Un
collier de perles ?
Construire un modèle de la perception des sons de parole ne devrait
pas, à première vue, soulever beaucoup de difficultés.
Après tout, nous entendons la parole comme une séquence de
sons individuels qui s'enchaînent les uns derrière les autres
comme les perles d'un collier. Pour construire un modèle de la perception
de la parole, on pourrait croire qu'il suffit de caractériser les «traces» dont
chaque segment marque le flux de parole. Une fois que l'on aurait cette information,
il serait relativement facile, presque trop facile, de concevoir un ensemble
de dispositifs, tels que des filtres, des détecteurs de traits, ou
des modèles acoustiques, qui pourraient trier et identifier les segments
de la chaîne. Ce serait, en effet, une théorie toute simple
et très séduisante assurément, malheureusement, totalement
fausse! Les résultats de nombreuses expériences indiquent que
les patterns acoustiques associés aux segments de sons de parole ne
sont pas assemblés comme les perles d'un collier, chacun de ces segments,
avec sa petite marque d'identification, attendant simplement d’être
perçus, l'un après l'autre.
[……]
(…) nous ne percevons pas la parole segment par segment. Un certain
nombre d'études réalisées dans les années cinquante
sont très convaincantes à cet égard. A cette époque
on a dépensé beaucoup de temps et d'argent pour construire
une machine qui devait faire la lecture aux aveugles (voir Harris, 1953,
ou Peterson, et al., 1958). L'approche retenue était la suivante:
si les segments phonétiques étaient comme les perles d'un collier,
on devait pouvoir construire une machine dont le rôle serait essentiellement
de «coller» les segments phonétiques les uns aux autres
pour former les mots. Un ensemble de mots, prononcés avec beaucoup
de précaution avait été enregistré sur une bande
magnétique. L'étape suivante consistait à isoler chacun
des segments sonores sur la bande. Les sons isolés étaient
stockés dans la machine qui devait les assembler pour former de nouveaux
mots. En fait, les systèmes de ce genre se sont avérés
complètement inutilisables. En effet, la «parole» que
ces machines produisaient était inintelligible, pour toute une série
de raisons pratiques; dans de nombreux cas les segments pré-enregistrés
semblaient prendre des valeurs phonétiques différentes lorsqu'ils étaient
assemblés pour former un nouveau mot. Par exemple, un son comme /p/,
dans l'enregistrement original, devenait /k/ lorsqu'il était associé à d'autres
sons (Cf. Cooper, et al., 1952).
Il ne semble pas surprenant que ces tentatives aient échoué compte
tenu, comme nous l'avons déjà dit, qu'il est impossible d'isoler
acoustiquement une partie de la bande correspondant seulement au son /b/,
tout comme il est impossible de prononcer le son /b/ seul sans mettre une
voyelle avant ou après. Tout simplement, nous ne pouvons produire
ou entendre /b/, s'il ne fait pas partie d'une syllabe.
[……]
(…) nous envoyons et recevons les informations sous forme d'unités
syllabiques. D'après cette théorie, nous «décodons» le
signal de parole selon les mouvements articulatoires que nous combinons pour
produire le signal. Les sons individuels, bien qu'il n'aient pas de statut
acoustique indépendant, sont perçus comme des sons discontinus.
Il semble que la perception de la parole nous oblige à faire appel à une
sorte de «connaissance» que nous avons sur les effets acoustiques
des mouvements articulatoires en interaction dans la production de la parole
(Liberman, et al., 1967 ; Lieberman, 1970).
[……]
2.6. EN RESUME
Nous venons de voir que l'acte de parole demande une planification complexe.
Les données expérimentales indiquent que les «instructions
du tractus vocal» sont planifiées en tenant compte d'un certain
nombre de faits, tels que les différences de temps que prennent les
influx nerveux pour atteindre les muscles articulatoires ainsi que le temps
nécessaire aux articulateurs pour occuper diverses positions. Nous
ne savons pas exactement comment s'accomplit cette intégration complexe,
mais seulement qu'elle est réalisée d'une manière ou
d'une autre. Nous savons également que le locuteur planifie les phrases
avant de les produire, et que cela rend le modèle simple de réponses
en chaîne totalement inadéquat à la production de la
parole.
Dans notre discussion sur la perception de la parole, nous avons mis l'accent
sur le manque d'indices invariants pour la reconnaissance des sons de parole.
Le modèle que nous avons appelé«perles de collier»,
ne semble pas convenir à la perception de la parole. Les auditeurs
doivent, avant tout, ajuster leur perception en fonction de leur interlocuteur.
Nous avons suggéré que, pour ce faire, les auditeurs s'appuieraient
sur la forme acoustique des voyelles [i] et [u] des différents locuteurs.
Nous avons également noté que la syllabe semble être
l'unité de décodage du signal de parole, et que l'auditeur
doit posséder une sorte de représentation des mouvements articulatoires
ayant produit les sons qu'il entend. Il semble, par conséquent, que
la perception de la parole ne soit pas un simple phénomène
passif où le sujet attend que des indices spécifiques arrivent,
mais plutôt un processus actif de reconstruction du message à partir
d'un large éventail d'informations acoustiques, et probablement d'autre
nature.
Nous n'avons pas répondu à la question: «Comment produisons-nous
et comprenons-nous les sons de parole ?» Nous espérons, cependant,
avoir montré quel type de réponse serait le plus approprié.
La recherche d'un modèle adéquat et opérationnel se
poursuit.
Edward Matthei, Thomas Roeper
Introduction à la psycholinguistique 1983 (traduction française,
1988 – Bordas)