Si vous voulez un seul chiffre pour l'anglais, en voici deux. Environ 3 000 familles de mots à haute fréquence vous amènent à peu près à 95 % de couverture de l'anglais parlé, le point à partir duquel la conversation cesse d'être un jeu de devinettes. Environ 8 000 à 9 000 familles de mots vous amènent à peu près à 98 % de couverture de l'anglais écrit, le point à partir duquel romans et journaux deviennent réellement confortables à lire. Les deux chiffres viennent des travaux de Paul Nation sur la couverture (Nation, 2006), et ce sont des fourchettes plutôt que des lignes d'arrivée, car « courant » ne signifie pas la même chose pour parler, lire et travailler.
Ce que « courant » veut dire en couverture#
Les travaux sur le vocabulaire évitent le mot « courant » et mesurent plutôt la couverture : la part des mots d'un texte qu'un lecteur connaît déjà. Deux seuils reviennent sans cesse.
- 95 % de couverture est le seuil que Laufer (1989) associe à une compréhension suffisante, et c'est aujourd'hui considéré comme le plancher à partir duquel un texte fonctionne si un peu d'aide est disponible, comme un glossaire ou un interlocuteur patient. Cela représente un mot inconnu sur vingt.
- 98 % de couverture est le niveau où la plupart des apprenants lisent seuls et pour le plaisir, sans s'arrêter (Hu et Nation, 2000). Cela représente un mot inconnu sur cinquante.
Trois points de pourcentage, cela semble peu. En vocabulaire, c'est la différence entre quelques milliers de familles de mots et près de dix mille, ce qui explique pourquoi on peut bavarder sans peine en anglais des années avant de pouvoir lire un roman sans effort.
Ce qui compte comme un mot#
Tout comptage de mots en anglais ne veut rien dire tant qu'on ignore l'unité comptée. Une même page de texte donne quatre chiffres très différents.
| Unité | Ce qu'elle désigne | Exemple en anglais |
|---|---|---|
| Token | Chaque mot du texte, compté à chaque occurrence | speak, speak, speaking fait 3 tokens |
| Type | Chaque forme écrite distincte, comptée une seule fois | speak, speaking fait 2 types |
| Lemme | Un mot de base et ses formes fléchies | speak couvre speaks, spoke, spoken, speaking |
| Famille de mots | Un lemme et ses dérivés transparents | speak couvre aussi speaker, speech, unspoken |
L'anglais fléchit beaucoup moins que l'espagnol, l'allemand ou le russe, si bien que types et lemmes y sont plus proches l'un de l'autre que dans la plupart des langues : un verbe compte une poignée de formes, pas des dizaines. L'écart qui compte vraiment en anglais se situe entre lemmes et familles : une fois que vous connaissez nation, les formes national, nationally et nationality s'acquièrent souvent presque gratuitement, ce qui est l'hypothèse sur laquelle reposent les comptages par famille, même si l'économie réelle pour un apprenant est plus modeste que l'unité ne le laisse penser. Quand une étude annonce « 8 000 familles de mots », cela ne veut pas dire 8 000 actes de mémorisation distincts.
Les chiffres de couverture pour l'anglais#
L'étude de Nation de 2006 s'appuie sur le British National Corpus, une collection d'environ 100 millions de mots d'anglais britannique, et cherche combien de familles de mots un apprenant doit connaître pour chaque niveau de couverture. Les points de repère ci-dessous viennent de ce travail. Les lignes intermédiaires sont des approximations qui suivent la même courbe : lisez-les comme la forme du problème plutôt que comme des mesures exactes.
| Familles de mots connues | Anglais écrit (livres, presse) | Anglais parlé (conversation, télévision) |
|---|---|---|
| 1 000 | environ 80 % | environ 80-85 % |
| 2 000 | environ 90 % | environ 90 % |
| 3 000 | un peu plus de 90 % | environ 95 % (Nation, 2006) |
| 4 000-5 000 | environ 95 % (Nation, 2006) | environ 96-97 % |
| 6 000-7 000 | environ 97 % | environ 98 % (Nation, 2006) |
| 8 000-9 000 | environ 98 % (Nation, 2006) | plus de 98 % |
Ces chiffres s'accompagnent de deux réserves. Les comptages de Nation supposent que les noms propres et une poignée d'éléments marginaux comme les interjections sont déjà connus, une hypothèse raisonnable pour la plupart des lecteurs. Et l'oral est systématiquement plus facile que l'écrit : la conversation recycle un noyau plus restreint, tandis que l'anglais écrit va chercher la moitié la plus rare du dictionnaire.
Pourquoi les 1 000 premiers mots font l'essentiel du travail#
La fréquence des mots anglais suit le schéma déséquilibré formalisé sous le nom de loi de Zipf (Zipf, 1949) : un tout petit ensemble de mots revient sans cesse, et un ensemble immense n'apparaît presque jamais. Dans un texte anglais courant, le seul mot the représente à lui seul environ cinq à sept pour cent de tous les mots, et les cent mots les plus fréquents réunis représentent à peu près la moitié de tout ce qui s'écrit.
L'effet pratique est que le vocabulaire de départ est le meilleur investissement que vous ferez jamais en anglais. La tranche la plus fréquente est dominée par les mots grammaticaux et les verbes passe-partout : be, have, do, get, make, go, take, come, see, know. La General Service List de Michael West (1953) a formalisé cette idée pour l'enseignement de l'anglais avec environ 2 000 familles de mots, et elle sous-tend encore les listes modernes construites à partir du BNC et de COCA, le Corpus of Contemporary American English. À eux deux, ces corpus couvrent l'anglais britannique et américain, et le noyau à haute fréquence est suffisamment proche d'une variante à l'autre pour que les tranches les plus fréquentes se ressemblent, quel que soit l'endroit où vous apprenez.
La même courbe explique la mauvaise nouvelle. Passer de 95 % à 98 % demande d'apprendre des milliers de mots qui apparaissent chacun rarement, si bien que les répétitions se font attendre et qu'on ne peut pas les forcer. Ce passage est le plateau intermédiaire version vocabulaire.
Un dictionnaire immense, un noyau restreint#
L'anglais est réputé pour sa taille. L'Oxford English Dictionary recense plus de 600 000 mots sur mille ans, y compris des mots obsolètes, en partie parce que l'anglais a absorbé du vocabulaire venu du vieux norrois, du français normand et du latin, et en a gardé les doublons. Cette histoire a produit des paires de mots de sens presque identique mais de registres différents : begin et commence, freedom et liberty, help et assist.
Ce total compte beaucoup moins pour un apprenant qu'il n'y paraît. La moitié rare du dictionnaire est rare pour tout le monde. Les estimations de ce que les locuteurs natifs connaissent réellement varient selon l'unité comptée : Goulden, Nation et Read (1990) ont estimé à environ 17 000 le nombre de familles de mots de base chez les locuteurs natifs adultes instruits, tandis que Brysbaert et ses collègues (2016) ont estimé qu'un Américain moyen de vingt ans connaît environ 42 000 lemmes. Ces chiffres ne se contredisent pas tant qu'ils ne comptent pas la même chose, ce qui est tout le problème des objectifs de vocabulaire et la raison pour laquelle mesurer la taille de votre vocabulaire demande de la prudence.
Ce dont un apprenant a besoin, c'est du noyau commun, et ce noyau est restreint. Le vocabulaire spécialisé est une tâche séparée, plus réduite : l'Academic Word List de Coxhead (2000) isole 570 familles de mots qui reviennent largement dans l'écrit universitaire en lettres, commerce, droit et sciences, en plus des 2 000 premières familles à haute fréquence, ce qui en fait une liste courte au rendement élevé si vous étudiez ou travaillez en anglais.
Ce que demande à peu près chaque niveau du CECRL#
Le Cadre européen commun de référence (CECRL) ne précise volontairement aucun nombre de mots, puisqu'il doit s'appliquer à toutes les langues. Les fourchettes ci-dessous viennent de travaux de calibrage menés par des organismes d'examen et de recherches propres à l'anglais, et les sources divergent nettement : prenez-les comme des repères, pas comme des objectifs. Si les niveaux eux-mêmes vous sont nouveaux, les niveaux du CECRL expliqués détaille ce que chaque palier recouvre.
| Niveau | Vocabulaire approximatif (les estimations varient ; les sources ne s'accordent pas sur le fait de compter des mots ou des familles) | À quoi ressemble la lecture |
|---|---|---|
| A1 | ~500-1 000 | Panneaux, menus, phrases courtes et prévisibles |
| A2 | ~1 000-2 000 | Textes personnels simples, lectures graduées de bas niveau |
| B1 | ~2 000-3 000 | Actualités simplifiées, lectures graduées, textes factuels avec soutien |
| B2 | ~3 000-5 000 | Articles de presse et documents professionnels dans un domaine familier |
| C1 | ~5 000-8 000 | Fiction littéraire, journalisme dense, écrits universitaires |
| C2 | ~8 000-16 000 | Tout, y compris jeux de mots, dialectes et domaines techniques peu familiers |
Pour l'anglais spécifiquement, l'English Vocabulary Profile de Cambridge, qui fait partie du programme English Profile, associe des mots individuels, et même des sens individuels d'un même mot, à des niveaux du CECRL à partir de corpus d'apprenants. C'est ce qui se rapproche le plus, en anglais, d'une liste de mots officielle niveau par niveau, et cela vaut le détour si vous voulez savoir si un mot donné est A2 ou B2 plutôt que de deviner. Côté temps plutôt que mots, Cambridge English publie des indications approximatives d'heures d'apprentissage guidé, allant de quelques centaines d'heures pour atteindre A2 jusqu'à un peu plus d'un millier d'heures cumulées pour approcher C2. Ce sont des ordres de grandeur qui varient énormément selon la proximité entre votre langue maternelle et l'anglais.
Ce que les comptages de mots passent sous silence#
Trois particularités de l'anglais rendent un simple comptage de familles trop optimiste.
Les verbes à particule. Put off, get over, look after et turn down sont construits à partir de mots que vous connaissez déjà, mais signifient quelque chose d'imprévisible. Martinez et Schmitt (2012) ont constitué une liste d'environ 500 expressions à plusieurs mots fréquentes, précisément parce que les listes de mots isolés les rendent invisibles, et bon nombre d'entre elles se cachent dans l'anglais le plus courant qui soit.
La polysémie. Les mots anglais à haute fréquence portent de nombreux sens. Run et get comptent chacun des centaines de sens distincts dans un dictionnaire complet, si bien que « les connaître » n'est pas un acte unique. C'est pourquoi rencontrer un mot plusieurs fois dans des contextes différents vaut mieux que le rencontrer une seule fois sur une carte.
L'orthographe et le son. L'orthographe anglaise correspond de façon irrégulière à la prononciation, si bien que reconnaître un mot à l'écrit et le reconnaître à l'oral sont deux compétences en partie distinctes. Les apprenants qui lisent beaucoup comprennent souvent bien plus qu'ils ne peuvent suivre en conversation, et le remède est un volume d'écoute plus important, pas davantage de mots.
Comment les construire concrètement#
Deux mécanismes sont les mieux étayés par la recherche, et ils fonctionnent mieux ensemble.
L'input compréhensible. L'hypothèse de l'input de Krashen (1985) avance qu'on acquiert une langue en comprenant des messages légèrement au-dessus de son niveau actuel. Pour l'anglais, c'est facile à organiser, puisqu'il existe plus de contenu en anglais en ligne que dans n'importe quelle autre langue, mais le problème est le saut de difficulté : un site d'actualités se situe très au-dessus du vocabulaire A2. Les lectures graduées sont le pont classique, et les grandes collections d'Oxford et de Penguin publient des grilles de niveaux allant de quelques centaines de mots-clés à quelques milliers, alors consultez la grille actuelle de l'éditeur et commencez un niveau en dessous de ce que votre fierté vous suggère. La logique sous-jacente est détaillée dans l'input compréhensible expliqué et dans comment construire son vocabulaire par la lecture.
La répétition espacée. Réviser un mot à intervalles croissants combat la courbe de l'oubli décrite par Ebbinghaus (1885) bien plus efficacement qu'une révision massée. La version pratique est détaillée dans la répétition espacée pour l'apprentissage des langues.
LingoBlend est conçu pour faire marcher les deux à la fois. Vous collez n'importe quel texte que vous avez vraiment envie de lire et vous choisissez la part de ses mots qui sera mélangée en anglais, d'un léger 5 % jusqu'à l'immersion complète, si bien que le saut de difficulté est quelque chose que vous réglez vous-même plutôt que quelque chose que le texte vous impose. Touchez un mot mélangé pour voir son sens et sa grammaire, puis enregistrez-le ; les mots enregistrés passent ensuite dans cinq jeux d'entraînement selon un programme de répétition espacée. Pour l'anglais spécifiquement, l'offre Pro inclut quelques classiques non abrégés, parmi lesquels Orgueil et Préjugés et Gatsby le Magnifique, un bon point de chute une fois que les textes simplifiés commencent à sembler trop lents. Le guide pour apprendre l'anglais est le point de départ, et si vous voulez savoir où en est votre propre compteur, combien de mots connaissez-vous explique ce qu'un compteur fiable peut dire, et ce qu'il ne peut pas dire.