Diacritique

Le jeu de caractères ASCII standard, tributaire du système octal (8 bits) très utilisé dans les débuts de l'informatique, comporte 128 codes, dont 95 caractères affichables, parmi lesquels 52 caractères alphabétiques, les 26 lettres de l'alphabet latin en casses majuscule et minuscule (ou bas-de-casse), mais pas de lettre accentuée.

Historiquement, vers 1963, la première version de l'ASCII prévoyait des accents (~ ' ` , ^ " ~) pour composer les caractères accentués en combinant le caractère et l'accent, ce par l'utilisation du symbole de suppression ou retour arrière. Mais les lobbies en présence ont éliminé cette possibilité dès la deuxième version. En conséquence, l'ASCII ne permet donc pas l'échange de textes comportant des caractères accentués.

Pour remédier à cet état de fait, des jeux de caractères appelés ASCII étendu, ont été proposés. Ils comportent 256 codes et requièrent donc 16 bits. Les 128 codes supplémentaires par rapport à l'ASCII de base servent notamment à représenter voyelles et consonnes de l'alphabet latin comportant des signes diacritiques.

Les premiers jeux de caractères étendus, dits pages de code, furent créés par la société IBM pour ses micro-ordinateurs « PC » ; dans ce système, une page de code ou « CP » (codepage) est spécifiée par un nombre et associée à un ensemble particulier : la CP437 est l'ensemble « américain » ou « graphique » ; la CP850 est l'ensemble « multilingue européen ».

Avec l'apparition des environnements graphiques (Apple Macintosh, Microsoft Windows, X Window, etc.), les caractères « graphiques » des pages de code n'ayant plus lieu d'être un plus grand nombre de codes étendus ont servi à noter des caractères à signes diacritiques. Les ensembles créés conjointement par IBM et par la société Microsoft pour leurs deux plateformes graphiques, Windows et OS/2 « Présentation Manager », servirent de base pour une série de jeux de caractères ISO, la norme ISO/CEI 8859 qui se décline en quinze ensembles :

• 8859-1 à 8859-4, 8859-9, 8859-10, 8859-13 à 8859-16 : « Latin1 » à « Latin10 », variantes de l'alphabet latin avec caractères à diacritiques de divers pays et régions (France, Italie, Espagne, Albanie, Turquie, pays scandinaves, Hongrie, Pologne, etc.) ;
• 8859-6 : alphabets latin et arabe ;
• 8859-7 : alphabets latin et grec ;
• 8859-8 : alphabets latin et hébreu ;
• 8859-11 : alphabet thaïlandais.

Lorsque l'on ne dispose pas d'un clavier d'ordinateur français ou qu'une application ne supporte pas les caractères accentués, on peut rendre ces diacritiques en ajoutant un caractère devant la lettre à accentuer, ou derrière, voire devant et derrière. Cela peut donner par exemple :

Le garc,on ne pouvait 'e`tre l`a cet e'te'.

Voir aussi les exemples dans chaque article sur les diacritiques, ainsi que dans l'article VIQR. L'espéranto fait optionnellement de même, l'article 15-1 de la déclaration des droits de l'homme pouvant ainsi s'écrire Ĉiu rajtas havi ŝtatanecon ou Cxiu rajtas havi sxtatanecon, selon le codage souhaité, sauf si l'ordinateur dispose d'une touche Compose ou similaire.

Le Consortium Unicode, qui rassemble la plupart des grands noms de l'informatique, fut créé au milieu des années 1980 pour suppléer le problème de l'incompatibilité des divers codages de caractères développés pour diverses plateformes matérielles et logicielles (EBCDIC et système « codepage » d'IBM/Microsoft, jeux propres à Apple, à HP, jeux Unix, etc.) et en liaison avec le développement de la norme ISO/CEI 10646.

Le but initial était de développer un système de codage non plus sur 8 bits mais sur 16 bits, ce qui permet le codage de 2¹⁶ soit 65 536 caractères. Actuellement, la norme a été étendue au-delà des 16 bits, car la variété des caractères et symboles (notamment les symboles mathématiques et scientifiques) à représenter excède de beaucoup cette limite, la seule écriture chinoise avec ses diverses variantes dépassant déjà cette limite de 65 536.

Le principe retenu a été de grouper des ensembles ou sous-ensembles de caractères et symboles par « pages » de 256 codes ou « blocs » ; par exemple, les blocs 0 à 3 correspondent à quatre sous-ensembles de l'alphabet latin, le bloc 6 aux « signes diacritiques combinés » associables aux caractères de l'alphabet latin, le bloc 7 aux caractères grecs et coptes, le bloc 11 à l'hébreu, les blocs 12 à 14 aux alphabets arabe et syriaque, le bloc 58 aux symboles monétaires, les blocs 63, 73, 77 et 78 aux symboles mathématiques, etc.

Dans sa version finale, le système Unicode 16 bits n'a pas retenu les écritures pictographiques, qui répondent à une autre norme.

Il y a au moins trois manières (méthodes d'entrée) d'insérer un caractère Unicode dans un document :

• par valeur ;
• par numéro d'ordre ;
• par alias.

L'inscription par valeur consiste à placer dans le document la séquence numérique de 16 bits qui correspond à un caractère donné. Les méthodes par numéro d'ordre sont utilisées dans certains types de documents seulement, notamment dans les fichiers de format RTF et HTML ou assimilés (XML, PHP notamment). Dans tous les cas, le principe est le même : faire précéder ou entourer le numéro ou l'alias d'une « séquence d'échappement ».

Dans les documents HTML, on place la séquence « & » (alias) ou « &# » (numéro) au début et le signe « ; » à la fin de la séquence, et entre les deux le numéro d'ordre ou l'alias.

Par exemple, les séquences «  » et « & » permettent de représenter le signe « et commercial » (appelé aussi « esperluette » ou « ampersand »), « & ».

À cette notation basée sur le numéro (voir ci-dessus), certains préfèrent la notation par alias, plus simple à mémoriser. La liste étant longue, un seul exemple est donné pour chacun. Si l'exemple est donné avec la lettre a, on peut utiliser l'entité HTML (et donc le signe diacritique correspondant) avec toutes ou la plupart des lettres, selon la règle ci-après. Si l'exemple est donné avec une autre lettre, l'entité HTML ne peut être utilisée qu'avec quelques lettres.

Pour appliquer le signe diacritique sur une autre lettre que celle donnée en exemple, il suffit de changer la lettre qui suit l'esperluette. Ainsi, á donne un a avec accent aigu (á), pour obtenir un i accent aigu (í), il faut écrire í. Ceci s'applique aussi aux majuscules : Á donne Á, Í donne Í.

• (en) « Diacritics Project @ Typo.cz », sur diacritics.typo.cz
• (en) Palo Bálik, Fikip Blažek, Robert Kravjanszki, Agnieszka Małecka et Zofia Oslislo, The Insects Project, Problems of Diacritic Design for Central European Languages, 2016 (lire en ligne)
• (en) J.C. Wells, « Orthographic diacritics and multilingual computing », Language Problems and Language Planning, vol. 24, n^o 3,‎ 2001 (lire en ligne)

• Lettre supplémentaire
• Écriture
• Ligature
• Typographie