La capacité humaine de reconnaitre et d’identifier de nombreux individus uniquement grâce à leur voix est unique et peut s’avérer cruciale pour certaines enquêtes. La méconnaissance de cette capacité jette cependant de l’ombre sur les applications dites « légales » de la phonétique. Le travail de thèse présenté ici a comme objectif principal de mieux définir les différents processus liés au traitement des voix dans le cerveau et les paramètres affectant ce traitement. Dans une première expérience, les potentiels évoqués (PÉs) ont été utilisés pour démontrer que les voix intimement familières sont traitées différemment des voix inconnues, même si ces dernières sont fréquemment répétées. Cette expérience a également permis de mieux définir les notions de reconnaissance et d’identification de la voix et les processus qui leur sont associés (respectivement les composantes P2 et LPC). Aussi, une distinction importante entre la reconnaissance de voix intimement familières (P2) et inconnues, mais répétées (N250) a été observée. En plus d’apporter des clarifications terminologiques plus-que-nécessaires, cette première étude est la première à distinguer clairement la reconnaissance et l’identification de locuteurs en termes de PÉs. Cette contribution est majeure, tout particulièrement en ce qui a trait aux applications légales qu’elle recèle. Une seconde expérience s’est concentrée sur l’effet des modalités d’apprentissage sur l’identification de voix apprises. Plus spécifiquement, les PÉs ont été analysés suite à la présentation de voix apprises à l’aide des modalités auditive, audiovisuelle et audiovisuelle interactive. Si les mêmes composantes (P2 et LPC) ont été observées pour les trois conditions d’apprentissage, l’étendue de ces réponses variait. L’analyse des composantes impliquées a révélé un « effet d’ombrage du visage » (face overshadowing effect, FOE) tel qu’illustré par une réponse atténuée suite à la présentation de voix apprise à l’aide d’information audiovisuelle par rapport celles apprises avec dans la condition audio seulement. La simulation d’interaction à l’apprentissage à quant à elle provoqué une réponse plus importante sur la LPC en comparaison avec la condition audiovisuelle passive. De manière générale, les données rapportées dans les expériences 1 et 2 sont congruentes et indiquent que la P2 et la LPC sont des marqueurs fiables des processus de reconnaissance et d’identification de locuteurs. Les implications fondamentales et en phonétique légale seront discutées. / The human ability to recognize and identify speakers by their voices is unique and can be critical in criminal investigations. However, the lack of knowledge on the working of this capacity overshadows its application in the field of “forensic phonetics”. The main objective of this thesis is to characterize the processing of voices in the human brain and the parameters that influence it. In a first experiment, event related potentials (ERPs) were used to establish that intimately familiar voices are processed differently from unknown voices, even when the latter are repeated. This experiment also served to establish a clear distinction between neural components of speaker recognition and identification supported by corresponding ERP components (respectively the P2 and the LPC). An essential contrast between the processes underlying the recognition of intimately familiar voices (P2) and that of unknown but previously heard voices (N250) was also observed. In addition to clarifying the terminology of voice processing, the first study in this thesis is the first to unambiguously distinguish between speaker recognition and identification in terms of ERPs. This contribution is major, especially when it comes to applications of voice processing in forensic phonetics. A second experiment focused more specifically on the effects of learning modalities on later speaker identification. ERPs to trained voices were analysed along with behavioral responses of speaker identification following a learning phase where participants were trained on voices in three modalities : audio only, audiovisual and audiovisual interactive. Although the ERP responses for the trained voices showed effects on the same components (P2 and LPC) across the three training conditions, the range of these responses varied. The analysis of these components first revealed a face overshadowing effect (FOE) resulting in an impaired encoding of voice information. This well documented effect resulted in a smaller LPC for the audiovisual condition compared to the audio only condition. However, effects of the audiovisual interactive condition appeared to minimize this FOE when compared to the passive audiovisual condition. Overall, the data presented in both experiments is generally congruent and indicate that the P2 and the LPC are reliable electrophysiological markers of speaker recognition and identification. The implications of these findings for current voice processing models and for the field of forensic phonetics are discussed.

Cette thèse présente un système de retour articulatoire visuel, dans lequel les articulateurs visibles et non visibles d'une tête parlante sont contrôlés par inversion à partir de la voix d'un locuteur. Notre approche de ce problème d'inversion est basée sur des modèles statistiques élaborés à partir de données acoustiques et articulatoires enregistrées sur un locuteur français à l'aide d'un articulographe électromagnétique. Un premier système combine des techniques de reconnaissance acoustique de la parole et de synthèse articulatoire basées sur des modèles de Markov cachés (HMMs). Un deuxième système utilise des modèles de mélanges gaussiens (GMMs) pour estimer directement les trajectoires articulatoires à partir du signal acoustique. Pour généraliser le système mono-locuteur à un système multi-locuteur, nous avons implémenté une méthode d'adaptation du locuteur basée sur la maximisation de la vraisemblance par régression linéaire (MLLR) que nous avons évaluée à l'aide un système de reconnaissance articulatoire de référence. Enfin, nous présentons un démonstrateur de retour articulatoire visuel.

Depuis plusieurs dizaines d'années, la reconnaissance automatique du locuteur (RAL) fait l'objet de travaux de recherche entrepris par de nombreuses équipes dans le monde. La majorité des systèmes actuels sont basés sur l'utilisation des Modèles de Mélange de lois Gaussiennes (GMM) et/ou des modèles discriminants SVM, i.e., les machines à vecteurs de support. Nos travaux ont pour objectif général la proposition d'utiliser de nouveaux modèles GMM à grande marge pour la RAL qui soient une alternative aux modèles GMM génératifs classiques et à l'approche discriminante état de l'art GMM-SVM. Nous appelons ces modèles LM-dGMM pour Large Margin diagonal GMM. Nos modèles reposent sur une récente technique discriminante pour la séparation multi-classes, qui a été appliquée en reconnaissance de la parole. Exploitant les propriétés des systèmes GMM utilisés en RAL, nous présentons dans cette thèse des variantes d'algorithmes d'apprentissage discriminant des GMM minimisant une fonction de perte à grande marge. Des tests effectués sur les tâches de reconnaissance du locuteur de la campagne d'évaluation NIST-SRE 2006 démontrent l'intérêt de ces modèles en reconnaissance.

Dans les procédures judiciaires, des enregistrements de voix sont de plus en plus fréquemment présentés comme élément de preuve. En général, il est fait appel à un expert scientifique pour établir si l’extrait de voix en question a été prononcé par un suspect donné (prosecution hypothesis) ou non (defence hypothesis). Ce prosessus est connu sous le nom de “Forensic Voice Comparison (FVC)” (comparaison de voix dans le cadre judiciaire). Depuis l’émergence du modèle DNA typing, l’approche Bayesienne est devenue le nouveau “golden standard” en sciences criminalistiques. Dans cette approche, l’expert exprime le résultat de son analyse sous la forme d’un rapport de vraisemblance (LR). Ce rapport ne favorise pas seulement une des hypothèses (“prosecution” ou “defence”) mais il fournit également le poids de cette décision. Bien que le LR soit théoriquement suffisant pour synthétiser le résultat, il est dans la pratique assujetti à certaines limitations en raison de son processus d’estimation. Cela est particulièrement vrai lorsque des systèmes de reconnaissance automatique du locuteur (ASpR) sont utilisés. Ces systèmes produisent un score dans toutes les situations sans prendre en compte les conditions spécifiques au cas étudié. Plusieurs facteurs sont presque toujours ignorés par le processus d’estimation tels que la qualité et la quantité d’information dans les deux enregistrements vocaux, la cohérence de l’information entre les deux enregistrements, leurs contenus phonétiques ou encore les caractéristiques intrinsèques des locuteurs. Tous ces facteurs mettent en question la notion de fiabilité de la comparaison de voix dans le cadre judiciaire. Dans cette thèse, nous voulons adresser cette problématique dans le cadre des systèmes automatiques (ASpR) sur deux points principaux. Le premier consiste à établir une échelle hiérarchique des catégories phonétiques des sons de parole selon la quantité d’information spécifique au locuteur qu’ils contiennent. Cette étude montre l’importance du contenu phonétique: Elle met en évidence des différences intéressantes entre les phonèmes et la forte influence de la variabilité intra-locuteurs. Ces résultats ont été confirmés par une étude complémentaire sur les voyelles orales basée sur les paramètres formantiques, indépendamment de tout système de reconnaissance du locuteur. Le deuxième point consiste à mettre en œuvre une approche afin de prédire la fiabilité du LR à partir des deux enregistrements d’une comparaison de voix sans recours à un ASpR. À cette fin, nous avons défini une mesure d’homogénéité (NHM) capable d’estimer la quantité d’information et l’homogénéité de cette information entre les deux enregistrements considérés. Notre hypothèse ainsi définie est que l’homogénéité soit directement corrélée avec le degré de fiabilité du LR. Les résultats obtenus ont confirmé cette hypothèse avec une mesure NHM fortement corrélée à la mesure de fiabilité du LR. Nos travaux ont également mis en évidence des différences significatives du comportement de NHM entre les comparaisons cibles et les comparaisons imposteurs. Nos travaux ont montré que l’approche “force brute” (reposant sur un grand nombre de comparaisons) ne suffit pas à assurer une bonne évaluation de la fiabilité en FVC. En effet, certains facteurs de variabilité peuvent induire des comportements locaux des systèmes, liés à des situations particulières. Pour une meilleure compréhension de l’approche FVC et/ou d’un système ASpR, il est nécessaire d’explorer le comportement du système à une échelle aussi détaillée que possible (le diable se cache dans les détails) / It is common to see voice recordings being presented as a forensic trace in court. Generally, a forensic expert is asked to analyse both suspect and criminal’s voice samples in order to indicate whether the evidence supports the prosecution (same-speaker) or defence (different-speakers) hypotheses. This process is known as Forensic Voice Comparison (FVC). Since the emergence of the DNA typing model, the likelihood-ratio (LR) framework has become the new “golden standard” in forensic sciences. The LR not only supports one of the hypotheses but also quantifies the strength of its support. However, the LR accepts some practical limitations due to its estimation process itself. It is particularly true when Automatic Speaker Recognition (ASpR) systems are considered as they are outputting a score in all situations regardless of the case specific conditions. Indeed, several factors are not taken into account by the estimation process like the quality and quantity of information in both voice recordings, their phonological content or also the speakers intrinsic characteristics, etc. All these factors put into question the validity and reliability of FVC. In this Thesis, we wish to address these issues. First, we propose to analyse how the phonetic content of a pair of voice recordings affects the FVC accuracy. We show that oral vowels, nasal vowels and nasal consonants bring more speaker-specific information than averaged phonemic content. In contrast, plosive, liquid and fricative do not have a significant impact on the LR accuracy. This investigation demonstrates the importance of the phonemic content and highlights interesting differences between inter-speakers effects and intra-speaker’s ones. A further study is performed in order to study the individual speaker-specific information for each vowel based on formant parameters without any use of ASpR system. This study has revealed interesting differences between vowels in terms of quantity of speaker information. The results show clearly the importance of intra-speaker variability effects in FVC reliability estimation. Second, we investigate an approach to predict the LR reliability based only on the pair of voice recordings. We define a homogeneity criterion (NHM) able to measure the presence of relevant information and the homogeneity of this information between the pair of voice recordings. We are expecting that lowest values of homogeneity are correlated with the lowest LR’s accuracy measures, as well as the opposite behaviour for high values. The results showed the interest of the homogeneity measure for FVC reliability. Our studies reported also large differences of behaviour between FVC genuine and impostor trials. The results confirmed the importance of intra-speaker variability effects in FVC reliability estimation. The main takeaway of this Thesis is that averaging the system behaviour over a high number of factors (speaker, duration, content...) hides potentially many important details. For a better understanding of FVC approach and/or an ASpR system, it is mandatory to explore the behaviour of the system at an as-detailed-as-possible scale (The devil lies in the details).

Les sons de parole peuvent être complétés par l'affichage des articulateurs sur un écran d'ordinateur pour produire de la parole augmentée, un signal potentiellement utile dans tous les cas où le son lui-même peut être difficile à comprendre, pour des raisons physiques ou perceptuelles. Dans cette thèse, nous présentons un système appelé retour articulatoire visuel, dans lequel les articulateurs visibles et non visibles d'une tête parlante sont contrôlés à partir de la voix du locuteur. La motivation de cette thèse était de développer un tel système qui pourrait être appliqué à l'aide à l'apprentissage de la prononciation pour les langues étrangères, ou dans le domaine de l'orthophonie. Nous avons basé notre approche de ce problème d'inversion sur des modèles statistiques construits à partir de données acoustiques et articulatoires enregistrées sur un locuteur français à l'aide d'un articulographe électromagnétique (EMA). Notre approche avec les modèles de Markov cachés (HMMs) combine des techniques de reconnaissance automatique de la parole et de synthèse articulatoire pour estimer les trajectoires articulatoires à partir du signal acoustique. D'un autre côté, les modèles de mélanges gaussiens (GMMs) estiment directement les trajectoires articulatoires à partir du signal acoustique sans faire intervenir d'information phonétique. Nous avons basé notre évaluation des améliorations apportées à ces modèles sur différents critères : l'erreur quadratique moyenne (RMSE) entre les coordonnées EMA originales et reconstruites, le coefficient de corrélation de Pearson, l'affichage des espaces et des trajectoires articulatoires, aussi bien que les taux de reconnaissance acoustique et articulatoire. Les expériences montrent que l'utilisation d'états liés et de multi-gaussiennes pour les états des HMMs acoustiques améliore l'étage de reconnaissance acoustique des phones, et que la minimisation de l'erreur générée (MGE) dans la phase d'apprentissage des HMMs articulatoires donne des résultats plus précis par rapport à l'utilisation du critère plus conventionnel de maximisation de vraisemblance (MLE). En outre, l'utilisation du critère MLE au niveau de mapping direct de l'acoustique vers l'articulatoire par GMMs est plus efficace que le critère de minimisation de l'erreur quadratique moyenne (MMSE). Nous constatons également trouvé que le système d'inversion par HMMs est plus précis celui basé sur les GMMs. Par ailleurs, des expériences utilisant les mêmes méthodes statistiques et les mêmes données ont montré que le problème de reconstruction des mouvements de la langue à partir des mouvements du visage et des lèvres ne peut pas être résolu dans le cas général, et est impossible pour certaines classes phonétiques. Afin de généraliser notre système basé sur un locuteur unique à un système d'inversion de parole multi-locuteur, nous avons implémenté une méthode d'adaptation du locuteur basée sur la maximisation de la vraisemblance par régression linéaire (MLLR). Dans cette méthode MLLR, la transformation basée sur la régression linéaire qui adapte les HMMs acoustiques originaux à ceux du nouveau locuteur est calculée de manière à maximiser la vraisemblance des données d'adaptation. Finalement, cet étage d'adaptation du locuteur a été évalué en utilisant un système de reconnaissance automatique des classes phonétique de l'articulation, dans la mesure où les données articulatoires originales du nouveau locuteur n'existent pas. Finalement, en utilisant cette procédure d'adaptation, nous avons développé un démonstrateur complet de retour articulatoire visuel, qui peut être utilisé par un locuteur quelconque. Ce système devra être évalué de manière perceptive dans des conditions réalistes. / Speech sounds may be complemented by displaying speech articulators shapes on a computer screen, hence producing augmented speech, a signal that is potentially useful in all instances where the sound itself might be difficult to understand, for physical or perceptual reasons. In this thesis, we introduce a system called visual articulatory feedback, in which the visible and hidden articulators of a talking head are controlled from the speaker's speech sound. The motivation of this research was to develop such a system that could be applied to Computer Aided Pronunciation Training (CAPT) for learning of foreign languages, or in the domain of speech therapy. We have based our approach to this mapping problem on statistical models build from acoustic and articulatory data. In this thesis we have developed and evaluated two statistical learning methods trained on parallel synchronous acoustic and articulatory data recorded on a French speaker by means of an electromagnetic articulograph. Our Hidden Markov models (HMMs) approach combines HMM-based acoustic recognition and HMM-based articulatory synthesis techniques to estimate the articulatory trajectories from the acoustic signal. Gaussian mixture models (GMMs) estimate articulatory features directly from the acoustic ones. We have based our evaluation of the improvement results brought to these models on several criteria: the Root Mean Square Error between the original and recovered EMA coordinates, the Pearson Product-Moment Correlation Coefficient, displays of the articulatory spaces and articulatory trajectories, as well as some acoustic or articulatory recognition rates. Experiments indicate that the use of states tying and multi-Gaussian per state in the acoustic HMM improves the recognition stage, and that the minimum generation error (MGE) articulatory HMMs parameter updating results in a more accurate inversion than the conventional maximum likelihood estimation (MLE) training. In addition, the GMM mapping using MLE criteria is more efficient than using minimum mean square error (MMSE) criteria. In conclusion, we have found that the HMM inversion system has a greater accuracy compared with the GMM one. Beside, experiments using the same statistical methods and data have shown that the face-to-tongue inversion problem, i.e. predicting tongue shapes from face and lip shapes cannot be solved in a general way, and that it is impossible for some phonetic classes. In order to extend our system based on a single speaker to a multi-speaker speech inversion system, we have implemented a speaker adaptation method based on the maximum likelihood linear regression (MLLR). In MLLR, a linear regression-based transform that adapts the original acoustic HMMs to those of the new speaker was calculated to maximise the likelihood of adaptation data. Finally, this speaker adaptation stage has been evaluated using an articulatory phonetic recognition system, as there are not original articulatory data available for the new speakers. Finally, using this adaptation procedure, we have developed a complete articulatory feedback demonstrator, which can work for any speaker. This system should be assessed by perceptual tests in realistic conditions.

Cette thèse sur le changement des normes communicatives en allemand contemporain se positionne dans le paradigme explicatif du changement linguistique par Rudi Keller, connu sous le nom de « théorie de la main invisible ». L’objectif de recherche est de montrer par l’analyse de cinq faits « variants » que le changement des normes communicatives a lieu sous l’impulsion d’un désir des locuteurs germanophones contemporains de plus d’authenticité et de respect de l’autre. Cette mentalité communicative, héritée de la remise en cause sociétale par les mouvements contestataires de la fin des années 1960, conditionne les attentes des locuteurs germanophones dans la réception des discours publics en terme d’ethos et de positionnement éthique. Au corpus sur lequel sont effectuées les analyses linguistiques des cinq faits variants – les « mots à charge négative » (ou « belastete Wörter »), les néologismes euphémistiques, la neutralisation du genre, l’ethos des locuteurs politiques, le tutoiement d’adresse – composé de documents prescriptifs universitaires, de discours politiques, et de supports publicitaires de l’espace public allemand, s’ajoute un corpus de réception relevant du type épilinguistique, composé de métacommentaires de locuteurs non-spécialistes. L’étude révèle la parole des locuteurs ordinaires comme signe annonçant et accompagnant le changement linguistique. / This PhD dissertation focuses upon the change of communicative norms in contemporary German and positions itself on the explanatory paradigm of language change by Rudi Keller,also known as “the theory of the invisible hand”. My research aims at pointing out – through the analysis of five “variant” facts – that the change of communicative norms is driven by the desire of contemporary German native speakers for more authenticity as well as respect for the other. The communicative mentality inherited from the counter-culture movements in the late 1960’s that challenged society order influences German native speakers’ expectations towards the reception of public discourses in terms of ethos and ethical positioning. In addition to the corpus upon which the linguistic analyses of the five variant facts are carriedout – the “negative words” (or “belastete Wörter”), euphemistic neologisms, gender neutralisation, the ethos of politicians, being on first name terms with someone – which consists of prescriptive college documents, political discourses and the advertising supports ofthe German public space – , there is a reception corpus that amounts to epilinguistic type and is composed of metacomments from non-specialist speakers. The study brings the speech ofordinary speakers to the fore as a sign that announces and goes along with language change.

En quoi peut consister l’énonciation dans le sens d’un énoncé ? Telle est l’interrogation à laquelle nous tentons de répondre dans cette thèse. Défendant une approche discursive du sens (Carel 2011, Ducrot 1984), nous nous fixons l’objectif de mettre en lumière une conception de l’énonciation dans cette perspective. Notre défi majeur est ainsi de démontrer, de manière concrète, une énonciation qui n’est pas conçue comme une sorte d’événement du monde relatif à la production d’un énoncé. Il s’agit en effet de cette conception de l’énonciation, d’ailleurs prise pour aller de soi, lorsque la plupart des auteurs (Kleiber 2008, Recanati 2008) interprètent un énoncé contenant une expression déictique tel que « Je suis Français » ou « Il fait chaud ici ». Défendant une approche référentielle du sens, ces auteurs sont amenés à repérer le référent correspondant à l’occurrence du mot « je » ou celle du mot « ici », avec la signification de l’un et l’autre mot prise respectivement comme « celui qui produit l’occurrence de je » et « le lieu où l’occurrence d’ici est produite ». Étant donné qu’un tel repérage du référent implique, de manière inévitable, de chercher dans la production de l’énoncé concerné, l’énonciation se présente ainsi comme extralinguistique et comme l’événement constitué par la production de l’énoncé. En nous appuyant, non sans une certaine liberté, sur les travaux respectifs de Benveniste (1966) et de Ducrot (1984), nous nous proposons de dresser le portrait d’une autre conception de l’énonciation qui relève plutôt du système linguistique lui-même, à la différence de celle dépendant ainsi de l’univers extralinguistique. À partir d’un fondement sémantique dégagé des travaux de ces deux auteurs, ainsi que des éléments que nous développons sur cette base, nous faisons des analyses portant essentiellement sur les marques de pronoms, afin d’illustrer la conception de l’énonciation que nous défendons. Qu’il s’agisse de l’analyse comparative entre « Je sais que p » « Tu sais que p » « Elle sait que p », ou celle entre « Je suis beau » « Tu es beau » « Il est beau », nos analyses impliquent donc certaines conséquences. D’une part, elles démontrent que les marques de pronoms peuvent comporter une valeur sémantique qui n’est pas relative à la référence ni à l’énonciation entendue comme un événement extralinguistique. D’autre part, elles permettent de voir que l’on peut rendre compte de ces éléments de sens non référentiels avec le cadre, inspiré de ces deux auteurs, que nous nous efforçons d’établir. / How to understand “enunciation” in the meaning of an utterance? This is the question we are trying to answer in this thesis. Defending a discursive approach to meaning (Carel 2011, Ducrot 1984), we set ourselves the objective of bringing light to a conception of enunciation in this perspective. Our major challenge, as a result, is to demonstrate with tangible illustrations an enunciation that is not conceived as a kind of “world event” relating to the production of an utterance. As we know, it’s about this conception of enunciation, taken for granted, when most authors (Kleiber 2008, Recanati 2008) interpret an utterance containing a deictic expression such as "I am French" or "It's hot here". Mostly defenders of the referential approach to meaning, these authors pick up the referent corresponding to the occurrence of the word "I" and that of the word "here", with the meaning of these two words taken respectively as "the one that produces the occurrence of I" and "the place where the occurrence of here is produced". Given that such an identification of the referent involves, inevitably, a look at the production of the utterance concerned, the enunciation thus appears extralinguistic and as the event constituted by the production of the utterance. Based on Benveniste (1966) and Ducrot (1984) respectively, though not without certain inspiration of our own, we try to sketch the outline of another conception of enunciation, which is the one that comes rather from the linguistic system itself, unlike the one that is dependent on the extralinguistic context. In order to illustrate this conception of enunciation, we conduct analyses mostly on pronouns, and the semantic foundation is drawn from the works of these two authors, as well as from the elements that we develop on this basis. In fact, whether it’s the comparative analysis between "I know that p" "You know that p" "She knows that p" or the one between "I'm beautiful" "You're beautiful" "He's (It’s) beautiful", our descriptions do entail consequences. On the one hand, they show that pronouns can have a semantic value that is neither relative to the reference nor to the enunciation taken as an extralinguistic event. On the other hand, our analyses show that we can account for the non-referential elements of meaning with the frame, inspired by these two authors, that we strive to develop.

La présente étude porte sur les effets de la familiarité dans l’identification d’individus en situation de parade vocale. La parade vocale est une technique inspirée d’une procédure paralégale d’identification visuelle d’individus. Elle consiste en la présentation de plusieurs voix avec des aspects acoustiques similaires définis selon des critères reconnus dans la littérature. L’objectif principal de la présente étude était de déterminer si la familiarité d’une voix dans une parade vocale peut donner un haut taux d’identification correcte (> 99 %) de locuteurs. Cette étude est la première à quantifier le critère de familiarité entre l’identificateur et une personne associée à « une voix-cible » selon quatre paramètres liés aux contacts (communications) entre les individus, soit la récence du contact (à quand remonte la dernière rencontre avec l’individu), la durée et la fréquence moyenne du contact et la période pendant laquelle avaient lieu les contacts. Trois différentes parades vocales ont été élaborées, chacune contenant 10 voix d’hommes incluant une voix-cible pouvant être très familière; ce degré de familiarité a été établi selon un questionnaire. Les participants (identificateurs, n = 44) ont été sélectionnés selon leur niveau de familiarité avec la voix-cible. Toutes les voix étaient celles de locuteurs natifs du franco-québécois et toutes avaient des fréquences fondamentales moyennes similaires à la voix-cible (à un semi-ton près). Aussi, chaque parade vocale contenait des énoncés variant en longueur selon un nombre donné de syllabes (1, 4, 10, 18 syll.). Les résultats démontrent qu’en contrôlant le degré de familiarité et avec un énoncé de 4 syllabes ou plus, on obtient un taux d’identification avec une probabilité exacte d’erreur de p < 1 x 10-12. Ces taux d’identification dépassent ceux obtenus actuellement avec des systèmes automatisés. / The present study deals with the effects of familiarity on speaker identification in the context of voice line-ups. The voice line-up is a paralegal technique, inspired by a visual identification procedure. The voice line-up consists in presenting a number of voices sharing similar acoustic parameters as specified in established procedures. The main objective was to determine if the familiarity of a voice could lead to a high rate of correct identification (> 99 %). Our study is the first to quantify the familiarity criterion linking an identifier and a « target voice ». The quantification was based on four parameters bearing on the degree of contact between individuals: recency, frenquency, duration, and the period during which the contact occurred. Three different voice line-ups were elaborated, each containing 10 voices, including one target voice which was well known by the identifier according to a questionnaire that served to quantify familiarity. Participants (identifiers, n = 44) were selected on the basis of their familiarity with the target voice. The speakers used in the voice line-ups were native speakers of Quebec French and all presented voices had similar fundamental frequencies (to within one semitone). In each line-up we used utterances of 4 different lengths (1, 4, 10, and 18 syll.). The results show that by controlling the familiarity criterion, a correct identification rate of a 100 % is obtained with an exact error probability of p < 1 x 10-12.These rates are superior to current automatic systems of voice identification.

Cette thèse a pour objectif de définir l’apport de la phonétique expérimentale dans l’identification d’une variété lectale, en prenant pour exemple les langues parlées en Guadeloupe. En Guadeloupe, deux langues cohabitent : le français et le créole. Mais, dans les faits, il y a une diversité de variétés de français d’une part, et de créole d’autre part. Chacune de ces variétés va de l’acrolecte au basilecte en passant par le mésolecte : il y a donc un continuum français et un continuum créole. La situation sociolinguistique de la Guadeloupe peut être ainsi représentée par un double continuum.Ces différentes variétés de français peuvent-elles se distinguer par des caractéristiques (1) acoustiques, (2) phonétiques, (3) phonologiques et (4) perceptives de la consonne /R/? La durée du contact avec le créole, a t-elle une influence sur la variété de français parlée par un locuteur ?Nos résultats montrent que plus la variété de français est basilectale, (1) plus la diffusion de l’énergie spectrale du /R/ est faible avec un taux de bruit réduit et une hauteur moyenne des fréquences basse ; (2) plus la variante fricatisée du /R/ est rare et plus la variante approximante est fréquente ; (3) plus le taux d’élision du /R/ en coda de syllabe augmente ainsi que le taux de réalisation de /R/ en tant que [w] en contexte labial; (4) plus la variété est perçue comme ayant un faible degré d’accent français. Généralement, plus la durée du contact entre le français et le créole est longue, plus cette variété est basilectale.Si les caractéristiques de la consonne /R/ permettent de discriminer la variété acrolectale de la variété basilectale (variétés extrêmes), il apparait plus difficile d’établir une liste d’indices (ou « lectomètres ») qui permettraient d’identifier les variétés se trouvant dans la zone intermédiaire : le mésolecte est doté d’une certaine imprévisibilité. / The goal of this thesis is to determine the contribution of experimental phonetics in the identification of a lectal variety, in taking for example languages spoken in Guadeloupe. In Guadeloupe, two languages coexist : French and Creole. But in fact, there is a diversity of varieties of French on the one hand, and of Creole on the other hand. Each of these varieties goes from acrolect to basilect through mesolect : so there are a French continuum and a Creole continuum. Thus, the sociolinguistic situation of Guadeloupe can be represented by a double continuum.These different varieties of French can they be distinguished by (1) acoustic, (2) phonetic, (3) phonological (4) and perceptual characteristics of /R/ consonant? Does the contact duration with Creole have an influence on the variety of French spoken by a speaker?Our results show that the more basilectal the variety of French is, (1) the lower spectral diffusion of /R/ energy is, with a reduced rate noise and a low frequency mean; (2) the more infrequent /R/ constrictive variants are and the more common /R/ approximant variants are ; (3) the greater rates of /R/ elision in coda of syllable and /R/ realization as [w] in labial context increase ;(4) and the more the variety is perceived as having a low degree of French accent. Usually, the longer duration of the contact between French and Creole is, the more basilectal the variety of French is.If characteristics of /R/ consonant can distinguish acrolect and basilect (extreme varieties), it’s not so easy to establish a list of indications (or « lectomètres ») in order to identify varieties in the intermediate zone: mesolect has a certain unpredictability.

UNE ANALYSE DE L’ENTAME CONVERSATIONNELLE DE COMMUNICATIONS ORALES ET ECRITES (SUR RÉPONDEUR TÉLÉPHONIQUE ET INTERNET) MIREILLE FALESSE ULB - FACULTÉ DE PHILOSOPHIE ET LETTRES - FÉVRIER 2005 La trame de base de l’étude est essentiellement linguistique et la plupart des catégorisations des éléments relevés sont de cet ordre également, l’étude prenant en compte le langage sous son aspect pragmatique dans les limites de la présentation des situations particulières ainsi que du collationnement des données du corpus. Deux types de messages ont été choisis : des messages oraux laissés par des appelants sur répondeur téléphonique et des messages – provenant de nouveaux utilisateurs – recueillis dans des forums de discussion sur Internet. L’analyse permet de préciser les souhaits et intentions communicationnels des émetteurs ; d’autre part le relevé des éléments constitutifs du corpus auquel nous avons procédé dans la seconde partie nous a permis d’entrer plus avant dans sa description. L’énonciation est à l’énoncé ce que le processus de fabrication est à l’objet produit ; l'énoncé est le résultat alors que l'énonciation est l'acte de création du locuteur. C’est cet acte, la procédure de construction du message, les intentions du locuteur, les marques de son intervention en tant que sujet parlant – ses pensées, ses intentions, ses émotions au moment de la « prise de parole » (orale ou écrite) – qui ont fait l’objet de notre propos. Dès lors, les éléments de base du schéma de la communication ont été posés et les particularités de notre corpus explicitées à la suite d’un double choix : celui des outils d’analyse réellement utiles à la démarche et celui des éléments essentiels et nécessaires constitutifs des énoncés retenus et à retenir. L’énonciation et l’énoncé Le travail porte sur l’analyse d’un certain type de discours à l’intérieur d’actes de communication sur base d’énoncés, produits d’un acte d'énonciation, qui comportent des marques énonciatives faisant référence à la fois au locuteur et à l'allocutaire. Il en est tenu compte lors de la description du corpus car les éléments retenus portent non seulement sur la structuration phrastique de l’énoncé mais également sur le sens qui lui est donné ainsi que ses utilisations caractéristiques en fonction des intentions, choix et motivations des destinateurs. Le sens et le son La considération du langage sous sa double articulation favorise une analyse appariant les points de vue sémantique et phonologique : le sens et le son. Lors de la réalisation de la langue dans la parole d'un émetteur, le code employé nous informe sur son origine, son niveau d'éducation, son milieu social alors que la forme sonore qu’il donne à son énoncé nous informe sur son identité, son sexe, son âge, son type psychophysiologique, son humeur. La spécificité de la communication humaine La différence entre la communication socio-animale et la communication humaine est la possibilité offerte ou non à l’énonciateur de s’impliquer personnellement dans la formulation de son message. La personnalisation du message Consciemment ou non, l'émetteur introduit donc dans son message toute une série de données personnelles en rapport avec son milieu social, ses intentions personnelles, sa vision du monde, sa culture, l’objet du message. Et c’est précisément ce qui constitue l’objet de notre analyse quoique quelques réserves quant aux données sociales qui pourraient nous être fournies par notre corpus puissent être formulées. Le code commun Lorsqu'il réalise un acte de communication, il est évident que tout locuteur tient à être compris et – pour ce faire – se réfère à une langue, un parler, un code commun susceptible d'être interprété dans le sens qu'il désire par son interlocuteur ; il choisit un langage précis. En l’occurrence, pour ce qui nous concerne, la langue en question est le français tel qu’employé par des interlocuteurs francophones et plus précisément – pour la partie orale de notre corpus – des francophones vivant en Belgique durant les dernières années du vingtième siècle. La communication L’énonciation étant la production individuelle d’un message, la formulation particulière d’un énoncé, le duo énoncé-énonciation s’intègre dans un cadre défini : celui de la communication. D'emblée, des considérations essentielles sont notifiées ; elles seront récurrentes tout au long des descriptions préconisées par les auteurs que nous découvrirons ci-dessous : o la présence de deux intervenants qui sont l'émetteur et le récepteur ; o le fait d'établir une relation avec autrui, une relation dynamique c'est-à-dire interactive ; o la nécessité de moyens (techniques, signes et signaux) ; o la définition d'un message. Une approche pluridisciplinaire Dans un premier temps, le choix d’une analyse sociolinguistique semblait s'imposer du fait du type particulier d’un travail à élaborer sur base d'un corpus permettant le relevé d’expressions, d’énonciations dues à des modes de communication relativement innovants, d’énoncés sous des formes particulières, dont les canaux spécifiques – a priori – devaient avoir un impact dans le processus d’énonciation. L’observation du langage dans son application relationnelle, donc sociale, semblait pouvoir permettre de préciser certains liens entre le langage et la société et les conditions sociales de la communication. Mais, le corpus que nous avons pu réunir ne peut répondre aux besoins d’un tel type d’analyse ; en effet, les messages téléphoniques fournis sont semi-confidentiels car – privés ou publics – ils ne comportent pas – ou peu – de précisions quant au lieu ou au milieu dans lesquels évolue l’énonciateur. Il est possible de procéder à un relevé de marques sociales dans l’emploi des termes, la construction des phrases, la formulation des messages mais les énonciateurs n’étant pas identifiés – et ne pouvant pas l’être du fait de circonstances inhérentes au type de collationnement – le corpus ne comporte pas de données sociales en nombre suffisant. Quoi qu’il en soit, la linguistique – étude scientifique du langage – s’est, à des degrés divers, enrichie au contact d’autres disciplines tout au long du vingtième siècle : psychologie, anthropologie, mathématiques, informatique. Par ailleurs, malgré les limites que nous avons évoquées précédemment, notre corpus comportant de nombreuses marques individuelles des énonciateurs nous permettra cependant d’aborder l’étude de rituels de conversation, d’actions et interactions entre les interlocuteurs, de situations de communication particulières, de pratiques singulières du langage. Notre propos a été de procéder à une analyse logique du corpus et comporte donc deux parties - celle relative à l’énoncé et à son contenu ; celle relative à l’énonciation et ses modalités – bien que l’analyse de ces communications se complexifie du fait de l’absence – en présentiel – de l’interlocuteur car le corpus concerne les messages de l’énonciateur et les indications relatives au destinataire proviennent uniquement du locuteur. L’analyse conversationnelle Une conversation est un échange interactif, les deux locuteurs participent à sa construction : ils ont une action réciproque. Dans le cadre de ce corpus, le message pré-enregistré donne des directives à l’appelant et Internet a ses codes de conduite que l’énonciateur – même si, nouvel Internaute et ne se connaissant pas encore d’interlocuteur – se doit de connaître et respecter s’il souhaite être entendu et accueilli au sein de la communauté virtuelle. Deux modes de communication spécifiques Nous présupposons que des procédures originales de communication se créent du fait des formes d’expression spécifiques requises par les méthodes prises en compte - le téléphone et les répondeurs téléphoniques ainsi que l’ordinateur (mails, news groups) – car il s’agit bien de transmettre un message sans interlocuteur direct, uniquement par le biais de la voix (mots employés, syntaxes particulières, ton), de l’écrit ou de la dactylographie. Nous avons effectué tout d’abord l’analyse externe du corpus en le contextualisant par l’explicitation de la procédure de collationnement ainsi que de l’origine des messages et des procédures suivies pour les obtenir. Ensuite vient la description interne du corpus c’est-à-dire de l’énoncé et de l’énonciation. In fine, nous avons procédé à l’analyse conversationnelle. Sous le regard des auteurs Il était incontournable de mentionner Ferdinand de Saussure dont le Cours de linguistique générale reste un apport essentiel dans l'analyse du langage et de la communication humaine. D’autre part, tout un chacun, de nos jours, dès qu’il s’intéresse un tant soit peu à la notion de communication entend parler du « Schéma de la communication » de Jakobson – nous pourrions même dire qu’il s’agit d’une information de notoriété publique – dont nous reprenons la présentation synthétique. Dans son étude du langage, Jakobson a non seulement mis en évidence l'importance des six éléments constitutifs de la communication mais également celle des six fonctions du langage en regard. La communication implique de nombreux éléments (la langue, la norme, les interlocuteurs, le message, le contact, le code commun, la culture, les références sociales, les divers supports) et le propos de la linguistique est – à travers l'étude de réalisations individuelles – de retrouver ce qui est commun à tous les locuteurs et constitue une langue (parlée ou écrite) et même d’aller au-delà en essayant de retrouver ce qui pourrait être commun à toutes les langues. Et, à l’inverse, ce qui fait la particularité d’une langue, d’une culture, et qui relève donc de la sociolinguistique. D’autre part, dans la troisième partie, nous analyserons une série de message d’internautes (en tout ou en partie) où l’émetteur procède à des choix de styles d’écriture tout à fait particuliers. Cela peut aller de formulations à caractère humoristique (autodérision, emploi d’un accent « typé », déclarations pseudo-philosophiques, participation aux newsgroups de « spécialistes » de l’humour, la dévalorisation d’autrui, dérision, moquerie pure et simple) à l’emploi de procédés stylistiques (jeux de mots, références contextuelles liées aux moyens de communication, au canal transmetteur, interpellation du locuteur, mise en scène ou mise en situation, style emphatique) en passant par l’expression d’un état d’esprit personnel (émotivité, agressivité) ou l’emploi d’éléments affectifs et/ou évaluatifs. D’autres marques linguistiques se présenteront également qui portent sur l’insistance, la polémique, le self-contrôle, l’image de l’autre, l’interpellation, la critique, la dévalorisation, le niveau culturel et social, les insultes, les menaces, la politesse, l’irritation, l’inquiétude, l’agressivité. Il arrive que le locuteur fasse usage de procédés tels que la mise en scène ou un emploi particulier de la ponctuation… Quels que soient la fonction ou les choix du locuteur, l’analyse d’une situation interactive de la communication peut également bénéficier de l’apport de la sociologie et – de notre point de vue – surtout celui de Goffman ; précisons qu’il s’agit essentiellement de prendre en considération la théorie des faces : « sauvegarder la face », « ne pas faire perdre la face à autrui ». Dans le même ordre d’idée, nous avons également pris en compte l’apport de John Langshaw Austin au sujet des choix locutoires, illocutoires ou perlocutoires de l’émetteur, celui de William Labov concernant la variation linguistique ou de Christian Baylon concernant l’analyse sociolinguistique du message qui, selon lui, bénéficie d'une double approche : celle du linguiste, en fonction des éléments de première et deuxième articulations, de la sémantique, de la syntaxe, de l'intonation ; celle du sociologue, concernant l'intention du locuteur, le but du message, le rapport entre le locuteur et l'auditeur, l'état, l'institution. L’approche linguistique Les limites d’un travail linguistique La présente analyse s'élabore sur base d'un corpus déterminé comportant les textes de messages transmis sur Internet ou retranscrits sur base d'enregistrements audio ; certains de ces derniers présentant bien entendu des hésitations, rectifications, spécifiques à la mise en œuvre de l'énonciation. Les conditions et le processus de celle-ci, bien que sous-jacents à toute communication, ne peuvent être définis que de manière indirecte et déductive en fonction des indications transparaissant dans le dit effectif. En conséquence, sur base de l'étude de l'énonciation, il s'agit – pour présenter une démarche linguistique complète – de proposer une description rationnelle et justifiée des conditions d'élaboration du dit effectif. Pour ce faire, il nous faut "remonter le courant" et, à partir des énoncés du corpus, le « dit », procéder à une description des éléments constitutifs de l'énonciation, le « dire », et des conditions de cette énonciation, le « savoir-dire ». Les pronoms personnels et possessifs Dans une analyse conversationnelle, le positionnement des intervenants – entre autres par le choix et l’utilisation des pronoms personnels – prend toute son importance. La sélection de l’item devant représenter une personne s’effectue en référence au contexte communicationnel et aux intentions du locuteur. Les actes de parole : locutoire, illocutoire, perlocutoire Dès lors qu’un échange se fait entre deux personnes, l’une et l’autre ne sont jamais totalement libres de leur énonciation, l’une comme l’autre choisissent tel ou tel terme, tel ou tel type de phrase, tel ou tel contenu… parce qu’elles souhaitent avoir un effet sur le destinataire ou parce que le destinataire a un effet Une conversation n’est pas une suite de communications univoques s’échelonnant, se suivant, se superposant de manière linéaire. En effet, il s’agit d’un échange dialogal participant à la construction d’un « édifice » commun, à l’élaboration d’un échange structuré réalisé dans le cadre d’un projet interactif. S’il n’y a pas accord à tout le moins sur le principe de « converser », il ne peut y avoir d’échange : la communication est duale (du locuteur vers l’interlocuteur et vice-versa). L’analyse conversationnelle Notre souhait, au travers de cette analyse, est – sur base des énoncés recueillis – de pouvoir décrypter le processus de l’énonciation et identifier les éléments constitutifs du savoir-faire correspondant aux intentions de l’énonciateur. Les messages pris en considération ne sont pas des monologues : les acteurs de notre corpus formulent des messages sous forme de conversation c’est-à-dire d’échanges car ils s’adressent à un interlocuteur réel quoique absent au moment de la construction de l’énoncé. Catherine Kerbrat-Orecchioni nous éclaire quant à la structure des conversations dans une démarche synthétisant différentes études abordant les types d’interactions de la vie en société. L’approche interactionniste a ouvert les disciplines linguistiques à d’autres disciplines telles que la sociologie, l’anthropologie et l’éthologie des communications. Quant à l’analyse conversationnelle, elle comporte deux niveaux : o l’un concerne les relations entre les constituants du texte, o l’autre, les relations entre les interactants. Le système des places et le système des faces Catherine Kerbrat-Orecchioni fait état également de la relation verticale en se référant au système des places : les sociétés humaines se répartissent en strates sociales c’est-à-dire en groupes organisés qui régissent les relations humaines. Quelle que soit la société – même dans les sociétés qui se disent « égalitaires » – il y a toujours une répartition du pouvoir entre différents groupes. D’autres éléments pris en compte… D’autres éléments sont pris en compte tels que les modes, la politesse, les éléments de références, les déictiques, les processus d’encodage et de décodage, la redondance, les interférences, les procédés additifs et substitutifs. L’énoncé L'énoncé est l'aboutissement du processus de création. Chaque énonciateur construit sa communication à l'aide de mots qu'il choisit selon ses intentions et préoccupations personnelles et le sens qu’il souhaite leur donner. Chaque message développe une idée, un sujet particulier sur un thème de base. En fonction des techniques de communication (Internet, répondeur téléphonique) les thèmes rencontrés peuvent prendre des optiques très diverses. A la suite des aspects sémantique et syntaxique, nous abordons l’aspect pragmatique et ses caractéristiques : intention(s) et motivation(s) de l’énonciateur, type et objet du discours… De ce fait, nous procédons non seulement à la présentation - des déictiques : pronoms personnels et possessifs (pronominalisation du locuteur, de l’interlocuteur), pronom indéfini ou omnipersonnel, démonstratifs, localisation spatio-temporelle et termes liés à la spatio-temporalité, temporalité liée aux formes verbales ; - d’autres éléments de l’énonciation : majuscule, ponctuation, interjections, expressions partiellement désémantisées, éléments connexes aux signatures, éléments introducteurs et conclusifs, dessins, smileys ; - des formulations et emplois particuliers : style commercial, formes verbales (verbes injonctifs, déclaratifs ou d’opinion, performatifs), modalité (forme interrogative, modes des formes verbales dont l’impératif), modalisation (formes infinitive et impersonnelle, transformation passive, auxiliaires modaux), redondance et non-concision, subjectivité (humour, énervement). Les applications pratiques De prime abord – et nous avons déjà pu l’observer et le confirmer – nous pensons pouvoir établir qu’un jeu relationnel s’établit dans n’importe quel message. Tout un chacun, lorsqu’il entame une conversation, élabore son message en tenant compte – consciemment ou non – d’une perception personnelle de lui-même autant que d’une perception tout aussi personnelle d’autrui. En outre, le locuteur, en tant que personne intégrée dans une société, un groupe humain…, ressent un sentiment d’appartenance ou de discrimination sociale et applique ce sentiment à la perception de son interlocuteur. Tout contact avec autrui implique une connaissance a priori de la personne, une perception particulière qui n’est pas exempte de préjugés, impliquant une évaluation – de nouveau consciente ou non – de ses caractéristiques personnelles et de ce fait, de la place qui lui sera octroyée dans la construction de la relation. L’élaboration d’une conversation implique nécessairement la mise en œuvre d’un jeu relationnel. Dès lors, le message est formalisé et personnalisé par l’émetteur par le biais de formes expressives particulières. Le locuteur, se positionnant en tant que membre, non-membre ou opposant d’un groupe traduira dans son énoncé ses sentiments, impressions, opinions… sous des formes diverses qui peuvent aller jusqu’à l’extériorisation d’un énervement, d’un amusement, de l’ironie. Une lecture attentive des messages composant notre corpus nous a permis d’identifier certains messages tout à fait expressifs et particuliers que nous avons analysés plus particulièrement sur base d’une grille conforme au schéma synthétique de la communication tel que présenté en première partie. En conclusion A de nombreuses reprises, nous avons pu constater que l’énonciateur ne se contente généralement pas de structurer un message simple en un nombre restreint de mots et de le subdiviser en introduction, corps du texte, conclusion. Même si cette trame de base est bien souvent respectée, les formulations sont bien plus complexes qu’il n’y pourrait paraître à première vue. Spécificité de la communication humaine, le locuteur personnalise son message et élabore son énoncé sur base de termes qu’il a toute latitude de choisir en fonction de ses connaissances, intentions, préoccupations et goûts personnels ainsi que du sens qu’il souhaite lui donner. Sur base de l’analyse et des considérations qui s’ensuivent, nous avons posé le constat que la « sauvegarde de la paix », le désir de veiller à « sauver la face tout en ne la faisant pas perdre aux autres », le respect de l’usage… font – en complément de la transmission d’un contenu de message différencié – partie intégrante de la majorité des échanges conversationnels qu’il s’agisse de messages enregistrés sur répondeur ou de messages élaborés par des internautes novices.