La reconnaissance des mots parlés1
p. 25-39
Full text
Introduction
1Dans ce chapitre, nous examinons les processus de traitement impliqués dans la conversion du signal de parole en une interprétation. Pour déterminer le sens d’un énoncé, il est nécessaire de mobiliser les connaissances stockées dans le lexique mental. Ces connaissances fondent les associations arbitraires entre formes sonores et significations pour tous les mots connus de l’auditeur. La reconnaissance des mots et l’accès à ces connaissances dans le lexique reposent sur un ensemble de processus essentiels à la compréhension du langage oral.
2Pour le psycholinguiste qui se fixe pour but d’étudier le fonctionnement du traitement lexical, le langage oral soulève de multiples problèmes d’une grande complexité. En effet, dans une situation de communication ordinaire, l’auditeur doit traiter environ 200 à 300 mots par minute. Ne disposant que de quelques centaines de millisecondes pour extraire chaque mot d’un lexique mental très large (50 000 à 100 000 entrées), il doit en outre, faire face à la variabilité inter et intra individuelle des sons de la parole et pallier la difficulté d’écoute due à l’environnement bruité dans lequel se déroulent souvent les échanges verbaux. Enfin, il doit être capable d’établir une relation entre deux univers foncièrement hétérogènes, l’univers physique des sons de la parole, et l’univers symbolique des mots, des phrases et du discours. L’objet de cette contribution est de présenter un résumé de ce que nous savons aujourd’hui sur les mécanismes cognitifs permettant à l’auditeur de reconnaître les mots parlés avec autant d’efficacité.
3Les principaux niveaux de traitement généralement supposés intervenir dans la reconnaissance des mots – c’est-à-dire la perception de la parole et l’identification lexicale – sont représentés sur la figure 1.
Le traitement des mots parlés

Figure 1. – Présentation schématique du traitement lexical.
4Découpé en segments phonologiques grâce à une opération de segmentation, le signal de parole est transformé, par l’intermédiaire du système auditif, en une représentation que nous qualifierons cl’« infra-lexicale », qui constitue une interface entre la réalité acoustique du signal et le lexique. Chaque « bout » de signal est ainsi associé à une unité phonétique particulière (opération de catégorisation) ce qui permet la conversion de la chaîne parlée en une séquence d’unités discrètes.
5Chaque entrée lexicale est associée à une représentation particulière de sa forme sonore, désignée ici sous le terme de représentation phonologique lexicale. Lors de l’identification lexicale, la représentation infra-lexicale est alors alignée (opération d’alignement) et comparée (opération d’appariement) avec ces représentations phonologiques lexicales, afin de déterminer quelles entrées lexicales correspondent au signal.
6Une fois l’identification lexicale accomplie, les informations relatives à la forme (morpho/phonologique, orthographique) et au contenu (sémantique, syntaxique) de l’entrée lexicale deviennent accessibles à l’auditeur. Nous réserverons le terme accès au lexique pour désigner le processus permettant à l’auditeur de prendre connaissance de ces différentes informations. Précisons enfin que le terme de reconnaissance des mots recouvrira dans ce texte, à la fois la perception de la parole, l’identification lexicale et l’accès au lexique. Enfin, les informations sémantiques et syntaxiques sont combinées et intégrées pour aboutir à une interprétation de l’énoncé.
7Après avoir décrit les principales caractéristiques de la modalité orale et mis en évidence les problèmes qui lui sont relatifs dans la perception de la parole, nous présenterons une discussion sur les processus et les unités participant au traitement lexical suivant le schéma donné. Nous examinerons d’abord le passage du signal à la représentation infra-lexicale et ensuite, l’étape permettant à l’auditeur de passer de cette dernière aux représentations stockées dans le lexique.
Le signal sonore et son défi
8Le signal de parole présente au moins deux propriétés spécifiques qui posent un véritable défi aux chercheurs s’efforçant de comprendre les processus impliqués dans le traitement lexical. En premier lieu, la parole est continue. Contrairement à l’écriture, le signal de parole ne comporte pas d’espaces ou de silences, signalant à l’auditeur où se situent les frontières phonémiques ou lexicales, par exemple. En deuxième lieu, la parole est variable : un mot est rarement produit deux fois exactement de la même façon, et il présente des différences substantielles sur le plan phonologique et/ou phonétique selon le locuteur (son âge, son sexe, son origine, par exemple). Chaque mot se matérialise ainsi par une infinité de formes sonores différentes, que l’auditeur doit se montrer capable de ramener à une entité lexicale unique. En outre, les processus phonologiques mis en application dans certains contextes phonologiques, ainsi que les variations de débit de parole, contribuent à modifier davantage la forme sonore de chaque mot. Cette variabilité complexifie considérablement la relation entre formes sonores et entités lexicales.
9Ces caractéristiques de la parole – continuité et variabilité – compliquent la tâche du système de reconnaissance des mots, du moins tel qu’il est présenté sur la figure 1. Pour que les mots puissent être identifiés correctement, deux problèmes majeurs doivent être résolus : le problème de la segmentation et celui de la catégorisation ; et ce, à deux niveaux de traitement différents : lors du passage du signal à la représentation infra-lexicale, ainsi que dans l’étape qui conduit de cette dernière aux représentations lexicales.
10Le problème de la segmentation réside dans le fait qu’il est difficile de découper le signal acoustique en portions que l’on peut associer membre à membre à une unité linguistique unique, qu’il s’agisse de phonèmes, de syllabes, ou de mots. Si l’on postule que cette représentation prend la forme d’une chaîne de phonèmes par exemple, il est extrêmement difficile de repérer, dans le signal, des événements acoustiques susceptibles de coïncider de manière systématique avec des frontières phonémiques. La question, pour l’auditeur, est également de déterminer où commence et où se termine chaque mot, en l’absence de pause. La difficulté de la tâche tient, en partie, au fait que le signal parvient à l’auditeur séquentiellement et qu’une séquence de phonèmes interprétable comme un mot, peut se révéler faire partie d’un mot plus long (problème des mots enchâssés comme « chat » dans « enchâssés »).
11Le problème de la catégorisation trouve son origine dans le fait que les sons de la parole présentent une variabilité extrêmement large imputable à de multiples sources (variabilité inter-locuteurs, variabilité contextuelle). Ce problème se pose lui aussi – en des termes différents – à chaque niveau de traitement. Au niveau infra-lexical, la correspondance entre formes sonores et unités infra-lexicales possède un caractère non-biunivoque. De la même manière, la relation entre représentation infra-lexicale et lexique se montre non-biunivoque. En effet, un même mot peut être associé à différentes représentations infra-lexicales (ex. : « quatre » peut se prononcer [katR] ou, dans un style plus familier, [kat]) ; à l’inverse, des mots de significations différentes peuvent se prononcer de la même manière (les homophones). En conséquence, l’auditeur se heurte également à un problème de catégorisation quand il doit mettre en correspondance la représentation infra-lexicale et les entrées du lexique (processus d’appariement).
De la parole à la représentation infra-lexicale : traitement et unités perceptives
12On s’est beaucoup interrogé sur la structure interne de la représentation infra-lexicale que l’auditeur construit dans la reconnaissance lexicale. Dans la plupart des modèles actuels de traitement de la parole, ces représentations sont décomposables en une séquence d’unités élémentaires, le plus souvent définies en termes linguistiques : le trait distinctif, le phonème, et la syllabe, en particulier. Il s’agit alors d’unités de catégorisation. En effet, une distinction importante est à établir entre ces unités et les unités de segmentation. Cutler et Norris (1988) ont suggéré que le processus de segmentation et le processus de catégorisation s’accomplissent de manière indépendante et sur la base d’unités de tailles différentes. Dans cette section, nous examinerons les hypothèses portant sur ces deux types d’unités.
Les unités de catégorisation
13On a longtemps supposé que la représentation infra-lexicale consistait en une séquence linéaire de phonèmes (voir par exemple, Pisoni & Luce, 1987). Toutefois, les psycholinguistes et phonéticiens ont également proposé d’autres unités de catégorisation comme le gabarit spectral (Klatt, 1980), les traits distinctifs (Lahiri & Marslen-Wilson, 1991 ; Marslen-Wilson & Warren, 1994), les demi-syllabes (Samuel, 1989), les morae (Cutler & Otake, 1994), la syllabe (Mehler, 1981 ; Segui, Dupoux & Mehler, 1990), et des unités prosodiques (Grosjean & Gee, 1987).
14Cutler et Norris (1985) ont identifié trois caractéristiques générales que doit posséder une unité pour pouvoir fonctionner comme unité perceptive. Selon ces auteurs, elle doit 1) être reconnaissable de manière fiable dans le signal de parole, 2) autoriser une « transcription » de toute la chaîne parlée correspondant à un énoncé et 3) être compatible avec – ou de même taille que – les unités composant la représentation lexicale, pour permettre un appariement entre ces deux représentations. Même si ces caractéristiques sont clairement justifiées et nécessaires, elles n’imposent pas suffisamment de contraintes pour choisir entre les unités proposées ci-dessus. Il est donc utile d’y ajouter d’autres critères plus contraignants, et qui tiennent davantage compte du traitement de la parole. En effet, deux dimensions, qui dépendent toutes deux de la taille de l’unité, sont pertinentes : le caractère immédiat de l’analyse du signal et la fiabilité de cette analyse.
15La taille de l’unité de catégorisation a une incidence sur la rapidité des processus de perception. En effet, plus l’unité est petite, plus le temps de sa catégorisation et, ainsi, le temps d’appariement avec le lexique est court. Certaines données, basées sur la méthode de gating (voir Grosjean, 1996), vont dans le sens d’une catégorisation rapide et d’un appariement immédiat (Warren & Marslen-Wilson, 1987, 1988 ; Lahiri & MarslenWilson, 1991). Cette méthode consiste à présenter un mot-cible par morceaux de durée croissante, les sujets ayant pour consigne de deviner, après chaque morceau, quel est le mot. La technique permet ainsi d’établir avec précision, à partir de quel point dans le signal, il devient possible au sujet d’identifier correctement le mot présenté. Dans une expérience réalisée sur l’anglais britannique, par exemple, Warren et Marslen-Wilson (1987) ont fait apparaître qu’un auditeur se montre capable de déterminer si un mot monosyllabique se termine par une consonne nasale (ex. : « drown »,/draun/), ou non-nasale (ex. : « drought », /draut/), dès la fin de la voyelle. Selon les auteurs, ces résultats montrent que le trait de nasalité entre directement enjeu dans la sélection des unités lexicales, dès que sa présence est détectée dans le signal, alors qu’un modèle phonémique classique conduirait à prédire que le mot est reconnu plus tardivement, après la catégorisation de la consonne finale. De la même manière, les modèles syllabiques peuvent introduire des délais dans le traitement. L’auditeur attendrait la fin de la syllabe (par exemple, l’arrivée de la coda d’une syllabe) dans la représentation infra-lexicale, pour commencer l’appariement avec le mot monosyllabique.
16Les exigences d’une catégorisation immédiate de l’unité sont en conflit avec celles de la fiabilité de leur analyse. Par exemple, les modèles phonémiques doivent apporter une solution au problème de catégorisation lié aux phénomènes de coarticulation, prévalents dans la production de la parole. Chaque phonème est soumis à l’influence des phonèmes qui lui sont adjacents, rendant son identification plus difficile. Par contre, les effets de coarticulation sont moins marqués à la frontière entre deux syllabes, qu’à l’intérieur d’une syllabe. Ainsi, les variations contextuelles seraient moins importantes au niveau de la syllabe qu’au niveau du phonème, rendant l’identification du premier plus facile.
17Il apparaît donc que les expériences visant à déterminer la nature des unités de catégorisation dans le traitement de la parole, ont abouti à des résultats disparates et ne nous permettent pas d’identifier d’une manière définitive ces unités. Ce fait met en question l’idée selon laquelle le traitement de la parole se fonde sur une unité de catégorisation infra-lexicale et une seule. En effet, les unités semblent varier selon la langue étudiée et les procédures expérimentales adoptées.
18Un grand nombre de travaux s’insérant dans une tradition comparative, indiquent que représentations et unités sont susceptibles de varier dans leur structure d’une langue à l’autre. Ainsi, des recherches inter-langues faisant appel à la tâche de détection de fragments ont abouti à des résultats assez variés en fonction de la langue examinée. Cutler et ses collaborateurs (Cutler etal., 1983) ont conduit une série d’expériences en français et en anglais, dont les résultats montrent un effet syllabique en français seulement. D’autres études réalisées sur le japonais, le catalan, l’espagnol et le hollandais ont donné lieu à des résultats différents selon les propriétés phonologiques de chaque langue (Kolinsky, 1998).
19Il est souvent difficile, pour le chercheur, de déterminer, avec précision, à quel niveau de traitement doivent être rapportés les résultats observés, dans la mesure où la réponse dépend de la procédure expérimentale utilisée (détection de fragment par exemple, ou amorçage phonologique), et des conditions expérimentales. Ainsi, certains modèles récents (voir par exemple Kolinsky, 1998) établissent une distinction entre plusieurs étapes de traitement (perceptuelles et post-perceptuelles) pouvant faire appel à des unités différentes.
Les unités de segmentation
20L’opération de segmentation permet à l’auditeur de découper la parole continue et de trouver des points d’alignement avec le début des mots stockés dans le lexique. Selon les théories, la conception de l’unité de segmentation et la nature de l’opération de segmentation sont différentes. Selon une approche traditionnelle, la segmentation consiste à localiser les frontières qui délimitent une unité. Cette unité correspond alors à l’unité de classification, et l’alignement consiste à mettre en correspondance le début de cette unité et le début d’un mot.
21Plus récemment, la façon dont la segmentation est conceptualisée a évolué. Selon une nouvelle approche, la segmentation ne consiste plus à délimiter une unité, mais plutôt à identifier, dans le signal, des points importants comme son début. Ces points peuvent servir à la segmentation lexicale en étant des points d’alignement avec le lexique. Dans un exemple de cette approche (décrit p. 35-36), les auteurs supposent que le début des syllabes fortes en anglais sert comme point de segmentation et d’alignement avec le lexique. Tous les mots qui commencent ou qui sont alignés avec ce point, entrent dans la compétition entre hypothèses lexicales. Selon une proposition similaire faite pour le français par Content, Kearns & Frauenfelder (2001), les débuts de syllabes sont utilisés par les auditeurs français comme point d’alignement.
Des représentations infra-lexicales au lexique : l’identification lexicale
22Pour caractériser les processus mis en jeu dans l’identification lexicale, tout modèle doit spécifier la manière dont la représentation infra-lexicale, construite à partir du signal, est alignée et comparée avec les représentations stockées dans le lexique mental. Dans ce qui suit, ces opérations d’appariement et d’alignement sont discutées à la lumière des différents modèles de reconnaissance de mots parlés comme : COHORT (Marslen-Wilson & Welsh, 1978), TRACE (McClelland & Elman, 1986) et SHORTLIST (Norris, 1994).
Mécanismes d’appariement lexical
23Dans les modèles d’activation directe (cf. Morton, 1969), la représentation infra-lexicale est comparée simultanément à toutes les entrées lexicales. L’état de chaque entrée, ou son niveau d’activation, dépend de la quantité et de la qualité de sa concordance (son degré de similitude) avec la représentation infra-lexicale. Ces modèles s’accordent globalement sur le fait que, dans un premier temps, une multitude de candidats lexicaux sont activés, et puis une réduction des candidats s’effectue. Toutefois, ils diffèrent dans la spécification sur deux points interdépendants : la tolérance à la distorsion de l’input dans la phase initiale d’activation, et la manière dont le nombre de candidats initialement activés est réduit au profit de la cible. Certains modèles (COHORT) proposent que l’activation requiert une concordance exacte, tandis que d’autres, plus tolérants (comme TRACE et SHORTLIST), suggèrent que l’activation lexicale peut varier : plus la concordance est grande, plus grande est l’activation du mot. Le deuxième point de désaccord réside dans le fait que, pour certains modèles, les candidats qui ne correspondent pas à l’input, sont désactivés au moyen d’une inhibition latérale (par ex. : TRACE), alors que pour d’autres, la désactivation résulte d’une inhibition de type de bas-en-haut (COHORT) ou des deux (SHORTLIST). Nous allons, à présent, examiner ces propositions concernant l’activation multiple et la sélection.
Multiple activation : flux de bas en haut
24La manière dont les entrées du lexique sont activées en parallèle par le signal de parole, fait l’objet de propositions très précises dans le modèle COHORT. Selon ce modèle, sont activés, dans un premier temps, les mots dont la partie initiale (premier ou deux premiers phonèmes) correspond exactement avec celle de la représentation infra-lexicale. Ces mots constituent la cohorte initiale. Dans un second temps, et au fur et à mesure que se poursuit le traitement du signal d’entrée, les mots candidats sont éliminés de la cohorte, dès qu’ils cessent de correspondre exactement avec le signal (désactivation causée par un mécanisme d’inhibition de bas en haut). Un mot présenté hors contexte, devrait donc être reconnu à partir du moment où il est le seul à figurer encore dans sa cohorte, c’est-à-dire à son point d’unicité. Ainsi, on postulera que le mot « éléphant » est reconnu à partir du phonème /f/, dans la mesure où le lexique ne comporte pas d’autres mots commençant aussi par la séquence « /elef/ ».
25Dans une étude importante appuyant l’hypothèse de l’activation multiple des candidats lexicaux, Zwitserlood (1989) utilise la procédure d’amorcage transmodal. Dans cette procédure, on présente au sujet une phrase parlée, ou bien encore une liste de mots parlés isolés (ou de non-mots). Pendant, ou juste après l’audition du mot-amorce, une séquence de lettres écrites est présentée sur un écran, la tâche étant de déterminer si cette séquence est un mot ou un non-mot (décision lexicale). Dans la condition critique, le mot visuel possède une relation sémantique avec le mot présenté auditivement, ou avec l’un de ses compétiteurs. Les TR enregistrés dans cette condition, sont comparés avec les TR obtenus dans une condition contrôle (absence de lien sémantique entre amorce auditive et séquence visuelle). Toute réduction du TR dans la condition avec lien, par rapport à la condition sans lien, est interprétée comme indiquant que l’amorce ou ses compétiteurs ont donné lieu à une activation sémantique. Zwitserlood a fait apparaître que le sens du mot-cible et celui du mot compétiteur sont tous les deux activés, aussi longtemps que l’information sensorielle ne permet pas de les différencier. Ainsi, lorsque le fragment de mot parlé [kapi] est présenté au sujet, le sens du mot « capitaine » et celui du mot « capital » sont simultanément activés, en facilitant une décision lexicale portant sur des mots qui leur sont reliés sémantiquement tels que « bateau » et « argent » respectivement, par rapport à une situation de contrôle neutre. Ce résultat est en accord avec les modèles supposant une activation de bas en haut, et avec l’idée selon laquelle tous les compétiteurs appariés et alignés avec le mot d’entrée sont activés au cours du traitement.
Sélection : inhibition latérale et inhibition de bas en haut
26Il n’existe pas encore un accord entre chercheurs concernant la manière dont les candidats inappropriés sont éliminés de l’ensemble des compétiteurs et dont le mot-cible est sélectionné. On peut établir une distinction entre deux principaux mécanismes de sélection. Selon le premier, la sélection lexicale s’accomplit au moyen d’une inhibition de bas en haut. Comme décrit précédemment pour le modèle COHORT, lorsque l’information sensorielle reçue n’est plus compatible avec un candidat, ce candidat est désactivé. Selon le second mécanisme, la réduction du nombre de compétiteurs s’opère à travers un processus d’inhibition latérale. Cette inhibition entre compétiteurs lexicaux permet à ceux dont le niveau d’activation est le plus élevé, et en particulier le mot-cible, de prédominer et d’éliminer les compétiteurs plus faibles.
27Des données en faveur d’une inhibition de bas en haut ont été obtenues, entre autres, par Frauenfelder, Scholten & Content (2001). Dans cette étude, les sujets avaient pour consigne de détecter aussi rapidement que possible des phonèmes-cibles prédéterminés. Les séquences porteuses étaient, pour une part, des non-mots construits en modifiant un phonème en position non-initiale (ex. : /n/) dans un mot de référence (ex. : « vocabunaire »). Le phonème à détecter (ex. : /r/) se situait après le phonème modifié (ex. : /n/). Les temps de réaction (TR) ne présentaient pas de différence significative avec des non-mots de contrôle, non susceptibles de donner lieu à une activation lexicale (ex. : « satobunaire »), mais ils étaient beaucoup plus lents que les TR relatifs aux mots d’origine (« vocabulaire »). Ces résultats suggèrent qu’un phonème non-apparié (/n/ dans « vocabunaire ») désactive immédiatement le candidat lexical compatible avec la première partie du stimulus. De telles données sont en accord avec les modèles comportant un mécanisme d’inhibition de bas-en-haut entre mots.
28Les effets d’inhibition latérale entre compétiteurs lexicaux ont donné lieu à peu de travaux expérimentaux, probablement parce qu’ils sont difficiles à établir. Une expérience de word spotting réalisée par McQueen, Norris et Cutler (1994) nous fournit quelques indications à ce sujet. Les sujets avaient pour tâche de détecter des mots (ex. : « mess ») situés en position non-initiale, soit dans une séquence de phonèmes formant le début d’un mot plus long (ex. : « domes »), soit à l’intérieur d’un non-mot de contrôle (ex. : « nomes »). La détection du mot enchâssé était retardée par le compétiteur qui venait le recouvrir (ex. : « domestic »). Les TR, plus longs pour les mots enchâssés dans des fragments de mots, donnent à penser qu’un mot porteur plus long entre en compétition et inhibe le mot enchâssé. Ces résultats s’accordent avec l’hypothèse d’une inhibition latérale entre mots.
29En résumé, on peut citer, aujourd’hui, quelques données expérimentales allant dans le sens d’une inhibition de bas en haut, comme dans celui d’une inhibition latérale. Ces deux mécanismes peuvent, bien sûr, être combinés au sein du même modèle, comme c’est le cas dans le modèle SHORTLIST.
Mécanismes de segmentation et l’alignement lexical
30Comme nous l’avons déjà souligné, le signal de parole est continu, et les frontières entre mots n’y apparaissent pas de manière systématique. Le problème qui se pose ainsi à l’auditeur, est d’aligner correctement signal d’entrée et représentation lexicale. Par alignement, nous désignons le fait que l’auditeur doit déterminer quelle partie de la représentation infra-lexicale est à mettre en relation, ou à comparer, avec quelle partie des représentations lexicales. Les solutions proposées à ce problème d’alignement peuvent être classifiées selon le niveau de traitement et le type d’information utilisé pour accomplir l’alignement. On peut, de ce point de vue, établir une distinction entre les stratégies de segmentation infra-lexicales, basées sur le traitement de l’information contenue dans le signal, et les stratégies de segmentation lexicales, fondées, comme leur nom l’indique, sur un traitement opéré au niveau lexical.
Segmentation par indices infra-lexicaux
31Les stratégies de segmentation infra-lexicales proposées font appel à des informations de natures assez variées, depuis les indices phonétiques (Church, 1987) aux contraintes phonotactiques (Frazier, 1987), et à la structure prosodique (Cutler & Butterfield, 1992).
32C’est à la fin des années cinquante, que l’on a commencé à chercher plus systématiquement des indices phonétiques fiables associés aux frontières de mots. Les phonéticiens ont entrepris des analyses acoustiques détaillées sur des séquences « quasi-homophones » (ex. : « grand tamis » vs « grand ami »), de manière à identifier l’information discriminante. Différents indices, spécifiques à la langue, ont été mis en évidence en anglais (Lehiste, 1960) et en suédois (Garding, 1967), comprenant par exemple, l’allongement de durée, l’insertion d’un coup de glotte, etc. Du point de vue perceptif, Nakatani et Dukes (1977) ont montré que l’auditeur est capable de segmenter correctement des séquences ambiguës (telles que « no notion » et « known ocean ») à partir d’indices phonétiques. Cependant, futilité pour la perception de ces indices phonétiques de frontière apparaît relativement limitée, dans la mesure où ils ne sont pas systématiquement présents dans le signal.
33Les contraintes phonotactiques gouvernent l’ordre dans lequel les phonèmes peuvent se succéder au sein de la même syllabe, à l’intérieur d’un mot, comme à la frontière entre deux mots. Elles constituent une source d’information qui sert de support à la segmentation lexicale. En français, certaines séquences de consonnes sont illégales en début ou en fin de syllabe (ex. : /rd/), alors quelles peuvent se rencontrer à la frontière entre deux mots. Ces séquences semblent faciliter la segmentation du signal de parole en mots (Banel & Bacri, 1997). Des résultats analogues ont été obtenus pour le hollandais (McQueen & Cox, 1995) et le finnois (Suomi, McQueen & Cutler, 1997), bien que la nature des contraintes en question soit, bien entendu, différente d’une langue à l’autre.
34Récemment, l’attention des chercheurs s’est davantage portée sur les informations de nature prosodique, Il a été suggéré par Cutler et Norris (1988) que les auditeurs de langue maternelle anglaise appliquaient une stratégie de segmentation basée sur des régularités propres à la prosodie de l’anglais. Selon cette stratégie de segmentation métrique (SSM), l’auditeur postule qu’une frontière de mot prend place immédiatement avant chaque syllabe forte (ne contenant pas de voyelle réduite). Chaque syllabe de ce type déclenche ainsi une recherche lexicale. Cette heuristique aboutit généralement à un résultat correct, dans la mesure où la plupart des mots anglais à contenu débutent par une syllabe forte (Cutler & Carter, 1987). Les résultats expérimentaux présentés par Cutler et ses collègues (Cutler & Norris, 1988) suggèrent que les auditeurs anglophones segmentent bien le signal de parole selon cette stratégie. En français, la structure métrique (alternance de syllabes longues et courtes) semble également fournir des indices pour la segmentation (Banel & Bacri, 1997). Dans leur expérience, les sujets avaient à décider si des séquences ambiguës (ex. : « bordure ») correspondaient à un ou deux mots. Lorsque le patron métrique était de type bref-long, les sujets répondaient que la séquence constituait un mot simple, alors que le patron long-bref donnait lieu à la réponse opposée (deux mots). Ces résultats s’accordent avec l’hypothèse selon laquelle l’information prosodique joue un rôle important dans la segmentation lexicale, la manière dont cette information est utilisée variant toutefois en fonction de la structure prosodique de la langue.
Segmentation par indices lexicaux
35On distingue également différents types de segmentations lexicales selon le type de traitement lexical impliqué. Dans le modèle TRACE, par exemple (McClelland & Elman, 1986), la segmentation se fonde sur une compétition lexicale entre les candidats activés. L’item lexical dont l’activation est la plus forte inhibe et désactive, à travers un mécanisme d’inhibition latérale, les items alignés avec le signal à partir d’un point différent. L’item remportant la compétition constitue le mot reconnu, et l’emplacement de ses frontières avec le mot précédent et le mot suivant, devient, du même coup, connu de l’auditeur. Ainsi, la segmentation fait suite à l’identification lexicale et en constitue l’un des résultats.
36Selon une autre hypothèse, proposée dans le modèle COHORT (Marslen-Wilson & Welsh, 1978), la segmentation lexicale s’appuie sur le produit de l’accès au lexique. L’auditeur est ici supposé accéder à la représentation phonologique associée à un mot, avant d’avoir atteint la fin de ce mot. Une fois que cette information phonologique lui devient accessible, l’auditeur a la possibilité de prédire la fin du mot en cours de traitement et le début du mot suivant.
37Ces différentes stratégies de segmentation infra-lexicales et lexicales ne sont pas mutuellement exclusives. La segmentation peut résulter d’un traitement faisant intervenir de multiples indices, à des niveaux différents. Ainsi, la procédure de segmentation implémentée dans la version modifiée du modèle SHORTLIST (Norris, McQueen & Cutler, 1995) s’appuie à la fois sur un mécanisme d’inhibition latérale et sur des indices prosodiques (la SSM).
Conclusion
38Dans ce chapitre, nous avons passé en revue quelques questions importantes qui se posent dans les recherches sur le traitement du langage oral. Nous avons pris pour point de départ un modèle simple comportant deux modules de traitement principaux. Le premier module a pour fonction de convertir le signal de parole, variable et continu, en une représentation infra-lexicale. Le deuxième sert à identifier l’entrée appropriée à l’intérieur du lexique mental à partir de cette représentation. Nous avons également présenté différentes données empiriques qui nous ont permis de donner davantage de substance à ce modèle et de le rendre plus précis sur de nombreux points. Au terme de ce tour d’horizon, nous espérons avoir mis en évidence les progrès considérables réalisés ces dernières années par les chercheurs dans ce domaine.
Bibliography
DOI are automaticaly added to bibliographic references by Bilbo, OpenEdition’s bibliographic annotation tool. These bibliographic references can be downloaded in APA, Chicago or MLA formats.
Format
- APA
- Chicago
- MLA
Bibliographie
Banel M. & Bacri N. (1997), « Rôle des indices métriques et des indices phonotactiques lors de la segmentation lexicale en français », L’Année Psychologique, 97, 77-112.
10.1016/0010-0277(87)90004-7:Church K. (1987), « Phonological parsing and lexical retrieval », Cognition, 25, 53-69.
10.1080/01690960143000083:Content A., Meunier C., Kearns R. K. & Frauenfelder U. H. (2001), «Sequence detection in pseudowords in French: where is the syllabe effect?», Language and Cognitive Processes, 16(5/6), 609-636.
10.1016/0749-596X(92)90012-M:Cutler A. & Butterfield S. (1992), «Rhythmic cues to speech segmentation – evidence from juncture misperception», Journal of Memory and Language, 31, 218-236.
10.1016/0885-2308(87)90004-0:Cutler A. & Carter D. (1987), «The predominance of strong initial syllables in English vocabulary», Computer Speech and Language, 2, 133-142.
10.1038/304159a0:Cutler A., Mehlerj., Norris D. & Segui J. (1983), « A language-specific comprehension strategy », Nature, 304, 159-160.
Cutler A. & Norris D. G. (1985), «Juncture detection», Linguistics, 23, 689-706.
Cutler A. & Norris D. G. (1988), «The role of strong syllables in segmentation for syllable access», Journal of Experimental Psychology: Human Perception and Performance, 14, 113-121.
10.1006/jmla.1994.1039:Cutler A. & Otake T. (1994), «Mora or phoneme? Further evidence for language-specific listening», Journal of Memory and Language, 33, 824-844.
10.1080/01690960143000146:Frauenfelder U. H., Scholten M. & Content A. (2001), «Bottom-up inhibition in lexical selection: phonological mismatch effects in spoken word recognition», Language and Cognitive Processes, 16(5/6), 583-607.
10.1016/0010-0277(87)90008-4:Frazier L. (1987), «Structure in auditory word recognition», Cognition, 25, 157-187.
Garding E. (1967), «Internal juncture in Swedish», Lund W. P, VI.
10.1080/016909696386999:Grosjean F. (1996), «Gating», Language and Cognitive Processes, 11, 597-604.
10.1016/0010-0277(87)90007-2:Grosjean F. & Gee J. P. (1987), «Prosodic structure and spoken word recognition», Cognition, 25, 135-155.
10.1016/S0095-4470(19)31059-9:Klatt D. H. (1980), «Speech perception: A model of acoustic-phonetic analysis and lexical access», in R. A. Cole (ed.), Perception and Production of Fluent Speech, Hillsdale, NJ: Lawrence Erlbaum Associates, 243-288.
10.1080/713752266:Kolinsky R. (1998), «Spoken word recognition: A stage-processing approach to language differences», European Journal of Cognitive Psychology, 10, 1-40.
10.1016/0010-0277(91)90008-R:Lahiri A. & Marslen-Wilson W. (1991), «The mental representation of lexical form: a phonological approach to the recognition lexicon», Cognition, 38, 245-294.
10.1159/000258062:Lehiste I. (1960), « An acoustic-phonetic study of internal open juncture », Phonetica, 5, 1-54.
Marslen-Wilson W. (1984), «Function and process in spoken word recognition», in H. Bouma & D. Bouwhuis (eds.), Attention and Performance X: Control of Language Processes, Hillsdale, NJ: Lawrence Erlbaum Associates.
10.1037/0033-295X.101.4.653:Marslen-Wilson W. & Warren E (1994), «Levels of perceptual representation and process in lexical access – words, phonemes, and features», Psychological Review, 101, 653-675.
10.1016/0010-0285(78)90018-X:Marslen-Wilson W & Welsh A. (1978), «Processing interactions and lexical access during word-recognition in continuous speech», Cognitive Psychology, 10, 29-63.
McClelland J. & Elman J. (1986), «The TRACE model of speech perception», Cognitive Psychology, 18, 1-86.
McQueen J. & Cox E. (1995), « The use of phonotactic constraints in the segmentation of Dutch », Proceedings of Eurospeech ‘95, vol. 3, Madrid, 1707-1710.
10.1037/0278-7393.20.3.621:McQueen J., Norris D. & Cutler A. (1994), «Competition in word recognition – spotting words in other words», Journal of Experimental Psychology: Learning Memory and Cognition, 20, 621-638.
10.1098/rstb.1981.0144:Mehler J. (1981), « The role of syllables in speech processing: Infant and adult data », Philosophical Transactions of the Royal Society, Series B, 295, 333-352.
Morton J. (1969), «Interaction of information in word recognition», Psychological Review, 76, 165-178.
Nakatani L. & Dures K. (1977), «Locus of segmental cues for word juncture», Journal of the Acoustical Society of America, 62, 714-719.
10.1016/0010-0277(94)90043-4:Norris D. (1994), «Shortlist: A connectionist model of continuous speech», Cognition, 52, 189-234.
10.1037/0278-7393.21.5.1209:Norris D., McQueen J. & Cutler A. (1995), «Competition and segmentation in spoken word recognition» Journal of Experimental Psychology: Learning Memory and Cognition, 21, 1209-1228.
10.1016/0010-0277(87)90003-5:Pisoni D. & Luce P. (1987), «Acoustic-phonetic representations in word recognition», in U. H. Frauenfelder & L. Tyler (eds.), Spoken word recognition, Cambridge, MA: MIT Press, 21-52.
Samuel A. G. (1989), «Insights front a failure of selective adaptation: Syllable-initial and syllable-final consonants are different», Perception and Psychophysics, 45, 485-493.
Segui J., Dupoux E. & Mehler J. (1990), «The role of the syllable in speech segmentation, phoneme identification and lexical access», in G. T. M. Altmann (ed.), Cognitive Models of Speech Processing: Psycholinguistic and Computational Perspectives, Cambridge, MA: MIT Press, 263-280.
10.1006/jmla.1996.2495:Suomi K., McQueen J. & Cutler A. (1997), «Vowel harmony and speech segmentation in Finnish» Journal of Memory and Language, 36, 422-444.
10.3758/BF03208224:Warren P. & Marslen-Wilson W. (1987), «Continuous uptake of acoustic cues in spoken word recognition», Perception & Psychophysics, 41, 262-275.
10.3758/BF03208969:Warren P. & Marslen-Wilson W. (1988), «Cues to lexical choice – discriminating place and voice», Perception & Psychophysics, 43, 21-30.
Zwitserlood P. (1989), « The locus of the effects of sentential-semantic context in spoken-word recognition », Cognition, 32, 25-64.
Footnotes
1 Cet article a été rédigé avec le support financier du Fonds national suisse de la recherche scientifique (# 1114059532.99).
Author
-
Uli H. Frauenfelder
Laboratoire de psycholinguistique expérimentale, Faculté de psychologie et des sciences de l’éducation, Université de Genève
Only the text can be used under the OpenEdition Books License license. Other elements (illustrations, attached files) are “All rights reserved”, unless otherwise stated.
À quoi sert aujourd'hui la psychologie sociale ?
Demandes actuelles et nouvelles réponses
Gérard Guingouain and François Le Poultier (ed.)
1994
Psychologie sociale et formation professionnelle
Propositions et regards critiques
Jacques Py, Alain Somat and Jacques Baillé (ed.)
1998
La maîtrise du langage
Textes issus du XXVIIe symposium de l’Association de psychologie scientifique de langue française (APSLF)
Agnès Florin and José Morais (ed.)
2002
L'apprentissage de la lecture
Perspectives comparatives
Mohamed Nouri Romdhane, Jean Emile Gombert and Michèle Belajouza (ed.)
2003
Réussir à l'école
Les effets des dimensions conatives en éducation. Personnalité, motivation, estime de soi, compétences sociales
Agnès Florin and Pierre Vrignaud (ed.)
2007
Lire-écrire de l'enfance à l'âge adulte
Genèse des compétences, pratiques éducatives, impacts sur l'insertion professionnelle
Jean-Pierre Gaté and Christine Gaux (ed.)
2007
L’apprentissage de la langue écrite
Approche cognitive
Nathalie Marec-Breton, Anne-Sophie Besse, Fanny De La Haye et al. (ed.)
2009
Musique, langage, émotion
Approche neuro-cognitive
Régine Kolinsky, José Morais and Isabelle Peretz (ed.)
2010
