[Résumé]
Avec le développement de l’internet hors de la sphère anglophone,
communiquer uniquement en anglais devient insuffisant, d’où la
nécessité de prendre en compte les caractères accentués d’autres
langues européennes. Publié par l'American National Standards
Institute (ANSI) en 1963, l'ASCII (American Standard Code for
Information Interchange) est le premier système d'encodage. Il
s'agit d'un code standard de 128 caractères traduits en langage
binaire sur sept bits (A est traduit par «1000001», B est traduit
par «1000010», etc.). L'ASCII permet uniquement la lecture de
l'anglais (et du latin). Des variantes de l'ASCII sur huit bits
sont publiées à partir de 1986 pour prendre en compte les
caractères accentués de quelques langues européennes. La variante
pour le français, l’espagnol et l’allemand (entre autres) est la
norme ISO 8859-1 (Latin-1). Mais les problèmes sont loin d’être
résolus. Pour cela, il faudra attendre l’Unicode, nouveau système
d’encodage universel dont la première version est publiée en
janvier 1991.
***
Avec le développement de l’internet hors de la sphère anglophone,
communiquer uniquement en anglais devient insuffisant, d’où la
nécessité de prendre en compte les caractères accentués de
plusieurs langues européennes.
# L’ASCII sur 7 bits
Le premier système d'encodage informatique est l’ASCII (American
Standard Code for Information Interchange). Publié en 1963 aux
États-Unis par l’American National Standards Institute (ANSI),
l'ASCII est un code standard de 128 caractères traduits en langage
binaire sur sept bits (A est traduit par «1000001», B est traduit
par «1000010», etc.). Les 128 caractères comprennent 33 caractères
de contrôle (qui ne représentent donc pas de symbole écrit) et 95
caractères imprimables: les 26 lettres sans accent en majuscules
(A-Z) et minuscules (a-z), les chiffres, les signes de ponctuation
et quelques caractères spéciaux, le tout correspondant aux touches
du clavier anglophone.
# L’ASCII sur 8 bits
L'ASCII permet uniquement la lecture de l’anglais (et du latin).
L’ASCII ne permet donc pas de prendre en compte les lettres
accentuées présentes dans bon nombre de langues européennes
(français, espagnol, allemand, etc.), tout comme les langues
disposant d’autres alphabets (arabe, grec, russe, etc.) et à plus
forte raison les langues non alphabétiques (chinois, coréen,
japonais, etc.). Ceci ne pose pas de problème majeur les premières
années, tant que l’échange de fichiers électroniques se limite
surtout à l’Amérique du Nord. Mais le multilinguisme devient
bientôt une nécessité vitale. Des variantes de l’ASCII sur huit
bits sont publiées à partir de 1986 pour prendre en compte les
caractères accentués de quelques langues européennes. La variante
pour le français, l’espagnol et l’allemand (entre autres) est la
norme ISO 8859-1 (ISO Latin-1).
# Un véritable casse-tête
Avec le développement de l’internet, l’échange des données
s’internationalise encore davantage. Même avec des variantes de
l’ASCII, on ne peut décidément plus se limiter à l’utilisation
d’un système d’encodage datant des débuts de l’informatique. De
plus, le passage de l’ASCII original à ses différentes variantes
devient vite un véritable casse-tête, y compris au sein de l’Union
européenne, les problèmes étant entre autres la multiplication des
variantes, la corruption des données dans les échanges
informatiques ou encore l’incompatibilité des systèmes, les pages
ne pouvant être affichées que dans une seule langue à la fois.
Olivier Gainon, fondateur de CyLibris et pionnier de l’édition
électronique littéraire, écrit à ce sujet en décembre 2000: «Il
faut que le réseau respecte les lettres accentuées, les lettres
spécifiques, etc. Je crois très important que les futurs
protocoles permettent une transmission parfaite de ces aspects -
ce qui n’est pas forcément simple (dans les futures évolutions de
l’HTML ou des protocoles IP, etc.). Donc il faut que chacun puisse
se sentir à l’aise avec l’internet et que ce ne soit pas
simplement réservé à des (plus ou moins) anglophones. Il est
anormal aujourd’hui que la transmission d’accents puisse poser
problème dans les courriers électroniques. La première démarche me
semble donc une démarche technique. Si on arrive à faire cela, le
reste en découle: la représentation des langues se fera en
fonction du nombre de connectés, et il faudra envisager à terme
des moteurs de recherche multilingues.»
# L’Unicode
Publié pour la première fois en janvier 1991, l’Unicode est un
système d'encodage universel sur 16 bits spécifiant un nombre
unique pour chaque caractère. Ce nombre est lisible quels que
soient la plateforme, le logiciel et la langue utilisés. L’Unicode
peut traiter 65.000 caractères uniques et prendre en compte tous
les systèmes d’écriture de la planète. L’Unicode est
progressivement adopté à partir de 1998. Un énorme travail est en
effet nécessaire pour sa prise en compte par tous les logiciels et
navigateurs web. Il faudra attendre décembre 2007 pour que
l’Unicode supplante l’ASCII sur l’internet.