D'où proviennent nos données de noms vietnamiens

Le Vietnam n'a pas de registre d'État des noms de famille. Tout ce que vous avez pu lire sur la fréquence de Nguyễn — y compris le chiffre que vous avez en tête en ce moment même — provient de l'échantillon de quelqu'un. Cela fait du Vietnam, de toutes nos locales est-asiatiques, la plus difficile à traiter correctement, et celle où nous avons trouvé la plus grosse erreur factuelle isolée dans nos propres données.

Les sources utilisées

Il n'existe pas de registre : cette section nomme donc des échantillons à la place.

Comme il n'y a aucune autorité à laquelle s'en remettre, la méthode change : au lieu de faire confiance à une seule source, nous cherchons deux grands échantillons dont les biais pointent dans des directions opposées et nous regardons s'ils aboutissent au même endroit.

Ce que nous avons mesuré et ce que nous avons estimé

Mesuré. Les rangs 1–298, issus de VNTH01, stockés comme des comptages de registre mis à l'échelle :

weight = round(1000 × share%)

de sorte que les 30,492 % de Nguyễn deviennent 30492 et qu'une unité de poids vaut 0,001 % de la population. Le fichier va jusqu'au rang 298 — la dernière position dont le comptage s'arrondit encore à un poids de ≥1, c'est-à-dire jusqu'à une part d'environ 0,0005 %. En dessous, la fréquence d'un nom s'arrondit à zéro : tout poids placé là serait un plancher que nous aurions inventé, pas un comptage que nous aurions mesuré.

Estimé. La correction régionale — c'est-à-dire qu'il n'y en a pas. VNTH01 est pondéré vers le nord et nous le savons. Le corriger exigerait des coefficients régionaux qui n'existent pas, et SG01 ne publie que son top 10. La direction du biais est connue ; son ampleur ne l'est pas, et nous n'avons pas tenté de la deviner.

Fait inhabituel, la couverture est presque totale. 298 noms de famille couvrent 99,4 % des Vietnamiens, ce qui renverse un avertissement valable pour toutes les autres locales que nous documentons : ici, la part d'un nom de famille dans le fichier est très proche de sa part dans la population. Ailleurs, ce sont deux chiffres différents avec des dénominateurs différents. Au Vietnam, ils coïncident presque.

Pièges propres au Vietnam

« Nguyễn = 38 % » est un chiffre zombie

Tout le monde le cite : les encyclopédies, la presse, les bibliothèques de génération de noms, nous — dans notre première version.

Il remonte à Lê Trung Hoa, Họ và tên người Việt Nam (1992 ; édition de 2005), qui donne à Nguyễn 38,4 %, à Trần 12,1 %, à Lê 9,5 %, à Phạm 7 %, à Hoàng/Huỳnh 5,1 %, à Phan 4,5 %, à Vũ/Võ 3,9 %. Il est répété non parce qu'il a été confirmé, mais parce qu'il fut longtemps le seul chiffre publié. Nos notes de travail le donnent comme reposant sur un échantillon de 1 941 personnes ; nous n'avons pas pu vérifier cette taille de l'échantillon, et la littérature secondaire reproduit les pourcentages sans indiquer la moindre méthodologie. Dans un cas comme dans l'autre, le problème est le même : une source unique non répliquée, sans méthode publiée, répétée jusqu'à acquérir la texture d'un fait.

Trois grands échantillons disent le contraire :

Deux d'entre eux ont des biais régionaux opposés et convergent malgré tout. Le troisième est une compilation indépendante évaluée par les pairs, et il aboutit au même endroit — tout en rapportant par ailleurs 39,01 % à Hà Nội contre 30,61 % à Hồ Chí Minh-Ville, ce qui confirme de façon indépendante à la fois l'existence et la direction du biais nord/sud que VNTH01 déclare à son propre sujet.

Trois échantillons, trois méthodologies, une seule réponse : Nguyễn est à environ 31 %, pas à 38 %. C'est une véritable corroboration indépendante, et non nous en train de nous donner raison à nous-mêmes — l'article de 2024 n'a eu aucun contact avec notre source de calibrage.

La morale se généralise : quand une statistique est citée partout et que la piste s'achève sur une seule petite étude, trouvez un grand échantillon avant de calibrer quoi que ce soit dessus. Et le chiffre sur lequel vous ancrez une courbe doit venir de la même source que les parts qu'il met à l'échelle — arrimer les parts de VNTH01 au chiffre de 38 donné par Lê pour Nguyễn plutôt qu'à ses propres 30,492 aurait comprimé toute la courbe d'environ 20 %.

« Top 10 = 85 % » est le même zombie, coiffé d'un second chapeau

Il vient du même livre et du même échantillon — et il décrit un objet différent. Le chiffre de Lê fusionne les variantes régionales : Hoàng et Huỳnh comme un seul nom de famille, Vũ et Võ comme un seul. Ses sept noms fusionnés totalisent 80,5 % ; le top 10 fusionné de SG01 est à 76,1 %.

Notre corpus les garde séparés, parce que ce sont des chaînes distinctes dans un champ de formulaire vietnamien, si bien que notre cible honnête est de ~71 %. Le chiffre de 85 % n'est pas hors d'atteinte parce que notre courbe serait mauvaise, mais parce qu'il porte sur autre chose.

Y n'est pas un nom de famille — et la source le prouve de l'intérieur

Au rang 55 de VNTH01, avec 0,092 %, se trouve Y. Nous l'avons écarté.

Y est un préfixe honorifique masculin chez les Ê Đê et les Gia Rai — à peu près « M. ». Y Moan Enuôl, Y Jút. Les véritables noms de clan viennent après lui et se transmettent en ligne matrilinéaire : Niê, Mlô, Ksơr, Kpă.

La preuve est à l'intérieur de l'échantillon. Si Y était un nom de famille, les clans se classeraient tout près de lui. Ce n'est pas le cas : Niê est au rang 210 (0,005 %), Rơ au 247. Y apparaît 18 fois plus souvent que le clan auquel il appartient — exactement ce que vous verriez si un analyseur prenait le premier jeton de chaque nom et déversait toute la population masculine adulte Ê Đê et Gia Rai dans un champ « nom de famille ».

Le même artefact a produit Thị au rang 149 — un nom intermédiaire féminin, peut-être l'élément de nom le plus fréquent du pays — ainsi que Ka au 123 et A au 129. Ajouter Y aurait de surcroît inscrit un titre honorifique masculin dans la liste des noms de famille féminins.

Voilà à quoi ressemble vraiment un piège : non pas un chiffre faux, mais un chiffre correctement compté qui décrit le mauvais objet. La fréquence de Y dans l'échantillon est exacte. Y n'est simplement pas un nom de famille.

Thạch est réel, et ce n'est pas le même type d'artefact

En apparence, Thạch ressemble à un autre jeton de langue minoritaire. Il n'en est rien. Danh, Kiên, Kim, Sơn et Thạch sont des noms de famille accordés aux Khmers Kroms par la cour des Nguyễn lors de l'annexion du Nam Bộ — le même mécanisme administratif que le décret Clavería aux Philippines. Les porteurs khmers kroms ont des prénoms vietnamiens ordinaires : Thạch Kim Tuấn, Thạch Cương.

Le test n'est donc pas « ce jeton a-t-il l'air étranger ? » mais « existe-t-il un mécanisme documenté qui en fasse un nom de famille ? ». Pour Y, il n'y en a pas. Pour Thạch, il y en a un.

Văn est notre entrée la plus faible et nous n'y touchons pas

Văn se situe au rang 42 (0,187 %, ~180 000 personnes) avec un poids de 187. Le nom de famille est réel — Văn Như Cương, un lignage de Quỳnh Lưu — mais la littérature le décrit comme un petit clan, ce qui cadre mal avec 180 000 porteurs. Nous soupçonnons VNTH01 d'avoir en partie absorbé le nom intermédiaire Văn (comme dans Nguyễn Văn Nam), l'infixe masculin le plus courant du pays. Nous ne l'avons pas discrètement réduit : ce serait ajuster les données à une intuition, alors que la même source a reproduit exactement le reste de la courbe (60 correspondances sur 60). Il reste, signalé.

Pourquoi le fichier s'arrête à 298

Il n'y a pas de seuil dicté par le goût. Le fichier conserve tout nom de famille dont le comptage mis à l'échelle s'arrondit encore à un poids de ≥1 — 298 noms, jusqu'à une part d'environ 0,0005 % — ce qui constitue déjà la totalité de la tranche mesurable du registre. Parce qu'il s'agit de comptages réels et non de planchers inventés, la masse reste en dessous de 100 % au lieu de la dépasser en enflant, et la profondeur rapporte simplement de moins en moins :

Les 232 noms des rangs 67–298 n'ajoutent qu'à peine trois points de couverture — chacun se situe sous une part de 0,06 % — et tout ce qui dépasse le rang 298 s'arrondit purement et simplement à rien. Il n'y a pas de top 300 à poursuivre : 298, c'est là que s'achève le signal mesurable du registre.

Top 10

Top 10 tel que listé : ~69,2 % de la population, contre un plafond atteignable de ~71,4 %.

⚠ Aucun nombre de porteurs, parce qu'il n'en existe aucun. Le Vietnam ne publie pas de registre des noms de famille : il n'existe donc aucune ligne de la forme « Nguyễn : N personnes ». Ce sont des fréquences d'échantillon mises à l'échelle de la population ; ~ signale les parts reconstruites à partir du poids entier stocké. Fusionnez Hoàng/Huỳnh et Vũ/Võ comme le font la plupart des chiffres publiés, et ce top 10 devient ~76 % — même population, question différente.

Limites connues

• Il n'existe pas de registre, et cette page n'y peut rien. Chaque chiffre présenté ici est une estimation d'échantillon — la seule de nos quatre locales est-asiatiques dans ce cas.
• Le biais nord 63:37 de VNTH01 n'est pas corrigé. Nông (rang 27) et d'autres noms de famille des hauts plateaux du nord sont surévalués ; ceux du sud sous-évalués. L'écart Hà Nội/HCMC de l'article de 2024 dans Genealogy (39,01 % contre 30,61 %) montre que l'effet est important. Nous n'avons pas de coefficients et n'en avons inventé aucun.
• Văn est peut-être contaminé par l'analyse du nom intermédiaire. Documenté ci-dessus. Laissé tel quel.
• La queue située sous une part de ~0,0005 % est absente — les noms de famille dont le comptage mis à l'échelle s'arrondit à zéro. Ensemble, ils représentent les ~0,56 % de la population que la couverture n'atteint pas (elle s'arrête à 99,44 %).
• La dénomination en langue minoritaire n'est presque pas représentée. Une fois retirés Y, Thị, Ka et A, il ne reste de la dénomination Ê Đê et Gia Rai qu'une poignée de noms de clan très rares — Niê, Rơ et consorts, chacun tout au bas du fichier. Cela reflète l'analyseur de notre échantillon, pas le Vietnam.
• Aucune date sur les échantillons. Ni VNTH01 ni SG01 ne porte de date de référence nette comme le fait un recensement.

Données arrêtées au 2026-07-17

Sources : les jeux de données de fréquences hoten.org VNTH01 (n = 1 682 729) et SG01 (n ≈ 241 000) — CC BY 4.0 selon la déclaration figurant dans le texte de la page — recoupés avec Nguyen (2024), Genealogy 8(1):16 (n = 883 835). Le fichier a été reconstruit directement à partir des comptages hoten.org : ce qui a commencé comme une liste curatée de ~110 entrées sur une échelle interne à 255 points est désormais la tranche complète du registre, soit 298 noms de famille, chacun stocké sous forme de comptage de fréquence mis à l'échelle (weight = share% × 1000). Couverture 99,44 %, top 10 dans le fichier 69,58 %. Les fichiers masculin et féminin sont identiques octet pour octet — les noms de famille vietnamiens ne varient pas selon le genre.

Sources

• Nguyen, Viet Khoa (2024). « Toward an Onomastic Account of Vietnamese Surnames. » Genealogy 8(1):16
• Trăm họ của người Việt Nam là những họ nào? — Việt Báo
• Vietnamese name — Wikipedia
• Nguyen — Wikipedia