[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 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.