Yorùbá in Unicode: An Overview of a Problem

La langue est bien plus qu'un simple ensemble de sons ; pour des millions de personnes, c'est un système où la hauteur de la voix change entièrement le sens d'un mot. En yoruba, une langue parlée par plus de 40 millions de personnes à travers l'Afrique de l'Ouest et la diaspora, la différence entre une note haute et une note basse peut transformer un mot signifiant « main » en un mot signifiant « balai » ou « respect ». Cette dépendance à la hauteur tonale, appelée ton, n'est pas une fioriture poétique mais une nécessité grammaticale. Sans les marques de ton correctes, une phrase simple peut devenir un puzzle déroutant avec des dizaines de significations possibles, laissant les lecteurs deviner si un père s'est déplacé à l'intérieur d'une grande ferme ou d'une grande voiture. Pour résoudre cela, les écrivains utilisent un système de diacritiques — de petits signes placés au-dessus ou en dessous des lettres — pour indiquer ces changements de hauteur.

Cependant, le monde numérique n'a pas été conçu en tenant compte de ces marques complexes. Lorsque les ordinateurs sont arrivés, ils ont été conçus pour gérer les lettres standards de l'alphabet anglais, et non les symboles superposés requis pour les langues tonales. Cela a créé un problème persistant : si la technologie pouvait techniquement afficher les marques, elle ne pouvait pas toujours les placer au bon endroit ou les compter correctement. Une lettre avec une marque de ton pouvait paraître correcte sur un écran, mais se transformer en un carré vide ou un symbole mal placé sur un autre. Cet article de Kọ́lá Túbọ̀sún enquête sur les raisons de ce phénomène, retraçant le problème depuis l'histoire de l'écriture en yoruba jusqu'aux règles rigides qui régissent la manière dont les ordinateurs stockent le texte aujourd'hui. L'auteur soutient que le système actuel est fondamentalement défaillant pour les langues tonales et propose un changement structurel spécifique pour le réparer.

L'histoire de l'écriture du yoruba a commencé bien avant l'ère informatique. À l'origine langue orale, elle a d'abord été transcrite par des missionnaires et des commerçants au XIXe siècle en utilisant l'alphabet latin. Les premiers écrivains ont lutté pour adapter les lettres anglaises à une langue où la hauteur importe. Certains ont essayé d'utiliser des lettres supplémentaires, comme ajouter un « h » ou un « r » pour montrer un ton, tandis que d'autres utilisaient des points ou des lignes au-dessus des voyelles. Avec le temps, un système standard est apparu, utilisant des points sous certaines voyelles et des marques au-dessus d'elles pour montrer la hauteur. Vers le milieu du XXe siècle, ce système était bien établi, permettant aux écrivains de distinguer des mots qui se ressemblaient mais sonnaient différemment. Mais lorsque l'ère numérique est arrivée, ce système soigneusement élaboré s'est heurté à un mur.

Le cœur du problème réside dans la manière dont les ordinateurs stockent le texte. Pour permettre au texte de circuler facilement entre différents appareils et programmes, une organisation mondiale appelée le Consortium Unicode a créé une liste standard de caractères. Dans ce système, une lettre avec une marque unique, comme un « o » avec un accent, est souvent stockée comme une unité pré-faite. Cela fonctionne bien pour de nombreuses langues. Cependant, pour le yoruba, le système nécessite d'empiler deux marques différentes sur une seule lettre : un point en dessous pour indiquer le type de voyelle, et une marque au-dessus pour indiquer la hauteur. Le standard numérique actuel ne possède pas de code unique et pré-fait pour ces combinaisons superposées. Au lieu de cela, il force l'ordinateur à les construire en assemblant deux pièces distinctes : la lettre de base avec le point, puis la marque de ton par-dessus.

C'est dans cette méthode de construction de caractères pièce par pièce que les ennuis commencent. Bien que cela puisse fonctionner sur un ordinateur, les pièces peuvent se séparer ou se déplacer lorsqu'on déplace le texte vers une autre plateforme, une autre police ou un autre pays. Un écrivain peut taper un nom parfaitement, pour voir la marque de ton sauter sur la mauvaise lettre ou disparaître entièrement lorsque le document est sauvegardé ou imprimé. L'auteur documente cet échec à travers des décennies d'édition, montrant des couvertures de livres où les marques de ton ont été dessinées à la main après l'impression parce que les machines de composition ne pouvaient pas les gérer. Dans les bibliothèques numériques, les catalogues remplacent parfois les symboles corrects par de mauvais symboles car les bons sont absents, rendant impossible pour les chercheurs de trouver des livres par leurs titres réels. Même les plateformes de réseaux sociaux, qui comptent chaque caractère, traitent ces marques superposées comme des caractères multiples et distincts, limitant injustement la quantité de texte yoruba qu'une personne peut écrire dans une publication.

L'article conteste l'explication officielle concernant l'impossibilité de corriger ces caractères. Le Consortium Unicode soutient que son système est stable et que l'ajout de nouvelles combinaisons pré-faites briserait la cohérence du texte stocké dans les anciens systèmes. Ils affirment que la méthode actuelle de combinaison de pièces est suffisante et que les problèmes proviennent de mauvaises polices ou de logiciels obsolètes. L'auteur conteste cela, soulignant que les échecs surviennent même lorsque le texte est correctement encodé et transféré entre des systèmes modernes de haute qualité. Le problème n'est pas seulement l'apparence du texte, mais son comportement : il échoue lors des recherches, il est mal compté et il se corrompt lors des transferts. L'auteur note que si le système a fait de la place pour des milliers de nouveaux emojis ces dernières années, il a refusé de mettre à jour ses règles pour les besoins essentiels des langues africaines tonales.

Pour résoudre cela, l'article propose une intervention directe et spécifique : la création de quatre nouveaux caractères pré-faits dans le standard numérique. Il s'agirait d'unités uniques pour les voyelles ouvertes « o » et « e » possédant à la fois un point en dessous et une marque de hauteur au-dessus. Cela permettrait au texte de voyager comme une unité unique et incassable, garantissant qu'un mot pour « main » reste un mot pour « main », peu importe où il est lu. L'auteur reconnaît que les outils actuels, comme les claviers spécialisés et les logiciels qui ajoutent automatiquement les marques de ton, ont facilité l'écriture, mais qu'ils ne sont que des correctifs temporaires. Ils ne résolvent pas la faille structurelle sous-jacente qui provoque la rupture du texte lorsqu'il est déplacé.

La conclusion est que le problème ne provient pas d'un manque d'effort des écrivains ou d'un échec d'un logiciel individuel, mais d'une lacune dans les règles mondiales qui régissent la communication numérique. L'auteur soutient que le Consortium Unicode a la capacité technique de résoudre ce problème et que le faire est nécessaire pour la survie et l'usage approprié de la langue dans le monde moderne. En créant ces quatre caractères spécifiques, le monde numérique pourrait enfin soutenir le yoruba de la même manière qu'il soutient les langues qui ne nécessitent pas de marques superposées. Cela aiderait non seulement les millions de locuteurs yoruba, mais établirait également un précédent pour d'autres langues tonales confrontées aux mêmes barrières numériques. L'article sert à la fois de témoignage de cette lutte et de feuille de route claire pour une solution qui attend depuis des décennies.