Les diphtongues brèves en anglais : fonction phonétique du trait tendu/relâché
p. 35-55
Remerciements
Je remercie Susan Hertz pour nos discussions fructueuses sur de nombreuses questions qui ont été soulevées dans cet article, Ilse Lehiste pour avoir bien voulu m’envoyer des commentaires sur une version antérieure, et Annie Rialland pour son aide lors de la rédaction finale. De précédentes versions ont été présentées dans des communications orales aux Journées d’études « La voyelle dans tous ses états », Université de Nantes, décembre 1997, et aux Journées de Phonologie du GDR 1954, CNRS, Bordeaux, mai 2000.
Texte intégral
1. Introduction
1Il est largement admis que les sons de la parole sont composés d’éléments de base ou traits, que les traits sont organisés en une ou plusieurs hiérarchies, et que les hiérarchies sont elles-mêmes directement fondées sur les contraintes physiques et psycho-acoustiques imposées par la transmission de la parole entre locuteurs. Dans cette perspective, la phonologie peut être conçue comme la grammaire des sons de la parole, le produit d’une grammaticalisation imposée sur la matière phonique brute. En tant que telle, elle comprend un lexique de termes élémentaires (traits), une morphologie spécifiant comment les traits se combinent en unités plus larges (segments), une syntaxe spécifiant comment les segments s’enchaînent dans la linéarité (syllabes, groupes prosodiques) et une sémantique indiquant comment ces constructions formelles sont interprétées dans le domaine extralinguistique de l’articulation et de l’acoustique (rapports phonologie-phonétique).
2À l’intérieur de cette conception, les traits jouent plusieurs rôles. Au niveau du lexique, ils jouent un rôle classificatoire et distinctif, servant à identifier et distinguer les unités lexicales. Au niveau de la phonologie, ils exercent un rôle phonologique, définissant les suites de sons admissibles, les alternances et les processus qui les créent par l’intermédiaire des règles et des contraintes propres à chaque langue. Au niveau de la phonétique, ils délimitent la classe des réalisations possibles de chaque énoncé, moyennant les propriétés phoniques (articulatoires, acoustiques) qui leur sont associées. Selon le principe d’économie des représentations proposé par Clements (2001), les traits ne sont spécifiés dans les représentations d’une langue que dans la mesure où ils sont nécessaires pour remplir leur fonction à chaque niveau. Ainsi, seuls les traits distinctifs sont présents au niveau lexical ; le niveau phonologique ne rajoute des traits non distinctifs que dans la mesure où ils sont activés par le système phonologique, et le niveau phonétique ne rajoute des traits non distinctifs et non activés que dans la mesure où ils sont nécessaires pour délimiter la classe des réalisations physiques possibles.
3On peut pourtant se demander si les traits introduits aux niveaux lexical et phonologique ne seraient pas suffisants pour rendre compte, à eux seuls, des réalisations phonétiques. S’il en était ainsi, un trait non-spécifié à la sortie du composant phonologique resterait non-spécifié à jamais ; il s’agirait d’une « sous-spécification permanente » de tout trait qui ne remplit pas de fonction lexicale ou phonologique.
4Le but de cette étude est de démontrer qu’il existe certains traits qui, bien que superflus lexicalement (puisque non-distinctifs) et phonologiquement (puisque non-activés), sont présents au niveau phonétique, où ils servent à expliquer certains aspects des réalisations qui seraient autrement difficiles à comprendre. Nous allons prendre comme exemple le fonctionnement du trait tendu/relâché dans le système vocalique de l’anglais. Ce trait présente un intérêt tout particulier. Bien que reconnu dans la plupart des systèmes de traits classiques, comme ceux de Jakobson et Halle (1964) et de Chomsky et Halle (1968) par exemple, il a été remis en question, sinon largement abandonné dans la phonologie contemporaine à la suite de la découverte du trait [± ATR] (advanced tongue root, racine de la langue avancée) dans les années 1960 et 1970 (voir par exemple Stewart 1967, Lindau 1979), qui recouvre des fonctions semblables. Quoique le trait tendu/relâché soit retenu par Halle et Clements (1983), ces auteurs remarquent :
We note that this feature and the last [ATR] are not known to cooccur distinctively in any language and may be variant implementations of a single feature categor. (p. 7)
5Il ne figure plus sur la liste de traits proposée par Halle (1992).
6Nous allons mettre en lumière la fonction phonétique du trait tendu/relâché dans certaines variétés de l’anglais contemporain. Au niveau lexical et phonologique, ce trait ne semble pas jouer de rôle. Comme l’ont montré Anderson et Jones (1977) et Halle et Mohanan (1985) entre autres, ce qui distingue les voyelles anglaises « tendues » et « relâchées » au niveau sous-jacent et dans le composant phonologique est l’opposition long/bref. Par contre, au niveau phonétique, ce trait renforce l’opposition long/bref dans la production des deux grandes classes de noyaux vocaliques, les longues étant réalisées tendues et les brèves relâchées, et semble avoir une importance égale sinon supérieure pour la reconnaissance des voyelles par le locuteur.
7Après un bref aperçu sur la notion de diphtongue brève (section 2), nous présenterons en section 3 un survol descriptif des diphtongues brèves de certains parlers de l’anglais. La section 4 propose un critère permettant de distinguer entre vraies diphtongues et fausses diphtongues. Par la suite, la section 5 présente une étude acoustique des diphtongues brèves, qui démontrera qu’elles sont bien des vraies diphtongues. La section 6 souligne le rôle fonctionnel du trait tendu/relâché en tant que trait phonétique dans le système vocalique de l’anglais.
2. Les diphtongues brèves
8Nous appellerons « diphtongue brève » un segment vocalique simple consistant en deux cibles articulatoires successives. Le plus souvent, les diphtongues brèves ne sont pas lexicalement contrastives ; ainsi, par exemple, Maddieson (1984) ne présente aucun exemple d’opposition entre diphtongues brèves et diphtongues longues dans sa base de données de 317 langues, représentant diverses familles de langues. Cependant, des diphtongues brèves existent dans les réalisations de nombre de langues, dont le finnois, l’islandais, le maxakalí, le hawaïen, et le yupik, ce qui soulève la question de leur statut phonologique ou phonétique.
9Comment déterminer donc si telle ou telle diphtongue phonétique constitue une diphtongue et non une monophtongue au niveau phonologique ? D’après un critère proposé par Sagey (1990), l’analyse d’une diphtongue en segment modulédans la phonologie prédit l’existence d’effets distributionnels différents de part et d’autre de la diphtongue, engendrés par la composante [x] sur la gauche et la composante [y] sur la droite.
10De tels effets sont communément provoqués par les diphtongues longues. Prenons comme exemple la diphtongue longue anglaise [jū], que l’on trouve dans des mots tels que fuse et accuse. Sur sa gauche, cette diphtongue a eu un effet palatalisant sur les consonnes coronales au cours du développement de l’anglais, provoquant une transformation des suites [tj dj sj zj] en [tʃ dʒ ʃ ʒ] dans des mots comme statue, residue, issue, et seizure. Des paires de mots comme sta[t]ic / sta[tʃ]ure, sei[z]e / sei[ʒ]ure, prefec[t] / prefec[tʃ]ure préservent les effets de cette transformation diachronique sous la forme d’alternances synchroniques. Sur sa droite, cette diphtongue exclut la fricative [ʃ], un comportement qu’elle partage avec les voyelles d’arrière arrondies [ū ō ↄ]. Ainsi, à côté de leash, flesh, lash, nous ne trouvons pas, par exemple, des mots comme [ljūʃ], [lūʃ], [lōʃ], ou [lↄʃ]1. Nous voyons ainsi que cette diphtongue se comporte comme une semi-voyelle palatale [j] sur sa gauche et comme une voyelle vélaire arrondie [ū] sur sa droite. Pour rendre compte de ce comportement à double face, nous représenterons cette diphtongue par la séquence [j] + [ū].
11Au contraire, à notre connaissance, aucune asymétrie de ce type n’a été signalée pour les diphtongues brèves, que ce soit en anglais ou dans d’autres langues. Nous pouvons rendre compte de cette différence en représentant, sur le plan phonologique, les diphtongues longues comme des suites de segments et les brèves comme des segments simples (non modulés). Ces dernières seront interprétées comme des diphtongues uniquement sur le plan phonétique.
3. Diphtongues brèves « centralisantes » en anglais
12À titre d’exemple, considérons les diphtongues brèves « centralisantes » qui ont été observées par de nombreux auteurs dans des parlers anglais d’Angleterre ou d’Amérique du Nord. Notre premier but sera de déterminer si ce sont de véritables réalisations diphtonguées et non le résultat purement mécanique de la coarticulation avec des consonnes avoisinantes. Dans le premier cas de figure, il faudrait préciser si elles correspondent à des diphtongues phonologiques présentes comme telles dans les représentations phonologiques ou à des diphtongues phonétiques – diphtongues présentes uniquement sur le plan phonétique.
13Comme il est bien connu, les voyelles et les diphtongues accentuées de l’anglais se répartissent en deux catégories, les brèves et les longues, sur la base de leur comportement phonologique. Par exemple, pour la plupart des locuteurs du General American English (ou GAE, terme que nous allons utiliser pour désigner une variété d’anglais nord-américain non caractérisée par des traits régionaux), seules les voyelles et les diphtongues longues peuvent figurer sous l’accent en finale absolue de mot (table la), tandis que seules les voyelles brèves peuvent précéder un groupe consonantique non coronal (c’est-à-dire terminé par une consonne labiale ou vélaire) ou [ŋ] en finale de syllabe (table 1b)2. (Notons que /α ~ ɒ / sont des variantes dialectales.)

Table 1. Répartition phonologique des nucléi de syllabes accentuées en anglais. Seules les voyelles et les diphtongues longues peuvent figurer sous l’accent en finale absolue de mot (a) ; seules les brèves peuvent précéder un groupe consonantique non coronal ou [ŋ] en finale de syllabe (b).
14Comme le montre la table 1, la voyelle /ↄ/ se comporte tantôt comme une voyelle longue, tantôt comme une voyelle brève, trahissant son origine historique multiple (< *aw, *ax, *5, *ↄ, etc.). Le très petit nombre d’exceptions à la distribution illustrée table 1 consiste surtout en onomatopées et emprunts, tels que oink (cri de cochon), boing (bruit de rebondissement), shah (< persan), papa (< français). Notons que la voyelle brève /ʊ/ n’apparaît pas du tout devant des groupes, quelle que soit leur composition, à part quelques interjections ou mots onomatopéiques (oops, oomph).
15La classification présentée table 1 se trouve également confirmée par une alternance très fréquente illustrée par des paires de mots telles que sane [ē] ~ sanity [æ], line [aj] ~ linear [i], obscene [ī] ~ obscenity [ε], ou cone [ō] ~ conic [α~ɒ]. Dans ces paires, les voyelles longues ou les diphtongues figurant dans le premier membre sont remplacées par des voyelles brèves dans les contextes raccourcissants représentés par les suffixes -ity, -ear, -ic dans le deuxième membre3.
16Sur la base de ces alternances et d’autres critères, nous arrivons à la classification des nucléi syllabiques accentués présentée figure 1 (le phonème /ↄ/ ambigu est présent sur les deux schémas). La figure 1, adaptée d’une figure de Wells (1982), suggère des réalisations typiques en GAE, mais d’autres réalisations sont aussi possibles (pour une étude acoustique de nombreux locuteurs, voir Peterson et Barney 1952).

Figure 1. Schémas des nucléi syllabiques accentués en GAE
17Il est largement accepté que la propriété phonologique sous-tendant la distinction entre ces deux ensembles de nucléi soit la longueur phonologique (Anderson et Jones 1977), souvent représentée en termes de positions squelettales (Halle et Mohanan 1985). Une telle analyse est fondée sur l’équivalence « 1 longue = 2 brèves », ce qui implique que les voyelles longuespartagent des restrictions distributionnelles systématiques avec des voyelles brèves suivies d’une consonne tauto-syllabique (VC). Ainsi, par exemple, les syllabes se terminant par une voyelle longue
attirent l’accent en anglais de la même façon que les syllabes terminées par une voyelle brève suivie d’une consonne (VC), les deux types de syllabes comptant pour « lourdes » dans le placement de l’accent. Pareillement, on doit comprendre l’absence de voyelles brèves accentuées en finale de mot (table la) comme la manifestation d’une contrainte exigeant qu’une syllabe accentuée en finale de mot soit lourde. La contrainte interdisant les voyelles longues devant des groupes non coronaux (table 1b) a pour parallèle une contrainte qui rejette les séquences VC dans ce même contexte. Ainsi, bien que des mots comme haste [hēst], next [nεkst] soient admissibles, on ne trouve pas de mots comme haspe [hēsp], nexp [nεksp]. Si l’on admet que les voyelles longues sont représentées avec deux positions prosodiques (VV ou XX), on peut ramener ces deux contraintes à une seule, interdisant les noyaux syllabiques à deux positions devant les groupes non coronaux.
18En accord avec cette analyse, les voyelles brèves de la figure 1 ont généralement une durée plus courte que leurs contreparties longues, toutes conditions étant égales par ailleurs. Cependant, toutes les voyelles brèves n’ont pas une durée plus courte que toutes les voyelles longues ; les voyelles brèves /æ a/, par exemple, ont typiquement une durée plus longue que les voyelles longues /ī ō/ dans des contextes semblables (voir par exemple Peterson et Lehiste 1960). De plus, seulement six des voyelles de la figure 1, /ī ~ i /, / ē~ε /, / ū~ʊ /, présentent des oppositions brèves/longues minimales sur le plan phonologique de surface ; et même parmi ces paires, la différence de durée moyenne n’atteint pas le rapport 1,4 à 1 au mieux, très au-dessous du rapport que l’on trouve dans d’autres langues présentant des contrastes de surface entre voyelles brèves et longues. Ainsi, la durée est un indice non fiable pour la discrimination des voyelles en anglais ; elle est renforcée sur le plan phonétique par des différences de qualité vocalique et de diphtongaison, comme le suggère la figure 1, qui correspondent aux indices du trait tendu/relâché. Nous reviendrons sur ce point dans la discussion ultérieure (section 6).
19Considérons maintenant de plus près le problème des diphtongues brèves « centralisantes » en GAE. Le caractère diphtongué des voyelles brèves /i ε æ ↄ ʊ Ʌ / a été à peine remarqué par les auteurs classiques (Jespersen, Jones, Kenyon). Cependant, des réalisations diphtonguées de ces voyelles ont été plus récemment repérées dans le GAE par un certain nombre d’auteurs (Gimson, Wells, Bailey), ainsi que dans des dialectes régionaux (par exemple, par Kurath et McDavid, 1961). Nous présenterons certaines de ces descriptions ci-dessous.
20Selon Gimson (1970, p. 102, 104, 106), les voyelles brèves / I /, / ε / et /æ / sont produites comme des diphtongues centralisantes dans certains contextes par des locuteurs d’anglais britanniques et américains4. Gimson indique que certains locuteurs, surtout de la « Advanced RP » (Advanced Received Pronunciation), prononcent /I/ comme une diphtongue, lui imprimant un mouvement en direction de /ǝ / surtout dans des monosyllabes accentués tels que big, did, thin, wish, etc. Il signale que /ε / aussi est parfois diphtongué vers [ǝ] en Advanced RP, et ajoute qu’une telle diphtongaison est souvent considérée comme « affectée ». À propos du /æ/, il mentionne que sa réalisation se rapproche de celle de la voyelle cardinale [ε] dans la RP « raffinée » (mais aussi dans la RP populaire de Londres), où la réalisation de /ε / se rapproche celle de [e] cardinale. Dans ce cas, l’opposition /ε / vs /æ / est renforcée soit par l’allongement du /æ/, soit par sa diphtongaison vers [ǝ], par exemple dans bad, cat.
21Selon Wells (1982, p. 485), les voyelles brèves / i ε ʊ Ʌ /, bien que normalement monophtongues, tendent à avoir pour allophones des diphtongues centralisantes quand elles sont prosodiquement saillantes et qu’elles se trouvent devant une consonne voisée finale de mot, comme dans He’s wearing a’ bib [biǝb], ou dans des mots tels que bed, good, rub. Il indique que cette variété n’est répandue en Angleterre que dans le Centre-Sud, alors qu’aux États-Unis elle semble devenir de plus en plus fréquente, s’étendant de plus en plus vers l’ouest et le sud.
22Bailey (1985, p. 157) présente une vue un peu plus large de ces faits. Il précise que /i/, /e/ et /æ/ peuvent se réaliser centralisantes dans des parlers d’Amérique du Nord ainsi que du Sud de l’Angleterre lorsqu’elles se trouvent dans les syllabes portant un accent intonatif, surtout lorsqu’elles ne sont pas suivies de syllabes inaccentuées. Ainsi, en finale de phrase, la centralisation apparaîtra plus facilement dans bid que dans bidding ou bidder. Il précise également que pour que la diphtongaison ait lieu, la voyelle doit être suivie d’une occlusive tautosyllabique apicale ou labiale ; en conséquence, on ne trouverait pas de diphtongaison dans stick, speck, stack, bridge, stretch, ou patch. Il affirme qu’il n’y a pas de centralisation avec les voyelles /ↄ ∧ ʊ/ de cot, cut ou stood. La centralisation ne provoquerait pas forcément d’allongement ; ainsi, des contrastes entre diphtongues brèves et longues comme bid [biǝd] vs beard [bIǝ:d] seraient relevés dans des dialectes méridionaux de l’Amérique. Cependant, toujours selon Bailey, /æ/ centralisant pourrait être rallongé selon les dialectes et les contextes.
23L’existence de réalisations centralisantes de voyelles brèves a également été vérifiée par des études acoustiques. Ainsi, par exemple, pour ce qui concernent le GAE, dans les spectrogrammes de /i/ (bit, bid, bin, dim) et de /ʊ/ (foot, could) publiés par Lehiste et Peterson (1961), on relève d’importants mouvements formantiques en direction des valeurs du [ǝ], que ces auteurs interprètent comme un relâchement lent de la tenue de la position vocalique cible. Cependant, ils affirment que ces voyelles ne sont pas perçues comme des diphtongues. Klatt (1980) décrit /i/, /ε/, /æ/, /ↄ/ et /ʊ/ comme des diphtongues dans sa propre variété de GAE, et présente les valeurs formantiques reproduites table 2, qui constituent, selon lui, de « bons points de départ » pour la synthèse de ces voyelles. Il précise que ces valeurs ont été obtenues par une procédure de comparaison spectrale et par essai et erreur sur un large ensemble de syllabes de forme CV. (Les symboles utilisés avec des [ǝ] en exposant sont ceux de Klatt ; les valeurs pour /Ʌ / et /α/ sont incluses à titre de comparaison.)

Table 2. Valeurs formantiques proposées pour les voyelles brèves accentuées en GAE (Klatt 1980). Deux ensembles de valeurs formantiques sont indiqués pour les voyelles diphtonguées.
24Stevens (1998, p. 297-298) signale également que les voyelles brèves du GAE comportent des mouvements formantiques en direction d’une position plus centrale, et présente des spectrogrammes montrant des réalisations centralisantes de /i/, /e/ et /ʊ/ dans les mots bit, bet et hood. Stevens n’indique pas si ces réalisations sont perçues comme diphtongues ou non.
25Ainsi, un certain nombre d’études ont mis à jour la présence de réalisations centralisantes de certaines voyelles brèves en GAE. Cependant, ces études soulèvent des questions qui restent jusqu’à maintenant sans réponse (ou qui ont reçu des réponses contradictoires) : quelles voyelles brèves ont des réalisations centralisantes ? Dans quels dialectes ? Dans quels contextes ? Quel est le degré de diphtongaison que doit atteindre une voyelle brève pour qu’elle soit perçue comme diphtonguée ? La présente étude ne vise pas à répondre à toutes ces questions, mais se propose 1) de confirmer l’existence des diphtongues brèves en tant que « vraies diphtongues » phonétiques et 2) de voir comment elles peuvent être interprétées en traits.
4. Vraies diphtongues vs fausses diphtongues
26La seule présence de mouvements formantiques dans une voyelle n’établit pas que nous ayons affaire à une vraie diphtongue – c’est-à-dire une voyelle qui est diphtonguée en elle-même, indépendamment du contexte. Des mouvements formantiques peuvent être induits dans une voyelle par des facteurs contextuels, par exemple la coarticulation avec les consonnes ou les voyelles qui se trouvent dans son entourage. La parole implique un flux de mouvements articulatoires et d’événements acoustiques en perpétuelle variation ; il y a peu de véritables « états stables » dans une langue parlée. Ce constat vaut en particulier pour les voyelles, dont la structure formantique est fortement affectée par leur contexte, qu’il soit prosodique ou segmental. Ainsi, par exemple, de forts effets de coarticulation peuvent apparaître entre consonnes et voyelles de points d’articulation différents, ou encore entre voyelles successives, qu’elles soient adjacentes ou séparées par des consonnes. De ce fait, la simple observation qu’une voyelle est réalisée avec une structure formantique instable ne signifie pas qu’on a forcément affaire à un segment intrinsèquement diphtongué. Il nous faut un critère qui nous permettra de distinguer les vraies diphtongues, ou diphtongues par nature, des fausses diphtongues, créées par de tels effets de coarticulation.
27Nous allons préciser la distinction entre vraies diphtongues et fausses diphtongues à l’aide d’un modèle de la structure formantique à cibles et interpolation comme celui qui sert communément de base pour la synthèse de la parole par règles (voir, pour les voyelles, Hertz 1991, Clements et Hertz 1996). Dans de tels modèles, les configurations formantiques sont obtenues à partir de valeurs formantiques cibles situées sur l’axe temporel et reliées entre elles par des transitions interpolées. Un exemple montrant la trajectoire du deuxième formant (F2) du mot Dodd est présenté figure 2.
28Dans ce graphe temps/fréquence, les segments phonémiques [d], [α], [d] sont séparés par des segments transitionnels qui sont respectivement de 60 et 35 ms. La trajectoire du F2 est générée à partir des cibles associées aux limites de chaque phonème par un algorithme d’interpolation qui donne une suite de valeurs linéairement croissantes ou décroissantes entre chaque paire de cibles successives. Les trois valeurs cibles de F2 nécessaires pour générer la trajectoire du F2 de cette figure doivent être situées respectivement aux environs de 1 850 Hz, 1 200 Hz, et 1 500 Hz. (Notons que la deuxième de ces valeurs, qui correspond à la voyelle [α], a une durée de 100 ms, tandis que les autres peuvent être traitées comme des points cible atemporels.) Puisque la valeur cible associée aux limites de chaque [d] est supérieure en fréquence à celle associée avec l’état stable de [α], la trajectoire de F2 dans Dodd présente une transition descendante au début et montante à la fin. C’est l’exemple type d’une fausse diphtongue : les mouvements formantiques sont déterminés par les valeurs caractérisant les segments adjacents (dans ce cas, les valeurs attribuées aux limites des deux [d]). Ainsi, [α] est à considérer comme une monophtongue sur le plan phonétique, bien qu’elle soit réalisée avec des transitions formantiques de part et d’autre.
29Par contraste, le phonème ē// de mots comme bait et bade est une vraie diphtongue, puisque la plupart de la trajectoire montante du F2 est inhérente à ce son, non déterminée par les segments voisins. Considérons la trajectoire du F2 de bade, présentée figure 3.
30Dans cet exemple, nous voyons que le F2 monte rapidement au début de la voyelle pendant 10 ms et descend rapidement pendant un même intervalle à la fin. Entre ces deux points, il y a une longue pente montante. Cette pente n’est pas prédictible à partir des valeurs associées aux limites des consonnes [b] et [d], mais elle est prédictible à partir de deux valeurs indépendantes, toutes les deux intrinsèques au [ē], une située dans les environs de 1 700 Hz au début de la voyelle, et l’autre située autour de 2 000 Hz à la fin. Il s’agit d’un exemple de vraie diphtongue ou diphtongue intrinsèque, qui doit être spécifiée avec deux valeurs successives du F2 dans sa représentation phonétique5.
31Considérons finalement la voyelle brève centralisante [iǝ]. La figure 4 présente le mouvement descendant du F2 dans le mot bid, visible, par exemple, dans les spectrogrammes publiés par Lehiste et Peterson (1961, p. 268, 274).

Figure 2. Graphe temps/fréquence de Dodd, montrant la trajectoire du F2 générée par un modèle à cibles et interpolation

Figure 3. Graphe temps/fréquence de bade, montrant la trajectoire du F2 générée par un modèle à cibles et interpolation

Figure 4. Graphe temps/fréquence de bid, montrant la trajectoire du F2 générée par un modèle à cibles et interpolation
32Le problème d’analyse que pose cette trajectoire saute immédiatement aux yeux. Suivant une brève montée, on observe un plateau initial du F2, qui représente une cible formantique intrinsèque à la voyelle. Par la suite, on voit une chute graduelle, occupant plus de la moitié de la durée totale de la voyelle. Le problème consiste à déterminer si cette chute représente une interpolation entre une première cible vocalique située à la limite droite du plateau initial (indiquée par la première ligne pointillée) et une seconde cible vocalique située vers sa fin (indiquée par la deuxième ligne pointillée), auquel cas nous aurions affaire à une vraie diphtongue (la chute supplémentaire de 10 ms à la fin représentant, dans cette analyse, la transition vers la consonne), ou si elle représente plutôt une interpolation entre la cible vocalique située à la limite droite du plateau et la cible consonantique située à la limite gauche du [d], auquel cas nous aurions affaire à une fausse diphtongue, avec une transition très longue vers la consonne. Les deux analyses paraissent également compatibles avec la trajectoire du F2.
33Nous tenterons de résoudre ce problème dans la section suivante, qui présentera une étude expérimentale de productions de voyelles brèves par quatre locuteurs du GAE.
5. Étude expérimentale des diphtongues brèves en GAE
34Les voyelles brèves /I/ et /ε/, identifiées comme potentiellement diphtongables par tous les auteurs cités ci-dessus, ont été enregistrées dans des contextes variés par quatre locuteurs du GAE, un du Canada et trois des États-Unis. Trois des locuteurs (sujets 1-3) poursuivaient des études de 2e ou 3e cycle à l’université Cornell (N.-Y), et le quatrième (sujet 4) était enseignant. Parmi eux, il y avait une femme (sujet 3) et trois hommes.
35Tous ont lu une liste de mots dont certains comportaient les voyelles /I/ ou /ε/, réalisant chaque mot dans le cadre fixe say __for me. La liste a été lue 10 fois, 5 fois en procédant du haut en bas et 5 fois du bas en haut. L’analyse acoustique des mots contenant /i/ et /ε/ a été faite avec le logiciel d’analyse CSRE (version 4.2). Les fréquences centrales de chaque formant ont été relevées à des points comparables à l’intérieur de chaque cycle glottal (pour les sujets masculins) et tous les deux cycles (pour le sujet féminin). Les valeurs obtenues ont été reportées sur une échelle temporelle à l’aide du programme TS Graph.
36La figure 5 présente les trajectoires formantiques de la voyelle /I/ dans les mots bit et bid tels qu’ils ont été lus par les quatre locuteurs. Chaque trajectoire correspond à la moyenne des 10 réalisations.
37Trois des quatre sujets présentent une trajectoire du F2 quelque peu descendante, alors que le quatrième (sujet 3) a un F2 globalement sans descente (ce sujet glottalise fortement les derniers 40 % de la voyelle de bit, effet bien connu des consonnes sourdes de finale de syllabe sur la voyelle précédente chez certains locuteurs). F1 et F3 ne présentent pas de mouvements rapides, si ce n’est la montée du F3 chez le sujet 3, qui est présente dans quelques-unes des réalisations mais non dans toutes. Les mouvements formantiques ne différent pas beaucoup selon que le contexte est voisé ou non, sauf qu’en général F1 et F2 ont des valeurs un peu plus centralisées devant le [t] de bit. Quoique le F2 descende d’environ 150-200 Hz pour trois des sujets, aucune de ces productions vocaliques n’est notablement diphtonguée à l’oreille. Ceci peut être dû en partie au fait que, malgré sa légère chute, le F2 reste au-dessus du seuil de 1 500 Hz pour tous les locuteurs (c’est-à-dire à l’intérieur d’une plage normale pour les réalisations des voyelles antérieures), et en partie à la brièveté des voyelles dans le contexte non final où elles ont été enregistrées.

Figure 5. Trajectoires formantiques de bit et bid réalisés par 4 locuteurs du GAE dans le cadre say __for me, alignées sur le début de la voyelle. Chaque point représente la moyenne de 10 valeurs prises à chaque cycle glottal pour les hommes (sujets 1,2,4) et tous les deux cycles glottaux pour la femme (sujet 3)
38De façon à détecter de possibles effets de diphtongaison dans les conditions qui, théoriquement, devraient les favoriser le plus, une étude supplémentaire a été faite avec le locuteur 4, qui produit des diphtongues nettement centralisantes dans sa parole spontanée. Dix enregistrements de bid dans le contexte say ont été effectués de façon à observer les mouvements formantiques en position accentuée finale, contexte qui (avec la consonne sonore finale /d/) favorise le rallongement. La figure 6 présente les trajectoires formantiques de dix énoncés.

Figure 6. Tra jectoires formantiques de bid, réalisées dans le cadre say – (sujet 4)
39Les dix réalisations, toutes enregistrées lors de la même session, divergent très peu les unes des autres. Toutes présentent une phase initiale caractérisée par une trajectoire plane des F1 et F2, une deuxième phase où le Fl et le F3 présentent des plateaux, et enfin, une chute du Fl à l’extrême fin. Après un plateau initial autour de 1 720 Hz, le F2 chute rapidement jusqu’à une valeur un peu au-dessous de 1 500 Hz. Ces réalisations, dont tous les formants pointent vers des valeurs caractéristiques d’une voyelle centrale (soit environ 500 Hz, 1 500 Hz, et 2 500 Hz), sont perçues nettement diphtonguées. Un élément nouveau apparaît par rapport aux trajectoires formantiques du même mot en position interne d’énoncé présentées figure 5d : l’état stable initial des F1 et F2.
40Il faut maintenant se demander si les mouvements formantiques observés en figure 6 ne seraient pas déterminés par les cibles acoustiques associées aux consonnes adjacentes, comme c’était le cas, par exemple, en figure 2. On doit considérer que les portions stables de chaque formant de la figure 6 reflètent des valeurs cible intrinsèques de /I/, ce qui permet de poser des questions plus précises :
Est-ce que la montée initiale du F3 est conditionnée par une cible acoustique associée à la consonne précédente /b/?
Est-ce que la longue chute finale du F2 est conditionnée par une cible acoustique associée à la consonne suivante /d/?
Est-ce que la brève descente finale du F1 est conditionnée par une cible acoustique associée à la consonne suivante /d/?
41Pour répondre à ces questions, nous avons sélectionné les mots bid, did, gid, bib, bid, et big où se trouvent représentées toutes les combinaisons possibles des consonnes /b d g/ en début de mot et en fin de mot. Ces mots, placés dans le cadre say et répétés dix fois, ont été enregistrés par le locuteur 4 lors d’une nouvelle séance. Les résultats sont présentés figure 7.

Figure 7. Trajectoires formantiques de (a) bid, did, gid et (b) bib, bid, big, réalisées dans le contexte say – (sujet 4). Chaque trajectoire représente la moyenne de 10 réalisations
42Considérons d’abord la figure 7a, présentant les formants des mots bid, did et gid, qui permet de dégager les effets dûs à la consonne initiale. La question 1 reçoit immédiatement une réponse affirmative. Nous voyons que le début du F3 varie en fonction du point d’articulation de la consonne initiale, étant plus élevé pour /g/, plus bas pour /d/, et encore plus bas pour /b/. Les F3 convergent à environ 40 ms, c’est-à-dire vers la fin du premier tiers de la voyelle. Nous pouvons conclure que la montée initiale du F3 dans bid est bien conditionnée par la cible acoustique associée à la consonne précédente /b/. Nous retrouvons, quoique de façon moins frappante, des variations analogues pour le début du F2 qui est plus élevé après /g/ qu’après /b/ ou /d/. En ce qui concerne F1, nous ne notons ni montée ni descente abrupte, mais plutôt un plateau ou un quasi-plateau qui occupe les premières 40 ms à peu près, dont le point de départ est légèrement plus bas pour la vélaire /g/.
43Considérons maintenant la question 2. La figure 7b présente les trajectoires des formants des mots bib, bid et big de façon à montrer les effets de la consonne finale. Ici, nous voyons des différences importantes et frappantes dans les transitions finales du F2 et du F3 selon la consonne finale, impliquant jusqu’à 40 % de la durée totale de la voyelle. Devant /b/, les deux formants tombent parallèlement. Devant /d/, ces mêmes formants divergent, le F2 tombant et le F3 montant. Devant /g/, le F2 et le F3 convergent vers une valeur située juste au-dessous de 2 000 Hz. Ainsi, la réponse à la question 2 est positive aussi : la chute finale du F2 (ainsi que la montée du F3) dans bid est conditionnée, du moins en partie, par la constriction alvéolaire de la consonne suivante /d/.
44Considérons finalement la question 3. La formation ou le relâchement d’une constriction dans la cavité orale engendre toujours un mouvement de la fréquence du F1, vers le bas au moment de sa formation, et vers le haut lors de son relâchement. Cette observation explique le fait que le F1 descend légèrement vers la fin de la voyelle dans tous les cas. Cependant, le Fl présente une valeur globalement un peu plus basse devant /g/ que devant /b d/, que ce soit pendant le plateau ou la chute finale. Ainsi, alors que la chute finale du F1 est conditionnée par la consonne finale dans tous les cas, cette chute atteint une valeur plus basse devant /g/.
45Nous sommes maintenant en position de décrire la structure interne de la diphtongue /I/. Chez le locuteur 4, la longueur des transitions initiales et finales du F2 et du F3 est particulièrement frappante : ensemble, elles occupent presque 75 % de la durée de la voyelle (près de 33 % pour la transition initiale et près de 42 % pour la finale). Le plateau entre ces deux transitions ne représente donc qu’environ 25 % de la durée de la voyelle6. Le F1, par contraste, présente deux plateaux distincts. Il semble donc que l’on doive reconnaître deux valeurs cibles F1 intrinsèques à la voyelle, l’une associée avec sa portion initiale et l’autre, plus basse, associée avec sa portion pénultième, située avant la chute finale.
46Si l’on considère l’ensemble des trajectoires formantiques, on peut voir que ce sont celles de bid qui correspondent le mieux à la description d’une diphtongue « centralisante », avec un mouvement vers les valeurs d’une voyelle moyenne centrale (environ 500 Hz, 1 500 Hz, et 2 500 Hz). Les formants de bib tendent vers les valeurs d’une voyelle centrale labialisée, et de ce fait peuvent être interprétés eux aussi comme indice d’une diphtongue centralisante. Les formants de big, par contraste, présentent une configuration différente, dans laquelle tous les formants pointent vers une voyelle plus haute et moins centralisée au moment où les articulateurs se rapprochent de la position de l’occlusive vélaire, qui est elle-même avancée sous l’effet de la voyelle d’avant /I/.
47Nous pouvons alors nous demander maintenant si nous sommes en présence d’une « vraie » ou d’une « fausse » diphtongue. En effet, les comportements des F2 et F3 en figure 7 semblent suggérer à première vue que nous avons affaire à une fausse diphtongue, dont les formants sont entièrement déterminés par les consonnes voisines. Cependant, l’examen plus détaillé des données suggère une autre interprétation.
48Considérons les configurations formantiques des deux mots « symétriques » du corpus, ayant la même consonne à l’initiale et en finale : bib (figure 7b) et did (figure 7a). Dans les deux cas, les valeurs du F2 sont plus basses en fin de voyelle qu’en début de voyelle. Cette différence est vraisemblablement due à une position plus rétractée du corps de la langue à la fin de la voyelle, c’est-à-dire une vélarisation, au moment de l’occlusion consonantique. Il est bien connu que certaines consonnes de l’anglais sont vélarisées dans cette position, en particulier /l/ avec son allophone [ϯ] (« 1 sombre ») dans des mots comme feel, fail. Nous devrons donc nous demander si l’articulation plus vélarisée des consonnes finales de bib et did représente une propriété de [b] et [d] en position finale de syllabe, comme dans le cas du [1] « sombre », ou si elle peut être expliquée par une coarticulation avec la cible articulatoire finale d’une voyelle centralisante précédente. Dans le premier cas de figure, nous nous attendrions à trouver une valeur finale du F2 plus basse après toutes les voyelles, qu’elles soient longues ou brèves, comme dans le cas du [ϯ] sombre ; ainsi, nous trouverions des valeurs du F2 aussi basses après /ī/ qu’après /i/. Si, au contraire, il s’agit d’un effet de coarticulation avec une voyelle centralisante, nous nous attendrions à trouver des valeurs finales du F2 plus basses après /I/ (et toute autre voyelle brève « centralisante ») mais non après des voyelles longues non-centralisantes comme /ī/.
49Pour tester ces différentes prédictions, nous avons examiné les valeurs du F2 au début et à la fin de la voyelle dans les mots did, bib, deed, et du logatome beeb. Les valeurs ont été moyennées sur dix répétitions dans le cadre say par le même locuteur. Les résultats sont présentés table 3.

Table 3. Moyennes et écarts types du F2 en initiale et finale de voyelle dans les mots did, bib, deed, et beeb (sujet 4 ; n = 10)
50Cette table montre un abaissement du F2 à la fin de la voyelle /I/ brève de did et de bib mais non à la fin de /ī/ long de deed et de beeb. Nous en tirons la conclusion que l’abaissement final du F2 dans les mots bib et did n’est pas dû à une règle générale de vélarisation consonantique en finale de syllabe, mais à un mouvement articulatoire centralisant qui est une propriété inhérente de /I/ bref mais non de /ī/ long. Seule cette interprétation peut expliquer l’asymétrie dans la structure du F2 qui est présente dans did et bib mais absente dans deed et beeb.
51Cette analyse se trouve confirmée par un examen plus précis de la trajectoire du F2 de big, figure 7b. On peut observer qu’après le plateau relativement plat de la première moitié de la voyelle, il y a un bref creux avant la montée finale. Cette trajectoire a été calculée sur un moyennage de dix énoncés. Quand nous examinons les trajectoires du F2 une par une, nous voyons que six d’entre elles présentent un creux entre le plateau long initial et la montée finale. Les quatre autres montent directement depuis la fin du plateau jusqu’à la valeur finale. Ces trajectoires sont présentées figure 8.
52Nous interprétons le creux observé vers la fin de six d’entre elles comme une indication que le corps de la langue a initié un mouvement centralisant comparable à celui que l’on trouve dans les autres mots avec /i/. Cependant, dans les mots se terminant par /g/, cette tendance naissante est contrariée par le fait que la langue doit monter rapidement pour former la constriction prévélaire. Dans les six réalisations présentant un creux, cette articulation contraire ne se met en place qu’après que la langue a commencé à se rétracter ; dans les autres, elle commence avant que la langue n’ait commencé ce mouvement.
53Nous pouvons conclure que /I/ présente une tendance à la centralisation dans tous les contextes examinés ici. Cependant, la centralisation est plus prononcée, et seulement bien audible, sous l’accent fort en finale d’énoncé devant les consonnes labiales et alvéolaires, qu’elles soient sourdes ou sonores, alors qu’elle est largement contrariée devant les consonnes vélaires dans des mots comme big, où elle ne semble pas perceptible. Ces observations confirment pour l’essentiel celles de Bailey (1985), citées section 3, pour ce qui concerne les contextes segmentaux et prosodiques de la centralisation.

Figure 8. Trajectoires du F2 correspondant aux 10 réalisations de big dont la moyenne a été présentée figure 7 (sujet 4). Six d’entre elles présentent un creux situé à peu près aux deux tiers (Les trajectoires ont été écartées sur l’axe vertical pour faciliter la lecture.)
54Nous n’avons pas conduit une étude systématique des autres voyelles brèves pour tous les locuteurs étudiés ici. Cependant, un examen d’autres voyelles réalisées par le locuteur 4 dans des monosyllabes terminés par /d/ indique une tendance à la centralisation similaire pour les voyelles /ε/ comme dans bed, /Ʌ/ comme dans bud, /ʊ/ comme dans le logatome bʊd, /ↄ/ comme dans bawd, et /æ/ comme dans bad. La figure 9 place les trajectoires formantiques des voyelles brèves /i ε Ʌ Ʊ/ sur celles des voyelles longues / ī ē/, relevées dans des mots réalisés dans le cadre say __for me.
55Pour ce locuteur, la centralisation semble être un trait caractéristique de toute voyelle brève non ouverte.
6. Le trait tendu/relâché comme trait phonétique
56Il semble que pour au moins certains locuteurs du GAE, la diphtongaison centralisante (« centripète ») est intrinsèque à certaines voyelles brèves, où elle traduit un retard temporel dans la production du trait [relâché] (lax), comme l’a proposé Stevens (1998). C’est précisément la dissociation de ces deux traits sur l’axe temporel qui met en évidence leur indépendance. Le trait [relâché], quoique ne jouant aucun rôle phonologique dans l’anglais contemporain7, fonctionne au niveau phonétique pour renforcer la distinction entre voyelles brèves et longues, ces dernières (et surtout /ē ō/) étant généralement réalisées comme des nucléi syllabiques « centrifuges », avec des mouvements vers la périphérie de l’espace vocalique où se trouvent atteintes des valeurs correspondant au trait [tendu], en particulier sous l’accent.

Figure 9. Trajectoires formantiques de bid, bed, bud, bʊd, bead et bade, réalisées par le sujet 4 dans le cadre say __for me. Chaque trajectoire représente la moyenne de 10 réalisations. Les trajectoires des voyelles brèves sont indiquées par des symboles noirs et celles des voyelles longues par des symboles blancs. Remarquons le mouvement du F2 vers des valeurs autour de 1300-1 600 Hz pour les voyelles brèves « cen-tralisantes » uniquement
57Ainsi, la diphtongaison des voyelles brèves apparaît comme une stratégie de réalisation propre à certains locuteurs ou à certains dialectes, dont la motivation fonctionnelle semble être la mise en valeur du trait [relâché], renforçant le contraste entre voyelle brève et voyelle longue en anglais, qui est marqué de façon peu fiable par les seuls indices de durée (voir Stevens et Keyser 1989 pour d’autres exemples de traits de renforcement). Dans le cas de la voyelle /I/, la diphtongaison suppose la mise en séquence des traits [coronal] (ou [non-arrière]) et [relâché], situant l’interprétation du premier (avec notamment une cible de F2 haute) en début de voyelle et celle du dernier (avec une cible de F2 plus basse) en fin de voyelle. La mise en séquence des deux traits, créant un mouvement formantique descendant, semble faciliter leur perception (voir Gay 1970 pour une discussion du rôle des transitions formantiques dans la perception des voyelles anglaises). Le fait que tous les locuteurs n’emploient pas la diphtongaison comme stratégie de renforcement confirme qu’elle n’est pas déterminée par des contraintes purement mécaniques de production de la parole, mais qu’elle appartient au système linguistique de certaines variétés de GAE.
58Nous en concluons que le trait tendu/relâché, bien que ne remplissant aucune fonction lexicale ou phonologique à l’état actuel du GAE, est bien présent au niveau phonétique. En tant que trait phonétique, il est disponible pour une phonologisation à une étape ultérieure du développement de la langue, où il pourrait progressivement se substituer à l’opposition long/bref par un processus bien attesté ailleurs, par exemple dans l’évolution du latin vers les langues romanes.
Notes de bas de page
1 Il y a des exceptions dans des emprunts récents au français tels que gauche, douche, aussi bien que dans les variantes de prononciation du mot wash [wαʃ] ~ [wɒʃ] ~ [wↄʃ], où l’effet labialisant du [w] paraît l’emporter sur la contrainte en question.
2 [ŋ] est souvent analysé comme /ng/ au niveau sous-jacent.
3 Voir Chomsky et Halle (1968) pour une description plus complète de cette alternance.
4 Gimson décrit aussi une classe de voyelles centralisantes résultant de la perte historique du [r] post-vocalique dans plusieurs dialectes (surtout britanniques), comme dans le mot ore dont la prononciation varie entre [ↄǝ] et [ↄ : ]. Ces diphtongues apparaissent librement en position finale et jamais devant des groupes non coronaux, et comptent donc comme longues selon les critères adoptés ici.
5 Naturellement, ces valeurs vont elles-mêmes varier en fonction du contexte, du degré d’accent, du débit, du dialecte, du locuteur, etc. ; dans quelques variétés de l’anglais, mais non dans celles discutées ici, [ē] est réalisé comme une monophtongue.
6 Ces valeurs sont à comparer avec celles données pour/i/ par Lehiste et Peterson (1961), qui estiment les trois phases successives à 15 %, 36 %, et 49 % de la durée totale, en moyenne sur 5 locuteurs.
7 Kiparsky (1995) propose que le trait [relâché] ait pu être distinctif à un stade antérieur de l’évolution de l’anglais.
Auteur
Laboratoire de phonétique et phonologie, CNRS / Université Paris III
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