Comment un correcteur automatique repère une faute, et pourquoi il en rate

Vous relisez un texte, le correcteur ne signale rien, et pourtant une faute vous saute aux yeux trois jours plus tard. L'inverse arrive aussi : un mot parfaitement correct est souligné de rouge parce que le logiciel ne le connaît pas. Ces deux situations ne sont pas des bugs, ce sont les conséquences directes de la façon dont un correcteur travaille.

Comprendre ce mécanisme change la manière de relire. On cesse d'attendre du logiciel qu'il fasse tout, et on sait où porter son attention.

Première approche : le mot existe-t-il ?

La méthode la plus ancienne, et toujours la plus répandue, repose sur un dictionnaire. Le correcteur découpe le texte en mots, puis vérifie chacun d'eux dans une liste de formes valides. Cette liste ne contient pas seulement les entrées d'un dictionnaire papier : elle contient toutes les formes fléchies, c'est-à-dire les pluriels, les féminins, et l'ensemble des personnes de chaque verbe conjugué. « Chevaux », « heureuse », « viendrions » y figurent au même titre que « cheval », « heureux » et « venir ».

Si le mot n'est pas dans la liste, il est signalé. Le logiciel propose alors des corrections en cherchant les formes connues qui ressemblent le plus à ce qui a été tapé : une lettre en trop, une lettre manquante, deux lettres inversées. C'est ainsi qu'un « recevior » devient « recevoir » et qu'un « acceuil » devient « accueil ».

Par-dessus ce dictionnaire viennent des règles écrites par des linguistes. Elles décrivent la grammaire sous forme de conditions : un déterminant pluriel appelle un nom pluriel, un adjectif s'accorde avec le nom qu'il qualifie, un verbe s'accorde avec son sujet. Sur « les maison bleu », les règles se déclenchent deux fois et proposent « les maisons bleues ». Ce sont aussi ces règles qui repèrent les doubles espaces, les majuscules manquantes après un point, ou l'absence d'espace avant un point d'interrogation en typographie française.

Cette approche a une qualité qu'on sous-estime : elle est explicable. Quand elle signale quelque chose, elle peut dire quelle règle s'applique. Elle a en revanche une limite structurelle, et c'est la plus importante de tout ce texte : elle ne voit pas le sens. Un mot correctement orthographié, placé dans une phrase où il n'a rien à faire, passe sans encombre.

Seconde approche : ce mot est-il plausible ici ?

L'autre famille de correcteurs ne se demande pas si le mot existe, mais s'il est vraisemblable à cet endroit de la phrase. Ces outils ont été entraînés sur d'énormes quantités de texte, et en ont tiré une forme de statistique du français : après tel groupe de mots, telle suite est fréquente, telle autre presque jamais observée.

Le gain est net sur les cas que le dictionnaire ne peut pas trancher. Dans « je pense qu'il a tord », le mot « tord » existe bel et bien : c'est le verbe tordre à la troisième personne. Une vérification par dictionnaire le laisse passer. Une analyse contextuelle, elle, constate qu'un verbe conjugué à cet endroit est improbable et suggère « tort ».

Cette approche gère aussi mieux les phrases un peu bancales, les répétitions, les tournures lourdes. Elle repère qu'une préposition manque, qu'un mot semble avoir été oublié, qu'un temps verbal détonne par rapport au reste du paragraphe.

Son défaut est symétrique de sa qualité. Elle raisonne en fréquence, pas en certitude. Une tournure rare mais correcte lui paraît suspecte, et une tournure fréquente mais fautive dans ce contexte précis peut lui sembler acceptable. Elle ne sait pas non plus toujours expliquer sa suggestion autrement que par « cela sonne mieux ». Dans les faits, la plupart des correcteurs actuels combinent les deux méthodes : le dictionnaire et les règles pour ce qui est vérifiable, l'analyse contextuelle pour ce qui demande du jugement.

Les fautes qui passent le filtre

Certaines erreurs résistent aux deux approches, et il est utile de savoir lesquelles pour les traquer soi-même.

L'homophone bien orthographié. C'est le cas d'école. « Il a rangé ses affaires » et « il a rangé ces affaires » sont tous deux des phrases françaises impeccables : seule l'intention distingue le possessif du démonstratif. Idem pour « a » et « à », « ou » et « où », « son » et « sont », « la » et « là », « quel qu'il soit » et « quelle qu'elle soit ». Le correcteur contextuel en attrape une partie, mais uniquement quand un des deux sens est nettement plus probable. Quand les deux tiennent debout, il n'a aucun moyen de savoir ce que vous vouliez dire.

L'accord qui dépend du sens. Le participe passé employé avec l'auxiliaire avoir s'accorde avec le complément d'objet direct lorsque celui-ci est placé avant le verbe. « Les lettres que j'ai écrites » prend un accord, « j'ai écrit des lettres » n'en prend pas. Un correcteur repère souvent ce type de configuration, mais il se trompe dès que la phrase se complique. Même chose avec les verbes pronominaux : « elle s'est lavée » et « elle s'est lavé les mains » sont tous les deux corrects, et la différence tient uniquement à la place du complément.

Le sujet éloigné du verbe. Dans « la liste des documents transmis par les différents services de la direction a été validée », le sujet est « la liste », donc le verbe reste au singulier. Beaucoup de rédacteurs écrivent « ont été validés » par contamination du pluriel le plus proche. Plus la distance entre le sujet et le verbe augmente, plus la faute devient probable, et plus l'analyse automatique perd en fiabilité.

Le mot juste mais impropre. Là, l'orthographe est parfaite et la grammaire aussi : c'est le choix du mot qui cloche. On confond « conjecture » (une hypothèse) et « conjoncture » (une situation), « censé » (supposé faire quelque chose) et « sensé » (qui a du bon sens), « voir » et « voire » (qui signifie « et même »). Un logiciel qui vérifie des formes ne voit rien à redire à une forme existante.

La faute de sens pure. Aucune des deux approches ne détecte qu'une date est fausse, qu'un prénom a été interverti, qu'une phrase affirme le contraire de ce que vous pensiez. Un texte peut être irréprochable sur le plan linguistique et dire n'importe quoi. C'est la part de relecture qu'aucun outil ne prend en charge.

Les alertes injustifiées, l'autre moitié du problème

Le faux positif use davantage que la faute ratée, parce qu'il se répète. Quatre familles reviennent constamment.

• Les noms propres : patronymes, noms de villes, raisons sociales, marques. Le correcteur ne peut pas contenir tous les noms du monde, et ceux qu'il ne connaît pas ressemblent, pour lui, à des mots mal tapés.
• Le vocabulaire de métier : termes médicaux, juridiques, techniques, sigles internes à une entreprise. Un texte spécialisé peut se retrouver constellé de soulignements.
• Les tournures littéraires : inversion du sujet, ellipse, phrase nominale, subjonctif imparfait. Correctes, mais rares, donc jugées douteuses par une analyse fondée sur la fréquence.
• Les citations et les extraits reproduits : orthographe ancienne, coquille présente dans l'original, texte en langue étrangère au milieu d'un paragraphe français. Ce qu'il ne faut surtout pas corriger est justement ce qui est le plus signalé.

Le remède existe et coûte peu : la plupart des correcteurs permettent d'ajouter un mot au dictionnaire personnel. Nourrir cette liste au fil des textes, avec les noms de vos clients et le jargon de votre secteur, fait tomber le bruit assez vite.

Ce que ça change pour la relecture

Il y a une asymétrie à garder en tête. Quand un correcteur signale quelque chose, il a souvent raison, mais pas toujours, et c'est à vous d'arbitrer. Quand il ne signale rien, cela ne prouve rien du tout : le silence du logiciel n'est pas un certificat.

La relecture humaine reste donc utile, mais elle peut se concentrer. Inutile de chasser les lettres inversées, la machine s'en charge très bien. Mieux vaut consacrer son attention aux homophones dans les phrases où les deux sens tiennent, aux accords de participes passés, aux phrases longues où le sujet s'est perdu en route, et à tout ce qui relève du fait vérifiable : chiffres, dates, noms. Et pour les textes qui comptent vraiment, la lecture à voix haute reste le meilleur détecteur de phrases qui ne tombent pas juste.