Introduction

Les attributs auditifs forment les fondations de l’édifice perceptif, sur lesquelles reposent de nombreux étages de complexité croissante. Après avoir considéré comment nous percevons des caractéristiques sonores simples, comme la hauteur d’un ton pur, il est temps de nous tourner vers des sons plus naturels et plus communs. Dans ce chapitre, nous nous intéresserons à un type de stimuli extrêmement utiles pour les êtres humains : les sons de parole. Nous verrons en particulier comment les phonèmes, unités de base du langage oral, sont décodés par le cerveau.

La parole est un code

La communication parlée est un moyen de télécommunication comme un autre : la personne qui parle transmet certaines informations à son interlocuteur ou interlocutrice, située le plus souvent à une distance d’un mètre environ. Il s’agit donc bien de “communication à distance” (télé-communication), même si le chemin parcouru par l’information est beaucoup plus court que dans le cas de la transmission téléphonique ou de la communication morse par exemple.

Quelque soit le système de télécommunication considéré, la situation peut être schématisée de la façon suivante (voir Fig. 83) : un émetteur ou une émettrice souhaite transmettre un message à un·e destinataire. Pour couvrir la distance qui les sépare il est nécessaire de prendre appui sur un certain medium, c’est à dire un substrat physique qui porte le message, comme les ondes électromagnétiques dans le cas du code morse. Le message ne pouvant être exprimé directement en ondes électromagnétiques, il est nécessaire au préalable le coder dans un format plus adéquat, ici une série de traits et de points. Ce code est ensuite envoyé par l’émetteur·ice, puis réceptionné par le ou la destinataire qui devra le décoder pour revenir au message original. Cette formalisation est au centre de la théorie de l’information, cadre mathématique qui permet d’évaluer l’efficacité d’un code particulier et de déterminer le code le mieux adapté, en particulier dans le cas où la transmission est dégradée par des interférences.

Fig. 83 Schéma du principe de la télécommunication, ici pour la transmission morse.

Cette conceptualisation de la télécommunication comme une opération de codage / transmission bruitée / décodage est également tout à fait valide dans le cas de la communication parlée (Fig. 83). Les deux interlocuteur·ices qui se font face doivent ici, pour transmettre le message formé dans leur esprit, le convertir sous une forme pouvant être véhiculée dans l’air. Cette forme est le son de parole, une organisation particulière des vibrations de l’air qui forme un code permettant de transporter une infinité de messages différents. Comme nous le verrons plus loin, ce code est particulièrement robuste aux interférences, comme la présence d’un bruit de fond si la conversation n’a pas lieu dans un environnement parfaitement silencieux.

Fig. 84 Même schéma que précédemment, dans le cas de la communication parlée. La seule différence est le medium (ici les vibrations de l’air) et le code utilisé.

Une double articulation : phrases, mots, phonèmes

Le code de la parole fonctionne sur la base de petites unités sonores combinées pour former d’autres unités plus grandes. En effet, une personne peut connaître 60 000 mots mais elle ne peut pas produire 60 000 sons différents discriminables par l’oreille humaine. Le son de parole se compose donc d’un petit nombre de briques sonores élémentaires, dont l’agencement selon un ordre particulier permet de transmettre un message spécifique. Autrement dit, le langage est un système combinatoire. C’est la raison pour laquelle, selon l’aphorisme de Wilhelm von Humboldt, le langage se caractérise par “l’usage infini de moyens finis”.

Cette combinatoire s’organise sur plusieurs niveaux. Les phrases sont composées de mots, petites unités de sens dont l’agencement spécifique implique un sens particulier de la phrase (ainsi, “le chat a mangé la souris” est clairement différent de “la souris a mangé le chat” même si les deux sont formées à partir des mêmes mots). À leur tour, les mots sont composés de phonèmes, comme dans le cas de “souris” la succession des sons élémentaires “s”, “ou”, “r” et “i” (/s/, /u/, /r/ et /i/ en notation phonétique) dans cet ordre précis.

La combinatoire du langage parlé se déploie donc sur deux niveaux (phrase-mots, mots-phonèmes), c’est-à-dire qu’elle fonctionne selon une double articulation, ce qui lui permet de former un code robuste basé sur un dictionnaire de sons relativement réduit [1]. Imaginez par exemple un langage où les phrases “le chat a mangé la souris” et “la souris a mangé le chat” se traduiraient par des séries de sons complètement différentes : ce code ne serait pas efficace et demanderait de garder en mémoire un nombre disproportionné d’associations entre son et sens. Au contraire, le langage parlé s’appuie sur un nombre très restreint de phonèmes différents pour exprimer une infinité d’idées.

Cette invention merveilleuse de composer de vingt-cinq ou trente sons cette infinie variété de mots [et de phrases], qui, n’ayant rien de semblable en eux-mêmes à ce qui se passe dans notre esprit, ne laissent pas d’en découvrir aux autres tout le secret, et de faire entendre à ceux qui n’y peuvent pénétrer, tout ce que nous concevons, et tous les divers mouvemens de notre âme. (Arnauld et Lancelot, Grammaire de Port-Royal, 1660)

Craquer le code de la parole

Le son de parole est un code formé par combinaison de petits sons élémentaires, les phonèmes, qui composent des unités linguistiques plus grandes. Pour être compris, le son doit donc tout d’abord être décodé en une série de consonnes et de voyelles, qui seront ensuite assemblés en mots, pour former des phrases et reconstituer le sens du discours. Par exemple, pour comprendre l’extrait ci-dessous (dont le spectrogramme est représenté en Fig. 85), il est nécessaire d’en extraire la succession de phonèmes “ménɔ̃sépaldoktœrʃmidt” [2] avant de pouvoir identifier les mots “mais”, “non”, “c’”, “est”, “pas”, “l’”, “docteur” et “Schmidt” pour ensuite reconstruire le sens de la phrase.

Fig. 85 Spectrogramme d’un son de parole extrait de “La Voix Humaine” de Cocteau, dans lequel Simone Signoret prononce la phrase “Mais non, c’est pas l’docteur Schmidt”. Lorsque nous écoutons cet enregistrement, notre cerveau le décode en une succession de phonèmes comme indiqué au-dessus. Chacun de ces phonèmes correspond visuellement à un segment relativement bien délimité du son.

Le système auditif humain est ainsi capable de réaliser une “conversion acoustique-phonétique”, et c’est à cette première étape de décodage de la parole que nous nous intéresserons dans ce chapitre 4. Il s’agit en quelque sorte de “craquer” le code de la parole, c’est-à-dire d’identifier les indices acoustiques qui permettent au système auditif de différencier un phonème d’un autre.

Comme dans le cas de la psychoacoustique (chapitre 3), et plus généralement de la psychophysique (chapitre 1), l’objectif est donc de mettre en évidence la relation entre le stimulus (le son de parole) et les représentations mentales que celui-ci évoque dans notre esprit (les phonèmes). Par exemple, pourquoi tel son est-il perçu comme un “b” et tel autre comme un “d” ? Quelles sont les informations acoustiques que notre cerveau utilise pour différencier ces deux consonnes, et les mécanismes mis en jeu ? Soulignons que le phonème est bien une représentation mentale, c’est-à-dire un objet cognitif, et non physique. Il n’est pas contenu dans le son même mais seulement dans l’esprit des locuteurs et locutrices de la langue.

La parole est elle seulement un code ?

Avant d’examiner plus en détail le fonctionnement du code acoustico-phonetique qui sous-tend la communication parlée, prenons le temps de dissiper plusieurs confusions pouvant être induites par la métaphore du code.

Tout d’abord, l’utilisation des termes “code”, “message”, “information” ou “communication” pourrait laisser croire que la finalité première du langage est la transmission d’informations entre individus. C’est parfois le cas, par exemple si je vous indique mon nom et mon numéro de téléphone. Mais nombre d’interactions langagières n’ont pas véritablement de contenu informationnel, comme la question conventionnelle “Salut, ça va ?” qui n’attend le plus souvent pas de réponse.

Il est faux de penser que l’usage du langage humain se caractérise par la volonté ou le fait d’apporter de l’information. Le langage humain peut être utilisé pour informer ou pour tromper, pour clarifier ses propres pensées, pour prouver son habileté ou tout simplement pour jouer. (Noam Chomsky, Le langage et la pensée, 1967)

Du point de vue de la théorie de l’information appliquée à la communication parlée, les notions de “message” et d’ “information” renvoient donc à n’importe quelle pensée que le locuteur ou la locutrice désire transmettre, indépendamment de sa pertinence ou de sa véracité. À ce titre, même “bla bla bla” constitue un message linguistique valable.

Une seconde confusion consisterait à penser que l’opération de décodage suffit, à elle seule, à identifier le message transmis par notre interlocuteur·ice. En réalité, la compréhension repose également sur des inférences. Imaginez par exemple que, lors d’une soirée si bruyante qu’il est difficile de s’entendre, votre partenaire vous regarde et vous fait un signe en pointant une montre imaginaire à son poignet. Dans cette interaction minimale, le “code” se limite au signe signifiant “montre” ou “heure”. Pourtant vous n’interprétez pas ce geste comme “est-ce que tu aurais l’heure ?” ou “j’ai perdu ma montre, est-ce que tu l’as vue quelque part ?”. Un certain nombre d’inférences vous permettent de déduire que le message sous-jacent est en réalité “on avait convenu de rentrer avant minuit, il est temps d’y aller”. Ce type de raisonnement inférentiel opère en continu dans la compréhension de la parole.

Il est est vrai que le langage est un code qui associe des représentations phonétiques et des représentations sémantiques des phrases. Cependant, un fossé sépare la représentation sémantique d’une phrase et la pensée veritablement communiquée. Ce fossé est franchi non au moyen d’un code supplémentaire mais grâce à des inférences. (Sperber & Wilson, Relevance, 1986)

Finalement, une troisième confusion commune consiste à penser que décoder un son de parole reviendrait simplement pour notre cerveau à identifier certaines “symboles sonores” et à leur faire correspondre leur sens, en se basant sur un grand dictionnaire mental. C’est effectivement le principe de nombreux codes, comme le code Morse pour lequel une simple table de correspondance alphabétique suffit à déchiffrer le message, même pour des néophytes. La compréhension de la parole, en revanche, est nettement plus complexe, comme nous allons le voir dans la section suivante.

Notes

[1] Il existe en réalité une troisième articulation, qui est souvent omise par souci de simplicité. En effet, les mots sont parfois composés de morphèmes, des portions de mots qui leurs donnent leur sens exact, comme “incassable” formé à partir du morphème “cass”, précédé du préfixe “in-” et suivi du suffixe “able”, ce qui indique qu’il s’agit d’un adjectif relatif à l’impossibilité de l’action de casser.

[2] Comme dans le reste de ce chapitre, les phonèmes sont indiqués en notation phonétique “simplifiée” pour faciliter la compréhension.

Références

• Arnauld, A., & Lancelot, C. (1660). Grammaire générale et raisonnée de Port-Royal. P. Le Petit. http://archive.org/details/grammairegnr00arnauoft

• Chomsky, N. (1967). Language and Mind. Harcourt Brace. https://doi.org/10.1017/CBO9780511791222

• Sperber, D., & Wilson, D. (1986). Relevance : Communication and Cognition. Harvard University Press.