Douze kanji fantômes que plus personne ne peut retirer d’Unicode

Votre téléphone sait afficher douze caractères japonais que personne n’a jamais écrits. Ils n’ont ni sens attesté, ni prononciation stable, ni auteur identifié. Les Japonais les appellent yūrei moji, les caractères fantômes. Ils sont entrés par accident dans une norme d’État en 1978, puis dans Unicode, donc dans vos polices, votre clavier et vos archives. Plus personne ne peut les retirer.

Deux mots de jargon d’abord. Un kanji est un idéogramme d’origine chinoise employé par l’écriture japonaise : un signe qui porte un sens entier, là où une lettre latine ne porte qu’un son. Un point de code est le numéro que les standards informatiques attribuent à un caractère pour que toutes les machines désignent la même chose. Le plus célèbre des fantômes, 彁, porte le numéro U+5F41. Son dessin change d’une police à l’autre. Son numéro, lui, ne bouge plus.

Des bouts de papier collés dans une norme d’État

Le 1er janvier 1978, le ministère japonais du Commerce international et de l’Industrie publie la norme JIS C 6226, rebaptisée plus tard JIS X 0208. Elle fixe 6 349 kanji : 2 965 caractères de niveau 1 et 3 384 de niveau 2. Deux révisions ajoutent quatre signes en 1983 et deux en 1990, ce qui porte le total à 6 355. Les catalogueurs ont travaillé à la main, à partir de listes administratives et de registres de noms de lieux.

Dix-neuf ans plus tard, un comité de révision présidé par Koji Shibano, avec le linguiste Hiroyuki Sasahara de l’Institut national de la langue japonaise, reprend les documents sources de 1978. Les conclusions sont publiées dans l’annexe 7 de la norme JIS X 0208:1997. Le comité ramène à douze le nombre de kanji dont l’origine reste inexplicable. Trois ressemblent à des coquilles. Huit ont fini par être retrouvés dans des dictionnaires anciens japonais ou chinois. Un seul, 彁, n’a aucune source connue.

Le cas de 妛 est documenté. Pour enregistrer une graphie de nom de lieu, des morceaux de papier découpés ont été collés puis photocopiés, et la ligne de jointure a été lue comme un trait supplémentaire. L’enquête auprès des catalogueurs a reconstitué la scène. Un caractère est né d’une ombre de colle.

Le verrou : quarante-huit ans et une garantie écrite

En juin 1992, Unicode 1.0.1 absorbe les 20 902 idéogrammes de l’unification Han, en s’appuyant sur les normes nationales existantes, JIS X 0208 comprise. Les douze fantômes passent avec le reste. En juillet 1996, Unicode 2.0 formalise sa politique de stabilité : une fois qu’un caractère est encodé, il ne sera ni déplacé ni supprimé. Un caractère peut être déclaré obsolète. Son numéro ne sera jamais réattribué.

Nous avons croisé l’annexe 7 de la norme japonaise avec le calendrier officiel des versions d’Unicode. Selon nos calculs, ces douze caractères sont verrouillés depuis quarante-huit ans, dont trente-quatre passés dans Unicode et trente sous une garantie écrite de non-suppression. Rapportés aux 6 355 kanji de la norme, ils représentent un caractère sur 530. Ils pèsent 36 octets en UTF-8, trois octets chacun.

Chaque marche du graphique verrouille la précédente : la norme fige la liste, Unicode fige les numéros, la politique de stabilité fige Unicode. Le tableau ci-dessous reprend les mêmes repères, dans l’ordre.

La version la plus récente du standard, Unicode 17.0 publiée le 9 septembre 2025, décrit 159 801 caractères et 172 écritures. Aucun des douze n’en est sorti.

Pourquoi garder l’erreur coûte moins cher que la corriger

Concrètement, retirer un point de code rendrait ambigu tout texte enregistré depuis trente ans qui l’utilise : registres d’état civil, bases d’adresses, sauvegardes, archives numérisées. Le coût du nettoyage retombe sur des millions de fichiers que personne ne pilote. Conserver 36 octets d’erreur revient moins cher que casser cette continuité. C’est la même mécanique de normalisation qui décide, ailleurs, du sort de l’emoji breton.

La nuance mérite d’être posée : fantôme ne veut pas dire inutile. L’original probable de 妛 est une graphie de nom de lieu de la préfecture de Shiga, et une norme japonaise ultérieure, JIS X 0213, a fini par l’encoder pour de bon. Plusieurs des douze sont moins des inventions que des traces mal recopiées d’un usage réel.

Ce dossier n’est pas une actualité. La norme date de 1978, l’enquête de 1997, et le sujet est simplement remonté à la mi-août 2026 dans les fils de discussion techniques. Ce qui vaut le détour, c’est la mécanique. Nos machines n’oublient pas, parce qu’oublier casserait ce qui a déjà été écrit. Le parametron, ordinateur japonais de 1954, a disparu sans laisser la moindre trace dans vos appareils. Douze kanji sans origine, eux, y sont pour toujours.

Article créé en collaboration avec l’IA.