L’intérêt des voyages en avion, c’est que ça offre beaucoup de temps pour lire… Et comme j’avais fini mon polar arrivé à Paris, je me suis rabattu sur la version papier de Rue89. Et un article m’a beaucoup plus, où l’on apprenait que les hommes ne pouvaient pas lire Marc Levy… Ne l’ayant jamais lu moi même je ne suis pas apte pour juger, mais une raison évoquée était qu’il utilisait trop peu de mots… En particulier, l’article reprenait une déclaration de François Busnel qui affirmait (ici) “Ces livres sont cousus de fil blanc et écrits avec 150 mots. C’est comme la série Les Feux de l’amour.”
Ah, voilà une affirmation qui m’intéresse en tant que statisticien… combien les écrivains utilisent de mots dans leurs romans…?
Si on regarde Le Voleur d’Ombre, il contient environ 64 000 mots, en tout. Parmi ces mots, on en compte 6 830 uniques (en sachant qu’ici abandonnèrent,abandonne et abandonnait, par exemple, sont considérés comme différents). Le code R est d’ailleurs assez simple,
> livre=scan("Levy-Marc-Le voleur d'ombres.txt", + what=character()) > minlivre=tolower(livre) > TABLE=rev(sort(table(minlivre))) > length(TABLE) [1] 6827 > length(livre) [1] 64122 > D1=data.frame(mot=names(x),N=as.numeric(x), + Freq=as.numeric(x)/sum(x)*100)
(je tiens à préciser que j’ai remplacé les virgules, les points, les apostrophes, etc par des espaces, dans le texte de base afin de récupérer dans le fichier simplement des mots, sans symboles – et j’ai transformé les mots pour n’avoir que des minuscules).
Histoire de comparer avec d’autres auteurs, j’ai pris un auteur plus ancien (pour éviter les soucis de droits d’auteurs, car les textes se trouvent en ligne), à savoir Théophile Gautier, et plus particulièrement son Capitaine Fracasse (oui, on reste dans les pavés). En tout, 127 177 mots, dont 15 595 uniques. Si on compare les courbes de Lorentz, on obtient le graphique suivant,
Les 20 mots les plus fréquents sont (en nombre et surtout en fréquence) respectivement
cbind(D1[1:20,],D2[1:20,]) mot N Freq mot N Freq 1 de 2310 3.6025077 de 6284 4.9411450 2 la 1591 2.4812077 et 3862 3.0367126 3 je 1534 2.3923147 la 3720 2.9250572 4 à 1270 1.9805995 le 3235 2.5436989 5 le 1165 1.8168491 à 2429 1.9099365 6 et 1121 1.7482299 les 2214 1.7408808 7 que 1096 1.7092418 d 2192 1.7235821 8 j 889 1.3864196 un 2075 1.6315843 9 l 873 1.3614672 l 2055 1.6158582 10 un 857 1.3365148 une 1678 1.3194210 11 en 780 1.2164312 en 1497 1.1770996 12 me 736 1.1478120 il 1494 1.1747407 13 pas 701 1.0932285 des 1455 1.1440748 14 les 665 1.0370856 se 1178 0.9262681 15 il 654 1.0199308 que 1085 0.8531417 16 elle 653 1.0183712 du 1072 0.8429197 17 tu 596 0.9294782 qui 1064 0.8366293 18 ai 588 0.9170020 son 971 0.7635028 19 dans 549 0.8561804 s 922 0.7249739 20 d 542 0.8452637 qu 915 0.7194697
On retrouve malgré tout que Marc Levy utilise une autre manière d’écrire, qu’il utilise beaucoup le je ou le moi (par rapport à Théophile Gautier). Mais critiquer car il utilise peu de mots me semble un peu léger…. il semble en utiliser autant que des vrais grands écrivains….