La question de savoir comment le cerveau humain parvient \u00e0 transformer une onde acoustique continue, bruit\u00e9e et fugitive en unit\u00e9s linguistiques discr\u00e8tes constitue l’une des \u00e9nigmes les plus stimulantes des sciences cognitives, de la linguistique et des neurosciences contemporaines. Lorsque nous \u00e9coutons un locuteur s’exprimer, nos tympans sont sollicit\u00e9s par d’incessantes fluctuations de pression atmosph\u00e9rique. Pourtant, notre conscience perceptive n’enregistre nullement une modulation analogique brute : nous extrayons spontan\u00e9ment des phon\u00e8mes, des syllabes, des mots et des propositions signifiantes. L’apparente fluidit\u00e9 de cette op\u00e9ration masque une complexit\u00e9 computationnelle vertigineuse, car le signal acoustique \u00e9mis ne contient aucune fronti\u00e8re physique nette s\u00e9parant les sons successifs de la parole. Les indices phon\u00e9tiques s’enchev\u00eatrent, se chevauchent et varient drastiquement en fonction du contexte phon\u00e9tique, du d\u00e9bit, de l’\u00e9tat \u00e9motionnel et de la morphologie de l’appareil vocal de l’\u00e9metteur.<\/p>\n
Face \u00e0 cet ab\u00eeme conceptuel entre l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 physique du stimulus et la constance du percept, la phon\u00e9tique acoustique classique s’est heurt\u00e9e, d\u00e8s le milieu du XXe si\u00e8cle, \u00e0 l’impasse du \u00ab probl\u00e8me de l’invariance \u00bb. C’est au c\u0153ur de cette crise th\u00e9orique qu’a \u00e9merg\u00e9, au sein des prestigieux Laboratoires Haskins<\/a>, une proposition r\u00e9volutionnaire formul\u00e9e par le psychologue am\u00e9ricain Alvin Liberman et ses collaborateurs : la Th\u00e9orie Motrice de la Perception de la Parole (Motor Theory of Speech Perception<\/em>). Loin de concevoir l’audition de la parole comme un simple d\u00e9codage auditif p\u00e9riph\u00e9rique d’invariants acoustiques cach\u00e9s, Liberman a op\u00e9r\u00e9 un renversement \u00e9pist\u00e9mologique copernicien en postulant que les v\u00e9ritables objets de la perception de la parole ne sont pas des sons, mais des intentions motrices et des gestes articulatoires.<\/p>\n Selon cette perspective radicale, percevoir la parole consiste \u00e0 mobiliser nos propres mod\u00e8les internes d’articulation vocale pour reconstruire les gestes de l’interlocuteur. L’auditeur ne se contente pas d’\u00e9couter passivement ; il simule, \u00e0 un niveau neurobiologique profond, les actions motrices n\u00e9cessaires pour g\u00e9n\u00e9rer le signal acoustique per\u00e7u. En unifiant de mani\u00e8re indissociable la production et la perception au sein d’un m\u00eame r\u00e9pertoire sensorimoteur, Alvin Liberman a jet\u00e9 les bases d’une controverse fondatrice qui, pendant plus d’un demi-si\u00e8cle, a nourri la linguistique, stimul\u00e9 les th\u00e9ories de la cognition incarn\u00e9e et anticip\u00e9 la d\u00e9couverte des neurones miroirs. Cet article propose une exploration int\u00e9grale et approfondie de cette th\u00e9orie monumentale, de sa gen\u00e8se historique \u00e0 ses r\u00e9percussions contemporaines en neurobiologie, en phonologie et en intelligence artificielle.<\/p>\n L’histoire de la th\u00e9orie motrice est indissociable de l’aventure intellectuelle et technologique de l’apr\u00e8s-Seconde Guerre mondiale, p\u00e9riode marqu\u00e9e par l’\u00e9mergence conjointe de la cybern\u00e9tique, de la th\u00e9orie de l’information et des premi\u00e8res architectures informatiques. C’est dans ce terreau fertile que la question de la communication humaine a commenc\u00e9 \u00e0 \u00eatre interrog\u00e9e avec les outils de l’ing\u00e9nierie et de la psychophysique exp\u00e9rimentale.<\/p>\n Fond\u00e9s en 1935 par Caryl Parker Haskins, les Laboratoires Haskins \u00e9taient \u00e0 l’origine une institution ind\u00e9pendante d\u00e9di\u00e9e \u00e0 la recherche biophysique et g\u00e9n\u00e9tique. Ce n’est qu’au lendemain de la Seconde Guerre mondiale que le laboratoire, sous l’impulsion conjointe du psychologue Alvin Liberman, de l’ing\u00e9nieur Franklin S. Cooper et du linguiste Donald Shankweiler, a orient\u00e9 ses recherches fondamentales vers la communication parl\u00e9e et la r\u00e9habilitation sensorielle. Le gouvernement am\u00e9ricain cherchait alors activement des dispositifs capables de convertir les textes imprim\u00e9s en signaux sonores intelligibles afin de rendre l’autonomie aux v\u00e9t\u00e9rans de guerre devenus aveugles. Le projet initial semblait d’une simplicit\u00e9 d\u00e9sarmante : concevoir une machine opto-acoustique capable de scanner les caract\u00e8res d’un livre et de leur associer un ensemble pr\u00e9d\u00e9termin\u00e9 de signaux sonores discrets, formant une sorte d’alphabet acoustique artificiel.<\/p>\n Pour mener \u00e0 bien ces investigations, Franklin Cooper mit au point un instrument r\u00e9volutionnaire : le Pattern Playback<\/em>. Cette machine optom\u00e9canique permettait de peindre des spectrogrammes simplifi\u00e9s sur des bandes d’ac\u00e9tate transparentes et de les convertir en ondes acoustiques audibles gr\u00e2ce \u00e0 un syst\u00e8me de modulations lumineuses frappant des cellules photo\u00e9lectriques. Pour la premi\u00e8re fois dans l’histoire des sciences du langage, les chercheurs pouvaient manipuler isol\u00e9ment et avec une pr\u00e9cision chirurgicale chaque param\u00e8tre acoustique \u2014 la fr\u00e9quence fondamentale, les transitions formantielles, les bruits de friction ou la dur\u00e9e des silences \u2014 afin d’\u00e9valuer directement leur impact perceptif sur des sujets humains.<\/p>\n Les r\u00e9sultats de ces exp\u00e9rimentations allaient briser nettes les illusions initiales. Les machines de lecture bas\u00e9es sur des correspondances directes entre lettres graphiques et sons acoustiques non vocaux (comme des combinaisons de sons purs ou d’accords harmoniques) se r\u00e9v\u00e9l\u00e8rent inutilisables : le syst\u00e8me auditif humain s’av\u00e9rait incapable d’identifier plus de quelques sons par seconde, sombrant au-del\u00e0 dans une cacophonie indistincte. En revanche, lorsque le Pattern Playback<\/em> synth\u00e9tisait de la parole humaine, les auditeurs pouvaient comprendre sans effort jusqu’\u00e0 vingt \u00e0 trente segments phon\u00e9tiques par seconde. Les chercheurs des Laboratoires Haskins se heurt\u00e8rent alors \u00e0 une v\u00e9rit\u00e9 d\u00e9concertante : le signal acoustique de la parole n’est pas un code chiffr\u00e9 lin\u00e9aire, mais un signal d’une non-lin\u00e9arit\u00e9 fondamentale, irr\u00e9ductible aux lois de l’acoustique g\u00e9n\u00e9rale.<\/p>\n L’essor du sonagraphe \u00e0 la fin des ann\u00e9es 1940, popularis\u00e9 par les travaux pionniers de Potter, Kopp et Green dans leur c\u00e9l\u00e8bre ouvrage Visible Speech<\/em>, avait fait na\u00eetre l’espoir que la transcription visuelle des ondes sonores allait r\u00e9v\u00e9ler des segments stables correspondant aux lettres de l’alphabet phon\u00e9tique international. On esp\u00e9rait identifier la \u00ab signature spectrale \u00bb invariable d’un \/p\/, d’un \/t\/ ou d’un \/k\/. Or, les spectrogrammes mirent en lumi\u00e8re un ph\u00e9nom\u00e8ne embarrassant : l’impossibilit\u00e9 physique d’isoler des segments phon\u00e9tiques distincts dans le temps sonore.<\/p>\n Le signal acoustique de la parole se pr\u00e9sentait sous la forme d’un ruban continu o\u00f9 les indices acoustiques associ\u00e9s aux consonnes et aux voyelles \u00e9taient inextricablement intriqu\u00e9s. L’approche distributionnelle purement acoustique, h\u00e9rit\u00e9e du structuralisme bloomfieldien et des postulats de l’analyse spectrale lin\u00e9aire, se r\u00e9v\u00e9la incapable d’extraire des r\u00e8gles de reconnaissance universelles. Loin d’\u00eatre juxtapos\u00e9s comme des perles sur un fil (beads on a string<\/em>), les formants \u2014 ces zones de concentration d’\u00e9nergie spectrale r\u00e9sultant de la r\u00e9sonance du conduit vocal \u2014 montraient des courbures et des d\u00e9placements dynamiques incessants.<\/p>\n La superposition continue des indices formants dans le temps indiquait que, sur une fen\u00eatre temporelle donn\u00e9e de quelques dizaines de millisecondes, le spectre acoustique contenait simultan\u00e9ment des informations relatives \u00e0 la consonne en cours d’\u00e9mission, \u00e0 la voyelle suivante et parfois m\u00eame \u00e0 la consonne subs\u00e9quente. D\u00e8s lors, le postulat d’une relation biunivoque entre une tranche de temps acoustique et un phon\u00e8me th\u00e9orique s’effondrait irr\u00e9m\u00e9diablement sous le poids des observations empiriques.<\/p>\n Face \u00e0 cet \u00e9chec patent de la qu\u00eate d’invariants acoustiques, Alvin Liberman comprit que le probl\u00e8me devait \u00eatre totalement reformul\u00e9. La rupture \u00e9pist\u00e9mologique qu’il initia consista \u00e0 d\u00e9tourner le regard de l’onde acoustique elle-m\u00eame pour focaliser l’attention th\u00e9orique sur le syst\u00e8me physique qui l’avait engendr\u00e9e : l’appareil phonatoire humain. Liberman postula que si le signal sonore est d’une variabilit\u00e9 affolante, c’est parce qu’il est le sous-produit acoustique d’un ensemble de mouvements m\u00e9caniques hautement contraints et coordonn\u00e9s.<\/p>\n L’action motrice ne devait plus \u00eatre rel\u00e9gu\u00e9e au rang de simple m\u00e9canisme d’\u00e9mission subordonn\u00e9 \u00e0 l’audition, mais devait \u00eatre \u00e9rig\u00e9e en m\u00e9diateur indispensable et central de l’acte perceptif lui-m\u00eame. Liberman avan\u00e7a l’id\u00e9e t\u00e9m\u00e9raire que le cerveau humain ne cherche pas \u00e0 d\u00e9chiffrer les fr\u00e9quences et les amplitudes de l’air en mouvement, mais qu’il utilise le signal acoustique comme un simple indice lui permettant de reconstruire les actions motrices du locuteur. En d’autres termes, l’auditeur percevrait la parole en se mettant virtuellement \u00e0 la place de l’\u00e9metteur.<\/p>\n Cette intuition fondatrice donna lieu \u00e0 une collaboration interdisciplinaire exceptionnelle aux Laboratoires Haskins. Pendant des d\u00e9cennies, des psychologues cognitivistes, des ing\u00e9nieurs acousticiens, des phon\u00e9ticiens et des linguistes mirent en commun leurs comp\u00e9tences pour formaliser un mod\u00e8le global liant l’anatomie fonctionnelle du conduit vocal aux repr\u00e9sentations mentales du langage. Cette approche jeta les bases d’une nouvelle psychologie cognitive de la communication verbale, rompant avec le b\u00e9haviorisme ambiant pour proposer une th\u00e9orie r\u00e9solument mentaliste et motrice de la perception.<\/p>\n Pour saisir l’audace conceptuelle de la th\u00e9orie motrice, il est imp\u00e9ratif de comprendre le d\u00e9fi physique monumental auquel elle r\u00e9pond : l’absence d’invariance acoustique. Ce ph\u00e9nom\u00e8ne constitue le probl\u00e8me cardinal de la phon\u00e9tique contemporaine.<\/p>\n L’illusion selon laquelle un phon\u00e8me correspondrait \u00e0 une configuration spectrale stable est imm\u00e9diatement dissip\u00e9e par l’analyse exp\u00e9rimentale. Prenons l’exemple devenu classique des syllabes \/di\/ et \/du\/. Lorsque des auditeurs \u00e9coutent ces deux syllabes synth\u00e9tis\u00e9es au Pattern Playback<\/em>, ils identifient sans la moindre h\u00e9sitation la m\u00eame consonne occlusive alv\u00e9olaire vois\u00e9e \/d\/ au d\u00e9but de chaque \u00e9mission sonore. Pourtant, l’analyse spectrographique de ces deux signaux r\u00e9v\u00e8le des configurations physiques radicalement divergentes, voire contradictoires.<\/p>\n La transition du deuxi\u00e8me formant (not\u00e9 F2), qui constitue l’indice acoustique majeur pour l’identification du lieu d’articulation des consonnes occlusives, pr\u00e9sente des trajectoires oppos\u00e9es : pour la syllabe \/di\/, la transition de F2 commence aux alentours de 2200 Hz et monte rapidement vers le formant stable de la voyelle ferm\u00e9e ant\u00e9rieure \/i\/ ; pour la syllabe \/du\/, la transition de F2 commence vers 1200 Hz et descend vers la fr\u00e9quence plus basse de la voyelle ferm\u00e9e post\u00e9rieure \/u\/. D’un point de vue purement psychoacoustique, l’un des signaux est un glissement de fr\u00e9quence ascendant, tandis que l’autre est un glissement de fr\u00e9quence descendant. Comment un m\u00eame syst\u00e8me perceptif peut-il attribuer une identit\u00e9 cat\u00e9gorielle identique (\/d\/) \u00e0 deux stimuli physiques dont les propri\u00e9t\u00e9s fr\u00e9quentielles s’orientent dans des directions oppos\u00e9es ?<\/p>\n \u00c0 cette variabilit\u00e9 contextuelle s’ajoute une variabilit\u00e9 interindividuelle colossale. L’anatomie du tractus vocal varie consid\u00e9rablement selon l’\u00e2ge, le sexe et la taille des individus. Le conduit vocal d’un homme adulte mesure en moyenne dix-sept centim\u00e8tres, celui d’une femme environ quatorze centim\u00e8tres, et celui d’un jeune enfant moins de dix centim\u00e8tres. En vertu des \u00e9quations fondamentales de la r\u00e9sonance acoustique dans un tube acoustique ferm\u00e9 \u00e0 une extr\u00e9mit\u00e9, les fr\u00e9quences formantielles d’un m\u00eame son vocalique (comme \/a\/) chez un enfant peuvent \u00eatre sup\u00e9rieures de plus de 50 % \u00e0 celles d’un homme adulte. Il n’existe donc aucune plage fr\u00e9quentielle absolue permettant de d\u00e9finir objectivement un phon\u00e8me donn\u00e9 \u00e0 travers l’ensemble des locuteurs d’une communaut\u00e9 linguistique.<\/p>\n La source fondamentale de cette absence d’invariance r\u00e9side dans le ph\u00e9nom\u00e8ne physiologique de la coarticulation. La parole humaine n’est pas produite par une machine s\u00e9quentielle frappant des caract\u00e8res discrets \u00e0 la mani\u00e8re d’une machine \u00e0 \u00e9crire, mais par un ensemble dynamique d’articulateurs biologiques \u2014 la langue (compos\u00e9e de multiples muscles intrins\u00e8ques et extrins\u00e8ques), la m\u00e2choire, les l\u00e8vres, le voile du palais et les cordes vocales \u2014 qui sont soumis \u00e0 des contraintes inertielles et visco\u00e9lastiques incompressibles.<\/p>\n Pour qu’un \u00eatre humain puisse \u00e9mettre de la parole au rythme fluide de quatre \u00e0 six syllabes par seconde (soit une quinzaine de segments phon\u00e9miques), les diff\u00e9rents articulateurs doivent anticiper en permanence les mouvements \u00e0 venir tout en finalisant les mouvements pr\u00e9c\u00e9dents. Ainsi, dans la s\u00e9quence syllabique \/tu\/, les l\u00e8vres commencent \u00e0 s’arrondir et \u00e0 se projeter en avant (labialisation anticipatoire pour la voyelle \/u\/) alors m\u00eame que l’apex de la langue est encore en train d’\u00e9tablir une occlusion compl\u00e8te contre les alv\u00e9oles dentaires pour produire le \/t\/. Le signal sonore \u00e9mis pendant l’explosion de l’occlusion consonne refl\u00e8te d\u00e9j\u00e0 la r\u00e9sonance d’une cavit\u00e9 buccale configur\u00e9e pour la voyelle suivante.<\/p>\n La coarticulation engendre ainsi une transmission dynamique en parall\u00e8le de l’information phon\u00e9tique. Plusieurs segments phon\u00e9miques sont encod\u00e9s simultan\u00e9ment dans un seul et m\u00eame intervalle temporel de l’onde acoustique. Ce processus d’encodage hautement efficient permet \u00e0 l’\u00eatre humain de contourner les limites temporelles de r\u00e9solution de l’oreille interne, mais il d\u00e9truit irr\u00e9versiblement toute correspondance biunivoque et lin\u00e9aire entre les unit\u00e9s discr\u00e8tes de la langue et les tranches de temps du signal physique.<\/p>\n Face \u00e0 ce constat, les partisans d’une explication purement auditive ont longtemps postul\u00e9 que des \u00e9tages pr\u00e9coces de traitement dans le nerf cochl\u00e9aire ou les noyaux du tronc c\u00e9r\u00e9bral pouvaient extraire des propri\u00e9t\u00e9s spectrales complexes invariantes. Cependant, la physiologie cochl\u00e9aire d\u00e9ment cette hypoth\u00e8se m\u00e9caniste simple. La cochl\u00e9e agit fondamentalement comme une banque de filtres fr\u00e9quentiels op\u00e9rant une transform\u00e9e de Fourier glissante le long de la membrane basilaire. Elle r\u00e9sout les composantes fr\u00e9quentielles et temporelles, mais elle est totalement d\u00e9nu\u00e9e de m\u00e9canismes intrins\u00e8ques capables de d\u00e9m\u00ealer la superposition temporelle caus\u00e9e par la coarticulation.<\/p>\n Si la perception de la parole d\u00e9pendait exclusivement de m\u00e9canismes de filtrage auditif g\u00e9n\u00e9ral, chaque variation contextuelle d’un phon\u00e8me devrait \u00eatre per\u00e7ue comme un son radicalement diff\u00e9rent. L’auditeur entendrait une infinit\u00e9 de bruits dissemblables et serait submerg\u00e9 par une masse d’informations non cat\u00e9goris\u00e9es. L’\u00e9nigme r\u00e9side pr\u00e9cis\u00e9ment dans le fait que l’auditeur ne per\u00e7oit aucune de ces variations acoustiques continues : il per\u00e7oit imm\u00e9diatement et exclusivement l’invariance phon\u00e9tique.<\/p>\n Il devient donc logiquement n\u00e9cessaire de postuler l’intervention d’un syst\u00e8me de d\u00e9codage central sp\u00e9cialis\u00e9. Pour Alvin Liberman, ce d\u00e9codeur ne saurait \u00eatre un simple algorithme statistique op\u00e9rant sur des formes spectrales ; il doit int\u00e9grer la connaissance intime de la machinerie physique responsable de la coarticulation. La constance perceptive ne peut trouver sa source dans l’acoustique, car l’invariance physique en est absente ; elle doit imp\u00e9rativement provenir de l’action.<\/p>\n En 1967, Alvin Liberman, Franklin Cooper, Donald Shankweiler et Michael Studdert-Kennedy publient dans la revue Psychological Review<\/em> un article s\u00e9minal intitul\u00e9 \u00ab Perception of the speech code<\/em> \u00bb. Ce texte magistral formalise la premi\u00e8re version compl\u00e8te de la Th\u00e9orie Motrice de la Perception de la Parole, articul\u00e9e autour de trois th\u00e8ses d’une audace conceptuelle sans pr\u00e9c\u00e9dent.<\/p>\n Le premier postulat, et le plus radical, de la th\u00e9orie motrice de 1967 stipule que les objets ultimes de la perception de la parole ne sont ni les ondes sonores, ni les mouvements m\u00e9caniques p\u00e9riph\u00e9riques des articulateurs, mais les commandes motrices neuromusculaires invariantes envoy\u00e9es par le cerveau aux organes de l’appareil phonatoire. Liberman et ses coauteurs posent l’hypoth\u00e8se qu’au niveau central du syst\u00e8me nerveux, l’intention de produire un phon\u00e8me donn\u00e9 se traduit par un ensemble d’ordres moteurs neuronaux invariants envoy\u00e9s aux muscles de la langue, des l\u00e8vres ou du pharynx.<\/p>\n Bien que ces commandes motrices soient ult\u00e9rieurement d\u00e9form\u00e9es et brouill\u00e9es \u00e0 la p\u00e9riph\u00e9rie par les interactions m\u00e9caniques, la charge inertielle des muscles et le chevauchement de la coarticulation, l’intention motrice originelle, elle, demeurerait discr\u00e8te et constante. D\u00e8s lors, le syst\u00e8me perceptif humain n’aurait pas pour objectif d’analyser l’onde sonore en tant que telle, mais de remonter la cha\u00eene causale de la phonation pour reconstruire l’ordre neuromusculaire qui a pr\u00e9sid\u00e9 \u00e0 son \u00e9mission.<\/p>\n Cette approche r\u00e9solvait \u00e9l\u00e9gamment le paradoxe de l’absence d’invariance acoustique : l’invariance existe bel et bien, mais elle est d\u00e9localis\u00e9e. Elle ne r\u00e9side pas dans le domaine de l’acoustique, mais dans le sanctuaire des commandes motrices c\u00e9r\u00e9brales de l’\u00e9metteur. La perception de la parole devient ainsi une op\u00e9ration d’inf\u00e9rence motrice invers\u00e9e.<\/p>\n Pour expliquer comment le cerveau peut d\u00e9duire des commandes motrices invisibles \u00e0 partir d’un signal auditif d\u00e9grad\u00e9, Liberman s’est inspir\u00e9 du concept d’\u00ab analyse par la synth\u00e8se \u00bb (analysis-by-synthesis<\/em>), d\u00e9velopp\u00e9 notamment par Kenneth Stevens et Morris Halle au sein du Massachusetts Institute of Technology (MIT). Selon ce mod\u00e8le, le d\u00e9codage d’un message complexe ne s’op\u00e8re pas par un simple traitement ascendant (bottom-up<\/em>) de donn\u00e9es brutes, mais par la g\u00e9n\u00e9ration dynamique d’hypoth\u00e8ses descendantes (top-down<\/em>).<\/p>\n Lorsqu’un signal acoustique frappe l’oreille, les centres auditifs en extraient une premi\u00e8re esquisse spectro-temporelle grossi\u00e8re. Imm\u00e9diatement, le syst\u00e8me moteur interne g\u00e9n\u00e8re une simulation motrice candidate, c’est-\u00e0-dire un mod\u00e8le interne des commandes motrices susceptibles de reproduire une telle configuration acoustique. Ce signal simul\u00e9 en interne est alors compar\u00e9 au signal sensoriel entrant. Si un \u00e9cart est d\u00e9tect\u00e9, le syst\u00e8me ajuste it\u00e9rativement les param\u00e8tres moteurs jusqu’\u00e0 ce que la pr\u00e9diction motrice s’aligne fid\u00e8lement sur le signal acoustique r\u00e9el. D\u00e8s que la correspondance est valid\u00e9e, le phon\u00e8me est identifi\u00e9 par le truchement de la commande motrice qui a permis d’obtenir cet accord.<\/p>\n Ce processus computationnel implique que le syst\u00e8me perceptif dispose d’une connaissance intrins\u00e8que des lois de la biom\u00e9canique vocale et des relations acoustico-articulatoires. L’audition n’est plus un processus d’enregistrement passif, mais une reconstruction g\u00e9n\u00e9rative active guid\u00e9e par la motricit\u00e9.<\/p>\n Le troisi\u00e8me postulat fondamental affirme l’indivisibilit\u00e9 fonctionnelle absolue de la production et de la perception de la parole. Dans le mod\u00e8le de Liberman, l’\u00e9volution n’a pas dot\u00e9 l’esp\u00e8ce humaine de deux syst\u00e8mes linguistiques \u00e9tanches \u2014 un \u00e9metteur articulatoire d’un c\u00f4t\u00e9 et un r\u00e9cepteur acoustique de l’autre \u2014, mais d’un syst\u00e8me de communication int\u00e9gr\u00e9 fond\u00e9 sur la sym\u00e9trie op\u00e9rationnelle entre locuteurs et auditeurs.<\/p>\n C’est ce que Liberman d\u00e9signera plus tard sous le concept de la \u00ab condition de parit\u00e9 \u00bb (parity condition<\/em>) : pour qu’un \u00e9change linguistique soit possible, il est indispensable que le code utilis\u00e9 par le r\u00e9cepteur pour comprendre le message soit rigoureusement identique au code employ\u00e9 par l’\u00e9metteur pour le produire. Si les repr\u00e9sentations phon\u00e9tiques \u00e9taient de nature purement auditive pour l’auditeur et de nature motrice pour le locuteur, l’enfant serait confront\u00e9 \u00e0 un probl\u00e8me insoluble lors de l’acquisition du langage : comment apprendre \u00e0 positionner ses propres articulateurs pour faire correspondre ses productions \u00e0 des cibles acoustiques stock\u00e9es ?<\/p>\n En postulant que les repr\u00e9sentations phonologiques sont encod\u00e9es d\u00e8s l’origine dans un format sensorimoteur commun partag\u00e9 par tous les membres de l’esp\u00e8ce, la th\u00e9orie motrice apporte une r\u00e9ponse s\u00e9duisante : l’auditeur entend en termes d’actions possibles, et le locuteur produit en fonction d’effets perceptifs intrins\u00e8quement li\u00e9s \u00e0 ces m\u00eames actions. La boucle de communication humaine se referme au sein d’une seule et m\u00eame architecture c\u00e9r\u00e9brale unifi\u00e9e.<\/p>\n Pour \u00e9tayer cette th\u00e9orie audacieuse, les chercheurs des Laboratoires Haskins devaient fournir des preuves empiriques irr\u00e9futables attestant que le traitement des sons de parole ob\u00e9it \u00e0 des m\u00e9canismes fondamentalement distincts de ceux r\u00e9gissant l’audition des bruits environnementaux ou des sons musicaux. Cette preuve exp\u00e9rimentale majeure fut apport\u00e9e par la d\u00e9couverte de la perception cat\u00e9gorielle<\/a>.<\/p>\n L’utilisation du Pattern Playback<\/em> permit \u00e0 Liberman et \u00e0 son \u00e9quipe de concevoir des protocoles exp\u00e9rimentaux d’une rigueur absolue en fabriquant des continuums acoustiques synth\u00e9tiques par pas discrets et math\u00e9matiquement r\u00e9guliers. Dans une exp\u00e9rience princeps sur le voisement et le lieu d’articulation, les exp\u00e9rimentateurs cr\u00e9\u00e8rent une s\u00e9rie de stimuli sonores variant de mani\u00e8re continue le long d’une seule dimension acoustique, par exemple en modifiant progressivement la fr\u00e9quence de d\u00e9part de la transition du deuxi\u00e8me formant pour transformer contin\u00fbment un \/b\/ en un \/d\/, puis en un \/g\/.<\/p>\n Ces stimuli \u00e9taient ensuite soumis \u00e0 des auditeurs \u00e0 travers deux types d’\u00e9preuves psychophysiques rigoureusement compl\u00e9mentaires :<\/p>\n Si la perception de la parole ob\u00e9issait aux lois de la psychoacoustique g\u00e9n\u00e9rale \u2014 comme pour la hauteur tonale ou l’intensit\u00e9 sonore \u2014, les sujets devraient faire preuve d’une sensibilit\u00e9 continue : \u00e0 mesure que le param\u00e8tre physique varie graduellement, le pourcentage d’identification devrait changer de mani\u00e8re douce et progressive, et la discrimination devrait \u00eatre uniforme sur l’ensemble de l’\u00e9chelle acoustique.<\/p>\n Or, les donn\u00e9es exp\u00e9rimentales mirent en \u00e9vidence une discontinuit\u00e9 spectaculaire et radicale :<\/p>\n D’une part, les courbes d’identification ne pr\u00e9sentaient aucune gradation lin\u00e9aire, mais prenaient la forme d’une fonction sigmo\u00efde abrupte. Sur une large portion du continuum physique, les auditeurs identifiaient le stimulus comme un \/b\/ avec une constance proche de 100 %. Puis, sur un intervalle physique extr\u00eamement \u00e9troit (de l’ordre de quelques millisecondes ou de quelques dizaines de Hertz), l’identification basculait brutalement vers la cat\u00e9gorie \/d\/. D’autre part, la courbe de discrimination r\u00e9v\u00e9lait un profil profond\u00e9ment non-lin\u00e9aire : les sujets \u00e9taient absolument incapables de discriminer deux sons physiquement distincts d\u00e8s lors qu’ils tombaient \u00e0 l’int\u00e9rieur de la m\u00eame cat\u00e9gorie phon\u00e9mique, alors qu’ils discriminaient ces m\u00eames sons avec une pr\u00e9cision proche de la perfection d\u00e8s que la fronti\u00e8re cat\u00e9gorielle s\u00e9parait les deux stimuli.<\/p>\n L’illustration la plus \u00e9clatante de ce ph\u00e9nom\u00e8ne fut fournie par les travaux pionniers de Leigh Lisker et Arthur Abramson (1964) sur le D\u00e9lai d’\u00c9tablissement du Voisement (en anglais, Voice Onset Time<\/em> ou VOT). Le VOT d\u00e9signe l’intervalle temporel pr\u00e9cis qui s’\u00e9coule entre le rel\u00e2chement m\u00e9canique de l’occlusion des articulateurs (l’explosion de la consonne) et le d\u00e9but de la vibration p\u00e9riodique des cordes vocales dans le larynx.<\/p>\n Pour distinguer des paires d’occlusives homorganiques telles que les occlusives bilabiales (\/b\/ sonore vs \/p\/ sourd) ou alv\u00e9olaires (\/d\/ sonore vs \/t\/ sourd), le syst\u00e8me articulatoire module la coordination temporelle entre la d\u00e9compression buccale et l’adduction laryng\u00e9e. Lisker et Abramson synth\u00e9tis\u00e8rent des continua de syllabes d\u00e9butant avec des VOT variant de 0 milliseconde (vibration simultan\u00e9e) \u00e0 +60 millisecondes (vibration retard\u00e9e) par paliers constants de 5 ou 10 millisecondes.<\/p>\n Les r\u00e9sultats furent sans \u00e9quivoque : les auditeurs anglophones cat\u00e9gorisaient tous les stimuli dont le VOT \u00e9tait inf\u00e9rieur \u00e0 +25 millisecondes comme des \/b\/ ou des \/d\/, et tous ceux dont le VOT d\u00e9passait cette valeur critique comme des \/p\/ ou des \/t\/. Les sujets s’av\u00e9raient totalement sourds aux variations acoustiques physiques de 20 millisecondes situ\u00e9es sous la fronti\u00e8re de voisement (incapables de distinguer un VOT de 0 ms d’un VOT de +20 ms), mais d\u00e9montraient un pic d’acuit\u00e9 perceptive d’une sensibilit\u00e9 extraordinaire pr\u00e9cis\u00e9ment lorsque les stimuli franchissaient le seuil des +25 millisecondes. Les auditeurs discriminaient uniquement ce qu’ils pouvaient cat\u00e9goriser linguistiquement.<\/p>\n Pour Alvin Liberman et ses pairs, ces fronti\u00e8res perceptives arbitraires et ac\u00e9r\u00e9es ne pouvaient s’expliquer par de simples propri\u00e9t\u00e9s de filtrage de la cochl\u00e9e. Si le syst\u00e8me auditif p\u00e9riph\u00e9rique \u00e9tait le seul ma\u00eetre d’\u0153uvre, la r\u00e9solution temporelle de quelques millisecondes devrait s’exercer uniform\u00e9ment tout au long de l’\u00e9chelle physique, exactement comme l’oreille est capable de discriminer de subtiles variations de hauteur entre deux fr\u00e9quences sinuso\u00efdales pures.<\/p>\n La th\u00e9orie motrice proposa une explication lumineuse : la fronti\u00e8re perceptive est rigoureusement align\u00e9e sur les contraintes et les limites physiologiques de la m\u00e9canique du tractus vocal. Sur le plan moteur, les cordes vocales ne peuvent pas adopter une infinit\u00e9 d’\u00e9tats stables simultan\u00e9s : soit elles vibrent au moment de l’explosion, soit elles demeurent ouvertes sous l’effet d’une pression sous-glottique sp\u00e9cifique et ne s’accolent qu’apr\u00e8s un temps incompressible li\u00e9 \u00e0 l’effet Bernoulli et aux tensions musculaires laryng\u00e9es. L’articulateur ne peut physiquement franchir cette zone charni\u00e8re qu’en basculant d’un mode de production \u00e0 un autre.<\/p>\n La discontinuit\u00e9 de la perception ne ferait donc que refl\u00e9ter la non-lin\u00e9arit\u00e9 inh\u00e9rente aux modes de fonctionnement de la machinerie motrice. L’auditeur ne per\u00e7oit pas les variations continues du temps physique parce que son syst\u00e8me d’\u00e9coute est calibr\u00e9 sur les r\u00e9gimes discrets de la production humaine. Les sons de la parole ne sont pas trait\u00e9s comme de simples bruits naturels ; ils sont appr\u00e9hend\u00e9s \u00e0 travers le prisme des possibilit\u00e9s d’action du corps humain.<\/p>\n L’observation de ces particularit\u00e9s psychophysiques a conduit Alvin Liberman \u00e0 formuler l’un des postulats les plus audacieux et controvers\u00e9s des sciences du langage : la parole humaine n’est pas simplement du son trait\u00e9 par l’appareil auditif g\u00e9n\u00e9ral ; elle est l’\u00e9manation d’un module biologique sp\u00e9cialis\u00e9.<\/p>\n Sous la banni\u00e8re th\u00e9orique rest\u00e9e c\u00e9l\u00e8bre sous la formule \u00ab Speech is Special<\/em> \u00bb (La parole est sp\u00e9ciale), Liberman affirme que le traitement phon\u00e9tique repose sur un m\u00e9canisme cognitif et neuronal d\u00e9di\u00e9, apparu tardivement au cours de la phylogen\u00e8se humaine pour r\u00e9pondre aux exigences vertigineuses de la communication symbolique. Ce module phon\u00e9tique op\u00e8re selon des lois computationnelles totalement diff\u00e9rentes de celles qui r\u00e9gissent la psychoacoustique g\u00e9n\u00e9rale.<\/p>\n Cette conception s’inscrit en r\u00e9sonance directe avec la th\u00e9orie de la modularit\u00e9 de l’esprit d\u00e9velopp\u00e9e ult\u00e9rieurement par le philosophe Jerry Fodor. Pour Liberman, le module de la parole pr\u00e9sente les caract\u00e9ristiques canoniques de l’encapsulation informationnelle :<\/p>\n Ce point de vue \u00e9tablit une fronti\u00e8re infranchissable entre deux modes d’\u00e9coute : le \u00ab mode auditif \u00bb, qui analyse les fr\u00e9quences, les timbres et les intensit\u00e9s des bruits du monde ext\u00e9rieur (le tonnerre, le chant d’un oiseau, le froissement d’une feuille), et le \u00ab mode phon\u00e9tique \u00bb, qui court-circuite cette analyse acoustique brute pour d\u00e9coder directement la dynamique articulatoire humaine.<\/p>\n Pour d\u00e9montrer de mani\u00e8re exp\u00e9rimentale que deux processeurs perceptifs distincts \u2014 le processeur auditif g\u00e9n\u00e9ral et le processeur phon\u00e9tique sp\u00e9cialis\u00e9 \u2014 peuvent coexister et fonctionner simultan\u00e9ment au sein d’un m\u00eame cerveau humain, les chercheurs des Laboratoires Haskins ont mis au point une exp\u00e9rience devenue l\u00e9gendaire : le paradigme de la \u00ab perception duplex \u00bb (duplex perception<\/em>), document\u00e9 avec \u00e9clat par Timothy Rand en 1974 puis par Liberman et ses coll\u00e8gues en 1981.<\/p>\n Le protocole est d’une inventivit\u00e9 m\u00e9thodologique remarquable. Prenons une syllabe synth\u00e9tique telle que \/da\/, constitu\u00e9e d’une \u00ab base \u00bb commune (comprenant le premier formant F1 et la partie stable du deuxi\u00e8me et troisi\u00e8me formants, F2 et F3) et d’une \u00ab transition formantique \u00bb isol\u00e9e du troisi\u00e8me formant (F3), qui constitue l’indice acoustique critique discriminant le \/da\/ du \/ga\/. Lorsque la base et la transition sont pr\u00e9sent\u00e9es ensemble aux deux oreilles, l’auditeur entend une syllabe \/da\/ unifi\u00e9e. Mais dans l’exp\u00e9rience de perception duplex, la pr\u00e9sentation est scind\u00e9e de fa\u00e7on dichotique :<\/p>\n Le r\u00e9sultat perceptif provoqu\u00e9 par cette stimulation dichotique d\u00e9fie le bon sens : l’auditeur per\u00e7oit simultan\u00e9ment deux \u00e9v\u00e9nements sonores distincts. D’une part, dans l’oreille ayant re\u00e7u le chirp<\/em>, il continue d’entendre ce petit bruit \u00e9lectronique musical non vocal. D’autre part, au centre de sa perception cognitive, il entend une syllabe linguistique parfaitement claire et compl\u00e8te (\/da\/).<\/p>\n La transition formantique a donc \u00e9t\u00e9 trait\u00e9e \u00e0 deux niveaux incompatibles en m\u00eame temps : le processeur auditif g\u00e9n\u00e9ral l’a analys\u00e9e comme un bruit non articul\u00e9 isol\u00e9, tandis que le module phon\u00e9tique a capt\u00e9 cette m\u00eame information spectrale par-del\u00e0 la s\u00e9paration des oreilles pour la fusionner avec la base et reconstruire le geste articulatoire global du \/da\/. La perception duplex d\u00e9montrait ainsi l’existence parall\u00e8le de deux logiques perceptives ind\u00e9pendantes op\u00e9rant sur un seul et m\u00eame fragment de r\u00e9alit\u00e9 physique.<\/p>\n Cette sp\u00e9cialisation computationnelle du mode phon\u00e9tique a rapidement trouv\u00e9 des corr\u00e9lats neuro-fonctionnels majeurs gr\u00e2ce aux exp\u00e9riences d’\u00e9coute dichotique initi\u00e9es par Brenda Milner et Doreen Kimura au d\u00e9but des ann\u00e9es 1960, puis reprises m\u00e9thodiquement par Donald Shankweiler et Michael Studdert-Kennedy aux Laboratoires Haskins.<\/p>\n Lorsque deux stimuli verbaux diff\u00e9rents (par exemple, la syllabe \u00ab ba \u00bb dans l’oreille gauche et la syllabe \u00ab da \u00bb dans l’oreille droite) sont envoy\u00e9s simultan\u00e9ment aux tympans d’un sujet normal, les auditeurs rapportent de mani\u00e8re syst\u00e9matique et reproductible le stimulus pr\u00e9sent\u00e9 \u00e0 l’oreille droite avec un taux de r\u00e9ussite significativement sup\u00e9rieur \u00e0 celui de l’oreille gauche. C’est le ph\u00e9nom\u00e8ne bien document\u00e9 de l’avantage de l’oreille droite (en anglais, Right-Ear Advantage<\/em> ou REA).<\/p>\n La justification neuroanatomique de ce ph\u00e9nom\u00e8ne s’appuie sur le fait que les voies auditives ascendantes crois\u00e9es sont pr\u00e9pond\u00e9rantes et plus rapides que les voies ipsilat\u00e9rales. Le signal projet\u00e9 dans l’oreille droite acc\u00e8de directement et massivement au cortex temporal et p\u00e9risylvien de l’h\u00e9misph\u00e8re c\u00e9r\u00e9bral gauche, si\u00e8ge historique des aires du langage (l’aire de Broca et l’aire de Wernicke) chez plus de 95 % des droitiers. \u00c0 l’inverse, lorsque l’on pr\u00e9sente des bruits environnementaux, des accords musicaux ou des bruits de moteurs, c’est l’oreille gauche qui b\u00e9n\u00e9ficie d’un avantage de traitement, traduisant la pr\u00e9pond\u00e9rance de l’h\u00e9misph\u00e8re droit pour le traitement acoustique global et non verbal.<\/p>\n Pour Liberman, cette asym\u00e9trie h\u00e9misph\u00e9rique robuste venait verrouiller le postulat de la sp\u00e9cialisation biologique. La parole humaine n’est pas prise en charge par les structures auditives sym\u00e9triques standard ; elle est imm\u00e9diatement happ\u00e9e par les r\u00e9seaux neuronaux de l’h\u00e9misph\u00e8re gauche, pr\u00e9cis\u00e9ment les r\u00e9seaux qui pilotent l’organisation praxique et la motricit\u00e9 de l’appareil fono-articulatoire. L’avantage de l’oreille droite ne refl\u00e9tait pas une sup\u00e9riorit\u00e9 acoustique, mais la signature fonctionnelle du couplage entre audition et repr\u00e9sentations motrices.<\/p>\n Pendant pr\u00e8s d’une d\u00e9cennie, la th\u00e9orie motrice a fait l’objet de vives critiques de la part des acousticiens, qui l’accusaient d’\u00eatre une sp\u00e9culation th\u00e9orique complexe destin\u00e9e \u00e0 pallier les lacunes temporaires du traitement du signal. Mais en 1976, une d\u00e9couverte fortuite venue de la psychologie du d\u00e9veloppement allait faire l’effet d’un v\u00e9ritable coup de tonnerre scientifique en apportant une validation spectaculaire aux id\u00e9es d’Alvin Liberman.<\/p>\n Harry McGurk et John MacDonald, deux chercheurs de l’Universit\u00e9 de Surrey en Angleterre, menaient alors des recherches sur la perception des sons de parole chez les jeunes nourrissons. Dans le cadre de leur protocole de contr\u00f4le m\u00e9thodologique, ils eurent l’id\u00e9e d’enregistrer une com\u00e9dienne pronon\u00e7ant la syllabe \/ga-ga\/ sur un magn\u00e9toscope vid\u00e9o, tout en rempla\u00e7ant la bande-son originale par l’enregistrement acoustique de la m\u00eame voix pronon\u00e7ant la syllabe bilabiale \/ba-ba\/. L’objectif initial \u00e9tait simplement de v\u00e9rifier si les b\u00e9b\u00e9s se laissaient distraire par le d\u00e9calage visuel.<\/p>\n Lorsqu’ils visionn\u00e8rent eux-m\u00eames la vid\u00e9o composite pour s’assurer du montage, McGurk et MacDonald v\u00e9curent une exp\u00e9rience perceptive stup\u00e9fiante. Alors que le signal acoustique pur \u00e9tait indubitablement constitu\u00e9 de syllabes \/ba\/ (faciles \u00e0 v\u00e9rifier en fermant les yeux) et que l’image montrait sans la moindre ambigu\u00eft\u00e9 les mouvements labiaux et mandibulaires d’une articulation dorso-v\u00e9laire de type \/ga\/ (la bouche s’ouvrant largement sans contact des l\u00e8vres), leur propre syst\u00e8me perceptif n’entendait ni \/ba\/ ni \/ga\/. De mani\u00e8re totalement irr\u00e9sistible, ils percevaient un phon\u00e8me distinct n’existant sur aucune des deux pistes : l’occlusive alv\u00e9olaire sourde \/da\/ (ou parfois la fricative interdentale \/\u00f0a\/).<\/p>\n Leur article publi\u00e9 dans la prestigieuse revue Nature<\/em> en d\u00e9cembre 1976 sous le titre \u00e9nigmatique \u00ab Hearing lips and seeing voices<\/em> \u00bb (Entendre des l\u00e8vres et voir des voix) d\u00e9clencha une r\u00e9volution conceptuelle. L’effet McGurk-MacDonald se r\u00e9v\u00e9lait \u00eatre une illusion d’une robustesse inou\u00efe : m\u00eame lorsque les sujets \u00e9taient parfaitement inform\u00e9s du montage technique, m\u00eame lorsqu’ils connaissaient la nature exacte des stimuli auditifs et visuels sous-jacents, l’illusion demeurait indestructible. La vision modifiait instantan\u00e9ment, inconsciemment et de fa\u00e7on irr\u00e9versible ce que les sujets rapportaient \u00ab entendre \u00bb.<\/p>\n L’existence de l’effet McGurk portait un coup fatal \u00e0 toute th\u00e9orie pr\u00e9tendant que la perception de la parole est une fonction exclusivement auditive op\u00e9rant sur des repr\u00e9sentations spectrales ou acoustiques pures. Si percevoir un phon\u00e8me consistait \u00e0 reconna\u00eetre un gabarit d’ondes de pression cochl\u00e9aires, comment l’information optique issue de la r\u00e9tine \u2014 qui ne contient pas la moindre onde acoustique \u2014 pourrait-elle transformer un stimulus sonore \/ba\/ en un percept auditif de \/da\/ ?<\/p>\n La th\u00e9orie motrice de la parole offrait le seul cadre th\u00e9orique capable d’expliquer \u00e9l\u00e9gamment cette synth\u00e8se multimodale. Pour Alvin Liberman, l’illusion de McGurk d\u00e9montrait de mani\u00e8re irr\u00e9futable que le syst\u00e8me perceptif humain ne s’int\u00e9resse ni au son en tant que vibration de l’air, ni \u00e0 l’image en tant que faisceau de photons, mais utilise indistinctement l’acoustique et l’optique comme des canaux d’information convergents renvoyant \u00e0 un seul et m\u00eame \u00e9v\u00e9nement physique r\u00e9el dans le monde ext\u00e9rieur : le geste articulatoire distal.<\/p>\n Dans l’illusion de McGurk, le syst\u00e8me perceptif se livre \u00e0 une synth\u00e8se supramodale instantan\u00e9e :<\/p>\n Le cerveau r\u00e9sout alors cette contradiction physique en identifiant le geste articulatoire optimal compatible avec l’ensemble des indices sensoriels re\u00e7us : le geste de l’apex de la langue frappant les alv\u00e9oles dentaires pour produire un \/da\/. Le percept conscient n’est rien d’autre que l’incarnation de ce geste inf\u00e9r\u00e9.<\/p>\n Pour Alvin Liberman et les chercheurs des Laboratoires Haskins, l’effet McGurk a fonctionn\u00e9 comme un puissant catalyseur th\u00e9orique. Il a consolid\u00e9 l’abandon d\u00e9finitif du primat acoustique qui continuait d’impr\u00e9gner une grande partie de la psycholinguistique cognitive. La d\u00e9couverte a prouv\u00e9 de fa\u00e7on magistrale que le cerveau humain traite la parole comme un \u00e9v\u00e9nement physique global produit par un corps en mouvement, et non comme un objet sonore conventionnel.<\/p>\n De surcro\u00eet, la pr\u00e9cocit\u00e9 et l’universalit\u00e9 de cette int\u00e9gration multisensorielle \u2014 observ\u00e9e par la suite chez des nouveau-n\u00e9s \u00e2g\u00e9s de seulement quelques semaines ainsi que dans toutes les cultures du globe \u2014 sont venues conforter l’hypoth\u00e8se de l’automaticit\u00e9 pr\u00e9-attentionnelle du module de la parole. L’int\u00e9gration audiovisuelle n’\u00e9tait pas le produit d’un raisonnement cognitif conscient ou d’une d\u00e9duction logique tardive ; elle s’ex\u00e9cutait dans les strates les plus profondes et les plus archa\u00efques du traitement de l’information linguistique.<\/p>\n L’effet McGurk a ainsi invalid\u00e9 les th\u00e9ories computationnelles d’appariement de gabarits auditifs (auditory template matching<\/em>) qui dominaient les sciences de l’ing\u00e9nieur \u00e0 cette \u00e9poque. Il a ouvert la voie \u00e0 une red\u00e9finition compl\u00e8te du concept m\u00eame d’\u00ab objet phon\u00e9tique \u00bb, incitant Liberman \u00e0 r\u00e9viser sa th\u00e9orie originale pour l’ancrer plus profond\u00e9ment encore dans la physique de l’action et la dynamique gestuelle.<\/p>\n Pr\u00e8s de vingt ans apr\u00e8s la publication du manifeste de 1967, Alvin Liberman, en collaboration \u00e9troite avec le psychologue et phon\u00e9ticien Ignatius Mattingly, proposa une r\u00e9vision en profondeur de son mod\u00e8le. Publi\u00e9e en 1985 dans la revue Cognition<\/em> sous le titre \u00ab The motor theory of speech perception revised<\/em> \u00bb puis affin\u00e9e en 1989, cette deuxi\u00e8me version r\u00e9pondait aux objections m\u00e9thodologiques majeures soulev\u00e9es \u00e0 l’encontre des commandes neuromusculaires, tout en int\u00e9grant les avanc\u00e9es spectaculaires de la phonologie contemporaine.<\/p>\n Le point le plus vuln\u00e9rable de la version originale de 1967 r\u00e9sidait dans l’identification du phon\u00e8me \u00e0 la \u00ab commande motrice neuromusculaire \u00bb. Les progr\u00e8s fulgurants de l’\u00e9lectromyographie (EMG) au cours des ann\u00e9es 1970 avaient r\u00e9v\u00e9l\u00e9 une r\u00e9alit\u00e9 anatomique troublante : les impulsions \u00e9lectriques nerveuses envoy\u00e9es aux muscles du tractus vocal ne pr\u00e9sentaient pas plus d’invariance que les ondes sonores elles-m\u00eames. L’activit\u00e9 neuromusculaire d’un muscle comme l’orbicularis oris<\/em> (le muscle fermant les l\u00e8vres) variait consid\u00e9rablement selon la position initiale de la m\u00e2choire, la fatigue musculaire ou le contexte segmental.<\/p>\n Pour surmonter cette aporie sans renoncer au primat de l’action, Liberman et Mattingly se tourn\u00e8rent vers les travaux r\u00e9volutionnaires de Catherine Browman et Louis Goldstein, les concepteurs de la phonologie gestuelle<\/strong> (Articulatory Phonology<\/em>). Dans ce nouveau cadre th\u00e9orique, l’unit\u00e9 fondamentale du langage n’est plus un groupe de muscles ni une onde acoustique, mais le geste articulatoire<\/strong> (articulatory gesture<\/em>).<\/p>\n Un geste articulatoire est formellement d\u00e9fini comme une t\u00e2che dynamique d’atteinte d’un objectif spatial au sein du tractus vocal, concr\u00e9tis\u00e9e par la formation et le rel\u00e2chement de constrictions anatomiques sp\u00e9cifiques :<\/p>\n Le geste n’est pas subordonn\u00e9 \u00e0 un groupe musculaire rigide ; il est d\u00e9fini par sa finalit\u00e9 spatio-temporelle au sein de l’architecture du conduit phonatoire.<\/p>\n Cette transition conceptuelle du muscle vers le geste dynamique a permis de r\u00e9soudre avec \u00e9clat le probl\u00e8me de la variabilit\u00e9 p\u00e9riph\u00e9rique gr\u00e2ce au principe biom\u00e9canique de l’\u00e9quivalence motrice<\/strong> (motor equivalence<\/em>) et de la th\u00e9orie des synergies musculaires d\u00e9velopp\u00e9e par le physiologiste Nikola\u00ef Bernstein.<\/p>\n L’organisme humain ne pilote pas chaque degr\u00e9 de libert\u00e9 m\u00e9canique de mani\u00e8re ind\u00e9pendante ; il organise ses effecteurs en \u00ab structures de coordination \u00bb fonctionnelles. Si un obstacle inattendu vient entraver le mouvement normal d’un articulateur, les autres articulateurs de la m\u00eame synergie compensent instantan\u00e9ment cette perturbation sans le moindre d\u00e9lai de r\u00e9action corticale consciente. Cette propri\u00e9t\u00e9 a \u00e9t\u00e9 magnifiquement d\u00e9montr\u00e9e par les c\u00e9l\u00e8bres exp\u00e9riences dites du bite-block<\/em> (cale-dents) men\u00e9es par Bj\u00f6rn Lindblom et ses coll\u00e8gues : lorsqu’on bloque m\u00e9caniquement la m\u00e2choire d’un sujet en position ouverte \u00e0 l’aide d’un petit morceau de plastique rigide ins\u00e9r\u00e9 entre les molaires, le sujet est capable de prononcer imm\u00e9diatement une voyelle ferm\u00e9e comme \/i\/ de mani\u00e8re parfaitement intelligible d\u00e8s la premi\u00e8re p\u00e9riode glottale. La langue compense instantan\u00e9ment l’absence de fermeture mandibulaire en s’\u00e9levant davantage vers le palais.<\/p>\n Dans la th\u00e9orie motrice r\u00e9vis\u00e9e, l’invariance phon\u00e9tique n’a donc plus besoin de se loger dans un faisceau de commandes nerveuses fig\u00e9es : elle r\u00e9side dans la t\u00e2che motrice globale invariante elle-m\u00eame. Les coordonn\u00e9es de constriction \u2014 le lieu et le degr\u00e9 d’ouverture du conduit vocal \u2014 constituent les v\u00e9ritables primitives universelles que le syst\u00e8me perceptif extrait du signal acoustique.<\/p>\n La th\u00e9orie r\u00e9vis\u00e9e de 1985 franchit une \u00e9tape suppl\u00e9mentaire sur le plan de la philosophie de l’esprit en int\u00e9grant des concepts issus de la psychologie \u00e9cologique de James J. Gibson. Liberman et Mattingly affirment d\u00e9sormais que la perception des gestes articulatoires est directe<\/em>. Le module phon\u00e9tique n’op\u00e8re pas une s\u00e9rie d’\u00e9tapes inf\u00e9rentielles complexes consistant d’abord \u00e0 mesurer des spectres auditifs pour ensuite, par une op\u00e9ration logique secondaire, en d\u00e9duire des mouvements anatomiques.<\/p>\n Le module de la parole est con\u00e7u comme un organe computationnel biologiquement d\u00e9termin\u00e9 qui est constitutivement accord\u00e9 (tuned<\/em>) \u00e0 la cin\u00e9matique du tractus vocal. \u00c0 la mani\u00e8re dont le syst\u00e8me visuel d’un pr\u00e9dateur d\u00e9tecte imm\u00e9diatement un mouvement dans l’espace sans passer par une d\u00e9composition consciente des longueurs d’onde lumineuses incidentes, le cerveau humain extrait directement les gestes linguistiques \u00e0 travers l’information acoustique qui les sp\u00e9cifie.<\/p>\n En affirmant l’autonomie et l’inn\u00e9isme de ce module, Liberman r\u00e9it\u00e8re sa conviction profonde : la facult\u00e9 de langage est une adaptation biologique unique de l’esp\u00e8ce humaine, inscrite au plus profond de son architecture c\u00e9r\u00e9brale, o\u00f9 le moteur et le perceptif sont structurellement intriqu\u00e9s depuis l’origine de l’hominisation.<\/p>\n Durant les ann\u00e9es 1970 et 1980, la th\u00e9orie motrice a \u00e9t\u00e9 vivement critiqu\u00e9e pour son caract\u00e8re sp\u00e9culatif et le manque de substrat anatomique av\u00e9r\u00e9. Comment le syst\u00e8me auditif pouvait-il \u00ab communiquer \u00bb de fa\u00e7on aussi intime et instantan\u00e9e avec le syst\u00e8me moteur ? La r\u00e9ponse \u00e0 cette interrogation allait surgir dans les ann\u00e9es 1990 et 2000 avec une spectaculaire convergence de d\u00e9couvertes neurophysiologiques.<\/p>\n Au d\u00e9but des ann\u00e9es 1990, l’\u00e9quipe de neurophysiologistes dirig\u00e9e par Giacomo Rizzolatti, Vittorio Gallese et Leonardo Fogassi \u00e0 l’Universit\u00e9 de Parme r\u00e9alisa une d\u00e9couverte historique en enregistrant l’activit\u00e9 de neurones individuels dans le cortex pr\u00e9moteur ventral (l’aire F5) du singe macaque. Ils mirent en \u00e9vidence l’existence d’une classe sp\u00e9ciale de neurones qui d\u00e9chargeaient non seulement lorsque le singe ex\u00e9cutait une action motrice orient\u00e9e vers un but (comme saisir un aliment avec la main ou la bouche), mais \u00e9galement lorsque l’animal observait passivement un cong\u00e9n\u00e8re ou l’exp\u00e9rimentateur accomplir la m\u00eame action.<\/p>\n Cette classe de cellules fut baptis\u00e9e du nom c\u00e9l\u00e8bre de neurones miroirs<\/a>. Or, les \u00e9tudes de cytoarchitectonie compar\u00e9e r\u00e9v\u00e9l\u00e8rent rapidement une parent\u00e9 anatomique extraordinaire : l’aire F5 du macaque est le pr\u00e9curseur phylog\u00e9n\u00e9tique direct de l’aire de Broca (les aires de Brodmann 44 et 45) chez l’\u00eatre humain, c’est-\u00e0-dire le sanctuaire historique de la production articulatoire du langage.<\/p>\n Pour la premi\u00e8re fois, la neuroscience fondamentale fournissait la preuve mat\u00e9rielle indiscutable d’un m\u00e9canisme biologique permettant de traduire automatiquement un stimulus sensoriel (visuel ou auditif) en son \u00e9quivalent moteur au sein de la m\u00eame population neuronale. Comme l’ont soulign\u00e9 des chercheurs tels que Michael Arbib et Giacomo Rizzolatti, la th\u00e9orie motrice d’Alvin Liberman, loin d’\u00eatre une pure vue de l’esprit psychologique, s’av\u00e9rait avoir anticip\u00e9 d’un quart de si\u00e8cle l’organisation neurophysiologique sous-jacente au couplage perception-action chez les primates sup\u00e9rieurs.<\/p>\n L’application des techniques modernes de neuro-imagerie et de stimulation c\u00e9r\u00e9brale non invasive chez l’humain a permis de tester directement la causalit\u00e9 du syst\u00e8me moteur dans la perception de la parole. Les travaux pionniers men\u00e9s par Luciano Fadiga et ses collaborateurs en 2002 ont marqu\u00e9 un tournant d\u00e9cisif. En utilisant la Stimulation Magn\u00e9tique Transcr\u00e2nienne (TMS) sur le cortex moteur primaire, les chercheurs ont enregistr\u00e9 les Potentiels \u00c9voqu\u00e9s Moteurs (PEM) au niveau des muscles de la langue de sujets humains en train d’\u00e9couter passivement des sons linguistiques.<\/p>\n Les r\u00e9sultats ont confirm\u00e9 avec une pr\u00e9cision chirurgicale les pr\u00e9dictions de la th\u00e9orie motrice :<\/p>\n Allant plus loin, Alessandro D’Ausilio et son \u00e9quipe (2009) ont d\u00e9montr\u00e9 le r\u00f4le causal<\/em> de cette activation. En appliquant une impulsion de TMS double-choc sur la zone motrice des l\u00e8vres ou de la langue juste avant la pr\u00e9sentation d’une syllabe baign\u00e9e dans un bruit de fond acoustique, les chercheurs ont montr\u00e9 que la stimulation de la zone motrice des l\u00e8vres am\u00e9liorait s\u00e9lectivement le temps de r\u00e9action et la pr\u00e9cision de discrimination des consonnes labiales (\/b\/, \/p\/), tandis que la stimulation de la zone de la langue facilitait exclusivement la d\u00e9tection des consonnes alv\u00e9olaires (\/d\/, \/t\/). Le cortex moteur ne se contentait pas d’\u00eatre un t\u00e9moin passif de l’audition : il participait activement et causalement \u00e0 la r\u00e9solution perceptuelle fine des sons du langage.<\/p>\n Le cadre neuroanatomique moderne de la perception de la parole s’est formalis\u00e9 \u00e0 travers le c\u00e9l\u00e8bre mod\u00e8le du double flux<\/strong> (dual-stream model<\/em>) d\u00e9velopp\u00e9 par Gregory Hickok et David Poeppel (2000, 2007). Ce mod\u00e8le neurophysiologique r\u00e9concilie les observations cliniques avec les principes de la th\u00e9orie motrice en postulant l’existence de deux voies de traitement cortical bifurquant \u00e0 partir du cortex auditif primaire bilat\u00e9ral (le gyrus de Heschl) :<\/p>\n 1. Le flux ventral (la voie du \u00ab Quoi \u00bb) :<\/strong> S’\u00e9tendant bilat\u00e9ralement le long du gyrus temporal moyen et inf\u00e9rieur, cette voie assure la correspondance entre les repr\u00e9sentations auditives de la parole et les repr\u00e9sentations conceptuelles et lexicales (la compr\u00e9hension s\u00e9mantique du message). Ce flux est largement robuste et peut fonctionner de mani\u00e8re relativement autonome dans des conditions d’\u00e9coute id\u00e9ales.<\/p>\n 2. Le flux dorsal (la voie du \u00ab Comment \u00bb) :<\/strong> Fortement lat\u00e9ralis\u00e9 dans l’h\u00e9misph\u00e8re gauche, ce flux projette l’information auditive vers l’interface pari\u00e9to-temporale (la r\u00e9gion Spt), qui sert de traducteur sensori-moteur reliant le signal acoustique aux r\u00e9seaux pr\u00e9moteurs frontaux et \u00e0 l’aire de Broca. C’est l’incarnation neuroanatomique pr\u00e9cise de la boucle de r\u00e9troaction postul\u00e9e par Liberman.<\/p>\n Les neurosciences contemporaines apportent cependant une nuance d’importance capitale que Liberman n’avait pas formul\u00e9e : le syst\u00e8me moteur n’est pas obligatoirement indispensable \u00e0 la compr\u00e9hension passive du langage familier en milieu silencieux (prise en charge par le flux ventral), mais il devient absolument capital et d\u00e9terminant d\u00e8s lors que la t\u00e2che perceptive devient complexe, que le signal acoustique est d\u00e9grad\u00e9, masqu\u00e9 par du bruit, ou qu’il s’agit d’apprendre de nouvelles formes phon\u00e9tiques.<\/p>\n Tout au long de son d\u00e9veloppement, la th\u00e9orie motrice de la parole a suscit\u00e9 une vive r\u00e9sistance \u00e9pist\u00e9mologique de la part de chercheurs d\u00e9fendant des mod\u00e8les purement auditifs ou computationnels g\u00e9n\u00e9raux. Ces d\u00e9bats contradictoires ont constitu\u00e9 l’un des moteurs les plus fertiles de la linguistique exp\u00e9rimentale.<\/p>\n L’alternative la plus puissante \u00e0 la th\u00e9orie motrice a \u00e9t\u00e9 port\u00e9e par des chercheurs tels que Randy Diehl, Keith Kluender et Andrew Lotto sous la banni\u00e8re de la th\u00e9orie auditive g\u00e9n\u00e9rale<\/strong> (General Auditory Theory<\/em>). Leur position \u00e9pist\u00e9mologique repose sur le principe de parcimonie (le rasoir d’Ockham) : pourquoi postuler l’existence d’un module moteur hautement complexe, inn\u00e9 et myst\u00e9rieux, alors que les propri\u00e9t\u00e9s physiologiques du syst\u00e8me auditif des vert\u00e9br\u00e9s suffisent \u00e0 expliquer l’int\u00e9gralit\u00e9 des ph\u00e9nom\u00e8nes observ\u00e9s ?<\/p>\n Selon cette approche, les discontinuit\u00e9s de la perception cat\u00e9gorielle ne sont pas n\u00e9es des limites biom\u00e9caniques de l’appareil phonatoire humain, mais refl\u00e8tent les propri\u00e9t\u00e9s intrins\u00e8ques de l’appareil psychoacoustique des mammif\u00e8res. Diehl et Kluender soutiennent que ce sont les langues humaines qui se sont adapt\u00e9es, au cours de leur \u00e9volution culturelle, aux sensibilit\u00e9s pr\u00e9existantes du syst\u00e8me auditif. Si nous pla\u00e7ons des fronti\u00e8res de voisement vers +25 ou +30 millisecondes, ce ne serait pas parce que le larynx le dicte, mais parce que le syst\u00e8me auditif des mammif\u00e8res pr\u00e9sente un pic naturel de d\u00e9tection temporelle lorsque deux \u00e9v\u00e9nements acoustiques sont s\u00e9par\u00e9s par un quart de dixi\u00e8me de seconde.<\/p>\n De plus, cette \u00e9cole th\u00e9orique a d\u00e9montr\u00e9 l’existence d’\u00ab invariants auditifs relationnels complexes \u00bb. Bien qu’un formant isol\u00e9 ne soit pas invariant, la relation math\u00e9matique entre les bandes spectrales (le rapport fr\u00e9quentiel entre F1, F2 et F3) fournit des signatures stables qui peuvent \u00eatre reconnues par des m\u00e9canismes d’analyse de sc\u00e8nes auditives g\u00e9n\u00e9raux, sans qu’aucune m\u00e9diation motrice ne soit logiquement requise.<\/p>\n Une seconde ligne d’attaque fondamentale est venue du courant connexionniste et de l’intelligence artificielle cognitive, incarn\u00e9e de mani\u00e8re spectaculaire par le mod\u00e8le TRACE mis au point par James McClelland et Jeffrey Elman en 1986. TRACE est une architecture computationnelle de traitement massivement parall\u00e8le et distribu\u00e9, fond\u00e9e sur des r\u00e9seaux neuronaux artificiels interconnect\u00e9s.<\/p>\n Dans le mod\u00e8le TRACE, le signal acoustique est trait\u00e9 \u00e0 travers trois couches successives de n\u0153uds \u00e9l\u00e9mentaires :<\/p>\n L’information circule de mani\u00e8re bidirectionnelle : de bas en haut (ascendante) pour propager les indices physiques d\u00e9tect\u00e9s, et de haut en bas (descendante) pour propager les contraintes contextuelles et lexicales.<\/p>\n La force destructrice du mod\u00e8le TRACE \u00e0 l’encontre de la th\u00e9orie motrice a \u00e9t\u00e9 de prouver math\u00e9matiquement qu’un syst\u00e8me purement auditif-cognitif, exempt de la moindre repr\u00e9sentation motrice ou articulatoire, \u00e9tait capable d’\u00e9muler avec une pr\u00e9cision confondante l’ensemble des ph\u00e9nom\u00e8nes consid\u00e9r\u00e9s jusqu’alors comme des chasses gard\u00e9es de Liberman : la perception cat\u00e9gorielle, la compensation pour la coarticulation et l’int\u00e9gration du contexte segmental. Pour les connexionnistes, l’invariance \u00e9merge spontan\u00e9ment de la dynamique interactive d’un r\u00e9seau statistique apprenant sur des donn\u00e9es acoustiques massives.<\/p>\n Une divergence th\u00e9orique majeure est \u00e9galement apparue avec les travaux novateurs de la neuroscientifique Patricia Kuhl, conceptrice de la th\u00e9orie de l’aimant perceptif (Native Language Magnet Theory<\/em> ou mod\u00e8le NLM). Tout en reconnaissant l’existence d’une sp\u00e9cificit\u00e9 de la parole humaine, Kuhl r\u00e9cuse le postulat nativiste et strictement moteur de Liberman.<\/p>\n Selon le mod\u00e8le NLM, les nourrissons naissent avec des capacit\u00e9s psychoacoustiques g\u00e9n\u00e9rales partag\u00e9es avec d’autres esp\u00e8ces, leur permettant de discriminer virtuellement toutes les oppositions phon\u00e9tiques de toutes les langues du monde. Cependant, au cours de la premi\u00e8re ann\u00e9e de vie, l’exposition statistique passive aux r\u00e9gularit\u00e9s acoustiques de la langue maternelle reconfigure profond\u00e9ment l’espace auditif c\u00e9r\u00e9bral de l’enfant :<\/p>\n Le cerveau forme des \u00ab prototypes phon\u00e9tiques \u00bb qui agissent comme des aimants perceptifs. Dans le voisinage spatial d’un prototype d’une cat\u00e9gorie vocalique donn\u00e9e, l’espace auditif est d\u00e9form\u00e9 : les diff\u00e9rences physiques entre les sons proches du centre du prototype sont minimis\u00e9es et ignor\u00e9es (ce qui cr\u00e9e la constance au sein de la cat\u00e9gorie), tandis que les diff\u00e9rences entre des sons situ\u00e9s \u00e0 la fronti\u00e8re de deux cat\u00e9gories sont \u00e9tir\u00e9es et amplifi\u00e9es (ce qui g\u00e9n\u00e8re la perception cat\u00e9gorielle).<\/p>\n Pour Patricia Kuhl, cette distorsion de l’espace perceptif est l’aboutissement d’un apprentissage statistique auditif pr\u00e9coce, et non la cons\u00e9quence de la mise en place d’un r\u00e9pertoire moteur. L’audition sculpte le cerveau bien avant que l’enfant ne d\u00e9veloppe la capacit\u00e9 articulatoire fine de reproduire ces m\u00eames sons, inversant ainsi la hi\u00e9rarchie causale proclam\u00e9e par la th\u00e9orie motrice.<\/p>\n L’un des terrains d’affrontement empirique les plus spectaculaires de cette querelle th\u00e9orique a concern\u00e9 le r\u00e8gne animal. Si, comme l’affirmait Liberman, la perception de la parole d\u00e9pend d’un module moteur sp\u00e9cifique apparu avec l’appareil vocal de l’hominid\u00e9, alors un animal d\u00e9pourvu de parole et de tractus vocal adapt\u00e9 devrait \u00eatre totalement incapable de manifester une perception cat\u00e9gorielle des phon\u00e8mes humains.<\/p>\n En 1975, Patricia Kuhl et James Miller publi\u00e8rent dans la revue Science<\/em> une \u00e9tude retentissante qui sembla \u00e9branler l’\u00e9difice de la th\u00e9orie motrice jusque dans ses fondations les plus profondes. Ils entra\u00een\u00e8rent des chinchillas (Chinchilla laniger<\/em>) \u2014 de petits rongeurs sud-am\u00e9ricains totalement d\u00e9pourvus de parole articul\u00e9e \u2014 \u00e0 r\u00e9agir diff\u00e9remment \u00e0 des sons synth\u00e9tiques de syllabes humaines le long d’un continuum de VOT variant de \/da\/ \u00e0 \/ta\/.<\/p>\n Gr\u00e2ce \u00e0 des protocoles de conditionnement op\u00e9rant rigoureux associant certains sons \u00e0 des chocs \u00e9lectriques l\u00e9gers et d’autres \u00e0 des r\u00e9compenses sous forme d’eau, Kuhl et Miller d\u00e9montr\u00e8rent que les chinchillas s\u00e9paraient les stimuli avec des fronti\u00e8res d’identification nettes et indiscutables. Plus stup\u00e9fiant encore : la fronti\u00e8re de discrimination des chinchillas se situait aux alentours de +33 millisecondes de VOT, c’est-\u00e0-dire \u00e0 un emplacement quasi identique \u00e0 la fronti\u00e8re s\u00e9parant les cat\u00e9gories phon\u00e9miques \/d\/ et \/t\/ chez les auditeurs humains anglophones adultes !<\/p>\n Des exp\u00e9riences ult\u00e9rieures confirm\u00e8rent rapidement ces r\u00e9sultats sur une vaste palette d’esp\u00e8ces animales non-humaines : des macaques rh\u00e9sus test\u00e9s sur le lieu d’articulation par Morse et Snowdon, des cailles du Japon entra\u00een\u00e9es \u00e0 discriminer les syllabes \/ba\/, \/da\/ et \/ga\/ par Keith Kluender, et m\u00eame des \u00e9tourneaux sansonnets. Les animaux, sans poss\u00e9der l’ombre d’un module moteur vocal humain, exhibaient les m\u00eames fronti\u00e8res perceptives que les \u00eatres humains face \u00e0 des continuums de parole de synth\u00e8se.<\/p>\n Face \u00e0 ce qui apparaissait pour beaucoup comme une r\u00e9futation exp\u00e9rimentale d\u00e9cisive, Alvin Liberman et les th\u00e9oriciens des Laboratoires Haskins refus\u00e8rent de capituler et d\u00e9ploy\u00e8rent une argumentation \u00e9pist\u00e9mologique subtile :<\/p>\n Premi\u00e8rement, Liberman fit remarquer que montrer qu’un animal peut \u00eatre conditionn\u00e9 \u00e0 discriminer deux sons physiques ne prouve aucunement qu’il per\u00e7oit de la parole<\/em>. Un chinchilla per\u00e7oit des sons complexes et r\u00e9agit \u00e0 des discontinuit\u00e9s de son appareil auditif p\u00e9riph\u00e9rique (comme les temps de r\u00e9cup\u00e9ration de la r\u00e9fractarit\u00e9 neuronale synaptique), mais il ne connecte en aucun cas ces indices \u00e0 un syst\u00e8me phonologique, syntaxique ou s\u00e9mantique sous-jacent. L’animal traite le stimulus dans son mode psychoacoustique g\u00e9n\u00e9ral, non dans un mode d’\u00e9coute linguistique.<\/p>\n Deuxi\u00e8mement, Liberman formula une hypoth\u00e8se \u00e9volutionniste \u00e9l\u00e9gante : le langage articul\u00e9 humain n’a pas \u00e9merg\u00e9 dans un vide physiologique absolu. Il est tout \u00e0 fait logique que l’\u00e9volution biologique ait guid\u00e9 la s\u00e9lection des gestes articulatoires de mani\u00e8re \u00e0 faire co\u00efncider les fronti\u00e8res de production motrice avec les discontinuit\u00e9s psychoacoustiques pr\u00e9existantes de l’appareil auditif des mammif\u00e8res. L’hominid\u00e9 a s\u00e9lectionn\u00e9 des contrastes articulatoires (comme le voisement) qui exploitaient des zones de contraste sensoriel naturel afin d’optimiser la robustesse de la transmission.<\/p>\n Cette convergence n’invalide nullement la th\u00e9orie motrice : elle d\u00e9montre simplement que la nature a optimis\u00e9 la communication verbale en alignant intimement les contraintes physiques du conduit phonatoire sur les pr\u00e9dispositions sensorielles du syst\u00e8me nerveux central.<\/p>\n L’ancrage de la th\u00e9orie motrice s’\u00e9claire \u00e9galement \u00e0 la lumi\u00e8re des recherches pal\u00e9oanthropologiques relatives \u00e0 l’\u00e9volution du tractus vocal humain men\u00e9es par Philip Lieberman et ses successeurs. L’anatomie vocale de l’Homo sapiens<\/em> moderne pr\u00e9sente une singularit\u00e9 absolue au sein des mammif\u00e8res : la descente permanente du larynx au fond de la gorge, qui cr\u00e9e un conduit vocal \u00e0 deux tubes orthogonaux de longueur \u00e9gale (la cavit\u00e9 buccale horizontale et la cavit\u00e9 pharyngienne verticale).<\/p>\n Cette configuration anatomique unique \u2014 pay\u00e9e au prix lourd d’un risque permanent d’\u00e9touffement par fausse route alimentaire lors de la d\u00e9glutition \u2014 offre une flexibilit\u00e9 g\u00e9om\u00e9trique in\u00e9gal\u00e9e pour moduler ind\u00e9pendamment les deux premiers formants acoustiques et g\u00e9n\u00e9rer les voyelles quantiques universelles (\/i\/, \/u\/, \/a\/). Parall\u00e8lement, l’\u00e9largissement du canal hypoglosse chez les fossiles d’hominid\u00e9s r\u00e9cents t\u00e9moigne d’une innervation motrice massivement accrue des muscles de la langue, indispensable \u00e0 la v\u00e9locit\u00e9 et \u00e0 la pr\u00e9cision des gestes phon\u00e9tiques.<\/p>\n Dans cette perspective phylog\u00e9n\u00e9tique, l’av\u00e8nement de la parole humaine a n\u00e9cessit\u00e9 une co-\u00e9volution intime et synchrone entre les r\u00e9seaux neuronaux pilotant le contr\u00f4le moteur articulatoire (notamment l’expansion du cortex pr\u00e9moteur et de la connectivit\u00e9 via le faisceau arqu\u00e9) et les circuits r\u00e9cepteurs charg\u00e9s d’interpr\u00e9ter ces mouvements. La th\u00e9orie motrice se pr\u00e9sente ainsi comme la formalisation cognitive de cette co-\u00e9volution anatomique et fonctionnelle qui a transform\u00e9 un primate vocaliseur en un animal de parole symbolique.<\/p>\n Loin de constituer une pure querelle d’acad\u00e9miciens, les postulats de la th\u00e9orie motrice ont f\u00e9cond\u00e9 des champs d’application pratiques d’une importance capitale, allant du diagnostic et de la r\u00e9habilitation des troubles du langage jusqu’au d\u00e9veloppement des architectures modernes de reconnaissance automatique de la parole.<\/p>\n La th\u00e9orie motrice offre une grille de lecture diagnostique et th\u00e9rapeutique puissante pour appr\u00e9hender de nombreux d\u00e9ficits de la communication verbale :<\/p>\n Dans le domaine des aphasies acquises de l’adulte, l’analyse des atteintes cons\u00e9cutives aux accidents vasculaires c\u00e9r\u00e9braux a longtemps oppos\u00e9 l’aphasie de Broca (consid\u00e9r\u00e9e comme un d\u00e9ficit moteur pur de production) \u00e0 l’aphasie de Wernicke (d\u00e9crite comme un d\u00e9ficit sensoriel de perception). Cependant, des investigations phon\u00e9tiques pouss\u00e9es ont r\u00e9v\u00e9l\u00e9 que les patients atteints d’aphasie motrice de Broca souffrent quasi syst\u00e9matiquement de d\u00e9ficits subtils de la perception cat\u00e9gorielle des phon\u00e8mes, pr\u00e9cis\u00e9ment sur les dimensions temporelles comme le VOT, corroborant l’id\u00e9e que l’atteinte des r\u00e9seaux moteurs frontaux compromet la finesse du d\u00e9codage perceptif.<\/p>\n Chez l’enfant, la dyspraxie verbale (ou trouble du d\u00e9veloppement des sons de la parole) illustre de fa\u00e7on poignante cette imbrication : les jeunes enfants pr\u00e9sentant une incapacit\u00e9 cong\u00e9nitale \u00e0 planifier et coordonner la motricit\u00e9 articulatoire manifestent tr\u00e8s fr\u00e9quemment des distorsions s\u00e9v\u00e8res dans la cat\u00e9gorisation auditive des contrastes phon\u00e9tiques de leur propre langue. Les protocoles modernes d’orthophonie int\u00e8grent d\u00e9sormais massivement la proprioception motrice et le biofeedback articulatoire (comme l’\u00e9lectropalatographie, qui permet \u00e0 l’enfant de visualiser en temps r\u00e9el sur un \u00e9cran le contact de sa langue contre son palais) : en r\u00e9\u00e9duquant le geste moteur, le th\u00e9rapeute restaure et consolide la structure de la repr\u00e9sentation perceptive auditive.<\/p>\n L’apprentissage d’une langue \u00e9trang\u00e8re \u00e0 l’\u00e2ge adulte se heurte classiquement \u00e0 la difficult\u00e9 monumentale de distinguer et de prononcer des sons phon\u00e9tiques absents du r\u00e9pertoire de la langue maternelle. L’exemple embl\u00e9matique est la difficult\u00e9 l\u00e9gendaire des locuteurs natifs japonais \u00e0 discriminer la diff\u00e9rence entre les liquides anglaises \/r\/ et \/l\/.<\/p>\n Le Mod\u00e8le d’Assimilation Perceptive<\/strong> (Perceptual Assimilation Model<\/em> ou PAM), d\u00e9velopp\u00e9 par Catherine Best au sein m\u00eame des Laboratoires Haskins, trouve ses racines directes dans la th\u00e9orie motrice r\u00e9vis\u00e9e. Selon le mod\u00e8le PAM, un auditeur confront\u00e9 \u00e0 des sons d’une langue \u00e9trang\u00e8re tente automatiquement de les assimiler aux gestes articulatoires familiers de son propre r\u00e9pertoire phonologique natif. Si deux sons distincts de la langue \u00e9trang\u00e8re (comme le \/r\/ r\u00e9troflexe et le \/l\/ alv\u00e9olaire anglais) impliquent des gestes qui sont assimil\u00e9s \u00e0 un unique type de constriction au sein du syst\u00e8me moteur du locuteur natif japonais, ces deux phon\u00e8mes s’effondrent dans une seule et m\u00eame cat\u00e9gorie perceptive indistinguable.<\/p>\n Cette approche a profond\u00e9ment r\u00e9volutionn\u00e9 la didactique des langues vivantes : les m\u00e9thodes p\u00e9dagogiques contemporaines d\u00e9montrent que l’entra\u00eenement articulatoire actif \u2014 obliger l’apprenant \u00e0 placer consciemment ses articulateurs, \u00e0 sentir la m\u00e9canique gestuelle et \u00e0 s’exercer \u00e0 la production motrice \u2014 est infiniment plus rapide et efficace pour d\u00e9bloquer l’oreille et induire une discrimination auditive stable que la simple \u00e9coute passive d’enregistrements audio.<\/p>\n L’histoire de l’ing\u00e9nierie vocale et de l’intelligence artificielle appliqu\u00e9e \u00e0 la parole a longtemps refl\u00e9t\u00e9 la tension conceptuelle entre th\u00e9ories auditives et th\u00e9orie motrice. Durant des d\u00e9cennies, les syst\u00e8mes de reconnaissance automatique de la parole ont repos\u00e9 exclusivement sur des mod\u00e8les acoustiques statistiques, \u00e0 l’image des mod\u00e8les de Markov cach\u00e9s (Hidden Markov Models<\/em> ou HMM) op\u00e9rant sur des repr\u00e9sentations spectrales de type MFCC (Mel-Frequency Cepstral Coefficients<\/em>). Ces syst\u00e8mes acoustiques purs ont constamment but\u00e9 sur les m\u00eames \u00e9cueils historiques : une sensibilit\u00e9 dramatique aux variations d’accents, une intol\u00e9rance au d\u00e9bit rapide et un effondrement des performances en pr\u00e9sence de coarticulation s\u00e9v\u00e8re ou de bruit ambiant.<\/p>\n Pour d\u00e9passer ces limites, les ing\u00e9nieurs se sont tourn\u00e9s vers l’int\u00e9gration de param\u00e8tres articulatoires \u00e0 travers le probl\u00e8me inverse dit d’\u00ab inversion acoustico-articulatoire \u00bb (Acoustic-to-Articulatory Inversion<\/em> ou AAI). L’objectif computationnel de l’inversion est de d\u00e9duire, \u00e0 l’aide d’\u00e9quations hydrodynamiques ou de r\u00e9seaux de neurones profonds, la trajectoire cin\u00e9matique invisible du conduit vocal (la position des l\u00e8vres, de la m\u00e2choire et du dos de la langue) \u00e0 partir de la seule onde sonore capt\u00e9e par le microphone.<\/p>\n Aujourd’hui, les architectures les plus sophistiqu\u00e9es de r\u00e9seaux neuronaux profonds et d’apprentissage auto-supervis\u00e9 (comme les mod\u00e8les de type wav2vec ou Conformer) int\u00e8grent implicitement, dans leurs couches convolutives et d’attention spatio-temporelle, des repr\u00e9sentations interm\u00e9diaires qui mod\u00e9lisent les dynamiques physiques et la continuit\u00e9 cin\u00e9matique du tractus vocal. M\u00eame au sein des puces de silicium, la prise en compte de la cause motrice sous-jacente s’est r\u00e9v\u00e9l\u00e9e \u00eatre le vecteur le plus puissant pour conf\u00e9rer de la robustesse \u00e0 l’interpr\u00e9tation des ondes sonores.<\/p>\n Au terme de plus de six d\u00e9cennies de d\u00e9bats passionn\u00e9s, la th\u00e9orie motrice de la perception de la parole occupe une place tout \u00e0 fait singuli\u00e8re dans le panth\u00e9on des sciences cognitives : souvent d\u00e9clar\u00e9e morte et enterr\u00e9e par ses d\u00e9tracteurs les plus virulents, elle n’a cess\u00e9 de ressusciter sous des formes enrichies et renouvel\u00e9es.<\/p>\n Le m\u00e9rite historique inalt\u00e9rable d’Alvin Liberman r\u00e9side dans son audace conceptuelle visionnaire. En brisant le dogme du b\u00e9haviorisme et du r\u00e9ductionnisme psychoacoustique \u00e9l\u00e9mentaire, il a \u00e9t\u00e9 le premier \u00e0 formuler une th\u00e9orie rigoureuse du couplage intime entre perception et action dans le domaine de la communication humaine. Il a d\u00e9montr\u00e9 avec une force d’exp\u00e9rimentation in\u00e9gal\u00e9e que la perception n’est pas une copie passive de la stimulation sensorielle externe, mais une simulation dynamique et un acte de reconstruction g\u00e9n\u00e9rative.<\/p>\n De plus, l’impulsion m\u00e9thodologique donn\u00e9e par les Laboratoires Haskins a forg\u00e9 la phon\u00e9tique exp\u00e9rimentale moderne. Des notions devenues des \u00e9vidences scientifiques fondamentales \u2014 la coarticulation, la non-lin\u00e9arit\u00e9 spectro-temporelle, le VOT, la perception cat\u00e9gorielle, l’\u00e9coute dichotique, la perception duplex et l’int\u00e9gration audiovisuelle \u2014 sont toutes n\u00e9es des interrogations g\u00e9n\u00e9r\u00e9es par les th\u00e8ses de Liberman. M\u00eame les th\u00e9ories construites pour r\u00e9futer ses propositions lui sont redevables des paradigmes exp\u00e9rimentaux qui ont servi \u00e0 leur propre \u00e9mergence.<\/p>\n Enfin, la vision de Liberman a largement d\u00e9bord\u00e9 le cadre strict de la linguistique pour irriguer le courant philosophique et cognitif contemporain de la cognition incarn\u00e9e<\/strong> (Embodied Cognition<\/em>). La th\u00e9orie motrice a \u00e9t\u00e9 l’un des premiers mod\u00e8les empiriques \u00e0 formaliser l’id\u00e9e que les structures abstraites de l’esprit humain ne sont pas des algorithmes d\u00e9sincarn\u00e9s manipulant des symboles amodaux, mais trouvent leur gen\u00e8se, leur d\u00e9ploiement et leur signification dans l’\u00e9paisseur physique de notre corps biologique en action.<\/p>\n En d\u00e9pit de sa puissance explicative, la version forte de la th\u00e9orie motrice s’est heurt\u00e9e \u00e0 des contre-exemples cliniques et conceptuels d’une robustesse incontournable qu’il serait intellectuellement malhonn\u00eate d’occulter :<\/p>\n L’objection empirique la plus d\u00e9vastatrice provient de la neuropsychologie clinique et des \u00e9tudes de d\u00e9veloppement p\u00e9diatrique chez des individus priv\u00e9s de motricit\u00e9 articulatoire. Des patients atteints du syndrome de M\u00f6bius \u2014 une malformation cong\u00e9nitale rarissime caract\u00e9ris\u00e9e par une paralysie faciale bilale compl\u00e8te et une ag\u00e9n\u00e9sie des nerfs cr\u00e2niens VII et XII interdisant tout mouvement des l\u00e8vres et de la langue \u2014 se r\u00e9v\u00e8lent parfaitement capables de discriminer les contrastes phon\u00e9tiques et de comprendre la parole avec une acuit\u00e9 auditive rigoureusement normale. De m\u00eame, des cas document\u00e9s d’enfants n\u00e9s avec une anarthrie cong\u00e9nitale absolue (incapacit\u00e9 totale de produire le moindre son de parole) d\u00e9veloppent une compr\u00e9hension linguistique r\u00e9ceptive impeccable.<\/p>\n Si la m\u00e9diation du syst\u00e8me moteur \u00e9tait une condition sine qua non<\/em> et universelle pour percevoir les sons de la parole, ces individus devraient \u00eatre plong\u00e9s dans un chaos perceptif complet. Ces donn\u00e9es cliniques prouvent de mani\u00e8re p\u00e9remptoire que le syst\u00e8me auditif humain poss\u00e8de une plasticit\u00e9 suffisante pour extraire et classifier l’information phon\u00e9tique sans s’appuyer obligatoirement sur l’appareil effecteur moteur.<\/p>\n Sur le plan \u00e9pist\u00e9mologique, la version r\u00e9vis\u00e9e de la th\u00e9orie motrice a \u00e9galement \u00e9t\u00e9 accus\u00e9e d’une certaine circularit\u00e9 conceptuelle : si le \u00ab geste \u00bb articulatoire devient une entit\u00e9 abstraite dynamique, d\u00e9connect\u00e9e des contractions musculaires r\u00e9elles, ne devient-il pas tout simplement une r\u00e9\u00e9criture commode du phon\u00e8me traditionnel, difficilement falsifiable au sens de Karl Popper ?<\/p>\n \u00c0 la lumi\u00e8re des connaissances scientifiques du XXIe si\u00e8cle, le statut de la th\u00e9orie motrice a \u00e9volu\u00e9 : elle a cess\u00e9 d’\u00eatre accept\u00e9e comme un dogme exclusif pour devenir l’une des deux polarit\u00e9s fondamentales de la compr\u00e9hension du langage.<\/p>\n Le consensus neurobiologique actuel \u2014 articul\u00e9 autour des mod\u00e8les du codage pr\u00e9dictif<\/strong> (Predictive Coding<\/em>) d\u00e9velopp\u00e9s par des th\u00e9oriciens comme Karl Friston et appliqu\u00e9s \u00e0 la parole par Martin Pickering et Simon Garrod \u2014 assigne au syst\u00e8me moteur un r\u00f4le de modulateur pr\u00e9dictif plut\u00f4t que de d\u00e9codeur obligatoire universel :<\/p>\n En ce sens, l’intuition fondatrice d’Alvin Liberman sort grandie de cette longue controverse historique. Il a su voir, un demi-si\u00e8cle avant l’essor de la neuro-imagerie fonctionnelle et de la robotique bio-inspir\u00e9e, que l’\u00e9coute de la parole n’est pas la simple r\u00e9ception passive d’une onde physique, mais un dialogue actif et charnel entre deux esprits connect\u00e9s par la conscience partag\u00e9e de leur propre capacit\u00e9 d’action. L’h\u00e9ritage intellectuel d’Alvin Liberman demeure l’un des monuments les plus f\u00e9conds des sciences de l’esprit, continuant d’inspirer chaque chercheur qui s’interroge sur le myst\u00e8re de cette voix humaine qui traverse l’air pour devenir pens\u00e9e.<\/p>\n Analyse acad\u00e9mique approfondie de la th\u00e9orie motrice de la perception de la parole formul\u00e9e par Alvin Liberman et d\u00e9velopp\u00e9e au sein des laboratoires Haskins.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[3840,1486],"tags":[4460,10656,4337,10657,4462],"class_list":["post-9582","psych_article","type-psych_article","status-publish","hentry","category-psycholinguistique","category-sciences-cognitives","tag-alvin-liberman","tag-laboratoires-haskins","tag-perception-de-la-parole","tag-phonetique-acoustique","tag-theorie-motrice"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article\/9582","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_article"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=9582"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article\/9582\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=9582"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=9582"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=9582"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}1. Introduction et gen\u00e8se historique de la th\u00e9orie motrice<\/h2>\n
1.1 Le contexte scientifique des laboratoires Haskins<\/h3>\n
1.2 Les limites de la phon\u00e9tique acoustique classique<\/h3>\n
1.3 La rupture \u00e9pist\u00e9mologique initi\u00e9e par Alvin Liberman<\/h3>\n
2. Le probl\u00e8me fondamental de l’absence d’invariance acoustique<\/h2>\n
2.1 La variabilit\u00e9 physique du signal sonore<\/h3>\n
2.2 La nature ubiquitaire de la coarticulation<\/h3>\n
2.3 L’insuffisance des mod\u00e8les auditifs p\u00e9riph\u00e9riques<\/h3>\n
3. Les postulats fondamentaux de la version originale de 1967<\/h2>\n
3.1 Les commandes motrices comme objets ultimes de la perception<\/h3>\n
3.2 Le m\u00e9canisme de synth\u00e8se par l’analyse<\/h3>\n
3.3 Le lien indissociable entre production et perception<\/h3>\n
4. La perception cat\u00e9gorielle : Premi\u00e8re preuve empirique majeure<\/h2>\n
4.1 Principes exp\u00e9rimentaux et m\u00e9thodologie<\/h3>\n
\n
4.2 Le d\u00e9lai d’\u00e9tablissement du voisement (VOT)<\/h3>\n
4.3 Interpr\u00e9tation motrice des fronti\u00e8res cat\u00e9gorielles<\/h3>\n
5. L’hypoth\u00e8se du module sp\u00e9cialis\u00e9 et le mode d’\u00e9coute \u00ab parole \u00bb<\/h2>\n
5.1 La sp\u00e9cificit\u00e9 de la parole humaine (Speech is Special)<\/h3>\n
\n
5.2 Le mode de perception dichotique et l’\u00e9coute en duplex<\/h3>\n
\n
5.3 L’avantage de l’oreille droite pour le langage<\/h3>\n
6. L’effet McGurk-MacDonald et l’int\u00e9gration multimodale<\/h2>\n
6.1 La d\u00e9couverte fortuite de l’illusion audiovisuelle<\/h3>\n
6.2 L’int\u00e9gration supramodale des gestes articulatoires<\/h3>\n
\n
6.3 L’impact sur l’\u00e9volution th\u00e9orique de Liberman<\/h3>\n
7. La version r\u00e9vis\u00e9e de la th\u00e9orie motrice (1985-1989)<\/h2>\n
7.1 Du muscle au geste : L’int\u00e9gration de la phonologie gestuelle<\/h3>\n
\n
7.2 L’invariance relocalis\u00e9e dans la dynamique gestuelle<\/h3>\n
7.3 Autonomie biologique du module phon\u00e9tique revu<\/h3>\n
8. Le renouveau neurobiologique : Neurones miroirs et neuro-imagerie<\/h2>\n
8.1 La d\u00e9couverte du syst\u00e8me miroir chez le primate et l’humain<\/h3>\n
8.2 Preuves par stimulation magn\u00e9tique transcr\u00e2nienne (TMS)<\/h3>\n
\n
8.3 L’organisation fonctionnelle des voies ventrales et dorsales<\/h3>\n
9. Confrontation avec les th\u00e9ories auditives concurrentes<\/h2>\n
9.1 La th\u00e9orie auditive g\u00e9n\u00e9rale de Diehl et Kluender<\/h3>\n
9.2 Les mod\u00e8les computationnels et connexionnistes<\/h3>\n
\n
9.3 La th\u00e9orie de l’aimant perceptif de Patricia Kuhl<\/h3>\n
10. \u00c9tudes comparatives animales et questions \u00e9volutives<\/h2>\n
10.1 La perception cat\u00e9gorielle chez les non-humains<\/h3>\n
10.2 Contre-arguments de Liberman et des partisans du mod\u00e8le moteur<\/h3>\n
10.3 L’\u00e9volution phylog\u00e9n\u00e9tique de la parole<\/h3>\n
11. Applications cliniques et technologies vocales<\/h2>\n
11.1 Pathologies du langage et de la perception<\/h3>\n
11.2 L’apprentissage des langues secondes (L2)<\/h3>\n
11.3 Reconnaissance automatique de la parole (RAP)<\/h3>\n
12. Bilan critique, statut \u00e9pist\u00e9mologique et perspectives actuelles<\/h2>\n
12.1 Forces et avanc\u00e9es conceptuelles majeures<\/h3>\n
12.2 Faiblesses th\u00e9oriques et apories persistantes<\/h3>\n
12.3 L’h\u00e9ritage d’Alvin Liberman dans les sciences cognitives modernes<\/h3>\n
\n
R\u00e9f\u00e9rences<\/h2>\n
\n