N-gramme
Suite de n caractères ou mots adjacents, utilisée pour mesurer à quel point un texte ressemble à une langue.
Bigrammes (n=2), trigrammes (n=3), quadrigrammes (n=4), etc. Les langues présentent des régularités stables : « TH » et « HE » sont courants en anglais, alors que « QZ » n'apparaît presque jamais. Compter les fréquences de n-grammes sur un grand corpus fournit une fonction de score pour des clairs candidats : un texte qui ressemble à une langue obtient un score élevé, des lettres aléatoires un score faible.
Le même comptage sous-tend les modèles de langage statistiques, qui remplacent simplement les caractères par des mots ou des tokens. Les cryptanalystes comptaient des suites de lettres depuis des décennies avant que quiconque parle de modélisation du langage.