Ouvrez la section vocabulaire de presque n'importe quelle appli de langues et vous verrez toujours la même chose : une liste. Des mots dans une colonne, des traductions dans une autre, parfois une barre de solidité. C'est une vue en tableur de quelque chose qui, dans votre tête, ne ressemble en rien à un tableur. Cet article couvre ce que dit réellement la recherche sur le stockage des mots, les deux conséquences pratiques qui comptent pour les apprenants, et comment nous avons commencé à bâtir LingoBlend autour de cette forme.
À quoi ressemble vraiment le lexique mental#
Le terme que les psycholinguistes emploient pour votre réserve de mots est le lexique mental, et son modèle classique est un réseau sémantique : les mots comme nœuds, les relations comme connexions, et l'activation qui se propage le long de ces connexions (Collins & Loftus, 1975). Quand vous entendez doctor, les mots nurse, hospital et medicine deviennent mesurablement plus rapides à reconnaître pendant la fraction de seconde qui suit — un effet appelé amorçage sémantique, l'un des résultats les plus reproduits du domaine.
Les connexions ne portent pas seulement sur le sens. Les études d'association de mots — on prononce un mot, on note le premier mot qui revient — montrent des liens stables et structurés, de plusieurs types :
| Type de connexion | Exemple (espagnol) | Ce qu'il reflète |
|---|---|---|
| Famille de mots | comer → comida, comedor | Racine et morphologie partagées |
| Synonyme / antonyme | feliz → contento, triste | Recoupement et contraste de sens |
| Thème / collocation | comer → cocina, almuerzo | Mots qui vivent dans les mêmes situations |
| Ressemblance formelle | pero ↔ perro | Mots proches à l'oreille ou à l'écrit |
La recherche sur les langues secondes ajoute le constat qui compte le plus pour les apprenants : la densité du réseau suit la compétence. Les travaux de Paul Meara sur les réseaux lexicaux en L2 soutiennent que la taille du vocabulaire, seule, est une mesure faible : les réserves de mots des débutants se comportent comme des collections lâches, tandis que celles des apprenants avancés ressemblent à des toiles proches du natif, les associations passant d'un ancrage sonore (« ça rime avec quoi ? ») vers un ancrage sémantique à mesure que la compétence progresse. Deux apprenants peuvent connaître les mêmes 2 000 mots, et celui dont les mots sont connectés lit plus vite, se souvient plus vite et devine mieux les mots nouveaux.
Première conséquence : un mot nouveau a besoin de quelque chose où s'accrocher#
Un mot nouveau qui se relie à ce que vous savez déjà a un endroit où se loger. C'est la version « vocabulaire » du principe de l'input compréhensible : l'apprentissage se produit à la lisière de ce que vous savez, pas dans le vide. Si vous connaissez déjà comer (manger), alors comida (nourriture) n'est presque plus un mot nouveau du tout : il hérite de la racine, du thème et de la moitié de ses contextes d'un nœud que vous possédez déjà. L'apprendre coûte une fraction de ce que coûte un mot sans lien.
Cette lisière — l'ensemble des mots à une connexion de votre vocabulaire connu — est votre frontière personnelle, et c'est là que l'apprentissage est le moins coûteux. Les listes de fréquence l'ignorent entièrement : elles tendent à chaque apprenant le même mot suivant, sans égard pour ce qu'il sait déjà. Un modèle en réseau peut, lui, classer votre frontière spécifiquement pour vous. (Ce n'est pas une idée neuve pour les logiciels d'apprentissage en général — les plateformes de mathématiques utilisent depuis des années des graphes de prérequis pour choisir « la suite » — mais c'est rare dans les applis de langues.)
Seconde conséquence : des mots proches se font concurrence#
La seconde prédiction est moins intuitive et mieux étayée : étudier des mots proches ensemble les rend plus durs à apprendre. Une lignée de recherches qui remonte à plusieurs décennies (Tinkham, 1993 ; Waring, 1997) a montré qu'apprendre des ensembles regroupés par sens — toutes les couleurs d'un coup, tous les fruits d'un coup — est mesurablement plus lent qu'apprendre les mêmes mots en ensembles mélangés, parce que les éléments proches interfèrent entre eux. Tout apprenant qui a définitivement croisé les fils entre Tuesday et Thursday, ou entre pero et perro en espagnol, connaît la sensation. Les recommandations de Paul Nation sur l'enseignement du vocabulaire le disent sans détour : présenter les éléments liés ou confondables à des moments différents.
La conséquence pratique : une appli devrait savoir lesquels de vos mots sont confondables — et s'en servir pour les tenir à distance tant qu'ils sont nouveaux, puis les contraster délibérément une fois que vous continuez à les confondre. Les sessions de révision de LingoBlend font désormais les deux, à partir des mêmes paires de confusion décrites plus loin ; voyez comment Paires piégeuses tient pero et perro à distance.
Ce que cela signifie pour la façon dont une appli devrait vous modéliser#
Mettez les deux conséquences bout à bout et les exigences en découlent naturellement :
| Modèle en liste plate | Modèle en réseau |
|---|---|
| Sait quels mots vous avez enregistrés | Sait quels mots vous avez enregistrés et comment ils se relient |
| Mot suivant = ligne suivante d'une liste de fréquence | Mot suivant = votre frontière, classée |
| Aveugle aux mots confondables | Peut séparer pero/perro dans le temps, puis les contraster |
| despierta et despertar sont deux lignes sans lien | Les deux appartiennent à la même famille de mots, et connaître l'un profite aussi à l'autre |
| La taille du vocabulaire comme seule mesure | La taille et la connectivité |
Cette dernière ligne mérite une remarque, car c'est là que les applis à modèle en liste laissent fuir votre progrès sans bruit. Les apprenants rencontrent les mots sous des formes fléchies — despierta, et non la forme du dictionnaire despertar — et un modèle en liste stocke la forme que vous avez enregistrée comme sa propre ligne isolée. Un modèle en réseau ramène les formes à leur famille, si bien que la connaissance s'accumule à un seul endroit.
Comment LingoBlend met cela en pratique#
Nous avons désormais construit un graphe de vocabulaire pour chacune de nos 17 langues : environ 3 000 des mots les plus utiles par langue — sélectionnés d'après leur fréquence d'usage réelle, pas l'ordre d'un manuel —, reliés par familles de mots, synonymes, antonymes, mots confondables, thèmes et proximité sémantique, et reconnus sous leurs formes fléchies comme sous leur forme de dictionnaire (despierta → despertar, et des irréguliers qu'aucune règle d'orthographe ne pourrait attraper, comme l'italien va → andare).
Votre part du graphe vient de ce que LingoBlend suit déjà : chaque mot que vous enregistrez, et la façon dont se déroulent vos révisions dans les jeux de répétition espacée. Cet historique de révisions dit à l'appli à quel point vous connaissez réellement chaque mot, et superpose votre savoir à la carte de la langue — sur votre appareil, sans coût, hors ligne.
Aujourd'hui, cela tourne en coulisses, et avec la dernière version de l'application, la liste des fonctionnalités construites dessus a largement dépassé la première : des mélanges qui arrêtent de dépenser des créneaux de traduction sur des mots que vous maîtrisez déjà, des recommandations fondées sur la frontière, et la navigation par famille de mots dans votre dictionnaire, ainsi que des sessions de révision sensibles aux interférences qui tiennent les paires confondables à distance. Si vous voulez la visite technique plus poussée de ce que contient le graphe, nous en avons écrit une : dans les coulisses du graphe de vocabulaire de LingoBlend.
À lire aussi : comment construire son vocabulaire par la lecture pour la recherche sur la couverture et les rencontres répétées, la science de la lecture bilingue pour comprendre pourquoi un texte en deux langues retient l'attention, et mesurez la taille de votre vocabulaire pour ce que cette taille révèle ou pas. Ou consultez l'ensemble des fondements scientifiques sur notre page science.