Le catalogue d’émojis est petit. Trois mille neuf cent cinquante-trois fiches, c’est moins que l’assortiment d’une boutique en ligne moyenne et sans commune mesure avec ce qu’indexe un moteur de recherche. Trouver la bonne chose dans une boîte de cette taille devrait tenir en une ligne de code.
En pratique, la recherche d’émojis casse précisément là où la recherche de texte ordinaire ne cille pas. La raison n’est pas le volume. C’est qu’un caractère n’a presque pas de texte à lui, alors qu’il a neuf langues, deux mille sosies et un utilisateur qui ne cherche pas par le nom.
Un caractère ne porte pas de texte
La recherche ordinaire vit de ce que les documents se décrivent eux-mêmes : un article a un titre, des paragraphes, des légendes. Un émoji n’a rien qu’un nom de deux ou trois mots et une liste de mots-clés saisie à la main.
Tout le « texte » d’une fiche tient en quelques dizaines de mots répartis sur neuf langues. Notre index fait exactement cette taille : 35 577 lignes, une par couple caractère et langue. C’est tout ce dont la recherche dispose.
D’où la première conséquence : la qualité de la recherche d’émojis, c’est la qualité du dictionnaire, pas celle de l’algorithme. Aucun classement astucieux ne sauve une fiche dépourvue du moindre mot-clé dans la langue interrogée.
Un mot traîne des centaines de réponses
Les mots auxquels on pense d’abord sont mal répartis : les plus naturels collent à des centaines de fiches à la fois. Voici combien de fiches connaissent tel mot.
| Mot français | Fiches | Mot anglais | Fiches |
|---|---|---|---|
| main | 287 | hand | 423 |
| drapeau | 267 | flag | 274 |
| amour | 257 | love | 250 |
| cœur | 142 | heart | 254 |
| visage | 127 | face | 182 |
| sourire | 23 | smile | 24 |
| rouge | 13 | red | 21 |
| chat | 11 | cat | 14 |
| étoile | 10 | star | 28 |
Deux cent quatre-vingt-sept réponses à « main », ce n’est pas un résultat de recherche, c’est une table des matières. Et la correspondance est exacte : le mot figure réellement dans les clés de chacune de ces fiches, aucune n’est à jeter. La tâche n’est pas de trouver les bonnes, c’est d’en placer une demi-douzaine en tête.
Regardez aussi l’écart entre les colonnes. « Étoile » est connu de 10 fiches, « star » de 28. Même catalogue, même question quant au sens, et un vivier de candidats presque trois fois différent.
Neuf langues, neuf catalogues différents
Les dictionnaires viennent de sources communes, mais leur densité est très inégale. Voici le nombre de mots-clés que porte chaque langue.
| Langue | Mots au total | Uniques | Moyenne par fiche | Fiches sans aucun |
|---|---|---|---|---|
| Anglais | 30 269 | 3386 | 7,7 | 11 |
| Polonais | 27 223 | 4203 | 6,9 | 5 |
| Français | 26 117 | 3871 | 6,6 | 8 |
| Ukrainien | 26 017 | 4344 | 6,6 | 12 |
| Russe | 25 461 | 4378 | 6,4 | 0 |
| Portugais | 24 555 | 3951 | 6,2 | 5 |
| Allemand | 24 549 | 3891 | 6,2 | 5 |
| Danois | 22 356 | 3345 | 6,1 | 269 |
| Espagnol | 17 541 | 2695 | 4,5 | 18 |
Une fiche espagnole est décrite en moyenne par quatre mots et demi, une fiche anglaise par près de huit ; le français se tient à 6,6. La même question, dans deux langues, se heurte donc à des quantités de description différentes, et « on cherche moins bien en espagnol » n’est pas une impression mais une conséquence du tableau.
La ligne danoise est un trou de notre fait, et le cacher n’avancerait à rien : 269 fiches sans le moindre mot-clé. On ne les atteint que par le nom ou par le catalogue. C’est la première chose à réparer dans le dictionnaire — et à réparer à la main, car des clés traduites machinalement ramènent des mots que personne n’emploie dans la langue.
Deux mille fiches presque identiques
Le deuxième ennui, ce sont les sosies. Sur 3953 fiches, 1744 seulement tiennent debout toutes seules. Les 2209 restantes sont des variantes de la même chose : autre teinte de peau, autre genre, autre combinaison de deux teintes dans un couple.
Pour la recherche, cela veut dire que la réponse honnête à « main levée », ce sont six lignes visuellement identiques à la suite. On demandait un caractère, on reçoit une liste de nuances. Les variantes doivent donc être repliées sur une seule fiche, le choix de la teinte se faisant à l’intérieur.
La moitié d’une bonne recherche d’émojis consiste à savoir ce qu’il ne faut pas montrer.
On cherche l’occasion, pas le nom
Le plus désagréable : une requête ne tombe presque jamais sur le nom. Le nom dit « visage riant aux larmes », la question dit « drôle ». Le nom dit « main levée », la question dit « bonjour ». Aucune analyse morphologique ne comble cet écart : ce ne sont pas des formes d’un même mot, ce sont d’autres mots.
Nous traitons cela par une couche à part : des pages bâties autour de la requête elle-même. Il y en a aujourd’hui 10 595, reliées aux caractères 198 682 fois. En moyenne une telle page rassemble 18,8 caractères ; la plus fournie en compte 48.
- Le dictionnaire de requêtes s’écrit depuis l’occasion et non depuis le nom : « pour un anniversaire », « pour un CV », « quand on est fatigué ».
- La sélection se prépare à l’avance et se vérifie à l’œil, au lieu de sortir à la volée d’une comparaison de chaînes.
- Le nombre de réponses est plafonné : si cent caractères conviennent à la question, en montrer cent n’aide personne.
La densité varie ici aussi selon la langue : 1503 pages de requête en français contre 660 en espagnol. Exactement le même déséquilibre que dans le dictionnaire de clés — et les deux se redressent de la même façon, à la main.
Formes, diminutifs et fautes de frappe
L’anglais s’en tire à bon compte : « heart » et « hearts » épuisent presque tout. En français s’ajoutent déjà le pluriel, le féminin et les diminutifs qu’aucun dictionnaire ne contient — « petit cœur », « minou », « fleurette ». Formellement ce sont d’autres mots, et la correspondance exacte de clés ne les attrape jamais.
D’où une règle à garder en tête quand on bâtit un dictionnaire : les clés s’écrivent à la forme de base, et ramener la requête à cette forme est l’affaire de l’index. Les pages de requête conservent pour cela une écriture normalisée à part : c’est par elle qu’on les trouve, la formulation d’origine restant pour le titre.
Le problème n’est pas réglé pour autant. Analyser les formes sur neuf langues, ce sont neuf jeux de règles, chacun avec ses exceptions. Il revient moins cher d’ajouter deux ou trois mots vivants que les gens tapent vraiment que de construire une morphologie pour une douzaine de cas.
Ce qui aide, en plus du dictionnaire
Trois procédés couvrent une part notable des ratés, et aucun ne relève de l’algorithme.
- Les termes anglais dans toutes les langues. Le jeu de mots anglais figure dans chacune des 35 577 lignes de l’index. Qui tape « cat » sur la version française obtient un chat : les gens cherchent en anglais sans arrêt, même devant une page dans leur langue.
- Les codes courts. Des entrées comme
:fire:sont renseignées pour 3479 caractères — c’est la langue des messageries et des outils de suivi, et elle arrive aussi dans le champ de recherche. - La popularité. Les 150 caractères les plus demandés portent un poids. Cela n’« améliore pas la recherche » en général ; cela fait une chose précise : à correspondance égale, le plus demandé remonte.
Si la recherche ne donne rien, prenez le problème par l’autre bout. L’index alphabétique et la liste compacte se parcourent plus vite qu’on ne croit, et les sélections sont montées par occasions, pas par noms.
Ce qu’un dictionnaire ne peut pas réparer
Il existe une couche que ni les clés ni le classement n’atteignent. Le sens d’un caractère est fixé par la conversation, pas par un tableau.
🥒 est un légume dans une recette et souvent pas un légume dans une discussion. 🙂 est de la politesse pour les uns, de l’agressivité passive pour les autres. Aucune de ces lectures ne peut être inscrite au dictionnaire comme la principale sans mentir à la moitié des lecteurs. Ajoutez que chaque jeu d’images dessine le sien, et même un sens partagé arrive incomplet. Nous l’avons raconté dans le texte sur le même émoji qui change de tête selon l’écran.
C’est pourquoi il est plus honnête de bâtir la recherche comme « montre-moi des choses semblables et laisse-moi choisir » que comme « devine la seule bonne réponse ».
Comment chercher ici
La partie pratique en trois temps. Commencez par un mot simple, mais pas le plus général : « main » donne 287 candidats, « paume » nettement moins. Si vous visez une humeur plutôt qu’un objet, laissez le champ de recherche et passez aux sélections et aux combinaisons d’émojis. Et si vous cherchez un caractère pour un texte déjà écrit, confiez le texte au traducteur en émojis : il tourne sur le même index, mais s’accroche à la phrase entière.
Gardez également sous la main trois pages qui règlent l’essentiel sans aucune recherche : le top 100, le catalogue par sections, et des fiches comme la main levée ou le cœur rouge, où les voisins de sens sont juste à côté.
Fouiller trois mille fiches a l’air d’une tâche facile, exactement jusqu’au moment où l’on se met à compter les mots. Après quoi il apparaît que tout le travail est dans le dictionnaire — et un dictionnaire ne s’écrit pas en code.