Pourquoi les scores de lisibilité induisent en erreur dans l'écriture académique

Une doctorante fait passer un paragraphe de sa propre section méthodologique dans un outil gratuit de lisibilité la semaine précédant la soumission. Le résultat indique un niveau de lecture de niveau postgraduate, signalé comme difficile. Elle simplifie trois phrases, en remplaçant le terme précis « heteroscedasticity » par « variance inégale », et le score s’améliore. La phrase est désormais plus facile à lire et dit moins qu’auparavant, et ni sa directrice de recherche ni la revue n’ont demandé ce changement.

Quel niveau de lecture un article de recherche devrait-il avoir ? La réponse mécanique est qu’une formule conçue pour un public général n’évaluait jamais ce dont un lecteur spécialiste a réellement besoin, de sorte que poursuivre un niveau scolaire cible dans un article rédigé pour d’autres spécialistes du domaine résout le mauvais problème, une phrase à la fois.

Le guide de TextPulse sur l’utilisation d’un humaniseur d’IA pour l’écriture académique explique comment la prose d’un article est lue par un détecteur, section par section. Les scores de lisibilité mesurent tout autre chose, et confondre les deux conduit les auteurs à trop réviser un paragraphe qui n’était en réalité pas obscur pour le lecteur auquel il était destiné.

Quel niveau de lecture un article de recherche devrait-il avoir ?

Il n’existe pas de niveau scolaire cible qu’un article de recherche devrait atteindre. Fixer un score de lisibilité comme objectif pour un article tend à l’aggraver, avec des mots plus simples, des phrases plus courtes, moins de contenu réel par phrase, en visant un lecteur qui possède déjà les connaissances nécessaires pour traiter davantage. Une formule qui ne compte que la longueur des phrases et les syllabes ne peut pas distinguer la complexité nécessaire du remplissage.

Ce qu’une formule de lisibilité compte réellement

Une formule comme Flesch-Kincaid calcule un score à partir de deux entrées exactement, le nombre moyen de mots dans une phrase et le nombre moyen de syllabes dans un mot. En combinant ces deux comptes, la formule produit un seul nombre, souvent traduit en niveau scolaire. Rien sur le sujet, la qualité de l’argumentation ou le fait qu’une phrase soit réellement vraie n’entre à aucun moment dans le calcul.

C’est là toute la mesure. Une formule fondée sur la longueur des phrases et le nombre de syllabes traite chaque mot de plusieurs syllabes comme également difficile, qu’il s’agisse d’un ornement littéraire obscur ou du seul terme précis que tout le domaine emploie parce qu’un mot plus court serait incorrect. Un lecteur qui connaît déjà le domaine lit « heteroscedasticity » sans ralentir. Un lecteur qui ne connaît pas le domaine tire lui aussi peu de profit de « uneven spread », parce que le concept lui-même exige le contexte, non le mot.

Pourquoi un article technique obtient un mauvais score et un texte vague un bon score

Un paragraphe de méthodes dense, rempli de termes propres au domaine et de nombres précis, obtient un score de difficulté parce que ces termes sont longs et que les phrases portent une information réelle. Un paragraphe vague, construit avec des mots courants courts et des phrases courtes qui évitent de dire quoi que ce soit de précis, obtient un score de facilité, alors même qu’un lecteur y apprend moins. Mettez deux phrases réelles côte à côte et le décalage est évident.

Sentence	What a readability formula sees	What a specialist reader sees
"Heteroscedasticity in the residuals violated the assumption of homogeneity of variance."	Mots longs, nombre élevé de syllabes, classé comme difficile	Un problème statistique précis, correctement nommé, formulé dans l’expression unique que le domaine emploie réellement pour le désigner
"The results were not entirely consistent across groups."	Mots courts, phrase courte, classé comme facile	Une affirmation vague qui ne dit pas ce qui était réellement incohérent, ni pourquoi
"We excluded participants who missed more than two sessions."	Mots courts, classé comme facile	Une décision méthodologique spécifique, vérifiable, formulée clairement

Rien de tout cela n’apparaît dans un décompte des syllabes. Faites passer votre propre section de méthodes dans un readability checker et elle obtiendra souvent un score inférieur à celui d’un paragraphe que vous savez déjà vague et peu utile, parce que l’outil mesure des caractéristiques superficielles de la phrase, et non ce que la phrase accomplit réellement pour le lecteur auquel elle était destinée.

Ce dont un lecteur de votre domaine a réellement besoin à la place

Une idée par phrase, les informations familières viennent avant les informations nouvelles, sur lesquelles elles s’appuient. S’il y a un terme technique, définissez-le clairement lors de sa première occurrence, puis continuez à l’employer de la même manière pour le reste de l’article. La longueur des mots n’a rien à voir avec cela.

L’ordre donné avant nouveau signifie qu’une phrase s’ouvre sur quelque chose que le lecteur possède déjà grâce à la phrase précédente, puis ajoute la partie nouvelle à la fin, de sorte que chaque phrase donne à la suivante un point d’appui. Une phrase qui commence par « S’appuyant sur le constat que le rappel s’améliore après le sommeil, la présente étude a examiné si le moment du sommeil importait autant que sa durée » donne d’abord au lecteur la partie familière, puis la nouvelle question. Inversée, la même information oblige le lecteur à garder en mémoire une affirmation inconnue avant d’apprendre pourquoi elle est là.

Définir un terme une seule fois, clairement, lors de sa première occurrence, puis réutiliser ensuite exactement le même terme vaut davantage pour un lecteur spécialiste que d’éviter complètement le terme. Remplacer « l’intervention » par « le traitement », puis par « le programme » sur trois paragraphes consécutifs, au nom de la variété, oblige un lecteur attentif à s’arrêter et à vérifier si l’on décrit trois choses différentes ou une seule.

Un meilleur test qu’un score de lisibilité

Un test plus utile que n’importe quel score consiste à savoir si un collègue dans un sous-domaine voisin, quelqu’un qui connaît le domaine général mais pas cette méthode précise, peut lire un paragraphe une fois et en restituer ce qu’il affirme. S’il le peut, le paragraphe remplit sa fonction, quel que soit le niveau scolaire que lui attribue une formule. S’il ne le peut pas, le problème relève presque toujours de l’un des trois points ci-dessus, une définition manquante, un fait introduit avant que le lecteur ait un endroit où le placer, ou deux idées entassées dans une seule phrase. Ce test unique repère des problèmes qu’un comptage de syllabes ne peut pas repérer, un terme employé de deux façons différentes dans la même section, une phrase qui suppose discrètement un bagage que le lecteur n’a pas encore, ou un paragraphe qui change de sujet en cours de route sans le dire.

Il existe un seul endroit où un véritable niveau de lecture cible a sa place, un résumé en langage clair ou un résumé grand public, rédigé pour un lecteur qui n’est pas du tout spécialiste du domaine, où la page de TextPulse sur la manière de rédiger un résumé en langage clair prend correctement le relais. Partout ailleurs dans l’article, le lecteur possède déjà le bagage nécessaire, et le seul score qui vaille la peine d’être vérifié est de savoir s’il a compris la phrase dès la première lecture.

Le registre et la personne vont ensemble, et la question de savoir si l’on peut écrire I dans un article en APA se traite séparément. Le maintien intact des citations pendant toute réécriture est un problème différent, avec sa propre page.

Obtenir la phrase juste du premier coup, une idée par phrase avec les termes définis une seule fois, relève davantage d’une habitude de rédaction que du travail d’un outil d’édition. Pour les phrases qui paraissent encore raides ou répétitives une fois les idées remises dans le bon ordre, l’AI humanizer de TextPulse travaille exactement à ce niveau, sans sacrifier la précision pour obtenir un score plus bas.