champ des possibles par environ douze. En italien, par six. La case finale d'une grille italienne vaut à peu près la moitié de sa valeur anglaise.

La raison est dans la répartition. Sur les mots italiens de cinq lettres, les terminaisons se répartissent ainsi : i 25,0 %, a 22,3 %, o 21,3 %, e 20,9 %. Quatre voyelles se partagent 89,5 % du vocabulaire, presque à parts égales. Un joueur italien ne devine pas la dernière lettre, il choisit entre quatre options équiprobables, et les vingt-six autres lettres de l'alphabet ne servent à rien à cette place.

L'autre chiffre qui compte, si l'on voulait vraiment construire ce dictionnaire, c'est le volume. On ne compte que 1 514 mots italiens de quatre lettres, contre 2 064 en français et 5 528 en anglais. L'italien est pauvre en mots courts, ce qui est cohérent avec tout le reste : quand chaque mot doit se terminer par une voyelle, quatre lettres, ça ne laisse pas beaucoup de place.

La curiosité que tout le monde cite

Impossible de parler de voyelles italiennes sans aiuola. Six lettres, cinq voyelles différentes, une seule consonne, et un sens tout à fait ordinaire : un parterre de fleurs. Rien d'exotique, rien de fabriqué pour l'occasion, son pluriel aiuole est aussi banal que lui.

Dans le même registre, gioia fait cinq lettres dont quatre voyelles, et cuoio aussi. Essayez de trouver l'équivalent en allemand.

Sources

Pour precipitevolissimevolmente, son auteur, sa date et son statut de vers :

• L'entrée du Vocabolario Treccani
• La notice de Wikipédia en italien, qui retrace la création par Moneti en 1677, le proverbe de Casotti, l'omission par la Crusca et les mots scientifiques plus longs

Pour les mesures, les longueurs et les finales viennent de la liste publique paroleitaliane, dont j'ai retenu 279 894 entrées après normalisation (minuscules, lettres et voyelles accentuées uniquement). Les mesures pondérées par l'usage viennent de FrequencyWords, cinquante mille mots italiens avec compteurs, construits sur des sous-titres.

L'entropie de la finale est calculée sur la distribution des dernières lettres des mots de cinq lettres de la liste plate, sans pondération de fréquence, formule de Shannon en base deux. Les mêmes valeurs calculées sur les mots les plus fréquents remontent partout, et pour l'italien elles sont franchement moins fiables : le corpus de sous-titres est truffé d'anglais, au point que y apparaît comme finale dans plus de 5 % des mots italiens de cinq lettres. Ce sont des titres de films. J'ai donc gardé la liste plate, qui ne contient que de l'italien.

Une dernière réserve. Le corpus oral surestime le dialogue de fiction : la proportion réelle de finales vocaliques dans de l'italien écrit se situe sans doute entre mes deux mesures, 85,9 % et 98,5 %.

Alors, l'italien dans GlyphDuel ?

Pas aujourd'hui. Quatre dictionnaires, ça représente déjà pas mal de nettoyage, et j'ai passé une partie de l'été à réparer ceux que j'avais.

Mais je note ce que la mesure raconte. Une langue où la dernière case vaut moitié moins qu'ailleurs n'est pas une langue moins amusante, c'est une langue où le jeu se déplace vers l'avant du mot. Il faudrait probablement y jouer en six lettres plutôt qu'en cinq, là où le vocabulaire est abondant et où les quatre voyelles finales cessent d'être le sujet.

Si vous êtes venu pour les extrêmes des autres langues : l'espagnol, l'allemand et le français.