Quatre noms de famille couvrent la moitié du Vietnam. L'Ukraine en demande des centaines. La courbe de concentration expliquée

Les quatre noms de famille les plus courants du Vietnam — Nguyễn, Trần, Lê, Phạm — représentent à eux seuls la moitié du pays. Pour atteindre la moitié de l'Ukraine, il vous faut plusieurs centaines de noms de famille différents. Même mesure, même méthode, deux ordres de grandeur d'écart.

C'est une autre question que « combien de noms de famille un pays possède-t-il ? », que nous avons traitée dans Combien de noms de famille un pays possède-t-il ?. La taille du répertoire demande quelle est la longueur de la liste. La concentration demande comment la masse se répartit le long de cette liste — et les deux peuvent diverger. Le Danemark dispose d'un corpus modeste de 717 noms, mais compte parmi les pays les plus concentrés d'Europe. La Nouvelle-Zélande en possède un énorme et figure parmi les plus plats. La longueur ne vous dit presque rien sur la forme.

Voici la forme, mesurée de la même façon pour chaque pays dont nous détenons des données, avec un exposé honnête indiquant quels chiffres sont des faits de registre et lesquels relèvent de notre modèle.

La mesure

Pour chaque pays, on classe les noms de famille par fréquence, on descend le classement et on note jusqu'où il faut aller pour cumuler 50 %, 80 % et 95 % de la population. Trois chiffres, une courbe. Une courbe raide signifie que quelques noms portent le pays ; une courbe plate signifie que la masse est répartie de façon diffuse.

Lisez ensemble la première et la dernière ligne. Le Vietnam atteint 50 % en quatre noms et 95 % en quarante-cinq. L'Ukraine a besoin de 874 noms pour la première moitié et grimpe encore à 2 074. Entre ces deux pôles se situent tous les autres systèmes de dénomination de la planète.

La même colonne, cette fois sous forme de graphique. Le tableau vous donne les chiffres ; les barres vous donnent la chute — et la chute est l'essentiel. Il n'y a ni groupe ni plateau : la concentration décroît régulièrement du Vietnam à l'Ukraine, et c'est pourquoi il n'existe pas de distribution « typique » unique des noms de famille.

Avant d'aller plus loin, lisez cette réserve. Il s'agit de nos corpus, mesurés le 18 juillet 2026 sur la version de corpus share 1.1.7. Neuf des lignes ci-dessus — le Danemark, l'Espagne, la Suède, la Norvège, la Grande-Bretagne, les États-Unis, la France, la Pologne et l'Ukraine — ont depuis été reconstruites sur des effectifs de registre et ont bougé, deux d'entre elles fortement : les « noms pour 50 % » de la Pologne sont passés de 371 à 1 989, ceux de l'Ukraine de 874 à 201. Sauf mention contraire, tout ce qui suit correspond à la mesure de juillet. Au moment de cette mesure, les poids de fréquence étaient relatifs, et non des effectifs, pour 61 des 63 locales du calcul. La colonne du top 10 est calibrée sur des chiffres de registre publiés et peut être contrôlée sur eux ; les colonnes 50/80/95 sont notre modèle de la queue et doivent être lues comme telles. Tous les détails dans la section méthodologie — et si nous plaçons cet avertissement au milieu de l'article plutôt qu'à la fin, c'est parce que cette réserve change le sens du tableau.

Correction — la ligne ukrainienne a été reconstruite. Un audit a établi que nos poids de noms de famille ukrainiens échouaient à un contrôle de cohérence arithmétique. Le corpus a depuis été reconstruit à partir des comptages du registre : tout chiffre ukrainien figurant ailleurs dans cet article correspond donc à la mesure d'avant reconstruction. Le contrôle : la part du top 10 interne au corpus, multipliée par sa couverture de la population, est égale à la part du top 10 dans la population. L'ancien corpus ukrainien affichait un top 10 interne de 5,45 % face à un chiffre de population publié de 5,45 % — ce qui implique que le corpus couvrait 99,9 % des Ukrainiens. Il contenait 2 207 noms de famille pour un répertoire national d'environ 707 685 ; sa couverture réelle n'en représentait donc qu'une petite fraction. Les deux chiffres ont des dénominateurs différents et ne peuvent légitimement être égaux ; une version antérieure du même corpus affichait 29,4 %, ce qui est cohérent avec un corpus mince tiré d'un répertoire très plat. La conséquence était précise et elle figurait dans le titre : le chiffre des « 874 noms pour atteindre la moitié de l'Ukraine » était gonflé par une courbe de poids aplatie (1 900 des 2 207 entrées se trouvaient au poids minimal et portaient 71 % de la masse du corpus). Reformulé à partir du corpus reconstruit — 2 562 noms de famille sur effectifs de registre, mesurés le 22 juillet 2026 : top 10 = 8,42 %, top 100 = 34,27 %, 201 noms pour atteindre 50 %, 601 pour atteindre 80 %, 1 062 pour atteindre 95 %. Notez ce que cela coûte à l'histoire telle qu'elle était racontée au départ : l'Ukraine n'est pas l'extrême plat de notre ensemble. Elle se situe désormais en milieu de tableau, et le corpus le plus plat que nous détenions est le corpus polonais, qui exige 1 989 noms pour atteindre la moitié. Les lignes taïwanaise et vietnamienne passent le même contrôle (couverture impliquée de 100,0 % et 99,6 % face à une couverture documentée de ~99,6 % et ~97,5 %) et ne sont pas concernées.

Quatre mécanismes, et non un seul

L'étalement n'est pas un continuum unique. Quatre mécanismes historiques distincts le produisent, et ils produisent des formes de courbe différentes, pas seulement des raideurs différentes.

1. Répertoires claniques fermés (Vietnam, Corée, Taïwan, Chine)

Les noms de famille d'Asie de l'Est et du Sud-Est descendent d'un inventaire ancien et pour l'essentiel figé de noms de clan. Rien n'en a créé de nouveau depuis des siècles. Le résultat n'est pas simplement « peu de noms de famille », mais une forme précise : une poignée de géants, puis une falaise.

Taïwan est le cas le plus net, parce que son ministère de l'Intérieur publie des comptages bruts sans aucun seuil de suppression — les noms de famille portés par une seule personne y figurent. Chen (陳) couvre à lui seul 11,2 % de 23,4 millions de personnes. Neuf noms de famille suffisent à atteindre la moitié de l'île. Mais le fichier contient aussi 636 noms de famille portés par exactement une personne — 23,5 % de tous les noms distincts, portant à eux tous 0,00 % de la population. Voilà la forme en une phrase : un pays de géants bordé d'une frange statistiquement sans poids.

Le Vietnam est le cas extrême. Nguyễn pèse à lui seul 30,6 % dans notre corpus, ce qui concorde avec les ~31 % établis à partir de grands échantillons — et certainement pas avec le chiffre de 38 % qui circule presque partout, que nous avons fait remonter à un échantillon de 1 941 personnes daté de 1992 et réfuté dans Sept façons dont les données de noms vous mentent (article compagnon, pas encore publié). Quatre noms vous mènent à la moitié. Notre corpus vietnamien de 298 entrées couvre environ 97,5 % de la population — le fichier est presque complet parce que le répertoire est réellement aussi réduit.

2. Gel des patronymes (Danemark, Norvège, Suède, Islande)

La Scandinavie paraît concentrée pour une raison tout à fait différente. Les noms de famille danois sont des patronymes gelés : Jensen, Nielsen, Hansen, Pedersen — « fils de Jens », « fils de Niels ». Jusqu'au XIXe siècle, ce n'étaient pas du tout des noms de famille, mais des étiquettes qui se régénéraient et changeaient à chaque génération. La loi les a gelés en pleine course, et le patronyme qu'une famille portait par hasard le jour où la loi a pris effet est devenu définitif.

Comme le stock de prénoms masculins en usage au moment du gel était réduit, le stock de patronymes gelés l'était tout autant. Le top 10 danois couvre 43,6 % — une concentration de niveau asiatique, produite par un événement administratif du XIXe siècle et non par une structure clanique ancienne.

La forme trahit le mécanisme. Comparez le Danemark et Taïwan à concentration du top 10 équivalente :

Des têtes semblables, des queues radicalement différentes. La courbe de Taïwan s'effondre après les cent premiers noms ; celle du Danemark poursuit sur quatre cents noms de plus. Le Danemark possède une véritable queue de noms non patronymiques — toponymes, importations allemandes, noms de métier — que Taïwan n'a tout simplement pas. Deux systèmes peuvent partager un chiffre phare et être structurellement dissemblables, et c'est pourquoi le chiffre du top 10 que cite chaque article-liste est le moins informatif du tableau.

L'Islande relève de la même famille, avec le mécanisme inversé : l'Islande n'a jamais gelé ses patronymes, si bien que la plupart des Islandais n'ont aucun nom de famille au sens héréditaire du terme. Notre corpus islandais de 343 entrées ne couvre que la petite minorité de familles qui en possèdent un. Nous avons raconté cette histoire à part dans Les patronymes de l'Islande et ses 59 noms de famille.

3. Répertoires ouverts et productifs (Ukraine, Tchéquie, Pologne, Italie)

À l'extrémité plate se trouvent les systèmes qui fabriquaient encore des noms de famille au moment où les registres les ont rattrapés. Les noms de famille slaves et italiens se sont formés tard et à partir d'un matériau productif — métiers, sobriquets, villages, patronymes — et aucune autorité centrale n'a jamais normalisé les graphies. Chaque paroisse a produit ses propres variantes.

Le top 10 ukrainien couvre 5,45 %. Ce n'est pas une erreur d'arrondi qui l'écarte des 69,5 % du Vietnam ; c'est un objet d'une autre catégorie. La formation des noms de famille ukrainiens s'est appuyée sur au moins quatre familles de suffixes productifs (-enko, -uk/-yuk, -sky, -ych) qui pouvaient s'attacher à presque n'importe quelle racine, et la dérive orthographique des scribes a démultiplié davantage chaque racine.

L'Italie est le cas d'Europe occidentale le plus plat, avec 6,9 % pour le top 10 et 377 noms pour atteindre la moitié, et la raison est celle-là même que les spécialistes italiens d'onomastique avancent pour expliquer que l'Italie ne parvient pas du tout à compter ses noms de famille : une langue nationale standard est arrivée tard, chaque région a donc fossilisé ses propres formes lexicales, et le passage de l'oral à l'écrit a engendré des familles de noms quasi identiques ne différant que par une lettre.

4. Remises à zéro législatives (Turquie)

La Turquie n'appartient à aucune des catégories précédentes. Les Turcs n'avaient pas de noms de famille héréditaires avant que la loi sur les noms de famille de 1934 n'oblige chaque famille à en choisir un dans un délai de deux ans. Un pays entier a choisi ses noms de famille simultanément, dans un vocabulaire vivant, avec pour consigne de préférer des mots turcs.

Le résultat est une courbe véritablement singulière : un top 10 à 11,2 %, plus plat que celui du Japon ou de la Russie, mais avec un top 100 de seulement 38,4 % — la masse s'évacue vite après les premiers. Yılmaz (« intrépide »), Kaya (« roc »), Demir (« fer »), Çelik (« acier ») sont en tête parce que c'étaient des mots attrayants, et non parce que beaucoup de gens les avaient hérités. Ensuite, la queue s'étale sur des milliers d'autres mots attrayants. Cette histoire est racontée en entier dans La loi turque sur les noms de famille de 1934.

La seule comparaison qui nous a réellement surpris

Le Japon et le Danemark. Le Japon est un pays d'Asie de l'Est avec un top 100 de 62,3 % ; le Danemark est un pays scandinave à 77,1 %. Le Danemark est plus concentré que le Japon en matière de noms de famille, et de loin.

Cela renverse le modèle mental habituel, selon lequel « asiatique = peu de noms de famille, européen = beaucoup ». Le système de noms de famille japonais n'est pas du tout un répertoire clanique. Les roturiers japonais n'ont été tenus d'enregistrer un nom de famille qu'après la restauration de Meiji, dans les années 1870, et ils les ont largement inventés à partir du vocabulaire du paysage — 山本 (yamamoto, « le pied de la montagne »), 田中 (tanaka, « le milieu du champ »), 小林 (kobayashi, « petite forêt »). C'est un mécanisme productif, structurellement bien plus proche de l'Italie ou de la Pologne que de la Corée voisine.

La véritable variable n'est donc ni la géographie ni la famille de langues. C'est le fait de savoir si le système de noms de famille était ouvert ou fermé au moment où l'État s'est mis à consigner les noms — et celui du Japon était grand ouvert en 1875. Celui de la Corée, à trois cents kilomètres de là, était fermé depuis mille ans. La Corée atteint 50 % en six noms de famille ; le Japon en demande 57.

Ce que cela signifie si vous utilisez des données de noms

Trois conséquences pratiques.

La taille du corpus ne mesure pas la taille du pays. Notre fichier de noms de famille vietnamiens compte 298 entrées et couvre ~97,5 % du Vietnam. Notre fichier ukrainien compte 2 562 entrées et couvre une mince tranche d'un répertoire estimé à plusieurs centaines de milliers de noms. Classer les pays par taille de fichier reviendrait à classer notre propre travail, pas les pays.

Une liste des « 10 noms de famille les plus courants » ne veut pas dire la même chose d'un pays à l'autre. Au Vietnam, elle décrit la majeure partie de la population. En Ukraine, elle décrit une personne sur dix-huit. Le même titre recouvre un écart d'un facteur 13 dans la part du pays qu'il représente réellement.

Des données fictives réalistes doivent correspondre à la courbe, et pas seulement à la liste. Un générateur qui tire uniformément des noms de famille vietnamiens dans une liste de 298 noms produit une sortie où Nguyễn apparaît 0,34 % du temps au lieu de ~30 % — visiblement faux pour n'importe quel lecteur vietnamien, et faux d'une manière qu'aucun ajout de noms supplémentaires ne corrige. La distribution est la donnée.

Conclusion

La concentration n'est pas une curiosité de la dénomination asiatique. Elle est l'empreinte du moment et de la manière dont un État a commencé à consigner les noms, et elle sépare des pays qui se ressemblent superficiellement tout en regroupant ceux qui paraissent sans lien. Le Danemark se range avec Taïwan sur le chiffre phare et avec la Norvège sur la queue. Le Japon se range avec l'Italie. La Turquie reste seule.

Le chiffre qui voyage le plus loin — « les dix noms de famille les plus courants couvrent X % » — est aussi celui qui cache le plus, car deux pays peuvent le partager sans rien avoir d'autre en commun. Si vous ne retenez qu'un seul chiffre de cet article, retenez la troisième colonne : combien de noms pour atteindre la moitié. Quatre pour le Vietnam, des centaines pour les corpus slaves plats. Voilà le véritable étalement.

Méthodologie et sources

Ce qui a été calculé. Pour chacune des 63 locales, nous avons chargé le corpus de noms de famille, classé les entrées par poids et calculé la part cumulée aux rangs 10 et 100 ainsi que le rang auquel la part cumulée atteint pour la première fois 50 %, 80 % et 95 %. Analyse effectuée le 2026-07-18 sur la version de corpus share 1.1.7. ⚠ Le corpus contenait 63 locales lorsque ces chiffres ont été mesurés ; en_IE a été ajoutée le 18 juillet 2026 et il en contient 64 aujourd'hui. La répartition « 61 sur 63 sont relatives » indiquée plus bas a bougé elle aussi : au 22 juillet 2026, 12 des 64 corpus de noms de famille portent des effectifs de registre et 52 sont relatifs.

La limite critique, énoncée clairement. Dans le calcul qui sous-tend cet article, les poids de fréquence étaient relatifs (des entiers sur une échelle de 1–255) pour 61 des 63 locales. Seules deux portaient des effectifs bruts :

Cela signifie :

• Les colonnes du top 10 sont calibrées et contrôlables. Elles ont été ajustées sur des chiffres de registre publiés lors de la construction du corpus. Deux vérifications tiennent : notre top 10 du Vietnam se calcule à 69,58 % face à un chiffre publié de 69,2 %, et notre top 10 de Taïwan à 52,81 % face aux 52,79 % du ministère de l'Intérieur. Les deux corpus ont une couverture documentée proche de 100 % (~97,5 % et ~99,6 %), si bien qu'un chiffre interne au corpus et un chiffre de population sont légitimement comparables pour eux.

Une troisième vérification apparente — notre top 10 ukrainien de 5,45 % face aux 5,45 % rapportés — ne tient pas, et son exactitude est le symptôme plutôt que la confirmation. Un corpus mince ne peut pas avoir une part interne égale à la part de la population ; cette identité exige une couverture de ~100 %, et le corpus ukrainien contient 2 207 noms de famille sur environ 707 685. Voyez l'avis de correction placé près du début de l'article. C'est la même confusion de dénominateurs que celle documentée dans Comment auditer un jeu de données de fréquence des noms — les États-Unis illustrent la forme correcte : un top 10 couvrant 4,90 % de la population correspond à environ 11,59 % à l'intérieur d'un corpus qui couvre 42,29 % des Américains.

• Les colonnes 50 / 80 / 95 sont une sortie de modèle, et non des mesures de registre, pour tous les pays sauf Taïwan et le Vietnam. Elles décrivent la distribution à partir de laquelle nous générons, qui a été façonnée pour correspondre aux têtes de registre et à un comportement de queue plausible. Traitez-les comme la structure déclarée de notre corpus. Elles sont cohérentes en interne et comparables entre elles, parce que chaque locale a été mesurée à l'identique — mais elles ne remplacent pas les données de queue d'un institut national de statistique, et lorsqu'un pays en publie, c'est ce chiffre-là qui l'emporte.
• La profondeur des corpus varie (184 entrées pour la Corée, 2 707 pour Taïwan). Un corpus moins profond atteint mécaniquement 95 % plus tôt. La colonne des 95 % est donc la moins comparable des trois et ne doit pas servir à elle seule à un classement entre pays.

Ancrages de registre utilisés pour la validation (non redémontrés ici — voyez les articles liés pour les citations complètes) :

Notez le seul désaccord : notre corpus coréen calcule un top 10 de 60,6 % face aux 63,9 % de KOSTAT, un déficit de 3,3 points.

La cause est connue, et il s'agit d'une limite d'échelle plutôt que d'une erreur de données. Jusqu'à récemment, nos poids de fréquence étaient plafonnés à 255. En Corée, ce plafond est catastrophique, parce que la distribution réelle des noms de famille coréens couvre une étendue qu'aucune échelle sur 8 bits ne peut contenir : 김 (Kim) compte environ 1 527 138 porteurs contre 1 pour les noms les plus rares — un rapport de plus d'un million contre un, comprimé en 255:1. La compression touche à peine la tête ; elle détruit le plancher. Environ 130 noms de famille ultra-rares se retrouvaient figés à un poids minimal surévalué, apportant de l'ordre de 8 % de masse fantôme n'appartenant à personne — et cette masse fantôme dilue la part du top 10, ce qui explique que la nôtre ressorte basse.

Le plafond a depuis été relevé, et douze corpus de noms de famille — dont zh_TW et vi_VN — portent désormais de véritables comptages de registre. C'est précisément pour cette raison que ces deux-là concordent avec leurs registres à deux décimales près, alors que la Corée n'y parvient pas : la Corée n'a pas encore été reconstruite. L'écart de 3,3 points est le résidu visible d'une échelle sur 8 bits confrontée à une distribution qui s'étale sur un facteur d'un million.

La leçon générale mérite d'être énoncée, car elle vaut pour tout corpus pondéré : une échelle comprimée déforme la queue bien plus que la tête, et le dommage apparaît sous la forme d'un déficit dans la part de la tête. Si votre top 10 ressort bas face à un registre, soupçonnez votre plancher avant de soupçonner vos noms de tête. La ligne coréenne du tableau principal doit être lue comme un artefact d'échelle en attente de reconstruction, et non comme une mesure de la Corée.

À lire également : Combien de noms de famille un pays possède-t-il ? traite de la taille du répertoire et des seuils de comptage ; Les 10 noms de famille les plus courants par pays traite des noms de tête eux-mêmes.