Mécanique de l’écriture académique, la grammaire et la ponctuation que les évaluateurs remarquent
Le jugement qu’un évaluateur porte sur votre argument est moins distinct de vos erreurs de virgule et de vos apostrophes que vous ne le souhaiteriez. Voici ce que la recherche contrôlée dit du coût réel de la mécanique sur un article, et les règles précises qu’il vaut la peine de maîtriser avant que quiconque ne lise votre texte.
Des chercheurs ont donné à des lecteurs adultes la même lettre de motivation pour une candidature à un emploi et leur ont demandé d’évaluer l’auteur. La seule différence était le nombre d’erreurs qu’elle contenait, environ deux pour cent mots, des choix de mots incorrects et un accord sujet verbe manquant plutôt que quoi que ce soit qui modifiait le sens. La version comportant des erreurs a reçu une note inférieure de deux points entiers pour la qualité de l’écriture sur une échelle de sept points. Et les personnes ont aussi jugé son argument, qui était identique dans les deux versions, plus faible. Les recherches sur les mécanismes de l’écriture académique montrent sans cesse que le jugement d’un lecteur sur le fond n’est pas aussi distinct de la correction de surface que la plupart des conseils le supposent.
L’étude à l’origine de ce résultat portait sur des candidatures à un emploi, pas sur des manuscrits. Il vaut la peine d’être précis à ce sujet plutôt que d’étendre cette conclusion au delà de ce qu’elle permet. Le mécanisme qu’elle a isolé, à savoir que les erreurs de surface modifient la manière dont un lecteur évalue un contenu qu’il peut vérifier comme inchangé, est le même mécanisme à l’œuvre lorsqu’un évaluateur, un directeur ou un correcteur lit votre brouillon. Cet article explique ce que recouvrent réellement les mécanismes, ce que les preuves disent de la raison pour laquelle ils comptent, et où se trouvent les règles précises qu’il est facile d’appliquer de travers, même après qu’un correcteur orthographique a indiqué qu’un document est propre.
Ce que recouvrent les mécanismes de l’écriture académique
Les mécanismes de l’écriture académique désignent l’ensemble des conventions de surface, la grammaire, la ponctuation, l’orthographe et les majuscules, que le lecteur traite presque sans s’en rendre compte lorsqu’ils sont correctement appliqués et qu’il ne peut pas cesser de remarquer lorsqu’ils ne le sont pas. Ils se situent en dessous du style, qui concerne le choix des mots et la construction des phrases, et en dessous de l’argumentation, qui concerne la validité des affirmations. Une phrase peut être irréprochable sur le plan mécanique et mal argumentée, et un argument solide peut être présenté au moyen de phrases qu’un lecteur doit relire parce qu’une virgule manque là où une proposition en avait besoin. Les évaluateurs, les directeurs et les correcteurs sont formés pour juger l’argumentation. Les preuves ci dessous indiquent qu’ils ne peuvent pas séparer entièrement ce jugement des mécanismes qui le sous tendent.
Pourquoi les évaluateurs remarquent les mécanismes avant toute autre chose
L’étude sur la lettre de motivation ci-dessus est la démonstration la plus claire disponible de ce qui se passe ensuite. Des chercheurs de l’Université du Wisconsin-Eau Claire ont demandé à 200 adultes de la communauté de lire l’une de trois versions d’une lettre de motivation identique, sans erreurs, avec un taux d’erreurs typique de deux pour cent mots, ou avec un taux d’erreurs élevé de quatre pour cent mots. Les évaluations de la qualité de l’écriture sont passées de 5.79 à 3.61 puis à 2.95 sur une échelle de sept points à mesure que le taux d’erreurs augmentait. Ce qui mérite qu’on s’y arrête, c’est ce qui a aussi diminué, les évaluations de la substance de la lettre, de ses références et de son argumentation, sont passées de 5.85 pour la version sans erreurs à environ 4 pour les deux versions avec erreurs, alors même que la substance était mot pour mot identique dans les trois cas.
Les jugements sur la personne ont eux aussi évolué, sur des traits qui n’ont, à première vue, rien à voir avec la grammaire. Les participants qui avaient lu une lettre truffée d’erreurs ont évalué le même candidat comme moins compétent, moins travailleur et moins orienté vers le travail d’équipe, d’un point presque entier sur une échelle de cinq points, que les participants qui avaient lu la version sans erreurs. Aucune des qualifications du candidat n’a changé d’une version à l’autre. Seul le taux d’erreurs a changé.
Une explication rend compte de ces deux résultats sans qu’il soit nécessaire d’invoquer quoi que ce soit de mystérieux dans la grammaire elle-même. Un lecteur dispose d’une attention limitée, et chaque erreur impose un petit détour, relire la phrase, deviner le mot visé, décider si la faute a de l’importance. Ce détour est en lui-même une information. Les lecteurs l’utilisent, souvent sans s’en rendre compte, comme indice de l’attention portée au reste du document, et l’attention portée à un document n’est pas un mauvais proxy de sa qualité, seulement un proxy imparfait appliqué à la mauvaise partie de la page.
Les enjeux s’accumulent. Une enquête de 2023 portant sur 908 scientifiques de l’environnement dans huit pays a révélé que 38.1 percent des chercheurs issus de pays à niveau d’anglais modéré et 35.9 percent de ceux issus de pays à faible niveau avaient vu un article rejeté spécifiquement à cause de son anglais écrit, contre 14.4 percent des locuteurs natifs de l’anglais. Le coût se manifeste aussi en temps. Les chercheurs issus de pays à faible niveau ont déclaré consacrer environ 30 percent de temps en plus à la rédaction d’un article en anglais que les locuteurs natifs. Tout cela signifie que les rédacteurs ESL ont besoin de toute l’aide possible, c’est pourquoi nous avons créé le humaniseur IA pour les rédacteurs ESL de TextPulse. L’écart de temps et de résultat est bien documenté plutôt que supposé. La mécanique en est une partie qu’un rédacteur peut corriger directement, bien avant qu’un évaluateur ne voie jamais le brouillon.
Les erreurs de ponctuation qui échappent à la vérification orthographique
La vérification orthographique repère un mot mal orthographié. Elle n’a rien à dire sur une phrase à virgule, sur un point-virgule reliant une proposition qui ne peut pas se suffire à elle-même, ou sur une apostrophe mal placée, parce qu’aucun de ces cas n’est une faute d’orthographe. Les problèmes de virgule et l’usage incorrect de l’apostrophe figurent en bonne place dans une liste des erreurs les plus fréquentes dans les écrits universitaires américains, et un vérificateur de virgules gratuit peut en repérer la forme mécanique plus vite qu’une relecture à l’œil. Quatre de ces erreurs méritent ici un rappel rapide, plutôt qu’une explication complète pour chacune, puisque chacune a déjà son traitement plus détaillé ailleurs.
| Erreur de ponctuation | Ce que c’est réellement |
|---|---|
| Comma splice | Deux propositions indépendantes reliées par une simple virgule, sans conjonction ni point-virgule pour assurer la liaison |
| Semicolon misuse | Un point-virgule utilisé lorsque la seconde moitié ne peut pas se suffire à elle-même comme phrase autonome |
| Apostrophe error | Its écrit pour it's, ou un simple pluriel écrit comme un possessif sans rien à posséder |
| Serial comma left out | La virgule avant 'and' dans une liste de trois éléments ou plus, que APA exige et que le style journalistique supprime généralement |
La dernière ligne mérite à elle seule un bref arrêt, car elle surprend dans les deux sens. Le style APA exige la virgule de série, celle qui précède le 'and' final dans une liste de trois éléments ou plus, précisément pour la clarté que cette virgule apporte. Un guide de style journalistique l’omet généralement. Un manuscrit n’est erroné que lorsqu’il ne correspond pas au guide de style que le lecteur s’attendait à voir appliqué, ce qui relève d’un défaut de mise en forme plutôt que de grammaire, et les évaluateurs ont tendance à y voir de la négligence, quel que soit le terme qui s’applique en réalité.
Humanize your own paper
Transform your AI-assisted text and make it sound human, without touching important words or citations.
Conventions américaines et britanniques dans le même article
Les conventions orthographiques constituent le problème mécanique le plus visible et le plus facile à rendre incohérent plutôt qu’à rendre franchement faux. Un manuscrit qui mélange colour et color, ou organised et organized, dans le même document donne l’impression de n’avoir pas été révisé, même lorsque chaque mot est correctement orthographié quelque part dans le monde. La solution ne consiste pas tant à choisir la variété correcte qu’à en choisir une et à la conserver dans tout le document, y compris dans les titres et les légendes de figures, une vérification qu’un free US to UK English converter effectue plus rapidement qu’une lecture ligne par ligne.
La question du -ize et du -ise piège le plus les rédacteurs soigneux, parce qu’elle ne se répartit pas nettement selon les lignes américaines et britanniques comme on le suppose souvent. L’anglais américain emploie -ize partout. L’anglais britannique utilise surtout -ise, mais Oxford University Press et le Oxford English Dictionary emploient -ize pour des raisons étymologiques, puisque les mots concernés dérivent d’un suffixe grec écrit avec un zêta. Le style maison d’une revue, et non une norme nationale par défaut, décide lequel est correct pour une soumission donnée, et la seule manière fiable de le savoir est de consulter le guide de cette revue précise plutôt que de se fier à l’un ou l’autre instinct.
Registre, contractions et autres choix d’appréciation
Les contractions sont le signal de registre le plus clair dans l’écriture académique, et la règle est plus établie que les exceptions dont on se souvient. Le style APA exige d’écrire les contractions en toutes lettres plutôt que de les utiliser, de sorte qu’une phrase rédigée it’s important dans un premier jet devrait devenir it is important dans la version finale, au motif qu’un registre formel paraît plus précis sans elles. La seule exception sur laquelle tous les guides de style s’accordent est la citation directe. Si la source que vous citez utilisait une contraction, vous la reproduisez exactement plutôt que de l’étendre silencieusement, et un contraction expander est un moyen rapide de repérer celles qu’un brouillon rapide laisse derrière lui avant qu’un directeur de recherche ne le fasse.
La première personne est un choix d’appréciation moins important que ne le laissent entendre la plupart des guides de style. Le style APA autorise, et ses recommandations actuelles encouragent activement, l’emploi de 'I' ou 'we' pour décrire vos propres actions et décisions, précisément afin que les rédacteurs y recourent plutôt qu’à une construction passive maladroite. La phrase construite autour du pronom est ce qui paraît informel, et non le pronom lui-même, 'I feel that the results are important' se lit différemment de 'I analyzed the results using a mixed-effects model.' La première est une opinion vêtue d’un habit académique. La seconde est une énonciation méthodologique, et aucun guide de style ne la pénalise pour l’usage de 'I.'
Pourquoi les vérificateurs automatisés en manquent la moitié
Un correcteur orthographique fonctionne par consultation d’un dictionnaire, il signale une suite de lettres qui ne correspond à aucune entrée de sa liste de mots. C’est précisément pourquoi l’erreur la plus fréquente dans une étude nationale sur l’écriture des étudiants américains passe sans être détectée. Une étude comparative nationale dirigée par Andrea Lunsford classe wrong word, un mot réel, correctement orthographié, qui signifie autre chose que ce que l’auteur voulait dire, au premier rang des vingt types d’erreurs courantes, devant tous les problèmes de virgule et d’apostrophe de la même liste. Écrire prescience quand la phrase nécessitait precedence, ou laisser la correction automatique d’un correcteur orthographique transformer allergy en allegory, produit dans les deux cas un mot réel. Une consultation de dictionnaire ne peut pas savoir quel mot réel votre phrase nécessitait en fait.
Un correcteur grammatical va un peu plus loin en analysant statistiquement la structure de la phrase, ce qui lui permet de repérer une véritable discordance sujet verbe ou un pronom qui ne s’accorde pas avec son antécédent, par exemple, 'every worker must provide their own uniform', qui mélange un sujet singulier avec un pronom pluriel. C’est aussi pourquoi les correcteurs grammaticaux ne sont pas d’accord entre eux plus souvent que les correcteurs orthographiques, deux analyseurs statistiques entraînés sur des données différentes peuvent lire la même phrase ambiguë de deux façons différentes. Faire passer un brouillon dans un correcteur grammatical gratuit et un correcteur de ponctuation gratuit avant qu’un superviseur ne le voie permet de détecter une part réelle de ces deux problèmes. Aucun des deux ne repère une erreur de mot incorrect qui reste grammaticalement valide dans son mauvais contexte, alors qu’une lecture plus lente, phrase par phrase, la repère encore et qu’aucun passage automatisé ne la repère.
Où un texte rédigé par IA a encore besoin de ce passage
Mais rien de tout cela ne cesse d’avoir de l’importance une fois qu’un brouillon est passé par un outil d’IA, et, si quelque chose, cela en a davantage. Un modèle qui rédige un paragraphe pour vous peut produire une erreur d’accord sujet verbe dans une phrase par ailleurs fluide, et un passage fortement paraphrasé ou humanisé peut reprendre les mêmes fautes qu’un rédacteur humain fatigué commet, un apostrophe omise, une phrase à virgule là où un point final devrait se trouver, une variante orthographique incohérente au milieu d’une section. Les schémas d’écriture que les outils d’IA ont tendance à produire constituent un sujet à part, distinct du contrôle mécanique décrit ici, qui s’applique qu’un paragraphe donné ait commencé avec vous, avec un modèle, ou avec les deux.
Les outils gratuits de TextPulse ont été conçus exactement pour ce type de contrôle, en vérifiant la grammaire, la ponctuation et les conventions orthographiques sur le même brouillon plutôt qu’en exigeant plusieurs abonnements différents. Effectuer une vérification de ce type est une habitude de cinq minutes, non une réécriture, et c’est le genre de cinq minutes qui modifie ce que le lecteur suivant suppose des autres pages avant même d’en avoir lu une seule.
Chacun des points mécaniques ci-dessus est traité en détail ailleurs. Les phrases à virgule, les points-virgules contre les virgules, les apostrophes et la virgule d’Oxford en APA sont abordés un par un, et les deux conventions qui piègent les étudiants internationaux, l’orthographe américaine contre l’orthographe britannique et la question de -ize ou -ise, ont leurs propres pages. La question de savoir si les contractions ont leur place dans l’écriture académique est traitée séparément, tout comme les erreurs de grammaire qui reviennent le plus souvent dans les articles de recherche. La relecture d’une thèse de bout en bout est une tâche à part entière et dispose de son propre guide.
C’est ce que font les lecteurs. Ils traitent les parties d’un texte qu’ils peuvent vérifier, les virgules, l’accord, l’orthographe, comme un signal sur les parties qu’ils ne peuvent pas encore vérifier. Si vous donnez le bon signal, votre argument reçoit la lecture qu’il mérite. Les lecteurs qui ont attribué à une lettre de motivation identique une note inférieure de deux points pour un taux d’erreur de deux pour cent n’étaient pas injustes.
Frequently Asked Questions
La mécanique de l’écriture académique désigne les conventions de surface, la grammaire, la ponctuation, l’orthographe et la capitalisation, que le lecteur traite sans les remarquer lorsqu’elles sont correctes et qu’il ne peut pas ignorer lorsqu’elles ne le sont pas. Elle se situe en dessous du style et en dessous de l’argument. Un article peut être solidement argumenté et pourtant paraître négligé si sa mécanique est incohérente, et les évaluateurs laissent souvent cette impression colorer la manière dont ils lisent l’argument sous-jacent.
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.