L’indice Cemantix du jour repose sur un calcul que la plupart des joueurs interprètent mal. La température affichée après chaque essai ne mesure pas la synonymie entre deux mots, mais la proximité de leurs contextes d’emploi dans un corpus de textes massif. Comprendre ce mécanisme change radicalement la façon d’aborder chaque partie et d’exploiter les indices proposés par le jeu.
Distance cosinus et Word2Vec : le moteur derrière l’indice Cemantix
Cemantix s’appuie sur un modèle de type Word2Vec, qui transforme chaque mot du français en un vecteur numérique positionné dans un espace à plusieurs centaines de dimensions. Deux mots qui apparaissent fréquemment dans les mêmes phrases ou les mêmes types de textes se retrouvent proches dans cet espace.
La température affichée correspond à une distance cosinus entre vecteurs de mots. Plus l’angle entre deux vecteurs est faible, plus la température est élevée, et plus le mot proposé est considéré comme contextuellement proche du mot secret.
Ce fonctionnement produit des résultats contre-intuitifs. Un adjectif et son contraire peuvent obtenir une température élevée, parce qu’ils qualifient les mêmes noms dans les mêmes contextes. « Chaud » et « froid » partagent davantage de contextes d’emploi que « chaud » et « comptabilité ».
| Concept | Ce que mesure le score | Ce que le joueur croit souvent |
|---|---|---|
| Température élevée | Cooccurrence contextuelle forte dans le corpus | Le mot proposé est synonyme du mot secret |
| Température faible | Les deux mots apparaissent rarement dans les mêmes contextes | Le mot est « loin » du sens recherché |
| Température négative | Les vecteurs pointent dans des directions opposées | Le mot est un antonyme |
| Score en millièmes (‰) | Classement parmi les mille mots les plus proches du mot secret | Un pourcentage de ressemblance |
Proximité sémantique contre proximité contextuelle : l’erreur qui bloque les joueurs
La communauté de joueurs parle régulièrement d’une illusion de proximité sémantique. Un mot qui semble logiquement lié au mot secret par le sens peut obtenir une température médiocre, tandis qu’un mot inattendu grimpe dans le classement.
Ce phénomène s’explique par la nature du corpus utilisé pour entraîner le modèle. Word2Vec apprend la position d’un mot à partir de plus d’un milliard de mots tirés de textes réels. La proximité reflète donc des habitudes d’écriture, pas une logique de dictionnaire.
Un exemple récurrent : les mots techniques d’un domaine (médecine, droit, cuisine) forment des grappes serrées dans l’espace vectoriel. Tester un mot du même champ professionnel que le mot secret fait souvent grimper la température plus vite que chercher un synonyme direct.
Distinguer un score contextuel d’un score de sens
Quand un mot atteint le top mille (affichage en millièmes), cela signifie uniquement qu’il fait partie des mille vecteurs les plus proches du mot secret dans l’espace calculé. Ce classement ne garantit pas un lien de sens évident.
Un joueur qui obtient un score de 800 ‰ avec un mot donné sait que le mot secret partage un environnement textuel très similaire. En revanche, il ne sait pas si le lien est synonymique, thématique, ou simplement stylistique.
Stratégies de jeu fondées sur le fonctionnement réel du score Cemantix
Adapter sa méthode au mécanisme de distance cosinus plutôt qu’à une logique de devinette classique réduit le nombre d’essais nécessaires.
- Commencer par des mots génériques à large spectre contextuel (action, personne, lieu, temps) pour situer le champ lexical du mot secret avant de préciser
- Quand la température monte, explorer le champ professionnel ou thématique plutôt que les synonymes directs du dernier mot testé
- Tester les deux pôles d’une opposition (grand/petit, rapide/lent) : si les deux obtiennent des températures proches, le mot secret est probablement un nom qu’ils qualifient tous les deux
- Ne pas ignorer les mots à température légèrement négative, car ils indiquent une direction opposée dans l’espace vectoriel, ce qui délimite la zone de recherche
Lire la température comme une boussole, pas comme un thermomètre
Chaque essai fournit une direction, pas un degré de réussite. Deux mots à température similaire mais de champs différents dessinent une intersection dans l’espace vectoriel. Le mot secret se situe dans cette zone.
Les joueurs qui progressent le plus vite sont ceux qui notent les scores de leurs essais et cherchent des recoupements entre champs lexicaux plutôt que d’enchaîner les synonymes d’un même mot à haute température.
Cemantix et les autres jeux sémantiques : ce que le score ne dit pas
Cemantix n’est pas le seul jeu fondé sur la proximité vectorielle. Des alternatives comme Sémantus ou Pedantix exploitent des mécanismes voisins, mais avec des règles de surface différentes (texte à trous pour Pedantix, variantes de corpus pour d’autres).
La particularité de Cemantix tient à ses choix de prétraitement du corpus. Les verbes conjugués, les formes féminines et les pluriels sont éliminés. Le joueur cherche donc toujours un nom singulier ou un adjectif masculin singulier. Les accents comptent, les majuscules sont ignorées, et les noms propres ne sont généralement pas admis.
Ces contraintes réduisent l’espace de recherche mais augmentent la densité de mots proches dans le modèle. Deux noms singuliers du même domaine sont souvent plus proches dans l’espace vectoriel que ne le seraient leurs formes fléchies respectives.
Le score affiché par Cemantix reste une mesure relative calculée sur un corpus figé. Un mot absent du corpus d’entraînement ne sera tout simplement pas reconnu, même s’il existe dans le dictionnaire. Cette limite explique pourquoi certains néologismes ou termes très spécialisés ne fonctionnent pas comme essais, quel que soit leur lien logique avec le mot secret.