L’acquisition du langage par le jeune enfant constitue l’un des myst\u00e8res les plus profonds et les plus fascinants des sciences cognitives, de la linguistique et de la psychologie du d\u00e9veloppement. D\u00e8s les premiers mois de son existence, un nourrisson humain, d\u00e9pourvu de tout enseignement formel, d’acc\u00e8s direct \u00e0 des dictionnaires ou de r\u00e9troaction explicite sur la validit\u00e9 de ses d\u00e9ductions, parvient \u00e0 d\u00e9crypter le flux sonore continu et complexe qui l’entoure. Il extrait des unit\u00e9s lexicales discr\u00e8tes, d\u00e9couvre les r\u00e8gles phonotactiques sous-jacentes \u00e0 sa langue maternelle, et pose, avant m\u00eame la fin de sa premi\u00e8re ann\u00e9e, les fondations indispensables \u00e0 l’\u00e9mergence de la syntaxe et de la s\u00e9mantique. Pendant des d\u00e9cennies, la rapidit\u00e9 et la robustesse de cet apprentissage ont \u00e9t\u00e9 brandies par le courant nativiste comme la preuve irr\u00e9futable de l’existence d’un savoir linguistique inn\u00e9, grav\u00e9 au c\u0153ur du g\u00e9nome humain.<\/p>\n
Cependant, en 1996, une s\u00e9rie d’exp\u00e9riences r\u00e9volutionnaires men\u00e9es \u00e0 l’Universit\u00e9 de Rochester<\/a> par une \u00e9quipe de psycholinguistes visionnaires \u2014 Jenny Saffran, Richard Aslin et Elissa Newport \u2014 est venue bouleverser cet \u00e9difice th\u00e9orique. En publiant leurs travaux dans la prestigieuse revue Science<\/a>, ces chercheurs ont d\u00e9montr\u00e9 qu’un nourrisson \u00e2g\u00e9 de seulement huit mois poss\u00e8de une aptitude computationnelle spectaculaire : l’apprentissage statistique. Sans le moindre indice prosodique, sans contour d’intonation, sans mouvement des l\u00e8vres ni renforcement affectif, de simples b\u00e9b\u00e9s sont capables d’isoler des pseudo-mots au sein d’un flux continu de parole artificielle synth\u00e9tique, en s’appuyant exclusivement sur le calcul spontan\u00e9 et implicite des probabilit\u00e9s de transition entre syllabes contigu\u00ebs.<\/p>\n Cette d\u00e9couverte princeps n’a pas seulement r\u00e9\u00e9crit les manuels de psycholinguistique cognitive ; elle a red\u00e9fini les termes du d\u00e9bat classique opposant l’inn\u00e9isme chomskyan \u00e0 l’empirisme b\u00e9havioriste, ouvrant la voie \u00e0 une compr\u00e9hension radicalement novatrice du cerveau infantile en tant que puissant moteur d’inf\u00e9rence statistique et probabiliste. Cet article propose une analyse exhaustive et rigoureuse de cette exp\u00e9rience fondatrice : sa gen\u00e8se \u00e9pist\u00e9mologique, sa formalisation m\u00e9thodologique et math\u00e9matique, ses r\u00e9sultats comportementaux pr\u00e9cis, ainsi que son h\u00e9ritage magistral au sein des neurosciences contemporaines et des mod\u00e8les computationnels de l’intelligence.<\/p>\n L’histoire de la linguistique moderne durant la seconde moiti\u00e9 du vingti\u00e8me si\u00e8cle a \u00e9t\u00e9 profond\u00e9ment structur\u00e9e par la confrontation intellectuelle entre le b\u00e9haviorisme skinn\u00e9rien et la r\u00e9volution g\u00e9n\u00e9rative impuls\u00e9e par Noam Chomsky<\/a>. Dans sa critique d\u00e9vastatrice de l’ouvrage Verbal Behavior<\/em> de B.F. Skinner publi\u00e9e en 1959, Chomsky soutient qu’un mod\u00e8le fond\u00e9 sur le conditionnement op\u00e9rant, l’imitation passive et les contingences de renforcement est fondamentalement incapable de rendre compte de la cr\u00e9ativit\u00e9 linguistique. Cette cr\u00e9ativit\u00e9 se manifeste par la capacit\u00e9 universelle qu’a tout locuteur de formuler et de comprendre une infinit\u00e9 d’\u00e9nonc\u00e9s enti\u00e8rement in\u00e9dits \u00e0 partir d’un ensemble fini d’\u00e9l\u00e9ments lexicaux et de r\u00e8gles de transformation.<\/p>\n Pour justifier l’impossibilit\u00e9 d’un apprentissage purement inductif de la langue, Chomsky formule l’argument c\u00e9l\u00e8bre de la \u00ab pauvret\u00e9 du stimulus \u00bb (Poverty of the Stimulus<\/em>). Selon cette th\u00e8se, l’environnement linguistique r\u00e9el auquel le jeune enfant est expos\u00e9 est par nature lacunaire, instable, truff\u00e9 d’h\u00e9sitations, de faux d\u00e9parts, d’erreurs d’accord et d’interruptions syntaxiques, tout en \u00e9tant exempt de \u00ab preuves n\u00e9gatives \u00bb directes (des signaux syst\u00e9matiques indiquant \u00e0 l’enfant quelles structures sont strictement agrammaticales). D\u00e8s lors, le signal sonore per\u00e7u par le nourrisson contiendrait une information objectivement insuffisante pour lui permettre d’induire la structure grammaticale profonde de sa langue maternelle.<\/p>\n Face \u00e0 ce gouffre pr\u00e9sum\u00e9 entre l’indigence de l’apport environnemental et la virtuosit\u00e9 linguistique pr\u00e9coce de l’enfant, l’\u00e9cole nativiste postule l’existence d’une structure biologique sp\u00e9cifique : le dispositif d’acquisition du langage (Language Acquisition Device<\/em> ou LAD), ult\u00e9rieurement formalis\u00e9 sous le concept de Grammaire Universelle<\/a>. Cette derni\u00e8re est con\u00e7ue comme un ensemble inn\u00e9 de contraintes formelles et de param\u00e8tres abstraits pr\u00e9-c\u00e2bl\u00e9s dans les circuits corticaux humains. Selon cette optique, l’environnement linguistique n’op\u00e8re pas comme un r\u00e9servoir d’informations \u00e0 partir duquel des connaissances sont construites, mais plut\u00f4t comme un simple d\u00e9clencheur biologique (trigger<\/em>) destin\u00e9 \u00e0 calibrer les param\u00e8tres inn\u00e9s sur les particularit\u00e9s de l’idiome local. D\u00e8s lors, toute tentative d’expliquer l’acquisition de composantes fondamentales du langage par des m\u00e9canismes g\u00e9n\u00e9raux d’apprentissage inductif s’est longtemps heurt\u00e9e \u00e0 une fin de non-recevoir th\u00e9orique.<\/p>\n Au cours des ann\u00e9es 1980 et au d\u00e9but des ann\u00e9es 1990, le dogme nativiste de la pauvret\u00e9 absolue du stimulus commence \u00e0 \u00eatre vigoureusement contest\u00e9 par l’\u00e9mergence du connexionnisme<\/a> et du traitement distribu\u00e9 en parall\u00e8le (Parallel Distributed Processing<\/em>), port\u00e9 par des chercheurs tels que David Rumelhart, James McClelland et Jeffrey Elman. Ces th\u00e9oriciens d\u00e9montrent que des architectures de r\u00e9seaux neuronaux artificiels simples, d\u00e9pourvues de r\u00e8gles symboliques rigides cod\u00e9es a priori, peuvent extraire des invariants phonologiques, morphologiques et syntaxiques subtils par le simple ajustement statistique du poids de leurs connexions synaptiques lors de l’exposition continue \u00e0 des flux de donn\u00e9es linguistiques brutes.<\/p>\n Les travaux novateurs de Jeffrey Elman sur les r\u00e9seaux r\u00e9currents simples ont notamment mis en lumi\u00e8re que la dimension temporelle de la parole pouvait \u00eatre encod\u00e9e sous la forme de pr\u00e9dictions s\u00e9quentielles. En tentant perp\u00e9tuellement d’anticiper le phon\u00e8me ou le mot suivant dans une cha\u00eene textuelle, ces r\u00e9seaux d\u00e9veloppent des repr\u00e9sentations internes complexes qui refl\u00e8tent spontan\u00e9ment des cat\u00e9gories lexicales et syntaxiques abstraites telles que les noms, les verbes transitifs ou les propositions relatives, et ce, sans qu’aucune \u00e9tiquette explicite ne leur ait jamais \u00e9t\u00e9 inject\u00e9e.<\/p>\n Ce renouveau computationnel r\u00e9habilite l’environnement linguistique, qui n’appara\u00eet plus comme un signal d\u00e9grad\u00e9 et opaque, mais comme une source extraordinairement dense de r\u00e9gularit\u00e9s structurelles et distributionnelles. Le nourrisson n’est plus envisag\u00e9 comme un automate passif dont les g\u00e8nes d\u00e9ploient un programme linguistique pr\u00e9\u00e9tabli sous l’effet d’un d\u00e9clencheur environnemental, mais comme un syst\u00e8me adaptatif dynamique et un apprenant probabiliste actif. Cette nouvelle perspective th\u00e9orique soul\u00e8ve alors une exigence exp\u00e9rimentale cruciale : il est imp\u00e9ratif de concevoir des protocoles capables de v\u00e9rifier empiriquement si le syst\u00e8me cognitif du tout jeune enfant poss\u00e8de bel et bien, in vivo, les algorithmes implicites requis pour extraire ces r\u00e9gularit\u00e9s dans des conditions \u00e9cologiques contr\u00f4l\u00e9es.<\/p>\n Avant m\u00eame de pouvoir s’interroger sur l’apprentissage des r\u00e8gles de syntaxe ou l’assignation de significations s\u00e9mantiques aux \u00e9tiquettes verbales, le cerveau en d\u00e9veloppement se heurte \u00e0 une barri\u00e8re perceptive fondamentale : le probl\u00e8me de la segmentation lexicale. Lorsque les adultes alphab\u00e9tis\u00e9s lisent un texte imprim\u00e9, les mots sont mat\u00e9rialis\u00e9s par des espaces physiques blancs sans ambigu\u00eft\u00e9. De m\u00eame, lorsqu’ils \u00e9coutent leur propre langue maternelle, ils \u00e9prouvent l’illusion subjective imm\u00e9diate que la parole est constitu\u00e9e d’une suite de vocables distincts, d\u00e9limit\u00e9s par des silences perceptibles.<\/p>\n Or, les analyses spectrographiques de la physique acoustique r\u00e9futent cat\u00e9goriquement cette intuition : dans la parole naturelle continue, il n’existe quasiment aucun silence entre les mots successifs. Les v\u00e9ritables interruptions de l’\u00e9nergie acoustique correspondent le plus souvent \u00e0 des phases de silence intra-mots \u2014 provoqu\u00e9es par la fermeture occlusive des organes articulateurs lors de la production de consonnes comme le \/p\/, le \/t\/ ou le \/k\/ \u2014 tandis que les transitions entre la fin d’un mot et le d\u00e9but du mot suivant sont g\u00e9n\u00e9ralement marqu\u00e9es par une continuit\u00e9 acoustique absolue due au ph\u00e9nom\u00e8ne inh\u00e9rent de coarticulation.<\/p>\n Avant 1996, l’\u00e9tat des connaissances exp\u00e9rimentales sur les comp\u00e9tences auditives des nourrissons \u2014 document\u00e9 notamment par les travaux pionniers de Peter Eimas, Janet Werker, Peter Jusczyk et Jacques Mehler \u2014 avait permis d’\u00e9tablir que les b\u00e9b\u00e9s naissent avec une sensibilit\u00e9 aigu\u00eb aux contrastes phon\u00e9tiques cat\u00e9goriels universels et d\u00e9veloppent vers l’\u00e2ge de six \u00e0 huit mois une pr\u00e9f\u00e9rence pour les contours prosodiques de leur idiome natal. Toutefois, la question de savoir comment un b\u00e9b\u00e9 parvient \u00e0 r\u00e9soudre l’\u00e9nigme computationnelle de la d\u00e9coupe initiale du flux sonore continu en unit\u00e9s lexicales restait sans r\u00e9ponse unifi\u00e9e. L’acc\u00e8s au lexique mental n\u00e9cessitait des processus de bas niveau capables de rep\u00e9rer les fronti\u00e8res physiques ou probabilistes des mots, sous peine de rendre l’ensemble de l’architecture du langage inaccessible au jeune cerveau.<\/p>\n L’observation d’un spectrogramme de parole continue r\u00e9v\u00e8le un paysage sonore dynamique et chaotique. L’onde de pression acoustique g\u00e9n\u00e9r\u00e9e par le tractus vocal humain est un signal analogique complexe o\u00f9 l’amplitude et la fr\u00e9quence fondamentale ($F_0$<\/span>) fluctuent de mani\u00e8re ininterrompue. L’illusion perceptive selon laquelle chaque mot est \u00e9mis comme une unit\u00e9 discr\u00e8te est une reconstruction cognitive r\u00e9trospective, op\u00e9r\u00e9e par le cerveau de l’adulte qui projette sur le signal brut ses connaissances pr\u00e9alables du dictionnaire mental et de la s\u00e9mantique de sa langue.<\/p>\n Pour un nourrisson qui ne conna\u00eet encore aucun mot, le d\u00e9fi est vertigineux. Il doit faire face au ph\u00e9nom\u00e8ne de coarticulation, c’est-\u00e0-dire l’influence m\u00e9canique in\u00e9vitable qu’exerce un son de parole sur les sons qui le pr\u00e9c\u00e8dent et lui succ\u00e8dent dans le conduit vocal. En raison de l’inertie des articulateurs (langue, l\u00e8vres, voile du palais), la r\u00e9alisation acoustique concr\u00e8te d’une syllabe donn\u00e9e variera drastiquement selon le contexte phon\u00e9tique dans lequel elle s’ins\u00e8re. La syllabe \u00ab ba \u00bb ne produit pas la m\u00eame empreinte spectro-temporelle selon qu’elle est pr\u00e9c\u00e9d\u00e9e d’un son vocalique ouvert ou suivie d’une consonne coronale.<\/p>\n \u00c0 cette absence fondamentale d’invariance acoustique s’ajoute une immense variabilit\u00e9 inter-locuteurs. La fr\u00e9quence fondamentale, le d\u00e9bit d’\u00e9locution, l’accent r\u00e9gional et le timbre vocal diff\u00e8rent sensiblement entre un p\u00e8re, une m\u00e8re, un pair ou un \u00e9tranger. De surcro\u00eet, un m\u00eame individu ne prononce jamais deux fois un mot de fa\u00e7on strictement identique. Dans un tel maelstr\u00f6m acoustique, la qu\u00eate d’une marque physique universelle qui d\u00e9limiterait les fronti\u00e8res lexicales est purement et simplement vou\u00e9e \u00e0 l’\u00e9chec.<\/p>\n Pour tenter de r\u00e9soudre cette aporie, plusieurs chercheurs ont avanc\u00e9 l’hypoth\u00e8se d’un \u00e9talonnage pr\u00e9coce de l’enfant sur des indices prosodiques ou phonotactiques. L’approche prosodique postule que les nourrissons exploitent le profil rythmique de leur langue pour postuler des fronti\u00e8res lexicales potentielles. Par exemple, en anglais ou en n\u00e9erlandais, la majorit\u00e9 des mots polysyllabiques du lexique courant suivent un sch\u00e9ma m\u00e9trique trocha\u00efque (une syllabe forte accentu\u00e9e suivie d’une syllabe faible non accentu\u00e9e, comme dans DOCTOR<\/em> ou CANDLE<\/em>). Les \u00e9tudes de Jusczyk et de ses collaborateurs ont montr\u00e9 que des nourrissons de sept mois et demi pr\u00e9f\u00e8rent \u00e9couter des mots respectant ce patron accentuel.<\/p>\n N\u00e9anmoins, la prosodie ne peut constituer un m\u00e9canisme universel et autosuffisant de segmentation. Premi\u00e8rement, toutes les langues ne sont pas bas\u00e9es sur un rythme accentuel analogue. Le fran\u00e7ais, par exemple, est une langue \u00e0 chronologie syllabique uniforme (syllable-timed<\/em>) o\u00f9 l’accentuation lexicale intrins\u00e8que est inexistante, l’allongement se situant pr\u00e9f\u00e9rentiellement sur la derni\u00e8re syllabe du groupe syntaxique ou phonologique plut\u00f4t que sur le mot lui-m\u00eame. Deuxi\u00e8mement, m\u00eame dans les langues accentuelles comme l’anglais, une fraction non n\u00e9gligeable du lexique pr\u00e9sente une structure iambique (faible-forte, comme dans A-BOVE<\/em> ou GUI-TAR<\/em>). S’il se fiait aveugl\u00e9ment \u00e0 un filtre trocha\u00efque rigide, l’enfant commettrait des erreurs syst\u00e9matiques en segmentant the guitar<\/em> en the-gui<\/em> et tar<\/em>.<\/p>\n Quant aux indices phonotactiques \u2014 les contraintes qui dictent quelles combinaisons de phon\u00e8mes sont licites \u00e0 l’int\u00e9rieur d’un mot ou r\u00e9serv\u00e9es aux fronti\u00e8res inter-mots \u2014, ils soul\u00e8vent un redoutable probl\u00e8me d’ant\u00e9riorit\u00e9 logique (la structure de la poule et de l’\u0153uf). En anglais, la combinaison de consonnes \/st\/ peut parfaitement appara\u00eetre \u00e0 l’int\u00e9rieur d’un mot (comme dans pasta<\/em>), alors que la s\u00e9quence \/\u014bk\/ ne peut jamais d\u00e9buter une unit\u00e9 lexicale. Cependant, pour qu’un nourrisson prenne conscience de ces restrictions distributionnelles \u00e0 la p\u00e9riph\u00e9rie des mots, il lui faut imp\u00e9rativement poss\u00e9der au pr\u00e9alable un stock d’unit\u00e9s lexicales d\u00e9j\u00e0 isol\u00e9es pour en extraire ces r\u00e9gularit\u00e9s combinatoires. La phonotactique ne peut donc pas \u00eatre le m\u00e9canisme initial par lequel la segmentation est initi\u00e9e ex nihilo<\/em>.<\/p>\n Puisque ni la physique acoustique brute, ni la prosodie universelle, ni la phonotactique mature ne suffisent \u00e0 expliquer l’amor\u00e7age de la segmentation chez le nourrisson de moins de six mois, une hypoth\u00e8se alternative et particuli\u00e8rement \u00e9l\u00e9gante a germ\u00e9 dans l’esprit des psycholinguistes : et si l’information requise pour d\u00e9limiter les mots \u00e9tait inscrite dans la structure statistique distributionnelle intrins\u00e8que de la langue parl\u00e9e ?<\/p>\n Toute langue naturelle est gouvern\u00e9e par des contraintes combinatoires objectives. Si l’on d\u00e9compose la parole en une suite de syllabes discr\u00e8tes, un ph\u00e9nom\u00e8ne fondamental saute aux yeux : la probabilit\u00e9 que deux syllabes se succ\u00e8dent dans le flux verbal est consid\u00e9rablement plus \u00e9lev\u00e9e lorsque ces deux syllabes appartiennent au m\u00eame mot que lorsqu’elles chevauchent la fronti\u00e8re s\u00e9parant deux mots successifs.<\/p>\n Consid\u00e9rons une s\u00e9quence prototypique telle que l’expression \u00ab joli b\u00e9b\u00e9 \u00bb. Dans la langue fran\u00e7aise, la syllabe \u00ab jo \u00bb est extr\u00eamement pr\u00e9dictive de la syllabe \u00ab li \u00bb qui la suit imm\u00e9diatement au sein du mot \u00ab joli \u00bb. En revanche, la syllabe \u00ab li \u00bb peut \u00eatre virtuellement suivie par des milliers d’autres syllabes dans le discours libre : \u00ab joli tableau \u00bb, \u00ab joli gar\u00e7on \u00bb, \u00ab joli pantalon \u00bb, \u00ab joli sourire \u00bb. Par cons\u00e9quent, la d\u00e9pendance s\u00e9quentielle entre \u00ab li \u00bb et \u00ab b\u00e9 \u00bb est statistiquement bien plus faible qu’entre \u00ab jo \u00bb et \u00ab li \u00bb ou entre \u00ab b\u00e9 \u00bb et \u00ab b\u00e9 \u00bb. L’intuition th\u00e9orique majeure formul\u00e9e par Saffran, Aslin et Newport a \u00e9t\u00e9 de postuler que le jeune nourrisson poss\u00e8de une sensibilit\u00e9 computationnelle pr\u00e9coce, inconsciente et spontan\u00e9e, capable de traquer ces r\u00e9gularit\u00e9s de co-occurrence syllabique pour identifier les fronti\u00e8res de mots, et ce, de mani\u00e8re totalement ind\u00e9pendante de la compr\u00e9hension du sens lexical.<\/p>\n L’\u00e9tude fondatrice de 1996 est n\u00e9e de la convergence f\u00e9conde de trois trajectoires intellectuelles d’exception au sein du D\u00e9partement des Sciences C\u00e9r\u00e9brales et Cognitives de l’Universit\u00e9 de Rochester<\/a> dans l’\u00c9tat de New York. Ce d\u00e9partement constituait alors l’un des foyers les plus stimulants au monde pour l’int\u00e9gration de la linguistique formelle, de la psychologie exp\u00e9rimentale et des mod\u00e8les computationnels du syst\u00e8me nerveux central.<\/p>\n \u00c0 la pointe de ce projet se trouve Jenny Saffran<\/a>, alors jeune doctorante brillante dot\u00e9e d’une cr\u00e9ativit\u00e9 m\u00e9thodologique remarquable et d’une d\u00e9termination sans faille \u00e0 tester les th\u00e9ories de l’apprentissage implicite chez le tr\u00e8s jeune enfant. Saffran apportait une r\u00e9flexion novatrice sur la mani\u00e8re dont les propri\u00e9t\u00e9s formelles des stimuli auditifs pouvaient contraindre le d\u00e9veloppement cognitif sans requ\u00e9rir d’instructions m\u00e9talinguistiques.<\/p>\n \u00c0 ses c\u00f4t\u00e9s, Richard Aslin<\/a>, professeur reconnu et figure \u00e9minente de la psychophysique et de la perception infantile, apportait une expertise in\u00e9gal\u00e9e dans l’utilisation des paradigmes comportementaux chez les b\u00e9b\u00e9s, notamment les mesures de poursuite oculaire, les temps de fixation et les m\u00e9thodologies de conditionnement auditif. Sa ma\u00eetrise des pi\u00e8ges m\u00e9thodologiques inh\u00e9rents \u00e0 l’exp\u00e9rimentation chez le pr\u00e9-verbal a garanti la rigueur irr\u00e9prochable du dispositif exp\u00e9rimental.<\/p>\n Enfin, Elissa Newport<\/a>, psycholinguiste de renomm\u00e9e internationale, \u00e9tait d\u00e9j\u00e0 c\u00e9l\u00e8bre pour ses recherches pionni\u00e8res sur l’acquisition de la langue des signes am\u00e9ricaine (ASL), les p\u00e9riodes critiques du d\u00e9veloppement c\u00e9r\u00e9bral et la th\u00e9orie novatrice du \u00ab Less is More<\/em> \u00bb. Cette derni\u00e8re sugg\u00e9rait que les limitations cognitives et m\u00e9morielles initiales du nourrisson constituaient en r\u00e9alit\u00e9 un avantage computationnel adaptatif en l’obligeant \u00e0 traiter des unit\u00e9s informationnelles simples avant d’int\u00e9grer des structures complexes. L’alchimie entre ces trois esprits a permis de formaliser une question d’une simplicit\u00e9 d\u00e9sarmante, mais d’une port\u00e9e paradigmatique incalculable.<\/p>\n Pour d\u00e9montrer de mani\u00e8re irr\u00e9futable que le syst\u00e8me cognitif de l’enfant est capable d’effectuer un calcul statistique brut pour d\u00e9limiter les mots, les chercheurs de Rochester devaient relever un d\u00e9fi exp\u00e9rimental colossal : d\u00e9pouiller enti\u00e8rement le signal auditif de tout indice linguistique traditionnel. Dans la vie quotidienne, la parole est riche en contours d’intonation m\u00e9lodique, en accents d’intensit\u00e9, en micro-pauses articulatoires, en gestuelle faciale et en indices s\u00e9mantiques contextualis\u00e9s.<\/p>\n Tant que ces indices sont pr\u00e9sents, il demeure th\u00e9oriquement impossible de prouver qu’un enfant segmente le langage gr\u00e2ce \u00e0 un algorithme distributionnel plut\u00f4t qu’en se fondant sur une r\u00e9action auditive inn\u00e9e \u00e0 l’intonation descendante de fin d’\u00e9nonc\u00e9 ou sur l’allongement d’une voyelle finale. L’objectif scientifique absolu \u00e9tait donc d’isoler exp\u00e9rimentalement la statistique \u00e0 l’\u00e9tat pur. Il fallait cr\u00e9er un environnement acoustique artificiel o\u00f9 la seule et unique information disponible<\/em> pour d\u00e9couvrir les fronti\u00e8res lexicales r\u00e9sidait dans les contingences math\u00e9matiques de transition entre syllabes successives.<\/p>\n De plus, l’ambition \u00e9tait d’\u00e9valuer la puissance computationnelle du nourrisson \u00e0 un \u00e2ge pr\u00e9cis : huit mois. \u00c0 ce stade charni\u00e8re, l’enfant ne parle pas encore, ne poss\u00e8de qu’un embryon de vocabulaire passif (reconnaissant parfois son propre pr\u00e9nom), mais se situe \u00e0 l’aube de l’explosion lexicale qui se produira autour de sa premi\u00e8re ann\u00e9e. Enfin, l’exp\u00e9rience devait mesurer la vitesse de convergence de cet apprentissage : si le m\u00e9canisme statistique est biologiquement efficient, il ne doit pas n\u00e9cessiter des mois de conditionnement, mais doit \u00eatre capable d’op\u00e9rer en quelques minutes seulement.<\/p>\n Le 13 d\u00e9cembre 1996, la revue Science<\/em> publie l’article intitul\u00e9 \u00ab Statistical Learning by 8-Month-Old Infants \u00bb, sign\u00e9 par Jenny R. Saffran, Richard N. Aslin et Elissa L. Newport. En moins de trois pages denses et lumineuses, l’article rapporte des donn\u00e9es comportementales d’une nettet\u00e9 exceptionnelle, prouvant que des b\u00e9b\u00e9s de huit mois peuvent extraire des r\u00e9gularit\u00e9s statistiques \u00e0 partir d’un flux continu de parole artificielle apr\u00e8s seulement deux minutes d’\u00e9coute passive non renforc\u00e9e.<\/p>\n L’onde de choc au sein de la communaut\u00e9 scientifique internationale a \u00e9t\u00e9 imm\u00e9diate et monumentale. La d\u00e9monstration que des nourrissons effectuent des calculs distributionnels sophistiqu\u00e9s de mani\u00e8re quasi instantan\u00e9e sans intervention didactique a fait voler en \u00e9clats le postulat selon lequel l’apprentissage inductif \u00e9tait trop lent, trop fragile ou trop impr\u00e9cis pour rendre compte de l’acquisition pr\u00e9coce du langage. Les sciences cognitives d\u00e9couvraient avec stup\u00e9faction que l’esprit du nourrisson abritait un calculateur probabiliste d’une finesse insoup\u00e7onn\u00e9e.<\/p>\n L’article de 1996 a imm\u00e9diatement red\u00e9fini les contours \u00e9pist\u00e9mologiques du d\u00e9bat sur les fondements du langage. Il ne s’agissait pas de r\u00e9habiliter le mod\u00e8le b\u00e9havioriste simpliste du stimulus-r\u00e9ponse, mais d’inaugurer un n\u00e9o-empirisme computationnel raffin\u00e9. Ce paradigme a apport\u00e9 la preuve formelle que des m\u00e9canismes cognitifs d’apprentissage puissant pouvaient combler le foss\u00e9 traditionnellement imput\u00e9 \u00e0 la pr\u00e9tendue pauvret\u00e9 du stimulus, jetant ainsi un pont p\u00e9renne entre les math\u00e9matiques de l’information et la neurobiologie du d\u00e9veloppement.<\/p>\n Pour construire ce flux de parole d\u00e9nu\u00e9 de tout art\u00e9fact prosodique, Saffran, Aslin et Newport ont eu recours aux technologies informatiques les plus avanc\u00e9es de l’\u00e9poque en employant un synth\u00e9tiseur vocal text-to-speech (MacinTalk<\/a>) tournant sur ordinateur Macintosh. Ce dispositif permettait un contr\u00f4le millim\u00e9trique absolu de chaque param\u00e8tre acoustique du signal g\u00e9n\u00e9r\u00e9, impossible \u00e0 obtenir avec la voix d’un locuteur humain, aussi rigoureux soit-il dans sa diction.<\/p>\n La fr\u00e9quence fondamentale ($F_0$<\/span>) a \u00e9t\u00e9 verrouill\u00e9e \u00e0 un niveau strictement monotone et plat (fix\u00e9e \u00e0 120 Hz, sans la moindre inflexion m\u00e9lodique montante ou descendante). L’intensit\u00e9 sonore a \u00e9t\u00e9 uniformis\u00e9e de sorte qu’aucune syllabe ne pr\u00e9sente un pic d’\u00e9nergie acoustique sup\u00e9rieur aux autres, \u00e9liminant ainsi toute trace d’accent tonique ou m\u00e9trique. De mani\u00e8re encore plus d\u00e9terminante, le flux sonore a \u00e9t\u00e9 purg\u00e9 de la moindre micro-pause : l’intervalle entre chaque son vocalique et consonantique \u00e9tait scrupuleusement nul, le signal s’\u00e9coulant comme un continuum ininterrompu d’une homog\u00e9n\u00e9it\u00e9 absolue.<\/p>\n Chaque consonne et chaque voyelle ont \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9es avec une dur\u00e9e temporelle invariante. Le d\u00e9bit d’\u00e9locution a \u00e9t\u00e9 fix\u00e9 \u00e0 un rythme continu et rapide d’environ 270 millisecondes par syllabe, correspondant \u00e0 une cadence naturelle de 216 syllabes par minute. Par ce tour de force technologique, les chercheurs ont r\u00e9ussi \u00e0 produire un signal o\u00f9 aucun instrument physique (ni sonom\u00e8tre, ni oscillogramme, ni oreille humaine adulte entra\u00een\u00e9e) ne pouvait d\u00e9celer la moindre fronti\u00e8re acoustique entre les items.<\/p>\n Au c\u0153ur de cette architecture exp\u00e9rimentale se trouvait une micro-langue miniature parfaitement formalis\u00e9e. Le mat\u00e9riau linguistique de base \u00e9tait compos\u00e9 de douze syllabes fondamentales form\u00e9es d’une consonne occlusive ou liquide et d’une voyelle pure (syllabes de type CV) : bi, da, ku, pa, do, ti, go, la, tu, pi, ro<\/em>, etc. Ces syllabes ont \u00e9t\u00e9 soigneusement s\u00e9lectionn\u00e9es afin d’\u00e9viter les clusters phon\u00e9tiques atypiques ou les associations phonologiques poss\u00e9dant d\u00e9j\u00e0 une charge s\u00e9mantique en anglais.<\/p>\n \u00c0 partir de ce r\u00e9servoir syllabique, les exp\u00e9rimentateurs ont confectionn\u00e9 quatre \u00ab pseudo-mots \u00bb trisyllabiques standardis\u00e9s. Dans l’une des versions ma\u00eetresses du protocole, les quatre unit\u00e9s lexicales artificielles \u00e9taient :<\/p>\n Ces unit\u00e9s ont \u00e9t\u00e9 structur\u00e9es selon une combinatoire rigoureusement sym\u00e9trique. Aucune consonne et aucune voyelle n’apparaissait de mani\u00e8re privil\u00e9gi\u00e9e dans l’un des mots au d\u00e9triment des autres, neutralisant ainsi tout biais acoustique universel ou pr\u00e9f\u00e9rence phon\u00e9tique inn\u00e9e chez le sujet na\u00eff. Pour un auditeur humain adulte non averti, ce flux sonore r\u00e9sonnait comme un babil robotique monotone et abscons : \u00ab bidakupadotigolabubidakutupirotupirogolabupadoti… \u00bb<\/em>.<\/p>\n Pour transformer ces quatre pseudo-mots en un flux verbal global, un algorithme informatique les a concat\u00e9n\u00e9s de mani\u00e8re continue pour former une piste sonore ininterrompue d’une dur\u00e9e exacte de deux minutes. La succession des mots dans le flux ob\u00e9issait \u00e0 des contraintes statistiques tr\u00e8s pr\u00e9cises : l’agencement \u00e9tait pseudo-al\u00e9atoire, chaque pseudo-mot \u00e9tant r\u00e9p\u00e9t\u00e9 au total 45 fois au cours des 120 secondes de la phase d’\u00e9coute.<\/p>\n Une restriction essentielle a \u00e9t\u00e9 programm\u00e9e au sein du g\u00e9n\u00e9rateur : l’interdiction stricte de toute r\u00e9p\u00e9tition imm\u00e9diate. Un mot tel que bidaku<\/em> ne pouvait jamais \u00eatre suivi instantan\u00e9ment par un second bidaku<\/em>. Cette contrainte m\u00e9thodologique cruciale visait \u00e0 emp\u00eacher la cr\u00e9ation de s\u00e9quences redondantes \u00e9videntes (comme bidakubidaku<\/em>) qui auraient conf\u00e9r\u00e9 une saillance acoustique artificielle \u00e0 l’item par simple effet d’\u00e9cho \u00e0 court terme.<\/p>\n Par ce proc\u00e9d\u00e9 de concat\u00e9nation, les seules r\u00e9gularit\u00e9s objectives pr\u00e9sentes au sein de l’onde sonore \u00e9taient les relations d’ordre entre les syllabes. \u00c0 l’insu de l’observateur superficiel, ce flux d’apparence chaotique abritait un ordre crypt\u00e9 : chaque fois que la syllabe bi<\/em> apparaissait, elle \u00e9tait inexorablement suivie de da<\/em>, puis de ku<\/em>. En revanche, \u00e0 la fronti\u00e8re de fin de mot, la syllabe ku<\/em> pouvait d\u00e9boucher de mani\u00e8re \u00e9quiprobable sur le d\u00e9but de l’un des trois autres mots de la langue artificielle, \u00e0 savoir pa<\/em> (de padoti<\/em>), go<\/em> (de golabu<\/em>), ou tu<\/em> (de tupiro<\/em>).<\/p>\n Le pilier th\u00e9orique et computationnel sur lequel repose l’ensemble de l’exp\u00e9rience de Saffran, Aslin et Newport est le concept probabiliste de \u00ab probabilit\u00e9 transitionnelle \u00bb (Transitional Probability<\/em> ou TP). Issue de la th\u00e9orie math\u00e9matique de l’information et des cha\u00eenes de Markov, la probabilit\u00e9 transitionnelle entre un \u00e9v\u00e9nement $X$<\/span> et un \u00e9v\u00e9nement $Y$<\/span> qui lui succ\u00e8de imm\u00e9diatement se d\u00e9finit formellement comme la probabilit\u00e9 conditionnelle d’observer $Y$<\/span> sachant que $X$<\/span> vient de se produire :<\/p>\n $$\\text{TP}(X to Y) = P(Y mid X) = \\frac{\\text{Fr\u00e9quence}(XY)}{\\text{Fr\u00e9quence}(X)}$$<\/span><\/p>\n Dans le domaine de la phonologie de la parole, $X$<\/span> et $Y$<\/span> repr\u00e9sentent deux syllabes cons\u00e9cutives. Le num\u00e9rateur mesure le nombre absolu de fois o\u00f9 la s\u00e9quence ordonn\u00e9e biphon\u00e9mique ou bisyllabique $XY$<\/span> se manifeste dans le corpus, tandis que le d\u00e9nominateur repr\u00e9sente l’occurrence globale de la syllabe source $X$<\/span>. Cette \u00e9quation traduit formellement la pr\u00e9dictibilit\u00e9 s\u00e9quentielle : plus la valeur de $\\text{TP}$<\/span> s’approche de 1,0, plus la pr\u00e9sence de $X$<\/span> annonce avec une certitude d\u00e9terministe la venue de $Y$<\/span>.<\/p>\n La signature formelle d’un mot au sein d’une s\u00e9quence parl\u00e9e r\u00e9side dans une forte coh\u00e9rence interne de ses constituants. \u00c0 l’int\u00e9rieur d’un mot coh\u00e9rent, les transitions syllabiques sont hautement pr\u00e9dictibles, refl\u00e9tant l’architecture lexicale fig\u00e9e de la langue, alors que les transitions entre la derni\u00e8re syllabe d’un mot et la premi\u00e8re du suivant sont caract\u00e9ris\u00e9es par une dispersion combinatoire beaucoup plus vaste, donc par une probabilit\u00e9 conditionnelle math\u00e9matiquement effondr\u00e9e.<\/p>\n En analysant la micro-langue con\u00e7ue pour l’exp\u00e9rience de 1996 \u00e0 l’aune de ce formalisme math\u00e9matique, le contraste distributionnel calcul\u00e9 par le syst\u00e8me cognitif de l’enfant appara\u00eet dans toute son \u00e9clatante puret\u00e9. Consid\u00e9rons le pseudo-mot bidaku<\/em>. Au sein de ce vocable, la probabilit\u00e9 que la syllabe da<\/em> suive la syllabe bi<\/em> est absolue :<\/p>\n $$P(\\textit{da} mid \\textit{bi}) = \\frac{\\text{Fr\u00e9quence}(\\textit{bida})}{\\text{Fr\u00e9quence}(\\textit{bi})} = \\frac{45}{45} = 1{,}0$$<\/span><\/p>\n De m\u00eame, la probabilit\u00e9 que ku<\/em> succ\u00e8de \u00e0 da<\/em> est rigoureusement \u00e9gale \u00e0 1,0 :<\/p>\n $$P(\\textit{ku} mid \\textit{da}) = \\frac{45}{45} = 1{,}0$$<\/span><\/p>\n Ces valeurs de 1,0 caract\u00e9risent les transitions \u00ab intra-mots \u00bb. L’observateur computationnel peut pr\u00e9dire avec une certitude absolue ce qui va suivre. En revanche, que se passe-t-il lorsque la syllabe terminale ku<\/em> est \u00e9mise ? Puisque le mot bidaku<\/em> ne peut pas se r\u00e9p\u00e9ter lui-m\u00eame et que les trois autres pseudo-mots ont une probabilit\u00e9 \u00e9gale d’appara\u00eetre apr\u00e8s lui, la syllabe ku<\/em> sera suivie soit par pa<\/em> (15 fois), soit par go<\/em> (15 fois), soit par tu<\/em> (15 fois). La probabilit\u00e9 transitionnelle \u00ab inter-mots \u00bb chute alors brutalement :<\/p>\n $$P(\\textit{pa} mid \\textit{ku}) = \\frac{\\text{Fr\u00e9quence}(\\textit{kupa})}{\\text{Fr\u00e9quence}(\\textit{ku})} = \\frac{15}{45} = 0{,}33$$<\/span><\/p>\n Cette asym\u00e9trie num\u00e9rique engendre ce que les psycholinguistes appellent un profil de \u00ab creux statistiques \u00bb (statistical troughs<\/em>). Lorsque le cerveau analyse le flux au fil de l’eau, il observe un plateau de haute pr\u00e9dictibilit\u00e9 ($\\text{TP} = 1{,}0$<\/span>) qui s’effondre p\u00e9riodiquement vers un minimum local ($\\text{TP} = 0{,}33$<\/span>). Ce creux local de probabilit\u00e9 transitionnelle signale sans la moindre ambigu\u00eft\u00e9, de mani\u00e8re purement math\u00e9matique, l’existence d’une fronti\u00e8re d’unit\u00e9 : la fin d’un mot et le d\u00e9but du suivant.<\/p>\n L’une des finesses th\u00e9oriques majeures de l’architecture con\u00e7ue par Saffran, Aslin et Newport r\u00e9side dans le contr\u00f4le chirurgical de la fr\u00e9quence brute des items. Dans de nombreuses th\u00e9ories classiques de l’apprentissage associatif, on supposait que le syst\u00e8me perceptif enregistrait simplement le nombre de fois o\u00f9 un stimulus singulier avait frapp\u00e9 la r\u00e9tine ou la cochl\u00e9e : plus un \u00e9v\u00e9nement est fr\u00e9quent, plus il est m\u00e9moris\u00e9.<\/p>\n Or, dans la micro-langue de 1996, chaque syllabe individuelle apparaissait exactement avec la m\u00eame fr\u00e9quence absolue au sein du flux de familiarisation. La syllabe bi<\/em> \u00e9tait entendue pr\u00e9cis\u00e9ment 45 fois, tout comme da<\/em>, ku<\/em>, pa<\/em> ou n’importe quelle autre syllabe du r\u00e9pertoire. Il \u00e9tait donc rigoureusement impossible pour le nourrisson de segmenter le flux en identifiant des syllabes isol\u00e9es plus fr\u00e9quentes que d’autres.<\/p>\n Le syst\u00e8me computationnel du b\u00e9b\u00e9 \u00e9tait m\u00e9caniquement contraint d’extraire la d\u00e9pendance conditionnelle d’ordre sup\u00e9rieur reliant les paires ou triplets de syllabes contigu\u00ebs. Ce d\u00e9couplage entre la fr\u00e9quence d’apparition brute et la probabilit\u00e9 de co-occurrence conditionnelle prouve de fa\u00e7on magistrale que le cerveau du nourrisson ne se comporte pas comme un simple compteur passif d’\u00e9v\u00e9nements, mais comme un moteur statistique analytique qui int\u00e8gre le contexte relationnel imm\u00e9diat du flux perceptif.<\/p>\n Pour mesurer les capacit\u00e9s cognitives d’enfants pr\u00e9-verbaux de huit mois incapables de suivre des consignes verbales ou d’appuyer sur des boutons-poussoirs, les chercheurs ont mobilis\u00e9 le protocole exp\u00e9rimental de pr\u00e9f\u00e9rence d’orientation de la t\u00eate (Head-Turn Preference Procedure<\/a> ou HTPP), perfectionn\u00e9 au d\u00e9but des ann\u00e9es 1990 par Peter Jusczyk.<\/p>\n Le dispositif exp\u00e9rimental prend place au sein d’une cabine insonoris\u00e9e \u00e0 double paroi, con\u00e7ue pour minimiser toute interf\u00e9rence acoustique et visuelle ext\u00e9rieure. L’enfant est assis confortablement sur les genoux de l’un de ses parents, face \u00e0 un panneau central blanc \u00e9quip\u00e9 d’un voyant lumineux vert clignotant. Deux cloisons lat\u00e9rales, positionn\u00e9es \u00e0 90 degr\u00e9s \u00e0 gauche et \u00e0 droite du nourrisson, sont chacune pourvues d’un haut-parleur dissimul\u00e9 derri\u00e8re un tissu acoustiquement transparent, surmont\u00e9 d’un voyant lumineux rouge clignotant.<\/p>\n Le d\u00e9roulement d’un essai typique au sein de ce dispositif est enti\u00e8rement automatis\u00e9 et asservi au comportement visuel spontan\u00e9 de l’enfant :<\/p>\n Un syst\u00e8me informatique enregistre avec une pr\u00e9cision temporelle de l’ordre de la milliseconde la dur\u00e9e totale pendant laquelle l’enfant a maintenu son orientation de la t\u00eate vers le haut-parleur. Cette \u00ab dur\u00e9e d’\u00e9coute active \u00bb (listening time<\/em>) constitue la variable d\u00e9pendante fondamentale du paradigme : elle refl\u00e8te directement l’int\u00e9r\u00eat perceptif et l’attention auditive soutenue que le b\u00e9b\u00e9 consacre au patron sonore diffus\u00e9.<\/p>\n L’\u00e9chantillon de l’\u00e9tude princeps de 1996 \u00e9tait constitu\u00e9 de nourrissons sains n\u00e9s \u00e0 terme, \u00e2g\u00e9s pr\u00e9cis\u00e9ment de 7 mois et demi \u00e0 8 mois et demi (avec une moyenne d’\u00e2ge rigoureusement centr\u00e9e sur 8 mois r\u00e9volus). Cette fen\u00eatre d\u00e9veloppementale n’avait pas \u00e9t\u00e9 choisie au hasard : elle pr\u00e9c\u00e8de imm\u00e9diatement l’apparition des premiers mots signifiants tout en correspondant \u00e0 une p\u00e9riode o\u00f9 le cortex auditif et les structures sous-corticales ont atteint une maturation suffisante pour discriminer finement les phon\u00e8mes.<\/p>\n Des crit\u00e8res d’exclusion extr\u00eamement stricts ont \u00e9t\u00e9 mis en \u0153uvre. Tout nourrisson pr\u00e9sentant des ant\u00e9c\u00e9dents de pr\u00e9maturit\u00e9, des complications n\u00e9onatales, des \u00e9pisodes r\u00e9cents ou chroniques d’otite moyenne s\u00e9romuqueuse (susceptibles d’engendrer une perte auditive conductive transitoire) ou une exposition r\u00e9guli\u00e8re \u00e0 un environnement bilingue pr\u00e9coce \u00e9tait syst\u00e9matiquement \u00e9cart\u00e9 de l’\u00e9chantillon final. De m\u00eame, un seuil d’attrition exp\u00e9rimental \u00e9tait appliqu\u00e9 : les enfants qui pleuraient, qui s’agitaient excessivement ou qui ne parvenaient pas \u00e0 compl\u00e9ter l’ensemble des blocs d’essais \u00e9taient exclus de l’analyse statistique.<\/p>\n Afin de garantir une neutralit\u00e9 absolue et d’\u00e9viter le ph\u00e9nom\u00e8ne bien connu d’influence de l’exp\u00e9rimentateur (effet Pygmalion ou clever Hans<\/em>), une double s\u00e9curisation \u00e0 l’aveugle a \u00e9t\u00e9 instaur\u00e9e :<\/p>\n L’architecture temporelle du protocole se divisait en deux grandes phases successives, men\u00e9es au cours d’une seule et m\u00eame s\u00e9ance de laboratoire :<\/p>\n 1. La phase de familiarisation (exposition passive) :<\/strong> D\u00e8s que l’enfant \u00e9tait install\u00e9 dans la cabine avec son parent, le flux continu ininterrompu de deux minutes de la micro-langue synth\u00e9tique (les quatre pseudo-mots concat\u00e9n\u00e9s sans aucune pause) \u00e9tait diffus\u00e9 dans la pi\u00e8ce via les haut-parleurs lat\u00e9raux. Durant ces 120 secondes, aucune lumi\u00e8re ne clignotait de mani\u00e8re contingente. L’enfant \u00e9tait simplement assis dans un \u00e9tat d’\u00e9coute libre. Pour maintenir son calme sans distraire son attention auditive, un exp\u00e9rimentateur soufflait des bulles de savon ou manipulait des objets visuels silencieux sans rapport avec la parole. Il n’y avait aucun renforcement, aucune r\u00e9compense mat\u00e9rielle ou affective. L’apprentissage, s’il avait lieu, \u00e9tait int\u00e9gralement incident et implicite.<\/p>\n 2. La phase de test (\u00e9valuation de la discrimination) :<\/strong> Imm\u00e9diatement apr\u00e8s la fin des deux minutes d’exposition continue, le protocole HTPP s’enclenchait pour un total de douze essais de test randomis\u00e9s. L’enfant \u00e9tait alors expos\u00e9, de mani\u00e8re isol\u00e9e et contingente \u00e0 l’orientation de sa t\u00eate, \u00e0 deux cat\u00e9gories distinctes de s\u00e9quences sonores trisyllabiques r\u00e9p\u00e9t\u00e9es en boucle au cours de chaque essai (par exemple, la r\u00e9p\u00e9tition cadenc\u00e9e de \u00ab bidaku, bidaku, bidaku… \u00bb<\/em> versus la r\u00e9p\u00e9tition d’une autre s\u00e9quence trisyllabique de contr\u00f4le).<\/p>\n L’ordre de pr\u00e9sentation des essais de test \u00e9tait rigoureusement contrebalanc\u00e9 et pseudo-al\u00e9atoire pour \u00e9viter tout effet de rang, de primaut\u00e9, de r\u00e9cence ou de fatigue auditive. Si le syst\u00e8me cognitif de l’enfant avait segment\u00e9 le flux de familiarisation et reconnu les fronti\u00e8res computationnelles des pseudo-mots, il devait n\u00e9cessairement r\u00e9agir de mani\u00e8re diff\u00e9renci\u00e9e aux stimuli tests selon leur statut distributionnel dans le flux initial.<\/p>\n Dans la toute premi\u00e8re exp\u00e9rience men\u00e9e par Saffran et ses coll\u00e8gues, l’objectif \u00e9tait de d\u00e9terminer si les nourrissons de 8 mois pouvaient faire la diff\u00e9rence entre les \u00ab vrais mots \u00bb de la langue artificielle et des \u00ab non-mots \u00bb absolus. Les stimuli tests \u00e9taient structur\u00e9s comme suit :<\/p>\n Les donn\u00e9es chronom\u00e9triques recueillies ont r\u00e9v\u00e9l\u00e9 un patron comportemental spectaculaire. Les nourrissons ont orient\u00e9 leur t\u00eate et \u00e9cout\u00e9 de mani\u00e8re significativement plus longue les haut-parleurs lorsque ceux-ci diffusaient les non-mots<\/strong> plut\u00f4t que les mots d\u00e9j\u00e0 familiers. Ce ph\u00e9nom\u00e8ne s’inscrit au c\u0153ur d’un principe bien \u00e9tabli en psychologie du d\u00e9veloppement cognitif : le paradigme de l’effet de nouveaut\u00e9 (novelty preference<\/em>).<\/p>\n Lorsqu’un nourrisson a enti\u00e8rement encod\u00e9, trait\u00e9 et extrait un patron perceptif au cours d’une phase d’habituation, son syst\u00e8me attentionnel tend \u00e0 se d\u00e9sengager plus rapidement des stimuli d\u00e9j\u00e0 assimil\u00e9s (qui procurent moins de gain d’information cognitive) au profit de stimuli in\u00e9dits qui d\u00e9fient ses pr\u00e9dictions internes. Le fait que les b\u00e9b\u00e9s aient manifest\u00e9 une pr\u00e9f\u00e9rence d’\u00e9coute statistiquement robuste pour les non-mots constituait la preuve irr\u00e9futable qu’ils avaient non seulement m\u00e9moris\u00e9 les syllabes isol\u00e9es, mais qu’ils avaient \u00e9galement identifi\u00e9 la configuration s\u00e9quentielle exacte des mots du flux.<\/p>\n L’analyse statistique des dur\u00e9es moyennes d’orientation de la t\u00eate recueillies lors de l’Exp\u00e9rience 1 a confirm\u00e9 la solidit\u00e9 math\u00e9matique des observations comportementales :<\/p>\n Les temps de fixation moyens se r\u00e9partissaient avec une nettet\u00e9 remarquable :<\/p>\n Cet \u00e9cart chronom\u00e9trique de plus de deux secondes en moyenne repr\u00e9sentait une diff\u00e9rence comportementale hautement significative sur le plan de l’inf\u00e9rence statistique (test $t$<\/span> pour \u00e9chantillons appari\u00e9s, $t(23) = -3{,}47$<\/span>, $p < 0{,}002$). Sur les 24 nourrissons test\u00e9s dans cette cohorte exp\u00e9rimentale, 21 d'entre eux ont pr\u00e9sent\u00e9 des temps d'\u00e9coute plus \u00e9lev\u00e9s pour les non-mots que pour les mots. La taille d'effet mesur\u00e9e (d de Cohen) d\u00e9montrait que cette discrimination n'\u00e9tait pas le fruit d'une fluctuation al\u00e9atoire de l'\u00e9chantillon, mais le reflet d'une dynamique cognitive puissante et homog\u00e8ne.<\/p>\n L’absence de toute asym\u00e9trie entre les h\u00e9michamps auditifs gauche et droit, ainsi que l’absence d’effets d’ordre lors de la succession des essais de test, ont confirm\u00e9 que les b\u00e9b\u00e9s r\u00e9agissaient exclusivement \u00e0 la composition s\u00e9quentielle intrins\u00e8que des stimuli sonores.<\/p>\n Ce r\u00e9sultat constituait une perc\u00e9e fondamentale pour la communaut\u00e9 scientifique. Pour la premi\u00e8re fois dans l’histoire de la psycholinguistique exp\u00e9rimentale, on apportait la preuve tangible qu’un enfant pr\u00e9-verbal de 8 mois est capable de d\u00e9ployer un m\u00e9canisme de calcul distributionnel autonome face au signal auditif.<\/p>\n Le temps requis pour que cet apprentissage se cristallise au sein des r\u00e9seaux neuronaux de l’enfant force l’admiration : seulement 120 secondes<\/strong>. En deux petites minutes d’immersion dans un environnement sonore inconnu, un cerveau humain hautement immature extrait les r\u00e9gularit\u00e9s statistiques fondamentales de la parole sans le secours de la vue, sans renforcement extrins\u00e8que, sans indice d’intonation, et sans aucune d\u00e9limitation par des pauses acoustiques physiques.<\/p>\n Toutes les th\u00e9ories classiques qui soutenaient que l’extraction des unit\u00e9s lexicales initiales d\u00e9pendait obligatoirement d’une pr\u00e9-adaptation motrice, d’une r\u00e9troaction vocale imit\u00e9e (comme le babillage partag\u00e9), ou de l’\u00e9talonnage exclusif sur les contours m\u00e9lodiques exag\u00e9r\u00e9s de la voix maternelle se sont trouv\u00e9es instantan\u00e9ment r\u00e9\u00e9valu\u00e9es. Le syst\u00e8me nerveux central infantile abrite une machinerie computationnelle pr\u00e9coce, remarquablement v\u00e9loce et capable d’op\u00e9rer sur des repr\u00e9sentations purement phon\u00e9tiques.<\/p>\n En d\u00e9pit de l’\u00e9l\u00e9gance de l’Exp\u00e9rience 1, une objection m\u00e9thodologique et conceptuelle redoutable pouvait encore \u00eatre soulev\u00e9e par les sceptiques. Dans la premi\u00e8re exp\u00e9rience, les \u00ab non-mots \u00bb \u00e9taient form\u00e9s d’associations syllabiques qui n’avaient strictement jamais<\/em> retenti dans le flux de deux minutes. D\u00e8s lors, il \u00e9tait l\u00e9gitime de se demander : le nourrisson discrimine-t-il v\u00e9ritablement les mots sur la base de leurs probabilit\u00e9s transitionnelles<\/strong> relatives, ou r\u00e9agit-il simplement \u00e0 la nouveaut\u00e9 acoustique absolue<\/strong> de s\u00e9quences biphon\u00e9miques qu’il n’a jamais entendues ?<\/p>\n Pour dissiper d\u00e9finitivement toute ambigu\u00eft\u00e9 th\u00e9orique, Jenny Saffran, Richard Aslin et Elissa Newport ont con\u00e7u une seconde exp\u00e9rience (Exp\u00e9rience 2), devenue l\u00e9gendaire pour son raffinement m\u00e9thodologique. Dans ce nouveau protocole, les chercheurs ont confront\u00e9 les b\u00e9b\u00e9s non plus \u00e0 des non-mots absolus, mais \u00e0 des \u00ab mots partiels \u00bb (part-words<\/em>).<\/p>\n Un \u00ab part-word \u00bb est une s\u00e9quence trisyllabique cr\u00e9\u00e9e en combinant la syllabe finale d’un mot avec les deux premi\u00e8res syllabes du mot qui lui succ\u00e9dait accidentellement dans le flux. Par exemple, si le mot padoti<\/em> \u00e9tait suivi dans le flux par le mot bidaku<\/em> (formant la cha\u00eene transitoire …padotibidaku…<\/em>), la s\u00e9quence test tibida<\/em> \u00e9tait qualifi\u00e9e de part-word.<\/p>\n La beaut\u00e9 m\u00e9thodologique de ce montage r\u00e9side dans le fait que la s\u00e9quence tibida<\/em> a r\u00e9ellement \u00e9t\u00e9 entendue<\/strong> par le b\u00e9b\u00e9 au cours des deux minutes de familiarisation ! Elle a frapp\u00e9 son syst\u00e8me auditif \u00e0 de multiples reprises. D\u00e8s lors, aucune syllabe et aucune transition biphon\u00e9mique n’\u00e9taient nouvelles d’un point de vue perceptif absolu.<\/p>\n D\u00e8s lors, quel \u00e9tait l’unique param\u00e8tre discriminant susceptible de distinguer un \u00ab vrai mot \u00bb d’un \u00ab part-word \u00bb ? La r\u00e9ponse r\u00e9side exclusivement dans la valeur diff\u00e9rentielle de leur probabilit\u00e9 transitionnelle interne :<\/p>\n La probabilit\u00e9 transitionnelle moyenne interne d’un part-word est donc math\u00e9matiquement bien inf\u00e9rieure \u00e0 celle d’un mot authentique ($0{,}66$<\/span> contre $1{,}0$<\/span>). Les r\u00e9sultats de cette seconde exp\u00e9rience ont tranch\u00e9 le d\u00e9bat sans appel : une fois de plus, les nourrissons de 8 mois ont manifest\u00e9 une dur\u00e9e d’\u00e9coute significativement plus longue pour les part-words<\/strong> que pour les mots complets<\/strong> (temps d’\u00e9coute moyen : environ 7,60 secondes pour les part-words contre 6,77 secondes pour les mots ; $t(23) = -2{,}73$<\/span>, $p < 0{,}01$).<\/p>\n Les b\u00e9b\u00e9s n’ont pas r\u00e9agi \u00e0 la familiarit\u00e9 brute de l’empreinte sonore, puisque chaque part-word avait \u00e9t\u00e9 entendu des dizaines de fois. Ils ont sp\u00e9cifiquement d\u00e9tect\u00e9 que la coh\u00e9sion statistique interne reliant ti<\/em> \u00e0 bi<\/em> \u00e9tait d\u00e9grad\u00e9e par rapport \u00e0 celle scellant bi<\/em> \u00e0 da<\/em> et da<\/em> \u00e0 ku<\/em>. Le cerveau de l’enfant a formellement rejet\u00e9 le part-word comme une unit\u00e9 lexicale valide en raison du \u00ab creux \u00bb probabiliste qu’il abritait en son sein.<\/p>\n L’exp\u00e9rience de contr\u00f4le des part-words a scell\u00e9 le triomphe empirique de Saffran, Aslin et Newport. Elle a apport\u00e9 la d\u00e9monstration d\u00e9finitive et irr\u00e9fragable que le jeune nourrisson :<\/p>\n Ce protocole est instantan\u00e9ment devenu le paradigme de r\u00e9f\u00e9rence (\u00ab gold standard \u00bb) mondial en linguistique d\u00e9veloppementale. Il a \u00e9t\u00e9 reproduit, d\u00e9clin\u00e9 et valid\u00e9 au fil des d\u00e9cennies suivantes dans des dizaines de laboratoires universitaires \u00e0 travers le monde, traversant avec succ\u00e8s l’\u00e9preuve de la r\u00e9plication sous diff\u00e9rentes cultures, diff\u00e9rentes langues et diff\u00e9rents contextes exp\u00e9rimentaux.<\/p>\n L’impact th\u00e9orique des r\u00e9sultats de 1996 a r\u00e9sonn\u00e9 comme un coup de tonnerre au sein de la linguistique th\u00e9orique. En d\u00e9montrant que la parole contient en elle-m\u00eame des signaux d’une prodigieuse densit\u00e9 distributionnelle que l’esprit infantile sait d\u00e9coder en deux minutes, Saffran, Aslin et Newport ont \u00e9branl\u00e9 l’un des piliers du nativisme radical : la pr\u00e9tendue pauvret\u00e9 absolue du stimulus de Chomsky.<\/p>\n L’environnement sonore auquel l’enfant est confront\u00e9 n’est pas un d\u00e9sert informationnel ou un agr\u00e9gat chaotique d’accidents acoustiques imposant le recours obligatoire \u00e0 une Grammaire Universelle inn\u00e9e et pr\u00e9-c\u00e2bl\u00e9e pour faire \u00e9merger l’ordre linguistique. Au contraire, le signal de parole regorge d’indices probabilistes invisibles \u00e0 l’\u0153il nu mais extr\u00eamement riches pour un syst\u00e8me d’analyse statistique ad\u00e9quat. L’extraction des premi\u00e8res briques du langage \u2014 les mots \u2014 ne requiert aucun filtre conceptuel pr\u00e9\u00e9tabli ni aucune connaissance m\u00e9talinguistique pr\u00e9alable du monde : la structure statistique de l’input suffit \u00e0 guider l’induction initiale.<\/p>\n1. Introduction et mise en contexte historique des th\u00e9ories de l’acquisition du langage<\/h2>\n
1.1 Le d\u00e9bat classique entre nativisme chomskyan et empirisme<\/h3>\n
1.2 L’\u00e9mergence du paradigme connexionniste et computationnel<\/h3>\n
1.3 L’\u00e9nigme initiale : comment le nourrisson d\u00e9limite-t-il les mots ?<\/h3>\n
2. Le probl\u00e8me fondamental de la segmentation de la parole chez le nourrisson<\/h2>\n
2.1 La r\u00e9alit\u00e9 acoustique du signal continu de la parole<\/h3>\n
2.2 Les limites des indices prosodiques et phonotactiques isol\u00e9s<\/h3>\n
2.3 L’information statistique comme vecteur potentiel de segmentation<\/h3>\n
3. Les protagonistes et le cadre th\u00e9orique de l’\u00e9tude princeps de 1996<\/h2>\n
3.1 Le profil scientifique des chercheurs de l’Universit\u00e9 de Rochester<\/h3>\n
3.2 L’objectif scientifique : prouver l’apprentissage statistique sans indices extrins\u00e8ques<\/h3>\n
3.3 La publication dans la revue Science : un basculement paradigmatique<\/h3>\n
4. Le paradigme exp\u00e9rimental : conception d’un flux de parole artificiel<\/h2>\n
4.1 La synth\u00e8se vocale et la neutralisation absolue des indices acoustiques<\/h3>\n
4.2 La structure interne : cr\u00e9ation d’une micro-langue artificielle<\/h3>\n
\n
4.3 La concat\u00e9nation pseudo-al\u00e9atoire continue<\/h3>\n
5. M\u00e9canismes math\u00e9matiques : probabilit\u00e9s transitionnelles et r\u00e9gularit\u00e9s statistiques<\/h2>\n
5.1 La formalisation math\u00e9matique de la probabilit\u00e9 transitionnelle<\/h3>\n
5.2 Le diff\u00e9rentiel statistique : coh\u00e9sion intra-mots versus transitions inter-mots<\/h3>\n
5.3 D\u00e9couplage d\u00e9lib\u00e9r\u00e9 entre fr\u00e9quence brute et probabilit\u00e9 conditionnelle<\/h3>\n
6. M\u00e9thodologie exp\u00e9rimentale : le protocole de pr\u00e9f\u00e9rence d’orientation de la t\u00eate<\/h2>\n
6.1 Le dispositif HTPP (Head-Turn Preference Procedure)<\/h3>\n
\n
6.2 La population de nourrissons test\u00e9e<\/h3>\n
\n
6.3 D\u00e9roulement temporel : phase de familiarisation versus phase de test<\/h3>\n
7. R\u00e9sultats empiriques : la distinction entre mots et non-mots par les nourrissons<\/h2>\n
7.1 L’exp\u00e9rience 1 : discrimination entre ‘mots’ et ‘non-mots’<\/h3>\n
\n
7.2 Les donn\u00e9es chronom\u00e9triques et la significativit\u00e9 statistique<\/h3>\n
\n
7.3 La preuve formelle d’un calcul distributionnel chez le b\u00e9b\u00e9 de 8 mois<\/h3>\n
8. L’exp\u00e9rience de contr\u00f4le critique : mots contre ‘part-words’ (mots partiels)<\/h2>\n
8.1 L’exp\u00e9rience 2 : le contr\u00f4le rigoureux des fr\u00e9quences syllabiques<\/h3>\n
8.2 Les probabilit\u00e9s transitionnelles relatives comme seul facteur discriminant<\/h3>\n
\n
8.3 Conclusions m\u00e9thodologiques de l’\u00e9tude de 1996<\/h3>\n
\n
9. Implications th\u00e9oriques pour le d\u00e9bat nativisme contre empirisme<\/h2>\n
9.1 La r\u00e9futation empirique de la pauvret\u00e9 absolue du stimulus<\/h3>\n