2. Le face à face en ligne, approche éthologique
p. 27-50
Texte intégral
1. Introduction
1Dans les années 1980 le thème des interactions conversationnelles a fait l’objet de multiples recherches sous différentes étiquettes : communication interindividuelle (ou duelle, voire dyadique), dialogue, interaction verbale, interaction de face à face, conversation, etc. La conversation est devenue finalement la situation prototypique des autres modes d’interaction et à ce titre le sujet de très nombreuses publications : la conversation a fait beaucoup causer… Le Groupe lyonnais de recherches sur les interactions et la communication (GRIC) y participait par un travail publié sous le titre Décrire la conversation (1987) suivi d’Échanges sur la conversation (1988). Plus de vingt ans après, le sujet a repris une nouvelle actualité ; ses formes se sont multipliées. Le développement rapide des communications internétiques revisite la multimodalité : le son, l’image et l’écrit peuvent être échangés en synchronie voire en pluridirectionnalité. Cette communication distancielle multimodale et synchrone possède à l’évidence des points communs avec la conversation présentielle, mais elle doit s’adapter à de nouvelles contraintes techniques et situationnelles, et en conséquence ne peut manquer de présenter des particularités déjà abordées par un certain nombre d’auteurs (voir la présentation de cet ouvrage).
2Pour notre part, comme dans l’étude princeps de 1987, l’approche proposée dans cette contribution sera éthologique (dans le sens où Goffman [1973] préconisait une « éthologie de l’interaction ») et compréhensive ; éthologique, c’est-à-dire naturaliste avec en conséquence un effort de description globale des phénomènes aussi bien verbaux que posturo-mimo-gestuels dans leurs rapports à l’interaction duelle, et cette éthologie est dite compréhensive dans la mesure où elle relie les faits observés au cadre technique et institutionnel et aux commentaires des sujets interviewés en post-enregistrements (et éventuellement en auto-confrontation quand cela est possible).
2. Choix des corpus
3Dans la perspective d’accorder dans notre étude une large part aux dimensions visuelles de la communication en visioconférence poste à poste, nous avons choisi d’étudier plus particulièrement quatre des différentes conversations proposées (voir la présentation de l’ouvrage) : Samira-Isabelle 1, Samira-Isabelle 2, Samira-Andrew, Isabelle-Andrew.
4Samira-Isabelle 2 constitue le pilier de notre étude car les sujets ont pu être vidéoscopés intégralement au cours de l’interaction, en parallèle à la capture d’écran générale de base. Cette vidéoscopie complémentaire permet :
- l’observation d’une éventuelle gestualité des avant-bras et des mains, invisible sur les captures d’écran ;
- l’observation des comportements des interlocuteurs au cours d’un passage durant lequel un incident technique (dénommé la panne) a suspendu la capture d’écran et donc les images des deux conversants.
5Samira-Isabelle 1 comportant les mêmes conversants permet de renforcer la première observation et d’évaluer la permanence éventuelle de leurs profils conversationnels.
6Quant aux deux autres captures d’écran (Samira-Andrew et Isabelle-Andrew), elles ont comme protagonistes les deux sujets précédents (Samira et Isabelle) en interaction tour à tour avec un même interlocuteur (Andrew), ce qui permet de contrôler les résultats, de formuler des hypothèses et d’étayer certaines conclusions.
3. Méthodologie
7Toutes nos études quantitatives, à des fins de standardisation, ont pris comme point zéro de l’échelle temporelle la fin des calibrages du regard et ont porté sur les 10 minutes suivantes, en utilisant cependant en complément, à des fins qualitatives, des échantillons de comportement relevés hors des passages microanalysés quand ils présentaient un intérêt spécial pour notre propos. De même, pour l’étude de la structuration d’ensemble des interactions nous avons considéré l’intégralité de chaque rencontre.
8De façon à comparer, au moins sommairement, nos résultats avec ceux des observations de 1987, nous avons quantifié un certain nombre d’items :
- pour le non-verbal : mimiques, sourires, sourires mutuels, regards, gestes. Pour la description des gestes nous nous référons à la classification fonctionnelle (légèrement modifiée) de 1987 et reproduite en annexe ;
- pour le verbal : nombre de mots, temps d’émission, débit par seconde, tours de parole, questions posées, régulateurs verbaux.
9Nous indiquerons tour à tour les résultats pour chacune des conversations, ils seront repris ensuite dans une perspective d’ensemble dans la partie discussion.
4. Résultats
Aspects mimo-gestuels de la conversation Samira-Isabelle 2
Capture d’écran
Les regards
Image 2 – Isabelle

10Dans l’ensemble des enregistrements, les regards1 sont dirigés la majorité du temps sur l’image de l’interlocuteur. L’enregistrement Samira-Isabelle 2 est, à cet égard, exemplaire : Samira 70 %, Isabelle 90 %, cette différence interindividuelle étant liée au discours plus abondant de Samira.
Les mimiques (expressions faciales)
11Les expressions faciales sont variées, connotant soit le discours du parleur soit celui du partenaire, et paraissent particulièrement bien articulées avec les échanges paroliers. Elles forment ainsi une chaîne quasi continue qui donne l’impression d’un véritable ballet conversationnel (image 3, page suivante).
12On peut voir là une caractéristique de ce genre de communication sur laquelle nous reviendrons : la réduction de l’efficacité des éléments gestuels en raison du dispositif technique restrictif semble provoquer une augmentation compensatrice de l’activité communicative faciale qui occupe pratiquement toute la scène.
13Parmi ces expressions faciales, les sourires sont fréquents. En dix minutes, on observe : Samira = 61 mimiques dont 25 sourires ; Isabelle = 57 mimiques dont 36 sourires mais, sur ces nombres, 12 sont des sourires réciproques parfois mêlés au rire.
Image 3 – Mimiques d’Isabelle et de Samira en interaction

Les gestes
14La gestualité visible des mains et des avant-bras est limitée (par le dispositif), celle qui reste perceptible est essentiellement « extracommunicative autocentrée ».2 On relève ainsi pour Samira : trois mouvements de la main gauche portée sur l’oreillette, et Isabelle : trois mouvements de main dans les cheveux et sur le menton (image 4).
Image 4 – Mouvements autocentrés adaptateurs

15De plus, on observe au moment de l’évaluation terminale un geste co-verbal illustratif de Samira pour décrire la forme des bricks, manifestement ce geste est réalisé de façon à être visible au niveau de la fenêtre (image 5).
Image 5 – Un co-verbal illustratif (03 : 25)

Samira : tu sais des feuilles de brick tu vois pas ?
Les mouvements du buste
16Les mouvements du buste sont nombreux, surtout d’avant en arrière ou latéraux. Ils sont marqués aux prises de parole, et à la réception, par avancées du buste s’ajoutant alors aux mimiques faciales pour renforcer l’attitude d’écoute (on note aussi de nombreux micro-balancements d’Isabelle à valeur auto-régulatrice).
Les enregistrements vidéo individuels
17Ces enregistrements vidéo doublent évidemment les observations précédentes mais donnent accès à des données complémentaires et permettent de répondre à certaines questions posées plus haut.
18Ils révèlent l’existence de mouvements non perçus en raison de la restriction du cadrage qui cache les avant-bras et les mains : ces mouvements occultés sont nombreux, ce sont souvent des auto-manipulations des mains et des mouvements des mains autour du clavier, à certains moments opérant des frappes sur le clavier (correspondant parfois à une activité de communication parallèle par le chat extérieur à MSN).
19Mais on observe aussi des mouvements co-verbaux idéographiques (15 pour Samira et 3 pour Isabelle, et ces mouvements persistent durant la panne : Samira 5, Isabelle 7), ce sont même parfois des déictiques, forcément non perceptibles par le partenaire (images 6 et 7) et ces mouvements idéographiques existent même lors de la panne d’images (image 7).
En fait quand je mange pas à midi c’est que… (5 : 57) (co-verbal idéographique)

En fait la dernière minute avant d’aller en cours… (6 : 14) (co-verbal idéographique)

… je suis désolée en fait… (7 : 06) (co-verbal idéographique)

Image 6 – Gestes de Samira non visibles par Isabelle

Image 7 – Mouvements d’Isabelle durant la panne d’images (sans panne audio)

Aspects mimo-gestuels dans les autres captures d’écran
20Comme signalé plus haut, les autres enregistrements exploités sont de deux sortes : les captures d’écran au cours de la conversation de Samira-Isabelle 1, et les conversations de Samira et Isabelle tour à tour avec une tierce personne (Andrew). Le tableau 1 récapitule la gestualité observée dans ces différentes situations. En bas du tableau figurent les moyennes observées en 1987 dont les différences avec les moyennes de 2007 seront discutées plus loin.
Tableau 1 – Récapitulatif des activités corporelles visibles, 2009

Samira-Isabelle 1
21L’observation de cette conversation confirme les données de la conversation précédente (Samira-Isabelle 2) et les résultats quantitatifs portés dans le tableau 1 sont très proches.
Isabelle-Andrew
Les expressions faciales
22On retrouve comme dans les enregistrements précédents une intense activité faciale interactive. Ainsi pour Isabelle, 59 mimiques dont 24 sourires, et pour Andrew 35 mimiques dont 15 sourires. Onze sourires sont mutuels.
Les gestes
23En dehors des hochements de tête fréquents on relève deux extracommunicatifs autocentrés : main sur oreillette (2 : 29) et main droite sur le nez (11 : 30), mais aussi en 6 : 52 un pointage du doigt accompagnant « ici en fait » à valeur déictique et un affleurement en 7 : 17 des doigts de la main gauche liés à la description des bâtiments et donc à valeur illustrative probable (image 8).
Image 8 – Illustratifs déictiques

Samira-Andrew
Les expressions faciales
24On retrouve l’importante activité faciale : en dix minutes, 49 mimiques de Samira dont 13 sourires, 32 mimiques d’Andrew, dont 10 sourires. Six sourires sont mutuels dont 2 provoqués par des bruits parasitaires soudains et une courte panne d’inspiration.
Les gestes
25Deux autocentrés extracommunicatifs (manipulation d’oreillettes) d’Andrew, mais on aperçoit aussi un autocentré particulier sur lequel nous reviendrons : en 2 : 51 Samira déclare avec une accentuation vocale « à mon avis » et accompagne ce syntagme d’un geste autodésignant, en partie visible, des mains sur le haut du buste (image 9).
Image 9 – Les autodésignants

… à mon avis c’est rare à mon avis… (2 : 51)
Aspects verbaux de la conversation
26Nous avons repris les entrées descriptives du corpus de 1987 pour les comparer aux extraits des quatre conversations en ligne sélectionnées ici : il s’agissait de quantifier, par locuteur, le nombre de mots, le temps de parole, le débit et l’emploi de régulateurs. Nous y avons ajouté le nombre de tours de parole et le nombre de questions posées.
Tableau 2 – Comparaison des éléments verbaux des quatre extraits de conversations

* Au sens des « grands tours » (différents des « petits tours »), c’est-à-dire plus de cinq mots d’affilée (Cosnier 1988, p. 175-184).
** Le premier chiffre indique le nombre de régulateurs verbaux utilisés par le locuteur étudié dans la ligne (Samira pour la première ligne) et le second le nombre recensé par son interlocuteur (25 pour Isabelle dans la première conversation).
27Ce tableau met en évidence les points suivants :
- De la même façon que dans le corpus de 1987, les locuteurs parlent davantage lors du second entretien que lors du premier. On note cependant qu’en dix minutes d’interactions en ligne, les locuteurs produisent, en moyenne, 1 500 mots par conversation (au lieu des 2 000 mots précédemment lors du face à face présentiel).
- Contrairement aux résultats de 1987, on ne peut pas identifier aussi nettement un locuteur qui parle plus que les autres, ou bien un locuteur qui
a un débit plus lent que les autres. En revanche, on remarque que chacun des trois locuteurs a un débit de parole qui varie assez nettement selon son interlocuteur (et peut-être la phase de la conversation). - Le comptage des tours de parole fait apparaître trois conversations comparables, autour de 80 tours de parole, et une quatrième, plus atypique, dans laquelle la durée des tours est plus importante et qui comporte donc moins de tours (Samira 45 tours et Andrew 44 tours). On peut supposer que le type de questions posées (par exemple : est-ce que tu penses que l’homosexualité est mieux perçue aux États-Unis ou en France ?) qui amenaient les locuteurs à réfléchir et à argumenter peut entrer en ligne de compte pour expliquer ce déséquilibre dans la longueur des tours.
- Dans la colonne de droite, nous avons comptabilisé les régulateurs verbaux au sens de Cosnier (1982), à savoir ceux qui relèvent de l’activité de l’auditeur (exemple : ouais, hmm, etc.) Les nombres des régulations par locuteur sont équivalents à ceux du corpus de 1987, et de la même façon que dans le premier corpus, nous voyons qu’un des locuteurs, ici Andrew, produit beaucoup moins de régulateurs (2 et 6) que ses deux interlocutrices
(24 et 31). Au lieu de ponctuer verbalement les propos de son interlocutrice, il reste silencieux, très attentif, et enchaîne le plus souvent avec une nouvelle question sans passer par des marques de renforcement positif au comportement énonciatif de son interlocutrice.
28En résumé : si ce n’est au niveau du temps d’émission de mots par locuteur (inférieur ici), les comparaisons de notre corpus avec celui de 1987 ne mettent pas en évidence de différences sur le plan verbal qui puissent être imputables à la médiation de la communication par visioconférence poste à poste.
Entretiens post-enregistrement
29Selon nos principes d’éthologie compréhensive chaque participant a eu, dans les jours suivant l’expérience, un entretien destiné à recueillir ses impressions et ses opinions sur la situation de communication à laquelle il avait participé. Ces entretiens étaient semi-directifs et portaient essentiellement sur l’appréciation des sujets sur le poids des contraintes techniques, sur les effets du cadre restrictif et de l’anomalie des regards, sur la multicanalité, enfin sur leur impression globale d’aise ou de gêne, et toute autre remarque personnelle.
30Un certain nombre d’éléments sont ainsi venus confirmer et compléter les observations naturalistes précédentes, parmi lesquels nous retiendrons : – Le poids de la technique est évident mais s’il est perçu comme dérangeant au départ,
Moi j’avais trouvé ça un peu bizarre je sais pas très bien l’expliquer parler à un ordinateur c’est pas exactement c’est pas du tout personnel c’est aussi ça qui est la cause du fait que c’est plus facile à se lâcher mais c’est pas très personnel. (Andrew, première utilisation de ce type de communication)
31il semble devenir rapidement familier :
C’est vrai qu’il n’y a pas trop de différences c’est comme si la personne était là. Avec Céline, on aurait pu discuter toute la matinée, on se voit… (Samira est habituée à MSN sans webcam)
Finalement c’est comme en vrai, une conversation vidéo, on voit tout de suite si on a le feeling ou pas ce n’est pas possible par mèl ou dans une conversation écrite seulement. (Céline)
Pour moi c’est comme si j’avais discuté à la cafet’ avec Andrew, on apprend à se connaître c’est pareil. (Isabelle, très habituée)
32– Le fait que des thèmes n’ont pas vraiment contraint l’échange, en donnant matière à converser tout en laissant une liberté d’orientation largement utilisée par certains :
Forcément on ne rentre pas directement dans le sujet du coup il y a un temps de présentation. Et c’était sympa pour ça et même le fait de se présenter on arrive à trouver des sujets qui vont dans le sens de ce qui était demandé. (Isabelle)
33– Les contraintes du cadre et la présence de sa propre image donnent lieu à une habituation rapide et la perception privilégiée du visage du partenaire et de ses expressions affectives facilite l’empathie.
J’ai sûrement plus regardé l’écran que la webcam même si j’ai essayé de regarder la webcam j’crois avoir plus regardé l’écran je regardais mon interlocuteur. (Samira)
J’ai beaucoup regardé mon interlocuteur parfois la caméra pas beaucoup le clavier sauf en cas de problème. Oui on a l’impression de regarder l’interlocuteur comme en vrai. (Céline)
34En dehors des ajustements de son propre corps par rapport à la webcam et à la fenêtre (signalés dans cet ouvrage par Marie-Noëlle Lamy et Rosie Flewitt), la fonction du regard porté sur soi-même peut être liée à la découverte de l’image de soi en train de parler :
Je me regarde aussi en fait oui oui peut-être plus au début de la conversation en fait je me regarde et je cherche est-ce que je suis bien coiffée là ?… Je me vois je me regarde et… j’ai la tête en biais en fait et ça m’énerve parce que je me dis si je me vois comme ça et ben l’autre me voit de la même façon alors je tourne vite la tête pour qu’il me voie en face. Je me dis je dois être mieux de face (rires) alors je tourne vite ma tête (rires). (Samira)
35Les étonnements suscités par cette image seront repris plus bas dans la discussion mais on peut d’ores et déjà noter la sensation d’intense activité du visage dont il est fait état par certains sujets :
On regarde son image mais en fait l’image est faussée car on se voit tout le temps avec les yeux pas au même endroit donc c’est un peu spécial mais parfois c’est amusant de voir justement quelle expression on associe à ce qu’on dit parce qu’on ne sait pas qu’on fait ça, quoi c’est amusant. On se voit faire des mimiques on ne se serait pas imaginé comme ça (rires). Oui, parfois on se dit bof ça… c’est pas génial, ça rend pas super… (rires) c’est drôle ! On se dit bon, j’espère que ça fait pas trop en fait, parce que quand on se voit soi, on a tendance à se dire : j’en fais trop… (Céline)
36Nous verrons dans la discussion que cette impression renvoie de fait à une plus grande mobilité de la face dans ce type d’interactions en ligne. Là encore, l’image de soi semble être, au moins en partie, scotomisée chez les locuteurs plus habitués à ce type de conversation :
Comme moi j’en ai déjà fait je suis habituée à mon image et bon je m’arrête pas à ça… Je l’oublie vite… (Isabelle)
5. Discussion
37Nous reprendrons quatre des différentes macro-caractéristiques de la conversation en face à face ordinaire telles qu’elles étaient apparues en 1987. Ces caractéristiques peuvent paraître élémentaires mais elles nous suffiront pour guider la comparaison avec la conversation multimodale en ligne.
La communication de face à face est multimodale constituée d’éléments verbaux-vocaux (tours de parole et vocalisations diverses) et d’éléments mimo-posturo-gestuels
38Cette macro-caractéristique s’applique évidemment ici, la multimodalité comprenant, en plus, de l’écrit, dans deux cadres : la fenêtre de chat MSN et le chat gmail exogène à la conversation prescrite (échanges avec interlocuteur extérieur). Nous reviendrons plus loin sur le rôle crucial que joue l’écrit lors de la phase d’ouverture de la conversation en ligne, notons que c’est encore cette modalité qui est utilisée lors des épisodes de panne, et celle qui est sollicitée lors de la clôture de la conversation via le résumé.
39L’exercice de résumé écrit en collaboration avec le partenaire, au-delà de l’aspect artificiel qu’il revêt, est spécifique au genre de communication multimodale par MSN. Une étude à part entière des dernières phases de discussion pourrait être intéressante pour montrer la forme que prend l’exercice selon les participants et les négociations qui s’opèrent au départ concernant la distribution des rôles (Qui va taper ?), le type de travail collaboratif qui permet que se construise au fil des propos échangés une sorte de synthèse des propos antérieurs (Qui propose ? Quels propos sont écrits ? De quelle manière ?) On notera que la forme d’écriture du chat ne favorise pas les marques de cohérence textuelle, les phrases venant s’inscrire à la suite les unes des autres, séparées par une ligne générée par le logiciel (par exemple : « Samira dit ») et sans utilisation de connecteurs interphrastiques. On a plutôt des coupures intraphrastiques telles que :
Samira dit :
les rencontres à l’étranger
Samira dit :
et en France avec des étrangers (Samira-Isabelle 1, 10 : 18)
40Ce qui renvoie aux conditions techno-pragmatiques de ce type d’écriture qui incite à réduire la longueur des phrases de façon à ne pas faire attendre trop longtemps son interlocuteur qui n’a accès au texte écrit qu’une fois qu’il est envoyé et non au fil de son écriture.
41Le chat gmail est utilisé en début de conversation puis au cours de la panne, c’est-à-dire dans des espaces hors temps de travail inhibant la polyfocalité potentielle de ce genre de conversation en ligne.
42On voit donc que par rapport à la conversation présentielle, c’est l’intrication des différentes modalités tout au long de l’échange qui est originale, même si l’on peut trouver dans des situations spécifiques présentielles cette co-présence de modalités écrites + totexte (par exemple quand on aide un enfant à faire ses devoirs).
Ces éléments sont étroitement unis pour réaliser l’interaction conversationnelle dans ses aspects d’échanges informationnels et de dispositif de co-pilotage régulateur de ces échanges
43Dans des études antérieures d’interactions conversationnelles dans des contextes divers, l’un de nous (Cosnier 1982, 1996, 2007) avait proposé la notion de « totexte » (énoncé-total) englobant les éléments voco-verbaux (texte) et posturo-mimo-gestuels (cotexte) en schématisant la répartition de leur fonction (voir le schéma en annexe).
44Nous pouvons reprendre les différents éléments et examiner comment les fonctions sont assurées dans la situation d’interaction en ligne.
45Le totexte présente plusieurs particularités :
- La multimodalité du texte : la parole est vocalisée mais, comme signalé ci-dessus, peut être aussi écrite, et ses sources sont éventuellement exogènes (gmail), on entend d’ailleurs à plusieurs reprises des signaux d’appel extérieurs.
- La posturo-mimo-gestualité réduite au cadre où seuls la tête et le sommet du tronc sont normalement visibles, ce qui limite considérablement la participation des gestes au totexte.
46Mais cette contrainte permet de faire deux constatations intéressantes.
47La première, comportementale : ce dispositif qui ne permet un accès direct qu’à la tête et au buste du partenaire fait que les expressions faciales tiennent une place majeure dans la régulation de l’interaction et elles sont effectivement plus nombreuses que dans les interactions ordinaires : si l’on compare les trois conversations de 1987 avec les quatre de notre présent corpus, nous observons pour 1987 : en moyenne 13 mimiques en 10 minutes dont 5 sourires dont 3 mutuels, en 2008 : 50 mimiques dont 20 sourires dont 10 mutuels. Il y a donc quatre à cinq fois plus d’activités mimiques dans le face à face en ligne. La face joue donc un rôle majeur dans l’expression et la régulation (voir le tableau 1, p. 34).
48La seconde, théorique : les enregistrements vidéo parallèles de Samira-Isabelle 1 prouvent la persistance de gestes co-verbaux idéographiques non visibles par le partenaire (images 6 et 7) ce qui suggère l’idée que ces gestes sont au moins en grande partie plus utiles au parleur qu’à l’écouteur et ont une fonction de facilitation énonciative, ce qui est renforcé par la constatation que quand certains co-verbaux illustratifs apparaissent dans le cadre, ce sont des illustratifs (les bricks, image 5) et des déictiques (de lieu et d’autodésignation, images 8 et 9). On peut émettre l’hypothèse que dans ces cas la mise en visibilité de ces gestes est volontaire.
49Enfin, en ce qui concerne le co-pilotage régulateur des échanges qui passe par les regards, on peut dire qu’ici il est un peu entravé par le dispositif, le regard étant essentiellement orienté sur l’image d’autrui, or, pour donner l’impression à autrui d’un regard direct il devrait être dirigé vers la caméra (l’interlocuteur deviendrait alors paradoxalement invisible). Mais les entretiens montrent que si cela peut constituer une gêne au début, une habituation rapide la fait pratiquement disparaître.
50D’autre part, le fait que chacun perçoit sa propre image sur l’écran est une autre particularité du dispositif, possiblement gênante au début comme on vient de le voir, peut-être parce que cette image de soi est étrangère à l’image de soi inversée qui est celle du miroir habituel, ici : soi semble être un autre, comme l’exprime l’un des locuteurs :
Ça m’est arrivé de me regarder parler à mon interlocuteur et c’est assez bizarre se regarder soi-même parler à travers l’écran l’ordinateur c’est une autre réalité, intéressante, mais cette double image qu’on a c’est comme si on avait un jumeau c’est comme si on nous avait clonés et on parle tous les deux en même temps avec un petit décalage. (Vasileios)
51Là aussi, une adaptation au dispositif se met en place,
C’est surtout avec la vue périphérique je vois un peu comme ça parce que je mets en grand je mets les deux images en grand. […] donc je le vois avec la vue périphérique mais je regarde surtout l’interlocuteur. Comme moi j’en ai déjà fait je suis habituée à mon image et bon je m’arrête pas à ça… Je l’oublie vite… » (Isabelle)
52laissant penser que les échanges informationnels et le dispositif de co-pilotage régulateur multimodal par le biais de ce type de communication arrivent à se coordonner physiquement chez les locuteurs un peu à la manière des savoir-faire technopraxiques tels que faire du vélo, conduire une voiture, etc.
Les contextes sont variables et reflètent divers paramètres (objet et circonstances de l’interaction, relations de rôles, personnalité des interactants, disposition proxémique, etc.) mais dans tous les cas l’interaction conversationnelle de face à face se déroule dans un contexte inter-objectif d’énonciation : « ici et maintenant » partagés
53Un certain nombre de ces paramètres (statuts, compétences techniques, histoire relationnelle, etc.) ont déjà été mentionnés ci-dessus et les résultats quantitatifs (quantité de paroles, de mimiques, d’adaptateurs extracommunicatifs) démontrent que comme dans les face à face présentiels étudiés en 1987, chaque interactant présente des particularités personnelles, ce que nous avions appelé alors « profils interactifs » : le dispositif technique ne gomme pas les différences de comportements relationnels interindividuels voire culturels, certains sont plus bavards que d’autres, plus gestualisants, etc., et ceci se voit aussi bien en ligne qu’en présentiel. De même existe une dimension culturelle : ayant remarqué dans l’ensemble des corpus en 1987 comme en 2008 la participation de deux hommes d’origine grecque, nous avons facilement pu noter dans les deux cas l’abondance des gestes de toutes catégories et, a contrario, chez le personnage nord-américain du panel 2008, une moindre activité motrice. Évidemment ce ne sont là que des suggestions et leur confirmation nécessiterait une investigation statistiquement adaptée. Mais on peut d’ores et déjà assurer que les contraintes techniques ne gomment pas les différences interindividuelles.
54Concernant l’objet et les circonstances de l’interaction que l’on a pu qualifier de semi-naturelle, on note qu’une de ses spécificités est qu’elle porte les marques de la présence d’un surdestinataire, à savoir le commanditaire des conversations. À de nombreuses occasions apparaît, en effet, sa présence implicite dont nous donnerons quelques exemples ci-dessous. Le premier exemple est lié à la recherche du respect des consignes données :
Isabelle : | t’as redemandé si il fallait argumenter… par écrit ? |
Samira : | euh non ben je pense pas |
Isabelle : | d’accord |
Samira : | mais on peut le faire… |
Isabelle : | oui (Samira-Isabelle 2, 0 : 48) |
55L’emploi de la modalité déontique « il faut » se retrouve à plusieurs reprises, par exemple en début de conversation : « il faut dire : je regarde mon image, etc. » Par ailleurs, on note également la recherche du respect du temps minimal imparti à l’échange « ça ne fait rien, ça fait environ 10 minutes » (Samira-Isabelle 2). La nécessité de parler, présente dans la consigne, inscrit en creux le problème que représentent les silences et avec eux la gêne qui se marque physiquement dans les mimiques de Samira quand la conversation retombe. Il est d’ailleurs intéressant de relier cette sensation de malaise liée à la possibilité de ne pas remplir le contrat de parole avec un possible accroissement de cette gêne due au dispositif de communication. En effet si l’on en croit Isabelle, en visio « les silences sont plus pesants qu’en face à face, parce que là, on est destiné à parler ».
56Le second exemple renvoie à l’interprétation que les locuteurs se font de l’attente du surdestinataire : étant embauchés pour converser avec une personne qui leur a été attribuée, il s’agit pour eux de produire la conversation la plus proche possible des attentes projetées par le commanditaire. Dans une telle situation, quelles sont les scories à éviter ? On peut considérer comme scories les appels extérieurs qui viennent dans différents corpus interférer avec la conversation en cours sur MSN. C’est en tout cas ainsi que semblent les considérer les participants en refrénant la tendance habituelle à gérer des conversations de façon simultanée en jouant sur la « polyfocalité de l’attention » (Jones 2004) : à plusieurs reprises dans le corpus étudié, la possibilité d’entamer une autre conversation sur un chat extérieur apparaît et est repoussée par les participants à l’expérience. Dans notre corpus, les seuls exemples de dialogues sur un chat autre que celui de MSN (chat gmail) s’effectuent avant le début de la conversation officielle (Samira-Isabelle 2, 15 : 7) et pendant la panne MSN (vidéo Isabelle 2, 9 : 13).
57Enfin, un troisième exemple montre une recherche d’orthodoxie, de respect de la norme orthographique, lors de la rédaction écrite du résumé, qui rompt avec la façon habituelle d’écrire sur un chat (Pierozack 2003 ; Marcoccia et al. 2008). Par exemple, lors du résumé en fin de conversation Samira-Andrew, 21 : 13 :
Samira : | « stigmatiser » c’est avec un « i » ? |
Andrew : | oui je pense |
Samira : | ou un « y » ? Je sais même pas… Tant pis il y aura une faute… |
58Le terme de « faute » renvoie à un évaluateur qui ne peut être qu’extérieur à cette conversation et la langue utilisée qui cherche à conserver une forme écrite standard est donc loin du netspeak (Crystal 2001) ou de la langue d’écran (Develotte et Gee 2005).
59Par ailleurs, si l’on s’intéresse à la relation des rôles entre participants, on remarque que dans la présente situation (et à la différence de celle de 19873), les locuteurs ont des statuts différents : Samira est la doctorante du commanditaire et Isabelle est doctorante dans le même laboratoire. De plus elles se connaissent et s’apprécient. Andrew, quant à lui, se trouve étranger à plusieurs titres : il est américain, extérieur au laboratoire et n’est pas utilisateur de MSN. Cette inégalité dans les statuts et les compétences techniques a pu avoir des incidences dans la gestion de la conversation puisque Samira est celle à qui l’on pose des questions sur ce qu’il s’agit de faire, c’est elle qui rédige le résumé, c’est, par ailleurs, à travers elle que s’est transmise cette matrice discursive dans tous les dialogues : discussion orale suivie d’un résumé écrit sur le chat :
Isabelle : | … ouais et on le fait par écrit c’est ça ? |
Samira : | ouais |
Isabelle : | bon ben ouais mais on va redire ce qu’on a dit à l’oral en fait |
Samira : | ben oui oui oui c’était ça le truc donc |
Isabelle : | c’est qui qui tape ? (Samira-Isabelle 2, 0 : 30) |
60En outre, leurs connaissances techniques permettent à Samira et à Isabelle de procéder à la mise en place des conversations en toute autonomie. Ce sont elles qui veillent à la qualité des données, à leur recueil et leur conversion dans les bons formats. Dans l’expérience de 1987, la présence d’un opérateur technique extérieur, au début et à la fin de l’entretien, non seulement pouvait influer sur le fait que les locuteurs se conforment davantage à la consigne qui leur était donnée, mais également que soit respectée la durée impartie à la conversation.
61Ce que nous appelons contexte inter-objectif d’énonciation (élément du grounding) peut être une source d’aménagement nécessaire, ici négligeable, mais, sans doute, parfois important, quand les interactants sont géographiquement éloignés et appartiennent à des fuseaux horaires différents. Ainsi, quand Isabelle déclare : « … tout le premier étage ici en fait… » qu’elle accompagne d’un geste déictique (image 8), cette information est facilement interprétable par Andrew qui peut commenter « ça te plaît plus ici qu’à Bron… », la référence spatiale est claire et laisse facilement supposer que tous deux, sans être dans le même local, sont à proximité et le tiennent pour évident. Il en est de même pour le temps de l’énonciation.
62Cette coïncidence des coordonnées spatio-temporelles va de soi dans les interactions présentielles ; elle est responsable du paramètre « corps-présents » souvent souligné (O’Malley et al. 1996) comme facilitateur des interactions face à face, mais, a contrario, pourrait être source de difficultés dans les interactions distancielles quand les différences de fuseaux horaires sont importantes.
La conversation est un type de rencontre, au sens goffmanien, structurée selon les moments suivants : prise de contact (ouverture) / définition de situation / échanges propositionnels / évaluation / clôture
63Pour discuter valablement de ce macro-principe nous devons considérer chaque entretien dans son intégralité et non dans la limitation arbitraire aux dix minutes suivant le calibrage des regards, nécessaire pour les rigueurs de la comparaison quantitative.
64L’ouverture d’une conversation en ligne correspond à un protocole bien défini (Fornel de 1994) qui sous-entend toute une série d’opérations à effectuer sous forme d’une check list pour vérifier que tous les canaux sont bien activés, que la disposition des différents éléments à l’écran est conforme à celle que l’on souhaite dans la situation de communication donnée. Ainsi dans le corpus Samira-Isabelle 2, nous avons des exemples de l’agencement des fenêtres (jeux multiples possibles sur leur taille et leur position) sur l’écran qui est choisi par le locuteur en ligne.
Image 10 – Samira face à ses deux écrans

65Nous avons en effet accès à l’écran de Samira à partir de la vidéo qui la montre à son bureau (image 10). Cette vue extérieure nous permet de constater qu’elle se trouve face à deux écrans d’ordinateurs : celui de droite montre la fenêtre MSN recouvrant l’intégralité de l’écran, celui de gauche, la page de réception de son courrier électronique gmail (plein écran également). Arrêtons-nous maintenant quelques instants sur l’écran de départ d’Isabelle (voir la présentation de l’ouvrage, p. 7) : sur l’arrière-plan qui est constitué par la boîte de réception de courrier électronique gmail viennent se superposer trois fenêtres de tailles différentes : à gauche, la fenêtre MSN sur laquelle se déroulera la conversation en ligne, en haut à droite, sur fond noir, la fenêtre de contrôle du logiciel d’enregistrement Camtasia et enfin, en bas, à droite, la fenêtre du chat de gmail sur laquelle on peut lire un extrait de la conversation textuelle en cours entre Isabelle et Andrew.
66On peut remarquer que le tout début de l’interaction (de 0 à 27 secondes) est utilisé par Isabelle pour manipuler les fenêtres et les disposer de la manière qui lui paraît la plus conforme à la situation de communication dans laquelle elle se trouve : elle occulte la fenêtre de chat (conversation privée) et repositionne les fenêtres MSN et Camtasia.
67Le court dialogue écrit qui s’instaure à l’ouverture de la conversation sur le chat MSN est le suivant :
Samira dit (15 : 44) :
coucou
Zaza au labo dit (15 : 44) :
hello
Samira dit (15 : 45) :
testons la vidéo !
Zaza au labo dit (15 : 45) :
ok
Samira dit (15 : 45) :
j’ai oublié le casque attend
68Ce court échange est assez classique de la mise en route de ce genre de communication : soit les locuteurs l’entament dès le départ par la vidéo, soit ils entrent en contact d’abord par le canal textuel avant de passer à l’audio et à la vidéo puisque les différents canaux demandent que soit effectuée la démarche praxis correspondant à chacun d’eux. On voit le point de basculement entre l’utilisation des différents canaux s’inscrire sur l’écran quand on lit les lignes qui suivent l’échange qui vient d’avoir lieu dans la fenêtre de chat :
Samira souhaite avoir une conversation vidéo
Répondre (Alt + C) Refuser (Alt + D)
69Après l’ouverture, la suite de la structuration des conversations observées est évidemment influencée par leur nature semi-naturelle avec thèmes proposés et synthèse de la discussion en fin d’interaction utilisant le chat. Mais on a vu qu’une marge de liberté pouvait se manifester comme dans la conversation Isabelle-Andrew qui, après un échange d’identités, s’oriente spontanément sur la comparaison de leurs activités d’enseignement. Force est de constater qu’en toute autonomie, emportés par la conversation, thèmes et durées ont été souvent outrepassés. C’est ainsi qu’à la différence du corpus de 1987 dans lequel les participants conversent effectivement autour du thème qui leur a été proposé, on constate dans notre corpus un écart par rapport au thème prescrit dans deux des quatre conversations (Isabelle-Andrew et Samira-Isabelle 1). Dans le premier cas, les participants font connaissance et en viennent, de fil en aiguille, à une discussion concernant leur contexte de travail : tout se passe comme si la curiosité liée à la connaissance d’un autre inconnu l’emportait sur la nécessité de se conformer au thème fourni par la consigne. Dans le second cas, Samira et Isabelle évoquent leurs expériences de séjours à l’étranger et donnent l’impression d’avoir retenu de la consigne la seule demande de converser par MSN sans nécessité de coller au thème proposé. On retrouve d’ailleurs cette liberté d’action et de propos dans le deuxième enregistrement effectué par les mêmes locutrices au moment de l’élaboration de la synthèse de la conversation qui vient d’avoir lieu. C’est Samira qui écrit, quand un tour ludique est donné à l’échange oral synchrone :
Isabelle : | toi tu fais quoi t’as pas de plat de… si ? |
Samira : | euh… non franchement j’fais tout bien |
Isabelle : | (éclats de rire) t’as raison oui |
Samira : | (rires) non non je cuisine super bien |
Isabelle : | (rires) OK |
Samira : | (rires) non mais c’est vrai |
Isabelle : | ben note-le hein |
Samira : | qu’est-ce que je fais bien… |
(Isabelle écrit alors sur le chat « Samira cuisine tout très bien ») |
70L’analyse kinésique du dernier fragment de l’échange met en évidence le sourire de plus en plus épanoui d’Isabelle au fur et à mesure qu’elle avance dans l’écriture de son message, confirmant la « visibilité de son engagement » (Marcoccia et al. 2008) et comme anticipant l’éclat de rire de Samira à la réception du message.
71La dimension technique est présente tout au long des échanges et peut même bloquer la conversation (voir les moments possibles de panne).
72L’évaluation-clôture dans les conversations étudiées s’effectue par le biais d’une synthèse écrite et là encore, la dimension technique est présente, sans toujours être totalement maîtrisée dans toutes ses implications par les participantes pourtant habituées au maniement de l’écriture sur écran partagé ; ainsi, dans l’échange oral relatif au choix de celle des deux qui va écrire le résumé de la conversation sur le chat, on assiste à l’instant de déstabilisation suivant (transcription de l’oral) :
Isabelle : | c’est qui qui tape ? |
Samira : | ben allez je tape si tu veux |
Isabelle : | euh quoi que non, il y a pas ton écran… |
Samira : | euh ben ouais en fait ça va |
Isabelle : | c’est moi qui ai l’écran |
Samira : | envoyer sur le tien |
Isabelle : | ah oui oui, je suis bête, oui oui vas-y c’est bon |
73Isabelle a, un bref instant, oublié que le texte qui allait être tapé par Samira apparaîtrait également dans la fenêtre du chat de son propre ordinateur (dont l’écran est enregistré).
74On voit donc que toutes les phases de la rencontre intègrent, de différentes façons, la dimension technique qui fait l’objet d’une appropriation par les locuteurs (voir l’exemple précédent). Cette gestion cognitive de l’artefact entre dans le savoir-faire de la communication en ligne tout comme les mimiques accentuées induites par la focalisation sur la face.
6. Conclusions
75Une des premières caractéristiques de la communication multimodale synchrone médiée par ordinateur réside dans le dispositif technique et suscite deux ordres de questions : a) la nécessité de compétences particulières, b) les effets du dispositif et de ses contraintes sur les modalités relationnelles.
- Il s’avère que si l’appareillage technique nécessite un certain savoir-faire (que l’on se rappelle les difficultés d’accoutumance liées à chaque nouvel outil de communication), une habituation s’établit naturellement et la technique s’incorpore et s’automatise.
- En ce qui concerne les effets sur les modalités relationnelles, les conséquences sont, en revanche, plus variées.
76D’abord par la plurifocalisation potentielle de ce type de conversation qui permet des communications interférentes extérieures (chat/ mél) ; cela existe aussi dans la vie quotidienne quand une conversation est perturbée par un appel téléphonique, voire par la réception plus discrète d’un SMS, mais dans le cas de la conversation telle que nous la décrivons ici, la plurifocalisation dépasse la multimodalité : les partenaires peuvent être éventuellement multiples et les communications rester parallèles et clandestines.
77Ensuite, par les effets sur la multimodalité conversationnelle principale. Comme dans le face à face présentiel, le totexte comprend de la verbalité, de la vocalité et de la gestualité. Le verbo-vocal, hormis lorsque des dysfonctionnements techniques surviennent, permet le déroulement de conversations parfaitement normales. Nos échantillons font apparaître un débit légèrement plus abondant dans le face à face présentiel mais cela serait à vérifier avec des corpus plus importants. Le mimo-gestuel présente, lui, des particularités, d’abord qualitatives : le dispositif le réduisant essentiellement à l’activité faciale, ensuite quantitatives : du fait, sans doute, de la restriction précédente, cette activité faciale est très nettement augmentée, prenant en charge des fonctions habituellement assurées par les gestes. Ainsi : expressions affectives, connotations textuelles, régulations interactives sont largement prises en charge par le ballet des échanges faciaux.
78Cependant les gestes ne sont pas totalement absents : certains sont visibles comme les gestes extracommunicatifs autocentrés et aussi quelques coverbaux illustratifs. Mais l’étude des vidéos parallèles révèle également qu’une autre gestualité existe, non perceptible par le partenaire, essentiellement co-verbale idéographique. Ce qui confirme la constatation déjà classique (Bekdache 1976 ; Cosnier 1984) qu’il s’agit d’une gestualité énonciative, qui facilite l’activité parolière du parleur, plutôt qu’une gestualité constitutive de l’énoncé.
79Les regards, bien que majoritairement dirigés sur l’interlocuteur, présentent la particularité de ne pas être perçus comme regards directs sauf quand ils ont été fixés sur la caméra. Mais cela ne constitue pas une difficulté pour la communication, ni d’ailleurs le fait d’avoir sa propre image sur l’écran ; dans les deux cas une habituation semble s’opérer rapidement.
80Enfin, ce mode de communication ne gomme pas les différences interindividuelles diverses, personnelles, culturelles, il laisse place à l’expression des habitus et même semble faciliter l’aisance et une certaine intimité, dont l’avenir dira quels usages ont été, par là, suscités… On peut en tout cas penser que nous assistons à un nouvel épisode de ce que Weissberg (1999) nomme les phénomènes de « présence à distance » et dont, à propos du téléphone, au début du siècle, un écrivain notait déjà :
Nous sommes des enfants qui jouons avec les forces sacrées sans frissonner devant leur mystère, […] ne trouvant pas encore assez rapide en ses changements l’admirable féerie où quelques minutes parfois se passent en effet avant qu’apparaisse près de nous, invisible mais présente, l’amie à qui nous avions le désir de parler, et qui, tout en restant à sa table, dans la ville lointaine qu’elle habite, sous un ciel différent du nôtre, par un temps qui n’est pas celui qu’il fait ici, au milieu de circonstances et de préoccupations que nous ignorons et qu’elle va nous dire, se trouve tout à coup transportée à cent lieues (elle, et toute l’ambiance où elle est plongée), contre notre oreille, au moment où notre caprice l’a ordonné. […] Nous n’avons, pour que ce miracle se renouvelle pour nous, qu’à approcher nos lèvres de la planchette magique et à appeler – […] Et […] dans la nuit pleine d’apparitions, sur laquelle nos oreilles s’ouvrent seules, un bruit léger − un bruit abstrait −, celui de la distance supprimée, et la voix de notre amie s’adresse à nous.4
Annexe
Annexes
Tableau – Les catégories gestuelles
emblèmes : gestes (et/ou vocalisations) quasi-linguistiques de forme et d’utilisation conventionnelle qui peuvent être utilisés avec ou sans paroles. co-verbaux : Phonogènes : liés à l’activité productrice de la parole. Illustratifs : liés au contenu propositionnel du discours. On distingue : Les déictiques : désignant le référent présent ou symbolique. Les iconiques : représentant les formes des objets. Idéographiques ou métaphoriques : représentant les objets abstraits. Bâtons ou battements ou intonatifs : mouvements en deux temps de la tête ou des mains, marqueurs pragmatiques. Expressifs : principalement les mimiques faciales qui connotent le contenu propositionnel ou qui situent métacommunicativement la position de l’orateur ou/et de son co-locuteur. coordinateurs : assurent le co-pilotage de l’interaction (maintenance et passage de tours). Phatiques : activité du parleur destinée à vérifier ou à entretenir le contact principalement par le regard et l’intonation, parfois par le contact physique. Régulateurs : activités du récepteur en réponse aux précédents (back channel) : hochement de tête, sourires et courtes voco-verbalisations, en sont des exemples fréquents. extracommunicatifs : adaptateurs, ludiques, praxiques, etc. |
Source : Jacques Cosnier, « V comme la Voix, les Gestes, le Corps », B. Cerquiglini et al. éd., Tu parles ! Le français dans tous ses états, Paris, Flammarion, édition revue 2002, p. 333.
Schéma – Les fonctions du totexte

Notes de bas de page
1 Concernant l’analyse des regards le lecteur pourra également se référer dans cet ouvrage à la contribution de Marie-Noëlle Lamy et Rosie Flewitt p. 71 et à celle d’Hugues Constantin de Chanay p. 145.
2 Nous utilisons la nomenclature proposée en 1987, légèrement modifiée, voir le tableau en annexe.
3 Les locuteurs, tous étudiants en psychologie, ne se connaissaient pas entre eux.
4 Marcel Proust, Journées de lecture, Paris, Union générale d’Éditions, 1993, p. 60-61.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Un dialogue atlantique
Production des sciences du langage au Brésil
Eni Puccinelli Orlandi et Eduardo Guimarães (dir.)
2007
Des sons et des sens
La physionomie acoustique des mots
Frederico Albano Leoni Philippe-Marie Théveny (trad.)
2014
Entre expression et expressivité : l’école linguistique de Genève de 1900 à 1940
Charles Bally, Albert Sechehaye, Henri Frei
Anamaria Curea
2015
Voix et marqueurs du discours : des connecteurs à l'argument d'autorité
Jean-Claude Anscombre, Amalia Rodríguez Somolinos et Sonia Gómez-Jordana Ferary (dir.)
2012