Aller au contenu
Encyclopédie informatique Édition 2026

Le codage des caractères : ASCII et Unicode

Un ordinateur ne manipule que des nombres. Pour qu’il puisse enregistrer et afficher la lettre « é », un idéogramme chinois ou un émoji, il faut une table qui associe un numéro à chaque caractère, et une règle pour écrire ce numéro en octets. Le code ASCII, conçu en 1963 pour l’anglais, a ouvert la voie ; Unicode, qui recense aujourd’hui plus de 170 000 caractères, permet d’écrire toutes les langues du monde.

Rubrique
Fondamentaux
Niveau
Débutant à avancé
Lecture
15 min (essentiel)
25 min (complet)
Révision
22 octobre 2026
Niveau de lecture :

En bref

  • Un jeu de caractères attribue un numéro à chaque caractère ; un encodage dit comment écrire ce numéro sous forme d’octets.
  • ASCII (1963) code 128 caractères sur 7 bits : les lettres sans accents, les chiffres, la ponctuation et des caractères de contrôle.
  • Des dizaines de codages sur 8 bits l’ont étendu, chacun pour un groupe de langues. Leurs incompatibilités transforment « é » en « Ã© ».
  • Unicode réunit toutes les écritures dans un catalogue unique : sa version 18.0, publiée en septembre 2026, compte 172 808 caractères.
  • UTF-8, l’encodage d’Unicode le plus répandu, utilise de 1 à 4 octets par caractère. Plus de 99 % des sites web l’emploient.

Prérequis conseillés : Le binaire

Vidéo de cette partieenviron une minute et demie, avec voix et texte à l’écran

1Des caractères aux octets

Dans la mémoire d’un ordinateur, il n’y a que des nombres écrits en binaire. Il n’existe aucune méthode pour y ranger directement une lettre : chaque caractère doit avoir son équivalent numérique. Il faut donc une convention qui dise quel nombre représente quel caractère. Cette convention a deux étages, que l’on confond souvent.

  • Le jeu de caractères (en anglais character set) est la liste des caractères connus, chacun avec son numéro. Dans Unicode, ce numéro s’appelle le point de code. La lettre A porte le numéro 65 ; la lettre é, le numéro 233.
  • L’encodage (en anglais encoding) est la règle qui transforme ces numéros en octets à enregistrer ou à transmettre. Le même numéro 233 s’écrit avec un seul octet dans certains encodages, avec deux dans d’autres.

Un troisième terme complète le tableau. Le caractère est une entité abstraite : « la lettre a minuscule ». Son dessin à l’écran, le glyphe, dépend de la police utilisée. L’encodage ne dit rien de l’apparence : c’est la police qui fournit, pour chaque numéro, le dessin correspondant. Si la police ne contient pas le glyphe voulu, l’écran affiche un carré vide, parfois surnommé « tofu ».

2Avant l’ordinateur : du télégraphe au téléscripteur

L’idée de coder des lettres avec des signaux est bien plus ancienne que l’ordinateur. Le code Morse, mis au point par l’Américain Samuel Morse et son assistant Alfred Vail, a été le premier codage à permettre une communication à longue distance. Le 24 mai 1844, Morse envoie de Washington à Baltimore le premier message télégraphique public. Chaque lettre y est une suite de points et de traits, brefs et longs : un codage à deux symboles, qui annonce le binaire. Les lettres fréquentes reçoivent les codes les plus courts (E s’écrit « · », T « – »), une idée que l’on retrouvera dans la compression de données. Le signal de détresse SOS s’écrit « · · · – – – · · · ».

Le télégraphe a bouleversé les communications. Aux États-Unis, le Pony Express, un service de courrier à cheval qui traversait le pays en une dizaine de jours, a cessé ses activités en octobre 1861, quelques jours après l’achèvement de la ligne télégraphique transcontinentale. À l’époque, le code était interprété par des humains : les opérateurs du télégraphe devaient connaître le code par cœur, à l’oreille.

En 1874, le Français Émile Baudot invente pour le télégraphe un code à longueur fixe de 5 bits, soit 25 = 32 combinaisons ; une combinaison spéciale fait basculer la machine des lettres aux chiffres, ce qui double le répertoire. Modifié vers 1901 par l’ingénieur néo-zélandais Donald Murray, d’où le nom de code Murray que lui donnaient les Anglais, il équipera pendant des décennies les téléscripteurs, des machines à écrire reliées par des lignes télégraphiques qui codent et décodent elles-mêmes les caractères. Avec 32 combinaisons, ces machines n’écrivaient qu’en majuscules. L’unité de vitesse de transmission, le baud, porte le nom de Baudot.

Les lignes métalliques servent bientôt aussi à la voix. Le 10 mars 1876, l’Écossais Alexander Graham Bell réussit la première conversation téléphonique. L’invention lui est disputée : l’Italien Antonio Meucci avait déposé dès 1871 une demande provisoire de brevet, qu’il n’a pas pu financer au-delà de 1874. En 2002, la Chambre des représentants des États-Unis a voté une résolution qui reconnaît son rôle de pionnier.

3Le code ASCII

3.1128 caractères pour l’anglais

Au début des années 1960, chaque constructeur d’ordinateurs a son propre code, et les machines ne peuvent pas échanger de texte. L’ASA (American Standards Association), l’organisme américain de normalisation, publie en 1963 l’ASCII (American Standard Code for Information Interchange, « code américain normalisé pour l’échange d’informations »). La première version ne contient même pas les lettres minuscules, ajoutées lors de la révision de 1967. Le code utilise 7 bits et définit donc 27 = 128 caractères, numérotés de 0 à 127 :

  • 33 caractères de contrôle (0 à 31, plus 127), qui ne s’affichent pas mais commandent un appareil : saut de ligne, tabulation, sonnerie, fin de transmission… ;
  • l’espace (32) ;
  • 94 caractères visibles : les chiffres, les 26 lettres de l’alphabet latin en majuscules et en minuscules, la ponctuation et quelques symboles.

Une erreur fréquente

On lit souvent que l’ASCII code les caractères sur 8 bits, soit 256 caractères. C’est inexact : l’ASCII est un code à 7 bits. Le huitième bit de l’octet servait à l’origine de contrôle de parité, pour détecter les erreurs de transmission, puis il a été utilisé par les extensions décrites à la section 4, qui ne font pas partie de l’ASCII.

0123456789ABCDEF
2xesp!"#$%&'()*+,-./
3x0123456789:;<=>?
4x@ABCDEFGHIJKLMNO
5xPQRSTUVWXYZ[\]^_
6x`abcdefghijklmno
7xpqrstuvwxyz{|}~DEL
Chiffres (48 à 57)Majuscules (65 à 90)Minuscules (97 à 122)
Figure 1. Les caractères ASCII visibles, de 32 à 127. Le numéro d’un caractère se lit en hexadécimal : chiffre de la ligne, puis chiffre de la colonne. La lettre A se trouve en ligne 4, colonne 1 : son code est 41 en hexadécimal, soit 65 en décimal.

L’organisation de la table n’a rien de hasardeux. Les chiffres de 0 à 9 occupent les codes 48 à 57 : les 4 derniers bits du code donnent directement la valeur du chiffre. Les majuscules occupent les codes 65 à 90, et les minuscules les codes 97 à 122, à exactement 32 positions d’écart : pour passer d’une majuscule à la minuscule correspondante, il suffit d’ajouter 32 au code. Comme 32 est une puissance de 2, cela revient à changer un seul bit, le sixième en partant de la droite : 1000001 pour A, 1100001 pour a. Pour les machines des années 1960, cette astuce rendait la conversion presque gratuite.

3.2Les caractères de contrôle

La plupart des caractères de contrôle datent des téléscripteurs. Ils ne représentent pas des caractères, mais des actions, comme le retour à la ligne ou le bip sonore. Quelques-uns restent d’usage quotidien.

Tableau 1. Quelques caractères de contrôle encore utilisés.
CodeAbréviationNomUsage actuel
0NULnulMarque la fin d’une chaîne de caractères en langage C
7BELsonnerie (bell)Le bip d’un terminal
9HTtabulation horizontaleLa touche Tab
10LFsaut de ligne (line feed)Fin de ligne sous Linux et macOS
13CRretour chariot (carriage return)Fin de ligne sous Windows, combiné avec LF (CR LF)
27ESCéchappementCommandes de couleur et de position dans les terminaux

Le retour chariot et le saut de ligne viennent de la mécanique des machines à écrire : ramener le chariot à gauche, puis faire monter le papier d’une ligne. Windows a gardé les deux caractères, Unix et ses descendants un seul : un fichier texte qui passe d’un système à l’autre peut ainsi s’afficher sur une seule ligne, ou avec des symboles parasites en fin de ligne.

3.3Pour mémoire : les 33 caractères de contrôleApprofondir

La table complète montre le monde pour lequel l’ASCII a été conçu : celui des téléscripteurs, des transmissions par blocs et des bandes perforées. Beaucoup de ces codes n’ont plus d’usage, mais ils occupent toujours leur place, et certains réapparaissent dans des protocoles ou dans des attaques.

Tableau 2. Les caractères de contrôle de l’ASCII, en décimal et en hexadécimal.
Déc.HexaSigleNom anglaisRôle
000NULNullCaractère nul, remplissage
101SOHStart of HeadingDébut d’en-tête d’un message
202STXStart of TextDébut du texte
303ETXEnd of TextFin du texte ; Ctrl + C le produit, d’où son rôle d’interruption
404EOTEnd of TransmissionFin de transmission ; Ctrl + D sous Unix
505ENQEnquiryDemande d’identification
606ACKAcknowledgeAccusé de réception positif
707BELBellSonnerie
808BSBackspaceRetour arrière d’une position
909HTHorizontal TabTabulation horizontale
100ALFLine FeedSaut de ligne
110BVTVertical TabTabulation verticale
120CFFForm FeedSaut de page
130DCRCarriage ReturnRetour chariot
140ESOShift OutPassage à un jeu de caractères secondaire
150FSIShift InRetour au jeu de caractères principal
1610DLEData Link EscapeÉchappement de liaison de données
17 à 2011 à 14DC1 à DC4Device ControlCommandes de périphérique ; DC1 et DC3 servent encore à reprendre et suspendre un flux (XON, XOFF)
2115NAKNegative AcknowledgeAccusé de réception négatif
2216SYNSynchronous IdleSynchronisation d’une ligne inactive
2317ETBEnd of Transmission BlockFin de bloc de transmission
2418CANCancelAnnulation
2519EMEnd of MediumFin du support
261ASUBSubstituteSubstitut d’un caractère invalide ; fin de fichier texte sous MS-DOS
271BESCEscapeÉchappement : annonce une commande
281CFSFile SeparatorSéparateur de fichiers
291DGSGroup SeparatorSéparateur de groupes
301ERSRecord SeparatorSéparateur d’enregistrements
311FUSUnit SeparatorSéparateur d’unités
1277FDELDeleteEffacement : sur une bande perforée, tous les trous percés annulaient le caractère

Le code 127 explique une bizarrerie : il est placé tout en haut de la table, loin des autres caractères de contrôle, parce qu’il s’écrit 1111111. Sur une bande perforée, on ne pouvait pas boucher un trou, mais on pouvait toujours en percer : perforer les sept positions effaçait n’importe quel caractère.

Pour s’exercer

Exercice 1 : lire de l’ASCII

Un fichier contient les octets 48 65 6C 6C 6F 0D 0A. Que contient-il, et sur quel système a-t-il probablement été écrit ?

Voir la réponse

48 = H, 65 = e, 6C = l, 6C = l, 6F = o : le mot « Hello ». Les deux derniers octets sont CR (0D) et LF (0A) : une fin de ligne à la manière de Windows.

Exercice 2 : majuscules et minuscules

Le code de G est 47 en hexadécimal. Quel est celui de g ? Quelle opération logique sur un seul octet transforme n’importe quelle majuscule en minuscule ?

Voir la réponse

47 + 20 = 67 en hexadécimal (71 + 32 = 103 en décimal). Il suffit de forcer à 1 le bit qui vaut 32 : un OU logique avec 20 (00100000). Un ET logique avec DF (11011111) fait l’inverse. Ces astuces ne valent que pour les 26 lettres de l’ASCII, pas pour les lettres accentuées.

Sécurité de l’information

Le coin cyber

C.1Les caractères de contrôle dans les journaux

Les caractères de contrôle de l’ASCII n’ont pas disparu des attaques. Un attaquant qui glisse un saut de ligne (CR LF) dans un champ enregistré tel quel peut fabriquer de fausses lignes dans un journal d’événements, pour masquer ses traces ou accuser quelqu’un d’autre : c’est l’injection dans les journaux. Le caractère d’échappement ESC, interprété par les terminaux, permet même de modifier l’affichage de celui qui consulte le journal. Les journaux doivent donc neutraliser ces caractères avant de les enregistrer.

C.2Les retours à la ligne glissés dans un formulaire

Les caractères de contrôle « retour chariot » et « saut de ligne » séparent les lignes d’un courriel ou d’un en-tête web. Si un site recopie sans vérification un texte saisi par un visiteur, un saut de ligne glissé dedans peut ajouter de fausses lignes et détourner le message. Le bon réflexe, pour qui développe : refuser ou retirer ces caractères dans tout champ qui doit tenir sur une seule ligne.

C.3Le caractère nul, qui coupe un texte en deux

Dans plusieurs langages anciens, le code 0 (« nul ») marque la fin d’un texte. Un contrôle peut alors lire le nom d’un fichier en entier, alors que le système, lui, s’arrête au premier code 0 : les deux ne voient pas la même chose. Le bon réflexe : rejeter les codes de contrôle dans les noms de fichier et les saisies, et utiliser des bibliothèques à jour.