Combien de caractères chinois faut-il vraiment connaître ?

Par Andreu Puy · 19 août 2026 · 10 min de lecture

Pose cette question n’importe où et tu obtiendras toujours la même réponse : entre deux et trois mille. Elle se répète parce qu’elle est à peu près juste sur un point et discrètement fausse sur un autre. Elle est proche de ce que coûte une couverture presque complète des caractères, le stade où presque chaque caractère d’une page est un caractère que tu as déjà vu. Et c’est une très mauvaise réponse à ce que la plupart des gens demandent vraiment, à savoir combien il en faut pour que le chinois commence tout simplement à devenir lisible.

Un seul chiffre ne peut pas répondre à ça, parce que la fréquence des caractères est extraordinairement déséquilibrée. Alors, au lieu de répéter l’idée reçue, nous avons compté. Voici une courbe de couverture construite à partir de 33 milliards de caractères de vrai chinois, oral et écrit, qui montre quelle part d’une page ordinaire représentent réellement les 100, 500, 1 000 ou 3 000 caractères les plus fréquents.

Combien de caractères faut-il ?

Environ 1 000 caractères couvrent à peu près 90 % des caractères du texte chinois courant. 500 en couvrent environ 75 %. Pour atteindre 98 %, il en faut autour de 2 300, et 99 % en coûte environ 2 900. La moitié de tout ce que tu liras dans ta vie repose sur seulement 170 caractères.

Lis la dernière colonne avant celle du milieu. C’est la même information, et il est beaucoup plus difficile de s’en réjouir.

Ce que ce chiffre ne veut pas dire

Les pourcentages de couverture sont séduisants, et on les survend sans cesse, y compris chez ceux qui vendent des applis de chinois. Il faut dire deux choses avant la partie intéressante.

Couverture n’est pas compréhension

Avec 1 000 caractères, tu connais environ 89 % des caractères d’une page. Ce n’est pas 89 % du sens. Ce sont onze caractères inconnus sur cent, à peu près un par ligne, et ils ne seront pas répartis uniformément. Ils se concentrent précisément là où se trouve l’information : noms propres, termes techniques, le verbe précis autour duquel tourne la phrase.

Même 97 %, qui demande 2 000 caractères, ce sont trois inconnus sur cent. Une page de roman contient quelques centaines de caractères : cela fait une poignée de trous par page. C’est une lecture faisable avec un dictionnaire. Ce n’est pas une lecture confortable. Quiconque te dit qu’un nombre de caractères à quatre chiffres rend le chinois lisible arrondit une vraie courbe pour en faire un slogan.

(Un résultat bien connu de la recherche sur la lecture en langue seconde veut que la compréhension sans aide demande environ 98 % de couverture. Il est utile de le connaître, mais il porte sur la couverture en mots, pas en caractères : il ne se transpose donc pas directement au tableau ci-dessus. Nous le citons comme analogie, pas comme preuve.)

Connaître des caractères n’est pas connaître des mots

Les mots chinois sont le plus souvent formés de deux caractères ou plus, et leur combinaison ne se devine souvent pas à partir des parties. 意 et 思 sont tous deux courants et sans rien de remarquable pris séparément ; 意思 veut dire « signification ». 电 est l’électricité et 脑 le cerveau ; 电脑 est un ordinateur. Tu peux connaître tous les caractères d’une phrase sans comprendre la phrase.

Les caractères sont donc une bonne unité pour commencer, pas un substitut au vocabulaire. Ils sont simplement beaucoup plus rentables par unité au début : atteindre ces mêmes 89 % de couverture avec des mots entiers demande environ 11 800 mots. (Ces deux chiffres se mesurent dans des unités différentes, 89 % des occurrences de caractères et 89 % des occurrences de mots, alors prends « environ douze fois plus » comme l’allure de l’écart et non comme un rapport précis.)

La courbe de couverture

La voici en entier. L’axe horizontal indique combien de caractères tu connais, en commençant par les plus fréquents ; l’axe vertical, la part des caractères d’une page ordinaire qu’ils couvrent. Couverture, pas compréhension : voir plus haut.

Deux traits comptent. La courbe est presque verticale tout à gauche et presque horizontale tout à droite. Presque tout ce qu’il y a d’utile à dire sur l’apprentissage des caractères chinois découle de ces deux faits.

Les 500 premiers font l’essentiel

Découpe les 3 000 premiers caractères en tranches de 500 et regarde ce que chaque tranche te rapporte.

La première tranche vaut plusieurs fois les cinq autres réunies. Et la concentration va plus loin encore : les trente caractères les plus fréquents représentent à eux seuls environ 23 % de tout le texte courant. Trente. Les voici :

的我是了不在你有一人这个们大来他要上中为到会和好就国么以时生

Cette liste n’a rien de surprenant. C’est surtout de la grammaire, des pronoms et la poignée de verbes dont toute phrase a besoin, et c’est exactement ce qu’il faut retenir. Les caractères qui portent le plus de poids en chinois sont structurels et incontournables, et tu les rencontreras dès le premier jour, que quelqu’un l’ait prévu ou non.

Le dernier millier n’apporte presque rien

Maintenant, lis le même tableau par le bas. Les caractères 2 001 à 3 000 (mille caractères, soit pour la plupart des apprenants un an ou plus de travail régulier) ajoutent à eux tous environ deux points de pourcentage. Les trente caractères du haut valent plus de dix fois ça.

Ce n’est pas un argument pour s’arrêter à 2 000. Ces derniers caractères sont ceux qui te font passer d’une recherche toutes les une ou deux lignes à une recherche par paragraphe : l’écart entre 97 % et 99 %, c’est la différence entre trois caractères inconnus sur cent et un seul. Moins d’interruptions, pas zéro : apprendre les mots que forment ces caractères est un autre travail, et c’est lui qui décide si tu comprends vraiment la page.

C’est un argument sur l’ordre, et sur ce à quoi t’attendre. Le début du parcours rapporte si vite que les progrès semblent spectaculaires. La suite, non, et les apprenants prennent couramment ce ralentissement pour un échec personnel plutôt que pour la forme de la distribution. C’est la forme de la distribution.

Ça dépend un peu de ce que tu lis

La courbe ci-dessus mélange les registres : elle décrit donc une lecture générale plutôt qu’un profil précis. Les séparer fait bouger les chiffres, moins qu’on pourrait le croire, et pas toujours dans le sens attendu.

Le dialogue est de loin le plus facile : 90 % de couverture arrive vers 810 caractères, contre 1 090 pour le mélange, et cette avance s’élargit à environ 540 caractères quand on atteint 99 %. Et l’oral n’est pas simplement un échantillon plus petit : il utilise plus de caractères différents que la plupart des écrits, et concentre pourtant davantage de son texte dans les quelques centaines les plus courants. Ce n’est pas que les gens qui parlent ont un vocabulaire plus restreint ; c’est qu’ils s’appuient beaucoup plus sur le haut de ce vocabulaire. L’écrit varie aussi, mais dans une fourchette plus étroite : environ 150 à 200 caractères d’écart entre le plus facile et le plus difficile à 90 % de couverture, et plus l’écrit est fait de formules toutes faites, plus la courbe arrive tôt.

L’ampleur de cet effet est de quelques centaines de caractères de part et d’autre des chiffres ci-dessus. Elle ne te fait pas passer de 1 000 à 3 000. Si tu lis beaucoup de prose, attends-toi à ce que la courbe soit un peu en retard ; si tu t’appuies surtout sur le dialogue, elle est en avance.

D’où vient le « 2 000-3 000 »

Le chiffre de l’idée reçue n’est pas inventé, et il n’est pas vraiment faux. Il répond à une autre question.

La Table des caractères chinois standard d’usage général recense 3 500 caractères à son premier niveau, décrit comme couvrant les besoins de la vie quotidienne, et 8 105 au total. On estime généralement qu’un adulte natif instruit en connaît environ 6 000. Ce sont des chiffres d’inventaire : combien de caractères contient une norme, ou combien une personne en a accumulé au cours de sa vie.

La couverture du texte courant est une autre mesure, et selon cette mesure, 2 000-3 000 tombe dans la fourchette des 97-99 %. Le chiffre décrit donc discrètement ce que coûte une couverture presque complète des caractères. On le cite aux débutants comme si c’était le prix d’entrée, et c’est son seul défaut : personne ne dit que l’essentiel de la valeur arrive dans le premier cinquième du chemin.

Ce que ça change pour ce que tu étudies

Trois conséquences en découlent, et aucune n’est compliquée.

L’ordre de fréquence bat l’ordre du manuel pour les mille premiers caractères. Tant que la courbe est raide, l’écart entre une liste bien ordonnée et une liste mal ordonnée est énorme : des centaines de caractères d’efforts perdus. Au-delà de 1 500, la courbe est assez plate pour que l’ordre compte beaucoup moins, et c’est alors ce que tu lis qui devrait guider ce que tu apprends.

Apprends les caractères dans des mots, pas sous forme de liste. L’argument d’efficacité en faveur des caractères est réel, mais un caractère appris isolément n’est qu’une forme avec une glose collée dessus. Appris dans 电脑 ou 意思, il vient avec ce dont tu avais vraiment besoin : un mot que tu peux utiliser.

Attends-toi au plateau, et change de tactique quand tu l’atteins. Enchaîner les cartes est très efficace sur la partie raide et très inefficace sur la partie plate. Quelque part entre 1 500 et 2 000 caractères, lire beaucoup de textes un peu au-dessus de ton niveau commence à rapporter plus que les cartes, même révisées avec assiduité, parce que les caractères restants sont assez rares pour qu’on ne les apprenne vraiment qu’en les croisant en contexte. Les lectures graduées sont faites exactement pour ce stade, et notre comparatif des meilleures applis pour apprendre le chinois passe en revue celles qui méritent ton temps.

Comment nous avons compté

Les chiffres de cette page viennent des données de fréquence propres à Hanzio. Ce sont des données propriétaires, construites en interne à partir de grands corpus de chinois, à l’oral comme à l’écrit, pondérés pour qu’aucun registre ne domine.

Cela représente 33 milliards de caractères han et 19 361 caractères distincts. Chaque corpus a été compté séparément et normalisé sur son propre total avant l’application des pondérations, pour qu’un gros corpus ne puisse pas noyer un petit. Les caractères ont été comptés tels qu’ils apparaissent dans le texte courant, y compris à l’intérieur des mots de plusieurs caractères, ce qui explique que les totaux soient des comptes de caractères et non de mots. Chaque pourcentage de cette page est une part des occurrences de caractères (des caractères que tu rencontres réellement), pas une part du dictionnaire.

Trois limites à énoncer clairement. Il s’agit uniquement de chinois simplifié : nous n’avons pas mesuré le traditionnel, et aucun de ces chiffres ne devrait donc être cité pour lui. Le mélange est un modèle, pas une mesure de ta lecture : il décrit une personne qui partage son attention entre chinois oral et écrit dans ces proportions, et personne ne fait exactement ça. Les corpus écartent les éléments les plus rares, ce qui pousse très légèrement les chiffres de couverture vers le haut : l’effet est faible, mais il va dans le sens optimiste plutôt que pessimiste, et il vaut mieux savoir de quel côté il penche.

Hanzio affiche un indice de fréquence sur chaque entrée du dictionnaire : comme mot, comme élément à l’intérieur de mots plus longs et comme composant d’autres caractères. Ce sont des scores sur une échelle de 0 à 100 plutôt que le rang utilisé ici, et ils séparent l’usage comme mot et comme élément, là où cette page additionne les deux. Ils sont donc largement corrélés au classement utilisé ici, sans lui être identiques : 不 arrive cinquième sur la courbe de cette page, mais premier selon la mesure « élément » et dernier de ce groupe selon celle du mot isolé. Mêmes données, autre question.

Questions fréquentes

2 000 caractères suffisent-ils pour lire un journal chinois ?

Avec 2 000 caractères, tu connais environ 97 % des caractères d’un texte courant, ce qui semble presque complet mais revient à peu près à un caractère inconnu tous les 34 : plusieurs par paragraphe. Tu peux suivre un article de presse avec le dictionnaire ouvert et deviner pas mal de choses grâce au contexte. Mais une lecture confortable, sans interruption, demande plus que des caractères : elle demande aussi les mots qu’ils forment. Considère donc 3 000 comme la part du travail qui revient aux caractères, pas comme le travail entier.

Combien de caractères faut-il pour 90 % du chinois courant ?

Environ 1 090. La courbe est raide au début et plate à la fin : 500 caractères couvrent déjà 75 % du texte courant et 1 000 en couvrent 89 %, mais chaque tranche de 500 supplémentaire apporte moins que la précédente. Passer de 90 % à 95 % coûte environ 500 caractères de plus.

Combien de mots chinois faut-il connaître ?

Beaucoup plus que de caractères. Atteindre la même couverture de 89 % que t’offrent 1 000 caractères demande environ 11 800 mots. C’est l’argument pratique pour apprendre les caractères tôt : ce sont les unités les plus petites et les plus réutilisables. Ce n’est pas un argument pour les apprendre à la place des mots, car connaître deux caractères ne te dit pas ce que signifie leur combinaison.

Combien de caractères connaît un locuteur natif ?

On estime généralement qu’un adulte natif instruit en connaît environ 6 000, et la scolarité chinoise vise à peu près 3 500. La table nationale de référence complète en recense 8 105. Ce sont des chiffres d’inventaire, qui disent ce que contient une norme : une autre question que celle de la part de texte courant couverte par un nombre donné de caractères.

Ces chiffres valent-ils pour les caractères traditionnels ?

Non. Tout ici a été compté sur du chinois simplifié, donc les chiffres décrivent des textes de Chine continentale. La forme de la courbe (très raide au début, très plate à la fin) vaut aussi pour les caractères traditionnels, mais nous n’avons pas mesuré leurs chiffres, et nous n’allons donc pas en citer.

Quels caractères apprendre en premier ?

Les plus courants, et l’ordre compte beaucoup plus au début que par la suite. Les trente caractères les plus fréquents représentent à eux seuls environ 23 % de tout ce que tu lis. N’importe quelle liste classée par fréquence fera l’affaire ; Hanzio affiche un indice de fréquence sur chaque entrée du dictionnaire, pour que tu voies à quel point un caractère est courant avant de décider de l’étudier.

Ces chiffres incluent-ils les noms propres et les caractères rares ?

En grande partie. Les comptes viennent de nos propres listes de fréquence, construites sur du texte brut : les noms de personnes, de lieux et de marques y figurent donc, et c’est voulu, car ils font partie de ce que tu rencontres réellement sur une page. Ces listes écartent toutefois leurs entrées les plus rares, si bien que la vraie traîne est un peu plus longue que ne le montrent ces chiffres : le dernier 1 % de couverture se répartit entre des milliers de caractères que tu ne croiseras qu’une fois, et ils sont un peu plus nombreux que ceux que nous avons comptés.

Faut-il savoir les écrire à la main ?

Pas pour lire. Reconnaître un caractère et le produire de mémoire sont deux compétences différentes, et tous les chiffres de cette page ne concernent que la reconnaissance. L’écriture à la main aide tout de même beaucoup d’apprenants à distinguer les caractères qui se ressemblent, et c’est ainsi que la plupart finissent par remarquer que 未 et 末 n’ont pas la même forme, mais c’est un objectif distinct.