LE MANUSCRIT DE VOYNICH MONTRE PEU DE TRACES DE LANGAGE

Le manuscrit de Voynich est un livre d’environ 240 pages que la datation au radiocarbone place au début du XVe siècle. Des dessins de plantes, d’étoiles et de personnages au bain entourent quelque 38 000 mots écrits dans une écriture qu’on ne trouve nulle part ailleurs. Personne ne sait la lire.

Ça ressemble à de l’écriture : des mots séparés par des espaces, beaucoup de mots rares, des signes — appelés glyphes — qui gardent des places fixes à l’intérieur des mots. Pourtant, ça ne se comporte comme aucune langue connue. Le même mot revient souvent deux ou trois fois de suite, beaucoup de mots ne diffèrent de leurs voisins que d’un glyphe, et les mots fréquents sont courts et se ressemblent.

Charabia, ou langue déguisée ?

Selon une première explication, le texte ne veut rien dire : un scribe écrivait chaque nouveau mot en recopiant un mot déjà écrit et en changeant un ou deux glyphes, un procédé proposé par Timm et Schinner en 2020. Selon l’autre, une vraie langue se cache derrière un chiffre — un système récent, le chiffre Naibbe, transforme du latin ou de l’italien en un texte très semblable à celui du manuscrit.

Chaque camp a longtemps argumenté avec des statistiques choisies pour l’occasion. Xin Zhang et Victor S. Sheng, de l’université Texas Tech, ont jugé les deux selon les mêmes règles.

Mêmes pages, même budget, statistiques jamais vues

Chaque explication est devenue un programme qui remplit les pages et les lignes du manuscrit, mot à mot. Les programmes de copie écrivent chaque mot comme un mot nouveau ou comme la copie modifiée d’un mot antérieur. Les programmes de chiffrement chiffrent un vrai texte médiéval en remplaçant chaque mot par un mot de code, ou bien ses lettres, ses syllabes ou seulement sa classe grammaticale. Chaque chiffre reçoit aussi un scribe copieur, pour que la répétition locale ne favorise aucun camp.

Chaque programme a été réglé sur 22 statistiques du texte, puis jugé sur 15 autres qu’il n’avait jamais vues.

• Les règles de copie de Timm et Schinner prédisent ces statistiques inédites bien mieux que n’importe quel chiffre à une seule clé. Leur pire écart reste sous cinq écarts-types (la dispersion habituelle des textes du programme lui-même) ; un code de mots en rate une de plus de cent.
• La statistique décisive est une dérive. Le manuscrit a deux « dialectes », Currier A et B, qui n’emploient pas les glyphes de la même façon. Une clé fixe écrit les mêmes habitudes de glyphes sur toutes les pages ; un scribe qui bâtit ses mots sur des mots qu’il vient d’écrire laisse ces habitudes dériver.
• Mais les chiffres à deuxième clé — une clé distincte pour les pages Currier B —, ou qui ne chiffrent que les classes de mots d’un vrai texte, font aussi bien, avec un scribe qui recopie mal environ la moitié des mots. Selon les auteurs, « les chiffres qui collent le mieux sont ceux dont le texte clair compte le moins » (le texte clair est le texte d’origine, avant chiffrement).

Les statistiques de mots ne suffisent donc pas à trancher, et aucun programme ne reproduit les 37 statistiques à la fois.

Des mots qui se retrouvent sur une même ligne

Les auteurs ont alors cherché une trace de langage qui ne demande aucun déchiffrement. Dans un texte qui a un sens, les mots qui vont ensemble — un nom et son verbe, les morceaux d’une expression figée — partagent une ligne plus souvent que le hasard ne le voudrait, et le refont ailleurs dans le texte. Un code de mots garde ce motif ; une paire née d’une copie sur une page n’a aucune raison de revenir des pages plus loin.

Le test coupe le livre en deux et vérifie si les mêmes paires de mots fréquents continuent de partager des lignes dans les deux moitiés. Les mots identiques et les mots qui ne diffèrent que d’un glyphe sont exclus, pour que la copie ne puisse pas fabriquer le signal.

• 28 textes en 16 langues, mis dans la mise en page du manuscrit, obtiennent entre 0,139 et 0,411 (une corrélation entre les deux moitiés : 0 quand les paires d’une moitié ne disent rien de l’autre, 1 quand elles coïncident parfaitement).
• Le manuscrit obtient 0,071, et 0,053 dans une seconde translittération indépendante (une transcription des glyphes dans un alphabet conventionnel) : moitié moins que le plus faible des textes.
• Les codes de mots ne descendent à ce niveau que lorsque leur texte d’origine porte faiblement le motif — surtout le latin médiéval écrit avec ses abréviations, à 0,102 — ou quand beaucoup de mots sont mal recopiés.

L’étalonnage compte : un programme entraîné à distinguer le charabia de volontaires de la vraie prose classe le manuscrit comme charabia, mais il classe aussi comme charabia 53 des 54 textes chiffrés qui ont un sens.

Des décrypteurs qui doivent d’abord lire des textes connus

Chaque solveur cherche la clé sous laquelle le texte ressemble le plus à une langue donnée, jugée par une simple table statistique indiquant quelle lettre, ou quel mot, a tendance à suivre quelle autre dans les textes anciens de cette langue. Chacun a d’abord été lancé sur des textes témoins, de vrais textes chiffrés de la même façon ; quand il ne savait pas les lire, le test était déclaré indécis.

• Chiffres de lettres. Le solveur a lu les témoins de 15 langues sur 16. Dans chacune, le manuscrit montrait moins d’ordre que les témoins, et ses lectures étaient des suites de lettres sans mots reconnaissables. L’hébreu est resté indécis.
• Codes de mots. Pour un code de latin abrégé, le texte d’origine que préféraient les programmes de chiffrement, une table construite sur 5 millions de mots de ce latin trouvait encore plus d’ordre des mots dans les témoins que dans le manuscrit, sauf si deux mots sur cinq étaient mal recopiés.
• Un mot par lettre ou par syllabe. 28 schémas de ce type ont donné 1 144 décisions : 596 exclusions, 429 indécisions, et 119 cas qui n’ont pas pu être exclus : le manuscrit y dépassait de justesse des textes sans aucun message, mais ne se décodait en rien de lisible.

Le chiffre qui passe entre les mailles

Un nomenclateur, un type de code courant à l’époque, écrit les mots les plus fréquents comme des mots de code entiers et épelle les autres lettre par lettre. Avec une deuxième clé et un scribe qui recopie mal une grande part des mots (37 % et 56 % dans ses deux meilleurs ajustements), il reproduit les paires de mots du manuscrit, et les solveurs ne peuvent pas l’exclure dans 9 des 16 langues. Un chiffre dont la clé change le long du texte n’a pas été testé du tout.

Une couture entre les mots

La structure la plus forte qui reste se trouve aux frontières des mots. Le dernier glyphe d’un mot contraint le premier glyphe du suivant : 0,204 bit d’information mutuelle (ce que l’un apprend sur l’autre), contre 0,078 pour le programme de copie et 0,014 pour les chiffres. Ce lien porte l’essentiel de ce qu’a trouvé le solveur de lettres. Les auteurs l’attribuent à des glyphes liés à leurs voisins deux fois plus étroitement que les lettres dans les langues testées ; aucun programme ne le reproduit avec les espaces du manuscrit.

De la place pour un court message

Les auteurs ont aussi planté des messages de 50 à 5 000 lettres dans le texte du manuscrit, puis les ont cherchés. Un seul type est retrouvé à coup sûr : chaque lettre toujours écrite par le même mot, les mots côte à côte. Cachés dans les premiers mots des paragraphes, tous les messages de ce type de 500 lettres ont été retrouvés. Rien dans le manuscrit n’en signale un — mais un message qui utilise plusieurs mots par lettre, ou dont les lettres sont espacées, pourrait encore s’y cacher.