Compteur de caractères et de segments SMS

Fait partie de : SMS A2P : du code à la production

Comment fonctionnent l’encodage et les segments SMS

Un SMS est envoyé en un ou plusieurs segments, et son encodage détermine la quantité de texte qui tient dans chacun. Un message composé uniquement de caractères de l’alphabet GSM 7 bits utilise l’encodage GSM-7, qui transporte le plus de caractères par segment. Un seul caractère hors de cet alphabet, comme un emoji, un guillemet courbe ou un caractère chinois, fait basculer tout le message en UCS-2, qui transporte moins de la moitié de ce nombre. Les messages plus longs sont découpés en plusieurs segments que le téléphone rassemble.

L’alphabet GSM 7 bits couvre les lettres latines non accentuées, les chiffres, la ponctuation courante et un ensemble de lettres accentuées utilisées dans les langues d’Europe occidentale. Quelques symboles, dont le signe euro, les crochets droits et courbes, la barre oblique inverse, l’accent circonflexe, le tilde et la barre verticale, figurent dans une table d’extension et occupent chacun la place de deux caractères. Tout le reste est hors GSM-7, y compris la plupart des lettres accentuées de l’espagnol et du portugais, comme á, ó, ã et ç.

Lorsqu’un message dépasse un segment, chaque partie porte un petit en-tête qui indique au téléphone comment reconstituer le message. Cet en-tête réduit la place disponible dans chaque partie : un message long contient donc moins de caractères par segment qu’un message simple, et l’ajout d’un caractère à un message qui tenait tout juste peut ajouter un segment entier. Une partie ne coupe jamais un caractère qui occupe deux positions, ce qui peut lui laisser une position de moins.

Chaque segment est remis et compté séparément : l’encodage et la longueur d’un modèle comptent donc pour chaque message d’une campagne. La surprise la plus fréquente est un modèle qui semble anodin mais contient des caractères typographiques collés depuis un traitement de texte : guillemets courbes, tirets longs, espaces insécables ou caractères invisibles de largeur nulle. Les remplacer par leurs équivalents simples maintient le message en GSM-7 sans changer le libellé.

Les messages en chinois, en arabe, en cyrillique et dans d’autres écritures non latines sont toujours en UCS-2 : prévoyez leur longueur en conséquence ; la plupart des emoji occupent deux positions chacun, même en UCS-2. Certains réseaux substituent aussi des caractères ou découpent les messages longs à leur manière : traitez le compte comme une estimation et testez les modèles importants sur la route que vous utilisez.