💬 NLP

Evidence of Layered Positional and Directional Constraints in the Voynich Manuscript: Implications for Cipher-Like Structure

Cette étude révèle que le manuscrit de Voynich présente des contraintes structurelles complexes et dissociées (optimisation droite-à-gauche à l'intérieur des mots et dépendance gauche-à-droite aux frontières), ce qui suggère une structure de type chiffré que ni les générateurs paramétriques ni les grilles de Cardan testés ne parviennent à reproduire simultanément.

Auteurs originaux : Christophe Parisel

Publié 2026-04-23

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Christophe Parisel

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

📜 Le Mystère du Livre qui ne veut pas se laisser lire

Imaginez que vous tenez entre vos mains un livre vieux de 600 ans, écrit dans une langue que personne n'a jamais entendue, avec des dessins de plantes inconnues et des étoiles bizarres. C'est le Manuscrit de Voynich. Pendant des siècles, les meilleurs décrypteurs du monde ont essayé de le lire, mais c'est comme si le livre leur avait dit : « Non, je ne suis pas dans votre langue. »

Dans ce nouvel article, l'auteur, Christophe Parisel, ne cherche pas à lire le texte (ce qui reste impossible pour l'instant). Il cherche plutôt à comprendre comment le texte est construit, un peu comme un architecte qui étudierait les fondations d'une maison sans savoir à quoi elle sert.

Voici les découvertes principales, expliquées avec des images simples.

1. Le paradoxe des deux sens (L'analogie du tapis roulant)

Pour comprendre le texte, il faut regarder deux choses :

À l'intérieur des mots (les lettres qui composent un mot).
Entre les mots (comment un mot enchaîne sur le suivant).

La découverte étrange :

À l'intérieur des mots, le texte semble être écrit de droite à gauche (comme l'arabe ou l'hébreu). C'est comme si les lettres d'un mot s'organisaient mieux quand on les lit à l'envers.
Entre les mots, le texte suit le sens normal, de gauche à droite (comme le français ou l'anglais).

L'analogie : Imaginez un tapis roulant dans une usine.

Les pièces (les lettres) sont assemblées sur un tapis qui va de droite à gauche.
Mais une fois la pièce finie (le mot), elle est posée sur une autre bande qui va de gauche à droite pour être rangée.
Dans toutes les langues normales (français, anglais, hébreu), les deux tapis vont dans le même sens. Ici, ils vont en sens inverse ! C'est une anomalie unique.

2. La simulation : Est-ce un hasard ?

L'auteur s'est demandé : « Est-ce que ce mélange de sens est le résultat d'une règle secrète complexe, ou est-ce juste une conséquence mathématique de la façon dont les mots sont formés ? »

Il a créé un robot simple (une simulation informatique) qui ne fait que copier les mots du manuscrit et les mélanger aléatoirement, sans connaître aucune règle secrète.

Résultat : Le robot a reproduit exactement ce paradoxe (mots en sens inverse, phrases dans le bon sens) 10 fois sur 10.
Conclusion : Ce paradoxe n'est pas la preuve d'un code secret. C'est juste une conséquence naturelle de la structure des mots du manuscrit. C'est comme si on découvrait que les voitures ont quatre roues : ce n'est pas un secret, c'est juste une caractéristique de leur forme.

3. Les quatre "Empreintes Digitales" impossibles à imiter

Même si le paradoxe des sens est expliqué, le manuscrit possède d'autres caractéristiques très étranges que le robot n'a pas pu reproduire. L'auteur a défini quatre signatures (quatre règles strictes) que le texte respecte parfaitement :

La règle du "Fin-De-Mot vers Début-Du-Suivant" : Dans 80% des cas, un mot se termine par une lettre qui ne peut apparaître qu'à la fin, et le mot suivant commence par une lettre qui ne peut apparaître qu'au début. C'est comme si chaque mot était une pièce de puzzle qui ne s'emboîte que d'une seule façon précise.
L'extrémité bilatérale : Certaines lettres sont toutes au début, d'autres sont toutes à la fin. Dans les langues normales, c'est rare (sauf pour des lettres spécifiques comme le "q" en français). Ici, c'est une règle stricte pour beaucoup de lettres.
La loi de la puissance (Zipf) : La fréquence des lettres aux extrémités des mots suit une courbe mathématique très précise (comme la loi de Pareto : peu de choses sont très fréquentes, beaucoup sont rares). Les langues normales ont une courbe plus "plate".
La connexion secrète : Il y a un lien mathématique très fort entre la fin d'un mot et le début du suivant, bien plus fort que dans n'importe quelle langue connue.

4. Le test des faussaires (Les générateurs)

Pour voir si le manuscrit est un texte réel, du "charabia" (des mots sans sens) ou un code secret, l'auteur a fait construire deux types de "faussaires" (des générateurs informatiques) pour essayer de copier ces quatre règles.

Le Faussaire "Brique" (Générateur à emplacements) : Il construit des mots en collant des pièces "début" et des pièces "fin".
- Résultat : Il arrive à faire les règles 1 et 2, mais quand il essaie de respecter la règle 3 (la courbe mathématique), il casse la règle 4 (la connexion secrète). C'est comme essayer de faire un gâteau avec du sucre et du sel : on ne peut pas avoir les deux saveurs parfaites en même temps avec cette recette.
Le Faussaire "Grille" (Générateur à grille de Rugg) : Il utilise une grille percée de trous pour choisir les lettres (comme un jeu de cartes).
- Résultat : Il arrive à faire les règles 3 et 4, mais il échoue totalement sur la règle 1 (la connexion début-fin). C'est comme si la grille permettait de bien mélanger les couleurs, mais empêchait les formes de s'aligner.
Le Faussaire "Naïb" (Un code secret connu) : Un autre chercheur avait proposé un code basé sur des cartes. L'auteur l'a testé.
- Résultat : Il ne réussit qu'une seule règle sur quatre.

Le verdict : Aucun des faussaires n'a réussi à copier les quatre règles en même temps. Le manuscrit de Voynich réussit là où tous les autres échouent.

🎯 En résumé : Que signifie tout cela ?

Ce papier ne dit pas "Voici ce que dit le manuscrit". Il dit :

Ce n'est pas du hasard simple : Le texte a une structure mathématique trop complexe pour être un simple brouillon écrit au hasard.
Ce n'est pas une langue normale (du moins pas parmi celles testées) : Il ne ressemble pas à l'anglais, au français, à l'hébreu ou à l'arabe.
Ce n'est pas un code simple : Les méthodes de codage classiques (comme les grilles ou les substitutions simples) ne suffisent pas à expliquer la structure du texte.

L'image finale :
Imaginez que vous trouvez un objet étrange. Vous savez qu'il n'est pas fait de bois (ce n'est pas une langue naturelle), ni de plastique (ce n'est pas du charabia), ni de métal (ce n'est pas un code simple). Il semble être fait d'un matériau que nous ne connaissons pas encore.

Ce papier ne résout pas le mystère du sens du livre, mais il nous donne une règle d'or pour les futurs détectives : Si quelqu'un prétend avoir trouvé la solution, son explication doit pouvoir reproduire ces quatre règles mathématiques étranges en même temps. Jusqu'à présent, personne n'y est arrivé.

1. Problématique et Contexte

Le manuscrit de Voynich (VMS) reste l'un des textes indéchiffrés les plus étudiés de l'histoire. Les hypothèses principales le classent soit comme un charabia (gibberish), soit comme une langue naturelle/construite, soit comme un chiffrement d'une langue connue.
L'article aborde une question sous-explorée : la directionnalité du script. Bien que l'écriture soit visuellement de gauche à droite (LTR), des analyses antérieures suggéraient une optimisation de lecture de droite à gauche (RTL) au niveau des caractères. Cependant, une anomalie existait aux frontières des mots : les distributions de graphèmes aux extrémités des mots dans le VMS suivent une courbe de Zipf (loi de puissance), contrairement aux langues naturelles qui présentent des distributions en « plateau ». Cela rendait les métriques directionnelles classiques (basées sur l'entropie de Shannon ou l'indice de Gini) inapplicables pour comparer le VMS aux langues naturelles.

L'objectif de l'étude est de :

Caractériser la dissociation directionnelle observée (RTL interne vs LTR aux frontières).
Identifier des signatures structurelles positionnelles uniques au VMS.
Tester si ces signatures peuvent être reproduites par des générateurs structurés (modèles à slots ou grilles de Cardan).

2. Méthodologie

Données et Comparaison

L'étude utilise cinq corpus :

VMS : Transcription EVA (37 016 mots).
Langues de comparaison : Anglais et Français (LTR), Hébreu et Arabe (RTL).
Note importante : Les conclusions comparatives sont strictement limitées à ces quatre langues et ne prétendent pas généraliser à toutes les langues naturelles.

Analyses Directionnelles et Statistiques

Perplexité asymétrique : Mesure de l'optimisation RTL vs LTR au niveau du flux de caractères (∆ > 0 pour RTL, < 0 pour LTR).
Directionnalité aux frontières (Cross-boundary) : Calcul de l'entropie conditionnelle et de l'information mutuelle (MI) entre les derniers graphèmes d'un mot et les premiers du mot suivant, en comparant l'ordre original et inversé.
Décomposition de l'Information Mutuelle : Séparation de la MI totale en deux composantes :
- $MI_{class}$ : Information portée par les étiquettes de classe positionnelle (début/fin).
- $MI_{within}$ : Information résiduelle portée par les identités spécifiques des graphèmes au sein de leur classe.
Simulation Markovienne : Génération de corpus synthétiques à partir d'une chaîne de Markov de niveau mot (ordre 1 et 2) pour déterminer si la dissociation directionnelle est une simple conséquence des statistiques de surface (réutilisation des mots réels) ou si elle nécessite un mécanisme génératif complexe.

Tests de Modèles Génératifs

Deux classes de générateurs structurés ont été testées contre un critère conjoint de quatre signatures (Four-signature joint criterion) :

Générateur à Slots paramétrique : Construit des mots à partir de pools de préfixes et de suffixes avec des paramètres ajustables (taille de la zone de pont, sparsité de Markov, exposant de Zipf).
Générateur à Grille de Cardan (modèle de Rugg) : Implémente l'hypothèse du charabia structuré via des masques binaires appliqués à des tables de graphèmes.
Chiffre Naibbe : Testé spécifiquement comme hypothèse de chiffrement moderne.

Les modèles sont évalués sur la capacité à reproduire simultanément :

(Sig1) Un taux de transition Fin→Début (E→S) entre 70 % et 95 %.
(Sig2) Une extrémité positionnelle bilatérale (>50 % des runs).
(Sig3) Une information mutuelle aux frontières > 0,10 bits.
(Sig4) Une distribution aux frontières suivant une loi de Zipf ( $R^2 > 0,85$ ).

3. Résultats Clés

A. Dissociation Directionnelle et Simulation Markovienne

Observation : Le VMS présente une optimisation RTL au niveau des caractères internes aux mots, mais une optimisation LTR aux frontières des mots. Aucune des quatre langues de comparaison ne montre cette dissociation (elles sont cohérentes sur les deux niveaux).
Résultat de la simulation : Une chaîne de Markov de niveau mot (qui ne connaît pas les classes positionnelles ni les mécanismes de chiffrement) reproduit cette dissociation directionnelle dans 100 % des cas.
Conclusion : La dissociation directionnelle est une conséquence de surface des statistiques des mots VMS eux-mêmes et ne constitue pas une preuve d'un mécanisme génératif spécifique. L'analyse se concentre donc sur les propriétés qui ne sont pas reproductibles par simple rééchantillonnage.

B. Signatures Positionnelles Uniques du VMS

Le VMS présente quatre propriétés quantitatives distinctes des langues de comparaison :

Concentration aux frontières : Taux de transition Fin→Début de 80,6 % (contre 19,8 % à 35,5 % pour les langues de comparaison).
Extrémité Positionnelle Bilatérale : Des ratios extrêmes (>100:1) existent pour des graphèmes à la fois en début de mot (ex: q) et en fin de mot (ex: iin). Dans les langues de comparaison, ces ratios extrêmes sont concentrés d'un seul côté (souvent liés à des formes finales orthographiques comme en hébreu ou arabe).
Distributions de Zipf aux frontières : Les fréquences des graphèmes aux extrémités suivent une loi de puissance, contrairement aux distributions en plateau des langues naturelles.
Information Mutuelle Structurelle : Le VMS possède la MI totale la plus élevée (0,230 bits) et la plus grande rétention de MI après mélange de l'ordre des mots (21 %), indiquant une forte dépendance séquentielle structurelle indépendante de l'ordre des mots.

C. Échec des Modèles Génératifs

Aucun des générateurs testés n'a réussi à reproduire les quatre signatures simultanément :

Générateur à Slots : Il parvient à obtenir la concentration E→S et l'extrémité bilatérale, mais échoue à produire simultanément une distribution de Zipf et une MI élevée. Une forte concentration de fréquence (nécessaire pour Zipf) détruit la diversité des transitions séquentielles (nécessaire pour la MI).
Grille de Cardan : Les configurations « honnêtes » (sans pools pré-séparés) échouent sur E→S et Zipf. Les configurations « circulaires » (pools séparés) obtiennent Zipf et MI, mais échouent sur le taux E→S.
Chiffre Naibbe : Score de 1/4. Il échoue sur E→S, MI et la forme Zipf en raison de la dilution des tokens unigrammes et de l'indépendance statistique des tirages de cartes.

4. Contributions et Signification

Contributions Techniques

Méthodologie de dissociation : Démonstration que la directionnalité opposée (RTL interne / LTR externe) est un artefact de surface reproductible par des statistiques de mots, redirigeant l'attention vers les contraintes structurelles plus profondes.
Benchmarks Quantitatifs : Établissement de quatre signatures positionnelles (concentration, extrémité bilatérale, Zipf, MI structurelle) comme critères rigoureux pour évaluer tout futur modèle génératif ou cryptanalytique du VMS.
Preuve de Contrainte Structurelle : Démonstration que deux hypothèses majeures (composition par slots et grille de Cardan) échouent à reproduire le profil global du VMS, non pas par manque de paramètres, mais à cause de modes d'échec mécanistiquement distincts et complémentaires.

Implications pour la Décryptage

Le VMS n'est pas un simple charabia aléatoire, ni une langue naturelle standard (au moins parmi celles testées).
Le texte possède des contraintes de type chiffrement (cipher-like) qui sont difficiles à reproduire par des mécanismes simples basés uniquement sur la fréquence ou la position.
Tout modèle futur (qu'il soit linguistique, de charabia structuré ou de chiffrement) doit impérativement expliquer comment le système génère simultanément une forte concentration E→S, une distribution de Zipf aux frontières et une haute information mutuelle structurelle, trois propriétés qui s'annulent mutuellement dans les modèles testés.

En résumé, l'article ne déchiffre pas le manuscrit, mais définit avec précision les contraintes mathématiques que n'importe quelle solution valide doit satisfaire, éliminant ainsi plusieurs classes de générateurs simples et orientant la recherche vers des mécanismes génératifs plus complexes ou des hypothèses non encore testées.