# Nuage de mots : comment le créer sans trahir vos verbatims

Comment créer un nuage de mots à partir de verbatims, préserver le contexte et vérifier les fréquences avant toute décision.

- URL canonique: https://www.harmate.com/fr/blog/nuage-de-mots-comment-le-créer-sans-trahir-vos-verbatims
- Auteur: Harmate Team
- Publie le: 2026-08-30
- Mise a jour: 2026-08-30T01:06:26.813918+00:00
- Langue: fr

## Contenu

# Nuage de mots : comment le créer sans trahir vos verbatims

Un nuage de mots peut être produit en quelques minutes. La partie difficile commence juste après : savoir ce que la taille d’un mot représente, ce qu’elle efface et ce qu’il faut vérifier avant de transformer une impression visuelle en décision.

Ce guide propose une méthode en six étapes pour créer un nuage de mots à partir d’un texte ou de réponses ouvertes, puis une grille de lecture pour ne pas confondre fréquence, thème, cause et preuve.

## La réponse courte

Pour créer un nuage de mots utile :

1. définissez la question à laquelle le visuel doit répondre ;
2. préparez un corpus dont le périmètre est explicite ;
3. nettoyez seulement ce que vous pouvez justifier ;
4. générez le nuage avec des paramètres reproductibles ;
5. revenez aux phrases qui contiennent les mots dominants ;
6. comparez les sous-groupes et les cas qui ne ressemblent pas à la majorité.

Le nuage est une vue d’orientation. Il peut aider à repérer des termes à examiner, mais il ne prouve ni l’existence d’un thème, ni sa cause, ni l’adhésion à une proposition.

## Créer un nuage de mots en six étapes

### 1. Commencer par une question, pas par un outil

Un nuage sans question devient vite une image décorative. Avant de copier-coller votre texte, écrivez ce que vous cherchez à regarder.

Quelques questions utiles :

- Quels termes reviennent dans les réponses à propos d’un problème précis ?
- Quels mots distinguent deux groupes ou deux périodes ?
- Quels sujets méritent une lecture détaillée avant un atelier ou une restitution ?
- Quels termes semblent importants mais pourraient être des formules toutes faites ?

La question détermine le corpus, les comparaisons et le niveau de nettoyage acceptable. Un nuage construit sur des réponses à « qu’avez-vous apprécié ? » ne répond pas à la même question qu’un nuage construit sur des réponses à « qu’est-ce qui vous a empêché d’agir ? ».

### 2. Délimiter le corpus

Rassemblez les textes qui répondent réellement à la question. Notez leur origine, leur période, leur langue et les éventuels filtres appliqués. Une réponse très longue ne doit pas peser davantage uniquement parce qu’elle contient plus de mots : selon l’objectif, vous pourrez comparer des documents, des personnes, des groupes ou des occurrences, mais vous devez savoir quelle unité vous comptez.

Séparez les corpus si une comparaison est importante. Par exemple, ne mélangez pas les réponses avant/après un changement si vous voulez voir ce qui évolue. Ne mélangez pas non plus des réponses de clients, de salariés et de managers si la différence de vocabulaire fait partie du phénomène observé.

Un corpus plus grand n’est pas automatiquement un corpus plus pertinent. Un ensemble hétérogène peut produire un nuage très lisible tout en mélangeant plusieurs questions différentes.

### 3. Nettoyer sans effacer le sens

La préparation du texte influence directement le résultat. Vous pouvez retirer des éléments techniques qui ne portent pas de sens pour votre question : balises, doublons exacts, en-têtes répétés ou mots-outils, si vous documentez ce choix.

En revanche, évitez de supprimer automatiquement :

- les négations comme « pas », « jamais » ou « sans » ;
- les modalisateurs comme « parfois », « presque » ou « seulement » ;
- les mots qui indiquent une condition ou une exception ;
- les termes propres à un groupe minoritaire ;
- les expressions de plusieurs mots dont le sens disparaît quand on les sépare.

Le nettoyage n’est pas une étape neutre. Si vous retirez « pas » parce qu’il est fréquent, vous pouvez transformer « pas clair » en une présence artificielle de « clair ». Si vous ramenez toutes les formes à une racine sans contrôler le résultat, vous pouvez réunir des usages qui ne parlent pas de la même chose.

Conservez une copie du corpus initial et une trace des transformations. L’objectif n’est pas d’obtenir le nuage le plus joli, mais de pouvoir expliquer comment il a été produit.

### 4. Choisir des paramètres que vous pourrez refaire

Un générateur peut proposer de nombreux réglages : nombre maximal de mots, seuil de fréquence, liste de mots ignorés, casse, formes fléchies, couleurs, orientation ou algorithme de placement. Ne changez pas plusieurs paramètres à la fois sans les noter.

Pour une première version, gardez une configuration simple :

- un nombre de termes limité mais annoncé ;
- une règle explicite pour les mots ignorés ;
- une règle explicite pour les expressions ;
- une taille de police qui encode une fréquence définie ;
- une exportation accompagnée du corpus et des paramètres.

La forme attire l’œil, mais la forme ne remplace pas la mesure. Une étude empirique de [Felix, Franconeri et Bertini](https://nyuvis.github.io/word-cloud/paper.pdf) montre que la représentation influence la facilité avec laquelle une personne extrait une information selon la tâche. Deux nuages issus du même texte peuvent raconter des histoires visuelles différentes si la liste de mots ignorés, l’échelle ou le mode de placement change.

### 5. Revenir au contexte des mots

Prenez les premiers termes visibles et cherchez leurs occurrences dans le corpus. Lisez plusieurs phrases autour de chacun, pas seulement la première qui confirme votre impression.

Cette vérification peut révéler que :

- un mot est présent dans une formule répétée par un même document ;
- un terme apparaît surtout dans une négation ;
- plusieurs mots appartiennent à une même expression ;
- un mot fréquent sert à décrire une cause dans certaines réponses et une conséquence dans d’autres ;
- un groupe utilise un vocabulaire différent et disparaît dans le nuage global.

Les outils de lecture de corpus comme [Corpus Terms](https://docs.voyant-tools.org/docs/tutorial-corpusterms.html) et [Contexts](https://docs.voyant-tools.org/docs/tutorial-contexts.html) illustrent bien cette complémentarité : compter les termes peut orienter l’exploration, tandis que le contexte permet de relire leurs occurrences.

### 6. Comparer avant de conclure

Un nuage global masque souvent les écarts. Produisez, lorsque c’est pertinent, des vues séparées par période, rôle, question ou situation. La comparaison ne consiste pas à déclarer quel groupe a « raison », mais à rendre visibles les différences qui méritent une enquête.

Comparez aussi le nuage avec une liste de fréquences ou un tableau. Une liste conserve les valeurs et facilite les vérifications ; le nuage facilite une première exploration visuelle. Les deux ne répondent pas exactement au même besoin.

## Exemple : pourquoi la négation change la lecture

Imaginez ces deux réponses :

> « L’outil est simple, mais pas assez clair pour retrouver une ancienne demande. »

> « L’outil est clair pour une nouvelle demande, mais pas simple quand il faut corriger une erreur. »

Un nettoyage trop agressif peut faire ressortir `clair`, `simple`, `demande` et `erreur` sans conserver la direction de chaque jugement. Le nuage donne alors une présence lexicale, pas une évaluation positive ou négative.

La vérification consiste à retourner aux phrases, à garder les marqueurs de négation et à noter les conditions. Dans cet exemple, la question utile n’est pas « les répondants trouvent-ils l’outil clair ? », mais plutôt « dans quelles situations la clarté ou la simplicité devient-elle un problème ? ».

## Ce que le nuage montre, masque et oblige à contrôler

| Le nuage peut montrer | Le nuage peut masquer | Contrôle à effectuer |
|---|---|---|
| La présence relative de termes selon une règle de comptage | Le sens de la phrase et sa polarité | Relire plusieurs occurrences en contexte |
| Des mots à examiner en priorité | Les expressions et synonymes qui portent la même idée | Chercher des formes proches et des syntagmes |
| Des différences de vocabulaire entre corpus | La taille réelle des groupes et les réponses minoritaires | Comparer des sous-corpus et conserver les unités |
| Un premier support de discussion | Les causes, les conséquences et les conditions | Formuler des hypothèses puis chercher des preuves |
| Une image facile à partager | Les paramètres qui ont produit l’image | Archiver le corpus, le nettoyage et les réglages |

La taille d’un mot n’est donc pas une importance au sens large. Elle encode une valeur définie par le traitement choisi. Une notion peu fréquente peut être décisive pour un groupe ou pour un risque particulier ; une notion très fréquente peut être vague, obligatoire dans la question ou répétée par une seule source.

## Cinq vérifications avant de présenter le résultat

### Le corpus est-il identifiable ?

Pouvez-vous expliquer d’où viennent les textes, quelles réponses sont incluses et lesquelles ne le sont pas ? Si le périmètre est flou, le nuage ne peut pas être interprété correctement.

### Le nettoyage est-il réversible ?

Avez-vous conservé le texte initial et la liste des transformations ? Une décision de suppression doit pouvoir être discutée, corrigée et rejouée.

### Les mots importants sont-ils relus dans leurs phrases ?

Une liste de termes ne suffit pas. Contrôlez les négations, les pronoms, les citations rapportées, les conditions et les formulations ironiques ou ambiguës.

### Les voix minoritaires sont-elles encore visibles ?

Un nuage global donne naturellement plus d’espace aux mots fréquents. Regardez séparément les sous-groupes pertinents et les réponses atypiques avant d’annoncer un constat collectif.

### La conclusion dépasse-t-elle le visuel ?

Écrivez ce que le nuage suggère, puis ce qu’il ne permet pas de conclure. Une hypothèse devient une piste de travail quand elle est confrontée aux phrases sources, à d’autres données ou à une question de suivi.

## Quand passer du nuage à l’analyse thématique

Le nuage est utile pour ouvrir une exploration. Il devient insuffisant quand vous devez regrouper des formulations différentes, distinguer des causes, expliquer des exceptions ou justifier une décision.

À ce stade, passez d’une logique de présence à une logique de sens : définissez les thèmes à partir des réponses, gardez leurs critères d’inclusion, reliez-les aux citations qui les soutiennent et rendez visibles les cas qui ne rentrent pas bien dans une catégorie. Une fréquence peut aider à prioriser une lecture ; elle ne remplace pas le raisonnement qui relie une observation à une action.

Pour approfondir sans reprendre toute une méthode de codage, consultez [Lire 200 réponses ouvertes sans se mentir](/fr/blog/lire-200-reponses-ouvertes-sans-se-mentir-une-methode-pour-decider-sans-noyer-le-signal) et [Questions ouvertes : obtenir des réponses exploitables sans biaiser](/fr/blog/questions-ouvertes-obtenir-des-reponses-exploitables-sans-biaiser). La surface [Questions Ouvertes](/fr/product/open-questions) peut ensuite servir à organiser une collecte qui laisse aux répondants la place de préciser leurs situations.

Dans cette continuité, Harmate peut aider à relier des réponses ouvertes à des thèmes et à des verbatims consultables, tout en laissant l’équipe examiner les divergences et décider elle-même de ce qu’elle retient. Cela ne transforme pas un nuage en diagnostic automatique : le visuel reste un point de départ, et la décision doit rester rattachée aux éléments de preuve.

## FAQ

### Un nuage de mots est-il une analyse qualitative ?

C’est une visualisation exploratoire de termes selon une règle de comptage ou de pertinence. Elle peut soutenir une analyse qualitative, mais ne constitue pas à elle seule une interprétation des expériences ou des causes.

### Faut-il toujours supprimer les mots très fréquents ?

Non. Un mot fréquent peut être un élément important du phénomène observé. Supprimez seulement ce qui ne sert pas votre question et documentez le choix ; comparez si possible une version avec et sans cette suppression.

### Peut-on utiliser un nuage pour mesurer l’adhésion ?

Non, pas directement. Un mot peut apparaître dans une approbation, une critique, une question ou une négation. Pour parler d’adhésion, il faut définir ce que vous mesurez et relire les réponses dans leur contexte.

### Quel outil choisir ?

Choisissez un outil qui accepte votre format de corpus, permet de régler les mots ignorés et vous laisse récupérer le résultat. La qualité de l’interprétation dépend surtout du corpus, des transformations et des contrôles que vous conservez.

### Les questions ouvertes sont-elles indispensables ?

Elles permettent aux personnes de préciser des situations, des raisons ou des exceptions que des choix prédéfinis n’avaient pas anticipés. Elles demandent toutefois un traitement attentif et ne garantissent ni représentativité ni comparabilité à elles seules.

## Sources

- [Participatory visualization with Wordle — Viégas, Wattenberg et Feinberg (IEEE, 2009)](https://research.ibm.com/publications/participatory-visualization-with-wordle)
- [Taking Word Clouds Apart: An Empirical Investigation of the Design Space for Keyword Summaries — Felix, Franconeri et Bertini (IEEE, 2018)](https://nyuvis.github.io/word-cloud/paper.pdf)
- [Lifting the Fog on Word Clouds: An Evaluation of Interpretability in 234 Individuals — Maurits, Boers et Knevel (VISIGRAPP, 2022)](https://www.scitepress.org/Papers/2022/107787/107787.pdf)
- [Voyant Tools — Corpus Terms](https://docs.voyant-tools.org/docs/tutorial-corpusterms.html) et [Contexts](https://docs.voyant-tools.org/docs/tutorial-contexts.html)