104 noms détiennent plus du registre que les 8 205 plus rares réunis

Ce site compte de vrais enregistrements — licences et entrées de refuges publiées en données ouvertes — et il en compte beaucoup.

Répartis sur le catalogue, ils donneraient quelques dizaines à chaque nom. Ils ne sont pas répartis. La moitié de chaque enregistrement siège sur quelques centaines de noms, et la moitié inférieure du catalogue, six mille noms, se partage environ un seizième du registre.

Les quatre bandes ne sont pas quatre quarts

Le catalogue range les noms en populaire, courant, rare et très unique.

Les noms de bandes décrivent l'encombrement d'un nom, et il est facile de les lire comme des tranches de taille voisine. Elles n'ont rien de tel : 104 noms sont populaires, 399 courants, 3 487 rares et 8 205 très uniques.

Pesez-les par enregistrements plutôt que par noms et l'ordre se retourne. Les 104 noms populaires détiennent 160 590 enregistrements à eux tous. Les 8 205 très uniques — près de quatre-vingts fois plus de noms — en détiennent 147 159. Moins. Une centaine de noms pèse plus lourd que huit mille.

La plus grosse part n'appartient à aucune des deux extrémités. La bande rare détient 318 544 enregistrements sur 3 487 noms, davantage que toute autre bande, parce que c'est là qu'un catalogue de cette taille loge l'essentiel de son milieu utilisable.

C'est à cela que ressemble toujours le baptême

Cette forme n'est pas une bizarrerie du baptême animal. C'est ce qui arrive à peu près à tout ce que les gens choisissent librement et indépendamment.

Les prénoms humains le font. Les mots d'une langue le font — un petit nombre de mots représente l'essentiel de tout ce qui se dit, et la longue traîne du dictionnaire ne sert quasiment jamais. La taille des villes, les ventes de livres, la fréquentation des sites : la même courbe abrupte surgit partout où beaucoup de gens font le même type de choix sans se concerter.

Le mécanisme est d'ordinaire une version de la même chose. Un choix déjà courant est plus facile à croiser, plus facile à se rappeler, et arrive pré-approuvé par tous ceux qui l'ont fait avant vous — être choisi rend donc un nom plus susceptible d'être choisi encore. Rien n'a besoin d'être organisé pour que cela produise un résultat très déséquilibré.

Ce qui signifie que la concentration de cette page n'est pas la preuve que les propriétaires d'animaux manquent d'imagination. C'est la preuve qu'ils font ce que les gens font toujours en piochant dans un vaste ensemble ouvert, et la question intéressante est l'allure de la queue plutôt que la raison de l'encombrement de la tête.

Ce que la moyenne dissimule

Les moyennes par bande racontent l'histoire assez proprement — 1 544 enregistrements pour un nom populaire, 566 pour un courant, 91 pour un rare, 18 pour un très unique.

Sur l'ensemble du catalogue, la moyenne tourne autour de soixante-dix. La médiane est de seize.

Une moyenne quatre fois supérieure à sa médiane est la signature d'une distribution à longue traîne, et c'est pourquoi la moyenne est le mauvais nombre pour se projeter. Quasiment aucun nom n'obtient soixante-dix enregistrements. La plupart en obtiennent une poignée ; quelques centaines en obtiennent des milliers.

La version pratique, si vous lisez un jour une statistique sur les noms où que ce soit : demandez s'il s'agit d'une moyenne ou d'une médiane. Sur une distribution pareille, les deux décrivent des mondes différents, et la moyenne est celle qui flatte le point qu'on cherche à faire passer.

De quoi la queue est faite

Six mille noms se partageant un seizième du registre forment un objet étrange, et il vaut la peine de demander ce qu'il contient.

Une large part est faite de mots ordinaires employés une ou deux fois — les objets, les aliments, les lieux et les plaisanteries auxquels un foyer est arrivé tout seul et auxquels personne d'autre ne s'est trouvé penser. Ce sont les vraies trouvailles, et l'effectif ne les distingue pas du reste de ce qui se trouve là.

Une autre part est faite de variantes orthographiques. Le même nom écrit de quatre façons fait quatre entrées dans un catalogue qui lit la graphie, et trois d'entre elles seront maigres. Rien ici ne les fusionne, car décider que deux graphies sont le même nom est un jugement et non une mesure.

Une troisième part est faite de noms venus de langues que les registres couvrent maigrement — parfaitement ordinaires là d'où ils viennent et rares ici uniquement à cause des villes qui publient leurs données.

Et une partie est du bruit : une coquille saisie une fois, un nom qui n'a jamais été un nom. C'est le coût honnête de compter ce qui est là plutôt que de le curer, et c'est une petite part d'une très grande queue.

À quoi sert un catalogue de cette taille

Si quelques centaines de noms portent la moitié du registre, il est légitime de demander pourquoi quiconque en publierait douze mille.

La réponse, c'est que la tête de la distribution est la part que vous connaissez déjà. N'importe qui peut lister les vingt premiers noms d'animaux ; vous pourriez probablement en écrire la plupart de mémoire, et chaque site de noms les possède. Ce qui est difficile à trouver, c'est tout le reste, et c'est dans tout le reste que vit réellement un nom qui convient à votre animal sans être partagé avec trois autres.

Un catalogue gagne sa taille dans les filtres plutôt que dans le classement. Douze mille noms triés par popularité forment une liste illisible ; douze mille noms que vous pouvez découper par longueur, terminaison, sonorité, espèce et rareté forment un outil. La longue traîne ne devient utile que lorsqu'on peut la trancher.

Il la gagne aussi en honnêteté. Ne publier que le bout encombré reviendrait à ne publier que la part du baptême déjà visible, en laissant discrètement entendre que le reste n'existe pas. La plupart des animaux s'appellent quelque chose qu'aucune liste ne présente, et un catalogue incapable de vous les montrer décrit un monde bien plus petit que le vrai.

Pourquoi le site ne classe pas là-dessus

Il serait plus simple d'ordonner chaque liste par enregistrements bruts, et ce site s'en abstient délibérément.

Un total brut classe un nom courant dans une grande ville au-dessus d'un nom courant dans une petite, uniquement parce que la grande ville a publié un fichier plus gros : la popularité est donc ici une part mesurée par groupe de sources. La concentration de cette page est un fait sur les registres et non sur le classement — c'est ce que le classement a été bâti pour corriger.

Les deux choses sont vraies à la fois. Les registres sont abruptement concentrés, et l'ordre que vous voyez refuse d'hériter cette pente de la ville qui s'est trouvée publier le plus.

Ce que cela implique pour choisir

Si vous voulez un nom que personne d'autre ne lance à travers le parc, la queue est immense et bon marché à atteindre : 8 205 noms siègent dans la bande très unique à 18 enregistrements chacun.

Si vous voulez un nom que les gens reconnaissent sans qu'il soit le troisième du cabinet vétérinaire, les bandes rare et courante détiennent à elles deux l'essentiel du registre et l'essentiel du catalogue.

Et si un nom qui vous plaît se révèle populaire, cela fait 104 noms sur plus de douze mille. Appartenir à ce groupe est en soi inhabituel.

La conséquence la plus utile de cette pente est celle qu'on manque aisément : comme la courbe chute si vite, vous n'avez pas à aller loin pour échapper à la foule. Quelques places sous le sommet, c'est déjà une fraction de la compagnie, sans aucun coût en familiarité — meilleur marché que la plupart des gens ne se doutent qu'il existe.

Cela veut dire aussi que le mot « rare » travaille moins qu'il n'en a l'air. Sur une distribution aussi déséquilibrée, l'essentiel du catalogue est rare au sens ordinaire du mot, et l'étiquette de bande marque un degré plutôt qu'une nature. Un nom à cinquante enregistrements et un nom à cinq sont tous deux des noms que vous ne croiserez presque certainement jamais deux fois.