Analyse phonotactique (Kotava, Espéranto, Uropi et autres)

Je me suis livrée à un exercice amusant : déterminer le caractère "fluide" et/ou "hiatusé" de certaines langues construites. Exercice vain, probablement, mais intéressant tout de même en ce qu'il peut confirmer ou infirmer une impression purement visuelle ou biaisée.

Donc, j'ai analysé en flux des textes, c'est à dire des phrases dans leurs alternances consonnes/voyelles. Pour cela, un peu de méthodologie :
- marquage en tant que ruptures de tous les signes de ponctuation (sauf les tirets intra-mots qui sont éliminés). Sont donc concaténés tous les éléments à l'intérieur de ces marques de ruptures, comme dans un flux oral ;
- codage en V (voyelle) de toutes les voyelles ;
- codage en C (consonne) de toutes les consonnes ;
- assimilation en C (consonne) de toutes les semi-voyelles ou semi-consonnes.

Je n'ai, ci-dessous, pris que des langues dans lesquelles il n'y a pas de digraphes. Celles où existent des digraphes demanderaient un traitement préalable particulier pour les convertir en phonèmes, ce que seul un locuteur peut faire sans trop d'erreurs.

J'ai analysé sur des textes de littérature générale, avec un minimum de caractères (> 1500).

Ci-dessous, je livre les résultats pour trois langues (Kotava, Espéranto et Uropi). Il serait intéressant que d'autres le fassent sur leur langue (Elko, Sambahsa, Aneuvien, Badaigun, Dibadien, etc.).

PS : Nemszev, j'ai éclaté en 4 messages pour bien identifier chaque langue, je crois que cela permettra de mieux développer ensuite
Ok j'accorde.
Nemszev

Pour le Kotava

Deux textes analysés. Le premier :
Texte de référence : Andersen. La princesse au petit pois (voir source ici)

A la base, ce texte comporte 1654 caractères (dont 1388 hors espaces). Il compte :
730 consonnes et semi-voyelles (soit 54,52 % de l'ensemble)
609 voyelles (soit 45,48 %)

Après traitement et concaténations, on obtient le tableau suivant :
Consonnes (570 chaînes, soit 51,07 %) :
- chaînes de 6 consonnes : 0
- chaînes de 5 consonnes : 0
- chaînes de 4 consonnes : 0
- chaînes de 3 consonnes : 8 (0,72 % de l'ensemble des chaînes)
- chaînes de 2 consonnes : 144 (12,90 %)
- consonne isolée : 418 (37,45 %)

Voyelles (546 chaînes, soit 48,93 %) :
- chaînes de 6 voyelles : 0
- chaînes de 5 voyelles : 0
- chaînes de 4 voyelles : 0
- chaînes de 3 voyelles : 5 (0,45 % de l'ensemble des chaînes)
- chaînes de 2 voyelles : 53 (4,75 %)
- voyelle isolée : 488 (43,72 %)

-----------------------------------------------
Le second :
Texte de référence : Andersen. La jeune fille aux allumettes(voir source ici

A la base, ce texte comporte 4024 caractères (dont 3376 hors espaces). Il compte :
1784 consonnes et semi-voyelles (soit 54,99 % de l'ensemble)
1460 voyelles (soit 45,00 %)

Après traitement et concaténations, on obtient le tableau suivant :
Consonnes (1396 chaînes, soit 51,28 %) :
- chaînes de 6 consonnes : 0
- chaînes de 5 consonnes : 0
- chaînes de 4 consonnes : 0
- chaînes de 3 consonnes : 23 (0,84% de l'ensemble des chaînes)
- chaînes de 2 consonnes : 342 (12,56 %)
- consonne isolée : 1031 (37,88 %)

Voyelles (1326 chaînes, soit 48,71 %) :
- chaînes de 6 voyelles : 0
- chaînes de 5 voyelles : 0
- chaînes de 4 voyelles : 0
- chaînes de 3 voyelles : 2 (0,07 % de l'ensemble des chaînes)
- chaînes de 2 voyelles : 130 (4,78 %)
- voyelle isolée : 1194 (43,86 %)

-----------------------------------------------

Ce qu'on voit clairement, c'est que le Kotava, s'il compte légèrement plus de chaînes consonantiques que vocaliques semble néanmoins très fluide. 85% des chaînes sont constitués de phonèmes isolés (surtout voyelles). Il n'y a que 14% des chaînes qui soient une succession de deux éléments similaires ou plus. Et l'on rencontre moins de 1% de chaînes de trois phonèmes et aucune de 4 et plus. Les hiatus sont moins de 5%. Je pense que la règle de l'euphonie vocalique produit ici tous ses effets et "fluidifie" énormément. Au vu des formes "brutes" des adjectifs dans un dictionnaire par exemple, on peut avoir un sentiment faussé (que des "-af"), alors qu'à l'oral et en contexte de phrase, cela se fond totalement grâce à cette règle euphonique.

Pour l'Espéranto

Texte de référence : Andersen. La princesse au petit pois (voir source ici)

A la base, ce texte comporte 2093 caractères (dont 1725 hors espaces). Il compte :
949 consonnes et semi-voyelles (soit 57,37 % de l'ensemble)
705 voyelles (soit 42,62 %)

Après traitement et concaténations, on obtient le tableau suivant :
Consonnes (656 chaînes, soit 50,73 %) :
- chaînes de 6 consonnes : 0
- chaînes de 5 consonnes : 0
- chaînes de 4 consonnes : 1 (0,10 % de l'ensemble des chaînes)
- chaînes de 3 consonnes : 27 (2,09 %)
- chaînes de 2 consonnes : 236 (18,25 %)
- consonne isolée : 392 (30,31 %)

Voyelles (637 chaînes, soit 49,27 %) :
- chaînes de 6 voyelles : 0
- chaînes de 5 voyelles : 0
- chaînes de 4 voyelles : 0
- chaînes de 3 voyelles : 7 (0,54 % de l'ensemble des chaînes)
- chaînes de 2 voyelles : 54 (4,18 %)
- voyelle isolée : 576 (44,55 %)

Par rapport au Kotava, l'Espéranto apparait plus consonantique, surtout dans le proportion de chaînes CC et CCC assez significativement plus élevée, alors qu'en nombre global de chaînes, il y a quasiment égalité entre les ensembles. Ce qu'on peut peut-être résumer en : fréquentes successions de consonnes / voyelles isolées.

Au passage, toujours par rapport au Kotava, sur le même texte de référence, celui-ci a un texte globalement 20 % plus long.

Pour l'Uropi

Texte de référence : Joël Landais. Interès id solidarid (voir source ici)

A la base, ce texte comporte 2799 caractères (dont 2250 hors espaces). Il compte :
1181 consonnes et semi-voyelles (soit 55,08 % de l'ensemble)
963 voyelles (soit 44,92 %)

Après traitement et concaténations, on obtient le tableau suivant :
Consonnes (878 chaînes, soit 50,31 %) :
- chaînes de 6 consonnes : 0
- chaînes de 5 consonnes : 0
- chaînes de 4 consonnes : 1 (0,05 % de l'ensemble des chaînes)
- chaînes de 3 consonnes : 25 (1,43 %)
- chaînes de 2 consonnes : 250 (14,32 %)
- consonne isolée : 602 (34,50 %)

Voyelles (867 chaînes, soit 49,69 %) :
- chaînes de 6 voyelles : 0
- chaînes de 5 voyelles : 0
- chaînes de 4 voyelles : 0
- chaînes de 3 voyelles : 4 (0,23 % de l'ensemble des chaînes)
- chaînes de 2 voyelles : 88 (5,04 %)
- voyelle isolée : 775 (44,41 %)

Uropi, Espéranto et Kotava ont à peu près la même balance de chaînes consonantiques et vocaliques. Sinon, l'Uropi affiche davantage de chaînes pluri-consonantiques que le Kotava, mais moins que l'Espéranto. La proportion de voyelles isolées, elle, est assez remarquablement proche dans les trois langues.

-----------------------------------------------

De cette petite comparaison sans prétention, mais néanmoins intéressante, on pourrait dire :
- sur l'échelle consonantique (de - ==> +) : Kotava, Uropi, Espéranto
- sur celle des hiatus vocaliques (de - ==> + ) : Espéranto, Kotava, Uropi. Mais les trois langues sont en réalité autour de 5%, donc les écarts ne semblent pas vraiment significatifs.

Pour l'espéranto, avez-vous considéré les c, ĉ et ĝ comme une ou deux consonnes?

Silvano a écrit:

Pour l'espéranto, avez-vous considéré les c, ĉ et ĝ comme une ou deux consonnes?

Littéralement, c'est UNE consonne (un caractère); cependant, on peut comprendre qu'il s'agisse d'un phonème comprenant deux sons (respectivement
-un t & un s
-un t & un ʃ
-un d et un ʒ).

Faut voir...

Silvano a écrit:

Pour l'espéranto, avez-vous considéré les c, ĉ et ĝ comme une ou deux consonnes?

Je les ai prises chacune comme un phonème unique, comme Zamenhof lui-même, il me semble, les avait considérées. Si on les décomposait, cela accentuerait encore un peu le caractère "globalement consonantique". Inversement, en Kotava par exemple, si les TS, TC surtout, DJ et DZ étaient "phonémisés", cela augmenterait légèrement sa couleur "vocalique" (tout comme le NH = ñ, phonème unique que je n'ai pas traité). Cela étant, je pense que dans les deux cas, cela serait relativement marginal.

Là, à mon sens, où on peut davantage s'interroger, c'est concernant la "vraie" qualification de certaines chaînes où intervient la semi-voyelle J (en Espéranto) ou Y (en Kotava), dans les cas VJC. Peut-être faudrait-il assimiler là VJ et V simple ?

Sab a écrit:

Là, à mon sens, où on peut davantage s'interroger, c'est concernant la "vraie" qualification de certaines chaînes où intervient la semi-voyelle J (en Espéranto) ou Y (en Kotava), dans les cas VJC. Peut-être faudrait-il assimiler là VJ et V simple ?

La solution est peut-être déjà dans le nom: compter les semi-consonnes pour une demi-consonne et une demi-voyelle.
Notons qu'il existe aussi en espéranto la semi-voyelle ŭ, comme dans aŭto ou Eŭropo, son que certains locuteurs, surtout d'origine slave, ont tendance à remplacer par un v: avto, Evropo, ce qui, selon moi, prouve bien que ce n'est pas une voyelle comme les autres. Bien sûr, si on traitait cette lettre comme le J, il faudrait faire subir le même traitement à certains u de l'uropi (comme dans le mot Europa) et peut-être du kotava, je ne sais trop.

Notons qu'en français, les noms de langue ne prennent pas de majuscule: le français, l'espéranto... (Je suis réviseur, mais voici une référence.)

C'est intéressant comme étude. Je m'y attellerai lundi prochain. Chaque semaine je traduit un texte en elko, cette semaine je traduits "Bonne humeur" (déjà un texte d'Anderson). La semaine prochaine j'envisage désormais de traduire la princesse au petit pois. A ce moment je pourrais faire cette étude.

A l'occasion des traductions hebdomadaires, j'en profite pour remplir un dictionnaire fréquentiel, en réorganisant les clés de la plus fréquente à la plus rare, c'est très pratiques pour les apprenants, pour savoir par où commencer, mais c'est vrai qu'une analyse phonotactique est très intéressante aussi.

Silvano a écrit:

Notons qu'en français, les noms de langue ne prennent pas de majuscule: le français, l'espéranto... (Je suis réviseur, mais voici une référence.)

Je le sais bien, mais je suis volontairement l'usage anglo-saxon en la matière contre celui français qui est ridicule. Une langue est quelque chose d'unique, donc mérite une majuscule. Inversement, je ne comprendrai jamais pourquoi un aborigène, un citadin ou un individu s'écrivent avec une minuscule là où un p(P)arisien, un q(Q)uébécois ou un t(T)ahitien devraient s'écrire avec une majuscule, simples parcelles au sein d'une multitude. Qui a dit qu'une langue, que des usages, ne pourraient évoluer ?

Sab a écrit:

Qui a dit qu'une langue, que des usages, ne pourraient évoluer ?

Les réviseurs!

Sab a écrit:

Une langue est quelque chose d'unique, donc mérite une majuscule. Inversement, je ne comprendrai jamais pourquoi un aborigène, un citadin ou un individu s'écrivent avec une minuscule là où un p(P)arisien, un q(Q)uébécois ou un t(T)ahitien devraient s'écrire avec une majuscule, simples parcelles au sein d'une multitude.

C'est ben vrai qu'à y réfléchir, c'est effecti'ment l'inverse qui devrait être appliqué: Les gallois parlent le Gallois; les français, le Français; les aneuviens, l'Aneu...

Le pire (ou plutôt: le pis! que cette formule pourtant correcte ne soit pas réservée aux éleveurs normands & savoisiens (ou savoyards, c'est selon: les deux se disent)), c'est que j'ai suivi aveuglément la règle actuelle sans trop m'poser de questions. C'que c'est qu'l'habitude, hein!

Chez la plupart des espérantophones le j se prononce différemment selon qu'il ouvre une voyelle (ja) ou la ferme (tuj). Dans le second cas c'est clairement une voyelle. Mais pas chez les francophones, qui le mâchent avec insistance comme dans le mot "touille". C'est donc difficile de faire des statistiques mondiales sur la fréquence des voyelles et des consonnes. Mais les résultats sont intéressants quand même, merci!

Leo a écrit:

C'est donc difficile de faire des statistiques mondiales sur la fréquence des voyelles et des consonnes. Mais les résultats sont intéressants quand même, merci!

Je suis bien d'accord et il y a sûrement aussi des biais méthodologiques mal perçus. Mais même sans grandes prétentions, je pense qu'analyser en flux "phonémique" un texte ou discours a un sens, parce que là on raisonne sur du réel, pas sur simplement de l'impression "visuelle" à lire une grammaire ou un dictionnaire. A l'oreille on se forge aussi des impressions, mais encore un peu différentes, car jouent l'accentuation, les intonations, les hésitations, l'exotisme de certains phonèmes par rapport à ses propres habitudes, etc.

Et j'ajoute que, personnellement, je ne souscris en aucune manière à une quelconque théorie "phonotactique" qui affirmerait, par exemple, que CVCVCV est l'enchaînement "parfait" ; ou qu'un fort vocalisme serait plus facile à acquérir (l'exemple du Tahitien montre bien qu'il n'en est rien).

Citation :

je ne souscris en aucune manière à une quelconque théorie "phonotactique" qui affirmerait, par exemple, que CVCVCV est l'enchaînement "parfait"

Il me semble avoir lu quelque part que la plupart des langues tendaient vers la forme CVCVCV car c'est l'enchaînement le plus facile à produire, contrairement à par exemple : CCCVCCC qui est, il faut l'avouer, difficilement prononçable.

D'ailleurs j'ai eu quelques passages difficiles à prononcer en Kotava... surtout avec des choses comme "kc" je sais pas pourquoi je bloque...

Je dirais que les langues ont tendance à éroder autant les consonnes que les voyelles et que l'équilibre se maintient à travers le temps. Le français a rendu muettes un tas de consonnes finales, mais aussi un tas de e finaux ce qui a rétabli l'existence de consonnes finales. Le japonais a tendance a bouffer les u et à collisionner les consonnes: deska (desu-ka) mais aussi à simplifier les groupes consonnantiques avec le temps.

EDIT: Zut, saut de page. Bon, je ne vais pas mettre de citation mais je réponds là au message précédent, en fin de page précédente.

Pour le Sambahsa
Texte de référence : Andersen. La princesse au petit pois (voir source : http://www.scribd.com/doc/46513389/Ia-ergvprincesse )

A la base, ce texte comporte 1634 caractères (dont 1326 hors espaces). Il compte :
730 consonnes et semi-voyelles (soit 54,52 % de l'ensemble)
609 voyelles (soit 45,48 %)

Après traitement et concaténations, il compte :
732 phonèmes consonantiques et semi-vocaliques (soit 59,80 % de l'ensemble)
492 phonèmes vocaliques (soit 40,20 %)

et on obtient le tableau suivant :
Consonnes (417 chaînes, soit 51,35 %)
:- chaînes de 6 consonnes : 0
- chaînes de 5 consonnes: 2 (0,24 % de l'ensemble des chaînes)
- chaînes de 4 consonnes : 4 (0,48 %)
- chaînes de 3 consonnes : 57 (7,02 %)
- chaînes de 2 consonnes : 179 (22,04 %)
- consonne isolée : 177 (21,80 %)

Voyelles (395 chaînes, soit 48,64 %)
:- chaînes de 6 voyelles : 0
- chaînes de 5 voyelles : 0
- chaînes de 4 voyelles : 2 (0,24 % de l'ensemble des chaînes)
- chaînes de 3 voyelles : 13 (1,60 %)
- chaînes de 2 voyelles : 65 (8,00 %)
- voyelle isolée : 315 (38,79 %)

(merci à Sabrina pour le décompte et la mise en page)

On le voit, le sambahsa est plutôt consonantique, rien de très étonnant (nota: analyse effectuée non pas sur l'orthographe sambahsa même, mais sur son système de transcription phonétique propre, le SPT, où chaque son est décomposé).

La raison principale est que j'ai voulu que le sambahsa soit une langue courte; si une auxlang veut faire face à l'anglais, au français, elle doit éviter les formules à rallonge typiques de certaines conlangs.
Le sambahsa écrit (exemple de ce texte) admet quelques voyelles optionnelles pour l'euphonie et/ou la précision. Dans la langue parlée, il est admis que, par exemple, un "t" final après consonne ne soit pas prononcé. Dans la langue parlée, le contexte peut l'emporter sur l'exactitude grammaticale.

De plus, et même si elles ne constituent nullement la totalité du sambahsa, les racines indo-européennes ont souvent la forme CVC, ce qui signifie qu'un mot a en général une consonne de plus que son nombre de voyelles. Selon certaines théories, l'indo-européen n'aurait eu que trois voyelles, i, u et "e" (dont la teneur est à préciser, je penche plutôt vers "a" pour l'indo-européen primitif).

Olivier
http://sambahsa.pbworks.com/

Réatami a écrit:

D'ailleurs j'ai eu quelques passages difficiles à prononcer en Kotava... surtout avec des choses comme "kc" je sais pas pourquoi je bloque...

Il n'y a pratiquement que des composés de -coba où on rencontre un kc (tokcoba, dikcoba, jontikcoba...) et sinon le nom tikca (congre), plutôt rare d'usage... !!!???

Leo a écrit:

Je dirais que les langues ont tendance à éroder autant les consonnes que les voyelles et que l'équilibre se maintient à travers le temps.

Cela, je ne suis pas sûre, j'ai l'impression que c'est extrémement variable. Par exemple, en Tahitien, les voyelles sont très stables alors que ce sont uniquement les consonnes qui se sont raréfiées. C'est très net en comparant avec le Samoan, le Tongien ou même le Maori. Et stabilité tant des voyelles courtes que longues. On est vraiment aux antipodes des langues sémitiques qui, elles, à ce que je sais, sont en revanche stables sur leurs radicaux trilittères consonantiques.

Oui, j'ai un peu trop généralisé. Disons qu'il existe d'une part une tendance à simplifier la structure syllabique et d'autre part une tendance à comprimer les mots et que les deux tendances ont des effets contradictoires. Tout ça pour dire que je suis d'accord que CVCV n'est pas un "idéal" mais un des deux idéaux en lutte.

Citation :

Il n'y a pratiquement que des composés de -coba où on rencontre un kc (tokcoba, dikcoba, jontikcoba...) et sinon le nom tikca (congre), plutôt rare d'usage... !!!??? Suspect

Justement, j'ai tendance à les utiliser très souvent... Et je bloque assez souvent dessus (les composés en -coba)

Je viens de faire la traduction en elko.

Spoiler:

Je vais procéder à l'analyse photactique demain dans la matinée, mais je me pose une question : Une chaîne prend en compte des lettres appartenant à des mots différents ?

Ex : Bamou Ariwido est à considéré comme une chaîne de 2 ou de 3 caractères ?

Ziecken a écrit:

Je vais procéder à l'analyse photactique demain dans la matinée, mais je me pause une question : Une chaîne prend en compte des lettres appartenant à des mots différents ?

Ex : Bamou Ariwido est à considéré comme une chaîne de 2 ou de 3 caractères ?

Comme je l'avais expliqué, tu concatènes entre les signes de ponctuation. Donc :
Bamou Ariwido = CVCVVVCVCVCV
et sur ce segment strict :
5 C isolées
4 V isolées
1 VVV

*j'ai l'impression que tu vas avoir un bon nombre de chaînes trivocaliques... (à la Tahitienne ! )

Ok, cette fois-ci j'ai compris !

Citation :

j'ai l'impression que tu vas avoir un bon nombre de chaînes trivocaliques... (à la Tahitienne ! )

Tu m'étonnes ! J'ai ici préféré utiliser le registre soutenu, car sans ambiguïté, du coups il y a plus de voyelles que dans le registre courant.

Pour l'Elko

A la base, ce texte comporte 1117 caractères (dont 903 hors espaces). Il compte :
392 consonnes et semi-voyelles (soit 46.49 % de l'ensemble)
444 voyelles (soit 53.11 %) Il y a plus de voyelles que de consonnes en elko !

Après traitement et concaténations, on obtient le tableau suivant :
Consonnes (364 chaînes, soit 50 %) :
- chaînes de 6 consonnes : 0
- chaînes de 5 consonnes : 0
- chaînes de 4 consonnes : 0
- chaînes de 3 consonnes : 0
- chaînes de 2 consonnes : 28 (3.85 % de l'ensemble des chaînes)
- consonne isolée : 336 (46.43 %)

Voyelles (364 chaînes, soit 50 %) :
- chaînes de 6 voyelles : 0
- chaînes de 5 voyelles : 0
- chaînes de 4 voyelles : 0
- chaînes de 3 voyelles : 8 (1.10 % de l'ensemble des chaînes)
- chaînes de 2 voyelles : 64 (8.79 %)
- voyelle isolée : 292 (40.11 %)

Toutefois, je ne sais pas ce que l'on peut en conclure sur la fluidité ou non de l'elko ?

Voici maintenant une analyse fréquentielles des lettres de l'alphabet elko :

A : 130 B : 27 D : 33 E : 65 Ė : 14 F : 0 G : 21 H : 20 I : 74 J : 0 K : 45 L : 37 M : 17 N : 47 O : 114 P : 8 R : 41 S : 21 T : 39 U : 47 W : 30 Z : 6


-Le A est la voyelle la plus utilisée en elko tandis que le Ė est la plus rare.
-Le N est la consonne la plus fréquente en elko alors que le J et le F se battent la dernière place.

Comme chaque semaine, à la suite de chaque traduction de texte, je procède à une analyse fréquentielle des clés qui le compose en les classant dans le dictionnaire fréquentiel de la plus courante à la plus rare afin de produire une liste des clés orientant l’apprenant en elko et facilitant l'apprentissage de la langue. Mais ça, ça peut attendre demain, là j'ai faim !

Citation :

Consonnes (364 chaînes, soit 50 %) :
- chaînes de 6 consonnes : 0
- chaînes de 5 consonnes : 0
- chaînes de 4 consonnes : 0
- chaînes de 3 consonnes : 0
- chaînes de 2 consonnes : 28 (3.85 % de l'ensemble des chaînes)
- consonne isolée : 336 (46.43 %)

Voyelles (364 chaînes, soit 50 %) :
- chaînes de 6 voyelles : 0
- chaînes de 5 voyelles : 0
- chaînes de 4 voyelles : 0
- chaînes de 3 voyelles : 8 (1.10 % de l'ensemble des chaînes)
- chaînes de 2 voyelles : 64 (8.79 %)
- voyelle isolée : 292 (40.11 %)

C'est merveilleusement équilibré... Mais je suppose que le système de clé y est pour quelque chose.