La discrimination des phonèmes chez les nourrissons (Ba/Pa) – Peter Eimas

L’étude de l’émergence du langage chez l’être humain a longtemps constitué l’un des plus profonds mystères de la psychologie, de la linguistique et des neurosciences cognitives. Durant des siècles, la pensée philosophique dominante, relayée par les premiers courants de la psychologie expérimentale, concevait le nouveau-né comme un organisme sensoriellement immature, plongé selon la célèbre formule de William James dans une « confusion bourdonnante et florissante » (blooming, buzzing confusion). Dans cette perspective classique, le nourrisson était envisagé comme une cire vierge, incapable de structurer le flux continu des stimulations physiques qui l’assaillent, et dépendant entièrement d’un long et laborieux apprentissage associatif pour faire émerger du sens à partir du chaos sonore environnant.

Cette conception passive du développement infantile a été radicalement remise en question au début des années 1970. En 1971, une publication parue dans la revue Science, signée par Peter D. Eimas, Einar R. Siqueland, Peter Jusczyk et James Vigorito, est venue porter un coup fatal aux dogmes empiristes et behavioristes alors prévalents. Intitulée « Speech Perception in Infants », cette recherche fondamentale démontrait pour la première fois que des nourrissons âgés d’un à quatre mois seulement possèdent déjà la capacité de discriminer des unités linguistiques discrètes — des phonèmes — et ce, d’une manière remarquablement similaire à celle des adultes : selon le mode de la perception catégorielle.

En centrant leurs investigations sur le contraste acoustique distinguant les occlusives bilabiales /ba/ et /pa/, Eimas et ses collaborateurs n’ont pas simplement inauguré une nouvelle méthodologie expérimentale ; ils ont ouvert la voie à une redéfinition complète de l’architecture cognitive néonatale. Le présent article se propose d’analyser en profondeur cette expérience fondatrice, ses fondements physiques et méthodologiques, ses répercussions sur les débats épistémologiques relatifs à l’innéité du langage, ainsi que son héritage dans les neurosciences contemporaines du développement.

1. Introduction historique et contexte théorique des travaux de Peter Eimas (1971)

1.1 Le paysage de la psycholinguistique avant 1971

Pour appréhender la portée révolutionnaire des découvertes de Peter Eimas, il convient de reconstituer le climat intellectuel des années 1950 et 1960. La psychologie nord-américaine était alors profondément marquée par le béhaviorisme radical, dont Burrhus Frederic Skinner représentait la figure de proue. Dans son ouvrage Verbal Behavior (1957), Skinner postulait que le langage s’acquiert par les mêmes mécanismes que n’importe quel autre comportement moteur : par conditionnement opérant, imitation passive, association stimulus-réponse et renforcement sélectif par l’entourage adulte. L’enfant était considéré comme un récepteur acoustique passif, dont le système auditif devait s’ajuster progressivement, par essais et erreurs, aux régularités statistiques et aux renforcements de son environnement linguistique.

Ce paradigme empiriste strict fut violemment ébranlé en 1959 par la critique dévastatrice que publia Noam Chomsky en réponse au livre de Skinner. Chomsky y démontrait l’inadéquation structurelle du béhaviorisme pour rendre compte de ce qu’il nommait la « créativité du langage » et la « pauvreté du stimulus ». Selon la théorie générative chomskyenne, l’environnement linguistique auquel est exposé le jeune enfant est bien trop fragmentaire, bruité et lacunaire pour lui permettre de déduire les règles formelles de la grammaire sans le secours d’une structure biologique préprogrammée : le Dispositif d’Acquisition du Langage (ou Language Acquisition Device, LAD). Toutefois, si la critique de Chomsky portait principalement sur la syntaxe et la combinatoire formelle, elle laissait en suspens la question du versant perceptif de la parole. Les bébés possédaient-ils, dès la naissance, un équipement perceptif spécialisé pour décoder la matière sonore du langage, ou la parole n’était-elle qu’un cas particulier de perception auditive générale acquise au fil des mois ?

L’épistémologie de l’époque oscillait ainsi entre un innéisme structuraliste focalisé sur les règles syntaxiques abstraites et un empirisme acoustique qui continuait d’affirmer que la discrimination fine des sons de parole était le fruit d’un apprentissage progressif. Les capacités perceptives des nourrissons avant l’émergence des premiers mots demeuraient une boîte noire méthodologique, largement inaccessible aux outils d’investigation expérimentale alors disponibles.

1.2 La rupture paradigmatique introduite par Peter Eimas

C’est dans cette brèche théorique que s’immisce le psychologue Peter D. Eimas au sein de l’Université Brown. Conscient de l’impasse où conduisaient les spéculations purement théoriques, Eimas s’associe à Einar Siqueland, qui venait de mettre au point un dispositif ingénieux permettant de sonder les états cognitifs des nourrissons via leur réflexe de succion. En adjoignant à cette technique des stimuli acoustiques d’une rigueur physique absolue, générés par synthèse vocale, l’équipe d’Eimas accomplit un tour de force expérimental qui allait faire date dans l’histoire des sciences cognitives.

L’article de 1971 dans la revue Science ne s’est pas contenté de fournir des données empiriques supplémentaires ; il a renversé l’hypothèse nulle en vigueur. Jusqu’alors, la charge de la preuve incombait aux partisans de compétences précoces. On supposait que le nourrisson était incapable de découper le continuum acoustique de la parole avant d’avoir développé lui-même des capacités articulatoires au cours de la période de babillage. Eimas et ses coauteurs ont prouvé l’exact inverse : bien avant d’être capables de produire le moindre son articulé, et dès l’âge d’un mois, les nourrissons traitent le signal sonore de la parole humaine non pas comme une variation continue d’ondes physiques, mais selon des catégories linguistiques qualitatives discrètes.

Cette découverte a immédiatement posé la question de l’existence de mécanismes biologiques innés dédiés au traitement de la parole. En démontrant que la discrimination phonémique ne nécessitait ni expérience linguistique préalable prolongée ni entraînement moteur de l’appareil phonatoire, l’étude d’Eimas a fourni le premier ancrage perceptif empirique robuste à la thèse nativiste, modifiant définitivement la trajectoire de la psychologie du développement.

1.3 L’importance historique du contraste /ba/ versus /pa/

Le choix méthodologique du contraste opposant la consonne bilabiale voisée /b/ à sa contrepartie non voisée /p/ (suivies de la voyelle /a/) ne relevait pas du hasard. Il s’inscrivait dans la continuité directe des travaux pionniers menés sur des adultes au sein des prestigieux Laboratoires Haskins par Alvin Liberman, Arthur Abramson et Leigh Lisker au cours des décennies 1950 et 1960. Les chercheurs de Haskins avaient découvert que lorsque l’on manipule artificiellement un paramètre acoustique unique, le temps d’attaque vocal (ou Voice Onset Time), les adultes ne perçoivent pas une transition continue mais entendent soit un /ba/ parfait, soit un /pa/ parfait, avec une frontière étanche entre les deux.

En transposant ce paradigme classique de la phonétique expérimentale adulte vers la psychologie du très jeune nourrisson, Eimas créait un pont méthodologique capital. Si les bébés manifestaient les mêmes discontinuités de détection que les adultes le long du même continuum physique de synthèse, cela signifierait que les fondations de l’analyse phonémique ne sont pas le produit d’années de pratique sociale de la conversation, mais bien une propriété constitutive du système de traitement du signal chez l’être humain.

De surcroît, le contraste /ba/ versus /pa/ présente une universalité remarquable. Présent sous des formes phonétiques très proches dans la quasi-totalité des langues du globe, il incarne le prototype par excellence de l’opposition phonologique fondée sur le voisement. Le recours à ce contraste permettait ainsi d’isoler une brique élémentaire universelle du système linguistique humain pour tester si l’esprit du nourrisson dispose dès l’origine des primitives nécessaires au décodage de la parole.

2. La physique acoustique du contraste : Le rôle du Voice Onset Time (VOT)

2.1 Définition et mesure physique du Temps d’Attaque Vocal (VOT)

Pour saisir l’élégance de l’expérience d’Eimas, il est indispensable de détailler la physique du signal acoustique utilisé, et singulièrement la notion de Temps d’Attaque Vocal, universellement désigné par son acronyme anglophone VOT (Voice Onset Time). Théorisé et formalisé en 1964 par Leigh Lisker et Arthur S. Abramson, le VOT est une mesure temporelle précise, quantifiée en millisecondes (ms), qui correspond à l’intervalle temporel séparant le moment où s’effectue le relâchement mécanique de l’occlusion des articulateurs (les lèvres dans le cas des bilabiales) et le moment précis où s’enclenche la vibration périodique des cordes vocales (la phonation glottique).

Sur le plan acoustique et spectrographique, le relâchement de l’occlusion produit une impulsion transitoire de haute intensité et de très courte durée, appelée le bruit d’explosion ou « burst ». Ce burst apparaît sur un spectrogramme sous la forme d’une barre verticale sombre couvrant une large bande de fréquences. Lorsque les cordes vocales commencent à vibrer pour produire la voyelle subséquente, elles génèrent des harmoniques périodiques qui se traduisent par l’apparition de barres horizontales régulières, correspondant aux formants du tractus vocal, notamment le premier formant (F1) situé dans les basses fréquences. Le VOT mesure donc exactement la durée séparant le burst de l’apparition de la périodicité glottale.

Cette mesure peut adopter des valeurs positives ou négatives :

• VOT négatif (pré-voisement) : Les cordes vocales entrent en vibration avant même que les lèvres ne s’ouvrent. L’énergie acoustique se propage à travers les parois de la cavité buccale fermée, générant une barre de voisement de basse fréquence.
• VOT nul : La vibration glottale coïncide quasi instantanément avec l’explosion labiale.
• VOT positif : L’explosion se produit d’abord, suivie d’une phase de bruit de friction turbulent généré par l’air traversant la glotte encore ouverte (délai d’aspiration), avant que les cordes vocales ne se rejoignent pour entamer la phonation périodique.

2.2 Acoustique comparée des occlusives bilabiales /ba/ et /pa/

Dans la phonologie de l’anglais américain — langue maternelle des sujets d’Eimas —, la distinction entre le phonème voisé /ba/ et le phonème non voisé aspiré /pa/ repose quasi exclusivement sur la valeur de ce VOT. Pour un /ba/ typique, le VOT est court, généralement compris entre 0 et +20 ms. Les cordes vocales vibrent presque immédiatement après l’ouverture des lèvres. L’énergie du premier formant démarre dès le début de l’émission sonore, conférant à la consonne son caractère voisé.

À l’inverse, pour un /pa/ canonique en anglais, le VOT est nettement plus long, oscillant typiquement entre +40 et +80 ms, voire au-delà. Durant cet intervalle de plusieurs dizaines de millisecondes, la glotte demeure largement ouverte : l’explosion labiale est suivie d’une bouffée d’air apériodique (aspiration) qui retarde l’apparition du premier formant. Sur le plan purement physique, le synthétiseur de parole permet de générer un continuum de stimuli dont le VOT varie de manière infinitésimale et continue, par pas de 5 ou 10 millisecondes, allant par exemple de -20 ms jusqu’à +80 ms.

Ce qui rend ce phénomène fascinant du point de vue psychoacoustique est la contradiction absolue entre la physique du signal et sa perception :

• La réalité physique : Le continuum sonore présente une linéarité parfaite. Chaque incrément de 10 ms de VOT correspond à une modification physique rigoureusement identique en termes de durée d’aspiration.
• La réalité perceptive : La sensation auditive humaine ne suit aucunement cette linéarité. Elle se caractérise par une brutale discontinuité qualitative. Les stimuli situés entre 0 et +20 ms sont perçus de façon uniforme comme des /ba/, tandis que ceux situés entre +30 et +60 ms sont entendus sans hésitation comme des /pa/.

2.3 La notion de frontière catégorielle phonémique

Le point de bascule où le système auditif cesse d’identifier un /ba/ pour reconnaître soudainement un /pa/ est appelé la frontière catégorielle. Chez l’adulte anglophone, cette frontière se situe de manière extrêmement stable autour de +25 à +30 ms de VOT. Ce phénomène constitue le cœur de la perception catégorielle, définie formellement par trois propriétés fondamentales :

1. Une fonction d’identification abrupte : la probabilité d’attribuer le stimulus à une catégorie phonémique donnée passe brutalement de 100 % à 0 % sur une plage de variation physique très étroite.
2. Une discrimination prédite par l’identification : deux sons physiquement différents ne peuvent être distingués l’un de l’autre que s’ils sont étiquetés dans des catégories phonémiques différentes.
3. Une surdité relative aux variations intracatégorielles : si l’on présente à un adulte un stimulus à 0 ms de VOT et un autre à +20 ms de VOT (une différence de 20 ms), l’auditeur est généralement incapable de percevoir une différence acoustique ; les deux sons sont assimilés à la même entité /ba/. En revanche, si la même différence physique de 20 ms franchit la frontière catégorielle (par exemple en comparant un son à +20 ms et un son à +40 ms), la discrimination atteint un taux de réussite proche de la perfection.

Toute la question théorique soulevée par Eimas était de savoir si cette frontière catégorielle d’environ +25 ms est le résultat d’une longue imprégnation par le système phonologique de la langue parlée dans la communauté, ou si elle découle d’une organisation préprogrammée du système perceptif humain, opérationnelle dès les premiers stades de la vie.

3. Le paradigme expérimental : La technique de succion non nutritive

3.1 Origine et principes méthodologiques du dispositif de Siqueland

Mesurer les états mentaux, la discrimination perceptive ou l’attention chez des nouveau-nés et des nourrissons âgés de quelques semaines représentait, au début des années 1970, un défi méthodologique considérable. Le nourrisson ne possède aucun contrôle moteur volontaire fin, ne peut pointer du doigt, ni formuler de réponses verbales. Il fallait donc exploiter un comportement moteur inné, déjà robuste et fonctionnel dès la naissance : le réflexe de succion.

En 1969, Einar R. Siqueland et Christian A. DeLucia avaient publié dans le journal Journal of Experimental Child Psychology une procédure novatrice intitulée la Technique de Succion Non Nutritive à Amplitude Modifiée (High-Amplitude Sucking Procedure ou HASP). Ce paradigme repose sur le principe du conditionnement opérant : le nourrisson apprend très rapidement qu’il existe une contingence causale entre sa propre activité motrice (l’intensité et la fréquence de sa succion sur une tétine stérile) et la survenue d’un stimulus sensoriel agréable ou intéressant dans son environnement immédiat.

Dans ce dispositif, une tétine en caoutchouc standard, dépourvue de tout apport alimentaire, est reliée par un tube souple à un capteur de pression électromécanique. Dès que la pression intra-buccale exercée par le bébé dépasse un seuil prédéterminé d’amplitude, le système informatique enregistre une « succion de haute amplitude » et déclenche immédiatement l’émission d’un stimulus acoustique par un haut-parleur situé à proximité.

3.2 Le phénomène d’habituation et de déshabituation

Le paradigme HASP combine le conditionnement opérant avec le principe psycho-physiologique de l’habituation et de la déshabituation. Le protocole se déroule selon une séquence temporelle et cognitive rigoureuse :

• Phase d’apprentissage et de conditionnement : Le nourrisson découvre que chaque succion vigoureuse produit l’audition d’une syllabe (par exemple le son /ba/). Motivé par la nouveauté du stimulus, il augmente considérablement son rythme de succion afin de maintenir la stimulation sonore.
• Phase d’habituation : Au fur et à mesure que la même syllabe est répétée à chaque succion pendant plusieurs minutes, le phénomène d’habituation s’installe. Le système nerveux central s’accoutume au stimulus ; la charge attentionnelle décroît, entraînant une chute graduelle et significative de la fréquence des succions de haute amplitude. Lorsque le rythme de succion diminue d’au moins 20 à 30 % par rapport à son niveau maximal pendant deux minutes consécutives, le critère d’habituation est considéré comme atteint.
• Phase de test (basculement ou maintien) : C’est le moment critique de l’expérience. Sans que l’état moteur ou la posture de l’enfant ne changent, l’expérimentateur modifie (ou maintient) les propriétés physiques du stimulus sonore délivré lors des succions suivantes. Deux scénarios exclusifs se présentent alors :
  • Absence de détection : Si le nourrisson ne perçoit pas la différence acoustique entre l’ancien et le nouveau son, il considère que la stimulation n’a pas changé. L’habituation se poursuit et le rythme de succion continue de décliner ou stagne à un niveau résiduel bas.
  • Déshabituation (recouvrement perceptif) : Si le système auditif de l’enfant enregistre le nouveau stimulus comme une entité sonore différente, son intérêt attentionnel est instantanément réactivé. Le bébé recommence à téter avec vigueur pour explorer ce nouveau percept : le rythme de succion remonte de façon spectaculaire. Cette hausse statistiquement significative constitue la preuve expérimentale directe que l’enfant a discriminé le changement de stimulus.

3.3 Le montage technique et le contrôle rigoureux des stimuli

L’implémentation physique de ce protocole exigeait une ingénierie de pointe pour éliminer tout risque d’artéfact expérimental. Les variations de pression générées par la succion buccale étaient captées par un transducteur de pression médicale Statham, transformant la force mécanique de l’air déplacé en un signal de tension électrique continue. Ce signal était acheminé vers un galvanomètre et un système de relais logiques programmables qui comparaient en temps réel l’amplitude de chaque succion à une valeur seuil étalonnée individuellement pour chaque enfant au début de la session.

Les stimuli vocaux n’étaient pas des enregistrements de voix humaine — qui auraient inévitablement introduit des fluctuations incontrôlées d’intensité, de fréquence fondamentale ou de timbre —, mais des syllabes de synthèse ultra-standardisées, créées à l’aide d’un synthétiseur de parole à résonance à commande numérique de type Klatt/Haskins. Chaque syllabe durait exactement 400 millisecondes, possédait une enveloppe d’intensité identique, une trajectoire de formants rigoureusement contrôlée pour la voyelle /a/ (F1 = 720 Hz, F2 = 1240 Hz, F3 = 2500 Hz), et ne différait d’une autre que par un seul et unique paramètre : le VOT de l’occlusive initiale.

Enfin, pour garantir une objectivité totale et prévenir l’effet Rosenthal (biais d’attente de l’expérimentateur), le protocole était conduit en double aveugle. L’assistant qui tenait délicatement la tétine dans la bouche du nourrisson portait un casque audio diffusant un masquage sonore continu à fort volume, l’empêchant d’entendre les syllabes présentées au bébé et d’influer inconsciemment sur son comportement moteur par des micro-mouvements de la main.

4. Protocole expérimental détaillé de l’expérience d’Eimas (1971)

4.1 Caractéristiques de l’échantillon des participants

L’étude menée par Peter Eimas et ses collègues a porté sur un échantillon total de nourrissons répartis en cohortes distinctes en fonction de l’âge chronologique : des nourrissons âgés d’environ un mois (moyenne de 4 semaines) et des nourrissons âgés de quatre mois (moyenne de 16 semaines). Ces tranches d’âge n’avaient pas été sélectionnées au hasard. À un mois, l’expérience auditive extra-utérine est minime, et le système moteur articulatoire de l’enfant est totalement immature. À quatre mois, bien que le babillage articulé ne soit pas encore apparu, l’enfant a déjà accumulé plusieurs centaines d’heures d’exposition passive à sa langue d’accueil.

Les critères d’inclusion étaient draconiens : tous les nourrissons étaient nés à terme, issus de grossesses physiologiques sans complications obstétricales, et ne présentaient aucun antécédent familial ou médical d’anomalie auditive. De plus, pour qu’une session soit validée, l’enfant devait maintenir un état d’éveil calme (stade 3 ou 4 de l’échelle d’éveil de Prechtl) tout au long de la manipulation. Tout nourrisson qui s’endormait, se mettait à pleurer durablement, ou recrachait la tétine de manière répétée était immédiatement exclu de l’échantillon final, une rigueur méthodologique commune aux études développementales de cette époque où le taux de perte de sujets (attrition rate) pouvait atteindre 30 à 40 %.

4.2 Les trois conditions de stimulation acoustique

L’essence du plan expérimental reposait sur une comparaison inter-groupes rigoureuse. Les nourrissons étaient assignés de façon aléatoire à l’une des trois conditions expérimentales, construites pour tester la réalité de la frontière catégorielle :

• Condition Intercatégorielle (Groupe 20D – Déplacement traversant la frontière) :
  Dans ce groupe, les nourrissons étaient habitués à un son de synthèse présentant un VOT de +20 ms (qui correspond, pour une oreille adulte, à un /ba/ situé juste à la lisière de la frontière phonologique). Une fois le critère d’habituation atteint, le système commutait sur un stimulus présentant un VOT de +40 ms (un /pa/ sans ambiguïté). La différence physique absolue était donc exactement de 20 millisecondes, mais cette différence franchissait la frontière catégorielle adulte située à +25 ms.
• Condition Intracatégorielle (Groupe 20S – Même catégorie phonémique) :
  Ce groupe constituait la condition de contrôle psychophysique cruciale. Les enfants étaient exposés à une variation physique strictement identique en magnitude, c’est-à-dire un déplacement de 20 millisecondes de VOT, mais restant confinée à l’intérieur d’une seule et même catégorie phonémique. Deux sous-groupes étaient testés : soit une transition de 0 ms à +20 ms (deux sons perçus comme des /ba/ par les adultes), soit une transition de +60 ms à +80 ms (deux sons perçus comme des /pa/). Si les nourrissons fonctionnaient comme des détecteurs acoustiques continus, ils devaient réagir avec la même vigueur que le groupe intercatégoriel face à ce saut de 20 ms.
• Condition Contrôle (Groupe 0 – Aucun changement) :
  Dans cette condition, le stimulus ne subissait aucune modification après la phase d’habituation : les nourrissons continuaient d’entendre exactement le même son (par exemple +20 ms tout au long de la session). Ce groupe permettait de vérifier que la succion ne remontait pas spontanément par simple fluctuation motrice aléatoire ou par rebond spontané à la fin de la période d’expérimentation.

4.3 Mesures statistiques et recueil des réponses

La variable dépendante mesurée était le taux moyen de succions de haute amplitude par minute. L’enregistrement temporel était découpé en époques successives d’une minute, réparties avant et après le point d’inflexion marquant l’atteinte du critère d’habituation.

Pour neutraliser l’hétérogénéité interindividuelle inhérente à la tonicité motrice des nourrissons (certains bébés ayant naturellement un rythme de succion de base deux à trois fois plus élevé que d’autres), les données ont fait l’objet de procédures de normalisation statistique. Les chercheurs ont calculé des scores de différence en soustrayant le taux moyen de succion des deux dernières minutes de la phase d’habituation (ligne de base pré-changement) du taux moyen enregistré durant les deux premières minutes suivant l’introduction du stimulus de test (phase post-changement).

Ces données quantitatives ont ensuite été soumises à des analyses de variance multivariées (ANOVA) intégrant les facteurs inter-sujets (Condition : Intercatégorielle vs Intracatégorielle vs Contrôle ; Âge : 1 mois vs 4 mois) et le facteur intra-sujet temporel (Blocs de minutes pré vs post-changement). Ce dispositif statistique permettait d’isoler sans ambiguïté les effets d’interaction démontrant la présence ou l’absence de déshabituation sélective.

5. Résultats empiriques : La démonstration de la perception catégorielle précoce

5.1 Réaction sélective lors du franchissement de la frontière phonologique

Les résultats obtenus par Eimas et ses coauteurs ont apporté une confirmation éclatante et sans équivoque de leur hypothèse de travail. Les courbes comportementales ont révélé une dissociation nette et hautement significative sur le plan statistique (p < 0.001) entre les différentes conditions acoustiques :

Dans la condition intercatégorielle (20D), le basculement du stimulus de +20 ms à +40 ms a provoqué une remontée immédiate, spectaculaire et robuste du taux de succion non nutritive. Les nourrissons, qui avaient pourtant manifesté un désintérêt marqué lors des dernières minutes d’habituation, ont recommencé à téter intensément dès la diffusion du premier stimulus post-frontière. Ce sursaut moteur témoignait de façon incontestable d’un regain d’attention cognitive : pour le système perceptif de l’enfant, un changement qualitatif majeur venait de survenir dans son environnement sonore.

À l’inverse, dans la condition intracatégorielle (20S), les nourrissons n’ont manifesté aucune déshabituation. Malgré la présence d’une variation physique de 20 ms de VOT (exactement la même différence temporelle que dans la condition 20D), la courbe de succion est restée parfaitement atone : elle a poursuivi sa trajectoire descendante, de manière superposable à la courbe observée dans le groupe contrôle (0) où le son n’avait subi aucune altération. Les nourrissons se sont révélés totalement insensibles à une variation de 20 ms de VOT lorsque celle-ci se produisait à l’intérieur de la catégorie /ba/ (de 0 à +20 ms) ou à l’intérieur de la catégorie /pa/ (de +60 à +80 ms).

5.2 Comparabilité des performances entre 1 mois et 4 mois

L’un des résultats les plus spectaculaires de l’expérience d’Eimas réside dans la quasi-identité des profils de réponse enregistrés chez les bébés d’un mois et chez ceux de quatre mois. L’analyse statistique n’a révélé aucune interaction significative entre le facteur Âge et l’effet de Déshabituation dans les différentes conditions acoustiques :

• Les nourrissons d’un mois ont discriminé le contraste intercatégoriel avec une acuité et une amplitude de réponse statistique tout aussi robustes que leurs aînés de quatre mois.
• De même, les bébés de quatre mois n’ont pas montré de sensibilité accrue aux variations intracatégorielles par rapport aux bébés d’un mois ; ils ont manifesté la même « surdité » sélective aux changements acoustiques ne traversant pas la frontière phonologique.

Ce constat empirique revêtait une portée théorique fondamentale. Si la perception catégorielle résultait d’un processus d’apprentissage perceptivo-moteur progressif au contact des émissions vocales de l’entourage, ou d’une maturation neurologique continue au cours des premiers mois de la vie, on aurait dû observer une gradation sensible des performances entre quatre semaines et seize semaines de vie postnatale. L’absence de différence entre ces deux âges suggérait avec force que le traitement catégoriel ne dépend pas du développement des praxies bucco-phonatoires naissantes, mais constitue un état initial du système cognitif humain.

5.3 La courbe psychométrique infantile

En agrégeant les données de discrimination pour tracer la fonction psychométrique de sensibilité au VOT chez le nourrisson, Eimas et son équipe ont mis en évidence un profil de réponse discontinue sous forme de « marche d’escalier », rigoureusement superposable aux courbes psychométriques obtenues chez les adultes parlant l’anglais. Cette fonction psychométrique démontre que le système auditif humain n’opère pas comme un voltmètre ou un enregistreur acoustique passif qui traduirait proportionnellement chaque microseconde de VOT en un influx nerveux différentiel.

Au contraire, le cerveau infantile applique un filtre non linéaire immédiat sur le continuum du signal de parole :

• De -Infinity à +25 ms : zone d’équivalence perceptive où les sons sont compressés cognitivement en une seule étiquette mentale (/ba/).
• À +25 ms : point de singularité où le gradient de discrimination tend vers l’infini.
• Au-delà de +25 ms : nouvelle zone d’équivalence où les sons sont agrégés sous l’étiquette /pa/.

L’expérience d’Eimas de 1971 a ainsi apporté la preuve expérimentale directe que la perception du signal de parole est intrinsèquement non linéaire et catégorielle dès les toutes premières semaines de la vie humaine.

6. Le débat innéisme contre empirisme à la lumière des découvertes d’Eimas

6.1 L’argument innéiste et les prédispositions biologiques

La publication des résultats d’Eimas a provoqué une onde de choc théorique majeure dans le champ des sciences cognitives naissantes, offrant un argument empirique de premier ordre aux tenants du courant innéiste. Pour Eric Lenneberg, auteur en 1967 de l’ouvrage séminal Biological Foundations of Language, comme pour Noam Chomsky, ces données constituaient la démonstration tant attendue que l’être humain naît biologiquement préparé pour appréhender la structure formelle de la parole.

L’argument innéiste soutient que la frontière de VOT ne saurait être le produit d’un façonnage skinnérien par renforcement : comment un nourrisson de 30 jours, incapable de produire le moindre son consonantique articulé, vivant dans un environnement où il n’est jamais explicitement récompensé pour distinguer 20 ms de 40 ms de VOT, pourrait-il spontanément aligner sa perception sur la norme phonologique de sa communauté linguistique ? Pour Eimas, l’explication la plus parcimonieuse résidait dans l’existence d’une circuiterie neuronale innée, héritée de l’évolution phylogénétique de notre espèce, configurée pour découper automatiquement le continuum acoustique de la parole aux endroits précis où les langues humaines ont érigé leurs frontières phonémiques.

Cette interprétation a porté un coup fatal aux théories empiristes strictes de la tabula rasa. Elle a contraint les modèles psychologiques à intégrer la notion de contraintes architecturales et de biais de traitement préalables guidant le développement perceptif précoce.

6.2 La contre-argumentation empiriste et le rôle de l’expérience in utero

Face à la déferlante nativiste déclenchée par l’article d’Eimas, les théoriciens de tradition empiriste et néo-associationniste ont cherché à identifier une faille dans le raisonnement innéiste : la sous-estimation de l’expérience sensorielle prénatale. Dès la fin des années 1970 et au cours des années 1980, les travaux pionniers d’Anthony DeCasper et de ses collaborateurs (notamment l’expérience célèbre de DeCasper et Fifer en 1980 sur la reconnaissance de la voix de la mère) ont démontré de manière irréfutable que le système auditif fœtal est fonctionnel dès le troisième trimestre de gestation (environ 26 à 28 semaines d’aménorrhée).

Selon cette contre-argumentation empiriste, un nourrisson d’un mois a déjà bénéficié de près de trois mois d’immersion acoustique intra-utérine continue dans les sonorités de la voix maternelle, suivis d’un mois d’expérience postnatale. Dès lors, ne pouvait-on pas concevoir que la frontière de VOT soit le produit d’un apprentissage précoce extrêmement rapide, dérivé des régularités statistiques entendues in utero ?

Cependant, la physique acoustique de l’environnement utérin oppose une limite sévère à cette contre-hypothèse. Le liquide amniotique et les parois abdominales maternelles agissent comme un puissant filtre passe-bas :

• Les fréquences sonores supérieures à 500 ou 1000 Hz sont massivement atténuées (perte de plus de 20 à 30 dB).
• Le burst transitoire d’explosion des consonnes occlusives (qui culmine entre 2000 et 4000 Hz) et le souffle d’aspiration des occlusives non voisées sont quasiment inaudibles à travers le milieu liquidien.
• Le fœtus perçoit admirablement la prosodie, l’intonation et le contour de la fréquence fondamentale (F0) de la voix de sa mère, mais les indices acoustiques temporels fins nécessaires au calcul du VOT (la micro-temporelle de l’ordre de 20 millisecondes) ne sont tout simplement pas transmis avec une résolution suffisante pour permettre un apprentissage prénatal de la frontière /ba/-/pa/.

6.3 Vers une théorie interactionniste du développement langagier

L’impasse du clivage binaire entre innéisme radical et empirisme absolu a progressivement conduit les chercheurs à formuler un paradigme plus nuancé : le modèle de l’accordage perceptif (perceptual attunement) ou de la réorganisation perceptive, soutenu notamment par Richard Aslin, David Pisoni et plus tard Janet Werker. Dans cette perspective interactionniste et épigénétique, l’inné et l’acquis ne s’excluent pas mais s’articulent selon une dynamique chronologique précise.

L’équipement biologique de l’espèce humaine fournit une dotation initiale : un ensemble de seuils psychoacoustiques préformés et de prédispositions neurobiologiques permettant de segmenter universellement le flux vocal brut. Le nourrisson naît doté d’une sensibilité universelle, capable de discriminer virtuellement n’importe quel contraste phonétique utilisé par l’ensemble des langues de la planète.

Le rôle de l’environnement linguistique postnatal n’est donc pas de construire ex nihilo des catégories perceptives à partir d’un matériau amorphe, mais d’exercer un mécanisme de sélection, d’entretien et d’ajustement. L’expérience linguistique confirme, renforce et affine les frontières phonémiques pertinentes dans la langue ambiante, tout en laissant s’étioler les frontières absentes de l’environnement sonore de l’enfant. L’acquis ne crée pas la capacité catégorielle ; il sculpte et spécialise une compétence biologique préexistante.

7. Fondements neurobiologiques et mécanismes perceptifs sous-jacents

7.1 Architecture du système auditif périphérique et central du nourrisson

Pour que le nourrisson d’Eimas puisse discriminer un décalage temporel de 20 millisecondes entre le relâchement labial et le début du voisement, son appareil auditif doit disposer d’une résolution temporelle d’une extrême précision dès les premières semaines postnatales. Les investigations neurophysiologiques démontrent qu’au niveau périphérique, la cochlée, l’organe de Corti et les cellules ciliées internes ont achevé leur différenciation cytoarchitectonique majeure bien avant le terme de la grossesse.

L’information acoustique est encodée au niveau de la cochlée selon une organisation tonotopique rigoureuse, puis transmise via les axones du nerf cochléaire vers le tronc cérébral. Les noyaux cochléaires, le complexe olivaire supérieur et les colliculi inférieurs possèdent des réseaux d’interneurones inhibiteurs capables d’effectuer des analyses de corrélation croisée temporelle à l’échelle de la sub-milliseconde. C’est précisément dans les circuits du tronc cérébral et du corps genouillé médian que se calculent les temps de latence des potentiels d’action générés par le burst et par l’entrée en vibration de la glotte.

Même si la myélinisation des voies auditives centrales n’est pas pleinement achevée à l’âge d’un mois — ce qui explique que les temps de conduction synaptique globale soient plus lents que chez l’adulte —, les mécanismes d’accrochage de phase (phase-locking) et la détection d’intervalles temporels rapides sont déjà fonctionnellement opérationnels pour discriminer les transitoires acoustiques caractéristiques du VOT.

7.2 Spécialisation hémisphérique précoce pour le traitement de la parole

La question de savoir où et comment le cerveau du tout jeune enfant traite les frontières phonémiques a trouvé des réponses fascinantes grâce aux neurosciences modernes. Les données anatomiques issues des études d’imagerie post-mortem et d’IRM pédiatrique montrent que le cerveau humain présente une asymétrie structurale précoce : le planum temporale gauche est significativement plus vaste que son homologue droit dès le stade fœtal, préfigurant la spécialisation hémisphérique de l’adulte.

Sur le plan fonctionnel, le modèle d’échantillonnage asymétrique dans le temps (Asymmetric Sampling in Time ou AST), développé par David Poeppel, propose que le cortex auditif gauche est nativement optimisé pour analyser les variations acoustiques rapides s’étalant sur des fenêtres temporelles étroites de l’ordre de 20 à 40 ms (ce qui correspond précisément à la durée du VOT et des transitions de formants des consonnes occlusives). À l’opposé, le cortex auditif droit est préférentiellement calibré pour intégrer des fenêtres temporelles longues (150 à 300 ms), adaptées au traitement des contours prosodiques et des syllabes.

Des enregistrements en électroencéphalographie (EEG) et l’étude des potentiels évoqués auditifs (notamment la célèbre Mismatch Negativity ou MMN) chez des nourrissons endormis ont révélé que la présentation d’un stimulus traversant la frontière de VOT (comme le passage de /ba/ à /pa/) déclenche une réponse électrophysiologique négative précoce, principalement localisée au-dessus du cortex temporo-pariétal gauche. Cette signature neurale confirme que le traitement catégoriel observé au niveau comportemental par Eimas repose sur une spécialisation corticale gauche déjà en place dès les premiers mois de vie.

7.3 Détecteurs de traits acoustiques ou module linguistique spécialisé

L’interprétation des résultats d’Eimas a donné lieu à un affrontement fécond entre deux conceptions majeures du traitement perceptif de la parole :

• L’hypothèse des détecteurs de traits acoustiques (Feature Detectors) :
  Initialement défendue par Eimas et Corbit en 1973, cette théorie postulait l’existence dans le système nerveux central de réseaux neuronaux sélectifs, accordés de manière innée pour réagir à des indices physiques spécifiques du signal acoustique, tels que le délai d’attaque vocal ou la direction des transitions de formants. Selon ce modèle, la frontière de VOT à +25 ms correspondrait au seuil d’activation physiologique d’un ensemble de neurones détecteurs de voisement. L’habituation observée dans le paradigme expérimental traduirait alors l’épuisement métabolique ou l’adaptation synaptique sélective de ces populations de détecteurs sensoriels.
• La Théorie Motrice de la perception de la parole (Motor Theory of Speech Perception) :
  Élaborée par Alvin Liberman et l’équipe des Laboratoires Haskins, cette théorie postulait que l’objet premier de la perception de la parole n’est pas le signal acoustique en soi, mais les gestes articulatoires sous-jacents qui l’ont produit. Liberman soutenait que les êtres humains possèdent un « module de parole » (speech module) spécialisé et inné, capable de décoder directement l’intention motrice du locuteur à travers les indices sonores. Selon cette vue, le nourrisson reconnaîtrait le /ba/ et le /pa/ parce que son cerveau serait équipé pour cartographier les sons sur les commandes motrices d’occlusion et d’ouverture labiale.
• Le modèle auditif général psychoacoustique :
  Une troisième voie théorique, portée par des chercheurs comme David Pisoni et Keith Kluender, soutient que la frontière de +25 ms ne nécessite aucun module linguistique dédié ni référence à l’articulation, mais reflète simplement une non-linéarité inhérente au système auditif mammifère général. Lorsque deux événements acoustiques (le burst et le voisement) sont séparés par moins de 20 ms, le système auditif peine à résoudre temporellement l’ordre de succession des deux événements en raison de phénomènes d’inhibition latérale et de masquage temporel synchrone ; au-delà de 20 à 30 ms, le délai est suffisant pour que deux événements distincts soient résolus et perçus comme successifs. Comme nous le verrons plus loin, les données animales sont venues apporter un éclairage décisif sur cette controverse.

8. Évolution ontogénétique : Du statut de « citoyen du monde » à l’accordage phonologique

8.1 La pan-discrimination universelle du jeune nourrisson

L’un des prolongements les plus spectaculaires de l’expérience d’Eimas a consisté à vérifier si la discrimination précoce du VOT se limitait aux seuls contrastes présents dans la langue maternelle de l’enfant ou si elle s’étendait aux phonèmes de langues totalement inconnues. Les recherches menées au cours de la fin des années 1970 et des années 1980 ont apporté une réponse saisissante : le nourrisson humain débute son existence avec le statut de « citoyen phonologique du monde » (selon la formule consacrée par Patricia Kuhl).

Un bébé né dans une famille exclusivement anglophone à Boston ou francophone à Paris est capable, durant les premiers mois de sa vie, de discriminer avec une facilité déconcertante des contrastes phonémiques non natifs auxquels il n’a jamais été exposé :

• Le contraste rétroflexe vs dental en hindi : Les nourrissons anglophones de 6 mois distinguent sans peine le /ʈ/ rétroflexe (articulé avec la pointe de la langue repliée vers le palais) du /t̪/ dental (articulé contre les dents), une distinction phonologique que les adultes anglophones sont totalement incapables de percevoir sans un entraînement intensif.
• Le contraste éjectif vs aspiré en amérindien salish : De même, des bébés exposés uniquement à l’anglais discriminent les contrastes consonantiques vélaires et uvulaires de la langue salish de Thompson.
• Les clics zoulous : Les variations acoustiques complexes des consonnes à clic d’Afrique australe sont parfaitement différenciées par les nouveau-nés d’autres continents.

Cette plasticité initiale démontre que l’architecture neuro-cognitive du nourrisson n’est pas pré-configurée pour une langue particulière, mais constitue une matrice de discrimination universelle, armée pour apprendre n’importe laquelle des 7 000 langues parlées à la surface de la Terre.

8.2 Le déclin perceptif entre 6 et 12 mois : Les travaux de Janet Werker

Cette pan-discrimination universelle ne perdure malheureusement pas. Dans une série d’expériences classiques devenues historiques, la psycholinguiste Janet Werker et son collègue Richard Tees (1984) ont tracé la chronologie exacte de ce qu’il est convenu d’appeler le déclin perceptif non natif ou rétrécissement perceptif (perceptual narrowing).

En utilisant une procédure de rotation conditionnée de la tête auprès de cohortes longitudinales et transversales de nourrissons âgés de 6 à 12 mois, Werker et Tees ont testé la capacité de distinguer le contraste hindi (/ʈ/ vs /t̪/) à trois jalons temporels distincts :

• Entre 6 et 8 mois : Près de 95 % des nourrissons anglophones réussissent brillamment le test et discriminent les phonèmes hindis avec une précision identique à celle de nourrissons élevés dans des familles parlant l’hindi.
• Entre 8 et 10 mois : Le taux de réussite chute de manière dramatique pour s’établir autour de 60 à 70 %. Le système perceptif commence à vaciller face à des contrastes non entretenus par le bain linguistique quotidien.
• Entre 10 et 12 mois : Moins de 20 % des nourrissons anglophones demeurent capables de discriminer le contraste hindi, atteignant le niveau d’insensibilité caractéristique des adultes non-natifs. Dans le même temps, les nourrissons hindiphones du même âge maintiennent un score de discrimination proche de 100 %.

Ce phénomène d’amenuisement perceptif ne constitue pas une régression cognitive ou une dégénérescence sensorielle. Il marque au contraire le passage adaptatif crucial d’un traitement phonétique acoustique universel vers un traitement phonologique symbolique spécialisé. L’enfant abandonne la détection de détails acoustiques superflus pour consacrer ses ressources neurales à la maîtrise de l’espace phonologique propre à sa langue maternelle.

8.3 Le phénomène d’élagage synaptique et d’aimantation perceptuelle (Perceptual Magnet Effect)

Pour expliquer les mécanismes computationnels et neuronaux sous-tendant cette métamorphose ontogénétique, Patricia Kuhl a élaboré le modèle de l’Effet d’Aimant Perceptuel (Native Language Magnet model ou NLM / NLM-e). Selon Kuhl, l’exposition statistique répétée aux sons de la langue ambiante conduit le cerveau du nourrisson à calculer des distributions de densité acoustique.

Autour de la fin de la première année de vie, le cerveau infantile extrait les valeurs prototypiques des phonèmes les plus fréquents de son entourage linguistique. Ces prototypes fonctionnent alors comme des « aimants perceptuels » : ils déforment l’espace psychoacoustique sous-jacent en attirant vers eux les sons voisins. Deux sons de parole qui se situent à proximité d’un prototype de la langue maternelle sont perçus comme beaucoup plus similaires qu’ils ne le sont physiquement. Ce mécanisme d’aimantation a pour effet de simplifier drastiquement le décodage continu de la parole en absorbant la variabilité acoustique intrinsèque (variations d’accent, de débit, de hauteur vocale d’un locuteur à l’autre).

Sur le plan neurobiologique, cette réorganisation s’appuie sur le mécanisme de l’élagage synaptique (synaptic pruning). Le cerveau du nouveau-né présente une hyper-connectivité synaptique transitoire dans le cortex auditif. Les synapses associées aux circuits discriminants qui sont activés quotidiennement par la langue maternelle sont renforcées et stabilisées via des mécanismes de plasticité dépendante de l’activité (loi de Hebb et potentialisation à long terme). À l’inverse, les synapses codant les contrastes absents de l’environnement auditif de l’enfant ne reçoivent pas de stimulation concordante : elles sont progressivement élaguées et réallouées à d’autres fonctions cognitives.

9. Réplications, variations et développements méthodologiques post-1971

9.1 Validation sur d’autres contrastes consonantiques et vocaliques

À la suite du coup d’éclat expérimental réussi par Peter Eimas sur le contraste de voisement /ba/-/pa/, la communauté scientifique s’est immédiatement employée à vérifier si cette perception catégorielle précoce s’appliquait à d’autres dimensions de la parole humaine. Très rapidement, les investigations ont été étendues à d’autres lieux d’articulation et à d’autres modes articulatoires :

• Le lieu d’articulation des occlusives (/ba/ vs /da/ vs /ga/) :
  Des études menées par Eimas en 1974, puis par d’autres équipes, ont manipulé la direction et la pente des transitions du deuxième (F2) et du troisième formant (F3), qui signalent physiquement le passage de l’articulation bilabiale (/b/) à l’articulation alvéolaire (/d/) et vélaire (/g/). Les nourrissons de deux à trois mois ont fait preuve de la même perception catégorielle discontinue, discriminant parfaitement des stimuli dont les formants franchissaient la frontière adulte, tout en ignorant des variations physiques internes à chaque catégorie.
• Le mode d’articulation (occlusives vs nasales) :
  La distinction entre une occlusive orale comme /ba/ et une consonne nasale comme /ma/ (qui repose sur l’ouverture du velum et l’apparition d’un murmure nasal de basse fréquence) a été testée avec succès, confirmant que le nourrisson traite de manière binaire l’absence ou la présence de résonance nasale.
• Les contrastes vocaliques :
  L’extension aux voyelles (comme le contraste /i/ vs /u/ ou /a/ vs /i/), étudiée notamment par Sandra Trehub dès 1973, a révélé des nuances théoriques instructives. Bien que les bébés soient tout à fait capables de distinguer les voyelles dès le plus jeune âge, la perception catégorielle y est souvent moins abrupte que pour les consonnes occlusives. Chez l’adulte comme chez le nourrisson, l’espace vocalique présente une nature plus continue, ce qui a permis de raffiner les modèles théoriques en dissociant les contraintes acoustiques spécifiques aux voyelles (sons stables, quasi-stationnaires) de celles régissant les consonnes (sons hautement dynamiques et transitoires).

9.2 L’introduction du paradigme du regard préférentiel et du conditionnement de la tête

Si la technique de succion non nutritive s’avérait d’une redoutable efficacité pour les nourrissons de 0 à 4 mois, elle devenait pratiquement inutilisable au-delà de 4 ou 5 mois : les bébés plus âgés perdent leur réflexe de succion stéréotypé, s’intéressent activement à leur environnement visuel, mâchouillent la tétine ou la rejettent délibérément. Pour explorer l’évolution de la perception phonémique au cours du second semestre de vie, les psycholinguistes ont dû concevoir de nouveaux dispositifs métrologiques.

Le paradigme de rotation conditionnée de la tête (Conditioned Head-Turn Procedure), perfectionné par Janet Werker et ses collègues, a constitué l’outil roi pour la tranche d’âge de 6 à 18 mois :

• L’enfant est assis sur les genoux de son parent en face d’un expérimentateur qui l’occupe avec des jouets calmes.
• Une série continue de sons de fond (par exemple /ba/, /ba/, /ba/…) est diffusée par un haut-parleur situé à 90 degrés sur le côté.
• Périodiquement, le flux sonore bascule vers un son test différent (par exemple /pa/).
• Si le nourrisson tourne la tête vers le haut-parleur au moment opportun lorsqu’il entend le changement, il est immédiatement récompensé visuellement par l’illumination d’une boîte en plexiglas contenant un automate mécanique animé (un petit ours qui joue du tambour).
• L’enfant apprend très vite l’association conditionnée et effectue une rotation anticipatoire dès qu’il perçoit une modification phonémique.

Plus tard, Peter Jusczyk et ses collègues ont popularisé la procédure d’écoute préférentielle orientée par la tête (Head-turn Preference Procedure ou HPP), qui mesure la durée pendant laquelle un enfant maintient son regard fixé vers un voyant lumineux clignotant couplé à une source audio. Plus le bébé écoute longtemps un stimulus, plus son temps d’orientation est long, ce qui permet de mesurer non seulement la discrimination, mais aussi les préférences spontanées pour certains patrons phonologiques de la langue maternelle.

9.3 L’apport des neurosciences cognitives contemporaines

Au cours des deux dernières décennies, l’avènement des méthodes de neuro-imagerie non invasives a permis de valider et d’étendre les observations pionnières d’Eimas avec une résolution spatio-temporelle inégalée, sans solliciter aucune réponse motrice active de la part de l’enfant :

• L’électroencéphalographie à haute densité (EEG) et la MMN :
  La négativité de discordance (Mismatch Negativity ou MMN / MMR) est devenue le biomarqueur électrophysiologique de référence de la frontière catégorielle. En présentant à des bébés une séquence de sons standards (par exemple un VOT de +20 ms) interrompue aléatoirement par des stimuli déviants (VOT de +40 ms ou de 0 ms), les chercheurs ont pu démontrer l’existence d’une onde MMN automatique d’origine corticale exclusivement pour le déviant intercatégoriel. Cette onde apparaît entre 150 et 250 ms après le début du stimulus, prouvant que le cerveau préverbal opère la catégorisation phonémique avant même tout traitement conscient.
• La spectroscopie proche infrarouge fonctionnelle (fNIRS) :
  Idéale pour les bébés car silencieuse et tolérante aux mouvements, la fNIRS mesure les variations d’oxygénation de l’hémoglobine dans le cortex superficiel. Les travaux dirigés par Judit Gervain et Ghislaine Dehaene-Lambertz ont confirmé que les aires périsylviennes de l’hémisphère gauche réagissent spécifiquement aux violations de régularités phonémiques chez le nourrisson, démontrant un couplage précoce entre les réseaux de discrimination du VOT et les futures zones structurales du langage (aires de Broca et de Wernicke).

10. Comparaisons inter-espèces et spécificité biologique du mécanisme

10.1 Les études de perception catégorielle chez les animaux non humains

L’une des plus grandes surprises théoriques de l’après-Eimas est venue de la biologie comparée et de l’éthologie cognitive. Si la perception catégorielle du VOT reflétait l’action d’un module phonétique inné exclusivement humain — comme le soutenaient Chomsky et Liberman —, alors aucun animal dépourvu de parole articulée ne devrait manifester une discontinuité perceptive semblable sur ce même continuum acoustique.

Or, dès 1975, dans une étude retentissante publiée dans la revue Science, Patricia Kuhl et James D. Miller ont administré le même continuum acoustique /ba/-/pa/ à des… chinchillas (Chinchilla laniger). En utilisant un protocole de conditionnement d’évitement d’un choc électrique léger couplé à une récompense hydrique, Kuhl et Miller ont entraîné ces petits rongeurs à sauter sur une plateforme lorsqu’ils entendaient une consonne voisée et à rester immobiles pour une consonne non voisée :

• À leur stupéfaction, les chinchillas ont séparé le continuum de VOT en deux catégories distinctes.
• Mieux encore, la frontière catégorielle mesurée chez le chinchilla s’est calée avec une précision chirurgicale à +26,7 ms de VOT, un chiffre quasiment identique à la frontière humaine mesurée par Eimas chez les nourrissons et les adultes !

Dans les années qui ont suivi, des résultats comparables ont été reproduits chez des macaques rhésus, des cailles japonaises, des étourneaux et des chiens. Des organismes ne possédant aucun appareil articulatoire adapté au langage et n’ayant aucune vocation phylogénétique à parler démontraient la même sensibilité sélective aux variations de VOT.

10.2 Conséquences théoriques sur la spécificité du langage humain

Ces données de psychologie comparée ont ébranlé l’hypothèse d’un module d’acquisition du langage totalement imperméable et déconnecté de la phylogenèse sensorielle générale. Elles ont contraint les théoriciens à revoir en profondeur la nature de l’innéité postulée par Eimas :

• La frontière à +25 ms de VOT ne s’est pas développée chez l’humain pour le langage.
• Elle découle plutôt d’une contrainte neurophysiologique beaucoup plus ancienne, partagée par l’ensemble de la classe des mammifères : la limite de résolution temporelle du tronc cérébral auditif lors du traitement d’événements acoustiques successifs.

Ce renversement de perspective s’accorde avec le concept biologique d’exaptation (développé par Stephen Jay Gould) appliqué à la linguistique. L’évolution culturelle du langage n’a pas inventé de novo un système auditif ad hoc ; elle a sélectionné et exploité les discontinuités psychoacoustiques préexistantes dans le système perceptif animal. Les langues humaines ont choisi de placer leurs frontières phonologiques (/b/ vs /p/, /d/ vs /t/, /g/ vs /k/) précisément aux carrefours acoustiques où l’oreille des mammifères manifeste naturellement des seuils de discrimination spontanés.

10.3 Ce qui demeure unique à l’espèce humaine

Si le chinchilla entend une différence à +25 ms de VOT, qu’est-ce qui distingue alors le nourrisson humain du reste du règne animal ? La différence ne réside pas dans la détection sensorielle brute du front d’onde, mais dans le traitement computationnel symbolique ultérieur que le cerveau applique à ce signal :

1. L’intégration multimodale précoce : L’humain est capable dès les premiers mois de relier la perception auditive du phonème à la perception visuelle des mouvements de la bouche d’autrui (effet McGurk infantile démontré par Patricia Kuhl et Andrew Meltzoff en 1982). Le nourrisson regarde plus intensément un visage articulant /a/ lorsqu’il entend la voyelle /a/ que lorsqu’il entend la voyelle /i/.
2. L’appariement perceptivo-moteur et le babillage : Chez le bébé humain, l’activation des catégories auditives stimule directement les circuits moteurs prémoteurs (système miroir et faisceau arqué), propulsant l’enfant dans une phase de babillage exploratoire visant à reproduire activement par son tractus vocal les catégories qu’il entend.
3. La conversion phonème-lexique-syntaxe : Alors que l’animal utilise la discrimination acoustique uniquement pour guider des conduites immédiates d’approche ou d’évitement, le nourrisson humain stocke ces catégories en mémoire à long terme pour en faire les unités de base d’un lexique mental, permettant l’émergence d’une syntaxe combinatoire récursive sans équivalent dans le monde vivant.

11. Implications pour les troubles neurodéveloppementaux du langage et de l’audition

11.1 Déficits de perception catégorielle et troubles spécifiques du langage (TSL / Dysphasie)

La découverte d’une organisation catégorielle précoce du traitement des phonèmes a jeté une lumière fondamentale sur la compréhension de nombreux troubles neurodéveloppementaux, au premier rang desquels figure le Trouble Développemental du Langage (TDL), historiquement qualifié de dysphasie ou de Trouble Spécifique du Langage (TSL).

Dès les années 1970 et 1980, la neuroscientifique Paula Tallal a émis une hypothèse devenue célèbre : l’hypothèse du déficit de traitement temporel rapide (Rapid Auditory Processing Deficit). En testant des enfants présentant des difficultés majeures d’apprentissage du langage oral, Tallal a observé que leurs performances s’effondraient spécifiquement lorsque deux stimuli acoustiques se succédaient avec un intervalle inférieur à quelques dizaines de millisecondes. Appliqué à la parole, ce trouble se traduit par une incapacité chronique à discriminer les occlusives qui reposent sur des variations de VOT courtes (comme la paire /ba/-/pa/), alors même que la perception des voyelles longues demeure intacte.

Chez ces enfants, la frontière catégorielle ne présente plus la netteté en « marche d’escalier » identifiée par Eimas :

• La courbe d’identification s’aplatit, devenant un gradient flou et instable.
• Deux sons physiquement distants sur le continuum de VOT sont fréquemment confondus, empêchant la construction d’un inventaire phonologique stable.
• Cette instabilité de l’entrée perceptive se propage en cascade à l’ensemble de l’édifice linguistique, altérant la morphosyntaxe et la compréhension verbale.

11.2 Discrimination phonémique précoce et risques de dyslexie développementale

De manière similaire, les recherches longitudinales modernes ont établi un lien prédictif direct et puissant entre la précision de la discrimination catégorielle du VOT dès la naissance et les risques ultérieurs de dyslexie développementale. Dans des études pionnières menées par Dennis Molfese et ses collaborateurs, des potentiels évoqués auditifs en réponse aux contrastes /ba/ et /pa/ ont été enregistrés chez des nouveau-nés quelques heures seulement après l’accouchement :

Les enfants dont les tracés électrophysiologiques néonataux présentaient une onde MMN asymétrique et bien structurée en réponse au saut de VOT ont manifesté, à l’âge de 8 ans, d’excellentes compétences en décodage graphème-phonème et en vitesse de lecture. En revanche, les nourrissons issus de familles à risque génétique de dyslexie, dont les réponses cérébrales néonatales aux transitions de VOT étaient absentes, désynchronisées ou bilatéralement symétriques, ont présenté des taux de difficultés d’apprentissage de la lecture significativement plus élevés à l’entrée au cours préparatoire.

Ce continuum translationnel valide l’intuition d’Eimas : la robustesse de l’analyse phonémique initiale constitue le socle sur lequel repose l’ensemble de l’édifice ultérieur de la conscience phonologique et de l’accès à l’écrit.

11.3 Dépistage néonatal et programmes de remédiation précoce

Les retombées cliniques de ces découvertes ont directement influencé la médecine pédiatrique et l’orthophonie contemporaine :

• Le dépistage objectif :
  Au-delà des simples tests d’otoémissions acoustiques automatisées (OEAA) qui évaluent uniquement l’intégrité de la cochlée en maternité, les chercheurs développent des protocoles de dépistage basés sur les potentiels évoqués auditifs automatisés du tronc cérébral (PEA-tc) en réponse à des syllabes de synthèse (le test cABR ou complex Auditory Brainstem Response). Ce test évalue la précision temporelle avec laquelle le cerveau du nouveau-né retranscrit le burst et le VOT du son /ba/.
• Les entraînements acoustiques de remédiation :
  Des programmes informatisés d’entraînement perceptif (comme les logiciels dérivés des travaux de Tallal, tel Fast ForWord) reposent sur le principe de l’étirement temporel des signaux de parole : les transitions de VOT sont artificiellement amplifiées et ralenties par traitement numérique du signal pour permettre au système auditif défaillant de restaurer des frontières catégorielles stables.
• L’appareillage et l’implant cochléaire pédiatrique :
  Chez les nourrissons nés avec une surdité sévère ou profonde, le réglage des processeurs d’implants cochléaires s’appuie explicitement sur la nécessité de restituer les indices temporels du VOT, condition sine qua non pour permettre à l’enfant implanté précocement de retrouver une trajectoire d’accordage phonologique normale.

12. Héritage conceptuel et perspectives futures en psycholinguistique cognitive

12.1 L’impact de l’étude d’Eimas sur les modèles actuels du développement cognitif

Avec le recul d’un demi-siècle, l’article de Peter Eimas, Einar Siqueland, Peter Jusczyk et James Vigorito de 1971 apparaît incontestablement comme l’un des monuments fondateurs de la psychologie cognitive moderne. Son impact conceptuel a largement débordé les frontières de la phonétique et du langage pour innerver l’ensemble de la psychologie du développement.

En introduisant la technique de succion non nutritive standardisée, Eimas et ses collègues ont littéralement inventé le paradigme moderne de l’évaluation cognitive du nourrisson. Avant eux, la psychologie infantile était sous la coupe du modèle constructiviste piagétien, qui postulait que l’intelligence du bébé était purement « sensori-motrice » et qu’aucune représentation symbolique ou abstraite ne pouvait exister avant l’âge de 18 à 24 mois. Eimas a fait voler en éclats ce préjugé en prouvant qu’un bébé de quatre semaines possède déjà des mécanismes de traitement de l’information d’une sophistication insoupçonnée, ouvrant la voie aux découvertes ultérieures d’Elizabeth Spelke et de Renée Baillargeon sur la physique naïve du nourrisson (permanence de l’objet, principe de solidité spatiale) et de Karen Wynn sur la cognition numérique précoce.

De plus, l’étude d’Eimas a servi de tremplin aux modèles contemporains de l’apprentissage statistique et bayésien du langage (illustrés par les travaux de Jenny Saffran et Richard Aslin). L’enfant n’est plus vu comme une machine passive attendant des renforcements extérieurs, mais comme un puissant processeur computationnel actif qui utilise ses catégories innées initiales comme points d’ancrage pour modéliser statistiquement son environnement linguistique.

12.2 Les axes de recherche contemporains et modélisation computationnelle

À l’ère de l’intelligence artificielle et de la modélisation computationnelle, les données d’Eimas continuent d’alimenter des débats théoriques d’une brûlante actualité :

• Réseaux de neurones profonds et apprentissage auto-supervisé :
  Les chercheurs en intelligence artificielle cognitive cherchent aujourd’hui à reproduire les performances du nourrisson à l’aide de réseaux de neurones convolutionnels et récurrents (comme les modèles de type wav2vec). Entraînés uniquement sur des enregistrements bruts de voix sans aucune supervision humaine ni étiquette textuelle, ces réseaux de neurones parviennent-ils spontanément à découvrir la discontinuité du VOT à +25 ms ? Les résultats computationnels montrent que la structure statistique des ondes acoustiques combinée à des mécanismes d’auto-attention suffit parfois à faire émerger des catégories quasi-phonémiques, ravivant sous un angle algorithmique le débat inné/acquis.
• Le rôle du « parler bébé » (Infant-Directed Speech ou Motherese) :
  Des analyses acoustiques poussées révèlent que les mères et les pères du monde entier modifient instinctivement leur manière de s’adresser aux nourrissons : ils dilatent l’espace vocalique, augmentent la hauteur tonale, mais surtout hyper-articulent les consonnes occlusives en allongeant le VOT des phonèmes aspirés. Cette adaptation parentale universelle a pour effet de repousser artificiellement les stimuli bien au-delà de la frontière catégorielle d’Eimas (par exemple en produisant des /pa/ avec des VOT de +80 à +100 ms), rendant le contraste encore plus saillant pour faciliter l’accordage phonologique du cerveau en développement.
• Épigénétique et plasticité développementale :
  Les recherches contemporaines explorent les mécanismes épigénétiques (méthylation de l’ADN, modifications d’histones) qui régulent la fermeture des périodes critiques de discrimination phonémique. Pourquoi la pan-discrimination s’éteint-elle irrémédiablement vers 10-12 mois ? Identifier les régulateurs moléculaires de cette plasticité synaptique ouvre des perspectives inédites pour réactiver, chez l’adulte, la capacité d’apprendre des langues étrangères sans accent phonologique résiduel.

12.3 Conclusion : Peter Eimas et la révolution de la perception infantile

En conclusion, l’expérience canonique de Peter Eimas sur la discrimination du contraste /ba/-/pa/ chez le nourrisson a profondément transformé notre regard sur la nature humaine. En révélant qu’un bébé de quatre semaines ne perçoit pas le monde sonore comme une masse continue et indifférenciée, mais segmente déjà le flux vocal en unités catégorielles discrètes, Eimas a dévoilé l’existence d’une affinité biologique native entre l’esprit de l’enfant et la structure linguistique de la parole.

Cette découverte fondamentale a prouvé que la perception catégorielle constitue la passerelle initiale, la clé de voûte indispensable assurant le passage du signal physique acoustique à la dimension symbolique du langage. En démontrant l’existence de ces prédispositions précoces, Eimas n’a pas seulement réfuté le modèle réducteur de la tabula rasa ; il a inauguré un demi-siècle de recherches passionnantes qui continuent de dévoiler, avec chaque nouvelle génération de chercheurs, l’étonnante et précoce complexité de l’esprit humain dès les premiers instants de la vie.

Références

Abramson, A. S., & Lisker, L. (1970). Discriminability along the voicing continuum: Cross-language tests. Proceedings of the Sixth International Congress of Phonetic Sciences, 569–573. Prague: Academia.

Aslin, R. N., Pisoni, D. B., Hennessy, B. L., & Perey, A. J. (1981). Discrimination of voice onset time by human infants: New findings and implications for the effects of early experience. Child Development, 52(4), 1135–1145. https://doi.org/10.2307/1129500

Chomsky, N. (1959). A review of B. F. Skinner’s Verbal Behavior. Language, 35(1), 26–58. https://doi.org/10.2307/411334

DeCasper, A. J., & Fifer, W. P. (1980). Of human bonding: Newborns prefer their mothers’ voices. Science, 208(4448), 1174–1176. https://doi.org/10.1126/science.7375928

Dehaene-Lambertz, G., & Baillet, S. (1998). A phonological representation in the infant brain. NeuroReport, 9(8), 1885–1888. https://doi.org/10.1097/00001756-199806010-00040

Eimas, P. D., & Corbit, J. D. (1973). Selective adaptation of linguistic feature detectors. Cognitive Psychology, 4(1), 99–109. https://doi.org/10.1016/0010-0285(73)90006-6

Eimas, P. D., Siqueland, E. R., Jusczyk, P., & Vigorito, J. (1971). Speech perception in infants. Science, 171(3968), 303–306. https://doi.org/10.1126/science.171.3968.303

Gervain, J., Macagno, F., Cogoi, S., Peña, M., & Mehler, J. (2008). The neonate brain detects speech structure. Proceedings of the National Academy of Sciences, 105(37), 14222–14227. https://doi.org/10.1073/pnas.0806530105

Jusczyk, P. W. (1997). The Discovery of Spoken Language. Cambridge, MA: MIT Press.

Kuhl, P. K. (1991). Human adults and human infants show a « perceptual magnet effect » for the sounds of speech, monkeys do not. Perception & Psychophysics, 50(2), 93–107. https://doi.org/10.3758/BF03212211

Kuhl, P. K., & Meltzoff, A. N. (1982). The bimodal perception of speech in infancy. Science, 218(4577), 1138–1141. https://doi.org/10.1126/science.7146899

Kuhl, P. K., & Miller, J. D. (1975). Speech perception by the chinchilla: Voiced-voiceless distinction in alveolar plosive consonants. Science, 190(4209), 69–72. https://doi.org/10.1126/science.1166301

Lenneberg, E. H. (1967). Biological Foundations of Language. New York: John Wiley & Sons.

Liberman, A. M., Cooper, F. S., Shankweiler, D. P., & Studdert-Kennedy, M. (1967). Perception of the speech code. Psychological Review, 74(6), 431–461. https://doi.org/10.1037/h0020279

Lisker, L., & Abramson, A. S. (1964). A cross-language study of voicing in initial stops: Acoustical measurements. Word, 20(3), 384–422. https://doi.org/10.1080/00437956.1964.11659830

Molfese, D. L. (2000). Predicting dyslexia at 8 years of age using neonatal brain responses. Brain and Language, 72(3), 238–245. https://doi.org/10.1006/brln.2000.2287

Poeppel, D. (2003). The analysis of speech in different time domains: Convergent evidence from psychophysics, neurobiology, and neuroimaging. Neuroscience & Biobehavioral Reviews, 27(1–2), 153–161. https://doi.org/10.1016/S0149-7634(03)00018-4

Saffran, J. R., Aslin, R. N., & Newport, E. L. (1996). Statistical learning by 8-month-old infants. Science, 274(5294), 1926–1928. https://doi.org/10.1126/science.274.5294.1926

Siqueland, E. R., & DeLucia, C. A. (1969). Visual reinforcement of non-nutritive sucking in human infants. Science, 165(3898), 1144–1146. https://doi.org/10.1126/science.165.3898.1144

Skinner, B. F. (1957). Verbal Behavior. New York: Appleton-Century-Crofts.

Tallal, P. (2004). Improving language and literacy is a matter of time. Nature Reviews Neuroscience, 5(9), 721–728. https://doi.org/10.1038/nrn1499

Trehub, S. E. (1973). Infants’ sensitivity to vowel and tonal contrasts. Developmental Psychology, 9(1), 91–96. https://doi.org/10.1037/h0035076

Werker, J. F., & Tees, R. C. (1984). Cross-language speech perception: Evidence for perceptual reorganization during the first year of life. Infant Behavior and Development, 7(1), 49–63. https://doi.org/10.1016/S0163-6383(84)80022-3