Cette thèse porte sur des analyses acoustiques et prosodiques du français à partir de grandes masses de données orales illustrant différents styles de parole (préparée et spontanée). Nous nous sommes intéressées aux attributs acoustiques et prosodiques qui pourraient caractériser la prononciation. En français, de nombreuses erreurs de reconnaissance automatique de la parole (RAP) sont dues à des mots fréquents homophones. Pour ces mots, la solution correcte dépend du modèle de langage. Une classification automatique (CA) a été effectuée pour discriminer deux paires homophones (‘et/est’ et ‘à/a’) par des propriétés acoustiques et prosodiques. Les résultats de la CA ont montré que le paire ‘et/est’ était plus dissociable. La CA par des attributs prosodiques et inter-segmentaux (15 attributs) s’est avérée aussi performante que celle utilisant la totalité des 62 attributs. Un test perceptif a été également effectué pour vérifier si les humains utilisaient eux aussi ces paramètres. Les résultats ont suggéré que des informations acoustiques et prosodiques pourraient être utiles pour effectuer un choix correct de mots dans des structures syntaxiquement ambigües. Ensuite, nous avons examiné des propriétés prosodiques globales aux niveaux du nom et du syntagme nominal. La comparaison entre mots lexicaux et grammaticaux a montré que la fréquence fondamentale (F0) montante et l’allongement vocalique de la dernière syllabe caractérisent les mots lexicaux, par opposition aux mots grammaticaux. Ainsi, le profil de F0 moyenne d’un syntagme nominal de longueur n pourrait être différent de celui du nom avec une valeur de F0 basse au début du syntagme. Les profils prosodiques peuvent être utiles pour localiser frontières de mots. Les résultats de ce travail pourront servir à localiser le focus et les entités-nommées par des classifieurs discriminants, et de manière plus générale à améliorer les techniques de localisation des frontières des mots pour la RAP. / This thesis focuses on acoustic and prosodic (fundamental frequency (F0), duration, intensity) analyses of French from large-scale audio corpora portraying different speaking styles: prepared and spontaneous speech. We are interested in particularities of segmental phonetics and prosody that may characterize pronunciation. In French, many errors caused by automatic speech recognition (ASR) systems arise from frequent homophone words, for which ASR systems depend on language model weights. Automatic classification (AC) was conducted to discriminate homophones by only acoustic and prosodic properties depending on their part-of-speech function or their position within prosodic words. Results from AC of two homophone pairs, et/est (and/is) and à/a (ton/has), revealed that the et/est pair was more discriminable. A selection of prosodic and inter-phoneme attributes, that is 15 attributes, performed as good results as with 62 attributes. Then corresponding perceptual tests have been conducted to verify if humans also use acoustico-prosodic parameters for the discrimination. Results suggested that acoustic and prosodic information might help in operating the correct choice in similar ambiguous syntactic structures. From the hypothesis that pronunciation variants were due to varying prosodic constraints, we examined overall prosodic properties of French on a lexical and phrase level. The comparison between lexical and grammatical words revealed F0 rise and lengthening at the end of final syllable on lexical words, while these phenomena were not observed for grammatical words. Analyses also revealed that the mean profile of a n length noun phrase could be different from that of a n length noun with a low F0 at the beginning of a noun phrase. The prosodic profiles can be helpful to locate word boundaries. Findings in this thesis will lead to localize focus and named-entity using discriminative classifiers, and to improve word boundary locations by an ASR post-processing step.

Cette thèse étudie la coarticulation C-à-V en français et son interaction avec d’autres sources de variations dans le but de mieux comprendre ce qui la module et ce qui gouverne la variation dans la parole. Pour cela, à partir de grands corpus de parole, nous avons testé comment la coarticulation C-à-V était fonction : 1) des caractéristiques articulatoires des consonnes et voyelles impliquées à partir de 18.5k voyelles /i, e, ɛ, a, x, u, o, ɔ/ (/x/=/ø, œ, ə/) en contexte ALVéolaire, UVulaire et VÉLaire ; 2) de la position prosodique occupée par les voyelles, en comparant le degré de coarticulation de 17k séquences CV et VC, V=/i, e, a, ɔ/ et C=ALV|UV, en position initiale de groupe intonatif, avec celui de séquences semblables en position interne de mot ; et 3) du style de parole, en analysant le degré de coarticulation dans 22k séquences CV et VC, V= /i, E, a, u, ɔ/ (/E/=/e, ɛ/) et C=ALV|UV, issues de parole journalistique et conversationnelle. Cette thèse montre qu’en plus de dépendre des caractéristiques articulatoires des segments, la coarticulation est aussi modulée par des facteurs linguistiques, liés à l’organisation prosodique du message, et des facteurs communicationnels dépendant de la situation de communication. Cependant, certains résultats suggèrent que la modulation de la coarticulation par la position prosodique et le style de parole, ont des fonctions linguistiques différentes dont les implications sur la variation dans la parole seront discutées. Enfin, une réflexion sur les changements de sons en lien avec la préférence universelle pour l’antériorisation des voyelles postérieures fermées sera proposée à partir des différences observées entre les voyelles. / This dissertation examines C-to-V coarticulation in French and its interaction with others sources of variation in order to better understand what modulates and governs variation in speech. Based on data from large speech corpora, we tested how C-to-V coarticulation is a function of: 1) the articulatory properties of the tested segments, i.e. 18.5k vowels /i, e, ɛ, a, x, u, o, ɔ/ (/x/=/ø, œ, ə/) in ALVeolar, UVular et VELar contexts; 2) the prosodic position occupied by the vowels, comparing the degree of coarticulation of 17k CV and VC sequences V=/i, e, a, ɔ/ and C=ALV|UV in initial position of intonational phrases, to similar sequences in internal word position; 3) the speech style, by analyzing the degree of coarticulation in 22k CV and VC sequences, V = /i, E, a, u, ɔ/ (/E/ = /e, ɛ/) and C = ALV|UV, in journalistic and conversational speech. The thesis demonstrates that coarticulation, in addition to being dependent on the articulatory characteristics of segments, is also modulated by other linguistic factors, related to the prosodic organization of the message, and communicational factors depending on the communication situation. Indeed, vowels are more resistant to coarticulation in strong prosodic positions as in formal speech. However, some results suggest that the modulation of coarticulation by prosodic position and speech style have different linguistic functions whose implications for speech variation will be discussed. Finally, a reflection on sound changes related to the universal preference for the anteriorization of back closed vowels will be proposed from the observed differences between the vowels.

Ce travail sur la réduction segmentale (i.e. délétion ou réduction temporelle) en français spontané nous a permis non seulement de proposer deux méthodes de recherche pour les études en linguistique, mais également de nous interroger sur l'influence de différents facteurs de variation sur divers phénomènes de réduction et d'apporter des connaissances sur la propension à la réduction des segments. Nous avons appliqué la méthode descendante qui utilise l'alignement forcé avec variantes lorsqu’il s’agissait de phénomènes de réduction spécifiques. Lorsque ce n'était pas le cas, nous avons utilisé la méthode ascendante qui examine des segments absents et courts. Trois phénomènes de réduction ont été choisis : l'élision du schwa, la chute du /ʁ/ et la propension à la réduction des segments. La méthode descendante a été utilisée pour les deux premiers. Les facteurs en commun étudiés sont le contexte post-lexical, le style, le sexe et la profession. L’élision du schwa en syllabe initiale de mots polysyllabiques et la chute du /ʁ/ post-consonantique en finale de mots ne sont pas toujours influencées par les mêmes facteurs. De même, l’élision du schwa lexical et celle du schwa épenthétique ne sont pas conditionnées par les mêmes facteurs. L’étude sur la propension à la réduction des segments nous a permis d'appliquer la méthode ascendante et d’étudier la réduction des segments de manière générale. Les résultats suggèrent que les liquides et les glides résistent moins à la réduction que les autres consonnes et que les voyelles nasales résistent mieux à la réduction que les voyelles orales. Parmi les voyelles orales, les voyelles hautes arrondies ont tendance à être plus souvent réduites que les autres voyelles orales. / This study on segmental reduction (i.e. deletion or temporal reduction) in spontaneous French allows us to propose two research methods for linguistic studies on large corpora, to investigate different factors of variation and to bring new insights on the propensity of segmental reduction. We applied the descendant method using forced alignment with variants when it concerns a specific reduction phenomena. Otherwise, we used the ascendant method using absent and short segments as indicators. Three reduction phenomena are studied: schwa elision, /ʁ/ deletion and the propensity of segmental reduction. The descendant method was used for analyzing schwa elision and /ʁ/ deletion. Common factors used for the two studies are post-lexical context, speech style, sex and profession. Schwas elision at initial syllable position in polysyllabic words and post-consonantal /ʁ/ deletion at word final position are not always conditioned by the same variation factors. Similarly, lexical schwa and epenthetic schwa are not under the influence of the same variation factors. The study on the propensity of segmental reduction allows us to apply the ascendant method and to investigate segmental reduction in general. Results suggest that liquids and glides resist less the reduction procedure than other consonants and nasal vowels resist better reduction procedure than oral vowels. Among oral vowels, high rounded vowels tend to be reduced more often than other oral vowels.