Expérience de Paradoxe – Diana Deutsch L’Illusion du Son de Shepard – Roger Shepard Le

La perception humaine est traditionnellement conçue comme une fenêtre transparente ouvrant sur la réalité physique environnante, un système de transduction fidèle convertissant les ondes mécaniques et électromagnétiques en représentations mentales univoques. Toutefois, l’investigation empirique menée depuis la seconde moitié du vingtième siècle a radicalement ébranlé ce postulat naïf. En psychoacoustique et en sciences cognitives, l’étude des illusions auditives a révélé que l’écoute n’est point un enregistrement passif des vibrations de l’air, mais une reconstruction inférentielle dynamique, soumise à des contraintes computationnelles, des a priori architecturaux et des heuristiques neurobiologiques spécifiques. Loin de constituer de simples curiosités de laboratoire, les paradoxes auditifs représentent des sondes épistémologiques fondamentales permettant de disséquer l’appareil cognitif humain.

Au cœur de cette révolution scientifique se trouvent deux figures tutélaires dont les contributions ont redéfini notre compréhension de la hauteur tonale et de la scène auditive : le psychologue cogniticien américain Roger Shepard et la psychoacousticienne britanno-américaine Diana Deutsch. En 1964, Roger Shepard a conçu une configuration spectrale révolutionnaire, le « son de Shepard », démontrant que la dimension perçue de la hauteur tonale peut être scindée de sa continuité fréquentielle physique, engendrant l’illusion vertigineuse d’une gamme s’élevant ou descendant indéfiniment sans jamais quitter son registre moyen. Quelques années plus tard, s’appuyant sur ces bases tout en explorant les mécanismes de la rivalité binaurale et de l’ambiguïté directionnelle, Diana Deutsch a mis au jour une constellation de paradoxes fascinants, notamment le paradoxe du triton, l’illusion de l’octave et l’illusion de l’échelle, révélant la nature profondément subjective, latéralisée et culturellement conditionnée de notre audition.

Cet article propose une exploration exhaustive, rigoureuse et multidisciplinaire de ces phénomènes fondateurs. En naviguant à travers l’acoustique fondamentale, le traitement du signal, la neurobiologie computationnelle, la linguistique cognitive et l’esthétique musicale, nous analyserons comment les expériences de Roger Shepard et de Diana Deutsch ont déconstruit l’espace tonal classique. Nous examinerons les mécanismes spectraux qui rendent possibles ces paradoxes, les réseaux neuronaux sous-jacents qui tentent de résoudre ces équations sensorielles indéterminées, ainsi que les répercussions profondes de ces découvertes sur la philosophie de l’esprit contemporaine et les technologies immersives émergentes.

1. Introduction aux paradoxes psychoacoustiques et fondements de la perception auditive

1.1 Définition et épistémologie de l’illusion auditive en psychophysique

Dans le cadre strict de la psychophysique et de l’épistémologie des sciences de l’esprit, l’illusion auditive ne doit en aucun cas être assimilée à une défaillance pathologique ou à un dysfonctionnement des organes récepteurs périphériques. Elle se définit avec rigueur comme une divergence systématique, reproductible et robuste entre les propriétés physiques mesurables du stimulus acoustique — telles que la fréquence fondamentale, le spectre harmonique, la phase et le niveau de pression acoustique — et le percept phénoménologique éprouvé par le sujet conscient. Là où le signal acoustique objectif présente une configuration univoque dans le domaine électroacoustique, le système nerveux central en infère une structure organisée divergente, souvent porteuse d’une signification géométrique ou musicale radicalement différente.

D’un point de vue heuristique, l’illusion joue en psychoacoustique cognitive le rôle précis d’un réactif expérimental. En confrontant le système perceptif à des stimuli mathématiquement ambigus, dégénérés ou contradictoires, le chercheur force les mécanismes inconscients de traitement de l’information à révéler leurs règles de fonctionnement intrinsèques. Ces contraintes algorithmiques et neuronales, forgées par les pressions évolutives au cours de la phylogenèse, demeurent invisibles lorsque le sujet est immergé dans un environnement écologique où les indices redondants garantissent une interprétation immédiate et stable. La genèse de la psychoacoustique cognitive au milieu du XXe siècle, sous l’égide de pionniers appliquant la théorie de l’information aux données sensorielles, a ainsi marqué le passage d’une métrologie auditive purement mécanique vers une étude approfondie de l’architecture computationnelle du cerveau.

Les stimuli dits paradoxaux ou bistables constituent à cet égard le paradigme d’investigation le plus fécond. Lorsqu’un signal présente deux solutions perceptuelles également probables sur le plan énergétique, l’appareil cognitif est contraint de trancher, alternant spontanément entre deux interprétations exclusives ou stabilisant un percept fondé sur des règles internes non conscientes. Ces situations expérimentales démontrent que le percept n’est point un décalque passif de l’environnement physique, mais une construction active, un modèle hypothétique engendré par le système nerveux central pour conférer une cohérence structurelle à une entrée sensorielle fragmentaire.

1.2 Historique des recherches pionnières sur la hauteur tonale

L’histoire de la théorie auditive est dominée par la recherche d’une modélisation adéquate de la hauteur tonale (en anglais, pitch). Le modèle historique traditionnel, hérité des travaux canoniques de mathématiciens et physiciens tels que Pythagore, Joseph Sauveur et plus tard John William Strutt Rayleigh, concevait la hauteur comme une grandeur strictement unidimensionnelle, isomorphe à l’axe continu des fréquences fondamentales mesurées en Hertz. Dans ce cadre linéaire unidirectionnel, un son ne pouvait être que supérieur ou inférieur à un autre dans une échelle continue, monotone et invariante, s’étendant des infrasons les plus graves jusqu’aux ultrasons les plus aigus accessibles à l’oreille humaine.

Cette vision simplificatrice fut mise à l’épreuve de façon décisive au XIXe siècle par les recherches magistrales d’Hermann von Helmholtz. Dans son traité séminal de 1863, Die Lehre von den Tonempfindungen als physiologische Grundlage für die Theorie der Musik, Helmholtz élabora la théorie de la résonance cochléaire, postulant une relation topographique étroite entre le lieu d’excitation mécanique sur la membrane basilaire de l’oreille interne et la sensation tonale perçue. Cependant, bien qu’Helmholtz ait jeté les fondements de la tonotopie physiologique, les limites de ce modèle strictement spatial apparurent rapidement : il échouait à expliquer la constance de la hauteur en présence d’harmoniques complexes sans fondamentale physique (le phénomène de la « fondamentale manquante ») ainsi que la relation de parenté circulaire unique unissant deux notes séparées par une octave.

Ces anomalies empiriques précipitèrent, dans les décennies précédant les travaux de Shepard, une révision conceptuelle majeure. Les psychoacousticiens furent contraints d’abandonner l’hypothèse unidimensionnelle au profit d’une structure géométrique multidimensionnelle distinguant formellement deux attributs orthogonaux de la hauteur : la tonie (hauteur spectrale globale, ou tone height), qui correspond au continuum linéaire grave-aigu dépendant de l’énergie fréquentielle globale, et la classe de hauteur ou chroma (tone chroma), qui capture l’identité fonctionnelle et perceptive circulaire des douze demi-tons de la gamme chromatique occidentale, invariant à travers les multiples registres d’octaves.

1.3 Convergence des paradigmes expérimentaux de Shepard et Deutsch

C’est à la confluence de cette modélisation dimensionnelle de la hauteur et de l’essor de l’informatique appliquée à la synthèse sonore que s’opère la rencontre intellectuelle entre Roger Shepard et Diana Deutsch. Si leurs protocoles d’investigation respectifs possèdent des caractéristiques méthodologiques propres, ils partagent un même socle épistémologique : l’utilisation d’outils de synthèse numérique pour concevoir des signaux acoustiques impossibles à générer par des instruments acoustiques traditionnels, spécifiquement calibrés pour dissocier des variables psychoacoustiques historiquement corrélées.

Roger Shepard a abordé cette problématique sous l’angle de la géométrie différentielle et de la psychologie de la forme (Gestalt), s’interrogeant sur la topologie de l’espace mental des concepts perceptifs. En isolant mathématiquement le chroma de la tonie grâce à un filtrage d’enveloppe spectrale immobile, Shepard a fourni la démonstration définitive de la nature hélicoïdale de la hauteur auditive. Diana Deutsch, quant à elle, a poursuivi cette quête en introduisant des structures mélodiques interactives, des conditions d’écoute dichotiques hautement contrôlées et des intervalles ambigus comme le triton, déplaçant le projecteur vers les asymétries cérébrales, la rivalité hémisphérique et les influences développementales linguistiques.

Leur convergence paradigmatique a pulvérisé le réductionnisme acoustique qui postulait une correspondance biunivoque entre excitation cochléaire et perception consciente. Les travaux conjugués de Shepard et de Deutsch ont démontré que la perception musicale est régie par des architectures cognitives sophistiquées, qui structurent la masse sonore selon des principes d’économie computationnelle, de groupement organisationnel et de matrices de mémoire à long terme. Cette révolution a profondément fertilisé la psychologie cognitive, la linguistique formelle, la neurobiologie des systèmes et a offert à la théorie musicale contemporaine une assise scientifique rigoureuse quant à la nature de la consonance, de la dissonance et de la syntaxe harmonique.

2. Roger Shepard et la genèse de l’illusion du son de Shepard

2.1 Le parcours intellectuel de Roger Shepard et la spatialisation mentale

Figure dominante de la psychologie cognitive de la seconde moitié du XXe siècle, Roger Newland Shepard s’est initialement illustré par ses travaux fondateurs sur l’imagerie mentale et le positionnement spatial de représentations abstraites. Dès les années 1960, ses expériences novatrices avec Jacqueline Metzler sur la rotation mentale d’objets tridimensionnels ont apporté la preuve expérimentale rigoureuse que l’esprit humain effectue des transformations internes continues dans un espace cognitif analogue à l’espace physique euclidien. Doté d’une profonde intuition géométrique et d’un intérêt marqué pour la topologie des espaces de données perceptives, Shepard cherchait à formaliser les lois universelles régissant la similarité et la généralisation chez les organismes vivants.

Dans ce cadre théorique, l’audition et la musique représentaient pour lui un terrain de recherche d’une rare élégance formelle. Constatant que la théorie musicale classique postule simultanément une progression ascensionnelle sans fin des fréquences et une équivalence circulaire périodique des notes partageant le même nom d’une octave à l’autre, Shepard s’est interrogé sur la morphologie géométrique précise de la représentation mentale de la hauteur. Alors chercheur aux prestigieux Laboratoires Bell — épicentre technologique où Max Mathews posait alors les jalons historiques de la musique par ordinateur — Shepard a bénéficié de la puissance inédite du logiciel MUSIC IV pour concevoir des formes d’ondes rigoureusement contrôlées.

C’est dans ce contexte d’effervescence scientifique qu’il publia en 1964, dans le Journal of the Acoustical Society of America, son article séminal : Circularity in Judgments of Relative Pitch. Par cette publication historique, Shepard ne s’est pas borné à décrire une illusion auditive frappante ; il a apporté la démonstration mathématique et empirique que notre système nerveux encode la hauteur tonale non pas le long d’un segment linéaire unique, mais au sein d’une structure spatiale complexe dont la projection dimensionnelle peut être expérimentalement manipulée et refermée sur elle-même.

2.2 La décomposition de la hauteur : ‘Height’ versus ‘Chroma’

Pour matérialiser la circularité des hauteurs, Shepard a procédé à une opération théorique et pratique d’une redoutable ingéniosité : la dissociation complète entre la tonie (tone height) et le chroma (tone chroma). Dans l’univers acoustique naturel, chaque fois qu’un instrumentiste joue une note plus aiguë sur une flûte ou un piano, deux phénomènes se produisent de concert : d’une part, la fréquence fondamentale s’élève, déplaçant le centroïde spectral vers le haut du spectre (variation de la tonie) ; d’autre part, la position de la note au sein de la gamme de douze demi-tons se modifie cycliquement (variation du chroma). Parce que ces deux dimensions varient presque toujours de façon synchrone dans la nature, le sens commun les confond en un concept unique : la hauteur tonale.

Shepard a conceptualisé l’espace de la hauteur sous la forme géométrique d’une hélice cylindrique tridimensionnelle verticale. Dans cette représentation topologique fondamentale :

• L’axe vertical continu représente la tonie générale (tone height), qui s’étend indéfiniment du registre infrasonore jusqu’aux limites physiologiques des hautes fréquences ;
• Le pourtour circulaire horizontal représente le cycle des douze classes de hauteurs (chroma : Do, Do#, Ré, etc.), qui se boucle périodiquement tous les douze demi-tons ;
• Une octave complète correspond exactement à un tour hélicoïdal complet de 360 degrés, plaçant une note donnée (par exemple un Do3) directement à la verticale de sa réplique d’octave supérieure (Do4), mais située plus haut sur l’axe d’élévation spatiale.

L’exploit psychophysique de Shepard a consisté à concevoir un stimulus sonore dont la composante verticale d’élévation est systématiquement annihilée ou maintenue statique au niveau spectral, ne laissant s’exprimer que la composante circulaire du chroma. En projetant ainsi l’hélice tridimensionnelle sur un plan bidimensionnel orthogonal, l’hélice est aplatie en un cercle parfait fermé. Dès lors, lorsqu’une séquence ordonnée de ces stimuli est jouée de façon séquentielle le long du cercle, l’auditeur perçoit sans équivoque une ascension mélodique continue, tout en constatant avec stupéfaction que le registre moyen général du son ne quitte jamais sa bande fréquentielle initiale.

2.3 L’analogie de la rampe de Penrose et de l’escalier infini

Afin de rendre intelligible ce paradoxe cognitif à la communauté scientifique et au grand public, Shepard lui-même, ainsi que les commentateurs ultérieurs, ont immédiatement convoqué une analogie visuelle saisissante : les structures géométriques paradoxales formalisées par le généticien Lionel Penrose et son fils mathématicien Roger Penrose en 1958, rendues mondialement célèbres par l’artiste néerlandais M.C. Escher. L’escalier de Penrose, immortalisé dans la célèbre lithographie Klimmen en dalen (Montée et descente, 1960), représente un escalier en boucle fermée à quatre angles droits où des moines semblent gravir éternellement des marches sans jamais parvenir à une altitude supérieure.

Le parallélisme entre l’escalier d’Escher et le son de Shepard repose sur une identité rigoureuse de traitement neuro-cognitif. Dans les deux cas, le cerveau utilise des règles heuristiques locales pour reconstruire une globalité impossible. Face à l’escalier d’Escher, le cortex visuel analyse chaque marche individuellement selon les lois de la perspective linéaire standard : chaque marche consécutive est interprétée comme étant géométriquement plus haute que la précédente. Cependant, en raison de déformations projectives subtiles distribuées sur l’ensemble de la figure, ces gradients d’altitude locaux contredisent la topologie globale du circuit, forçant l’esprit à accepter une boucle fermée contradictoire.

Dans l’échelle de Shepard, le processus opère exactement selon le même arbitrage computationnel. Le système auditif évalue la relation entre deux sons consécutifs en appliquant le principe gestaltiste de proximité fréquentielle : l’oreille relie les composantes harmoniques adjacentes qui présentent la plus courte distance spectrale, concluant sans ambiguïté à un mouvement ascendant d’un demi-ton. Simultanément, l’enveloppe spectrale globale restant stationnaire, aucune dérive énergétique ascendante n’est transmise aux centres d’analyse intégrative du tronc cérébral et du cortex temporal. La continuité locale prévaut ainsi de manière écrasante sur la cohérence globale, imposant à la conscience le percept d’une montée infinie contenue dans un espace physique strictement invariant.

3. Mécanismes acoustiques et mathématiques de l’échelle de Shepard

3.1 Structure spectrale et composition des harmoniques

La génération électroacoustique d’un complexe tonal de Shepard requiert une architecture mathématique déterministe extrêmement rigoureuse. Contrairement aux timbres musicaux conventionnels, dont les partiels harmoniques suivent une progression linéaire entière ($f_0, 2f_0, 3f_0, 4f_0, dots$) générant une perception univoque de hauteur par identification de la fréquence fondamentale, le son de Shepard est constitué d’une superposition stricte de partiels sinusoïdaux exclusivement séparés par des intervalles d’octave géométrique. Chaque complexe sonore comprend généralement entre six et dix composantes sinusoïdales, dont les fréquences respectent la relation fondamentale :

$$f_i = f_0 \cdot 2^i$$

où $f_0$ représente la fréquence de base du chroma sélectionné et $i$ un indice entier positif ou négatif centré sur le registre d’écoute optimal. En espaçant les harmoniques d’une octave exacte (soit un rapport de fréquence de 2:1), le spectre supprime tous les partiels impairs et les harmoniques intermédiaires qui fourniraient au cerveau un indice déterminant sur la tonie absolue du stimulus.

La pièce maîtresse de cette construction réside dans l’application impérative d’une fonction d’atténuation spectrale fixe, invariante dans le temps, agissant comme un filtre passe-bande à pente douce. Cette enveloppe d’amplitude est classiquement définie par une distribution gaussienne ou une fonction cosinus surélevée (en cloche) projetée sur une échelle logarithmique des fréquences (échelle des octaves). L’amplitude $A(f)$ d’une composante sinusoïdale de fréquence $f$ est ainsi rigoureusement pondérée selon l’équation générale :

$$A(f) = \frac{1}{2} \left[ 1 – \cos\left( 2\pi \frac{\log_2(f) – \log_2(f_{\min})}{\log_2(f_{\max}) – \log_2(f_{\min})} \right) \right]$$

Dans ce cadre analytique, $f_{\min}$ et $f_{\max}$ délimitent les frontières extrêmes de la bande passante audible (souvent calibrées entre 20 Hz et 20 000 Hz, avec un pic culminant à la médiane de 500 Hz ou 1 000 Hz). En vertu de cette distribution mathématique, les partiels situés aux extrêmes aigus et graves du spectre présentent une intensité infinitésimale, quasi inaudible, frôlant le seuil absolu d’audibilité. À mesure qu’une note progresse vers le haut du cycle chromatique, ses composantes se décalent vers les hautes fréquences ; la composante la plus aiguë finit par disparaître sous le seuil d’audibilité, tandis qu’à l’opposé exact du spectre, une nouvelle composante grave émerge imperceptiblement du silence. Cette transition stochastique continue masque intégralement toute discontinuité temporelle ou spectrale à la conscience auditive.

3.2 Le glissando continu de Shepard-Risset

Bien que l’illusion conçue par Roger Shepard en 1964 ait initialement été articulée sous la forme d’une gamme discrète — constituée de notes successives staccato de demi-ton en demi-ton —, le compositeur, acousticien et chercheur français Jean-Claude Risset en a conçu en 1968 une extrapolation continue magistrale au sein des Laboratoires Bell. Risset a transformé l’échelle à pas discrets en un glissando exponentiel continu, conférant au phénomène une puissance dramatique et cinétique inédite.

Dans le glissando de Shepard-Risset, les fréquences individuelles de toutes les composantes sinusoïdales glissent continuellement dans le domaine temporel selon une fonction de rampe logarithmique ou exponentielle. Si la vitesse de glissement est notée $r$ (en octaves par seconde), la fréquence instantanée $f_i(t)$ de la $i$-ème composante harmonique à l’instant $t$ obéit à la loi temporelle :

$$f_i(t) = f_i(0) \cdot 2^{r \cdot t}$$

Pendant que chaque sinusoïde s’élève (ou descend) continuellement en fréquence, son amplitude instantanée est continuellement recalculée en temps réel en fonction de sa position exacte sous l’enveloppe spectrale gaussienne fixe. Le flux sonore se transforme ainsi en un vortex fréquentiel fascinant : l’auditeur entend une tonalité qui monte de façon ininterrompue, avec une sensation de tension ou de chute viscérale, sans que le centroïde spectral ou la brillance globale du signal ne se déplace d’un seul Hertz sur l’analyseur de spectre.

Cette forme d’onde continue représente une prouesse esthétique et théorique majeure de la synthèse sonore par ordinateur. Elle déjoue complètement l’analyse spectro-temporelle cochléaire : alors que la dérivée temporelle locale de la phase et de la fréquence de chaque canal de la cochlée est strictement positive (indiquant sans ambiguïté une montée), l’intégrale spectrale stationnaire interdit tout déplacement macroscopique du barycentre de puissance acoustique.

3.3 Traitement du signal et implémentation computationnelle

Sur le plan du traitement numérique du signal (DSP), l’implémentation algorithmique d’un synthétiseur de Shepard requiert le respect scrupuleux de paramètres d’échantillonnage et de filtrage pour préserver la totale transparence de l’illusion. Si la synthèse par tables d’ondes (wavetable synthesis) ou la synthèse additive directe dans le domaine temporel est employée, une fréquence d’échantillonnage standard de 44,1 kHz ou 48 kHz est impérative, assortie d’une quantification sur 16 ou 24 bits pour éviter tout bruit de quantification dans les zones d’atténuation extrême de l’enveloppe spectrale.

La stabilité perceptuelle de l’illusion est intimement liée à deux paramètres critiques :

• La largeur de bande de l’enveloppe gaussienne ($\sigma$) : Une bande passante trop étroite réduit le complexe sonore à deux ou trois composantes audibles, rendant le filtrage spectral évident à l’oreille et détruisant l’ambiguïté directionnelle. Inversement, une bande passante excessivement large expose les bords du spectre au repliement spectral (aliasing) lors des modulations aiguës et active les bandes critiques périphériques où la sensibilité auditive s’effondre de façon non linéaire ;
• Le choix de la fréquence centrale ($f_c$) : Elle doit idéalement être calée au centre de la région de résonance maximale de l’oreille humaine, entre 500 Hz et 2 000 Hz, zone où la résolution des canaux auditifs permet d’intégrer simultanément le patron harmonique sans privilégier une composante individuelle ;
• L’étalement des phases initiales : Afin de prévenir l’apparition de crêtes de pression acoustique massives consécutives à une cohérence de phase (effet dit de modulation de crête d’amplitude), les phases de départ $\phi_i$ de chaque partiel sinusoïdal doivent être dispersées de façon aléatoire ou fixées selon une distribution de phase de Schroeder.

Lorsque ces contraintes algorithmiques sont satisfaites, le signal présente une invulnérabilité psychoacoustique exceptionnelle face aux variations d’amplitude et de vitesse d’exécution. Que l’échelle soit déroulée à raison de dix notes par seconde ou d’une note toutes les cinq secondes, l’effet d’ascension ou de chute sans fin persiste avec une robustesse clinique indiscutable.

4. Diana Deutsch et l’exploration des paradoxes musicaux

4.1 Cadre théorique de l’analyse des scènes auditives selon Deutsch

Tandis que Roger Shepard a fondé ses démarches sur une spatialisation géométrique et normative de la perception, la psychoacousticienne Diana Deutsch, professeure de psychologie à l’Université de Californie à San Diego (UCSD), a abordé les paradoxes auditifs sous l’angle de la théorie du traitement de l’information et de l’organisation des flux sonores complexes. Ses recherches ont apporté une contribution majeure à ce qu’Albert Bregman formalisera plus tard sous le concept d’Analyse de Scène Auditive (Auditory Scene Analysis ou ASA).

Le postulat directeur de Diana Deutsch stipule qu’en milieu naturel, le signal arrivant aux conduits auditifs est un mélange intriqué et superposé de vibrations mécaniques issues de sources multiples et spatialement distinctes. Pour extraire un sens cohérent de ce magma sensoriel, l’architecture cognitive doit continuellement accomplir deux opérations computationnelles antagonistes mais complémentaires :

• La fusion perceptive : regrouper en une entité sonore unique (une « source ») différentes composantes spectrales émises au même instant ;
• La ségrégation perceptive (fission de flux) : disjoindre et classifier les composantes sonores qui appartiennent à des événements distincts dans l’environnement.

Dans ce cadre analytique, Deutsch a démontré que le flux physique brut transmis aux membranes tympaniques est fréquemment scindé, démantelé et réassemblé de façon spectaculaire par les étages corticaux supérieurs avant d’atteindre le champ de la perception consciente. En particulier, Deutsch a mis l’accent sur le rôle fondamental de la latéralisation auditive et de la spécialisation hémisphérique. En concevant des protocoles où les oreilles reçoivent des informations concurrentes décorrélées, elle a révélé que les mécanismes neuronaux responsables de déterminer « quoi » (la fréquence, le timbre) et « où » (la localisation spatiale de la source) ne sont pas intégrés de façon rigide et unitaire, mais relèvent de voies de traitement parallèles susceptibles d’entrer en dissociation ouverte.

4.2 Méthodologie expérimentale en psychoacoustique cognitive

La méthodologie scientifique élaborée par Diana Deutsch est reconnue pour sa rigueur paradigmatique, éliminant systématiquement les biais méthodologiques inhérents aux expérimentations acoustiques antérieures. Afin de neutraliser les indices contextuels susceptibles de biaiser l’écoute — tels que la réverbération de la pièce, les réflexions murales des ondes stationnaires ou les micro-variations de dynamique instrumentale —, tous les stimuli conçus par Deutsch sont générés par ordinateur sous forme d’ondes sinusoïdales pures ou de complexes spectraux strictement paramétrés, sans transitoires d’attaque percussifs susceptibles de fournir des indices temporels parasites.

Les protocoles d’administration expérimentale s’articulent presque universellement autour de l’écoute dichotique sous casques stéréophoniques haute fidélité étalonnés au décibel près. L’écoute dichotique consiste à acheminer simultanément des signaux acoustiques distincts, synchronisés à la milliseconde près, vers l’oreille gauche et l’oreille droite du participant. Les signaux sont conçus avec des enveloppes d’amplitude à montée et descente graduelles (souvent des rampes cosinusoïdales de 5 à 10 millisecondes) pour prohiber tout clic de commutation acoustique qui pourrait trahir le rythme d’alternance des canaux.

De surcroît, la méthodologie de recueil de données mise en œuvre par Deutsch associe une catégorisation psychométrique fine à une sélection scrupuleuse des cohortes expérimentales. Les tests sont soumis à la fois à des sujets musicalement naïfs et à des instrumentistes d’élite ou des chanteurs professionnels dotés ou non de l’oreille absolue. Les participants sont tenus de consigner leurs percepts au moyen de tâches de choix forcé, d’annotations sur partitions vierges, de reproductions vocales ou de pointages graphiques, autorisant des analyses statistiques paramétriques de haute précision méthodologique.

4.3 Classification générale des illusions auditives découvertes par Deutsch

À travers plus de quatre décennies de recherches pionnières, Diana Deutsch a établi une véritable nosologie des anomalies perceptives auditives, qui se structure autour de trois grandes familles fonctionnelles :

• Les illusions de regroupement spatial et tonal : Cette classe rassemble les phénomènes où le cerveau réorganise spatialement des fréquences objectives pour préserver des régularités mélodiques. L’illustration la plus emblématique est l’Illusion de l’échelle (Scale Illusion), dans laquelle des fragments d’échelles alternés entre les deux oreilles sont inconsciemment recomposés en deux lignes mélodiques continues, l’une entièrement confinée dans l’aigu et localisée dans une oreille, l’autre confinée dans le grave et localisée dans l’autre ;
• Les illusions de hauteur relative et ambiguïté directionnelle : Cette catégorie inclut le célèbre Paradoxe du triton (Tritone Paradox), où deux tons complexes séparés par une demi-octave sont perçus avec certitude comme montant par un auditeur et comme descendant par un autre, ainsi que l’illusion de la glissade chromatique (Glide Illusion) ;
• Les paradoxes de dissociation fonctionnelle : Le Paradoxe de l’octave (Octave Illusion) constitue le chef-d’œuvre de cette catégorie. Il met en lumière une fracture complète du traitement cognitif en scindant la localisation spatiale de la fréquence entendue : le sujet entend un son aigu localisé invariablement dans une oreille et un son grave dans l’autre, alors même que les deux fréquences alternent continuellement et simultanément entre les deux récepteurs auriculaires.

L’ensemble de ces découvertes a révélé que la cognition musicale obéit à des lois d’auto-organisation puissantes, dictées par une hiérarchie modulaire où l’oreille périphérique ne fait que capter un signal que le système nerveux central fragmente et recompose selon ses propres règles d’ordonnancement préétablies.

5. Le paradoxe du triton de Diana Deutsch : phénoménologie et dynamique

5.1 Architecture acoustique du triton paradoxal

Découvert et formalisé par Diana Deutsch en 1986, le paradoxe du triton représente sans conteste l’un des phénomènes psychoacoustiques les plus spectaculaires jamais documentés. Pour construire ce stimulus déroutant, Deutsch a opéré une synthèse hautement sophistiquée des complexes spectraux de Shepard. Chaque stimulus du paradigme est un son de Shepard rigoureusement calibré, composé exclusivement de sinusoïdes séparées par des intervalles d’octave et soumises à une enveloppe spectrale en cloche fixe et symétrique dont la bande passante médiane est invariable.

Le protocole acoustique consiste à présenter au sujet un couple de deux sons de Shepard consécutifs, notés Son A et Son B, séparés par un intervalle musical précis d’exactement six demi-tons : le triton (par exemple Do suivi de Fa#, ou Ré suivi de Sol#). Dans le système tempéré occidental, le triton présente une propriété mathématique singulière : il coupe l’octave de douze demi-tons en deux parties rigoureusement égales (un rapport de fréquence théorique de $\sqrt{2} \approx 1,4142$ dans le tempérament égal). Sur le cercle géométrique des classes de hauteurs (le cercle chromatique de Shepard), les deux notes se trouvent donc diamétralement opposées à 180 degrés d’intervalle.

En vertu de cette opposition géométrique parfaite sur la circonférence du chroma, la distance pour naviguer d’une note à l’autre en empruntant le sens horaire (mouvement ascendant) est strictement équivalente à la distance requise en empruntant le sens anti-horaire (mouvement descendant) : exactement six demi-tons dans les deux directions. Comme le profil spectral d’enveloppe reste parfaitement fixe et symétrique pour les deux notes, aucun indice physique extérieur ne permet au système auditif de privilégier un sens de parcours par rapport à l’autre. L’équation acoustique est délibérément indéterminée.

5.2 Bistabilité perceptive et dichotomie ascendante/descendante

Face à ce stimulus structurellement équivoque, le comportement du cerveau humain diverge de façon radicale de ce que prédirait une analyse acoustique classique. Au lieu de rapporter une indécision, un son confus ou une superposition bistable aléatoire, l’auditeur fait l’expérience d’un percept extraordinairement clair, net et sans ambiguïté : il entend de manière catégorique soit un intervalle montant (par exemple du Do vers le Fa# supérieur), soit un intervalle descendant (du Do vers le Fa# inférieur).

Le caractère véritablement stupéfiant du paradoxe du triton se manifeste dans les deux observations fondamentales établies par Diana Deutsch au fil de protocoles expérimentaux exhaustifs :

• L’invariance intra-individuelle : Si un auditeur entend le couple Do-Fa# comme un intervalle ascendant, il l’entendra continuellement comme montant, même s’il réécoute la séquence des centaines de fois à des jours, des semaines ou des années d’intervalle. Le percept est ancré dans la structure cognitive du sujet avec une stabilité déconcertante ;
• La divergence interindividuelle absolue : Si deux personnes écoutent exactement la même paire de sons dans les mêmes conditions physiques de reproduction acoustique, l’une affirmera sans l’ombre d’un doute que la séquence monte vigoureusement, tandis que sa voisine jurera avec la même certitude catégorique que la séquence descend. Aucun consensus n’est possible entre les auditeurs, chacun percevant la réalité physique avec une évidence subjective absolue.

Plus remarquable encore : si l’on inverse l’ordre des notes du couple pour une paire donnée (par exemple écouter Fa#-Do après avoir écouté Do-Fa#), l’auditeur qui avait perçu le premier couple comme montant percevra presque toujours le second couple inversé comme descendant, et réciproquement. La cohérence vectorielle interne de l’esprit demeure absolument inébranlable dans sa divergence partagée.

5.3 Orientation de la boussole tonale mentale

Pour déchiffrer ce comportement psychométrique singulier, Diana Deutsch a testé systématiquement l’intégralité des douze paires de tritons possibles formées à partir de la gamme chromatique (Do-Fa#, Do#-Sol, Ré-Sol#, etc.). Les résultats ont mis en évidence l’existence chez chaque être humain d’une authentique « boussole tonale mentale », c’est-à-dire un gabarit cognitif interne structuré spatialement, qui oriente inconsciemment l’ensemble du système d’interprétation auditive.

Chaque individu segmente inconsciemment le cercle chromatique de Shepard en deux demi-cercles d’orientation complémentaire :

• Un demi-cercle qualifié de « supérieur » ou préférentiel ;
• Un demi-cercle qualifié d’« inférieur ».

La règle computationnelle opérée par le cerveau est d’une remarquable simplicité géométrique : chaque fois qu’un triton débute sur une note située dans le demi-cercle préférentiel et transite vers une note du demi-cercle opposé, le système auditif interprète impérativement la trajectoire comme un mouvement descendant. Inversement, lorsque la note initiale prend son origine dans le demi-cercle inférieur et transite vers la zone supérieure, le mouvement est invariablement décodé comme ascendant. Chaque individu possède ainsi une cartographie personnelle invariable, dont les fonctions de réponse psychométrique tracent une courbe sinusoïdale parfaite le long du cycle des douze demi-tons. Deux individus diffèrent simplement par l’angle de rotation de cette boussole mentale : là où le pôle « sommital » de l’un pointe vers le Ré# et le Mi, celui de l’autre peut pointer vers le La ou le Si bémol.

6. Le paradoxe de l’octave et l’illusion de l’échelle

6.1 Le paradoxe de l’octave (1974) : dissociation ‘Quoi’ et ‘Où’

Douze ans avant la publication du triton paradoxal, Diana Deutsch avait déjà révolutionné les sciences cognitives en révélant, dans un article historique publié en 1974 dans la revue Nature, le paradoxe de l’octave (Octave Illusion). Cette expérience demeure l’une des démonstrations les plus spectaculaires de la dissociation fonctionnelle et computationnelle entre les voies corticales dévolues à l’identification fréquentielle et celles chargées de la localisation spatiale de la source d’un son.

Le stimulus du paradoxe de l’octave est d’une grande rigueur structurelle : le sujet écoute au casque une séquence dichotique ininterrompue de sons purs d’une durée de 250 millisecondes chacun. Deux fréquences séparées par un intervalle d’octave exacte sont employées (classiquement 400 Hz et 800 Hz). La séquence est architecturée de telle manière que lorsque l’oreille droite reçoit le son aigu (800 Hz), l’oreille gauche reçoit simultanément le son grave (400 Hz). Lors de la frappe temporelle immédiatement suivante, les signaux sont inversés : l’oreille droite reçoit le son grave (400 Hz) et l’oreille gauche reçoit l’aigu (800 Hz). Les fréquences alternent ainsi continuellement entre les deux canaux auriculaires en opposition de phase rigoureuse.

Sur le plan acoustique physique, les deux oreilles reçoivent donc exactement la même quantité cumulée d’énergie acoustique, les mêmes fréquences et une alternance temporelle rigoureusement identique. Cependant, presque aucun être humain n’entend cette réalité objective. La majorité écrasante des auditeurs rapporte une illusion stupéfiante : ils perçoivent un son aigu unique logé dans l’oreille droite, suivi d’un son grave unique logé dans l’oreille gauche, puis à nouveau le son aigu à droite et le grave à gauche. Le cerveau abolit purement et simplement la moitié de l’information physique reçue par chaque oreille et ségrège de façon illusoire la fréquence et sa provenance spatiale. Le système répond à la question « Quelle est la hauteur ? » en sélectionnant la fréquence entendue préférentiellement par une oreille (généralement la droite chez les droitiers en raison de la dominance de l’hémisphère gauche), mais il répond à la question « Où se trouve le son ? » en oscillant spatialement au gré d’un commutateur attentionnel fantôme.

6.2 L’illusion de l’échelle (Scale Illusion)

Découverte par Deutsch en 1975, l’Illusion de l’échelle (Scale Illusion) constitue une autre démonstration éclatante de la primauté des principes organisationnels de la Gestalt sur la réalité physique brute de la transmission sensorielle. Le protocole expérimental mobilise deux gammes diatoniques majeures — l’une ascendante, l’autre descendante — s’entrecroisant au niveau du registre médian. Toutefois, au lieu de diffuser chaque gamme séparément dans une oreille, Deutsch a fragmenté le signal note par note : les composantes mélodiques sautent d’une oreille à l’autre à chaque pas temporel selon une alternance spatiale hautement stochastique.

Si l’oreille humaine fonctionnait comme un récepteur stéréophonique passif et fidèle, le sujet entendrait une mosaïque cacophonique de sauts d’intervalles disjoints et erratiques sautillant violemment de l’oreille gauche à l’oreille droite. Or, le phénomène observé est rigoureusement inverse : le cortex auditif réorganise automatiquement et inconsciemment les données entrantes en appliquant le principe gestaltiste de proximité de fréquence (proximity grouping). L’esprit fusionne les notes éparpillées en deux mélodies fluides, élégantes et parfaitement continues :

• Une ligne mélodique supérieure regroupant exclusivement toutes les notes aiguës, qui descend puis remonte avec une perfection symétrique, localisée avec netteté dans une seule oreille ;
• Une ligne mélodique inférieure rassemblant toutes les notes graves, qui monte puis redescend en miroir, perçue comme provenant de l’autre oreille.

Même lorsque les auditeurs sont explicitement informés de la manipulation spectrale et qu’ils observent en temps réel la partition physique disséminée sur un oscilloscope, ils sont dans l’incapacité perceptive absolue de contourner le regroupement gestaltiste. Le cerveau refuse catégoriquement d’entendre le saut d’intervalles abrupt imposé physiquement, lui substituant la continuité tonale la plus harmonieuse et la plus prédictible.

6.3 L’illusion de la glissade chromatique et de la mélodie cambodgienne

Poursuivant l’exploration de ces défaillances de l’intégration binaurale, Diana Deutsch a documenté des variantes fascinantes, au rang desquelles trônent l’illusion de la glissade chromatique (Glide Illusion) et les réorganisations spatiales inspirées de polyphonies traditionnelles comme la musique de cour cambodgienne. Dans l’illusion de la glissade chromatique, un glissando continu ascendant ou descendant est diffusé simultanément à une séquence discontinue de sons stationnaires répartis entre les deux canaux auriculaires.

Dans ce contexte spectral hautement compétitif, le système d’analyse auditive de l’auditeur se montre incapable d’assigner simultanément la composante continue et la composante discontinue à leurs oreilles d’émission respectives. L’auditeur entend fréquemment le glissando glisser mystérieusement d’une oreille à l’autre sans solution de continuité spatiale, alors même qu’il est physiquement confiné dans un seul écouteur, ou perçoit les signaux discontinus fusionner de façon illégitime avec le glissando pour former un timbre hybride inexistant. De manière analogue, dans les expériences reproduisant les structures d’imbrication mélodique inspirées des xylophones traditionnels cambodgiens (le roneat), Deutsch a démontré que lorsque deux instruments virtuels se partagent alternativement les notes consécutives d’une mélodie rapide, le système perceptif humain s’avère incapable de reconstituer la mélodie globale si la vitesse d’exécution dépasse la limite temporelle de fusion de flux auditif, fragmentant l’unité de l’œuvre en deux flux disjoints inintelligibles.

7. Bases neurobiologiques et mécanismes corticaux du traitement auditif

7.1 Organisation tonotopique et architecture du cortex auditif primaire (A1)

Pour comprendre comment de tels paradoxes peuvent émerger dans la conscience, il est impératif d’examiner l’architecture neurobiologique qui assure le traitement de l’information auditive, depuis la transduction périphérique jusqu’au sommet du néocortex. Le principe cardinal qui régit l’ensemble des relais de la voie auditive ascendante est l’organisation tonotopique. Dès l’oreille interne, la membrane basilaire de la cochlée agit comme un décomposeur de Fourier mécano-acoustique : sa base, rigide et étroite, résonne préférentiellement en réponse aux hautes fréquences, tandis que son apex (sommet), large et flasque, répond sélectivement aux basses fréquences.

Cette cartographie spatiale des fréquences est rigoureusement conservée et projetée le long du nerf cochléaire, du noyau cochléaire, du complexe olivaire supérieur, du colliculus inférieur, du corps genouillé médial du thalamus, jusqu’au cortex auditif primaire (aire A1 ou aire 41 de Brodmann), niché dans les profondeurs du gyrus temporal transverse (gyrus de Heschl). Dans A1, les colonnes neuronales sont ordonnées de façon isofréquentielle : les neurones activés par des fréquences similaires sont regroupés spatialement le long d’un axe antéro-médian à postéro-latéral.

Toutefois, la tonotopie de A1 révèle ses limites physiologiques intrinsèques dès lors qu’elle est confrontée à des stimuli spectraux complexes tels que les sons de Shepard. Un son de Shepard active simultanément une série de bandes isoféquentielles discrètes réparties d’octave en octave sur l’ensemble de la carte de A1. L’aire primaire enregistre scrupuleusement la présence d’énergie à 250 Hz, 500 Hz, 1 000 Hz, 2 000 Hz, mais elle ne possède aucun mécanisme de calcul intrinsèque pour décider laquelle de ces composantes doit servir d’ancrage fondamental à la tonie globale. Le cortex primaire transmet ainsi aux étages hiérarchiques supérieurs une matrice d’activation fondamentalement indéterminée.

7.2 Aires auditives secondaires et traitement de la hauteur virtuelle

C’est au niveau des aires auditives associatives secondaires et tertiaires (ceinture et paraceinture auditives, planum temporale, sillon temporal supérieur) que s’opère la résolution computationnelle de cette ambiguïté. Les recherches neurophysiologiques contemporaines ont identifié, au-delà du gyrus de Heschl et plus particulièrement dans la région antéro-latérale du cortex auditif humain, une véritable zone dédiée au traitement du « pitch » (le pitch center).

Ces réseaux neuronaux spécialisés sont équipés pour accomplir l’opération complexe d’extraction de la fondamentale manquante (hauteur virtuelle). Même lorsqu’un son est privé de son harmonique fondamentale par un filtrage physique délibéré, ces circuits neuronaux infèrent la hauteur globale du complexe en calculant le plus grand commun diviseur harmonique des partiels présents, un processus sous-tendu par des réseaux d’interneurones assurant une corrélation croisée temporelle (mécanisme de verrouillage de phase ou phase-locking) et spectrale.

Dans le cas du son de Shepard et du triton de Diana Deutsch, ce mécanisme computationnel est pris au piège. Parce que les partiels sont espacés de façon rigoureusement octaviante et pondérés par une enveloppe cosinusoïdale stationnaire, le calcul du centroïde spectral et celui de la périodicité temporelle entrent en conflit irréductible. Les études d’activation hémodynamique révèlent que le planum temporale et les aires temporo-pariétales associatives sont alors le siège d’une intense compétition synaptique. Pour surmonter cet état d’indétermination thermodynamique, les aires supérieures imposent des contraintes prédictives descendantes (top-down constraints), forçant une bifurcation de l’état dynamique du réseau vers l’un des deux attracteurs neuronaux stables : la montée ou la descente.

7.3 Données électrophysiologiques et de neuro-imagerie fonctionnelle

Les investigations menées en électrophysiologie humaine au moyen de l’électroencéphalographie à haute densité (EEG) et de la magnétoencéphalographie (MEG) ont permis de chronométrer avec une précision millimétrique la cascade d’événements cérébraux associés aux paradoxes de Shepard et de Deutsch. L’un des marqueurs les plus précieux dans ce domaine est la Mismatch Negativity (MMN), une onde négative automatique apparaissant environ 150 à 250 millisecondes après la survenue d’un stimulus deviant au sein d’une séquence acoustique régulière.

Lorsque des sujets sont soumis à des échelles de Shepard dans un protocole « oddball » où l’orientation apparente de la séquence est soudainement inversée, la MMN est générée avec une amplitude robuste par le cortex auditif temporal supérieur, confirmant que le cerveau encode l’ascension ou la descente illusoire comme un trait perceptif primitif, pré-attentionnel et automatique. Le traitement paradoxal n’est donc pas une illusion tardive relevant d’un jugement cognitif réfléchi ; il s’agit d’un précablage perceptif instantané qui émerge dès les premières étapes du traitement cortical.

Parallèlement, les travaux en Imagerie par Résonance Magnétique fonctionnelle (IRMf) ont apporté des preuves concluantes concernant la base anatomique de la dominance hémisphérique mise en lumière par l’illusion de l’octave de Diana Deutsch :

• Chez les sujets droitiers manifestant le percept classique d’un son aigu localisé à droite et d’un son grave localisé à gauche, les scans d’IRMf démontrent une asymétrie d’activation marquée au profit du cortex auditif de l’hémisphère gauche lors de l’identification des hauteurs tonales, couplée à un recrutement robuste des zones pariétales supérieures responsables de la spatialisation auditive ;
• De surcroît, les sujets ambidextres ou gauchers, qui manifestent fréquemment des percepts non canoniques lors de l’illusion de l’octave (inversion des canaux, disparition totale d’une hauteur), présentent sur les clichés IRMf une absence de dominance latérale unilatérale et une connectivité interhémisphérique atypique via le corps calleux, confirmant le substrat neuro-anatomique profond de ces paradoxes.

8. Déterminants linguistiques et socioculturels du paradoxe du triton

8.1 Influence de la langue maternelle et des dialectes

L’une des découvertes les plus bouleversantes de Diana Deutsch — qui a déclenché une onde de choc épistémologique au-delà de la psychoacoustique, touchant l’anthropologie et la linguistique cognitive — réside dans la démonstration que la boussole tonale mentale gouvernant le paradoxe du triton n’est pas biologiquement innée ni universellement calibrée à l’identique chez tous les humains. Elle est façonnée de manière indélébile par l’environnement linguistique dans lequel l’individu est immergé durant sa prime enfance.

Dans une série d’études comparatives pionnières, Deutsch a soumis des cohortes d’auditeurs de langues maternelles et d’origines géographiques différentes à un même protocole de paires de tritons :

• Une première étude a comparé un groupe de sujets ayant grandi en Californie (États-Unis) à un groupe d’auditeurs nés et élevés dans le sud de l’Angleterre. Les résultats statistiques ont mis en évidence un contraste saisissant : les paires de tritons majoritairement perçues comme descendantes par les Californiens étaient identifiées comme vigoureusement ascendantes par les sujets britanniques, et inversement ;
• Les fonctions psychométriques du groupe américain apparaissaient décalées d’environ un demi-cycle (une rotation de près de 180 degrés sur le cercle de Shepard) par rapport à celles de leurs homologues anglophones du Royaume-Uni.

Puisque les deux groupes appartenaient à des populations génétiquement comparables et partageaient la même langue générale (l’anglais), la variable explicative critique s’est avérée être le dialecte régional, et plus spécifiquement l’empreinte prosodique et l’enveloppe spectrale caractéristiques des voix maternelles et communautaires entendues lors du développement précoce. Deutsch a émis l’hypothèse révolutionnaire que le cerveau humain développe très tôt dans la vie un gabarit acoustico-linguistique interne qui sert de système de coordonnées par défaut pour catégoriser toutes les fréquences du monde environnant, y compris la musique instrumentale abstraite.

8.2 L’impact des langues tonales : cas du mandarin et du vietnamien

L’hypothèse linguistique de Diana Deutsch a trouvé sa confirmation la plus éclatante dans l’étude des locuteurs de langues tonales, au premier rang desquels figurent le mandarin, le cantonais et le vietnamien. Dans ces idiomes, la hauteur tonale et ses inflexions (ton plat, montant, descendant, modulé) ne constituent pas de simples ornements expressifs ou prosodiques, mais des traits phonémiques fondamentaux conditionnant directement la valeur sémantique des mots. Un glissement de quelques Hertz transforme un vocable signifiant « mère » en un terme signifiant « cheval » ou « insulte ».

En testant des cohortes de locuteurs natifs de langues tonales face au paradoxe du triton, Deutsch et ses collaborateurs ont observé des régularités d’une précision fascinante :

• L’alignement de la boussole tonale mentale chez les sinophones et les vietnamiens manifeste une cohérence interindividuelle spectaculairement supérieure à celle des locuteurs de langues non tonales comme l’anglais ou le français ;
• Leurs courbes de réponse au triton ne présentent quasiment aucune variance interne au sein d’un même groupe linguistique : le pôle d’orientation préférentiel est cristallisé de manière extraordinairement nette et homogène ;
• De plus, la forme exacte de leur gabarit mental est directement corrélée à la distribution fréquentielle moyenne des tons de leur dialecte natal d’origine.

Ces données démontrent l’existence d’une période critique développementale durant l’enfance pour la stabilisation des représentations de la hauteur tonale. Tout comme l’apprentissage d’un système phonologique fige la capacité à discriminer certains contrastes de consonnes étrangères, l’exposition continue à un registre linguistique tonal forge de façon définitive la matrice neuro-computationnelle avec laquelle l’adulte évaluera les relations de hauteur dans les stimuli acoustiques ambigus de Shepard.

8.3 Interactions avec l’oreille absolue

Ces découvertes linguistiques se sont naturellement articulées avec un autre champ de recherche majeur de Diana Deutsch : l’étiologie et la prévalence de l’oreille absolue (absolute pitch), c’est-à-dire la faculté rarissime d’identifier ou de reproduire une note musicale isolée sans recourir à aucun son de référence externe. Deutsch a démontré que l’oreille absolue est infiniment plus fréquente parmi les étudiants de conservatoires parlant couramment une langue tonale depuis l’enfance que chez leurs pairs occidentaux non exposés aux langues tonales, confirmant l’origine linguistique de cette disposition.

Lorsqu’ils sont confrontés au paradoxe du triton, les possesseurs de l’oreille absolue manifestent un comportement particulièrement instructif. Contrairement à une idée reçue qui supposerait que l’oreille absolue immunise contre les illusions, ces musiciens experts tombent tout aussi catégoriquement sous le coup du paradoxe :

• Ils rapportent avec une immédiateté foudroyante et une certitude absolue qu’un triton est montant ou descendant, et sont souvent profondément perturbés lorsqu’un confrère possédant la même expertise rapporte le verdict diamétralement inverse ;
• Leur gabarit interne présente une rigidité mathématique absolue : leurs fonctions psychométriques sont rectilignes et affichent une variabilité intra-individuelle rigoureusement nulle au cours d’essais répétés sur plusieurs mois.

Ces constatations démontrent que même chez les individus dont le calibrage auditif est le plus raffiné au monde, la décision de directionnalité tonale face à un stimulus sans fondamentale physique continue d’être dictée par le gabarit inconscient sous-jacent, confirmant la primauté des mécanismes computationnels structuraux sur l’analyse analytique consciente.

9. Comparaison critique : paradigme de Shepard versus paradoxes de Deutsch

9.1 Divergences épistémologiques et objectifs théoriques

Bien que Roger Shepard et Diana Deutsch soient fréquemment associés au sein du panthéon de la psychoacoustique moderne, une comparaison critique rigoureuse met en lumière des divergences épistémologiques fondamentales dans leurs projets intellectuels respectifs. L’ambition philosophique et scientifique de Roger Shepard s’inscrivait dans une quête d’universalité géométrique. Shepard cherchait à découvrir les lois transcendantales, quasi platoniciennes, régissant l’espace psychologique de tous les êtres vivants dotés d’un cerveau. Son échelle circulaire de la hauteur a été modélisée pour prouver que l’espace perceptif interne possède une morphologie topologique invariante (l’hélice cylindrique), dont les règles de réduction s’appliquent de manière universelle, indépendamment des spécificités biographiques des sujets.

À l’opposé, l’agenda de recherche de Diana Deutsch s’enracine dans la modularité cognitive, l’écologie perceptive et l’exploration des disparités individuelles et développementales. Deutsch ne conçoit pas le système auditif comme une matrice géométrique universelle et fermée, mais comme une architecture dynamique façonnée par des asymétries anatomiques (latéralisation cérébrale, dominance de l’hémisphère gauche pour le traitement analytique), des contraintes attentionnelles et des empreintes environnementales précoces. Là où Shepard s’émerveille de ce que tout le monde entend l’échelle continuer à monter indéfiniment, Deutsch s’intéresse passionnément à la raison précise pour laquelle deux êtres humains assis côte à côte entendent le triton dans deux directions diamétralement opposées.

Le tableau suivant synthétise les points de divergence théorique et méthodologique essentiels entre les deux approches :

Axe de Comparaison	Paradigme de Roger Shepard	Paradoxes de Diana Deutsch
Objectif théorique majeur	Démontrer la structure topologique universelle de l’espace mental de la hauteur (géométrie hélicoïdale).	Révéler les règles de ségrégation de flux auditif, la latéralisation cérébrale et l’influence développementale du langage.
Nature de l’illusion	Gamme ou glissando continu ascendant/descendant infini sans déplacement de registre.	Bistabilité directionnelle (triton), dissociation spatiale tonie/localisation (octave), illusion de flux (échelle).
Réponse des auditeurs	Consensus universel : tous les auditeurs perçoivent l’illusion de mouvement continu dans la même direction.	Divergence interindividuelle polarisée : les auditeurs se scindent en groupes aux percepts contradictoires.
Déterminants sous-jacents	Mécanismes computationnels de proximité spectrale locale versus analyse spectrale globale.	Asymétries hémisphériques, organisation tonotopique supérieure, empreinte dialectale et prosodique maternelle.
Configuration acoustique	Sons complexes diatoniques ou continus sous enveloppe spectrale fixe.	Stimuli dichotiques binauraux alternés ou paires de tons complexes diamétralement opposés (180°).

9.2 Propriétés acoustiques comparées des stimuli

Sur le plan acoustique pur, les stimuli conçus par Shepard et Deutsch manipulent des dimensions fondamentalement différentes du traitement du signal. Le son de Shepard classique repose intégralement sur une manipulation statique de l’enveloppe spectrale. Il s’agit d’un signal monophonique ou stéréophonique cohérent dans lequel aucune rivalité de phase ou d’asymétrie auriculaire n’est introduite : le mystère réside dans l’ambiguïté interne du spectre harmonique vertical distribué d’octave en octave.

En revanche, la matrice acoustique des paradoxes de Diana Deutsch repose massivement sur la dimension spatiotemporelle et binaurale. Le paradoxe de l’octave et l’illusion de l’échelle exigent impérativement une écoute dichotique sous casque : ils exploitent des déphasages spatiaux stricts et des conflits d’informations interaurales au niveau du tronc cérébral et des noyaux cochléaires. Même dans le paradoxe du triton, qui peut être diffusé de manière monophonique, l’agencement acoustique s’appuie sur la neutralité absolue d’une opposition d’intervalle à 180 degrés, rendant le signal hyper-sensible aux asymétries anatomiques cochléaires et aux résonances du conduit auditif externe de chaque auditeur, paramètres qui n’altèrent pas l’échelle continue de Shepard.

9.3 Synthèse des apports théoriques à la psychologie cognitive

La confrontation théorique de ces deux paradigmes a permis de clore définitivement l’un des plus intenses débats philosophiques et psychologiques du XXe siècle : l’affrontement entre le réalisme direct (l’approche écologique de James J. Gibson) et les théories constructivistes ou inférentielles de la perception, enracinées dans la pensée d’Hermann von Helmholtz. Gibson soutenait que la perception est un échantillonnage direct des « affordances » du milieu, ne nécessitant aucun calcul interne, aucune médiation symbolique ni aucune inférence cognitive.

Les découvertes combinées de Shepard et Deutsch infligent un démenti catégorique au réalisme direct :

• Dans l’échelle de Shepard, la propriété phénoménologique perçue — une ascension infinie — n’existe pas dans le monde physique. Le stimulus physique ne s’élève point ; l’ascension est une propriété émergente résultant exclusivement des calculs de corrélation spectrale appliqués par le système nerveux central ;
• Dans le paradoxe du triton et de l’octave de Deutsch, l’incapacité de deux observateurs rationnels placés devant la même onde physique à s’accorder sur la réalité de ce qu’ils entendent prouve que le cerveau injecte dans le percept conscient une quantité colossale d’a priori structuraux, transformant la perception en une hallucination contrôlée guidée par des contraintes probabilistes.

10. Applications artistiques, musicales et industrielles

10.1 L’illusion de Shepard dans la composition contemporaine

Loin de demeurer cantonnés aux laboratoires de recherche en acoustique, le son de Shepard et le glissando de Shepard-Risset ont exercé une influence déterminante sur l’histoire de la musique d’avant-garde, électroacoustique et contemporaine de la fin du XXe siècle à nos jours. L’un des pionniers à avoir transposé ce concept dans la musique purement instrumentale est le compositeur hongrois György Ligeti. Passionné par les théories de la perception et la géométrie des fractales, Ligeti a exploité le principe structurel de l’escalier infini dans plusieurs de ses célèbres Études pour piano, notamment la virtuose Étude n° 9 Vertige (1990).

Dans cette œuvre pianistique stupéfiante, des arpèges chromatiques descendants extrêmement rapides et superposés s’enchevêtrent en vagues ininterrompues : à mesure qu’une vague s’enfonce dans le registre grave et s’étiole en pianissimo, une nouvelle voix harmonique surgit en mezzo-forte dans le registre aigu, simulant de façon purement acoustique sur un instrument mécanique l’enveloppe spectrale continue de Shepard-Risset et induisant un vertige psychoacoustique saisissant chez l’auditeur.

Sur le versant électroacoustique direct, Jean-Claude Risset a immortalisé ses propres algorithmes dans des chefs-d’œuvre historiques du répertoire contemporain, tels que Mutations (1969) et Little Boy (1968). Dans cette dernière œuvre, écrite pour une pièce de théâtre évoquant le bombardement atomique d’Hiroshima, Risset utilise son glissando continu descendant pour matérialiser la chute éternelle, inexorable et traumatique de la bombe, créant un sentiment d’oppression acoustique absolue impossible à générer par des procédés orchestraux conventionnels.

Au cours des dernières décennies, l’illusion s’est largement diffusée dans la culture populaire et la musique électronique (EDM, Techno, Ambient). Des compositeurs et producteurs l’intègrent dans les phases de montée pré-refrain (les fameux build-ups) : en remplaçant les montées de tonalité traditionnelles par un son de Shepard ascendant, ils parviennent à faire grimper la tension émotionnelle de la foule pendant de longues minutes sans jamais saturer la plage de fréquence de mixage ni heurter la limite harmonique de la tonalité du morceau.

10.2 Design sonore cinématographique et immersion dramatique

Dans l’industrie cinématographique hollywoodienne moderne, le son de Shepard s’est imposé comme l’une des armes psychoacoustiques les plus formidables du sound design contemporain pour susciter la tension dramatique, le suspense et l’angoisse viscérale. Le compositeur oscarisé Hans Zimmer, en collaboration étroite avec le réalisateur Christopher Nolan, a fait du son de Shepard la clé de voûte de plusieurs de ses bandes originales les plus acclamées :

• Dans The Dark Knight (2008), le motif sonore associé à la moto futuriste de Batman, le Batpod, intègre une synthèse d’échelle de Shepard ascendante continue créée par le sound designer Richard King, conférant au véhicule l’impression d’une accélération perpétuelle sans que le moteur n’ait jamais besoin de passer un rapport de vitesse supérieur ;
• Le déploiement magistral de cette technique culmine dans le film Dunkerque (2017). Pour traduire la sensation d’urgence vitale et l’étau qui se resserre inexorablement sur les soldats encerclés, Zimmer et Nolan ont conçu l’intégralité de la trame sonore sur une imbrication continue de sons de Shepard ascendants fusionnés avec le tic-tac mécanique réel de la montre de poche de Nolan. Le spectateur subit un crescendo psychoacoustique ininterrompu d’une heure et demie qui maintient son système nerveux autonome en état d’alerte physiologique maximal (accélération du rythme cardiaque, sudation, anxiété soutenue) sans jamais provoquer la fatigue auditive que causerait une élévation linéaire réelle du volume sonore.

10.3 Conception sonore pour le jeu vidéo et les interfaces immersives

Le secteur du jeu vidéo et des technologies d’immersion interactive exploite également de longue date les propriétés du son de Shepard pour contourner les limitations des moteurs de rendu sonore en boucle. Un cas précurseur historique se trouve dans le chef-d’œuvre de Nintendo Super Mario 64 (1996) : lorsque le joueur tente de gravir l’escalier menant au boss final Bowser sans posséder le nombre requis d’étoiles de puissance, Mario se retrouve prisonnier d’un escalier infini. Le compositeur Koji Kondo a généré pour cette séquence une échelle de Shepard ascendante en boucle sans fin, renforçant l’impression d’impuissance et d’égarement spatial du joueur.

Dans le game audio contemporain et les expériences en réalité virtuelle (VR) et réalité augmentée (AR), l’utilisation d’algorithmes de Shepard et de paradoxes de Deutsch répond à des enjeux d’optimisation cognitive critique :

• Les boucles de feedback sans rupture : Dans les jeux de course ou d’action frénétique, l’application d’un Shepard continuous glissando permet d’indiquer une phase de surtension, de vitesse critique ou de péril sans que l’auditeur ne subisse la discontinuité brutale d’un bouclage d’échantillon (loop seam) ;
• Le guidage attentionnel spatial en réalité virtuelle : En manipulant subtilement les principes de ségrégation de flux issus de l’illusion de l’échelle et du paradoxe de l’octave de Deutsch, les ingénieurs audio peuvent induire chez le joueur l’illusion qu’un son se déplace autour de sa tête ou provient d’un point focal virtuel précis, sans avoir recours à des calculs de filtres de transfert spatial complexes (HRTF) excessivement coûteux en bande passante de calcul embarquée.

11. Implications pour la philosophie de l’esprit et les sciences de la cognition

11.1 Illusion auditive et réalisme perceptuel

L’existence et la robustesse empirique des paradoxes de Roger Shepard et de Diana Deutsch alimentent des réflexions épistémologiques cruciales dans le champ de la philosophie contemporaine de l’esprit, portant un coup dévastateur au réalisme naïf — cette position métaphysique naïve postulant que nos sens nous livrent les objets matériels du monde tels qu’ils existent intrinsèquement en eux-mêmes. Le paradoxe du triton démontre que la « hauteur » que nous attribuons consciemment à une note n’est pas une qualité primaire inhérente à l’onde acoustique en vol dans l’espace, mais une propriété secondaire purement phénoménale, un « quale » engendré par le système nerveux.

Face à un même stimulus de triton, le fait que deux auditeurs physiologiquement sains et musicalement éduqués fassent l’expérience de deux qualia opposés — l’un éprouvant la sensation qualitative indubitable d’une montée, l’autre celle d’une descente — prouve le caractère fondamentalement constructiviste de la réalité perceptive. L’illusion n’est pas un écart erroné par rapport à une « bonne » perception ; elle révèle que toute perception auditive ordinaire est une fabrique interne de modèles, une hallucination structurée qui ne coïncide avec le monde physique que dans la mesure exacte où cette coïncidence assure la survie biologique de l’organisme au sein de sa niche écologique.

11.2 Le cerveau bayésien et l’inférence prédictive auditive

Au sein des sciences cognitives contemporaines, le paradigme théorique le plus puissant pour formaliser les illusions de Shepard et Deutsch est sans conteste celui du cerveau bayésien et du codage prédictif (predictive coding), porté par des figures comme Karl Friston. Selon ce modèle unifié du fonctionnement neuro-computationnel, le cerveau n’attend pas passivement l’arrivée des stimuli pour les décoder : il s’agit d’une machine à inférence active qui projette en permanence des modèles prédictifs descendants (priors ou probabilités a priori) sur les signaux sensoriels ascendants.

Le traitement des paradoxes psychoacoustiques se formalise avec une grande clarté mathématique dans ce cadre probabiliste :

• Lors de l’écoute du triton de Deutsch, le cerveau se trouve confronté à une distribution de vraisemblance sensorielle symétrique et bivariée, le signal physique fournissant une probabilité strictement équivalente pour les vecteurs de montée ou de descente ($P(\text{Données} mid \text{Montée}) = P(\text{Données} mid \text{Descente})$) ;
• Pour résoudre ce problème inverse mal posé et minimiser l’énergie libre variationnelle (l’incertitude computationnelle), le système nerveux fait appel à son modèle a priori interne ($P(\text{Orientation})$), forgé durant l’enfance par l’exposition aux distributions de fréquences du langage maternel ;
• Le percept conscient représente la distribution de probabilité a posteriori bayésienne, calculée par le produit de la vraisemblance et du prior. Dès lors que le prior linguistique est polarisé d’une certaine façon sur le cercle de Shepard, le cerveau bascule instantanément et irréversiblement vers l’attracteur perceptif correspondant, éliminant totalement l’état d’ambiguïté.

11.3 Parallèles entre illusions visuelles et illusions auditives

L’exploration conjointe des illusions de Shepard et Deutsch et des paradoxes classiques de la vision révèle l’existence d’une unité architecturale et formelle profonde régissant l’ensemble des modalités sensorielles de l’encéphale humain. Le paradoxe du triton est le strict équivalent psychoacoustique des figures visuelles bistables les plus célèbres de la psychologie, telles que le cube de Necker ou le vase de Rubin :

Dans le vase de Rubin, le système visuel peut indifféremment interpréter les contrastes lumineux comme deux visages noirs en profil se regardant sur fond blanc, ou comme un vase blanc placé sur fond noir. De la même manière, le cube de Necker inverse spontanément sa face avant et sa face arrière dans l’espace tridimensionnel perçu. Toutefois, une différence fondamentale et passionnante sépare l’audition de la vision dans ce régime bistable :

• Alors que devant le vase de Rubin ou le cube de Necker, le regard de tout être humain bascule spontanément d’une interprétation à l’autre toutes les quelques secondes (phénomène de rivalité perceptuelle dynamique avec inversion spontanée des phases) ;
• Face au paradoxe du triton de Diana Deutsch, la bistabilité est gelée de façon rigide à l’échelle intra-individuelle. L’auditeur ne bascule presque jamais d’un percept à l’autre lors d’une même écoute : son état mental est rigidement fixé par sa boussole interne.

Ce contraste fascinant suggère que si la vision a évolué pour tester continuellement des hypothèses spatiales alternatives dans un monde tridimensionnel mobile nécessitant une réévaluation constante des perspectives, le système de traitement de la syntaxe tonale musicale et linguistique fige ses catégories fondamentales pour garantir la stabilité sémantique pérenne des flux de communication vocale.

12. Perspectives futures, modélisation computationnelle et neurotechnologies

12.1 Réseaux de neurones artificiels et audition computationnelle

À l’ère de l’intelligence artificielle contemporaine et de l’apprentissage profond (deep learning), les paradoxes de Shepard et de Diana Deutsch sont devenus des tests de référence indispensables (benchmarks) pour évaluer la robustesse et la plausibilité biologique des modèles de réseaux neuronaux artificiels dévolus à l’audition computationnelle. Les grands modèles de fondation audio actuels — qu’il s’agisse de réseaux neuronaux convolutifs (CNN) ou de transformeurs audio (Audio Spectrogram Transformers) entraînés sur des centaines de milliers d’heures de paroles et de musique —, manifestent des comportements fascinants lorsqu’ils sont confrontés à ces signaux impossibles.

Des recherches computationnelles récentes ont démontré que lorsqu’un réseau de neurones profond est entraîné de façon non supervisée à prédire la note suivante dans de vastes bases de données musicales, il fait émerger spontanément, au sein de ses couches de représentations latentes intermédiaires, une topologie hélicoïdale des hauteurs rigoureusement identique à la géométrie hélicoïdale postulée par Roger Shepard en 1964. Si l’on soumet ensuite des échelles de Shepard à ce réseau, les activations des couches internes reproduisent avec une précision mathématique troublante la circularité perceptive humaine.

De surcroît, le paradoxe du triton de Deutsch sert d’outil d’audit pour traquer les biais cachés d’entraînement des algorithmes de reconnaissance vocale et de synthèse musicale générative. En analysant la façon dont un modèle d’IA classe la directionnalité d’un couple de tritons de Shepard, les chercheurs peuvent déterminer avec exactitude le profil prosodique et l’origine dialectale dominante des données massives (corpora) sur lesquelles l’intelligence artificielle a été entraînée, révélant la « boussole tonale » algorithmique de l’IA.

12.2 Implications pour les implants cochléaires et les prothèses auditives

Les paradoxes psychoacoustiques posent des défis monumentaux tout en ouvrant des voies thérapeutiques prometteuses dans le domaine des neurotechnologies médicales, tout particulièrement pour la conception et l’étalonnage des implants cochléaires. Un implant cochléaire est un dispositif neuroprothétique inséré chirurgicalement dans la cochlée pour stimuler directement les fibres du nerf auditif au moyen d’un faisceau d’électrodes (généralement entre 12 et 22 canaux).

Si ces dispositifs parviennent à restaurer une remarquable intelligibilité de la parole en environnement calme chez les patients sourds profonds, ils échouent dramatiquement à restituer la musique et la richesse polyphonique. Cette limitation découle précisément de l’incapacité des algorithmes de codage actuels (tels que la stratégie CIS – Continuous Interleaved Sampling) à transmettre la structure fine spectrale indispensable à la perception du chroma :

• Les porteurs d’implants cochléaires testés sur des échelles de Shepard ou des paradoxes de Deutsch ne perçoivent généralement aucun des patterns illusoires décrits dans la littérature : ils n’entendent qu’une succession de bruits sans hauteur tonale définie, démontrant que l’illusion exige une intégrité absolue de la décomposition harmonique fine ;
• La compréhension des mécanismes mathématiques de l’enveloppe spectrale de Shepard inspire actuellement une nouvelle génération d’algorithmes de traitement du signal pour prothèses. En modélisant la façon dont le cortex extrait la tonie virtuelle à partir d’enveloppes spectrales contraintes, les bio-ingénieurs développent des stratégies d’électro-stimulation coordonnées visant à restaurer artificiellement l’accès aux classes de hauteur et à la syntaxe harmonique pour les malentendants appareillés.

12.3 Nouvelles frontières méthodologiques en neurophysiologie cognitive

Enfin, sur le front de la recherche fondamentale en neurophysiologie, les travaux initiés par Shepard et Deutsch continuent de s’enrichir grâce à l’avènement d’outils d’investigation cérébrale d’une résolution spatiotemporelle sans précédent. Le déploiement de la magnétoencéphalographie à haute densité par capteurs quantiques à pompage optique (OPM-MEG), combiné à l’imagerie par résonance magnétique fonctionnelle à ultra-haut champ (IRMf 7 Tesla), offre désormais la possibilité d’observer en temps réel les décharges des colonnes neuronales individuelles au sein du gyrus de Heschl et du planum temporale pendant l’écoute d’intervalles bistables.

Ces avancées technologiques permettent aux neuroscientifiques de traquer avec une précision inédite les microsecondes critiques qui précèdent l’accès conscient à la perception :

• Les chercheurs peuvent aujourd’hui identifier les marqueurs neuronaux précoces (l’activité oscillatoire gamma dans les aires temporo-pariétales) qui trahissent l’orientation que choisira le cerveau d’un auditeur face au paradoxe du triton plusieurs centaines de millisecondes avant même que le sujet n’appuie sur le bouton pour consigner son verdict perceptif ;
• Ces investigations promettent de lever le voile sur l’un des plus profonds mystères des sciences cognitives contemporaines : comment une dynamique d’assemblées neuronales microscopiques, contrainte par des traces mnésiques d’apprentissage linguistique précoce, scelle-t-elle l’effondrement d’une superposition d’états sensoriels pour faire émerger l’irréductible singularité d’un percept conscient.

Références

Bregman, A. S. (1990). Auditory Scene Analysis: The Perceptual Organization of Sound. MIT Press. https://mitpress.mit.edu/9780262521956/auditory-scene-analysis/

Deutsch, D. (1974). An auditory illusion. Nature, 251(5473), 307–309. https://doi.org/10.1038/251307a0

Deutsch, D. (1975). Two-channel listening to musical scales. The Journal of the Acoustical Society of America, 57(5), 1156–1160. https://doi.org/10.1121/1.380573

Deutsch, D. (1986). A musical paradox. Music Perception, 3(3), 275–280. https://doi.org/10.2307/40285334

Deutsch, D. (1991). The tritone paradox: An influence of language on music perception. Music Perception, 8(4), 335–347. https://doi.org/10.2307/40285517

Deutsch, D. (2013). The Psychology of Music (3rd ed.). Academic Press. https://www.sciencedirect.com/book/9780123814609/the-psychology-of-music

Deutsch, D. (2019). Musical Illusions and Phantom Words: How Music and Speech Unlock Mysteries of the Mind. Oxford University Press. https://global.oup.com/academic/product/musical-illusions-and-phantom-words-9780190206833

Friston, K. (2010). The free-energy principle: A unified brain theory?. Nature Reviews Neuroscience, 11(2), 127–138. https://doi.org/10.1038/nrn2787

Helmholtz, H. von (1863). Die Lehre von den Tonempfindungen als physiologische Grundlage für die Theorie der Musik. Friedrich Vieweg und Sohn. https://archive.org/details/dielehrevondento00helm

Penrose, L. S., & Penrose, R. (1958). Impossible objects: A special type of visual illusion. British Journal of Psychology, 49(1), 31–33. https://doi.org/10.1111/j.2044-8295.1958.tb00634.x

Risset, J.-C. (1969). An Introductory Catalog of Computer Synthesized Sounds. Bell Telephone Laboratories Technical Memorandum. Murray Hill, NJ.

Shepard, R. N. (1964). Circularity in judgments of relative pitch. The Journal of the Acoustical Society of America, 36(12), 2346–2353. https://doi.org/10.1121/1.1919362

Shepard, R. N., & Metzler, J. (1971). Mental rotation of three-dimensional objects. Science, 171(3972), 701–703. https://doi.org/10.1126/science.171.3972.701

Shepard, R. N. (1982). Geometrical approximations to the cosmic structure of musical pitch. Psychological Review, 89(4), 305–333. https://doi.org/10.1037/0033-295X.89.4.305