Caractères fantômes

Les caractères fantômes (幽霊文字, yūrei moji) sont des kanji qui ont été inclus dans la liste du Japanese Industrial Standard, JIS X 0208, mais dont on ignore la provenance ou la signification, et qui ne correspondent à aucun usage connu. Parmi les 6,355 kanji du standard, 12 d'entre eux sont des caractères fantômes.

En 1978, le ministère japonais du Commerce et de l'Industrie fit établir une liste standard des caractères utilisés pour écrire la langue japonaise : la norme JIS C 6226 (qui devint par la suite JIS X 0208).

Cette norme fait notamment l'inventaire des kanjis nécessaires pour écrire le japonais, répartis sur deux listes de niveau 1 et 2. Cet ensemble de caractères est appelé « Kanjis de base JIS ». À l'époque, les rédacteurs du standard se sont appuyés sur quatre sources pour établir la liste la plus complète possible, notamment pour permettre l'écriture des noms propres^[1] :

1. Tableau des codes Kanji standard (ébauche) : Comité des codes Kanji de l'IPSJ (1971)
2. Liste nationale des districts administratifs : Société géographique du Japon (1972)
3. Tableau des noms de famille de Nippon Seimei : Nippon Life (1973)
4. Kanjis de base pour le traitement de l'information administrative : Agence de gestion administrative (1975)

Au moment où la liste a été établie, la provenance de chaque caractère n’était pas toujours claire, certains caractères avaient des significations ou usages inconnus. Le terme « caractère fantôme » est dérivé de « mot fantôme », qui désigne un mot ayant été inclus dans un dictionnaire ou autre ouvrage de référence mais qui ne repose pas sur l'usage existant (par exemple à la suite d'une faute d'orthographe)^[2]. Les kanji fantômes les plus couramment cités, « 妛 » et « 彁 » n'ont par exemple jamais été mentionnés dans les anciens recueils de caractères chinois tels que le dictionnaire Kangxi ni dans le Dai Kan-Wa Jiten, une collection complète de livres de caractères anciens.

En 1997, le comité de rédaction de la norme révisée, dirigé par son président, Koji Shibano, et Hiroyuki Sasahara de l'Institut national de langue et de linguistique japonaises, revisita les sources originales de la liste de 1978, et démontra que de nombreux caractères considérés comme fantômes étaient en fait des kanji utilisés dans un ou plusieurs toponymes mais étaient tombés hors d'usage.

Selon l'enquête, avant l'élaboration de la norme de 1978, l'Agence de gestion administrative avait rassemblé dès en 1974 huit listes de kanji (dont faisaient partie les sources 1 à 3 suscitées), intitulées « Fréquence d'utilisation et résultats de l'analyse de correspondance des caractères kanji pour la sélection de caractères kanji standard pour le traitement de l'information administrative ». Cette collection contenait en outre une indication des sources originales de chaque caractère.

De nombreux caractères considérés comme fantômes avaient en réalité une source originale (par exemple dans des liste de noms établis par des compagnies d'assurances ou par l'annuaire téléphonique de NTT, mais ces sources secondaires n'avaient pas été référencé à la liste des caractères Kanji pour les noms personnels. L'absence ou l'ignorance des sources originales au moment de la rédaction de la première norme a pu conduire à considérer de nombreux caractères comme fantômes^[3].

Cependant, après l'enquête de 1997, il reste 12 caractères non identifiés, dont 3 semblent être des erreurs d'écriture, 8 autres apparaissent, peut être par coïncidence, dans d'anciens dictionnaires chinois ou japonais, sans que l'on puisse être certain de leur signification ou de leur prononciation. Quant au dernier caractère « 彁 », il n'apparaît dans aucune source connue^[1].

Bien qu'ils soient inusités, ces caractères sont inclus dans le standard Unicode qui a repris les normes du JIS. Puisque la politique d'Unicode est de ne jamais supprimer de caractères de ses listes, il est donc quasiment impossible ces caractères erronés puissent être retirés des standards existants.

Les dictionnaires parus depuis la publication de la liste du JIS ont inclus tous les caractères de cette liste, y compris les fantômes ; en les traitant de manière particulière selon les publications et les caractères.

Les caractères chinois (dont font partie les kanji) se sont diffusés dans tous les pays d'Asie orientale depuis l'antiquité principalement par l'écriture. Il existe donc des variantes locale à un pays ou une région. Unicode n'a pas nécessairement encodé toutes les variantes sur différents points de code.

La nature des sinogrammes fait qu'il est possible de créer de nouveaux caractères par assemblage d'éléments provenant de caractères existant. Historiquement, plusieurs caractères identiques sont apparus indépendamment dans différents pays, avec des sens parfois similaires et parfois différents.

Par exemple, on suppose que le caractère fantôme japonais « 妛 » était à l'origine simplement « 𡚴 », qui est une combinaison de « 山 » et « 女 », mais avec un « 一 » accidentel entre les deux. D'autre part, il existe un caractère utilisé en Chine «妛" qui est une combinaison de "屮", "一" et "女" (et qui est également une variante de "媸"). Ces deux caractères sont très semblables en apparence, mais leur ressemblance est une pure coïncidence.

Cependant, c'est le caractère japonais 妛 qui a été inclus dans Unicode, bien qu'il s'agisse d'une erreur.

De plus, le caractère fantôme japonais « 閠 » (dont la partie inférieure est « 玉 ») est considéré comme une faute d'orthographe de « 閏 » (où la partie inférieure est « 王 »). (Un manuscrit du XVIe siècle du Wagokuhen japonais du XVe siècle comporte également le caractère « 閠 », mais il s'agit d'un exemple isolé.) D'autre part, le caractère chinois en Chine « 閠 » est une sorte de variante de « 閏 », qui n'est pas une faute d'orthographe. ^[31] Ceci a également été unifié dans Unicode.

Le caractère fantôme japonais « 岾 » pourrait être un Kokuji (un kanji uniquement présent en japonais) signifiant montagne chauve, et était à l'origine une faute d'orthographe de « 岵 ». Le même caractère est également apparu en Corée, signifiant un col montagneux. ^[42] Les deux utilisant le même point de code Unicode.

Depuis la publication de la norme, les caractères fantômes font parfois leur apparition dans des nouveaux documents.

Le «祢宜 », le titre du directeur adjoint d'un sanctuaire japonais, est parfois écrit à tort comme «袮宜 » (en utilisant le radical 衣au lieu de 示). Dans certains cas, le nom de famille japonais «栩谷 » est confondu avec «挧谷 » (en utilisant le radical手au lieu de 木)^[43]. Le folkloriste japonais Motoji Niwa a introduit le nom de famille «妛芸凡 » (Akiōshi) dans son livre^[44].

La base de données du journal Asahi Shimbun contenait le nom « 埼玉自彊会 » imprimé dans l'édition du 23 février 1923, mais lors de la numérisation, il a été incorrectement reconnu comme « 埼玉自彁会 », ce qui a été corrigé depuis^[45].

Les idéogrammes CJK (chinois, japonais et coréen) d'Unicode contiennent d'autres caractères à l'authenticité douteuse provenant d'autres standards que le japonais, et qui sont également désignés comme « caractères fantômes ».

Par exemple, le caractère « 螀 » (U+8780), a également été enregistré dans Unicode du à son inclusion dans l'ensemble primaire chinois du CCITT, pourrait être une erreur typographique^[48].

Le caractère U+237C ⍼ angle droit avec flèche en zigzag vers le bas (HTML : ⍼ Angzarr) est inclus par le fondeur Monotype Imaging dans ses polices mathématiques en 1972 sans justification ni usage existant; il est entré dans Unicode.

Dans le bloc de compatibilité CJK d'Unicode 1.0, il existe une version carrée du mot japonais pour « baht », écrit en katakana. Le mot japonais pour « baht » se dit バーツ (bā tsu). Cependant, le glyphe de référence ‹ ㌬ › correspond à パーツ (pā tsu, de l'anglais « parts »). Le point de code CJK, U+332C ㌬ , fut par la suite rendu obsolète en tant que représentation erronée. L'usage du symbole U+0E3F ฿ doit être préféré^[49],[50].

• (ja) Hiroyuki Sasahara, 国字の位相と展開 [« Phases et développement de l'écriture nationale [Japonaise] »], Sanseidō,‎ 2007 (ISBN 978-4-385-36263-2).
• (ja) 7ビット及び8ビットの2バイト情報交換用符号化漢字集合 [« Ensemble de kanji codés par échange d'informations sur 7 et 8 bits sur 2 octets »], Japanese Standards Association,‎ 1997.

• Portail du Japon
• Portail des langues
• Portail de la typographie