5. Perception audio-visuelle de la parole dans le développement normal et atypique : premières données1
p. 529-547
Texte intégral
1En 1976, Harry McGurk et John MacDonald, qui étudiaient la perception de la parole chez le bébé, ont demandé à leur technicien de réaliser un montage audio-visuel en couplant une syllabe auditive/gaga/ avec un visage qui prononce la syllabe/baba/ (et l’inverse). Lorsqu’ils visionnèrent les films soigneusement doublés, ils éprouvèrent le choc de leur vie : ils percevaient des syllabes qui n’avaient pas été enregistrées ! En regardant un A/ga/V/Ba/2, ils entendirent/bga/ (une combinaison) ou /ba/, tandis qu’ils percevaient/da/ (une fusion) lorsque le stimulus A/ba/V/ga/était présenté. Ils ont appelé ce phénomène « Entendre par les yeux »3 (McGurk, 1988). Trois décennies de recherche ont confirmé leur découverte et l’ont étendue à beaucoup d’autres langues (Colin & Radeau, 2003).
2Une observation frappante dans l’étude de McGurk et Mac Donald (1976) est le fait que les jeunes enfants sont considérablement moins influencés par l’information visuelle que les adultes. Les enfants de 3 à 5 ans et de 7 à 8 ans obtiennent respectivement 59 % et 52 % de réponses influencées par la vision, comparées aux 92 % observées chez des adultes. La perception du lieu d’articulation par les enfants est plus influencée par ce qu’ils entendent que par ce qu’ils voient.
3Pour rendre compte de ces données, conjointement au fait que les bébés témoignent d’une sensibilité à la cohérence audio-visuelle de la parole humaine (Kuhl & Meltzoff, 1982) et même des cris d’autres espèces dès l’âge de deux mois, il faut adopter l’hypothèse d’un rétrécissement perceptif intersensoriel (intersensory perceptual narrowing) (Lewkowicz & Ghazanfar, 2006). Les bébés découvriraient d’abord que les visages et les voix vont ensemble, puis, lorsqu’ils deviennent plus expérimentés sur le plan perceptif, apprendraient à intégrer les indices audio-visuels spécifiques à leur espèce, puis à leur langue. En ce qui concerne l’intégration audio-visuelle de la parole, un processus développemental se produirait, partant d’une sensibilité phonétique limitée aux mouvements des lèvres spécifique à la langue en acquisition durant l’enfance, qui s’accroît de façon spectaculaire à l’adolescence et à l’âge adulte.
4L’accroissement de l’effet McGurk avec l’âge a été reproduit dans plusieurs études (Burnham & Sekiyama, 2006 ; Desjardins, Rogers & Werker, 1997 ; Massaro, 1984 ; Massaro et al., 1986). Six facteurs ont été avancés pour rendre compte de cette tendance développementale.
5L’âge. McGurk a suggéré que, lorsque l’être humain devient plus âgé (et dans ce cas-ci, devenir plus âgé commence vers l’âge de 20 ans !), une partie de la tâche de la perception de la parole est transférée de l’oreille vers les yeux. Le déclin de la sensibilité auditive aux sons situés dans les hautes fréquences associées à la parole, qui commence au début de l’âge adulte, se poursuit durant le reste de la vie, et interfère avec la perception de la parole, tout particulièrement dans le bruit. Heureusement, ce déclin peut être en partie compensé par le développement de stratégies visuelles pour le décodage des sons du langage. Les études récentes en IRMf ont permis de démontrer que l’identification de matériel verbal présenté en lecture labiale active non seulement des aires occipitales (aire de Brodmann [BA] 19), occipito-temporales (BA 37) et occipito-pariétales (le gyrus angulaire ou BA 39), mais aussi les aires auditives primaires et secondaires (BA 41, 42 et 22), avec une prépondérance de l’hémisphère gauche, suggérant l’existence d’une relation anatomique étroite entre la perception auditive et la perception visuelle (Bernstein et al., 2002 ; Calvert et et al., 1997 ; Pekkola et al., 2005).
6Les enfants sont de moins bons labio-lecteurs que les adultes. Les enfants d’âge pré-scolaire sont moins influencés par la source visuelle que les adultes (Massaro, 1984 ; Massaro, Thompson, Barron & Laren, 1986), et sont également moins bons que les adultes dans la discrimination du lieu d’articulation (/ba/versus/da/) sur la base de la seule information visuelle. Une corrélation positive entre l’habileté de lecture labiale et l’importance de l’influence visuelle sur la perception de la parole en situation bimodale a été obtenue à la fois chez les enfants et chez les adultes. Des données récentes de neuroimagerie montrent également une corrélation entre le recrutement des aires temporales supérieures dans la perception audio-visuelle et la performance à un test de lecture labiale chez l’adulte (Hall, Fussell & Summerfield, 2005).
7Le développement des capacités de lecture labiale après le début de la scolarité a été confirmé par Burnham et Sekiyama (2006) : la précision dans l’identification de syllabes visuelles augmente de 82 % chez les enfants de 5 ans, à 95 % chez les enfants de 11 ans, et à 98 % chez les adultes. L’augmentation de l’influence de l’information visuelle sur la perception de la parole se produit cependant plus tardivement, entre 11 ans et l’âge adulte, indiquant que le degré d’influence de l’information visuelle n’est pas seulement dépendant de l’habileté de lecture labiale.
8Pourquoi les jeunes enfants sont-ils de moins bons labio-lecteurs que les adultes ? Les hypothèses suivantes ont été avancées.
9Le changement développemental de pondération (developmental weighting shift, Nittrouer & Crowther, 1998). Selon cette hypothèse, les enfants assigneraient une pondération à certaines dimensions auditives différente de celle assignée par les adultes. En ce qui concerne la perception du lieu d’articulation, les enfants accorderaient plus de poids aux indices spectraux dynamiques (transitions de formant) mais moins aux indices spectraux statiques (explosion de la consonne, aspiration suivant cette explosion). Avec l’âge, les enfants modifieraient le poids perceptif accordé aux différents indices relatifs au lieu d’articulation, et accorderaient un poids plus important aux dimensions directement influencées par l’articulation visuelle (Green, 1998, p. 18).
10Le rôle de l’expérience. L’expérience, c’est-à-dire le fait de voir les mouvements des lèvres tout en écoutant la parole, serait un facteur majeur dans l’établissement de l’association entre les caractéristiques visuelles articulatoires et leurs représentations phonétiques respectives (Diehl & Kluender, 1989). Dans cette perspective, les jeunes enfants qui ont eu peu de possibilités de corréler ces informations durant leurs premières années ne devraient montrer que peu d’effet McGurk. Les enfants atteints de surdité neuro-sensorielle et munis d’un implant cochléaire (IC) au cours de leur petite enfance sont dans une telle situation. Dans une étude récente, des stimuli incongruents A/pa/V/ka/ont été présentés à des enfants sourds âgés de 5 à 14 ans et munis d’un IC depuis au moins un an et à des enfants entendants appariés du point de vue de l’âge chronologique. La majorité des enfants entendants répondaient par la fusion/ta/de façon consistante. La plupart des enfants sourds, par contre, ne percevaient que très rarement cette fusion et donnaient essentiellement la réponse visuelle/ka/. Six enfants sourds seulement, représentant un tiers environ des enfants implantés avant l’âge de 30 mois, témoignaient de fusions consistantes (Schorr, Fox, van Wassenhove & Knudsen, 2005). La probabilité d’intégrer les informations auditives et visuelles semble donc être fonction de la précocité de l’âge d’implantation.
11Le type de mode de réponse. Desjardins et al. (1997) ont utilisé une procédure de réponse permettant aux jeunes enfants de désigner une pastille représentant la syllabe perçue. Les enfants anglophones de 4 ans testés avec ce mode de réponse ont montré un effet McGurk robuste (67 % des réponses aux stimuli bimodaux) par rapport aux adultes (83 % des réponses), suggérant que le faible taux d’illusions manifesté par des enfants en bas âge dans les études antérieures proviendrait en partie de l’inadéquation d’une réponse orale de production. Cependant, aucune comparaison directe des taux d’illusions obtenus avec réponse orale et réponse de désignation n’a été réalisée à ce jour.
12Les habiletés articulatoires. L’expérience dans la production correcte de consonnes jouerait un rôle dans le développement de la représentation sous-jacente qui médiatise la perception de la parole visible selon Desjardins et al. (1997). Les enfants âgés de 5 ans commettant beaucoup d’erreurs de substitution dans la production de consonnes étaient de moins bons labio-lecteurs et témoignaient d’une influence visuelle plus réduite sur la perception des stimuli incongruents que les enfants qui faisaient peu de substitutions dans la production de consonnes. Les auteurs concluent que « l’expérience dans la production de consonnes joue un rôle dans l’élaboration de la représentation sous-jacente » (p. 85). Le lien entre perception et production apparaît également dans des travaux récents en neuroimagerie qui montrent une activation des régions motrices impliquées dans la production de la parole (aire de Broca, cortex pré-moteur et aire motrice supplémentaire) en réponse à des stimuli linguistiques visuels, mais aussi en réponse aux mêmes stimuli présentés avec le signal auditif correspondant (Callan et al., 2003 ; Ojanen et al., 2005 ; Skipper, Nusbaum & Small, 2005), ainsi que dans le modèle théorique « Perception pour le contrôle de l’action » (Schwartz, Abry, Boë & Cathiard, 2002).
13Le travail présenté ci-dessous a pour but d’examiner : (1) le développement des illusions McGurk en français entre l’âge de 5 ans, 8 ans et les adultes ; (2) l’impact du mode de réponse : désignation vs production sur le taux d’illusions ; (3) l’intégration audio-visuelle dans des populations au développement atypique du langage : enfants avec dysphasie développementale et enfants sourds munis d’un implant cochléaire.
Le développement de l’intégration audio-visuelle de la parole chez les sujets au développement normal du langage
14Afin d’examiner le développement de l’influence visuelle sur la perception de la parole, nous avons soumis trois groupes de participants à une expérience McGurk : des enfants de grande section de maternelle (GSM N = 25), des enfants de CE2 (N = 29), et des adultes (N = 30), étudiants de 1ère année en sciences psychologiques (N = 20). Le matériel comportait 4 syllabes/bi/,/gi/,/pi/et/ki/, prononcées par un locuteur francophone, dont seule la partie inférieure du visage avait été filmée (du menton au sommet du nez) dans le but d’attirer l’attention des participant(e)s sur les lèvres. Quatre stimuli audio-visuels incongruents (A/bi/V/gi/, A/gi/V/bi/, A/pi/V/ki/, A/ki/V/pi/) et quatre stimuli audio-visuels congruents (A/bi/V/bi/, A/gi/V/gi/, A/pi/V/pi/, A/ki/ V/ki/) ont été construits (voir Colin, Radeau, Deltenre, Demolin & Soquet, 2002 ; Colin, Radeau & Deltenre, 2005).
15Les participant(e)s étaient assis(e)s face à un écran couleur de 15 pouces. Les stimuli étaient joués à l’aide du logiciel iShell ver. 2.5 (http://www.tribeworks.com). La taille du visage du locuteur était de 382 pixels de hauteur × 478 pixels de largeur (19 × 23 cm). La partie acoustique était diffusée à une intensité moyenne de 70 dB via deux haut-parleurs situés à gauche et à droite de l’écran. Les syllabes étaient présentées chacune 12 fois dans les quatre conditions : Audio seule (AO), Visuelle seule (VO), Audio-visuelle congruent (AVC) et Audio-visuelle incongruent (AVI). Les syllabes voisées (/bi/,/gi/) et non voisées (/pi,/ki/) étaient présentées dans des blocs séparés pour alléger la tâche des enfants d’un point de vue cognitif. Les modalités AO, VO et AV étaient également présentées dans des blocs séparés. Chaque bloc comprenait 24 essais. Huit blocs de 24 essais ont par conséquent été présentés à chaque participant(e). Les stimuli congruents et incongruents étaient mélangés au sein des blocs audio-visuels. La session commençait par quelques essais d’entraînement dans chaque modalité.
16L’expérimentatrice disait aux participants qu’ils allaient entendre (et/ou voir) des syllabes sans signification et qu’ils devraient répéter ce qu’ils avaient entendu (ou lu sur les lèvres). Les quatre réponses possibles (consonnes voisées : bi/,/gi/,/di/,/bgi/ ; consonnes non voisées : pi/,/ki/,/ki/,/pki/) leur étaient spécifiées au préalable.
17Pour les conditions AO, AVC et AVI, la variable dépendante était le nombre de réponses correctes auditives. Pour la condition VO, la variable dépendante était le nombre de réponses correctes visuelles (sans tenir compte du voisement). Les pourcentages de réponses correctes apparaissent dans le Tableau 1.
18Dans la condition AO4, un effet significatif de l’âge apparaît, tant pour les consonnes voisées que pour les non-voisées (p <.005 dans les deux cas). Pour les consonnes voisées, le patron des différences entre les moyennes est : GSM = CE2 > Adultes, tandis que, pour les consonnes non voisées, le patron est : GSM < CE2 = Adultes. La perception auditive se développe donc entre la GSM et le CE2, ainsi que l’indiquent les performances pour les consonnes non voisées (la chute des performances adultes sur la syllabe/gi/reste inexpliquée).
19Tableau 1. Pourcentages de réponses correctes (écarts-types entre parenthèses) en fonction du type de syllabes, des groupes, et de la condition : (a) : audio seule ; (b) visuelle seule ; (c) audio-visuelle congruent ; (d) audio-visuelle incongruent.
(a) AUDIO | A/bi/ | A/gi/ | A/pi/ | A/ki/ |
GSM | 98.4 (4.7) | 98 (4.7) | 82.3 (31.3) | 95 (19.6) |
CE2 | 99.3 (2.6) | 99 (2.6) | 99.6 (1.9) | 97.5 (7.0) |
ADULTES | 99 (5.5) | 87 (22.7) | 99 (5.5) | 94.7 (11.4) |
(b) VISUEL | V/bi/ | V/gi/ | V/pi/ | V/ki/ |
GSM | 64.8 (32.0) | 67.2 (32.5) | 81.2 (25.2) | 61.9 (30.5) |
CE2 | 77.6 (20.5) | 77.2 (22.3) | 93.9 (13.7) | 85.4 (23.0) |
ADULTES | 94.0 (10.0) | 78.7 (26.9) | 90.0 (14.9) | 85.7 (21.9) |
(c) AV CONGRUENT | A/bi/V/bi/ | A/gi/V/gi/ | A/pi/V/pi/ | A/ki/V/ki/ |
GSM | 94.8 (11.9) | 93.2 (7.5) | 91.5 (20.5) | 95.8 (9.0) |
CE2 | 98.2 (4.7) | 94.8 (12.1) | 100 | 99.6 (1.9) |
ADULTES | 97.7 (11.0) | 85.0 (19.3) | 99.3 (3.7) | 81.3 (24.0) |
(d) AV INCONGRUENT | A/bi/V/gi/ | A/gi/V/bi/ | A/pi/V/ki/ | A/ki/V/pi/ |
GSM | 80.4 (34.3) | 90.4 (13.1) | 76.2 (34.4) | 84.2 (25.8) |
CE2 | 94.1 (19.2) | 89.7 (18.9) | 97.1 (8.5) | 85.4 (25.9) |
ADULTES | 82.3 (30.9) | 51.3 (36.4) | 88.7 (27.0) | 35.3 (35.9) |
20Dans la condition VO, un effet significatif de l’âge apparaît également, tant pour les consonnes voisées que pour les non voisées (p <.005 dans les deux cas). La performance des GSM est plus faible que celle des adultes, tant pour les voisées que pour les non voisées, et que celle des CE2 pour les non voisées.
21Les pourcentages moyens de réponses auditives dans les conditions AVC et AVI ont été comparés au sein de deux Anovas, l’une sur les consonnes voisées, l’autre sur les non voisées. Un effet de l’âge a été observé dans les deux cas (p <.001). Cette fois, les adultes donnent moins de réponses auditives (79.1 % pour les consonnes voisées et 76.2 % pour les non voisées) que les GSM (89.7 % pour les voisées et 86.9 % pour les non voisées) et les CE2 (94.2 % pour les voisées et 95.5 % pour les non voisées). Les participants donnent davantage de réponses auditives dans la condition AVC que dans la condition AVI (p <.005 dans les deux cas). L’interaction entre âge et congruence est hautement significative aussi (p <.001 dans les deux cas). Les adultes témoignent d’une chute de performance plus importante entre la condition AVC et AVI que les GSM et les CE2, en particulier lorsque la consonne visible est une bilabiale.
22L’analyse des erreurs confirme la tendance des adultes à intégrer davantage les informations visuelles et les informations auditives, puisque les erreurs de combinaison apparaissent plus nombreuses chez les adultes, surtout lorsque la consonne visible est une bilabiale (Matagne, 2000).
23Dans une seconde expérience (Doucet, 2002), les participants devaient répondre en désignant des pastilles symbolisant les 4 réponses possibles à l’aide de dessins, par exemple le dessin d’un biberon pour la syllabe/bi/. L’objectif était d’examiner si les enfants de GSM allaient manifester davantage de réponses illusoires avec ce mode de réponse qui élimine les éventuelles difficultés articulatoires. Aucune différence significative n’apparaît entre les deux modalités de réponse. La faible propension des enfants de GSM à faire des erreurs de combinaison et de fusion ne semble donc pas liée à une difficulté de production des syllabes (Leybaert & Colin, en préparation).
Le développement de l’intégration audio-visuelle de la parole chez les enfants avec trouble spécifique du langage
24Si l’habileté à récupérer les gestes articulatoires via la lecture labiale est un processus développemental, déterminé par l’expérience perceptivo-motrice des sons du langage, les enfants affectés d’un trouble spécifique du langage (Specific Language Impairment ou SLI) en l’absence d’atteinte sensorielle (Bishop, 2002) devraient manifester un patron d’intégration audio-visuelle atypique. Une partie de ces enfants témoignent de réponses cérébrales inappropriées, immatures, qui se manifestent plus ouvertement dans certaines situations psychoacoustiques de discrimination de fréquence des sons de parole et de non-parole (Bishop & McArthur, 2004 ; McArthur & Bishop, 2004, 2005) et lorsque la parole est masquée par du bruit (Ziegler, Pech-Georgel, George, Alario & Lorenzi, 2005).
25Aucune étude n’a cependant, à notre connaissance, été consacrée à la capacité des SLI à intégrer l’information visuelle et l’information auditive liées à la parole. Deux hypothèses peuvent être contrastées. Du fait de leur déficit dans le traitement de l’information auditive, les SLI pourraient être amenés à utiliser davantage, par compensation, la lecture labiale que leurs pairs au développement normal. Par ailleurs, du fait de leur développement retardé, ou déviant, au niveau de la perception et de la production de la parole, les SLI pourraient manifester moinsd’intégration audio-visuelle. Dans ce cas, la question intéressante est de savoir s’ils se comportent comme des enfants plus jeunes, et développent les habiletés d’intégration avec retard, ou s’ils ne développent pas ces habiletés d’intégration, parce que la maturation cérébrale des traitements auditifs s’arrête à la puberté (Wright & Zecker, 2004).
26Notre expérience McGurk a été administrée à 40 enfants identifiés comme SLI et fréquentant des « classes de langage » en Belgique (Labourdette, 2006). Les SLI ont été répartis en deux groupes d’âge : 23 enfants « moyens » avec une moyenne d’âge de 63.9 mois (s.d. 3.1mois) et 17 « grands », avec un âge moyen de 135.8 mois (s.d. 10.9 mois). Aucun de ces enfants ne présentait de trouble auditif connu, leur vision était correcte ou corrigée, et leur QI non-verbal se situait dans les limites de la normale. Les enfants ont passé l’EVIP (Dunn, Thériault-Whalen & Dunn, 1993), et le test de répétition de mots difficiles de la batterie L2MA (Chevrie-Muller, Simon & Fournier, 1997). Chaque SLI a été apparié, du point de vue de l’âge chronologique, à un enfant au développement normal du langage. Le groupe contrôle, constitué de 39 enfants au développement normal, 24 « moyens » et 15 « grands » a été recruté dans une école d’enseignement ordinaire.
27Les participants ont passé soit les consonnes voisées, soit les consonnes non voisées du test McGurk, en répondant à l’aide de pastilles (Doucet, 2002) afin d’éviter que le taux de réponses correctes ne soit contaminé par leurs éventuelles difficultés articulatoires. Les enfants qui ont passé les consonnes voisées ne différaient pas de ceux qui passaient les consonnes non voisées, ni du point de vue de l’EVIP, ni du point de vue de la répétition de mots difficiles (Leybaert & Colin, en préparation).
28Les pourcentages de réponses correctes dans les condition AO, VOP, AVC et AVI pour les quatre groupes de SLI et leurs contrôles figurent dans le Tableau 2.
29Dans la condition AO, les SLI obtiennent de moins bons résultats que les contrôles, tant pour les consonnes voisées que pour les non voisées (p <.005 dans les deux cas). L’effet de l’âge n’est pas significatif et n’interagit pas avec le groupe : la performance des enfants SLI n’augmente pas de façon significative avec l’âge (la performance des enfants contrôles atteignait, quant à elle, déjà 100 % pour les « moyens »).
30Dans la condition VO, les SLI obtiennent des résultats significativement inférieurs à ceux des contrôles, pour les consonnes voisées et non voisées (p <.001). L’effet du lieu d’articulation est significatif sur l’ensemble des participants (dysphasiques et contrôles), pour les voisées (p <.05) et les non voisées (p <.001) : les bilabiales sont mieux identifiées que les vélaires. Ce phénomène est plus marqué pour le contraste /pi/-/ki/ : la syllabe visuelle/pi/semble plus saillante, et donc mieux récupérée par les enfants contrôles et par les enfants dysphasiques « moyens ».
31La comparaison de la condition AO à la condition AVC fait apparaître que l’amélioration n’est significative, chez les SLI, que pour la bilabiale/bi/. La comparaison des conditions AVC et AVI fait apparaître, de manière descriptive : (a) une absence d’effet de la condition lorsque la syllabe visuelle est une vélaire (peu visible, donc exerçant peu d’influence) ; (b) un effet de la condition lorsque la syllabe visible incongruente est la bilabiale voisée/bi/ : la diminution de la performance s’observe chez les sujets contrôles « moyens » et est plus marquée chez les « grands » ; chez les SLI, elle ne s’observe pas chez les « moyens », et est à peine présente chez les « grands » ; (c) un effet plus marqué de la condition lorsque la syllabe visible incongruente est la bilabiale non voisée/pi/. Dans la population contrôle, la diminution de performance entre AVC et AVI est plus marquée chez les « grands » (60 %) que chez les « moyens » (23.3 %), mais ne varie pas en fonction de l’âge chez les SLI (17.7 % chez les « moyens » et 17.5 % chez les « grands »). Le lecteur attentif du Tableau 2 aura noté que le pourcentage de réponses correctes auditives des SLI « grands » dans les deux stimuli incongruents A/gi/V/bi/et A/ki/V/pi/est plus élevé que celui des contrôles, alors que les SLI ont des scores inférieurs à celui des contrôles dans toutes les autres conditions. Cette inversion souligne bien la sensibilité réduite des SLI à l’interférence visuelle.
32Tableau 2. Pourcentages de réponses correctes (écarts-types entre parenthèses) en fonction du type de syllabes, des groupes, de l’âge, et de la condition : (a) : audio seule ; (b) visuelle seule ; (c) audio-visuelle congruent ; (d) audio-visuelle incongruent.
(a) AUDIO | A/bi/ | A/gi/ | A/pi/ | A/ki/ |
SLI-Moyens | 88 (21) | 81 (21.8) | 90 (22.7) | 88.5 (12.1) |
CTRL- Moyens | 100 (0) | 99.2 (2.9) | 100 (0) | 100 (0) |
SLI-Grands | 88.9 (14.5) | 92.2 (17.1) | 96.2 (7.4) | 82.5 (21.9) |
CTRL-Grands | 100 (0) | 100 (0) | 100 (0) | 100 (0) |
(b) VISUEL | V/bi/ | V/gi/ | V/pi/ | V/ki/ |
SLI-Moyens | 46 (21.2) | 45 (10.8) | 67.7 (31.4) | 44.6 (18.5) |
CTRL- Moyens | 74.2 (2.9) | 58.3 (31.3) | 93.3 (8.9) | 79.2 (27.8) |
SLI-Grands | 52.2 (24.9) | 40 (17.3) | 51.2 (21.7) | 38.7 (12.5) |
CTRL-Grands | 73.7 (36.1) | 60 (27.2) | 77.1 (13.8) | 50 (23.8) |
(c) AV CONGRUENT | A/bi/V/bi/ | A/gi/V/gi/ | A/pi/V/pi/ | A/ki/V/ki/ |
SLI-Moyens | 91 (12) | 73 (26.3) | 91.5 (18.6) | 81.5 (25.1) |
CTRL- Moyens | 100 (0) | 100 (0) | 100 (0) | 97.5 (6.2) |
SLI-Grands | 94.4 (13.3) | 90 (12.2) | 100 (0) | 85 (28.3) |
CTRL-Grands | 100 (0) | 100 (0) | 100 (0) | 97.1 (7.5) |
(d) AV INCONGRUENT | A/bi/V/gi/ | A/gi/V/bi/ | A/pi/V/ki/ | A/ki/V/pi/ |
SLI-Moyens | 93 (15.7) | 73.3 (27.4) | 89.2 (20.2) | 63.8 (32.8) |
CTRL- Moyens | 97.5 (6.2) | 85 (26.8) | 99.2 (2.9) | 74.2 (39.6) |
SLI-Grands | 92.2 (16.4) | 86.7 (24.0) | 91.2 (12.5) | 67.5 (27.6) |
CTRL-Grands | 100 (0) | 43.7 (42.4) | 100 (0) | 37.1 (28.1) |
33Pour résumer, le développement atypique de la perception et de la production du langage oral chez les SLI entraînerait non pas une compensation par la modalité visuelle, mais une faible prise en compte des informations visuelles dans le traitement de parole. En témoigne le fait que les SLI (a) sont moins aptes à récupérer l’information sur les gestes articulatoires à partir de la lecture labiale ; (b) ne donnent pas davantage de RC dans la condition AVC par rapport à la condition AO ; (c) semblent moins influencés par l’incongruence audio-visuelle que les contrôles.
L’intégration audio-visuelle de la parole chez les enfants sourds munis d’un implant cochléaire (IC)
34Les enfants malentendants ayant des pertes auditives neurosensorielles munis d’un IC ont des difficultés à percevoir le lieu d’articulation sur base de l’audition seule, en raison de la faible résolution fréquentielle de leur implant (Glasberg & Moore, 1986 ; Grosgeorges-Rascle, 2005). Les implantés cochléaires font des confusions entre des mots qui partagent des caractéristiques temporelles tels que buck/duck (Giraud, Price, Graham, Truy & Frackowiak, 2001). Dans le cas où le signal est audio-visuel et congruent, la vision des mouvements des articulateurs les aide à récupérer l’information sur le lieu d’articulation. Mais que se passe-t-il lorsque l’information visuelle et auditive divergent, comme dans l’effet McGurk ? L’information visuelle peut-elle surpasser les caractéristiques audibles et supprimer les réponses aux informations auditives ? L’intégration audio-visuelle est-elle modulée par la précocité de la mise en place de l’implant (Schorr et al., 2005), ainsi que par l’input reçu post-implantation (Leybaert et al., 2007) ?
35Notre programme de recherches porte sur l’effet McGurk chez les enfants munis d’un IC et veut examiner l’effet de l’âge d’implantation et de l’exposition (ou non) au Langage Parlé Complété (Hage & Leybaert, 2006). Nous ne sommes en mesure de présenter ici que les résultats d’un seul enfant, N., âgé de 8 ans, équipé d’un implant Nucleus à l’âge de 3 ans, et dont les parents utilisent beaucoup de LPC. N. a un très bon développement du langage et exploite bien les informations délivrées par l’IC.
36Tableau 3. Pourcentages de réponses correctes (écarts-types entre parenthèses) en fonction du type de syllabes, et de la condition : (a) : audio seule ; (b) visuelle seule ; (c) audio-visuel congruent ; (d) audio-visuelle incongruent, pour N. (enfant sourd muni d’un implant) et un groupe contrôle de 20 enfants de CE2.
(a) AUDIO | A/bi/ | A/gi/ | A/pi/ | A/ki/ |
CTRL | 99.3 | 99 | 99.6 | 97.5 |
N | 100 | 91.7 | 91.7 | 58.3 |
(b) VISUELLE | A/bi/ | A/gi/ | A/pi/ | A/ki/ |
CTRL | 77 | 77.7 | 93.9 | 85.4 |
N | 100 | 83.3 | 75.0 | 16.7 |
(c) AV CONGRUENT | A/bi/V/bi/ | A/gi/V/gi/ | A/pi/V/pi/ | A/ki/V/ki/ |
CTRL | 98 | 94.8 | 100 | 99.6 |
N | 100 | 100 | 100 | 100 |
(d) AV INCONGRUENT | A/bi/V/gi/ | A/gi/V/bi/ | A/pi/V/ki/ | A/ki/V/pi/ |
CTRL | 94.1 | 89.6 | 97.1 | 85.4 |
N | 0 | 0 | 0 | 0 |
37Elle a passé les conditions AO, VO, AVC, et AVI, et elle a répondu en désignant du doigt l’une des 4 possibilités de réponses imprimées en grand sur une feuille A4. Elle est comparée ici à un échantillon de 20 enfants de CE2, testés dans les mêmes conditions (voir Tableau 3).
38Dans la condition AO, N. a une performance maximale pour/bi/, et de 91.7 % pour/gi/ (1 erreur, soit 8.3 % :/di/) et pour/pi/ (8.3 % erreurs : ti/). Par contre, elle n’obtient que 58.3 % pour/ki/, pour lequel elle donne 41.7 % de réponses/ti/. Pour la condition VO, elle obtient 100 % de RC pour/bi/, 82.3 % pour/gi/ (17.7 % de réponses erronées /di/), 75 % pour/pi/ (25 % erreurs :/pki/), et seulement 17 % pour/ki/ (83.3 % de perceptions/ti/). Remarquons que tant en AO qu’en VO, les bilabiales sont bien perçues, de même que la palatale/gi/. La palatale /ki/, quant à elle, est mal perçue en AO et en VO, et catégorisée comme une dentale/ti/. En AVC, sa performance s’améliore et atteint 100 % pour les 4 syllabes. Enfin, en AVI, elle n’affiche aucune réponse auditive : pour A/bi/V/gi/, 100 % de réponses visuelles/gi/ ; pour A/gi/V/bi/, 100 % de réponses visuelles/bi/ ; pour A/pi/V/ki/, 8 % de réponses visuelles/ki/et 92 % de réponses/ti/ ; pour A/ki/V/pi/, 100 % de réponses visuelles/pi/.
39La comparaison des conditions AO et AVC fait apparaître un gain impressionnant lorsque les deux informations sont congruentes. N. perçoit correctement le/ki/qu’elle n’arrivait à percevoir ni en AO ni en VO. Elle utilise donc la lecture labiale comme information complémentaire pour renforcer ses performances auditives. Mais en AVI, l’information visuelle semble supprimer toute réponse aux informations auditives, et N. « entend ce qu’elle voit ». Il est difficile en effet de considérer les 92 % de réponses/ti/au stimulus A/pi/V/ki/comme des fusions audio-visuelles, puisque N. faisait déjà 83.3 % de réponses de ce type dans la condition VO et 41.7 % dans la condition AO. S’agit-il là d’un effet d’une implantation « tardive », à 3 ans ? Ou de l’utilisation intensive du LPC par ses parents ? Il nous faut tester plus de sujets pour répondre à ces questions (voir Colin et al., 2007).
Conclusions
40Malgré l’existence d’une sensibilité à la cohérence audio-visuelle chez les bébés, l’intégration phonémique qui apparaît dans l’effet McGurk est clairement un processus développemental sensible à l’expérience perceptivo-motrice du langage. Les jeunes enfants éprouvent des difficultés à récupérer les gestes articulatoires du locuteur via la lecture labiale seule et présentent moins d’illusions que les adultes. Ce n’est qu’après l’âge de 10 ans que l’influence de l’information visuelle sur la perception des syllabes atteindra l’ampleur qu’elle a chez l’adulte. Les travaux récents en neuroimagerie chez les adultes suggèrent que l’intégration audio-visuelle implique un réseau de régions multimodales qui interpréterait l’information visuelle liée au mouvement des lèvres comme information phonétique basée sur les commandes motrices qui ont généré ces mouvements (Callan et al., 2003 ; Ojanen et al., 2005 ; Skipper et al., 2005). On ne connaît pas encore le décours développemental de la mise en place des « sites audio-visuels » de perception de la parole, ni les contraintes imposées par le développement du contrôle moteur et des habiletés de perception de la parole.
41Dans le domaine de la perception auditive, les différences entre SLI et contrôles se manifestent d’autant plus que la tâche psychoacoustique est sensible à l’âge (Bishop & McArthur, 2004 ; McArthur & Bishop, 2005). Avec l’effet McGurk, nous sommes en présence d’une tâche psycho-audio-visuelle fortement sensible à l’âge. Les enfants avec SLI ne semblent pas compenser leur déficit auditif par un meilleur traitement de l’information visuelle liée à la parole, ni même développer un traitement de la parole visuelle aussi efficace que celui d’enfants au développement normal. Nous devrons examiner, dans le futur, si des adolescents et jeunes adultes avec SLI ont développé avec retard les capacités d’intégration audio-visuelle, ou si le déficit d’intégration ne s’est pas résolu avec l’âge. Les différences inter-individuelles selon la qualité de la production de la parole devront également être prises en considération.
42A la différence des enfants SLI, l’enfant munie d’un IC témoigne d’une réelle amélioration de la perception de la parole en condition AVC. Ceci suggère que le caractère redondant de la modalité audiovisuelle est exploité lors de la perception du lieu d’articulation sous implant, comme il l’est dans d’autres conditions de dégradation spectrale du signal de parole (Berthommier, 2001). Lorsque l’information audio-visuelle est incongruente, le sujet se focalise sur la visualisation de la source de production de l’onde sonore et le traitement auditif ne semble pas résister face à la dominance du traitement visuel. Du point de vue neuroanatomique, les aires motrices qui interprètent et manipulent les segments phonétiques liés à l’articulation (Zatorre, Meyer, Gjedde & Evans, 1996) s’activent probablement plus pendant la reconnaissance de la parole visuelle et audio-visuelle chez les enfants munis d’un implant que chez les enfants entendants. Si une telle conjecture était vérifiée, cela permettrait d’expliquer le fait que N. « entend ce qu’elle voit » dans la condition AVI.
43Pour terminer, nous ferons nôtres les mots de Bernstein, Burnham & Schwartz (2002) : « One possibility is that speech perception is basically multimodal (and thus auditory-visual) in nature from birth, and that specific aspects of the surrounding language (experience) affect the degree to which visual information is incorporated. »
Notes de bas de page
1 Ces travaux ont bénéficié du soutien du Fonds National de la Recherche Scientifique (convention 2.4621.07) attribué à J. Leybaert, d’une bourse de la Fondation Fyssen et d’une bourse de la Fondation Van Goethem-Brichant attribuées à C. Colin. Valérie Matagne, Julie Doucet et Clémentine Labourdette ont récolté les données sur les enfants au développement normal et les enfants atteints de trouble spécifique du langage. T. Dussart nous a apporté une aide précieuse dans le recueil des données auprès des enfants avec trouble spécifique du langage. Les parents de N. nous ont accueillies avec enthousiasme et intérêt. Que tous trouvent ici l’expression de notre reconnaissance. Nous espérons que nos réflexions aideront à la prise en charge et au développement du langage des enfants atteints de trouble spécifique du langage et de surdité neuro-sensorielle.
2 Nous utiliserons la convention de représenter le stimulus auditif par A et le stimulus visuel par V.
3 « Hearing by eye ».
4 Nous ne sommes pas en mesure, vu les contraintes d’espace, de donner toutes les statistiques qui résultent de l’analyse complète de ces résultats. Nous avons donc choisi de nous centrer sur les effets d’âge, et les interactions entre l’âge et les conditions. Le lecteur intéressé par l’ensemble des statistiques consultera Leybaert & Colin (soumis).
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Les chemins de la décolonisation de l’empire colonial français, 1936-1956
Colloque organisé par l’IHTP les 4 et 5 octobre 1984
Charles-Robert Ageron (dir.)
1986
Premières communautés paysannes en Méditerranée occidentale
Actes du Colloque International du CNRS (Montpellier, 26-29 avril 1983)
Jean Guilaine, Jean Courtin, Jean-Louis Roudil et al. (dir.)
1987
La formation de l’Irak contemporain
Le rôle politique des ulémas chiites à la fin de la domination ottomane et au moment de la création de l’état irakien
Pierre-Jean Luizard
2002
La télévision des Trente Glorieuses
Culture et politique
Évelyne Cohen et Marie-Françoise Lévy (dir.)
2007
L’homme et sa diversité
Perspectives en enjeux de l’anthropologie biologique
Anne-Marie Guihard-Costa, Gilles Boetsch et Alain Froment (dir.)
2007