L’alphabet arabe

Qu’est-ce que l’alphabet arabe ?

L’alphabet arabe compte 28 lettres et s’écrit de droite à gauche. Il sert à l’arabe et, avec des lettres ajoutées, au persan, à l’ourdou, au pachto, au kurde et à bien d’autres, ce qui en fait la deuxième écriture la plus employée au monde après la latine. Comme l’hébreu, c’est un abjad : les lettres notent les consonnes et les voyelles brèves sont des signes que l’on omet d’ordinaire.

Ce qui le distingue de presque tout autre alphabet, c’est que les lettres se lient. L’arabe écrit est cursif par défaut, non par style mais comme façon normale de le composer, y compris imprimé, et une lettre prend une forme différente selon qu’elle est isolée, initiale, médiane ou finale. La plupart en ont quatre. Six n’en ont que deux, car elles refusent de se lier à ce qui suit, et tout apprenant d’arabe mémorise cette liste très tôt.

Faites le compte : les 28 lettres prennent 100 formes distinctes, 22 lettres à quatre formes et six à deux. C’est ce nombre qui justifie cette page, à cause de ce qu’Unicode fait et ne fait pas à ce sujet.

Comment utiliser cette page

1. Cherchez dans le tableau la lettre qu’il vous faut. Chaque ligne donne la lettre, son nom, une translittération, son unique point de code et toutes les formes qu’elle prend, avec la position indiquée. Les six lettres qui n’en montrent que deux sont celles qui ne se lient pas.
2. Consultez le second tableau avant de tenir quelque chose pour une lettre. La hamza, ses supports, le ta marbouta et l’alif maqsoura reviennent sans cesse dans l’arabe écrit et aucun ne fait partie des 28. Ils figurent à part avec la raison, plutôt qu’intégrés pour gonfler le compte.
3. Collez un texte hérité dans le nettoyeur. Le texte exporté d’anciens systèmes emploie parfois des formes de présentation au lieu des lettres ordinaires. Cela paraît correct et se comporte mal. Le nettoyeur les remplace et vous dit combien il en a trouvé.

Un point de code par lettre, et 731 à ne jamais saisir

Voici ce qui sépare l’arabe des autres alphabets de ce site. Unicode n’encode aucune de ces 100 formes dans le bloc arabe. Il y a exactement un point de code par lettre, et le choix de la forme revient à ce qui dessine le texte, d’après les lettres voisines. L’alphabet fait 28 caractères et les cent formes sont un comportement de rendu.

Unicode contient pourtant bien ces formes, dans deux blocs nommés Formes de présentation arabes A et B. Il y en a 731. Elles existent pour que les documents en anciens encodages, qui stockaient bel et bien chaque forme comme un caractère distinct, puissent être convertis sans perte. La norme dit explicitement qu’il s’agit de caractères de compatibilité et non de matière à composer du texte neuf.

Cette distinction compte plus qu’il n’y paraît. Un texte écrit avec des formes de présentation semble correct et se comporte mal : rechercher un mot ne le trouve pas, puisque les formes sont d’autres caractères que les lettres ; le tri le place mal ; la coupure de ligne et le déplacement du curseur s’embrouillent. C’est l’équivalent typographique d’écrire un mot en mélangeant des polices pour forcer les lettres à paraître justes.

Le tableau ci-dessus est donc bâti de la manière honnête. Chaque forme que vous voyez provient du point de code propre à la lettre, accompagné d’un liant sans chasse qui demande au moteur de la dessiner comme si elle avait une voisine. Aucune forme de présentation n’apparaît sur cette page, et la suite de tests le vérifie pour les 100 formes plutôt que de vous demander de nous croire.

Où logent les formes variantes, à travers quatre alphabets

C’est le quatrième alphabet publié en liste sur ce site, et chacun s’est révélé cacher ses formes variantes ailleurs. Ensemble, ils forment une petite leçon : n’engendrez jamais un alphabet à partir d’une plage de points de code.

Le grec cache un trou. Les majuscules vont de U+0391 à U+03A9, soit 25 points de code pour 24 lettres, car U+03A2 n’est pas attribué : il n’existe pas de sigma final majuscule, et la case reste vide.

Le cyrillique cache un isolé. L’alphabet russe compte 33 lettres, mais 32 seulement se suivent ; le Ё loge en U+0401, bien à l’écart, parmi des lettres que le russe n’emploie même pas.

L’hébreu cache des intrus intercalés. Son bloc fait 27 points de code pour 22 lettres, car cinq lettres possèdent une forme finale distincte, chacune encodée juste avant la lettre à laquelle elle appartient.

L’arabe ne cache rien dans le bloc, parce que les formes n’y sont pas. C’est le défaut inverse : le bloc n’est pas trop grand, il lui manque tout ce qu’une liste naïve est tentée de montrer, et la tentation consiste à aller le chercher dans un bloc de compatibilité où il n’a rien à faire.

Limites honnêtes

Les formes du tableau sont dessinées par votre propre navigateur avec les polices de votre machine. C’est le principe même et non un raccourci, puisque c’est exactement ce qui arrive au texte arabe partout, mais une police mal dotée pour l’arabe en rendra certaines moins bien qu’une bonne. Si une forme paraît fautive ici, elle le paraîtra aussi dans un vrai document, ce qu’il est utile de savoir.

Deux formes relèvent du moteur et non de l’alphabet. Le lam suivi d’un alif se dessine comme une ligature unique dans toute police raisonnable, et ce n’est pas une lettre ; Unicode lui attribue d’ailleurs un point de code parmi les formes de présentation, autre chose à ne pas saisir. Le comportement contextuel varie aussi un peu selon les caractères, surtout dans les styles nastaliq où la liaison est bien plus élaborée que quatre positions ne le laissent croire.

Le chiffre 28 est une convention. C’est le compte enseigné partout et le bon à publier, mais c’est une décision sur ce qu’on inclut et non un fait sur le bloc, et le second tableau est là où cette décision devient visible. Des langues au-delà de l’arabe ajoutent des lettres à cette écriture et aucune ne figure ici.

Enfin, les translittérations sont un repère approximatif pour qui ne connaît pas l’écriture, non un système savant. La translittération académique distingue des sons que ces graphies confondent et emploie des diacritiques que cette page n’emploie pas.

Pourquoi est-ce gratuit ?

Parce que c’est un tableau et un appel de normalisation. Les données des lettres accompagnent la page et le nettoyeur s’exécute dans votre navigateur : rien de ce que vous collez n’est envoyé, journalisé ni conservé.

Il n’y a donc ni compte, ni inscription, ni rien de réservé. Les lettres viennent de la base des caractères d’Unicode, le comportement de liaison d’ArabicShaping.txt plutôt que d’une liste mémorisée, et les sosies de la table qui sous-tend l’UTS 39, le tout régénéré par un script déposé à côté de la page avec 65 vérifications qui en attestent le résultat.