Pour être fluide à l'oral en italien, il vous faut environ 3 000 familles de mots à haute fréquence, ce qui couvre près de 95 % des mots de l'oral et de l'écrit du quotidien. Lire romans et journaux sans dictionnaire demande environ 8 000 à 9 000 familles (Nation, 2006). L'italien est l'une des langues les mieux documentées sur cette question, parce que la linguistique italienne a une longue tradition de définition précise des mots qui forment le socle réellement utilisable.
Ce qui compte comme un mot en italien#
Un chiffre de vocabulaire ne veut rien dire tant qu'on n'a pas fixé l'unité. La même page d'italien donne quatre réponses différentes selon l'unité choisie.
| Unité | Définition | Exemple en italien |
|---|---|---|
| Occurrence | Chaque mot du texte, compté à chaque apparition | parla, parla, parliamo = 3 occurrences |
| Forme | Chaque forme écrite distincte, comptée une fois | parla, parliamo = 2 formes |
| Lemme | Un mot de base et ses formes fléchies | parlare couvre parlo, parli, parlava, parlerò, parlato |
| Famille de mots | Un lemme et ses dérivés transparents | parlare et parola, parlante, parlata, riparlare |
La flexion italienne est riche. Un seul verbe régulier compte bien plus de quarante formes conjuguées selon le temps, le mode et la personne, les noms et les adjectifs portent le genre et le nombre, et les pronoms clitiques se soudent aux verbes au point que dirglielo forme un seul mot écrit contenant un verbe et deux pronoms. Les suffixes altératifs multiplient encore les formes : casa devient casetta, casona, casaccia sans ajouter de concept nouveau. C'est pour cela qu'un objectif du type « 3 000 mots italiens » désigne toujours 3 000 lemmes ou familles, jamais 3 000 formes écrites.
La réponse italienne : le vocabolario di base#
L'italien dispose d'un repère étonnamment concret. Le linguiste Tullio De Mauro a compilé un vocabolario di base, révisé ensuite en Nuovo vocabolario di base della lingua italiana (2016), qui décrit un socle d'environ 7 000 mots réparti en trois bandes : une bande fondamentale d'environ 2 000 éléments omniprésents, une bande alto uso de quelques milliers de mots supplémentaires, courants mais moins envahissants, et une bande alta disponibilità regroupant des mots que tout le monde connaît mais écrit rarement, comme les objets du quotidien.
Selon De Mauro lui-même, la seule bande fondamentale représente déjà la grande majorité des mots d'un texte italien ordinaire, et le socle complet couvre l'essentiel écrasant de la communication générale. Ce constat rejoint de près la recherche internationale sur la couverture présentée plus bas, obtenue indépendamment par une tradition différente, ce qui est bon signe : les chiffres ne sont pas un artefact d'une seule méthode. Les travaux antérieurs de De Mauro sur le corpus LIP de l'italien parlé (1993) établissent le même constat pour l'oral.
Les seuils de couverture derrière « être fluide »#
La recherche sur le vocabulaire ne mesure pas la fluidité directement. Elle mesure la couverture : le pourcentage des mots d'un texte que vous connaissez déjà. Une couverture de 95 % est souvent décrite comme le plancher d'une compréhension correcte, quand le lecteur peut déduire le reste par le contexte (Laufer, 1989) — environ un mot inconnu sur vingt. Une couverture de 98 % est le niveau que Hu et Nation (2000) associent à la lecture autonome, où le dictionnaire devient facultatif plutôt que nécessaire — environ un mot inconnu sur cinquante.
L'analyse de Nation en 2006 situe le vocabulaire nécessaire pour atteindre ces 98 % à environ 8 000–9 000 familles de mots pour l'écrit et autour de 6 000–7 000 pour l'oral. L'oral réutilise un socle plus étroit, ce qui explique pourquoi on peut converser confortablement bien avant de pouvoir savourer un roman.
Quelle part du texte couvrent les 1 000, 2 000 et 5 000 premiers mots#
La fréquence est déséquilibrée dans toutes les langues étudiées, un schéma que Zipf a décrit en 1949. Un petit ensemble de mots apparaît dans presque chaque phrase, et une très longue traîne n'apparaît presque jamais.
| Familles de mots les plus fréquentes | Couverture approximative du texte | Ce que cela débloque en général |
|---|---|---|
| 1 000 | ~80–85 % | Italien de survie, l'idée générale d'une conversation simple |
| 2 000 | ~90 % | Échanges quotidiens avec des trous ; lectures graduées |
| 3 000 | ~95 % | Aisance confortable à l'oral ; la plupart des sujets du quotidien |
| 5 000 | ~96–97 % | Actualités simplifiées, films sous-titrés avec le contexte |
| 8 000–9 000 | ~98 % | Romans et journaux non adaptés, lus par plaisir |
La bande la plus fréquente de l'italien est faite de mots grammaticaux et de verbes à tout faire : di, che, e, il, essere, avere, fare, potere, dire, andare. Ces quelques centaines d'éléments sont incontournables et constituent donc le meilleur investissement possible. L'image inversée est la moitié décourageante : passer de 95 % à 98 % demande d'acquérir plusieurs milliers de mots de plus en plus rares, chacun rencontré seulement de temps à autre. Les rendements décroissants sont inscrits dans la distribution, ce qui explique aussi pourquoi les objectifs de vocabulaire en espagnol se situent presque exactement dans la même fourchette malgré une tradition de corpus différente.
Les anglophones bénéficient d'une longueur d'avance partielle grâce au latin. Des mots comme sufficiente, considerare ou tradizione se comprennent à vue, et l'italien formel ou académique est souvent plus facile pour un lecteur anglophone que l'italien familier. Cet avantage s'effondre à l'oral, et il s'accompagne de faux amis : camera désigne une pièce, fattoria une ferme, et morbido veut dire doux.
Le vocabulaire italien par niveau CECRL#
Le CECRL décrit ce que les apprenants savent faire et ne précise aucune taille de vocabulaire. Les tranches ci-dessous combinent la recherche sur la taille du vocabulaire (Milton, 2009) avec la forme des listes de base italiennes, et doivent se lire comme une orientation plutôt qu'une exigence.
| Niveau CECRL | Familles de mots approx. | Ce que cela permet en général |
|---|---|---|
| A1 | 500–1 000 | Salutations, nombres, commandes, faits personnels simples |
| A2 | 1 000–2 000 | Échanges courants, récits au passato prossimo, textes courts et simples |
| B1 | 2 000–3 000 | Situations de voyage et de travail, parler standard clair, lectures graduées |
| B2 | 4 000–5 000 | Discussion abstraite, lecture de la presse avec quelques recherches ponctuelles |
| C1 | 6 000–8 000 | Usage professionnel et académique, la plupart de la littérature |
| C2 | 9 000–10 000+ | Niveau quasi natif, y compris l'idiome, le registre et la couleur régionale |
Pourquoi chaque chiffre ici est une estimation#
Méfiez-vous des chiffres qui paraissent précis. L'unité est le levier le plus puissant, puisque compter des familles plutôt que des formes fléchies peut réduire drastiquement un total italien. Le corpus vient ensuite, parce qu'une liste tirée d'une collection de sous-titres comme OpenSubtitles pondère le vocabulaire conversationnel très différemment d'une liste construite sur la Repubblica ou sur la littérature du vingtième siècle. Connaître un mot n'est pas binaire, si bien que le vocabulaire passif dépasse toujours le vocabulaire actif. Et la couverture n'est pas la compréhension : vous pouvez connaître 98 % des mots d'un contrat de location italien et pourtant le comprendre de travers. L'Italie ajoute une difficulté supplémentaire, puisque l'usage régional et le vocabulaire dialectal varient assez pour qu'une conversation milanaise et une conversation napolitaine ne puisent pas dans des listes identiques.
Comment construire concrètement un vocabulaire italien de cette ampleur#
Les listes de mots seules sont lentes, et elles s'effacent. Deux mécanismes étayés par de vraies preuves fonctionnent bien mieux associés l'un à l'autre.
Un volume de lecture compréhensible. L'hypothèse de l'input de Krashen (1985) soutient que nous acquérons une langue en comprenant des messages légèrement au-dessus de notre niveau actuel. Lire de l'italien que vous suivez globalement place les familles à haute fréquence devant vous, encore et encore, en contexte, et c'est ainsi qu'une forme reconnue devient un mot connu. L'argument et ses limites sont détaillés dans l'input compréhensible expliqué.
La révision planifiée. Réviser à intervalles croissants combat la courbe de l'oubli qu'Ebbinghaus a publiée en 1885 bien plus efficacement qu'une relecture, un résultat confirmé par des dizaines d'expériences passées en revue par Cepeda et ses collègues en 2006. La répétition espacée pour l'apprentissage des langues détaille comment la planification fonctionne en pratique.
LingoBlend est construit autour de ce tandem. Collez un article italien, un chapitre ou une recette, réglez le pourcentage de mélange, et des mots en langue cible se tissent dans un texte que vous comprenez déjà — le diglot weave de Burling (1968), avec un moteur d'IA derrière. Touchez un mot mélangé et vous obtenez son sens, sa grammaire et sa forme de base, si bien qu'avrei detto remonte jusqu'à dire au lieu de rester orphelin dans vos notes. Les mots enregistrés entrent dans une file de répétition espacée SM-2 et alimentent cinq jeux de révision. Le guide d'apprentissage de l'italien est un bon point de départ.