Suivez-nous sur X
|
|
|
0,
A,
B,
C,
D,
E,
F,
G,
H,
I,
J,
K,
L,
M,
N,
O,
P,
Q,
R,
S,
T,
U,
V,
W,
X,
Y,
Z,
ALL
|
|
0,
A,
B,
C,
D,
E,
F,
G,
H,
I,
J,
K,
L,
M,
N,
O,
P,
Q,
R,
S,
T,
U,
V,
W,
X,
Y,
Z
|
|
0,
A,
B,
C,
D,
E,
F,
G,
H,
I,
J,
K,
L,
M,
N,
O,
P,
Q,
R,
S,
T,
U,
V,
W,
X,
Y,
Z
|
|
A propos d'Obligement
|
|
David Brunet
|
|
|
|
Dossier : L'Unicode
(Article écrit par Pierre-Philippe Launay et extrait d'Amiga News - novembre 1991)
|
|
Quelle est la frontière entre la divulgation de secret et le secret de Polichinelle ?
Sachez que depuis plusieurs années, les 22 entreprises américaines les plus performantes dans
le domaine informatique travaillent à l'élaboration d'un code universel pour le stockage des
informations.
Il n'était pas question pour moi de révéler ce secret dont j'avais la connaissance depuis fort
longtemps. Pourtant j'étais libre car je n'avais pas signé de protocole. Cela s'appelle la déontologie.
Il y a, en effet, de grands conflits d'intérêts financiers à la divulgation d'informations confidentielles.
C'est souvent le concurrent qui donne le scoop afin de détruire son rival. Unicode est maintenant
tombé dans le domaine public car il a été décrit dans plusieurs magazines à forts tirages dont Der
Spiegel (1 131 000 exemplaires) mais aussi Courrier International et Datamation.
L'unification de l'informatique
Avant l'existence de l'American Standard Code for Information Interchange (ASCII), c'était la pagaille.
Chaque société développait son propre système de codage pour transcrire les codes binaires en
un format humain plus facilement compréhensible comme sont supposées l'être les symboles A, B et C.
En dehors de cette norme américaine, il existe encore d'autres systèmes de codage des lettres latines
(nos lettres "a" à "z") mais ils sont si confidentiels que leur diffusion n'intéresse que quelques
spécialistes. Cette diversité est déplorable mais a résisté à trois siècles d'évolution depuis la
pascaline d'un célèbre Clermontois à l'Amiga, car l'ordinateur ne comprend finalement que les suites
de 0 et de 1, le reste n'est que de l'habillage.
L'historique
L'American Standard Code for Information Interchange fut créé durant la période protohistorique
(vers 1960) par les grandes entreprises informatiques des années préhistoriques (1950).
C'était une grande innovation car il représentait 128 symboles à l'aide du groupement de 7
chiffres 0 ou 1 (bit). "1" signifie "état activé" et "0" signifie "état inactivé". Un huitième bit servait
à des besoins internes.
La réunion de ces 8 bits forment un octet. Ces symboles étaient les lettres majuscules de A à Z,
les chiffres de 0 à 9, les signes de ponctuation et des ordres spécifiques. Comme les premières
vraies applications consistaient surtout à sortir des résultats sur imprimante, on ne s'étonne
plus que les 32 premiers symboles de ce système soient surtout dédiés à l'impression.
Puis apparurent les lettres minuscules mais cela n'était déjà plus suffisant. Cette unification
était trop belle pour être vraie et chaque constructeur avait son idée sur la question. Chacun
entendait aussi utiliser à sa guise les codes 128 à 256.
Au cours du Moyen-âge (1984), j'ai pu alors lire des tableaux de comparaisons décrivant plus de
50 a.s.c.i.i. différents. Cependant, alors que Monsieur Sinclair, l'inventeur du premier ordinateur
à moins de 1000 FF, commençait à devenir Lord, la situation commençait à s'éclaircir à grands coups
de faillites spectaculaires. Les rescapés semblent avoir enfin compris la nécessité de la standardisation.
Un code beaucoup trop restreint
Cela amène des problèmes d'insuffisance de symboles, des problèmes de communications internationales et
donc des conséquences mercatiques. Comment faire, en effet, pour indiquer en seulement 128 symboles les
spécificités propres à chaque langue comme le ñ ("n" avec "~" espagnol) le "n" avec un "°",
les lettres accentuées "â", "ï", etc. ?
L'Organisation Pour La Standardisation Internationale (ISO, siégeant à Genève) avait bien élargi le
code ASCII de 128 à 256 symboles mais c'était un peu comme de vouloir créer un F5 dans un
studio. La gageure était mathématiquement impossible. Certains (tous ?) pensaient avoir trouvé
une parade : plusieurs ordres ou symboles étaient codés sur 16 bits (2 octets) voire davantage.
Cela devient vite tellement et complètement farfelu que seul un informaticien peut s'y retrouver. Au moins
avec ce système originaire du monde des PC, même les programmeurs de PC ont encore de l'avenir sur Amiga.
Cette idée de codage sur deux octets n'était pas vraiment stupide. Elle était plutôt inachevée.
Cela devient urgent
Le problème devient maintenant très urgent avec le développement des télécommunications. Imaginez la
tête de votre correspondant lorsque vous transmettez par Minitel ou un autre modem les caractères
propres à votre langue comme les paroles de l'été indien et que cela devient l'@t@ indien. Toutes
les spécificités de nos langues francophones comme les é, è, ç, à, ù deviennent très folkloriques
à l'arrivées dans un autre pays. Pire, même dans des pays de langues voisines comme la Suisse et
la Belgique, les surprises ne manquent pas : c'est ce que rendent compte les différents claviers du
répertoire "Keymaps". Ne parlons pas non plus des unités monétaires qui passe du $ (dollar) à la £
(livre) ou à ¤ (n'importe quoi). Ces erreurs sont dues à la limites physique des 256 symboles.
Certains numéros de codes sont attribués à plusieurs symboles variant au gré du pays.
Et ce n'est pas tout. Nous n'avons parlé que des symboles de l'alphabet latin. Autrement dit, ASCII
se montre particulièrement protectionniste contre les écritures arabes, asiatiques, cyrilliques
et autres langues prédominantes. Ceux-ci utilisent donc des systèmes matériels et logiciels différents.
ASCII n'est pas le seul code dominant
Pour pallier à l'insuffisance du code américain, une grande partie du monde s'est singularisée avec le
code japonais en deux octets et le code taïwanais en trois octets.
Le Japan Industrial Standard a été créé sous la pression d'un magnat de la presse nippone en 1978.
Il était scandaleux que le pays du soleil levant ne puisse pas utiliser son écriture nationale, les
kanji et les kana. Les kanji sont des idéogrammes chinois utilisés par les Japonais depuis fort
longtemps. Un idéogramme est un symbole qui représente un objet ou un concept : "1" est un idéogramme
arabe qui représente le nombre.
Les kana sont plus élaborés et semblent supplanter les kanji : un kana représente un simple son
et est le mieux adapté à la transcription du japonais. Dans ce genre d'écriture, le nombre de
symboles devient vite gigantesque. Ces symboles sont ici représentés par une matrice de 94 lignes
et de 94 colonnes. C'est le règne des imprimantes à aiguilles.
Ce système permet de représenter 94x94=8836 caractères, signes de ponctuations, chiffres arabes,
alphabets latins, cyriliques (russe, ukrainien, bulgare, serbe), grecs, kana (hirakana et katakana)
et 6349 kanji. Il reste un trou de 1034 codes non utilisés et qui sera peut-être comblé par les
signes diacritiques (accents non prononçables mis sur une lettre pour la distinguer d'une autre comme
"à" et "a") ou par l'insertion d'autres signes kanji.
Le code de Taïwan est top secret mais la gestion de trois octets semble au premier abord trop
compliqué à gérer par un esprit humain.
Unicode permet de représenter 65 536 caractères
Il utilise 2 octets soit 2x8 bits=16 bits. Chaque bit étant positionné sur 0 ou 1, cela nous
donne 2 puissance 16 possibilités différentes,(2x2x2x2x2x2x2x2x2x2x2x2x2x2x2x2)
soit 65 536 caractères. Cela signifie aussi que le stockage des caractères se fera sur un mot
(2 octets) au lieu de un octet. Un fichier de 100 gigaoctets de données codées en ASCII
passera à 200 gigaoctets de données Unicode.
Les avantages
Oui mais. Les avantages sont considérables car cela permet de tout transcrire. Une entreprise qui
possède un fichier énorme, international, a tout intérêt à stocker correctement ses données. De plus,
la compartimentation de Unicode permet de conserver les anciens fichiers écris en ASCII
avec de simples routines de traduction. Enfin, l'écriture sur 16 bits au lieu de 8 est plus
rapide sur une machine 16 bits comme l'Amiga.
Unicode permet d'écrire correctement :
- Le code arabe.
- L'alphabet romain.
- Les lettres européennes spécifiques.
- Les alphabets grecs anciens et modernes.
- Les caractères cyrilliques.
- L'écriture Han (27000 cases Unicode).
- Les symboles hébreux.
- Les phonogrammes malemutes (1200 sons).
- Les idéogrammes chinois, japonais, coréens...
Grâce à son universalité, Unicode va pouvoir infiltrer tous les marchés. Savez-vous par exemple
qu'International Business Machines a failli être boycotté par le marché espagnol à cause d'un
décret européen interdisant l'utilisation du "ñ" de façon à rester "compatible" ?
La position de Commodore sur Unicode
J'avais appris qu'Unicode n'existe pas et est en compétition
avec le langage ISO norme 10646. Ce concurrent est cependant rejeté par les 14 pays utilisant le
plus l'informatique et Unicode était déjà en phase de test final il y a un an. En téléphonant au
service support Amiga pour confirmer certaines informations, je n'ai rien pu savoir sur Unicode :
on ne peut pas en vouloir à Commodore France car le contenu d'un pacte de non-divulgation signé et
divulgué signifie une attaque judiciaire que n'a pas à soutenir notre constructeur.
Notre sympathique assistance technique francophone devrait cependant avoir bientôt les mains libres
car le mode d'emploi de ce langage devrait maintenant être publié sous forme d'un livre, sauf si un
accord est intervenu entre l'écriture de cet article et sa publication. Les développeurs Commodore
n'ont donc pas encore reçu de directives à ce sujet.
C'est dommage car les grandes entreprises de logiciels, comme Microsoft, sont en train de prendre
de l'avance. Windows est déjà écrit en Unicode. D'autres constructeurs ont commencé à informer leurs
développeurs préférés.
|
