À retenir
- C'est le dictionnaire de traduction entre l'humain (texte) et la machine (chiffres).
- Le choix du mauvais jeu de caractères provoque des erreurs d'affichage (le mojibake).
- L'UTF-8 est devenu la norme universelle sur Internet.
Un jeu de caractères est un catalogue qui associe chaque lettre, chiffre ou symbole à un numéro spécifique que l'ordinateur peut comprendre. C'est un peu comme un code secret ou une légende de carte : pour que la machine affiche un 'A', elle doit savoir que ce caractère correspond, par exemple, au nombre 65.
Étymologie
Le terme vient de l'assemblage de « jeu » (au sens de collection ou ensemble) et de « caractère » (signe d'écriture). Il traduit l'expression anglaise character set (souvent abrégée en charset). Historiquement, cela remplace les plaques de plomb utilisées en imprimerie par des valeurs numériques.
Exemples d'usage
- ASCII : Le standard historique limité à 127 caractères (alphabet anglais uniquement).
- UTF-8 : Le standard moderne universel qui inclut presque toutes les écritures du monde et les emojis.
- ISO-8859-1 (Latin-1) : Un jeu utilisé pour les langues d'Europe de l'Ouest comme le français.
Cas d'usage
On le retrouve partout où du texte est manipulé : dans la création de pages web (balise meta charset), la configuration des bases de données, l'envoi d'e-mails ou la sauvegarde de fichiers texte simples.
Bonnes pratiques
La règle d'or aujourd'hui est d'utiliser systématiquement l'UTF-8. Cela évite les problèmes d'affichage (caractères bizarres comme 'é' au lieu de 'é') lorsqu'un fichier est ouvert sur un autre système. Il est crucial que l'encodage déclaré corresponde au format réel du fichier.
Synonymes
Conseil
Si vous débutez en programmation ou en création de site web, ne vous posez pas trop de questions : réglez votre éditeur de texte sur UTF-8 sans BOM par défaut. C'est le réglage le plus compatible et le plus sûr pour éviter les maux de tête.
Questions fréquentes
Pourquoi certains accents s'affichent mal sur mon site ?
Cela arrive généralement quand le jeu de caractères déclaré (souvent UTF-8) ne correspond pas à celui utilisé lors de l'enregistrement du fichier (souvent Windows-1252 ou ISO).
Quelle est la différence avec l'encodage ?
Le jeu de caractères est la liste des signes et leurs numéros, tandis que l'encodage est la méthode technique pour stocker ces numéros en mémoire (octets).