L’émergence du langage chez l’être humain constitue l’une des énigmes les plus fascinantes des sciences cognitives, de la psycholinguistique et des neurosciences du développement. Durant les premiers mois de son existence, le nourrisson est confronté à un flux acoustique continu, hautement variable et dépourvu de frontières physiques évidentes entre les mots. Pourtant, bien avant de prononcer ses premières productions lexicales intelligibles, l’enfant extrait, organise et catégorise les unités sonores fondamentales de son environnement. Cette prouesse repose sur une transformation neuro-perceptive spectaculaire survenant au cours de la première année de vie : le passage d’un état d’écoute acoustique globale à un système phonologique hautement spécialisé et contraint par l’expérience linguistique ambiante.
Ce phénomène d’accordage perceptif, universellement désigné sous le concept de rétrécissement perceptif (ou perceptual narrowing), a été magistralement éclairé par les travaux pionniers de la chercheuse canado-américaine Janet Werker et de son collaborateur Richard Tees au début des années 1980. En confrontant de très jeunes enfants à des contrastes phonétiques absents de leur langue maternelle — empruntés notamment au système des occlusives du hindi et aux consonnes éjectives du salish de Thompson —, leurs recherches ont mis en lumière une trajectoire développementale critique où la capacité initiale de discriminer des sons de n’importe quelle langue humaine s’atténue de manière drastique au profit d’une hypersensibilité aux unités distinctives de l’idiome natal.
Le présent article propose une analyse exhaustive et approfondie de cette découverte fondamentale. À travers l’examen minutieux des fondements phonétiques des tâches expérimentales hindi et salish, de l’ingénierie méthodologique du paradigme de rotation de la tête conditionnée, des substrats neurobiologiques de la plasticité synaptique et des modélisations cognitives contemporaines à l’instar du modèle PRIMIR, nous explorerons comment l’œuvre de Janet Werker a révolutionné notre compréhension de la cognition infantile, redéfini l’articulation entre inné et acquis, et ouvert des perspectives cruciales pour la détection précoce des troubles neuro-développementaux.
1. Introduction et genèse des recherches de Janet Werker
1.1 Le contexte scientifique de la psycholinguistique développementale des années 1970 et 1980
La psycholinguistique développementale des années 1970 s’est construite au carrefour de ruptures épistémologiques majeures. D’un côté, les thèses innéistes formulées par Noam Chomsky avaient profondément ébranlé le paradigme béhavioriste dominant en postulant l’existence d’un Dispositif d’Acquisition du Langage (LAD) et d’une Grammaire Universelle génétiquement encodée. Dans cette perspective rationaliste, l’enfant ne pouvait acquérir la complexité structurelle du langage à partir d’un flux acoustique externe jugé pauvre, bruité et dégénéré sans disposer d’un équipement cognitif pré-câblé spécifiquement dédié au décodage de la parole humaine.
D’un autre côté, les sciences expérimentales apportaient des confirmations empiriques spectaculaires à cette sensibilité initiale. Dans leur étude séminale devenue un classique absolu, Peter Eimas, Einar Siqueland, Peter Jusczyk et James Vigorito (1971) démontrèrent, grâce au paradigme de la succion non nutritive, que des nourrissons âgés d’un mois seulement percevaient déjà les sons du langage de manière catégorielle. Confrontés à un continuum synthétique de temps d’établissement du voisement (Voice Onset Time ou VOT) entre /ba/ et /pa/, les nourrissons ne traitaient pas les variations acoustiques de manière continue et linéaire : ils manifestaient une dishabituation marquée uniquement lorsque le stimulus franchissait la frontière phonémique arbitraire située autour de +25 à +30 millisecondes, tout en ignorant des variations physiques de même magnitude survenant à l’intérieur d’une même catégorie phonémique.
Cette découverte révolutionnaire instaura la conception d’un nourrisson défini comme un « auditeur universel ». Selon cette vision, l’être humain naîtrait doté d’une matrice biologique contenant l’ensemble des frontières phonémiques nécessaires pour discriminer n’importe quel contraste présent dans les langues du monde. Toutefois, ce modèle laissait entièrement en suspens la question du rôle et de la temporalité de l’environnement linguistique post-natal. Si le nourrisson dispose à la naissance de frontières pré-câblées universelles, selon quelle cinétique temporelle et par quels mécanismes cognitifs précis l’expérience sonore de la communauté linguistique d’accueil vient-elle sculpter, maintenir ou faire régresser ces prédispositions initiales ?
1.2 La collaboration entre Janet Werker et Richard Tees
C’est précisément pour répondre à cette énigme fondamentale que se noua, à l’Université de Colombie-Britannique (UBC) à Vancouver, la collaboration historique entre la jeune doctorante Janet Werker et le neurobiologiste du comportement Richard Tees. Intéressé par les effets de la privation sensorielle précoce sur le cortex auditif chez l’animal, Tees offrait un cadre théorique solide ancré dans la neuroplasticité, tandis que Werker apportait une vision novatrice de la psychologie cognitive et du développement perceptif précoce. Ensemble, ils entreprirent de concevoir un protocole expérimental rigoureusement contrôlé permettant de comparer longitudinalement et transversalement des populations d’âges variés face à des contrastes phonétiques inexistants dans leur environnement linguistique quotidien.
L’intuition fondatrice de Werker et Tees reposait sur l’hypothèse qu’il ne s’agissait point d’une destruction anatomique irréversible de circuits neuronaux ou d’une perte absolue de capacités auditives périphériques, mais plutôt d’une réorganisation fonctionnelle de la perception de la parole. Pour éprouver cette hypothèse, il était impératif de dépasser les limitations méthodologiques inhérentes au paradigme de succion non nutritive, lequel s’avérait particulièrement difficile à appliquer chez des nourrissons âgés de plus de cinq à six mois en raison du déclin naturel du réflexe de succion au profit de la motricité volontaire et de l’exploration visuo-motrice.
Werker et Tees adaptèrent et perfectionnèrent ainsi la méthode de rotation de la tête conditionnée avec renforçateur visuel (Conditioned Head-Turn Paradigm). Cette transition méthodologique permit d’évaluer avec une précision psychométrique sans précédent des cohortes d’enfants âgés de six à douze mois, ainsi que des adultes de contrôle. L’aboutissement de cette rigoureuse démarche expérimentale fut la publication, en 1984, de leur article séminal dans la revue Infant Behavior and Development, intitulé « Cross-language speech perception: Evidence for perceptual reorganization during the first year of life ». Cette étude princeps allait redéfinir durablement l’ensemble de la psycholinguistique contemporaine.
1.3 Définition conceptuelle du rétrécissement perceptif (perceptual narrowing)
Le concept de rétrécissement perceptif — formalisé ultérieurement sous les termes de perceptual narrowing ou accordage perceptif (perceptual attunement) — désigne un processus neuro-développemental endogène au cours duquel une sensibilité sensorielle initialement large, omnidirectionnelle et indiscriminée subit une spécialisation sélective dictée par l’écologie environnementale de l’organisme. Loin de représenter un déficit ou une détérioration des compétences de l’enfant, ce phénomène traduit un ajustement adaptatif hautement efficient de l’appareil cognitif : le cerveau du nourrisson élague les distinctions non pertinentes au profit d’un traitement optimisé des régularités statistiques propres à sa culture et à sa communauté linguistique d’appartenance.
Sur le plan théorique, il convient d’opérer une distinction analytique rigoureuse entre la perception auditive générale et le traitement proprement phonologique. La perception auditive acoustique relève de la capacité du système cochléovestibulaire et des voies auditives primaires à encoder des différences de fréquences spectrales, d’intensité ou de micro-variations temporelles. En revanche, la perception phonémique constitue un traitement cognitif de niveau supérieur qui abstrait ces variations acoustiques continues afin de les assigner à des représentations catégorielles discrètes ayant une valeur fonctionnelle (distinctive de sens) dans une langue donnée. Le rétrécissement perceptif n’altère donc pas, au sens strict, la résolution psychoacoustique de la cochlée ; il reconfigure les filtres attentionnels corticaux qui décident quelles variations physiques méritent d’être traitées comme linguistiquement signifiantes.
Ce processus d’affinement repose sur un modèle de neurobiologie computationnelle associant plasticité synaptique et apprentissage statistique implicite. Au fur et à mesure que le nourrisson est immergé dans son bain linguistique natal, les synapses sous-tendant la discrimination des contrastes fréquents sont consolidées et stabilisées par potentialisation à long terme, tandis que les réseaux neuronaux sensibles aux contrastes non attestés dans l’environnement subissent un phénomène de désensibilisation fonctionnelle ou d’élagage synaptique sélectif. Ce modèle permet de comprendre comment l’économie cognitive sacrifie une flexibilité initiale devenue redondante pour édifier un système d’analyse de la parole d’une rapidité et d’une robustesse exceptionnelles face au bruit ambiant.
2. Les bases phonétiques des stimuli : le système consonantique hindi
2.1 L’opposition des occlusives dentales et rétroflexes
Pour mettre à l’épreuve l’universalité de la perception initiale des nourrissons, Janet Werker et Richard Tees devaient sélectionner des contrastes phonétiques rigoureusement absents du répertoire phonologique de la langue anglaise, tout en étant audibles et fonctionnels dans d’autres langues du monde. Le système consonantique des langues indo-aryennes, et tout particulièrement du hindi standard parlé en Inde du Nord, offrait un terrain d’investigation idéal en raison de sa richesse articulatoire et de la présence de distinctions géométriques et temporelles hautement spécifiques.
Le premier contraste sélectionné par les chercheurs concerne le lieu d’articulation des consonnes occlusives apicales, à travers l’opposition entre l’occlusive sourde dentale pure /t̪/ et l’occlusive sourde rétroflexe /ʈ/. Sur le plan articulatoire, l’occlusive dentale /t̪/ est produite en apposant fermement la pointe ou la lame de la langue contre la face interne des incisives supérieures, créant ainsi une occlusion très antérieure. À l’inverse, l’occlusive rétroflexe /ʈ/ nécessite une flexion postérieure de l’apex lingual vers l’arrière, la pointe de la langue venant heurter ou caresser la zone post-alvéolaire ou la voûte du palais dur. Pour un auditeur anglophone natif, habitué à une consonne alvéolaire médiane /t/ dont le point de contact se situe précisément entre ces deux extrêmes, ces deux sons sont quasi systématiquement perçus comme des variations allophoniques indistinctes d’un même phonème /t/.
D’un point de vue acoustique, la distinction entre /t̪/ et /ʈ/ est particulièrement subtile et repose principalement sur la trajectoire dynamique du troisième formant (F3) et, dans une moindre mesure, du deuxième formant (F2) lors de la transition vers la voyelle subséquente, ainsi que sur la distribution spectrale du bruit d’explosion (le burst de relâchement de l’occlusion). La rétroflexion abaisse considérablement la fréquence du troisième formant, le rapprochant de manière spectaculaire du deuxième formant. Pour un système auditif adulte non accoutumé à analyser ce type de trajectoire fréquentielle rapide, l’oreille perçoit un stimulus unique, rendant la discrimination de ce contraste extrêmement ardue sans un protocole d’entraînement auditif intensif.
2.2 Le contraste de voisement et d’aspiration (/ta/ vs /tʰa/ vs /da/ vs /dʰa/)
Outre la dimension du lieu d’articulation, le hindi présente une complexité remarquable sur le plan du voisement et du mode de relâchement glottal. Tandis que l’anglais et le français structurent leur inventaire d’occlusives autour d’une opposition binaire — grossièrement définie par le voisement préalable ou le retard modéré d’établissement du voisement —, le système phonologique du hindi déploie une matrice de contrastes à quatre voies pour chaque point d’articulation, combinant orthogonalement le voisement phonatoire et l’aspiration supraglottique.
Cette matrice englobe :
- Les occlusives sourdes non aspirées, telles que /t̪a/ (VOT court et positif, situé généralement entre 0 et +20 ms) ;
- Les occlusives sourdes aspirées, telles que /t̪ʰa/ (VOT long et positif supérieur à +60 ou +80 ms, caractérisé par un souffle glottal intense consécutif à l’explosion) ;
- Les occlusives voisées non aspirées, telles que /d̪a/ (VOT fortement négatif, caractérisé par une barre de voisement continue précédant le relâchement de l’occlusion) ;
- Les occlusives voisées soufflées ou aspirées, telles que /d̪ʱa/ (présentant à la fois un pré-voisement négatif et une phase de souffle laryngé murmuré se prolongeant sur le début de la voyelle).
Cette quadruple dichotomie exige un étalonnage millimétrique du contrôle moteur de la glotte et de la musculature sous-glottique. Pour des nourrissons anglophones n’ayant jamais été exposés à un système à quatre voies, tester leur capacité à discriminer une paire minimale non familière telle que le contraste entre une sourde non aspirée et une sourde aspirée non canonique permettait d’isoler la sensibilité purement temporelle du système auditif. Les indices acoustiques mis en jeu dans ces stimuli résident dans des durées d’aspiration et des micro-décalages de phase d’une extrême brièveté, mesurables à l’échelle de quelques dizaines de millisecondes.
2.3 Standardisation et calibrage des stimuli hindi pour le protocole expérimental
Afin de garantir une validité écologique et psychométrique sans faille, Werker et Tees accordèrent un soin méthodique à la génération et au calibrage des stimuli sonores utilisés dans leurs expérimentations. Tout recours à des sons artificiels ou mal maîtrisés risquait de susciter des artefacts d’écoute ou, inversement, d’éliminer des micro-indices acoustiques naturels indispensables au traitement précoce de la parole humaine.
Les stimuli hindi furent enregistrés dans des conditions anéchoïques rigoureuses à partir des productions de locuteurs adultes natifs et unilingues, évitant ainsi toute contamination phonétique susceptible d’être induite par une maîtrise prolongée de l’anglais nord-américain. Des syllabes naturelles de type Consonne-Voyelle (CV), construites avec la voyelle centrale neutre /a/ (par exemple /t̪a/ et /ʈa/), furent captées au moyen de microphones électrostatiques de haute précision. Ces enregistrements furent ensuite numérisés et soumis à un contrôle acoustique informatisé rigoureux.
Les signaux sélectionnés furent minutieusement appariés et égalisés en intensité sonore quadratique moyenne (RMS), en durée globale (stabilisée autour de 450 à 500 millisecondes) ainsi qu’en fréquence fondamentale (F0) du contour mélodique vocalique. Cette étape de standardisation était cruciale : elle garantissait que l’attention des nourrissons ne serait pas captée par des variations prosodiques triviales — comme une élévation involontaire de la hauteur tonale ou un allongement intempestif de la voyelle — mais qu’elle se focaliserait exclusivement sur les indices forméliques et spectraux caractérisant le lieu d’articulation dentale contre rétroflexe.
3. Les bases phonétiques des stimuli : le système consonantique salish (thompson)
3.1 Les consonnes éjectives et la phonologie des langues salishennes
Afin de conférer à leur démonstration théorique une portée universelle indiscutable, Werker et Tees prirent la décision méthodologique capitale de ne pas se limiter au système hindi. Ils sélectionnèrent un second système phonologique issu d’une famille linguistique radicalement distincte : la famille des langues salishennes, parlées par les populations autochtones de la côte Nord-Ouest du Pacifique et de l’intérieur de la Colombie-Britannique. Leur choix se porta sur le nłeʔkepmxcín, traditionnellement désigné dans la littérature scientifique sous le nom de salish de Thompson.
Le système phonologique thompson est réputé parmi les linguistes pour son extraordinaire complexité articulatoire, notamment marquée par une vaste gamme d’occlusives et d’affriquées glottalisées, dites consonnes éjectives. Contrairement aux consonnes pulmonaires classiques qui reposent sur un flux d’air expulsé depuis les poumons par l’action de la cage thoracique et du diaphragme, les consonnes éjectives utilisent un mécanisme de courant d’air glottalique initiateur. Lors de la production d’une éjective, les plis vocaux se ferment hermétiquement (fermeture glottale complète), simultanément à une occlusion complète en un point donné du conduit vocal supraglottique.
L’élévation verticale du larynx agit ensuite comme le piston d’une seringue, comprimant l’air piégé dans l’espace pharyngé et buccal. Lorsque la constriction supérieure est brusquement rompue, l’air sous forte pression s’échappe avec un claquement explosif caractéristique, immédiatement suivi du relâchement de la glotte. Les propriétés spectrales de ces sons sont d’une grande complexité : elles combinent une explosion à très fort niveau de pression acoustique, une phase de silence glottal absolu de plusieurs dizaines de millisecondes et une attaque abrupte, souvent crépitante ou laryngalisée, de la voyelle suivante. Ce type de production est d’une rareté typologique presque totale dans les langues indo-européennes contemporaines.
3.2 L’opposition vélaire contre uvulaire éjective (/k’/ vs /q’/)
Au sein de l’inventaire consonantique salish, Werker et Tees isolèrent un contraste articulatoire spécifique d’une redoutable difficulté auditive pour les locuteurs non autochtones : l’opposition entre une occlusive éjective vélaire /kʼ/ et une occlusive éjective uvulaire /qʼ/. Dans les deux cas, le mode de phonation éjectif glottalisé est strictement identique ; seule diffère la localisation antéro-postérieure de l’occlusion sur la partie postérieure de la voûte buccale.
Pour le phonème vélaire /kʼ/, le dos de la langue s’élève contre le voile du palais (palais mou), dans une position articulatoire assez proche de celle adoptée pour le /k/ de l’anglais ou du français. En revanche, pour l’éjective uvulaire /qʼ/, le point de contact est situé beaucoup plus profondément dans le tractus vocal : la racine de la langue et le post-dorsum se rétractent en arrière pour venir heurter la luette (l’uvule) et la paroi pharyngienne supérieure. Cette rétraction anatomique modifie profondément la résonance acoustique de la cavité arrière.
Sur le plan spectrogrammique, cette différence anatomique se traduit par une modification spectrale de l’explosion et des transitions forméliques. Le bruit de relâchement de l’uvulaire /qʼ/ présente un centre de gravité spectral nettement plus bas en fréquence que celui de la vélaire /kʼ/, et la transition du deuxième formant (F2) sur la voyelle subséquente subit une déflexion marquée, tandis que le premier formant (F1) s’élève en raison du rétrécissement pharyngien. En anglais, cette région postérieure ne fait l’objet d’aucune distinction catégorielle : les sons vélaires et uvulaires sont perceptuellement fusionnés sous la catégorie vélaire unique /k/. Pour préserver l’intégrité de ces stimuli rares, Werker fit appel à des aînés (elders) de la communauté autochtone Thompson de Spences Bridge en Colombie-Britannique, enregistrant des paires de syllabes telles que /kʼi/ contre /qʼi/ prononcées avec une authenticité articulatoire irréprochable.
3.3 Importance théorique du choix conjoint du hindi et du salish
L’intégration simultanée de stimuli hindi et salish au sein d’un même programme expérimental représentait un chef-d’œuvre de rigueur conceptuelle. Sur le plan de la typologie phonétique, cette double approche permettait d’investiguer deux dimensions physiques de la parole humaine totalement hétérogènes :
- D’un côté, le contraste hindi /t̪/ contre /ʈ/ évaluait la discrimination fine d’un lieu d’articulation antérieur (apico-dental vs rétroflexe) sur des consonnes pulmonaires classiques ;
- De l’autre côté, le contraste salish /kʼ/ contre /qʼ/ explorait un lieu d’articulation postérieur extrême (vélaire vs uvulaire) imbriqué dans un mode de production non pulmonaire hautement insolite (éjectif glottalisé).
Sur le plan sociolinguistique et démographique, ce protocole éliminait de façon catégorique toute variable confondante liée à une éventuelle exposition prénatale ou environnementale passive. Les nourrissons anglophones recrutés dans la région métropolitaine de Vancouver ne possédaient strictement aucune chance d’avoir entendu, au sein de leur foyer familial ou dans les médias, des locuteurs de salish de Thompson ou de hindi unilingue. Si ces enfants de six mois manifestaient une sensibilité discriminatoire face à ces sons exotiques, cette performance ne pouvait en aucun cas être attribuée à un apprentissage perceptif précoce : elle constituait la preuve formelle d’une prédisposition computationnelle universelle du cerveau humain.
4. Le paradigme de rotation de la tête conditionnée (HTCP)
4.1 Architecture et déroulement technique du protocole HPP/HTCP
La mise en évidence de compétences perceptives chez des créatures non verbales exige des paradigmes comportementaux exploitant des réponses motrices naturelles tout en les insérant dans un cadre de conditionnement psychophysique strict. Janet Werker perfectionna le paradigme de rotation de la tête conditionnée (High-Amplitude Conditioned Head-Turn Paradigm ou HTCP), initialement conceptualisé par des chercheurs de l’Université de Washington, pour l’adapter spécifiquement à la discrimination phonétique fine chez l’enfant de six à douze mois.
L’expérimentation se déroule dans une cabine insonorisée à isolation phonique totale. Le nourrisson est assis sur les genoux de son parent, faisant face à un expérimentateur assistant chargé d’entretenir un niveau d’éveil optimal et une fixation visuelle médiane à l’aide de jouets silencieux non stimulants (cubes de bois, petites marionnettes immobiles). À 90 degrés sur le côté de l’enfant se trouve un haut-parleur dissimulé, flanqué d’un boîtier en plexiglas sombre et opaque contenant un automate attrayant (un ours mécanique animé jouant du tambour ou un singe frappant des cymbales), initialement éteint et invisible.
Le protocole expérimental comporte deux phases successives rigoureusement ordonnées :
- La phase de conditionnement et d’apprentissage : Le système diffuse en boucle un son de fond continu (le son d’arrière-plan ou stimulus habitué, par exemple /kʼ/). À intervalles programmés, un stimulus de contraste (le son test, par exemple /qʼ/) est introduit dans la séquence. Si le nourrisson tourne la tête en direction du haut-parleur dans un intervalle de temps prédéterminé consécutivement au changement de son, le boîtier s’illumine instantanément et l’automate mécanique s’anime pendant deux à trois secondes, offrant une récompense visuelle contingente. Par association pavlovienne puis opérante, l’enfant apprend rapidement que toute détection d’une modification acoustique prédit l’activation du spectacle visuel.
- La phase de test proprement dite : Une fois le critère d’apprentissage validé (généralement trois ou quatre rotations consécutives réussies sur des contrastes faciles), les essais tests critiques sont administrés en double insu afin de mesurer objectivement si le bébé oriente sa tête de manière anticipatoire lors du passage d’un phonème non familier à un autre.
4.2 Contrôle rigoureux des biais expérimentaux
L’un des mérites insignes de Werker et Tees réside dans l’élimination méticuleuse de tout biais de confirmation ou artefact méthodologique susceptible de vicier l’interprétation des données. L’écueil majeur d’un protocole basé sur l’observation du comportement d’un nourrisson réside dans l’influence inconsciente des adultes présents dans la pièce, phénomène bien documenté en psychologie expérimentale sous l’appellation d’effet Clever Hans.
Pour neutraliser ce risque, le parent maintenant l’enfant sur ses genoux ainsi que l’assistant assis devant le nourrisson portaient des casques audio étanches diffusant en permanence une musique masquante à fort volume ou un masquage de parole continuel. Ainsi, ni le parent ni l’expérimentateur assistant ne pouvaient entendre les stimuli sonores diffusés dans la cabine ; ils ignoraient rigoureusement à quel moment survenait un changement phonétique et étaient donc dans l’impossibilité physique de transmettre des indices posturaux, des micro-pressions corporelles ou des regards orientés vers le boîtier lumineux.
De surcroît, le protocole intégrait une gestion probabiliste des essais à l’aide d’essais contrôles dits « sham trials » ou essais de non-changement. Lors de ces essais contrôles, le son d’arrière-plan continuait d’être diffusé sans aucune modification phonétique, mais le système enregistrait si le nourrisson effectuait spontanément une rotation de tête. Une réponse valide était strictement définie comme une rotation céphalique franche supérieure à 45 degrés en direction de la cible visuelle, survenant à l’intérieur d’une fenêtre temporelle critique (typiquement 2 à 3 secondes après l’amorce du son test) et n’étant pas observée lors des essais de contrôle. Le taux de fausses alarmes était ainsi continuellement monitoré, garantissant que les succès enregistrés reflétaient une véritable discrimination perceptive et non une simple agitation motrice ou une curiosité aléatoire de l’enfant.
4.3 Avantages psychométriques par rapport aux méthodes antérieures
Comparé au paradigme de succion non nutritive ou aux protocoles de préférence visuelle par fixation continue, le conditionnement par rotation de la tête présentait une supériorité psychométrique substantielle pour la tranche d’âge charnière de six à douze mois. Dans les études de succion, l’unité de mesure est indirecte et repose sur des calculs d’habituation et de dishabituation statistiques moyennés sur des cohortes entières ; il est virtuellement impossible d’affirmer avec certitude si un nourrisson particulier, pris isolément, a discriminé un contraste spécifique.
Le protocole HTCP de Werker et Tees constituait une tâche de psychophysique animale adaptée au nourrisson humain, permettant d’établir des seuils de discrimination au niveau de chaque sujet individuel. Chaque enfant était confronté à un bloc structuré de 20 à 25 essais, ce qui permettait de fixer un critère de réussite statistique individuel extrêmement exigeant (par exemple, huit ou neuf rotations correctes sur dix essais de changement consécutifs, avec un taux de fausses alarmes inférieur à 10%).
Cette sensibilité méthodologique conférait une fiabilité remarquable aux données : lorsqu’un nourrisson échouait au test, les expérimentateurs disposaient de moyens immédiats de vérifier si cet échec résultait d’une incompétence perceptive sélective ou d’un affaiblissement de la vigilance générale. En intercalant, en fin de session expérimentale, un contraste natif familier et acoustiquement trivial (tel que /ba/ versus /da/), Werker et Tees pouvaient s’assurer que le sujet possédait toujours la motivation et l’énergie motrice nécessaires pour tourner la tête. Si l’enfant réagissait instantanément à la paire /ba/-/da/ après avoir ignoré la paire hindi /t̪a/-/ʈa/, l’échec sur le contraste hindi ne pouvait en aucun cas être attribué à la fatigue, à l’ennui ou à une incompréhension de la consigne opérante.
5. La trajectoire développementale : les données de 6 à 12 mois
5.1 La performance des nourrissons de 6 à 8 mois : l’auditeur universel
Les résultats empiriques issus de l’étude de 1984 de Werker et Tees ont constitué un tournant conceptuel immédiat. Les nourrissons anglophones âgés de 6 à 8 mois testés sur le contraste d’occlusives hindi (/t̪/ versus /ʈ/) ont démontré une performance spectaculaire : près de 95% d’entre eux ont réussi le test avec brio, satisfaisant aux critères statistiques rigoureux de rotation anticipatoire de la tête lors des essais de changement.
De façon tout à fait remarquable, la performance de ces bébés anglophones sur le contraste salish (/kʼ/ versus /qʼ/) atteignit un taux de réussite quasi identique, oscillant entre 80 et 90%. Rien dans leur environnement acoustique quotidien ne les avait préparés à extraire ces distinctions subtiles de formants rétroflexes ou ces micro-silences d’explosion glottalique évective. Ces nourrissons de six mois réagissaient aux variations phonétiques du hindi et du salish avec la même acuité, la même rapidité d’orientation et la même assurance perceptive que s’il s’agissait de contrastes structurants de leur propre communauté linguistique.
Ces données établirent de manière indiscutable la réalité de l’auditeur universel : à ce stade précoce de l’ontogenèse, le système perceptif humain opère comme un capteur à large bande passante, biologiquement préparé à accueillir et à discriminer n’importe quel contraste phonologique susceptible d’être articulé par un tractus vocal humain. L’absence d’expérience préalable n’inhibe nullement la catégorisation : la machinerie auditive traite les signaux selon leurs discontinuités psychoacoustiques intrinsèques.
5.2 La phase de transition entre 8 et 10 mois
Le deuxième volet de l’investigation concernait la cohorte intermédiaire de nourrissons âgés de 8 à 10 mois. C’est à ce stade précis du développement qu’apparaît une rupture fascinante dans les courbes de performance, marquant le basculement progressif du système cognitif.
Lorsqu’ils furent confrontés aux mêmes paires minimales hindi et salish, les nourrissons de 8 à 10 mois manifestèrent un déclin sensible et statistiquement significatif de leurs taux de discrimination. Les taux de succès chutèrent aux alentours de 60 à 65% pour le contraste hindi, et amorcèrent une baisse comparable pour le contraste thompson. Bien que certains enfants parvinssent encore à satisfaire aux critères opérants, une variabilité interindividuelle considérable commença à émerger au sein de la cohorte.
Cette phase transitoire témoigne de l’amorce du processus d’accordage perceptif. Le cerveau de l’enfant ne bascule pas du jour au lendemain d’une sensibilité universelle à une cécité phonologique non native ; il traverse une zone critique où les traces sensorielles non renforcées par le milieu commencent à perdre leur saillance cognitive au profit de l’encodage des propriétés récurrentes du bain de langage environnant. C’est également à cet âge que le nourrisson commence à devenir particulièrement sensible aux patrons phonotactiques et accentuels de sa langue d’accueil, signe avant-coureur d’une réorganisation profonde de son architecture cognitive.
5.3 Le seuil de 10 à 12 mois : l’avènement du spécialiste linguistique
Le point d’orgue de la trajectoire développementale documentée par Werker et Tees survient à la fin de la première année de vie, chez les enfants âgés de 10 à 12 mois. Les données recueillies auprès de ce groupe d’âge révélèrent une transformation radicale : les nourrissons anglophones s’avérèrent désormais totalement incapables de discriminer les contrastes non natifs.
Sur la paire hindi /t̪a/ versus /ʈa/, le taux de réussite s’effondra pour atteindre un maigre 15 à 20% des enfants testés, un score équivalent au niveau du hasard ou attribuable à des fluctuations attentionnelles résiduelles. Les résultats sur le contraste salish /kʼ/ versus /qʼ/ furent encore plus frappants, avec une chute sous la barre des 10% de réussite. Les mêmes stimuli acoustiques qui suscitaient une rotation immédiate et enthousiaste de la tête quatre mois plus tôt laissaient désormais les nourrissons de 11 mois parfaitement immobiles et indifférents, continuant à fixer paisiblement les jouets présentés en face d’eux.
Pourtant, cette dégradation massive n’était en aucun cas le reflet d’une sénescence auditive ou d’une baisse des capacités attentionnelles générales. Testés dans la foulée sur le contraste consonnantique de leur langue maternelle (/ba/ versus /da/), ces mêmes nourrissons de 10 à 12 mois affichaient un taux de succès parfait de 100%. En l’espace de six mois, le nourrisson humain s’était métamorphosé : d’un auditeur universel universellement sensible à toutes les nuances phonétiques du langage, il était devenu un « spécialiste linguistique » hautement affûté, calibré pour ignorer les distinctions inutiles et pour maximiser l’efficacité du décodage de la langue de son environnement.
6. Comparaisons intergroupes et validations transculturelles
6.1 Les données obtenues auprès des adultes anglophones, hindiphones et thompson
Pour étayer la validité écologique de ces observations infantiles, Werker et Tees devaient nécessairement confronter leurs données à celles d’adultes partageant ou ne partageant pas les langues cibles. L’hypothèse sous-jacente postulait que si le déclin observé à 10-12 mois correspondait à une spécialisation phonologique fonctionnelle, la performance des bébés en fin de première année devait préfigurer avec exactitude le profil perceptif stable des adultes monolingues de leur communauté.
Les résultats confirmèrent cette prédiction de façon éclatante. Les adultes anglophones testés dans des conditions expérimentales rigoureusement identiques à celles des nourrissons furent rigoureusement incapables de discriminer de manière catégorielle fiable le contraste hindi /t̪/ versus /ʈ/ ainsi que le contraste salish /kʼ/ versus /qʼ/. Confrontés à ces stimuli, les adultes rapportaient subjectivement entendre deux instances strictement identiques d’un « t » ou d’un « k », attestant d’une surdité phonologique acquise.
À l’inverse, des adultes hindiphones natifs réussirent la tâche hindi avec un score parfait de 100%, tout en échouant lamentablement sur le contraste salish. De manière symétrique, les locuteurs adultes natifs de salish de Thompson discriminèrent sans la moindre hésitation les paires /kʼi/ et /qʼi/, tout en demeurant incapables d’identifier les variations des occlusives dentales et rétroflexes du hindi. Ces doubles dissociations transculturelles démontraient irréfutablement que les difficultés rencontrées par les nourrissons anglophones de 10 à 12 mois ne relevaient pas d’une ambiguïté intrinsèque des stimuli sonores, mais reflétaient fidèlement les frontières phonémiques cristallisées de leur groupe linguistique de référence.
6.2 Les études longitudinales de confirmation
L’un des défis majeurs adressés aux conclusions de l’article de 1984 portait sur la nature des cohortes expérimentales. Les données initiales reposaient pour une large part sur des plans expérimentaux transversaux comparant des groupes distincts d’enfants de 6-8 mois, de 8-10 mois et de 10-12 mois. Il subsistait donc une objection méthodologique formelle : les différences de score observées ne pouvaient-elles pas provenir d’effets d’échantillonnage accidentels, de variations dans le niveau socio-économique ou de biais propres à des cohortes non appariées ?
Pour dissiper définitivement ce doute, Janet Werker et Richard Tees mirent en place une étude longitudinale exemplaire. Ils recrutèrent une cohorte homogène de nourrissons anglophones dès l’âge de 6 mois et les testèrent de façon répétée et prospective aux bornes temporelles critiques de leur développement : à 6 mois, à 8 mois, à 10 mois et enfin à 12 mois de vie, en utilisant alternativement les stimuli natifs, hindi et salish.
Les résultats de ce suivi longitudinal reproduisirent point par point les observations issues des protocoles transversaux. Chaque enfant, suivi individuellement dans son développement propre, exhiba la même dynamique de régression sélective :
- Une discrimination parfaite à 6-8 mois ;
- Une amorce d’hésitation et d’irrégularité vers 8-10 mois ;
- Une perte complète de réactivité comportementale aux sons hindi et salish à l’approche de 12 mois ;
- Un maintien sans faille de la réactivité aux contrastes anglais.
Cette démonstration longitudinale apporta la preuve irréfragable qu’il s’agissait d’un changement intra-individuel régulier, universel et biologiquement ancré dans le calendrier de maturation cognitive de la première année de vie.
6.3 Comparaison avec les nourrissons natifs hindi et salish
La pièce maîtresse du puzzle comparatif nécessitait d’évaluer des nourrissons grandissant dans des foyers où le hindi ou le salish constituaient la langue de communication quotidienne. Si le rétrécissement perceptif relevait d’un processus de dégradation biologique générale, non guidé par l’expérience linguistique, alors les nourrissons exposés au hindi devraient également perdre la capacité de discriminer le contraste /t̪/-/ʈ/ vers l’âge de 10 à 12 mois.
Werker et ses collaborateurs évaluèrent des bébés élevés au sein de familles parlant couramment le hindi. À l’âge de 11 à 12 mois, au moment exact où les nourrissons anglophones sombraient dans l’incapacité de différencier les occlusives dentales des rétroflexes, les nourrissons issus de foyers hindiphones maintenaient une capacité discriminatoire intégrale, obtenant des scores avoisinant les 90% de réussite comportementale. L’exposition régulière à la langue cible avait agi comme un fixateur neuro-fonctionnel, préservant et stabilisant la frontière phonologique que l’absence d’input laissait au contraire s’étioler chez leurs pairs anglophones.
Cette confirmation transculturelle scellait une vérité fondamentale : le rétrécissement perceptif ne correspond en aucune façon à une perte d’acuité ou à une involution neurologique. Il s’agit au contraire d’une adaptation sélective et positive de l’architecture cognitive, façonnée par la distribution statistique des signaux de parole présents dans l’écologie sonore immédiate de l’enfant.
7. Mécanismes cognitifs sous-jacents : l’apprentissage statistique et phonotactique
7.1 L’extraction des distributions statistiques dans le flux de parole
Comment le cerveau immature du nourrisson opère-t-il cette sélection sans recevoir d’instruction explicite ou de correction métalinguistique de la part de son entourage ? La réponse théorique à cette question a émergé grâce à l’avènement des modèles d’apprentissage statistique et computationnel dans la seconde moitié des années 1990, prolongés avec brio par les travaux expérimentaux de Jessica Maye, Janet Werker et LouAnn Gerken (2002).
L’apprentissage distributionnel postule que le nourrisson agit comme un statisticien inconscient doté d’une sensibilité phénoménale aux propriétés distributionnelles des signaux sonores qui frappent sa cochlée. Dans une langue où un contraste phonémique est fonctionnel, comme le hindi pour les occlusives dentales et rétroflexes, la distribution acoustique des réalisations physiques de ces consonnes présente une forme bimodale : les occurrences de parole se regroupent autour de deux pics de fréquence distincts (les prototypes acoustiques de /t̪/ et de /ʈ/), séparés par une vallée où les sons intermédiaires sont rares.
À l’inverse, dans un environnement anglophone, les variations physiques autour du point d’articulation alvéolaire se distribuent selon une courbe de Gauss monomodale, centrée sur un unique pic moyen (le phonème /t/). En exposant expérimentalement des nourrissons de 6 à 8 mois à des distributions synthétiques soit unimodales soit bimodales d’un continuum phonétique artificiel, Maye et ses collaborateurs ont démontré qu’une brève exposition de quelques minutes à une distribution bimodale induit la discrimination des extrémités du continuum, tandis qu’une distribution monomodale fusionne les deux sons en une catégorie unique. L’apprentissage statistique distributionnel constitue ainsi le moteur algorithmique principal qui sculpte les frontières perceptives de l’enfant.
7.2 Le rôle du langage adressé à l’enfant (parentais ou child-directed speech)
Le processus d’apprentissage statistique est puissamment amplifié et catalysé par la nature même du signal vocal que les adultes fournissent aux nourrissons. Dans la quasi-totalité des cultures humaines, les figures d’attachement modifient spontanément leur registre de parole lorsqu’elles s’adressent à un tout-petit, adoptant ce que la littérature nomme le langage adressé à l’enfant (LAE), plus couramment désigné sous le terme de « parentais » (motherese).
Le parentais ne se caractérise pas seulement par un débit ralenti et une prosodie exagérément chantante ; il opère une hyperarticulation acoustique systématique des voyelles et des consonnes. Les travaux pionniers de Patricia Kuhl et de Janet Werker ont démontré que les mères étirent significativement l’espace vocalique acoustique (l’aire du triangle formé par les formants F1 et F2 des voyelles extrêmes /i/, /u/, /a/) lorsqu’elles parlent à leur bébé par rapport à leurs interactions entre adultes. Cette hyperarticulation déplace les prototypes phonétiques vers des positions périphériques plus nettes et réduit la dispersion des allophones ambigus.
En nettoyant ainsi le signal sonore de ses ambiguïtés de coarticulation les plus sévères, le langage adressé à l’enfant offre une distribution bimodale ou multimodale d’une clarté spectrale remarquable. Les frontières phonétiques y apparaissent de manière accentuée, permettant aux réseaux neuronaux du nourrisson d’extraire les invariants acoustiques de sa langue maternelle avec une rapidité computationnelle décuplée. L’interaction sociale chaleureuse devient ainsi le véhicule privilégié d’un calibrage perceptif hautement rigoureux.
7.3 De la perception du signal continu à la représentation symbolique discrète
Pourquoi l’évolution a-t-elle sélectionné un mécanisme qui « prive » l’enfant de sa capacité précoce à discriminer les sons des langues étrangères ? La justification cognitive réside dans l’impératif de construire un système lexical pérenne et fonctionnel. Le signal acoustique brut de la parole est perpétuellement instable : un même mot prononcé par un homme à la voix grave, une femme à la voix aiguë, une personne enrhumée ou un locuteur chuchotant génère des spectres fréquentiels radicalement divergents.
Si le système cognitif de l’enfant conservait indéfiniment une sensibilité absolue à la moindre micro-variation physique des formants ou des bruits de souffle, il succomberait sous la charge de traitement et échouerait à concevoir la constance perceptuelle des mots. Pour accéder à la dimension symbolique du langage, l’esprit humain doit apprendre à ignorer les variations allophoniques continues non pertinentes au sein de sa communauté linguistique afin de compresser le signal entrant en catégories symboliques discrètes.
Cette transition de l’acoustique vers le phonologique constitue le marchepied indispensable vers l’acquisition du vocabulaire. Comme le théoriseront plus tard Werker et Curtin dans leur modèle unifié, le rétrécissement perceptif de la fin de la première année de vie ne marque pas une déperdition passive de potentiel, mais constitue la condition sine qua non permettant de convertir des données sensorielles brutes en représentations lexicales robustes et stockables en mémoire à long terme.
8. Substrats neurobiologiques et plasticité cérébrale
8.1 Élagage synaptique et réorganisation du cortex auditif primaire et secondaire
Les observations comportementales documentées dans les tâches hindi et salish trouvent un ancrage direct dans les principes fondamentaux de la neurobiologie du développement. Au moment de la naissance et au cours des six premiers mois de la vie, le néocortex auditif humain traverse une phase exubérante de synaptogenèse. Sous l’impulsion de programmes génétiques hautement conservés, les aires auditives primaires (le gyrus de Heschl ou aire de Brodmann 41) et secondaires (le planum temporale et le gyrus temporal supérieur) tissent une surabondance phénoménale de connexions synaptiques éphémères.
Cette connectivité foisonnante procure au système nerveux central une hyper-réceptivité initiale capable de traiter un spectre acoustique extrêmement vaste et indifférencié. Toutefois, ce réseau immature se caractérise par une faible spécificité fonctionnelle et un niveau de bruit neuronal élevé. À partir du deuxième semestre post-natal s’enclenche la phase d’élagage synaptique sélectif (synaptic pruning), régie par le principe hebbien universel de plasticité : « cells that fire together, wire together; cells that fire apart, wire apart ».
Les circuits neuronaux régulièrement sollicités par les patrons acoustiques de la langue ambiante subissent une stabilisation protectrice, matérialisée par l’augmentation de la densité des récepteurs glutamatergiques AMPA, la myélinisation progressive des axones et l’organisation de cartes tonotopiques et phonotopiques d’une redoutable précision au sein de l’hémisphère gauche. En revanche, les circuits synaptiques sensibles aux transitions de formants rétroflexes ou aux décharges spectrales éjectives, n’étant jamais réactivés par le milieu extérieur, sont progressivement éliminés ou réaffectés à d’autres fonctions computationnelles. Ce remaniement neuro-architectural consacre la dominance de l’hémisphère cérébral gauche dans le traitement temporel rapide des unités de la parole maternelle.
8.2 Corrélats électrophysiologiques : la Mismatch Negativity (MMN)
La confirmation neurophysiologique directe de ces réorganisations corticales a pu être apportée sans ambiguïté grâce à l’électroencéphalographie (EEG) à haute densité et à l’analyse des potentiels évoqués cognitifs (Event-Related Potentials ou ERP), et tout particulièrement par la mesure de l’onde de discordance ou Mismatch Negativity (MMN), découverte par Risto Näätänen.
La MMN est un potentiel négatif automatique survenant classiquement entre 150 et 250 millisecondes après l’occurrence d’un stimulus auditif déviant intercalé au sein d’une séquence répétitive de stimuli standards, et ce en l’absence totale d’attention consciente ou de coopération active de la part du sujet. En soumettant des nourrissons d’âges variés au protocole oddball utilisant les stimuli hindi et salish de Janet Werker, les chercheurs ont pu tracer l’exacte contrepartie neurophysiologique des courbes de rotation de la tête :
- Chez les nourrissons anglophones de 6 mois, la présentation d’une déviante /ʈa/ au milieu de stimuli standards /t̪a/ génère une onde MMN d’amplitude robuste et nette, démontrant que le cortex auditif discrimine pré-attentionnellement le changement de phonème.
- Vers l’âge de 11 à 12 mois, cette onde de négativité de discordance s’atténue jusqu’à disparaître entièrement chez les nourrissons anglophones confrontés aux contrastes non natifs, alors qu’elle s’amplifie et devient plus rapide face aux déviants de la langue maternelle.
Des investigations plus récentes mobilisant la magnétoencéphalographie (MEG) et la spectroscopie proche infrarouge fonctionnelle (fNIRS) sont venues corroborer ces mesures en montrant qu’à 12 mois, seuls les contrastes natifs parviennent à activer spécifiquement les réseaux fronto-temporaux gauches responsables de l’intégration phonologique.
8.3 Périodes sensibles versus périodes critiques
La cinétique temporelle caractérisant le rétrécissement perceptif soulève la question épistémologique cruciale de la nature de cette fenêtre temporelle : s’agit-il d’une « période critique » close et irréversible, ou plus modérément d’une « période sensible » caractérisée par une flexibilité neurobiologique résiduelle ?
Les neurosciences actuelles s’accordent pour qualifier le rétrécissement phonologique de période sensible. Bien que l’architecture synaptique par défaut soit consolidée à la fin de la première année par la maturation des circuits d’interneurones inhibiteurs à acide gamma-aminobutyrique (GABA) et l’érection des réseaux périneuronaux (PNNs) qui verrouillent la plasticité structurelle autour des corps cellulaires, le déclin perceptif n’est pas absolu. L’adulte exposé à des contrastes non natifs n’est pas atteint d’une lésion corticale irréversible : par un entraînement psychophysique intensif ou dans des contextes d’immersion totale, le système nerveux adulte peut faire montre d’une plasticité compensatoire, réactivant des discriminabilités endormies.
Toutefois, l’effort neuro-computationnel exigé de l’adulte pour recréer ces frontières artificielles demeure incommensurablement plus lourd que l’apprentissage transparent et sans effort opéré par le cerveau du nourrisson avant son premier anniversaire. Le calibrage précoce s’avère donc optimal car il se déploie à une période de grâce neurobiologique où le taux de plasticité synaptique est à son apogée développementale.
9. Le modèle PRIMIR et les théories contemporaines de Janet Werker
9.1 Présentation du modèle PRIMIR
Face à l’accumulation des données comportementales et neuro-imageries amassées au fil de deux décennies de recherche empirique, Janet Werker et Suzanne Curtin ont élaboré en 2005 un modèle théorique unifié d’une sophistication remarquable : le modèle PRIMIR (Processing Rich Information from Multidimensional Interactive Representations).
Le modèle PRIMIR rejette les dichotomies stériles entre approches purement innéistes et thèses empiristes radicales. Il conçoit le nourrisson comme un système dynamique multidimensionnel traitant simultanément et en temps réel de multiples facettes du signal vocal à travers trois plans de représentation dynamiques et interactifs :
- Le plan perceptif général (General Perceptual Plane) : Il traite l’ensemble des propriétés acoustiques physiques continues (hauteur tonale, spectre fréquentiel, timbre individuel de la voix, résonance). C’est à ce niveau fondamental qu’opère initialement l’auditeur universel de 6 mois.
- Le plan phonologique (Word-Form Plane) : Il filtre et organise les régularités statistiques pour en extraire des représentations structurales stables propres à la langue ambiante (catégories phonémiques, règles phonotactiques, patrons d’accentuation métrique). C’est ce plan qui émerge et se consolide sous l’effet du rétrécissement perceptif entre 8 et 12 mois.
- Le plan lexical (Lexical Plane) : Il assure l’appariement formel entre les représentations de formes de mots et des référents sémantiques ou conceptuels du monde réel.
Selon PRIMIR, le comportement du nourrisson dans une tâche donnée ne dépend pas simplement d’un état fixe de ses neurones, mais de l’interaction dynamique entre les exigences de la tâche expérimentale, les filtres attentionnels mobilisés et le niveau de maturation des différents plans de représentation.
9.2 Perception multisensorielle et intégration audiovisuelle
Une dimension fondamentale des travaux contemporains de Janet Werker réside dans la démonstration que le rétrécissement perceptif ne se cantonne pas au domaine strictement auditif, mais opère de concert sur un mode multisensoriel et audiovisuel unifié. La parole n’est pas seulement un événement que l’on écoute ; c’est un événement physique incarné que l’on voit se déployer sur les visages de nos interlocuteurs.
Dans des protocoles ingénieux de lecture labiale précoce, Werker et ses collègues ont présenté à des bébés des visages de locuteurs articulant des syllabes en coupant le son ou en introduisant des désynchronisations audiovisuelles. Dès l’âge de deux à quatre mois, les nourrissons démontrent une sensibilité spontanée à la synchronie des mouvements labiaux et des flux acoustiques, intégrant précocement les indices visuels du lieu d’articulation (mouvement des lèvres, ouverture de la mâchoire, visibilité des dents ou de la langue) selon les mécanismes observés dans l’effet McGurk.
De façon fascinante, Janet Werker a prouvé que la modalité visuelle de la parole subit exactement le même rétrécissement perceptif que la modalité acoustique entre 6 et 10 mois. À 6 mois, un bébé anglophone est capable de discriminer visuellement, en observant uniquement les mouvements muets des lèvres d’un visage féminin, si celle-ci s’exprime en anglais ou en français québécois. À l’âge de 10 mois, cette capacité de discrimination visuelle interlangue disparaît chez les enfants monolingues pour ne subsister que face à leur propre idiome, révélant un alignement temporel parfait entre l’œil et l’oreille dans la spécialisation de la machinerie phonologique.
9.3 Influence de la charge cognitive dans les tâches de dénomination d’objets
L’une des contributions les plus élégantes de l’équipe de Werker à la compréhension des rouages de PRIMIR réside dans la résolution de ce que la littérature a désigné comme le « paradoxe de l’association mot-objet », formalisé dans l’article fondateur de Christine Stager et Janet Werker (1997) à l’aide du paradigme Switch.
Considérons la situation suivante : un nourrisson anglophone de 14 mois possède depuis plusieurs mois déjà la capacité neuro-acoustique parfaite de discriminer le contraste consonnantique minimal entre /b/ et /d/. Pourtant, lorsqu’on le place dans une tâche d’apprentissage lexical où il doit associer la forme sonore /bɪ/ à un objet visuel inédit et la forme sonore /dɪ/ à un second objet distinct, l’enfant échoue de façon spectaculaire. Lors de la phase test, si les chercheurs intervertissent les étiquettes sonores (en présentant l’objet associé à /bɪ/ tout en diffusant /dɪ/), l’enfant de 14 mois ne manifeste aucune réaction de surprise, comme s’il était devenu incapable de distinguer les deux sons.
Ce phénomène n’indique nullement une régression des compétences phonétiques acquises lors du rétrécissement perceptif. Il illustre magnifiquement le concept de goulot d’étranglement attentionnel lié à la charge cognitive : l’acte de lier arbitrairement un symbole phonétique à un référent visuel tridimensionnel réclame une telle mobilisation de ressources cognitives et de mémoire de travail que le système de l’enfant ne peut plus allouer d’attention aux détails phonétiques fins. Il traite temporairement le mot comme une forme acoustique globale. Il faudra attendre l’âge de 17 à 18 mois pour que les représentations phonologiques soient suffisamment robustes et automatisées pour que l’enfant réussisse simultanément à encoder le sens et à maintenir les contrastes phonémiques minimaux, reliant ainsi l’héritage des tâches hindi et salish à l’explosion lexicale de la petite enfance.
10. Le rétrécissement perceptif au-delà de la phonétique linguistique
10.1 Parallélisme avec le domaine de la reconnaissance faciale (Other-Race Effect)
La découverte du rétrécissement perceptif dans la parole a rapidement conduit les psychologues du développement à s’interroger sur le caractère universel ou modulaire de ce mécanisme. S’agissait-il d’une spécificité propre au langage articulé, ou l’accordage perceptif représentait-il un principe d’organisation pan-perceptif régissant l’ensemble des systèmes sensoriels et cognitifs des primates ?
La réponse expérimentale la plus spectaculaire est venue des travaux d’Olivier Pascalis, Michelle de Haan et Charles Nelson (2002) dans le domaine du traitement des visages. Utilisant un paradigme de préférence visuelle par habituation, Pascalis et son équipe démontrèrent que des nourrissons de 6 mois étaient parfaitement capables de discriminer individuellement des visages humains inconnus, mais faisaient preuve d’une compétence tout aussi exceptionnelle pour discriminer des visages de primates non humains (macaques de Barbarie), une prouesse rigoureusement impossible pour un adulte humain non entraîné.
Or, à l’âge précis de 9 mois, cette flexibilité inter-espèces s’effondre : en l’absence d’exposition quotidienne à des macaques, le nourrisson devient incapable de discriminer individuellement les visages de singes, tout en conservant et affinant son expertise pour les visages humains. De la même manière, le nourrisson s’accorde sur les phénotypes morphologiques de sa propre communauté ethnique, posant dès la fin de la première année les jalons de l’effet d’autre race (Other-Race Effect). La coïncidence chronologique absolue entre le rétrécissement pour les voix (Werker & Tees) et pour les visages (Pascalis et al.) valide l’hypothèse d’une loi neuro-développementale globale d’optimisation écologique.
10.2 Le rétrécissement perceptif dans le domaine musical
Le traitement des structures musicales offre un second terrain d’investigation d’une remarquable concordance théorique. La musique humaine partage avec le langage la segmentation temporelle d’intervalles discrets, la structure hiérarchique et la variation spectrale de hauteurs tonales.
Les recherches pionnières conduites par Sandra Trehub, Michael Lynch, puis Erin Hannon et Sandra Trehub (2005) ont établi que les nourrissons occidentaux de 6 mois sont sensibles aussi bien aux mètres réguliers et isochrones de la musique occidentale classique (mètres binaires 4/4 ou ternaires 3/4) qu’aux mètres complexes, asymétriques et non isochrones typiques des traditions folkloriques des Balkans (rythmes en 7/8 associant des durées de temps brèves et longues de type 2+2+3).
Confrontés à une altération métrique subtile introduite dans une séquence rythmique bulgare ou macédonienne, les bébés de 6 mois détectent instantanément l’irrégularité. Toutefois, vers l’âge de 10 à 12 mois, sous l’effet de l’acculturation acoustique passive aux musiques populaires et berceuses occidentales isochrones, les nourrissons perdent cette flexibilité métrique universelle : ils ne détectent plus les violations temporelles dans les mesures asymétriques des Balkans, tout en demeurant d’une sensibilité infaillible aux violations des structures métriques occidentales. Tout comme pour les phonèmes hindi et salish, le système cognitif musical de l’enfant s’est calé sur les structures dominantes de son biotope sonore.
10.3 Le traitement des signaux de communication des animaux
Dans le prolongement des études visuelles et musicales, des protocoles audacieux ont testé l’universalité de la communication vocale en explorant la capacité des très jeunes enfants à décoder les vocalisations émotionnelles d’autres espèces biologiques. Le système perceptif des nourrissons possède-t-il une sensibilité acoustique trans-spécifique ?
Des travaux ont montré que des bébés de 6 mois sont capables de discriminer les cris d’alarme, les gémissements ou les vocalisations de détresse de divers mammifères (singes vervets, chiens, félins) avec une fidélité acoustique supérieure à celle d’adultes humains. Pour le nourrisson immature, le spectre d’émission vocale est traité comme une onde physique complexe sans barrière taxonomique rigide.
Au cours des derniers mois de la première année de vie, ce canal de réception trans-spécifique se referme impitoyablement. L’appareil attentionnel se focalise sur les vocalisations de sa propre espèce, et plus sélectivement encore sur la parole modulée de son groupe linguistique immédiat. L’élagage perceptif accomplit ainsi sa fonction téléologique majeure : ancrer définitivement le petit humain au sein de la communauté symbolique et culturelle qui assurera sa survie biologique et son intégration sociale.
11. Implications pour le bilinguisme précoce et l’apprentissage d’une langue seconde
11.1 La trajectoire de rétrécissement chez les nourrissons bilingues simultanés
L’une des questions les plus passionnantes soulevées par les découvertes de Werker concerne le sort réservé aux nourrissons exposés dès la naissance à deux idiomes distincts : les bilingues simultanés. Si le rétrécissement perceptif conduit à éliminer les contrastes non renforcés, comment le cerveau infantile parvient-il à relever le formidable défi computationnel consistant à stabiliser deux systèmes phonologiques divergents sans confusion mutuelle ?
Les investigations menées par Janet Werker, Krista Byers-Heinlein et Christopher Fennell ont livré des éclairages déterminants sur cette adaptation neuronale. Loin de subir un retard ou un déficit d’organisation, les nourrissons bilingues simultanés conservent la capacité de discriminer les contrastes phonémiques de leurs deux langues maternelles à l’âge de 10-12 mois. Mieux encore, ils déploient une flexibilité temporelle prolongée : le rétrécissement perceptif peut paraître légèrement décalé dans le temps sur certains contrastes spécifiques, témoignant d’une fenêtre de sensibilité maintenue plus longtemps ouverte pour laisser au système cognitif le temps d’accumuler une masse critique d’indices distributionnels pour chacune des deux langues.
Le facteur déterminant réside dans la quantité et la qualité de l’input reçu. Tant que le nourrisson est exposé à un seuil suffisant d’interactions vivantes dans chaque langue (estimé généralement à un minimum de 20 à 30% du temps d’éveil total), son cortex auditif réussit la prouesse d’échafauder deux représentations phonologiques parallèles et imperméables, prouvant la plasticité prodigieuse du cerveau humain précoce.
11.2 Les difficultés persistantes de l’adulte face aux contrastes non natifs
L’observation du rétrécissement perceptif à 10-12 mois jette une lumière crue sur les difficultés insurmontables que rencontrent les adultes lorsqu’ils entreprennent l’apprentissage tardif d’une langue étrangère. L’exemple paradigmatique classique réside dans l’incapacité bien documentée des locuteurs japonais adultes unilingues à distinguer les consonnes liquides anglaises /r/ et /l/.
Pour formaliser ces échecs perceptifs chez l’adulte, Catherine Best a développé le modèle d’assimilation perceptive (Perceptual Assimilation Model ou PAM). Selon Best, la manière dont un adulte non natif traite un contraste étranger dépend directement de la façon dont les deux sons non natifs sont assimilés aux catégories phonémiques préexistantes de sa langue maternelle :
- L’assimilation à une catégorie unique (Single-Category Assimilation) : Deux phonèmes distincts de la langue seconde sont assimilés au même phonème natif (par exemple, le /r/ et le /l/ anglais perçus indistinctement comme la battue liquide japonaise /ɾ/). Dans cette configuration, la discrimination est presque impossible sans un effort d’entraînement colossal. C’est exactement le sort subi par le contraste hindi /t̪/-/ʈ/ chez les adultes anglophones de l’étude de Werker.
- L’assimilation avec disparité de catégorie (Category-Goodness Assimilation) : Les deux sons sont assimilés à la même catégorie, mais l’un est jugé comme un « excellent » représentant et l’autre comme un représentant « dégradé », permettant une discrimination modérée.
- L’assimilation à deux catégories distinctes (Two-Category Assimilation) : Chaque son étranger est rattaché à une catégorie native distincte, la discrimination atteignant alors des niveaux d’excellence spontanée.
Les travaux de Werker démontrent que ce filtre d’assimilation n’est pas une fatalité innée : il est le produit direct de la reconfiguration synaptique survenue à la fin de la première année de vie.
11.3 Pédagogie des langues vivantes à la lumière des travaux de Werker
Les retombées des recherches de Janet Werker sur les méthodologies d’enseignement des langues vivantes et de la phonétique corrective sont considérables. Elles condamnent sans appel les méthodes traditionnelles d’apprentissage tardif fondées exclusivement sur la transcription orthographique, l’explication grammaticale abstraite ou l’écoute passive de documents sonores de basse fidélité.
Puisque le cerveau adulte a stabilisé des filtres perceptifs stricts qui « masquent » les indices acoustiques non natifs, la pédagogie contemporaine doit mobiliser des protocoles d’entraînement perceptif intensif de haute technologie (High Variability Phonetic Training ou HVPT). Ces protocoles exposent l’apprenant à une multitude de voix différentes produisant les contrastes cibles dans divers contextes phonotactiques, couplés à une rétroaction immédiate et à des manipulations technologiques d’expansion temporelle des formants permettant d’exagérer artificiellement les transitions spectrales indétectables à l’état naturel.
De surcroît, les travaux de Werker soulignent l’impératif absolu d’une immersion sensorielle multimodale : l’accès aux indices visuels labiaux et faciaux s’avère indispensable pour déverrouiller la plasticité phonétique chez l’adulte. Enfin, ces découvertes militent avec force pour une sensibilisation phonétique la plus précoce possible en contexte scolaire, profitant de la plasticité synaptique encore vigoureuse des premières années de l’enfance avant la consolidation définitive des représentations orthographiques de la langue maternelle.
12. Héritage académique, controverses et perspectives futures
12.1 Critiques méthodologiques et débats sur la nature du déclin perceptif
Malgré l’accueil triomphal réservé aux travaux de Janet Werker et Richard Tees, leur œuvre princeps a suscité des débats scientifiques passionnés au sein de la communauté psycholinguistique internationale. Le principal axe de controverse a porté sur la nature exacte du déclin observé à 10-12 mois : assiste-t-on à un « oubli » ou effacement synaptique pur et irréversible, ou s’agit-il d’un simple masquage attentionnel induit par la domination émergente du système phonologique natif ?
Plusieurs études conduites à la fin des années 1980 et durant les années 1990 ont apporté des nuances significatives au tableau initial :
- Des contrastes acoustiquement très saillants ou perçus comme des événements sonores « non langagiers » (tels que les clics des langues khoïsan d’Afrique australe) continuent d’être discriminés avec un taux de réussite très élevé par des adultes anglophones sans aucun entraînement, invalidant l’idée d’une disparition automatique de toutes les capacités de différenciation auditive.
- De surcroît, des modifications subtiles apportées à la tâche expérimentale — en réduisant par exemple l’intervalle inter-stimuli (ISI) à moins de 200 millisecondes afin de sonder la mémoire sensorielle échoïque brute plutôt que la mémoire phonologique de travail — permettent parfois de réactiver des discriminations chez des nourrissons de 12 mois sur des contrastes supposés « perdus ».
Néanmoins, loin de falsifier l’œuvre de Werker, ces critiques en ont affiné l’interprétation théorique : le rétrécissement perceptif ne détruit pas la machinerie auditive périphérique, mais réorganise de fond en comble la hiérarchie des niveaux de traitement cognitif en imposant un filtre phonologique natif sur l’information sensorielle brute.
12.2 Applications au dépistage précoce des troubles neuro-développementaux
L’héritage translationnel des travaux sur les tâches hindi et salish se déploie aujourd’hui avec éclat dans le champ de la psychopathologie développementale et de la neuropédiatrie. La trajectoire d’accordage perceptif entre 6 et 12 mois constitue l’un des premiers marqueurs comportementaux et électrophysiologiques de l’organisation normale du système nerveux central.
L’observation d’anomalies dans la cinétique du rétrécissement perceptif offre des pistes prometteuses pour le dépistage précoce :
- Les troubles du spectre de l’autisme (TSA) : Plusieurs cohortes de nourrissons à haut risque familial de TSA manifestent une altération caractéristique de l’accordage phonologique. Ces enfants conservent parfois une sensibilité atypique aux contrastes non natifs au-delà de 12 mois, accompagnée d’un défaut de spécialisation pour la parole de leur environnement et d’un déficit d’intégration multisensorielle audiovisuelle, témoignant d’une perturbation des processus d’élagage synaptique et d’apprentissage distributionnel socialement guidé.
- La dyslexie développementale et les troubles spécifiques du langage (TSL) : Les enfants à risque génétique de dyslexie présentent fréquemment des anomalies précoces dans le traitement temporel rapide des signaux auditifs. L’incapacité à calibrer avec précision les frontières catégorielles phonémiques durant la première année de vie semble constituer le précurseur direct des difficultés ultérieures de conscience phonologique et de décodage grapho-phonémique lors de l’apprentissage de la lecture.
La conception de batteries de dépistage néonatal automatisées, associant électroencéphalographie et algorithmes de traitement du signal dérivés des paradigmes de Werker, ouvre la voie à des interventions préventives ultra-précoces dès le berceau, bien avant que ne s’installent les retards de langage expressif manifestes.
12.3 La portée épistémologique de l’œuvre de Janet Werker
Sur le plan épistémologique et philosophique, les recherches de Janet Werker ont contribué de façon magistrale à sortir les sciences cognitives de l’impasse historique opposant un innéisme génétique réducteur à un empirisme associationniste passif. En démontrant comment une prédisposition computationnelle universelle est sculptée, canalisée et stabilisée par l’expérience statistique de l’environnement physique et social, Werker a incarné l’avènement du paradigme de l’épigenèse probabiliste et de l’auto-organisation développementale.
Ce basculement conceptuel a valu à Janet Werker une reconnaissance institutionnelle planétaire. Élue membre de l’Académie nationale des sciences des États-Unis et de la Société royale du Canada, titulaire de la chaire de recherche du Canada sur le langage, la parole et le développement de l’enfant à l’Université de Colombie-Britannique, elle s’est vu décerner les distinctions les plus prestigieuses, parmi lesquelles la Médaille d’or du Conseil de recherches en sciences humaines du Canada (CRSH) et le très prestigieux prix international Grawemeyer en psychologie.
À l’ère contemporaine de l’intelligence artificielle et des neurosciences computationnelles, l’expérience princeps de Werker et Tees (1984) demeure plus vivante que jamais. Elle sert aujourd’hui de modèle étalon pour entraîner et évaluer les réseaux de neurones profonds (Deep Neural Networks) et les architectures d’apprentissage auto-supervisé : les chercheurs en intelligence artificielle s’efforcent d’émuler la phénoménale efficacité énergétique et algorithmique par laquelle le cerveau du nourrisson humain, avec une frugalité de données exemplaire, passe en quelques mois d’un traitement acoustique universel à la maîtrise souveraine de la langue de ses pairs.
Références
- Best, C. T. (1994). The emergence of native-language phonological influences in infants: A perceptual assimilation model. In J. C. Goodman & H. C. Nusbaum (Eds.), The transition from speech sounds to spoken words: The development of speech perception (pp. 167–224). MIT Press.
- Chomsky, N. (1965). Aspects of the Theory of Syntax. MIT Press. https://mitpress.mit.edu/9780262527408/aspects-of-the-theory-of-syntax/
- 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
- Flege, J. E. (1995). Second language speech learning: Theory, findings, and problems. In W. Strange (Ed.), Speech perception and linguistic experience: Issues in cross-language research (pp. 233–277). York Press.
- Hannon, E. E., & Trehub, S. E. (2005). Tuning in to musical rhythms: Infants learn culture-specific meter. Science, 308(5724), 92–94. https://doi.org/10.1126/science.1109769
- Kuhl, P. K., Andruski, J. E., Chistovich, I. A., Chistovich, L. A., Kozhevnikova, E. V., Ryskina, V. L., Stolyarova, E. I., Sundberg, U., & Lacerda, F. (1997). Cross-language analysis of phonetic units in language addressed to infants. Science, 277(5326), 684–686. https://doi.org/10.1126/science.277.5326.684
- Maye, J., Werker, J. F., & Gerken, L. (2002). Infant sensitivity to distributional information can affect phonetic discrimination. Cognition, 82(3), B101–B111. https://doi.org/10.1016/S0010-0277(01)00157-3
- McGurk, H., & MacDonald, J. (1976). Hearing lips and seeing voices. Nature, 264(5588), 746–748. https://doi.org/10.1038/264746a0
- Näätänen, R., Gaillard, A. W., & Mäntysalo, S. (1978). Early selective-attention effect on evoked potential reinterpreted. Acta Psychologica, 42(4), 313–329. https://doi.org/10.1016/0001-6918(78)90006-9
- Pascalis, O., de Haan, M., & Nelson, C. A. (2002). Is face processing species-specific during the first year of life? Science, 296(5571), 1321–1323. https://doi.org/10.1126/science.1070231
- Stager, C. L., & Werker, J. F. (1997). Infants listen for more phonetic detail in speech perception than in word-learning tasks. Nature, 388(6640), 381–382. https://doi.org/10.1038/41102
- Trehub, S. E. (2003). The developmental origins of musicality. Nature Neuroscience, 6(7), 669–673. https://doi.org/10.1038/nn1084
- Werker, J. F., & Curtin, S. (2005). PRIMIR: A developmental framework of infant speech processing. Language Learning and Development, 1(2), 197–234. https://doi.org/10.1207/s15473341lld0102_4
- 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
- Werker, J. F., & Tees, R. C. (2002). Cross-language speech perception: Evidence for perceptual reorganization during the first year of life (Reprint of Werker & Tees, 1984). Infant Behavior and Development, 25(1), 121–133. https://doi.org/10.1016/S0163-6383(02)00093-0