Pourquoi le nombre de mots diffère entre Microsoft Word et les compteurs en ligne

1. Diagnostic direct : Pourquoi le nombre de mots varie-t-il ?

Lorsque vous collez un même texte dans Microsoft Word, Google Docs et un outil en ligne, vous constatez souvent des totaux de mots différents. Il ne s'agit pas d'un dysfonctionnement, mais du résultat direct des algorithmes de tokenisation et des règles de découpage propres à chaque logiciel.

Les écarts s'expliquent par cinq facteurs techniques majeurs :

• Mots composés avec tiret : state-of-the-art ou porte-monnaie compte-t-il pour un ou plusieurs mots ?
• Apostrophes : Les formes comme aujourd'hui ou l'arbre sont-elles traitées comme un ou deux mots ?
• Tirets et tirets cadratins : Différence entre tiret court (-) et tiret cadratin (— / –).
• Emojis et encodage UTF-16 : Un emoji représente-t-il 1 caractère ou 2 unités de code UTF-16 ?
• Langues sans espaces (CJK) : Détection des limites de mots en chinois et japonais en l'absence d'espaces.

2. Quatre métriques indispensables : Mots, Caractères avec/sans espaces et Paragraphes

Pour comparer efficacement, distinguez ces quatre indicateurs :

3. Moteur du compteur GoToolstack : Analyse du code source

L'outil de GoToolstack fonctionne côté client selon l'expression régulière JavaScript suivante :

const rawWords = v.match(/[\p{L}\p{N}]+(?:['’\-][\p{L}\p{N}]+)*/gu) || [];
const words = rawWords.length;
const chars = v.length;
const charsns = v.replace(/\s/g, '').length;
const sentences = (v.match(/[.!?]+(\s|$)/g) || []).length;
const paras = v.trim() === '' ? 0 : v.split(/\n+/).filter(p => p.trim().length > 0).length;

Comportement concret de ce moteur :

• Mots à tiret : Grâce au groupe (?:['’\-][\p{L}\p{N}]+)*, state-of-the-art et rendez-vous comptent pour 1 mot.
• Apostrophes : Les apostrophes droites (') ou courbes (’) sont préservées au sein du mot (ex. l'équipe = 1 mot).
• Tirets cadratins : Le tiret long (—) n'étant pas inclus dans le groupe, mot1—mot2 est comptabilisé comme 2 mots distincts.
• Emojis et UTF-16 : v.length calcule les paires de substitution UTF-16. Un emoji 🚀 équivaut à 2 unités et un emoji de famille à 11 unités.

4. Microsoft Word vs Outils en ligne : Les règles officielles Word

Dans Microsoft Word (selon la documentation officielle de Microsoft Word) :

• Word considère par défaut les mots reliés par un trait d'union comme 1 mot.
• Le décompte des notes de bas de page et zones de texte dépend de l'option Inclure les zones de texte, les notes de bas de page et les notes de fin dans la boîte de dialogue Statistiques.
• Les termes séparés par une barre oblique (oui/non) peuvent être scindés ou non selon le dictionnaire grammatical actif.

5. Temps de lecture et de parole : Hypothèses de vitesse

Les durées affichées constituent des estimations statistiques et non des données absolues :

• Lecture silencieuse : GoToolstack retient 200 mots par minute (MPM) (Math.round(words / 200)). Les méta-analyses (Brysbaert, 2019) indiquent 238 MPM en moyenne pour les textes généraux et 150 à 180 MPM pour les écrits techniques.
• Élocution / Prise de parole : Le barème s'établit à 130 mots par minute (Math.round(words / 130)), conforme aux normes professionnelles d'exposé oral.

6. Langues sans espaces : Spécificités du chinois et du japonais

En chinois et en japonais, les phrases ne comportent pas d'espaces entre les mots (ex. 我喜欢编写软件 ou 日本語の文字数を数える).

7. Outils de texte GoToolstack

Traitez et analysez vos textes en local dans votre navigateur sans transfert de données :

• Compteur de mots : Décompte en direct des mots, caractères, phrases et temps de lecture.
• Convertisseur de casse : Basculez en MAJUSCULES, minuscules ou format Titre.
• Catégorie Outils Texte : Ensemble complet d'utilitaires pour chaînes de caractères.

Références techniques et normes officielles

• Microsoft Support: Afficher le nombre de mots dans Microsoft Word (Bureau, Web, Mac et options de notes de bas de page).
• Brysbaert, M. (2019): Combien de mots lisons-nous par minute ? Revue et méta-analyse de la vitesse de lecture (Journal of Memory and Language).
• Unicode Standard Annex #29: Segmentation de texte Unicode (Limites de mots, grappes de graphèmes et de phrases).