Version classiqueVersion mobile
OpenEdition Books

Cartographie des émotions

 | 
Fabienne Baider
, 
Georgeta Cislaru

III. Syntaxe et prosodie

Émotions et structure prosodique : qui domine qui ?

Discursive Profile and Argument Structure: the case of the semantic fields of ‘surprise and ‘respect

Philippe Martin

Résumé

Alors que de nombreux articles portant sur les corrélations entre émotions et intonation ont été publiés depuis des années, peu abordent les effets des émotions sur les réalisations par le locuteur des objets linguistiques tels que syllabes, structures syntaxique et prosodique, etc. Les recherches sur les interactions entre émotions et intonation reportées dans la littérature ont trait essentiellement aux caractéristiques globales de paramètres acoustiques tels que fréquence fondamentale, durée syllabique, rythme et intensité. On s’est alors intéressé plus spécifiquement aux interactions entre les états émotionnels et la réalisation d’objets phonologiques particuliers que sont les contours mélodiques placés sur les syllabes accentuées, contours corrélatifs de la structure prosodique de l’énoncé. La structure prosodique étant la première information linguistique décodée par l’auditeur, les conséquences d’états émotionnels extrêmes sur la perception des énoncés sont également abordées.

This paper proposes a functional approach for the analysis of the interactions between argument structures of the nouns of emotions and their discourse profile. The nouns belong to the semantic fields of surprise (a caused emotion) and respect (an interpersonal emotion). The corpus is composed of 420 texts from the database Frantext (1950-2007), approximately 30 M. of words. The discourse profile is defined as the impact of the variable syntactic and semantic valence of the nouns on discourse organization of the utterance. Our main hypothesis is that the surface realization of the nominal argument structure depends on the speaker’s choice and also on the type of emotion (caused or interpersonal). Our results confirm that the various argument configurations: economy by omission or fusion, partial or complete realization of the arguments correspond to different discourse strategies and hierarchizations within the informational structure of the utterance.

Texte intégral

1Les recherches sur les corrélations pouvant exister entre les facteurs prosodiques et les émotions dans la parole ne sont pas nouvelles et remontent au moins à une soixantaine d’années (voir par exemple Fónagy & Magdics, 1963). Durant cette période, la plupart des études ont envisagé les facteurs prosodiques globalement, sans s’attacher à décrire les effets d’émotions spécifiques sur le codage des fonctions linguistiques, telles que la modalité ou la structure prosodique de l’énoncé. Cette approche trouve sa justification dans le fait que l’état émotif du locuteur affecte l’entièreté du processus de phonation dans le temps et pas seulement un segment temporel précis qui correspondrait à des syllabes particulières, comme les syllabes accentuées par exemple.

2Le tableau suivant illustre ce fait, en donnant des valeurs de paramètres acoustiques mesurés à long terme pour différents segments (d’après Bänziger et al., 2001) afin de caractériser l’état émotif du locuteur. On observe que quantité de facteurs acoustiques sont susceptibles d’être influencés, que ce soit sur des segments courts (un noyau vocalique par exemple) ou plus longs (les parties voisées d’un énoncé).

Tableau 1. Paramètres acoustiques mesurés à long terme globalement (Bänziger et al., 2001)

Domaine

acoustique

Mesures

Segments (sur lesquels les

mesures sont réalisées)

F0

Moyenne, écart-type, maximum, minimum.

- la totalité d’un énoncé

Durées

Durée (en secondes) des rapports entre la durée des segments de parole et des silences et entre la durée des parties voisées et non voisées sont calculés.

- la totalité d’un énoncé

- les pauses (silences)

- les parties voisées

- les parties non voisées

- les ‘voyelles accentuées’

Distribution de l’énergie dans le spectre

Moyennes et écarts-types de l’énergie pour l’ensemble du spectre et pour différentes bandes de fréquence. La proportion d’énergie contenue dans les différentes bandes est calculée.

- la totalité d’un énoncé

- les parties voisées

- les parties non voisées

- les ‘voyelles accentuées’

Proportion d’énergie voisée / non voisée

Le rapport entre l’énergie moyenne dans les parties voisées et non voisées pour différentes bandes de fréquences.

- les parties voisées et non voisées des énoncés

Rapport entre l’énergie dans les hautes et basses fréquences du spectre

Proportion d’énergie en dessous de 500 Hz, différence entre l’énergie max. de 0 à 2 kHz et l’énergie max. de 2 à 5 kHz (index Hammarberg), pente spectrale (au-dessus de 1 kHz)

- les parties voisées des énoncés

Distribution du bruit dans le signal voisé (Hilbert Enveloppe)

Filtrage inverse, transformation de Fourrier sur le signal résiduel, filtrage en 8 bandes (Hamming), transformation de Fourrier inverse, corrélations du 1er signal résultant avec chacun des 7 signaux suivants.

-‘voyelles accentuées’ (soutenues)

3Plutôt que d’adopter une perspective phonétique et acoustique, cette étude s’attachera tout particulièrement à décrire les effets des états émotifs du locuteur sur les réalisations de la structure prosodique de l’énoncé, considérée comme entité phonologique structurant le flux de parole. La structure prosodique, organisation hiérarchique des groupes accentuels, est en effet la première structure décodée par l’auditeur, ce qui donne une importance particulière aux réalisations des traits contrastifs indiquant la structure prosodique. Il sera démontré que le message prosodique, i.e. ce qu’il y a de proprement linguistique dans la prosodie de l’énoncé, tel qu’indiqué par la structure prosodique, est particulièrement résistant aux variations émotives du locuteur. Chaque émotion, à l’exception notable de certains types de colère, implique, en effet, l’utilisation de traits acoustiques adaptés de manière à assurer un codage correct de la structure prosodique.

1. Le cycle respiratoire

4Une des caractéristiques les plus remarquables de la phonation est le bouleversement qu’elle impose au cycle respiratoire. En effet, en l’absence de phonation, le cycle normal de respiration présente une durée comparable pour la durée d’inspiration d’air dans les poumons avec la durée d’expiration (fig. 1).

Figure 1. Cycle de respiration, sans phonation (haut de la figure) et avec phonation (bas de la figure)

Figure 1. Cycle de respiration, sans phonation (haut de la figure) et avec phonation (bas de la figure)

5La phonation ne peut avoir lieu que lors de la phase d’expiration puisque les différentes sources de bruit phonatoires – voisement, friction et explosion – sont produites par le flux d’air expiré. Durant cette phase, le locuteur doit optimiser les durées des deux phases du cycle de respiration de manière à ce que :

  • d’une part, la durée d’inspiration soit la plus courte possible ou en tout cas corresponde à une absence de parole de durée acceptable selon les conditions particulières de production de son discours,

  • et d’autre part, la durée d’expiration soit la plus longue possible, ou en tout cas corresponde à l’estimation faite par le locuteur de la quantité d’air expiratoire nécessaire pour produire la séquence syllabique prévue, avec les paramètres de rythme, d’intensité et de fréquence laryngée voulus.

6La phonation consomme l’air des poumons en générant la pression sous-glottique nécessaire à la vibration des cordes vocales pour les sons voisés, la friction pour les consonnes fricatives et la pression intra-orale pour la production de consonnes occlusives.

7Or, on sait que la consommation d’oxygène et, partant, le cycle de respiration sont dépendants de l’état émotif du locuteur, et plus spécifiquement de ses besoins énergétiques. Le cycle sera beaucoup plus long au repos, et s’accélérera lors de l’accroissement de l’activité, jusqu’à devenir très réduit et ne permettre que des durées de phonation très courtes en cas d’effort physique intense (course à pied, nage, etc.). Le cycle de respiration asymétrique phonatoire dépend donc aussi des dépenses d’énergie liées à l’état émotif. Ainsi la dépression consomme-t-elle moins d’énergie que la phonation d’un locuteur avec une émotion plus neutre. Elle permet aussi, avec moins d’air pulmonaire, un rythme phonatoire plus lent tout en produisant le même nombre de syllabes. À l’inverse, certains types de colère consomment beaucoup d’énergie physique de la part du locuteur. On peut donc s’attendre dans ce cas à des séquences phonatoires plus courtes, qui n’atteignent parfois pas la durée d’un énoncé voire d’un syntagme complet, et qui sont terminées par des pauses inspiratoires relativement longues.

8Un exemple de phonation d’un locuteur essoufflé, donc nécessitant des pauses inspiratoires plus nombreuses et plus longues que d’ordinaire, est donné en fig. 2.

Figure 2. Exemple de locuteur essoufflé (NS) interrompant sa phonation par des pauses longues et plus nombreuses que dans des conditions standards

Figure 2. Exemple de locuteur essoufflé (NS) interrompant sa phonation par des pauses longues et plus nombreuses que dans des conditions standards

9Pour maîtriser sa parole, le locuteur doit donc gérer à tout moment son état physiologique, qui est lui-même conditionné par son état émotif. Il s’agit entre autres de contrôler le volume d’air à inspirer et à expirer pour maintenir une pression sous-glottique suffisante. Plus la dépense d’air pulmonaire est grande, moins la durée de phonation sera longue : c’est le cas lors d’une production à forte intensité acoustique, avec une fréquence laryngée plus élevée que la normale ou une amplitude de variation mélodique élevée (colère chaude, stress intense). À l’inverse, une dépense d’air pulmonaire faible détermine une parole de faible intensité, une fréquence laryngée basse et variant peu.

  • 1 L'expression contrôle des cordes vocales désigne en réalité l’ensemble des tensions musculaires con (...)

10Notons que la phase d’expiration de l’air des poumons nécessite un contrôle de la tension des cordes vocales1 de manière à compenser la diminution du volume d’air au cours de l’expiration. Le volume diminuant, la pression sous-glottique diminue mécaniquement et doit être compensée par le locuteur selon ses prévisions quant au nombre de syllabes à produire. Ce mécanisme n’est pas toujours complètement compensé par les muscles contrôlant l’expiration ; cela explique en grande partie la ligne de déclinaison de la fréquence laryngée observée, c’est-à-dire la tendance de la fréquence laryngée à être plus haute au début qu’en fin de phase d’expiration.

2. Le modèle source-filtre de la phonation

11On sait que la production de parole est soumise à la fois à des contraintes physiologiques et émotionnelles propres au locuteur, et en même temps aux contraintes phonologiques, syntaxiques et sémantiques qui permettent au langage de fonctionner. Un modèle particulièrement simple et souvent utilisé en traitement du signal de parole représente le processus de phonation par deux entités séparées, la source du son et le filtre qui en module les caractéristiques (fig. 3). Les caractéristiques de la source sont censées représenter à la fois les vibrations des cordes vocales pour les sons voisés (voyelles et consonnes fricatives voisées comme [v], [z], [ʒ]), mais aussi les bruits de friction utilisés pour produire les consonnes [f], [s], [ʃ] bien que la source de bruit de ces dernières ne soit pas en réalité localisée au niveau de la glotte. Le filtre, censé rendre compte de l’action du conduit vocal sur le son produit à la source, possède des caractéristiques permettant de moduler l’amplitude des harmoniques pour les sons voisés et des zones de bruit pour les fricatives. Quant aux occlusives [p], [t], [k], elles ne sont tout simplement pas prises en compte par ce modèle. Cela trouve une justification partielle dans la perception des occlusives essentiellement basée sur la détection des transitions des formants (zones d’harmoniques de forte intensité) devant une voyelle. Seules les occlusives voisées [b], [d], [g] sont partiellement modélisées par leur caractéristiques de voisement.

Figure 3. Modèle source-filtre de la phonation

Figure 3. Modèle source-filtre de la phonation

12Or si on désire représenter l’influence de l’état émotif du locuteur, il y a lieu de considérer les interactions qui se produisent nécessairement entre la source et le filtre (fig. 4). En effet, l’état émotif va déterminer les conditions physiologiques de la phonation, et agir sur la respiration, le volume d’air inspiré (donc le rythme), la pression sous-glottique et la tension des cordes vocales (déterminant la fréquence laryngée donc la hauteur de la voix), ainsi que sur le positionnement articulatoire (déterminant le timbre des voyelles). Cet état émotif va également agir sur les tensions musculaires responsables de la mise en place des articulateurs représentés par un filtre dans le modèle, et produire des effets secondaires sur les caractéristiques de la source (par exemple sur le contrôle de la fréquence laryngée et la position des articulateurs dans le conduit vocal).

Figure 4. Schéma des interactions du modèle source-filtre de la phonation et des émotions

Figure 4. Schéma des interactions du modèle source-filtre de la phonation et des émotions

3. La structure prosodique

13Venons-en à l’autre volet de cette étude portant sur les effets de l’état émotif du locuteur sur l’intonation de l’énoncé : la structure prosodique. Le concept le plus répandu de structure prosodique est dérivé du modèle phonologique autosegmental-métrique (dorénavant AM pour Autosegmental-Métrique, cf. Selkirk, 1978 entre autres). On trouve dans la littérature sur la phonologie de l’intonation, et en particulier dans les travaux autosegmentalistes mais aussi dans Martin (2009), des définitions formelles des groupes accentuels, selon les théories dominantes de l’époque voulant lier la structure prosodique de l’énoncé à la syntaxe. Si l’hypothèse d’une congruence nécessaire entre les structures syntaxique et prosodique a été abandonnée depuis quelques années, la syntaxe intervient toutefois dans la définition du groupe accentuel (AP accent phrase dans les approches AM). La syntaxe est alors basée sur une structure comprenant un noyau de catégorie Verbe, Adverbe, Nom ou Adjectif, donc des unités de classe ouverte ou ‘mots lexicaux’, autour duquel gravitent des unités de classe fermée, ou ‘mots grammaticaux’ tels que pronoms, conjonctions, etc. Ces unités grammaticales entretiennent des relations syntaxiques de dépendance (ou autres selon la théorie choisie) avec les mots lexicaux.

14Cette définition est invalidée par au moins deux observations. D’une part on trouve des mots grammaticaux pouvant former un seul groupe accentuel, comme par exemple moi dans moi mon papa il est président, et d’autre part des groupes accentuels peuvent être formés, du moins en français, avec plus d’un seul mot lexical, comme dans le frère de Max ou la ville de Meaux. De plus, on peut même trouver des exemples dans lesquels les groupes accentuels sont constitués d’une seule syllabe qui ne constitue pas une unité lexicale ou grammaticale, comme par exemple les trois syllabes po-li-ment dans je te le demande po-li-ment ou ré-pé-ter dans pourriez-vous ré-pé-ter ?, les syllabes étant détachées pour marquer l’emphase. Il nous faut donc abandonner cette définition du groupe accentuel basé sur l’assemblage de catégories morphologiques, et admettre leur indépendance par rapport à la syntaxe. Toutefois, une contrainte indépendante de la catégorie grammaticale des groupes accentuels existe, et limite le nombre de syllabes composantes à 7 (plus ou moins 2). Cette limite semble liée aux capacités de mémorisation de groupes d’objets d’une même classe (cf. Miller, 1956).

15L’énoncé est donc segmenté par la prosodie en groupes accentuels, qui peuvent donc être constitués aussi bien de syllabes, de mots lexicaux ou grammaticaux, ou encore de groupes de mots, et ceci indépendamment de tout critère syntaxique ou morphologique. Il existe toutefois une contrainte observable qui trouve du reste sa justification dans le processus de conversion des groupes accentuels en unités linguistiques de rang supérieur, la contrainte dite de « collision syntaxique » (Martin, 1987). Celle-ci interdit la constitution d’un groupe accentuel dont les mots correspondants (au sens de l’orthographe) seraient dominés immédiatement par un nœud de la structure syntaxique qui dominerait un autre mot appartenant à un autre groupe accentuel. Autrement dit, un groupe accentuel ne peut assembler des unités qui appartiendraient à deux groupes syntaxiques de premier niveau distincts. Ainsi il y a collision syntaxique dans [les éléphanteaux de] [Marie-Ségolène] réalisé avec les groupes accentuels les éléphanteaux de et Marie-Ségolène.

16En réalité, on rencontre ce type de découpage prosodique pour obtenir un effet phonostylistique par exemple, mais il ne fonctionne que si l’auditeur parvient à reconstituer les groupes syntaxiques, donc à réviser le premier découpage de l’énoncé obtenu par le décodage prosodique. Ceci revient à dire que la contrainte de collision syntaxique peut être levée pour autant que la conversion de la séquence de syllabes du groupe accentuel puisse être réalisée soit directement, soit dans une étape d’assemblage ultérieure par une révision obtenue lors de la constitution de la structure syntaxique et/ou de la structure informationnelle. Dans l’exemple précédent, le déterminant de serait alors rendu au groupe de Marie-Ségolène.

17Dans le processus de décodage opéré par le locuteur, les syllabes successives sont tronçonnées en groupes accentuels grâce notamment au caractère accentué de la dernière syllabe des groupes qui agit comme déclencheur (du moins en français). Ces groupes accentuels convertis en unités spécifiques sont mémorisés. Cependant, à l’instar des groupes de syllabes, ils ne peuvent être gardés en mémoire qu’en nombre limité (nombre de l’ordre de 7 du fait de la limitation des capacités humaines de mémorisation à court terme) et doivent être à leur tour convertis en unités de rang supérieur, et ainsi de suite jusqu’à l’obtention de l’entièreté de l’énoncé. Ces assemblages de groupes accentuels correspondent le plus souvent aux groupements définis par la syntaxe.

18Le mécanisme de conversion des séquences de groupes accentuels en syntagmes est semblable à celui des groupes de syllabes. Néanmoins, cette fois, le déclencheur dominant dans le processus est la reconnaissance des propriétés syntaxiques acquises par l’auditeur, auquel s’ajoute un autre élément déclencheur de nature accentuelle placé comme dans le cas des syllabes sur la dernière syllabe du dernier groupe accentuel de la séquence.

19Or, la nature des proéminences syllabiques n’est pas identique pour chacun des groupes. La dernière, en particulier, signale à l’auditeur la fin de l’énoncé ainsi que sa modalité déclarative ou interrogative (hors possibilités d’un ajout apparaissant après le contour mélodique conclusif de fin de phrase). Elle est instanciée par un contour mélodique spécifique en général plus long, de mélodie descendante et de niveau plus bas que les autres contours mélodiques placés sur les syllabes accentuées de l’énoncé. D’autres réalisations de ces marques conclusives déclaratives existent : dans le parler ‘jeune de banlieue’, par exemple, le contour conclusif déclaratif peut être réalisé court et de forte amplitude descendante.

20Les contrastes à réaliser entre les marques prosodiques indiquant à l’auditeur l’appartenance d’une séquence de groupes accentuels concaténés en une unité plus grande est de nature locale et non globale. Cela revient à dire qu’un contour mélodique réalisant une marque prosodique ne doit se différencier que de tous les autres contours qui pourraient apparaître à sa place ; cette différentiation n’implique que les traits acoustiques nécessaires et suffisants, tels que durée, hauteur et sens de variation mélodique, etc. Dans certaines circonstances professionnelles, certains locuteurs privilégient l’emploi de traits acoustiques spécifiques, tels que la hauteur mélodique plutôt que des contrastes de pente, tout en assurant les contrastes nécessaires et suffisants pour l’indication de la structure prosodique.

4. Catégories d’émotions

21On pourrait penser qu’il y a autant de découpages d’émotions en catégories différentes qu’il y a d’énonciateurs. Ainsi, dans ce qui paraît à beaucoup de points de vue être un continuum, Ekman (1982) distingue les catégories de base suivantes : Joie, Tristesse, Dégoût, Peur, Colère et Surprise, les émotions secondaires résultant des mélanges des émotions de base. La honte apparaît alors comme une émotion mixte, résultant un mélange de peur et de colère (bloquée ou retournée contre soi). Ce découpage, comme beaucoup d’autres, pose le problème de la terminologie des émotions, souvent influencée ou même déterminée par les catégories utilisées dans la langue (cf. terminologie des couleurs, de la qualité de la neige en inuktitut, etc.).

22Le tableau 2 donne quelques-uns des découpages adoptés ou étudiés par différents auteurs (Cook, 2002 ; Bänziger et al., 2001 ; Grichkovtsova et al., 2008 ; Inanoglu & Young, 2005 ; Léon, 1971 ; Mathon, 2009 ; Moral & Bänziger, 2004 ; Martin, 1972 ; Mozziconacci & Hermes, 1999 ; Paeschke & Sendlmeier, 2000 ; Rodero, 2011 ; Vroomen et al., 1993).

Tableau 2. Différents systèmes de catégorisation des émotions

Tableau 2. Différents systèmes de catégorisation des émotions

23Les contraintes physiologiques liées aux différentes émotions (avec une autre catégorisation) ont été souvent étudiées (ex. Sauleau, 2010). Les facteurs susceptibles d’influencer la phonation sont la salivation, la tension musculaire, la transpiration, et plus globalement la respiration, la pression sanguine et la fréquence cardiaque (tableau 3).

Tableau 3. Contraintes physiologiques de différentes émotions, d’après Sauleau (2010)

Tableau 3. Contraintes physiologiques de différentes émotions, d’après Sauleau (2010)

24Les paramètres de la phonation affectés par les émotions sont essentiellement :

  1. L’énergie, qui agit sur le voisement et le timbre vocalique ;

  2. La tension des cordes vocales, qui détermine la hauteur mélodique, et également le timbre vocalique ;

  3. L’articulation, autre facteur déterminant le timbre vocalique ;

  4. Le débit de parole, lié à l’articulation soignée/relâchée ;

  5. Le degré de voisement, qui caractérise le rapport source/bruit (souffle) ;

  6. L’insertion de souffle, indice d’irritation, de plaisir, de peur (valeur iconique) ;

  7. Les mouvements musculaires incontrôlés (tremblements), agissant sur la fréquence laryngée et donc sur F0, ainsi que sur le timbre vocalique ;

  8. La régulation de la respiration, qui détermine le positionnement des pauses.

25Il y a dominance de l’émotion lorsque les contraintes linguistiques ne sont plus respectées dans la réalisation des phonèmes voyelles et consonnes et dans le codage de la structure prosodique par des contours des syllabes accentuées. Il y a peu d’études sur cette coexistence et sur la dominance éventuelle réciproque de l’émotion sur le codage linguistique.

26Or, l’émotion affecte l’ensemble du processus de phonation (source laryngée et conduit vocal) et agit sur toutes les syllabes, alors que les variations dialectales ou idiosyncrasiques portent essentiellement sur les syllabes accentuées (proéminentes). Les cas extrêmes de ce processus sont représentés dans la figure 5. Les cas limites correspondent à deux cas :

  • la colère extrême (‘chaude’) ou le stress intense, pour lesquels l’émotion domine tout ou partie des réalisations phonologiques des marques prosodiques,

  • la parole synthétique par diphones, totalement dépourvue de contenu émotionnel, à la différence de la synthèse par corpus, c’est-à-dire par assemblage de segments de parole naturelle ; dans ce cas, sont présentes nécessairement les traces des émotions des locuteurs ayant participé à l’enregistrement des segments de parole lors de la constitution du corpus.

Figure 5. Cas extrêmes de domination émotion-phonologie : l’émotion domine la phonologie (colère intense) et la phonologie domine l’émotion (cas de la synthèse de la parole par diphones)

Figure 5. Cas extrêmes de domination émotion-phonologie : l’émotion domine la phonologie (colère intense) et la phonologie domine l’émotion (cas de la synthèse de la parole par diphones)

27La communication linguistique par la parole est toujours pourvue d’une émotion, qui se place entre ces cas extrêmes, et qui affecte à divers degrés les réalisations phonétiques des phonèmes.

28Les réalisations de contours mélodiques peuvent aussi varier selon l’appartenance sociogéographique des locuteurs, voire de leurs caractéristiques idiosyncrasiques. À chaque fois, l’auditeur doit être capable d’identifier les classes de contours à partir de ces réalisations particulières.

29L’effet de l’état émotif du locuteur sur ce mécanisme de codage de la structure prosodique peut être multiple, comme par exemple :

  1. Interruption d’un groupe accentuel de la structure prosodique, due à une gestion perturbée du cycle de respiration, en particulier de la phase d’expiration (cas de la peur et de la colère ‘chaude’). Les groupes accentuels peuvent alors devenir non identifiables ;

  2. Séquence de contours prosodiques incomplète, sans contour conclusif terminal ;

  3. Réalisations des contrastes acoustiques insuffisants pour permettre une identification correcte par l’auditeur, résultant par exemple en une structure prosodique plate (à un seul niveau par concaténation des groupes accentuels).

5. Morphing prosodique des émotions

  • 2 Le morphing a été obtenu par le logiciel WinPitchW7, 2012.

30Pour évaluer l’influence des émotions sur les réalisations des contours mélodiques indicateurs de la structure prosodique, on peut modifier par morphing prosodique2 les réalisations acoustiques des contours et obtenir ainsi des structures prosodiques phonologiquement identiques mais avec les effets simulés des émotions étudiées. L’exemple d’énoncé lu (en fig. 6) en donne un exemple : il est prononcé avec une intonation dite « neutre », qui est en réalité proche d’un investissement affectif distancié de la locutrice par rapport aux auditeurs éventuels (qui ne sont pas présents lors de l’enregistrement de cet énoncé lu).

Figure 6. Tracé mélodique correspondant à l’énoncé lu avec une émotion « neutre », le phénomène du télétravail commence à préoccuper le gouvernement

Figure 6. Tracé mélodique correspondant à l’énoncé lu avec une émotion « neutre », le phénomène du télétravail commence à préoccuper le gouvernement

31Deux modifications prosodiques globales sont ensuite apportées à cette réalisation. Le tracé mélodique de la figure 7 est obtenu après amplification des variations mélodiques exagérant les variations des contours, et accélération (globale) du débit (2,8 s au lieu de 3,4 s). La structure prosodique est évidemment préservée, mais l’écoute de l’énoncé resynthétisé fait apparaître une réalisation jugée plus assertive et plus joyeuse. Cette modification est souvent utilisée pour les messages publicitaires télévisés.

Figure 7. Tracé mélodique correspondant à l’énoncé lu le phénomène du télétravail commence à préoccuper le gouvernement obtenu après amplification des variations mélodiques et accélération du débit

Figure 7. Tracé mélodique correspondant à l’énoncé lu le phénomène du télétravail commence à préoccuper le gouvernement obtenu après amplification des variations mélodiques et accélération du débit

Figure 8. Tracé mélodique correspondant à l’énoncé lu le phénomène du télétravail commence à préoccuper le gouvernement obtenu après aplatissement des variations mélodiques

Figure 8. Tracé mélodique correspondant à l’énoncé lu le phénomène du télétravail commence à préoccuper le gouvernement obtenu après aplatissement des variations mélodiques

32L’effet inverse est obtenu en aplatissant les variations mélodiques (fig. 8), l’énoncé étant perçu cette fois comme prononcé par une locutrice triste et déprimée. Les contrastes de durée syllabique sont conservés, assurant une indication phonologique correcte de la structure prosodique, en l’absence de tout mouvement mélodique.

33Une manipulation simplifiée de la prosodie d’un énoncé peut opérer sur la fréquence laryngée, les durées syllabiques et l’intensité. On peut en prévoir les paramètres par exemple pour les 4 catégories suivantes :

34a. « Tristesse »

  • Faible activité physiologique

  • Intensité plus faible

  • Fréquence laryngée plus basse et avec moins de variations

  • Débit plus lent

  • Codage de la structure prosodique par les seules durées syllabiques et accessoirement l’intensité (cf. voix chuchotée).

35Effet sur la structure prosodique : faibles variations de fréquence laryngée, coûteuse en pression sous-glottique et donc en air expiré. Pour maintenir les contrastes nécessaires au codage de la structure prosodique, les durées syllabiques deviennent plus importantes, mais les possibilités de maintenir un réseau de contrastes nécessaires et suffisants pour assurer la différenciation des marques prosodiques en plus de deux ou trois classes sont réduites. Un cas extrême est donné par la voix chuchotée, pour laquelle les durées des syllabes accentuées sont augmentées de 30 % ou plus, de manière à permettre le codage de classes de durée qui puisse être identifié par l’auditeur.

36b. « Colère » (chaude)

  • Forte activité physiologique

  • Intensité plus forte (cris)

  • Fréquence laryngée plus haute avec variations brutales

  • Débit plus rapide

  • Codage de la structure prosodique perturbée ou complètement erratique, lié à une mauvaise régulation de l’air expiré (cf. nage).

37Effet sur la structure prosodique : mauvais contrôle de la pression sous-glottique et du flux d’air expiré, notamment en cas de forte activité physiologique due à l’état émotif de colère. La fréquence laryngée est souvent plus élevée que la normale et présente souvent des variations mélodiques erratiques sur les syllabes non accentuées. Les classes de contours prosodiques ne sont pas correctement différenciées et les groupes de souffle (séquences de groupes accentuels entre deux phases d’inspiration successives) sont réduits. Il peut aussi se produire un mauvais contrôle de la tension des cordes vocales se traduisant par des petites variations rapides de la fréquence laryngée (tremblements). D’autre part, on observe une augmentation de la moyenne de la fréquence laryngée ainsi que celle du débit de parole (Mathon, 2009). Il semble que plus ces paramètres augmentent, plus le degré de colère est perçu comme important. Cela semble dû à la nécessité pour le locuteur de prononcer le nombre de syllabes souhaité avec moins d’air pulmonaire que prévu, du fait de la consommation physiologique nécessaire pour maintenir son degré de colère. Cette gestion du flux syllabique contraste avec celle de la peur, pour laquelle la moindre quantité d’air pulmonaire disponible se traduit par des séquences syllabiques plus courtes (dues à des phases d’expiration plus courtes). Ce débit syllabique accéléré possède également une fonction iconique (on martèle les syllabes « sur » l’auditeur).

38c. « Joie »

  • Activité physiologique moyenne

  • Intensité moyenne

  • Fréquence laryngée moyenne mais avec plus de variations ‘douces’

  • Débit plus rapide.

39Effet sur la structure prosodique : la pression sous-glottique et le flux d’air expiré sont un peu plus importants que la normale, mais restent modérés. La dépense d’énergie du locuteur se traduit par des variations de fréquence laryngée plus importantes, et un débit syllabique plus rapide. La fonction iconique est assurée par une activité physiologique plus grande qui se traduit par des variations mélodiques plus importantes.

40d. « Peur et stress intense » (cf. Demenko et Jastrzebska, 2012)

  • Activité physiologique moyenne ou forte

  • Intensité plus forte (paralysie temporaire)

  • Forte augmentation des valeurs de fréquence laryngée minimales et maximales

  • Débit parfois très rapide (urgence dans la transmission du message linguistique)

  • Codage de la structure prosodique perturbé (peu de congruence avec la syntaxe), avec réduction des variations mélodiques permettant l’identification des contours par l’auditeur.

41Effet sur la structure prosodique : mauvais contrôle de la pression sous-glottique et du cycle de respiration, qui se traduit par des variations faibles mais rapides de la fréquence laryngée, présentant souvent des tremblements résultant de micro-variations musculaires au niveau de la tension des cordes vocales, ainsi que par des cycles de respiration très courts et des groupes de souffle réduits.

42Les systèmes de synthèse de la parole relativement anciens opèrent par concaténation de diphones, et utilisent des variations mélodiques très simplifiées ne présentant aucune variation corrélée à une émotion particulière. On s’est aperçu ensuite rapidement qu’il était possible d’améliorer la compréhension en ajoutant de l’émotion à la voix synthétique.

43Les annonces publicitaires radio ou télévisées font souvent appel à un débit de parole accéléré, à la fois pour donner à l’auditeur une impression de dynamisme et d’émotion positive, et aussi pour tenir dans les limites de temps des spots souvent très coûteux. On y fait également appel pour donner des informations légales obligatoires, avec une iconicité faisant penser aux ‘petits caractères’ des publicités écrites. Réalisées avec une articulation soignée à débit normal, ces annonces sont ensuite accélérées par morphing prosodique permettant de garder une bonne compréhension de la part de l’auditeur malgré un débit très rapide.

Conclusion

44En explorant les interactions entre les états émotionnels et les réalisations de la structure prosodique, on se rend compte de la forte résilience des marques prosodiques qui indiquent cette structure, qui continuent à assurer leur fonction indicatrice de la structure prosodique malgré les possibles modifications de leurs caractéristiques acoustiques dues aux états émotifs du locuteur. Ceci s’explique, entre autres, par le système de contrastes utilisant seulement les traits nécessaires et suffisants pour donner suffisamment d’informations à l’auditeur pour reconstituer la hiérarchie des groupes accentuels voulue par l’auditeur. De plus, même si la structure prosodique n’est pas décodée correctement, la reconstitution de la structure syntaxique pourra se faire à l’étape de compréhension suivante, permettant malgré tout l’accès au sens. Ce sont ces processus de codage successifs, prosodique, syntaxique, morphologique et informationnel, ne fonctionnant pas en parallèle mais l’un à la suite de l’autre, qui rendent la parole aussi résistante au bruit de la communication. Chacune de ces structurations apporte des informations complémentaires ou redondantes à l’auditeur quant aux organisations hiérarchiques relatives à chacun des domaines codés. Cette complémentarité et cette redondance rendent le codage des différentes informations contenues dans l’énoncé particulièrement résistant au ‘bruit’ conféré par l’émotion, émotion par ailleurs indispensable pour assurer une bonne compréhension du message, comme le démontrent a contrario les dispositifs de synthèse qui en sont dépourvus.

Bibliographie

Bänziger, T., Grandjean, D., Bernard, P. J., Klasmeyer, G., Scherer, K. R., 2001, « Prosodie de l’émotion : étude de l’encodage et du décodage », Cahiers de linguistique française 23, p. 11-37.

Bänziger, T., Scherer, K.R., 2005, « The role of intonation in emotional expressions », Speech Communication 46, p. 252-267.

Cook, N. D., 2002, Tones of Voice and Mind, Pertinence perceptive des configurations intonatives en parole émotionnelle, Amsterdam, Benjamins.

Demenko, G. & Jastrzebska, M., 2012, « Analysis of voice stress in call centers conversations », Proc. Speech Prosody 2012, p. 183-186.

Ekman, P., 1999, « Basic Emotions », in Daigleish, T., Pawer, M. (éds), Handbook of Cognition and Emotion, New York, Wiley & Sons, p. 45-60.

Fónagy, I., Magdics, K., 1963, « Emotional patterns in intonation and music », Z. Phon. 16 (1-3), p. 293-326.

Grichkovtsova, I., Morel, M., Lacheret, A., 2008, « Identification des émotions en voix naturelle et synthétique : paradigme d’ancrage », Actes des 27es Journées d’étude sur la parole, Avignon, France, papier 1643.

Inanoglu, Z., Young, S., 2005, « Intonation Modelling and Adaptation for Emotional Prosody Generation », in ACII, p. 286-293.

Léon, P. R., 1971, Essais de phonostylistique, Studia Phonetica 4, Paris, Didier.

Martin, Ph., 1972, « Reconnaissance automatique de patrons intonatifs », Acta Universitatis Carolinae Philologica 1, Phonetica Pragensia 3, p. 77-81.

Martin, Ph., 1987, « Prosodic and Rhythmic Structures », French Linguistics 25 (5), p. 925-949.

Martin, Ph., 2009 Intonation du français, Paris, Armand Colin.

Mathon, C., 2009, « Expression of Anger in Spontaneous Dialogues in French », in Lanalasi linguistice e letteraria, I.A.D.A. Wokshop, Word Meaning in Argumentative Dialogue, Milan, 15-17 mai 2008.

Miller, G. A., 1956, « The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information », The Psychological Review 63, p. 81-97.

Moral, M., Bänziger, T., 2004, « Le rôle de l’intonation dans la communication vocale des émotions : test par la synthèse », CILL 30 (1-3), p. 207-232.

Mozziconacci, S., Hermes, D. J., 1999, « Role of intonation patterns in conveying emotion in speech », Proceedings ICPhS99, San Francisco, p. 2001-2004.

Paeschke, A., Sendlmeier, W. F., 2000, « Prosodic Characteristics of Emotional Speech: Measurements of Fundamental Frequency Movements », Proceedings ISCA Workshop On Speech and Emotions, Belfast, p. 75.

Rodero, E., 2011, « Intonation and Emotion. Influence of pitch levels and contour pitch on creating emotions », Journal of Voice 25 (1), p. 25-34.

Sauleau, P., 2010, « Physiologie des émotions et de la motivation », Polycopié cours du Pr Sauleau, physio-pharmacologie, Université Rennes 1.

Selkirk, E. O., 1978, « On prosodic structure and its relation to syntactic structure », in T. Fretheim (éd.), Nordic Prosody II, Trondheim, TAPIR, 111-140.

Vroomen, J., Collier, R., Mozziconacci, S., 1993, « Duration and intonation in emotional speech », Proceedings of the Third European Conference on Speech Communication and Technology, Berlin, p. 577-580.

WinPitchW7 (2012) http://www.winpitch.com

Notes

1 L'expression contrôle des cordes vocales désigne en réalité l’ensemble des tensions musculaires contrôlant le positionnement et l’élongation des cordes vocales.

2 Le morphing a été obtenu par le logiciel WinPitchW7, 2012.

Table des illustrations

Titre Figure 1. Cycle de respiration, sans phonation (haut de la figure) et avec phonation (bas de la figure)
URL http://books.openedition.org/psn/docannexe/image/2469/img-1.jpg
Fichier image/jpeg, 116k
Titre Figure 2. Exemple de locuteur essoufflé (NS) interrompant sa phonation par des pauses longues et plus nombreuses que dans des conditions standards
URL http://books.openedition.org/psn/docannexe/image/2469/img-2.jpg
Fichier image/jpeg, 156k
Titre Figure 3. Modèle source-filtre de la phonation
URL http://books.openedition.org/psn/docannexe/image/2469/img-3.jpg
Fichier image/jpeg, 56k
Titre Figure 4. Schéma des interactions du modèle source-filtre de la phonation et des émotions
URL http://books.openedition.org/psn/docannexe/image/2469/img-4.jpg
Fichier image/jpeg, 104k
Titre Tableau 2. Différents systèmes de catégorisation des émotions
URL http://books.openedition.org/psn/docannexe/image/2469/img-5.jpg
Fichier image/jpeg, 120k
Titre Tableau 3. Contraintes physiologiques de différentes émotions, d’après Sauleau (2010)
URL http://books.openedition.org/psn/docannexe/image/2469/img-6.jpg
Fichier image/jpeg, 188k
Titre Figure 5. Cas extrêmes de domination émotion-phonologie : l’émotion domine la phonologie (colère intense) et la phonologie domine l’émotion (cas de la synthèse de la parole par diphones)
URL http://books.openedition.org/psn/docannexe/image/2469/img-7.jpg
Fichier image/jpeg, 136k
Titre Figure 6. Tracé mélodique correspondant à l’énoncé lu avec une émotion « neutre », le phénomène du télétravail commence à préoccuper le gouvernement
URL http://books.openedition.org/psn/docannexe/image/2469/img-8.jpg
Fichier image/jpeg, 116k
Titre Figure 7. Tracé mélodique correspondant à l’énoncé lu le phénomène du télétravail commence à préoccuper le gouvernement obtenu après amplification des variations mélodiques et accélération du débit
URL http://books.openedition.org/psn/docannexe/image/2469/img-9.jpg
Fichier image/jpeg, 132k
Titre Figure 8. Tracé mélodique correspondant à l’énoncé lu le phénomène du télétravail commence à préoccuper le gouvernement obtenu après aplatissement des variations mélodiques
URL http://books.openedition.org/psn/docannexe/image/2469/img-10.jpg
Fichier image/jpeg, 113k

Auteur

LLF, UFRL, Université Paris Diderot Sorbonne Paris Cité

© Presses Sorbonne Nouvelle, 2013

Conditions d’utilisation : http://www.openedition.org/6540