Convertisseur Binaire ↔ Texte : comment les ordinateurs lisent vos caractères

En 1963, l'American Standard Code for Information Interchange (ASCII) définit une table de correspondance entre 128 caractères et des valeurs numériques de 0 à 127. Cette table couvre l'anglais de base : lettres majuscules et minuscules, chiffres, ponctuation et quelques caractères de contrôle (retour à la ligne, tabulation).

Sur 7 bits, ASCII encode 128 caractères au total. Le 8ème bit fut ensuite utilisé pour créer l'ASCII étendu, qui monte à 256 caractères et couvre les accents européens (é, è, ç, ü). Mais cela reste insuffisant pour les alphabets non-latins (cyrillique, arabe, chinois, japonais).

Le binaire est la représentation en base 2 de la valeur numérique d'un caractère dans sa table d'encodage. Quand vous tapez la lettre « A » sur votre clavier, votre système d'exploitation cherche sa position dans la table ASCII : 65. Il convertit ensuite ce nombre décimal en binaire : 01000001.

Chaque position dans cette suite de 8 bits (un octet) représente une puissance de 2. De droite à gauche : 2⁰, 2¹, 2², 2³, 2⁴, 2⁵, 2⁶, 2⁷. Pour « A » (01000001), seuls les bits en position 0 et 6 sont activés, soit 2⁰ + 2⁶ = 1 + 64 = 65.

Tous les espaces ne sont pas égaux. En apparence, votre texte contient des espaces. Mais en binaire, on découvre parfois des intrus : espaces insécables (U+00A0), espaces fines (U+202F), tabulations (U+0009), voire des zero-width spaces (U+200B) totalement invisibles à l'œil nu.

Ces caractères fantômes sont massivement injectés par Microsoft Word, Google Docs et les copier-coller depuis Excel. Ils provoquent des bugs silencieux : échecs de comparaisons de chaînes, erreurs de parsing NLP, imports CSV corrompus, requêtes SQL qui ne matchent pas, et validation de formulaires qui échoue sans raison apparente.

En ASCII, chaque caractère tient dans un octet (8 bits). En UTF-8, les 128 premiers caractères (ASCII pur) tiennent toujours dans un octet. Mais dès qu'on sort de cette plage, UTF-8 utilise des séquences multi-octets : 2 octets pour les caractères latins accentués, 3 octets pour la plupart des alphabets non-latins, et jusqu'à 4 octets pour les emojis.

C'est pourquoi un tweet contenant 280 emojis pèse techniquement jusqu'à 1 120 octets (280 × 4), alors qu'un tweet ASCII de 280 caractères ne pèse que 280 octets. Cette différence a un impact direct sur les limites de SMS Unicode (70 caractères au lieu de 160), les performances de parsing NLP, et la taille des bases de données textuelles.

Le convertisseur binaire n'est pas qu'un gadget pour hackers. C'est un outil pédagogique pour comprendre comment fonctionne l'encodage, et un outil de debug pour les développeurs. En formation informatique, il permet d'enseigner les bases de la représentation des données. En debug, il révèle les caractères invisibles qui corrompent les imports CSV, les comparaisons de mots de passe, et les requêtes SQL.

Autre usage : la vérification d'intégrité. Si vous recevez un fichier texte corrompu ou un message chiffré, la conversion binaire vous permet de vérifier l'intégrité octet par octet et d'identifier les zones corrompues. En cryptographie, le binaire est la couche la plus basse : avant de chiffrer un message, on le convertit en binaire.

Le binaire n'est pas un langage ésotérique. C'est la langue maternelle de tous les processeurs, la couche la plus basse de toute représentation numérique. Comprendre l'encodage ASCII et Unicode, c'est comprendre pourquoi « A » devient 01000001, pourquoi un emoji pèse 4 fois plus lourd qu'une lettre, et pourquoi les espaces invisibles corrompent vos imports de données.