---
title: "Que sont les diacritiques arabes (tashkeel) ? Les harakat"
description: "Les diacritiques arabes (tashkeel) sont des signes de voyelle et de shadda facultatifs. Codes Unicode, pourquoi on les omet, et l’effet sur les LLM."
url: https://broadrouter.com/fr/glossary/arabic-diacritics/
lang: fr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/glossary/arabic-diacritics/) (mis à jour le 2026-11-15).

# Diacritiques arabes (tashkeel)

Mis à jour 2026-11-15

Les diacritiques arabes, ou tashkeel, sont de petits signes placés au-dessus ou au-dessous des lettres pour noter les voyelles brèves, les consonnes doublées et l’absence de voyelle. Ils sont facultatifs : la plupart des textes arabes, presse comprise, les omettent, et lecteurs comme logiciels déduisent les voyelles du contexte.

Aussi appelé : diacritiques arabes, signes diacritiques arabes, vocalisation, voyelles arabes, diacritisation, tashkeel, tashkil, harakat, diacritization, Arabic diacritization, diacritics, vowel marks

Les trois mêmes lettres arabes peuvent signifier « il a écrit », « des livres » ou « il a été écrit ». Ce sont les diacritiques qui les distinguent, et la plupart des textes s’en passent.

## Comment ça marche

Le standard Unicode appelle ces signes tashkil et indique qu’ils « may be written as combining marks » (traduction : « peuvent s’écrire comme des signes combinatoires »), avant d’ajouter : « In normal writing, however, these marks are omitted. » (traduction : « Dans l’écriture courante, toutefois, ces signes sont omis. ») Les harakat désignent le sous-ensemble des voyelles brèves. Chaque signe est un caractère combinatoire distinct qui suit la lettre qu’il surmonte. Les principaux se trouvent dans la plage U+064B à U+0652 :

| Point de code | Nom | Rôle |
| --- | --- | --- |
| U+064E | FATHA | a bref |
| U+064F | DAMMA | u bref |
| U+0650 | KASRA | i bref |
| U+064B à U+064D | FATHATAN, DAMMATAN, KASRATAN | tanwin (terminaisons -an, -un, -in) |
| U+0651 | SHADDA | consonne doublée |
| U+0652 | SUKUN | absence de voyelle |

Un exemple avec le mot nu كتب :

-   كَتَبَ (kataba), « il a écrit »
-   كُتُب (kutub), « des livres »
-   كُتِبَ (kutiba), « il a été écrit »

Sans signes, les trois sont la même chaîne. Un lecteur choisit le sens d’après la phrase. Un logiciel doit faire de même : c’est le rôle d’un diacritiseur. Zerrouki et Balla (2017) ont constitué le corpus Tashkeela, environ 75,6 millions de mots, surtout en arabe classique, parce que les textes entièrement vocalisés sont rares et que les diacritiseurs en ont besoin pour l’entraînement. Fadel et al. (2019) présentent des modèles neuronaux de diacritisation qui égalent ou dépassent les travaux antérieurs sur un benchmark public, et montrent que les diacritiques peuvent aider la traduction automatique.

Les bibliothèques traitent ces signes comme un ensemble. `AR_DIAC_CHARSET` dans CAMeL Tools couvre U+064B à U+0652, plus U+0670 (alif suscrit), et la fonction `dediac_ar` les supprime.

## Pourquoi c’est important

-   **Recherche et correspondance.** Le même mot tapé avec et sans signes forme deux chaînes différentes. Retirez-les de la clé de recherche dans le cadre de la [normalisation du texte arabe](https://broadrouter.com/fr/glossary/arabic-text-normalization/), sinon les correspondances exactes échouent.
-   **Tokens.** Chaque signe est un caractère de plus pour le [tokenizer](https://broadrouter.com/fr/glossary/tokenizer/). Un texte entièrement vocalisé consomme nettement plus de tokens qu’un texte nu ; voir [le guide de la diacritisation](https://broadrouter.com/fr/blog/arabic-diacritization-llm/) pour les ratios mesurés et [les tokens par mot en arabe](https://broadrouter.com/fr/blog/tokens-per-word-arabic-english/) pour la référence.
-   **Parole et évaluation.** Les transcriptions reviennent généralement sans signes. Calculez le [taux d’erreur sur les mots](https://broadrouter.com/fr/glossary/word-error-rate/) après avoir retiré les diacritiques des deux textes, sinon un mot correct avec une fatha en trop compte comme une erreur.
-   **Quand ils sont nécessaires.** Synthèse vocale, enseignement de la langue, textes coraniques et poétiques, et noms ambigus sans voyelles.

## Sur BroadNet Inference

BroadNet n’a pas d’endpoint de diacritisation. Les modèles de chat reçoivent le tashkeel comme du texte ordinaire via POST /v1/chat/completions : vous pouvez donc demander à un modèle comme [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) d’ajouter ou de retirer les signes. La méthode sûre consiste à vérifier la réponse dans le code : retirez les diacritiques et comparez avec votre entrée, lettre par lettre. L’[article sur la diacritisation par LLM](https://broadrouter.com/fr/blog/arabic-diacritization-llm/) donne le prompt et la vérification.

Pour la suppression, n’utilisez pas de modèle du tout. Une courte expression régulière sur U+064B à U+0652 est plus rapide, gratuite et exacte. Le [normaliseur de texte arabe](https://broadrouter.com/tools/arabic-text-normalizer/) montre l’effet dans le navigateur.

## Questions fréquentes

### Faut-il retirer les diacritiques avant d’indexer du texte arabe ?

Pour la recherche par mots-clés, en général oui, mais uniquement sur la clé de recherche. Les auteurs de Tashkeela notent que la plupart des moteurs de recherche ignorent les diacritiques. Conservez le texte d’origine pour l’affichage et pour le LLM.

### Pourquoi l’arabe vocalisé coûte-t-il plus de tokens ?

Chaque signe est un caractère Unicode distinct : un mot entièrement vocalisé compte donc plus de caractères à découper pour le tokenizer. Comptez votre propre texte avec un compteur de tokens, avant et après l’ajout du tashkeel.

### Un LLM peut-il ajouter les diacritiques de façon fiable ?

Il peut les ajouter, mais il risque aussi de modifier des lettres. Retirez les signes de la réponse et comparez avec l’entrée ; rejetez toute réponse où une lettre a changé.

## Voir aussi

-   [Normalisation du texte arabe](https://broadrouter.com/fr/glossary/arabic-text-normalization/) (terme)
-   [Hamza](https://broadrouter.com/fr/glossary/hamza/) (terme)
-   [Normalisation Unicode](https://broadrouter.com/fr/glossary/unicode-normalization/) (terme)
-   [Tokenizer (tokeniseur)](https://broadrouter.com/fr/glossary/tokenizer/) (terme)
-   [Taux d’erreur sur les mots (WER)](https://broadrouter.com/fr/glossary/word-error-rate/) (terme)
-   [Arabe standard moderne (MSA)](https://broadrouter.com/fr/glossary/msa/) (terme)
-   [Vocaliser un texte arabe avec un LLM : prompt, contrôles, DER](https://broadrouter.com/fr/blog/arabic-diacritization-llm/) (article)
-   [Normaliser le texte arabe pour la recherche et le RAG : quoi changer](https://broadrouter.com/fr/blog/arabic-text-normalization-search/) (article)
-   [Tokens par mot, arabe ou anglais : pourquoi l’arabe coûte plus cher](https://broadrouter.com/fr/blog/tokens-per-word-arabic-english/) (article)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-arabic-diacritics&utm_content=page-cta) ·

**Sources**

-   [The Unicode Standard 18.0, chapitre 9 Middle East-I, arabe (tashkil, signes combinatoires) (vérifié le 2026-11-15)](https://www.unicode.org/versions/Unicode18.0.0/core-spec/chapter-9/)
-   [Fadel, Tuffaha, Al-Jawarneh et Al-Ayyoub, Neural Arabic Text Diacritization: State of the Art Results and a Novel Approach for Machine Translation (WAT 2019, ACL Anthology) (vérifié le 2026-11-15)](https://aclanthology.org/D19-5229/)
-   [Zerrouki et Balla, Tashkeela: Novel corpus of Arabic vocalized texts (Data in Brief, 2017) (vérifié le 2026-11-15)](https://pmc.ncbi.nlm.nih.gov/articles/PMC5310197/)
-   [Code source de CAMeL Tools, camel\_tools.utils.charsets (AR\_DIAC\_CHARSET) (vérifié le 2026-11-15)](https://raw.githubusercontent.com/CAMeL-Lab/camel_tools/master/camel_tools/utils/charsets.py)
