1Le son en tant que résultat d’un acte phonatoire est descriptible. D’un point de vue esthétique, il est « beau » ou « laid », « doux » ou « agressif », etc. D’un point de vue grammatical, il se présente comme voyelle ou comme consonne. D’un point de vue physiologique enfin, il s’agit d’un son produit par la voix parlée, déclamée ou chantée.

2Cependant, un son, par exemple un a produit par une personne, ne sera pas forcément exactement identique à celui prononcé par une deuxième. Et même un seul locuteur, devant l’exercice de produire deux fois exactement le même résultat, n’y arrivera pas, ou seulement par hasard. La voyelle sera par exemple plus longue ou plus brève, elle aura un timbre un peu plus clair ou sombre. Certaines caractéristiques du son peuvent varier selon le locuteur, d’autres selon le contexte. Nous percevons ces changements comme de simples manifestations de la variété.

3Normalement, cette variété n’a aucun impact sur la réussite d’une communication, car le premier objectif du langage est la bonne compréhension du message, qu’il s’agisse d’informations référentielles et/ou émotionnelles. Chaque son doit être bien distinguable afin de transmettre par sa charge factuelle et émotive les intentions et l’état d’âme du locuteur. Quant aux variantes de la prononciation, elles sont non conscientes à l’origine.

4Mais un locuteur peut aussi nuancer intentionnellement la prononciation des sons dans l’objectif de rendre son discours mieux compréhensible (par exemple dans une grande salle avec beaucoup d’acoustique) ou plus pertinent (en accentuant son discours). Chaque locuteur peut utiliser ces mécanismes dans la conversation. Pour un professionnel de la voix, la connaissance des particularités acoustiques et sémantiques des sons s’avère utile pour les moduler ou, autrement dit, « jouer » sur eux, en sorte de les utiliser à des fins artistiques. La déclamation expressive amplifie les affects contenus dans les mots prononcés. Quant au chant, il n’est véritablement « parfait » sans « la bonne prononciation des parolles ». Le musicien Michel Pignolet de Montéclair continue ce raisonnement comme suit :

Pour bien prononcer il faut sçavoir disposer la bouche de manière qu’on puisse donner à chaque voyelle, le son clair ou sourd qui luy convient. On prononce en chantant comme en parlant, excepté que comme le chant tient plus longtemps les sons, que le parler ordinaire, il faut y articuler plus fortement les consonnes qui sont avant ou après les voyelles. (Montéclair 1736, p. 90)

5Le jeu nuancé très finement, mis en œuvre dans la conversation, dans la lecture, dans la déclamation ou dans le chant, nécessite un jugement de l’oreille1 reposant sur une perception et sur une interprétation intime de la part de l’auditeur. Celui-ci a par conséquent une part active lors du décodage du message reçu. Un monde s’ouvre pour lui :

La langue est comme une alcôve secrète dans le monde, une grotte magique ou une camera obscura qui, elle seule, permet au monde de venir de chaque endroit (même en dehors de lui) à lui-même. La bouche est le lieu où le monde est en suspens, mais aussi, pour cette raison, le seul endroit au monde où « Le Monde » peut être, ce qui veut dire « Le Monde » comme l’articulation du monde. (Connor 2014, p. 195)2

Le son proféré : descriptible

6Pour parler des sons, de leurs caractéristiques et de leur manière d’agir (c’est-à-dire de la transmission du message), il est impératif de pouvoir les décrire et, mieux encore, d’établir un ordre systématique permettant des réflexions théoriques. Ce travail caractérise fortement les parties des grammaires des xvii^e et xviii^e siècles traitant des sons du langage.

7La première grammaire du français, L’éclaircissement de la langue française de John Palsgrave, publiée en 1530 à Londres et adressée à un public anglophone, contient déjà une partie dédiée à la prononciation des sons de la langue française. Les explications contiennent notamment des comparaisons avec la prononciation des lettres écrites dans d’autres langues, anciennes et modernes. Rapidement, les grammairiens français ont entrepris de décrire le matériau phonique du français et d’intégrer les sons repérés dans un système de classement logique et cohérent, notamment selon des critères articulatoires et acoustiques3. Le principal critère de distinction est constitué par la libre circulation de l’air dans le tractus vocal pour les voyelles, qui correspondent donc à des sons continus. Les consonnes en revanche articulent et forment les voyelles, sans produire un son indépendant : elles consonnent4.

8Les travaux des xvii^e et xviii^e siècles sont notamment caractérisés par un foisonnement des sons décrits. On s’efforce de réguler cet inventaire, et cela, selon des modificatifs souvent très complexes5. Cette complexité est due premièrement au fait que la lettre écrite (et non le phonème, concept développé dans la deuxième moitié du xix^e siècle) constitue la base de toute réflexion et que la notion d’unité sonore est encore problématique6. Les problèmes qui en résultent ont été largement analysés par Sylvain Auroux7. La deuxième raison rendant difficile les travaux est d’ordre pratique. Les recherches sont exclusivement cadrées par l’observation d’autrui et par la proprioception. Ce mode de travail fait émerger des obstacles que les grammairiens franchissent avec plus ou moins de difficulté, ou qui restent encore sans solution satisfaisante8.

9Cela ne veut pas dire que les grammairiens n’obtiennent pas de véritables résultats. Leurs travaux se distinguent souvent par une grande clarté, notamment grâce à des exemples constitués de paires minimales (comme « pâte » et « patte » pour les voyelles longues et courtes, ou « ton » et « don » pour la distinction des occlusives sourdes et sonores). Pour le système vocalique, Christophe Rey (2004) constate une connaissance presque identique de la deuxième moitié du xviii^e siècle avec la nôtre aujourd’hui (voir tableau 5).

10Les travaux sur le système consonantique sont caractérisés par plus de tâtonnements9. Le tableau à plusieurs colonnes de Nicolas Beauzée montre toutefois un progrès considérable : il arrive en effet à hiérarchiser systématiquement les différents types d’informations (le mode et le lieu d’articulation, l’oralité et la nasalité, voir tableau 6).

11Beauzée crée ce que Mario Rossi (1990) désigne comme des macro-classes des sons, passant en même temps par une réduction des sons intégrés dans le schéma10. Problématique reste la catégorie que nous désignons aujourd’hui comme semi-voyelles ou semi-consonnes (ill [j], ui [ɥ] et oi [w]) ainsi que la consonne nasale voisée gn [ɲ], catégorisées généralement comme sons mouillés, liquides et diphtongues chez les grammairiens.

12Au centre de toutes les discussions menées, on retrouve l’image de l’instrument à vent comme support de réflexion et d’argumentation. Pourtant, l’image de la flûte connaît un changement – sous forme d’adaptation à une nouvelle problématique – dans le cadre de ces débats sur les unités sonores. Rappelons que selon le médecin Denis Dodart, la glotte peut être comparée à l’embouchure d’une flûte. La production du son s’y opère dans le biseau où l’air se brise et où il est ainsi mis en vibration. Le corps de la flûte correspond à la trachée-artère par laquelle le souffle passe, après y être entré vers le bas.

13Le Cartésien Géraud de Cordemoy utilise une analogie générale des sons de la voix humaine et « ceux d’une flûte » (1668, p. 69), à ceci près que grâce au « cartilage qui sert à modifier l’air » (p. 68), c’est-à-dire le larynx, il est possible de modifier la voix. Mais, à la différence de la flûte, la voix humaine est modelée dans la bouche, « selon les différentes manières dont elle s’ouvre » (p. 70). Sinon, il n’en résulterait « que des sons vagues, et non pas des voix », comme c’est le cas pour la flûte (p. 69). Le son est formé dans le larynx. L’articulation, qui fait de ce son physique un son du langage humain, se situe dans la bouche. Le terme « voix » peut être compris dans ce contexte comme synonyme désignant un son du langage, alors destiné à exprimer concrètement une pensée.

14En 1688, dans la troisième édition de la Rhétorique de Bernard Lamy, le comparant flûte est pour la première fois (d’après nos connaissances) utilisé dans un texte réfléchissant directement sur le langage, son fonctionnement et son usage. Le son de la flûte devient le comparant d’un élément déterminé bien précisément : les voyelles. On passe d’une réflexion philosophique à une application concrète. Lamy compare la différence entre voyelles et consonnes avec le ton d’une flûte, modifié ou non par les doigts du flûtiste. « Dans le son des voyelles, la langue […] ne fait presque rien ; on entend une voix continuë. Au contraire, dans les consones la voix est interrompuë : tantôt la langue l’arreste, et tantôt la laisse couler, elle est coupée par les dents, et battuë par les lévre » (Lamy 1688, p. 163). Il devient possible de réfléchir, à partir de l’image de la flûte, sur les sons précis qu’émet la voix et qui forment le langage.

15Au xviii^e siècle, le modèle de Lamy est repris, discuté et retravaillé11. Beauzée, dans l’article « Voyelle » de l’Encyclopédie, le critique pourtant. La comparaison des voyelles avec les sons simples de la flûte et les consonnes avec les modifications de ces mêmes sons, effectuées par le doigté du flûtiste, lui semble trop simple. Il considère le modèle du littérateur et grammairien Alexandre-Xavier Harduin comme plus prometteur. Dans le texte publié en 1760 par Harduin12, la trachée-artère n’est plus simplement comparée à la flûte : l’image prend en considération d’autres organes. L’instrument est entièrement déplacé dans le cou et dans la bouche (voir figure 2). Il faut en effet imaginer que la flûte est retournée : comme chez le véritable flûtiste, le souffle y entre par l’embouchure. Harduin propose d’imaginer la tête de la flûte au niveau du larynx et de la glotte, autrement dit, à un niveau invisible. Le niveau (approximativement) sensible et palpable de l’articulation est représenté par le corps de la flûte dans la bouche. La langue y forme et sépare les consonnes tandis que le doigté différencie les voyelles, créant des « hauteurs » différentes.

Schéma 2. Modèle de l’appareil phonatoire considéré comme un instrument à vent selon Harduin (1760)

16L’illustration, présentée dans le schéma 2, est non seulement plus sophistiquée, elle est aussi plus concrète et peut être appliquée à une problématique plus précise dans le cadre de la classification des sons. Se référant au « Père Lamy » (1760, p. 7), ancienne autorité reconnue et choisie avec soin, Harduin inscrit son modèle dans la tradition et revendique là toute son importance.

17Harduin reprend deux idées fondamentales de Lamy :

• Premièrement, la comparaison avec la flûte se situe – pour la flûte comme pour les sons du langage – sur un plan similaire : elle concerne la permanence du ton, représentée par le souffle ;
• deuxièmement, l’air qui se trouve déjà dans le canal peut être modifié par un autre organe (les doigts en l’occurrence).

18Les changements que Harduin ajoute à l’image tiennent compte du foisonnement (supra) et de la diversité des sons identifiés à son époque. Le canal, lui aussi, peut être modifié, soit par l’aperture (pour le langage), soit par le doigté (du flûtiste). Dans les deux cas, la langue est l’organe qui effectue les modifications, qu’il s’agisse du son verbal articulé ou du ton articulé sur la flûte. Si le modèle de Harduin semble plus pointu que celui de Lamy – car il établit des liens très concrets entre les différents éléments et actions –, il reprend le sens large de ce dernier : il sert à expliquer un tout13.

19Concrètement, Harduin développe cette comparaison pour discuter la question de la nature (vocalique ou consonantique) du son y situé entre deux voyelles. Nous avons présenté et discuté l’argumentation de Harduin dans d’autres travaux (Schweitzer 2018). Ce qui est important ici, c’est que l’ancienne comparaison qui sert chez Lamy à distinguer les grandes classes des voyelles et des consonnes, est reprise et transposée à une problématique plus fine et détaillée. La comparaison avec la flûte permet aux auteurs du xviii^e siècle de travailler le savoir sur les caractéristiques des sons et sur leur force expressive14.

Le son formé : modulable

20Un son dont on a déterminé les caractéristiques particulières devient non seulement reconnaissable, mais aussi modulable, car on peut jouer sur les variantes à l’intérieur du cadre donné par la définition générale du son. C’est ainsi que le chanteur Jean-Antoine Bérard décrit et revendique une prononciation imaginative du (bon) chanteur comme suit :

Les diverses prononciations sont très-propres à exprimer vivement certains bruits, ou certaines passions qu’elles se proposent d’imiter ; elles peignent avec vigueur et énergie les plus grandes passions ; elles sçavent présenter aux oreilles, aux esprits et aux cœurs le tableau des passions les plus tendres et les plus aimables : elles sont dans le chant ce que les couleurs sont dans la peinture : enfin, elles sont la source d’une infinité de plaisirs qui ont leurs racines dans l’imitation de la nature. (Bérard 1755, p. 76-77)

21Chez les anciens auteurs de toutes les disciplines, la différence entre la réalisation claire et compréhensible du son principal et le jeu avec ses variantes (pour des raisons diverses : dialectes, expression, etc.) se trouve dans l’opposition des termes « prononciation » et « articulation ».

22Le grammairien Pierre Restaut15 (1730, p. 309) définit la prononciation comme « la manière d’articuler de vive voix, distinctement et suivant les règles, ou conformément à l’usage, tous les mots et toutes les lettres d’une langue ». Cette explication claire et simple constitue l’une des rares définitions directes du terme « prononciation » à l’époque, bien qu’elle soit souvent utilisée, parfois même en tant que titre de partie ou section d’œuvre grammaticale.

23L’explication de Restaut suscite plusieurs observations.

24On note d’abord l’emploi quasiment synonymique des deux termes « articulation » et « prononciation » : le verbe « articuler » servant à expliquer le substantif « prononciation ». Cet usage se constate non seulement dans d’autres grammaires, mais aussi dans les dictionnaires de l’époque. Selon celui de Furetière (1690, art. « Prononciation »), la prononciation est la « distincte articulation des mots et des lettres ». Le Dictionnaire de l’Académie de 1694 (art. « Prononciation ») le définit quant à lui comme « Articulation, expression des lettres, des syllabes, des mots ». On trouvera encore cette définition dans la quatrième édition de 1762.

25Ensuite, Restaut indique que les règles et l’usage pour la prononciation varient d’une langue à l’autre. Gabriel Girard (1747, p. 8) confirme cette remarque par un constat plus général : « chaque nation s’est fait une habitude d’un certain nombre de sons et d’articulations en puisant, selon son goût, dans la faculté naturelle. » En d’autres termes, chaque langue choisit une variante, à l’intérieur de laquelle le locuteur a encore une certaine marge de variation. Restaut (1730, p. 310) établit ainsi une distinction entre deux types de prononciations, employées dans différentes situations, à savoir, soit « le vers et le discours soutenu », soit « la prose commune et […] le discours ordinaire ». On trouve cette réflexion déjà à la fin du xvii^e siècle chez Bénigne de Bacilly. Le chanteur distingue un type « simple » qui sert à la compréhension des mots d’une manière générale, d’un deuxième type, « plus fort et plus énergique », utilisé expressément au théâtre et dans le chant (1668, p. 248). Le deuxième type correspond à ce que d’autres théoriciens nomment « déclamation » (ibid., p. 249). Ce lien entre la déclamation au théâtre et la prononciation propre au chant est également confirmé dans le traité de chant de Tosi et Agricola (1757) qui conseillent la lecture du Traité du récitatif de Grimarest pour apprendre à chanter en français16.

26Les auteurs de l’âge classique constatent sans surprise que la distinction fine des sons prend une place plus importante dans les rhétoriques et traités de musique que dans les grammaires17 :

Il semble que c’est l’affaire des grammairiens de traiter de la prononciation, et toutesfois il y a des règles de prononciation qui se rencontrent dans le chant, ausquelles ils n’ont jamais pensé de parler, soit qu’elles leur soient inconnues, ou qu’elles ne soient pas de leur ressort. (Bacilly 1668, p. 248)

27L’explication de cette répartition se trouve dans le fait que l’idéal de la prestation artistique est l’imitation du réel, que ce dernier soit un objet ou une émotion, traduit en parole et/ou en musique. Jean Hindret (1696, p. 425) explique alors expressément à son public français et étranger qu’il « est certain qu’on ne doit point prononcer autrement en lisant ou en chantant, qu’en parlant dans le discours familier ; et [que] c’est un vice de prononciation qui n’est pas supportable […] ; prononcer une lettre d’une façon en parlant familièrement, et la prononcer d’une autre en public ou en lisant ». Un élève de Molière, le comédien Michel Boyron, dit Baron (1653-1729), était fameux pour cet art, et Jean-François de Marmontel (1846, p. 315) relate que « Baron parlait en déclamant, ou plutôt en récitant, pour parler le langage de Baron lui-même ; car il était blessé du seul mot de déclamation ». Tous ces témoignages montrent que l’imitation nécessite une grande sensibilité pour faire preuve d’un langage expressif, ressenti comme naturel.

28Parmi les textes musicaux, les traités qui appuient le plus sur une différenciation fine, sont deux textes du milieu du xviii^e siècle, parus à un an d’intervalle seulement et dont le contenu coïncide presque complètement. Il s’agit de L’art du chant du chanteur Jean-Antoine Bérard de 1755 et de L’art ou Les principes philosophiques du chant du philosophe Jean Blanchet de 175618. Comme Restaut et Bacilly, ces deux auteurs distinguent les deux types de prononciation, mais ils vont plus loin sur ce chemin en les distinguant par l’utilisation de deux termes différents : prononciation et articulation. La prononciation concerne la réalisation correcte des lettres. Les sons doivent être clairs, nets et distincts, forts ou faibles19, selon le sens des mots exprimés20. La prononciation respecte également les règles de la prosodie. L’articulation, quant à elle, va plus loin. Elle touche l’expression en respectant notamment la mesure et le caractère particulier des lettres pour « charmer les oreilles » par une exécution évocatrice, et pour « peindre à l’esprit par des sons harmonieusement et pittoresquement modifiés » (Blanchet 1756, p. 64 ; Bérard 1755, p. 76-77). Comme Bacilly au siècle précédent, Bérard souligne qu’il s’agit d’indications supplémentaires qui concernent la représentation artistique :

Tout le monde voit que la prononciation et l’articulation ressortent du domaine du chant : pour ne point usurper les droits de la grammaire, je traiterai de toutes les deux considérées par rapport à ce premier. (Bérard 1755, p. 48)

29La grammaire fournit la base pour toute prononciation embellie en fonction d’une expression artistique. La différenciation établie correspond aux deux niveaux abordés par le son : la raison (par la bonne compréhension) et l’émotion (par l’imagination). Une fois il s’agit d’un signe linguistique simple et factuel, l’autre fois d’un signe composé d’une information factuelle et neutre à laquelle s’ajoute un contenu émotionnel.

30Avec le titre « Le chant composé, ou la déclamation chantante »21 que Jean Blanchet donne à la deuxième partie de son livre, l’auteur établit un lien concret entre la déclamation et le chant. Il cite même un passage de l’article « Déclamation » de l’Encyclopédie (rédigé par Edme-François Mallet) qui lui sert de base pour la définition suivante : « La déclamation chantante renferme dans son idée, l’articulation, la prononciation et les gestes » (Blanchet 1756, p. 44).

31La représentation artistique est destinée à toucher l’auditeur. Un contemporain de Blanchet, Eugène-Eléonor de Béthisy de Mézières (1760, p. 17), déclare : « un son qui ne dit rien, n’est que du bruit pour moi ; mais tout ce qui exprime, a des droits sur mon cœur. » Ce constat est évidemment vrai pour chaque représentation vocale, qu’elle utilise la voix parlée, déclamée ou chantée. Quant au musicien, il exécute une composition dont l’auteur (le compositeur) est « comme un traducteur » qui exprime les mêmes idées et sentiments contenus dans le texte avec les moyens techniques de son art (Grimarest 1707, p. 196).

32Conformément à cette description, on trouve chez Morel de Lescer22 les conseils suivants pour l’exécution d’un fragment de l’œuvre dramatique Titon et Laurore (acte 1, scène 223) :

La scène se chante comme on parle, en donnant l’âme qu’il faut aux sentimens tendres ; et le caractère aux situations de fureur ; il faut aussi entrer dans l’idée de l’auteur et la peindre avec vérité, c’est la véritable façon d’émouvoir le récitatif de la cantate, et […] la cautatille24 se débite a peu prés de la même manière, en observant de ne pas couper les phrases, encor moins les mots, qu’il ne faut jamais partager ; et suivre pour la prononciation l’usage établi. (Morel de Lescer 1759, p. 35)

33L’objectif des traités de rhétorique ou de musique est a priori pratique. La science universelle qu’est la grammaire est appliquée à un objectif particulier. Cette répartition est confirmée à plusieurs reprises dans les textes du xviii^e siècle. François-Séraphin Régnier-Desmarais25 confirme dans la préface de sa grammaire le bien-fondé et l’efficacité d’une telle démarche : « le propre de la grammaire, en chaque langue, est d’enseigner à parler purement et correctement. » C’est ainsi que la grammaire peut être considérée comme « la clef » de toutes les sciences (Régnier-Desmarais 1706, préface). À ces fins, l’exécution artistique reste toujours soumise aux règles de la grammaire : « La grammaire nous apprend à écrire, à lire, à parler exactement », déclare Giambattista Mancini dans son traité de chant26 (1776, p. 196), et pour Bérard (1755, p. 51), les langues sont même « des divinités » et « tout ce qui a rapport avec elles est sacré ».

« Une perception intime des impressions reçues »27

34Travaillant artistiquement sur les sons, les artistes comptent produire un effet précis qui suppose chez l’auditeur une certaine manière de percevoir leur message. Pour ce faire, nous devons, en tant qu’auditeurs, utiliser nos sens et, comme le formule Michèle Castellengo (2015, p. 140), « explorer à la fois notre propre corps et ce qui l’entoure ». On entre alors dans le domaine de la subjectivité. La perception humaine ne livre jamais une évaluation ou une description absolue des phénomènes28. Dans l’Encyclopédie, on trouve déjà le constat selon lequel

Nous avons bien une perception intime des impressions reçues en nous, dont nous attribuons l’occasion à des esprits et à des intelligences qu’on suppose exister hors de nous ; mais cette perception intime ne portant conviction que d’elle-même, et étant toute intérieure, elle ne nous donne aucune certitude évidente d’un être qui soit hors de nous. (Encyclopédie 1751, art. « Sentiment », rédigé par Jaucourt)

35On dit aujourd’hui que la perception est un acte dans lequel le sujet percevant est fortement présent, car cet acte se fonde sur nos sens, donc sur notre prise de connaissance intime et personnelle du monde. Notre reconnaissance et notre réaction plus ou moins rapide aux stimuli extérieurs ou, en d’autres termes, notre sensibilité, reposent sur les sens. Elles nous permettent aussi bien de percevoir notre corps dans l’espace et dans son environnement que de le protéger29. Notamment « le système auditif est considéré comme le système d’alerte par excellence : avant même de pouvoir voir un prédateur ou la source d’un autre danger, il est fréquent qu’on l’entende » (Kolinsky et al. 2010). Pour le stimulus « voix », les neurosciences ont confirmé que celui-ci est traité prioritairement par le cerveau humain30. L’écoute est ainsi définie par Federico Albano Leoni (2014, p. 145) comme la « somme de perception et d’interprétation ». Cela signifie que la perception procède activement par reconnaissance, discrimination et association ; elle repose toujours sur une première sensation au niveau de l’oreille interne. Le son, capté par l’oreille, y est transformé en un signal nerveux qui est ensuite transmis au cerveau. Les différentes fréquences sont ici projetées sur différentes régions. En même temps, les perceptions de timbre, de hauteur, d’intensité et celles de l’endroit d’où proviennent les sons sont groupées et fusionnées : un événement sonore est alors créé (McAdams 2015, p. 28).

36Dans le langage des auteurs de l’âge classique, cette opération est décrite par un terme renvoyant à un concept antique. Avec le « jugement de l’oreille », les auteurs se réfèrent aux textes cicéroniens (Orator et De Oratore). L’oreille est personnifiée, elle est dotée de qualités complexes : assez sévère pour être juge, elle est également sensible et délicate. Steuckardt et Thorel (2017, préface) ont montré la subjectivité reflétée par le lexique utilisé par les auteurs, « alliant le sensible et l’intellect ». En effet, le jugement de l’oreille repose sur une perception auditive qui ne peut être que subjective, et son évaluation repose toujours sur les critères de la norme en vigueur, sur une certaine esthétique ou intuition personnelle.

37Au xvii^e siècle, Descartes réfléchit déjà sur la nature des impressions sensorielles. Selon lui, elles sont transmises par les nerfs et elles atteignent les « esprits animaux » – c’est-à-dire les influx nerveux – dans le cerveau où se situe l’âme, et plus précisément dans une glande pinéale. Cette glande envoie les « esprits » dans le corps via les nerfs, et elle peut modifier leur cours selon les impressions reçues. Les « esprits » font gonfler les muscles et provoquent ainsi un mouvement.

38La question du rôle des sens dans l’acte de la perception est posée par Descartes en 1641, dans les Méditations métaphysiques. Dans ce texte, Descartes s’interroge justement sur la véracité de sa perception :

J’ai aussi certainement la puissance d’imaginer ; car encore qu’il puisse arriver (comme j’ai supposé auparavant) que les choses que j’imagine ne soient pas vraies, néanmoins cette puissance d’imaginer ne laisse pas d’être réellement en moi, et fait partie de ma pensée. Enfin je suis le même qui sens, c’est-à-dire qui reçois et connais les choses comme par les organes des sens, puisqu’en effet je vois la lumière, j’ouïs le bruit, je ressens la chaleur. Mais l’on me dira que ces apparences sont fausses et que je dors. Qu’il soit ainsi ; toutefois, à tout le moins, il est très certain qu’il me semble que je vois, que j’ouïs, et que je m’échauffe ; et c’est proprement ce qui en moi s’appelle sentir, et cela, pris ainsi précisément, n’est rien autre chose que penser. (Descartes 1979 [1641], p. 81, p. 83)

39Dans la compréhension de Descartes, l’acte de sentir se compose de la sensation proprement dite et d’un acte mental qui est intimement lié à la sensation de départ. Mais s’agit-il d’un acte passif, d’une simple réception du monde extérieur ? Ou la compréhension constitue-t-elle au contraire un processus actif, initié par l’homme ? Afin de répondre à cette question, Descartes recourt à un exemple : si, devant sa fenêtre, il voit des chapeaux et des manteaux, il conclut que ce sont des hommes qui les portent, et non « des spectres ou des hommes feints qui ne se remuent que par ressorts ». Le fait de juger qu’il s’agit « de vrais hommes », en chair et en os, est un acte raisonné, « et ainsi je comprends, par la seule puissance de juger qui réside en mon esprit, ce que je croyais voir de mes yeux » (ibid., p. 89).

40Un jugement, c’est-à-dire une opération abstraite, est finalement nécessaire pour que la sensation devienne compréhensible. Ce jugement associe les différentes sensations à l’objet, il les traduit en idées et choisit celles qui sont probantes pour comprendre la nature de cet objet31. Pour qu’il y ait compréhension, la perception doit être suivie d’une réflexion et/ou d’une prise de conscience.

41Un siècle après Descartes, l’auteur anonyme de l’article « Perception » de l’Encyclopédie explique cette opération par rapport à la voix comme suit :

La perception, ou l’impression occasionnée dans l’âme par l’action des sens, est la première opération de l’entendement : l’idée en est telle qu’on ne peut l’acquérir par aucun discours. La seule réflexion sur ce que nous éprouvons, quand nous sommes affectés de quelque sensation, peut la fournir. (Encyclopédie 1751, art. « Perception », auteur anonyme)

42De là, il est facile d’établir le lien avec les théories musicales de Jean-Philippe Rameau. Selon lui, l’auditeur crée intuitivement un lien entre la musique qu’il entend et tout un ensemble d’attentes et d’expériences sur le fonctionnement de la musique en général. Il finit ainsi par comprendre l’enchaînement harmonique, la forme des phrases musicales, etc.32.

43À la même période, Jean-Jacques Rousseau réfléchit sur la manière dont la musique perçue peut être significative et transmettre des informations à l’homme. Il raisonne ainsi : « tant qu’on ne voudra considérer les sons que par l’ébranlement qu’ils excitent dans nos nerfs, on n’aura point les vrais principes de la musique et de son pouvoir sur les cœurs » (1817 [1755/1781], p. 5333). L’homme reçoit la musique, le cœur ouvert, et la musique lui parle. Denis Diderot enfin, dans sa Lettre sur les sourds et muets, constate qu’« en musique, le plaisir de la sensation dépend d’une disposition particulière non seulement de l’oreille, mais de tout le sistême des nerfs » (1751, p. 254-255). Dans la musique, la perception est un vecteur d’émotions privilégié34. Si le processus n’est pas encore connu dans les mêmes détails qu’aujourd’hui35, le lien avec le système nerveux est reconnu avec justesse. La perception auditive passe par nos oreilles, mais elle influe aussi l’homme dans son émotivité et dans sa corporalité.