Le palier des 2,8 consonnes, et sa falsification

Voici l’histoire d’un résultat qui a tenu trois articles et que la série elle-même a démoli. Je la raconte entière parce que la démolition est le résultat, non un accident de parcours.

Septième famille : un palier apparaît

Quand la série a atteint sept familles mesurées avec le même code, une régularité est apparue que six ne montraient pas.

Le nul d’un catalogue — ce que la procédure regrouperait en battant les concepts à l’intérieur de chaque langue, c’est-à-dire ce que le hasard seul regroupe — ne décroissait pas doucement avec la longueur du mot. Il bondissait.

Les deux familles à moins de trois consonnes par forme — le Nuclear Trans New Guinea à 2,41 et l’austronésien à 2,79 — avaient des nuls de 37 % et 44 %. Les cinq au-dessus de 3,03 se situaient entre 4,7 % et 15 %.

Un facteur huit de part et d’autre d’un palier très étroit.

Cela avait un sens mécanique : avec des mots courts, l’espace des squelettes sature, et tout ressemble à tout. En trans-néo-guinéen, 35 % des codes obtenus sont à une seule consonne, et quatorze des quinze de plus grande portée aussi. n regroupe cent langues pour manger, et autant pour toi, moi, mère et dormir.

C’était la famille où l’instrument rend le moins de toute la série — 13 fois le hasard, contre 216× pour le turc et 104× pour l’indo-européen — et elle a été choisie précisément pour cela. Un plancher décrit vaut mieux qu’un plancher deviné.

Huitième famille : la prédiction est enregistrée, et confirmée

Un résultat obtenu en regardant sept cas est une description, pas une loi. Pour être autre chose, il fallait le risquer.

Avant donc de calculer quoi que ce soit du sino-tibétain, la prédiction a été consignée par écrit : cette famille a 2,22 consonnes par forme, donc son nul doit être élevé.

Elle a été confirmée. Le nul sino-tibétain est de 42,0 %, contre 4,7 % pour l’afro-asiatique. La collision est de 71,9 %, la plus haute de la série.

Une partie secondaire de la prédiction a échoué, et l’article précédent s’est trouvé corrigé par ce qui y a été mesuré. Hors échantillon, seule épreuve qui compte.

Jusque-là, tout allait bien. Trop bien.

Neuvième famille : le palier s’effondre

L’austroasiatique est entré dans la série sur un critère nouveau — branches réparties × mot long — et a apporté avec lui le cas qui manquait.

famille consonnes par forme nul langues
austroasiatique 2,75 14,6 % 94
austronésien 2,78 39,0 % 582

Même longueur de mot. Vingt-quatre points d’écart sur le nul.

Le palier n’existe pas là où on l’avait dit. Ce qui sépare ces deux familles, ce n’est pas le mot : ce sont les langues. Quatre-vingt-quatorze contre cinq cent quatre-vingt-deux.

Ce qui se passait réellement

Avec les neuf familles mesurées, les corrélations sont nettes et tirent en sens opposés :

  • r(arité, nul) = −0,84 — plus le mot est long, plus le nul est bas
  • r(log langues, nul) = +0,70 — plus il y a de langues, plus le nul est haut

Et les deux variables sont en grande partie indépendantes l’une de l’autre.

Le nul est fonction de la longueur du mot et de la taille de l’échantillon. Les deux étaient confondues parce que, jusqu’ici, toute famille à mot court était aussi une grande famille.

Sept familles n’ont pas suffi à les séparer. Huit non plus. Il a fallu la neuvième — choisie sur un critère qui ne cherchait même pas cela — pour que surgisse le cas qui brise la confusion : une famille à mot court et à petit échantillon.

Pourquoi cela se publie ainsi

On aurait pu réécrire. Les neuf familles étaient connues avant qu’aucune ne soit publiée ; rien n’obligeait à laisser par écrit un résultat que la série allait renverser.

Mais alors la seule chose qui rend défendable une série de ce type resterait invisible : que chaque article enregistre sa prédiction avant de mesurer, et que le suivant puisse la tuer.

Un catalogue de codes consonantiques ne se défend pas en disant qu’il a raison. Il se défend en montrant où il cesse d’avoir raison, et qui l’a découvert.

Les articles :