L’observation des résultats des études sur le timbre des sons de l’environnement peut amener à s’interroger sur la pertinence d’un tel modèle de description lorsque l’on considère l’environnement dans son ensemble. Prenons un simple exemple issu du paragraphe précédent, afin d’illustrer cette problématique : le son d’habitacle automobile. Lorsqu’on le compare à d’autres sons d’habitacle au- tomobile, l’hypothèse d’une structure de description continue multidimensionnelle semble convenir, et on peut faire émerger un ensemble réduit de descripteurs acoustiques permettant de caractériser ces sons et de les discriminer entre eux. Toutefois, on peut rapidement s’apercevoir que ces descrip- teurs ne sont pas les mêmes que ceux permettant de distinguer les sons de klaxon, par exemple. Il est donc évident que les espaces obtenus lors des études indépendantes de ces deux types de son ne sont pas compatibles. La question ainsi soulevée est : comment et sur la base de quel type de description commune peut-on comparer deux sons quelconques de notre environnement ?
En réalité, le jugement d’un son dépend grandement du contexte et de ce à quoi on le compare. Lorsque le son d’habitacle automobile est comparé à un autre son d’habitacle automobile, le juge- ment se fait simplement au travers d’un ensemble d’attributs descriptifs inhérents au son (mat / brillant, harmonique / bruité, . . .). Mais lorsque ce son est comparé à un son de claquement de por- tière, par exemple, un processus cognitif de reconnaissance de la source sonore prend le relai : au lieu de formuler un jugement très descriptif du type « son assez basse fréquence et peu harmonique », par exemple, l’image de l’objet mis à contribution lors de la production du son va se former dans notre esprit, à tel point que la comparaison des deux sons revient à comparer les deux objets, ce qui n’a pas de sens si l’on suppose une structure de description continue. Dans notre exemple, le son d’habi- tacle va nous faire penser au moteur ou à la voiture en mouvement, tandis que le son de claquement
de portière appelle la portière elle-même et exclut, au contraire, tout mouvement de la voiture (les portières étant en principe actionnées à l’arrêt).
Ces observations mettent en évidence la nécessité de différencier différentes types d’écoute que nous utilisons en fonction du contexte. Schaeffer [131], par la suite repris par Chion [45], a proposé un système de description selon trois points de vue :
– l’écoute causale, liée à la reconnaissance de la source physique du son ;
– l’écoute sémantique, liée à la signification du son, à l’information qu’il fournit (par exemple, la fonction d’avertisseur sonore des klaxons) ;
– l’écoute réduite, liée aux caractéristiques inhérentes au son, indépendamment de sa cause et de sa signification.
On peut raisonnablement résumer l’écoute réduite au timbre des sons de l’environnement évoqué en section 2.1.2, bien que Schaeffer distingue également d’autres aspects superficiels du son. Par ailleurs, nous laissons volontairement de côté l’écoute sémantique qui a plus trait à l’organisation des connaissances qu’à la perception des sons de l’environnement à proprement parler (par exemple un son de moteur automobile et un son de claquement de portière seront regroupés dans une même catégorie « voiture »4, alors que les sons produits sont radicalement différents d’un point de vue phy- sique ou acoustique). Il convient à présent de s’intéresser à l’écoute dite causale.
La thèse de Vanderveer [150] est considérée comme une référence pour la description des sons de l’environnement et notamment le concept d’évènement sonore (auditory event). Ses travaux ont notamment indiqué que, lorsque les auditeurs étaient amenés à décrire verbalement un ensemble varié de sons de l’environnement, ils décrivaient rarement le son lui-même, mais plutôt l’évènement l’ayant produit et le contexte environnemental associé. Plus précisément, ils décrivaient 1) l’action, 2) l’objet de l’action et 3) le lieu où l’action intervient. Lors d’une autre expérimentation, elle deman- dait aux participants de dire s’ils « reconnaissaient » les sons présentés. Il est apparu que les quelques erreurs des participants (c’est-à-dire lorsqu’ils disaient reconnaître un son qu’ils n’étaient pas censés avoir déjà entendu) étaient dues à l’appartenance des sons correspondants à une catégorie com- mune. Ceci met en évidence l’idée d’une représentation catégorielle des évènements sonores.
FIGURE2.1 – Représentation hiérarchique de la taxinomie des évènements sonores proposée par Ga- ver [63].
Afin de répondre à cette problématique de la classification perceptive des sons de l’environne- ment, Gaver [63] a proposé une taxinomie des interactions sources de production sonore que l’on peut résumer à la structure hiérarchique en figure 2.1. Cette organisation est fondée sur l’hypothèse stipulant que l’écoute d’un son fournit l’information nécessaire à l’identification de la cause physique en termes d’interactions de matériaux. Cette taxinomie distingue les interactions de types solide, li- quide et gazeux. Parmi chacun de ces types d’interactions, les évènements sonores sont regroupés en différents types d’actions, voire en différents types d’objets. Gaver considère également les éven- tuelles interactions entre ces trois catégories (bulles, etc. . .), et associe à chaque type d’interaction un
4. On parle dans ce cas de méronymie, c’est-à-dire que le moteur et la portière sont des parties – méronymes – de la voiture
ensemble de paramètres physiques pertinents (taille, matière, viscosité, force, dureté, . . .) permettant d’identifier clairement chaque catégorie. Ces éléments, ainsi que la structure complète sont présen- tées en figure 2.2.
Ballas, dans une série d’études, a également abordé la problématique de la reconnaissance et de l’interprétation des sons de l’environnement en mettant en relief les similarités avec les principes du langage. Contrairement à Gaver, il considère que l’information fournie par l’écoute du son ne suffit pas à son identification. Selon lui, l’identification est réalisée conjointement par un processus mon- tant (extraction de l’information pertinente du son et du contexte environnemental) et par un pro- cessus descendant (utilisation de notre connaissance du monde et de nos attentes) : « It is not only what we hear that tells us what we know ; what we know tells us what we hear5» [77]. Par une sé- rie d’expérimentation reportées dans [12], il démontre que la performance dans l’identification des évènements sonores dépend de différentes variables, comprenant des paramètres acoustiques, la fré-
quence écologique (la fréquence à laquelle le son a pu être entendu par le passé) et l’incertitude cau- sale (correspondant au nombre d’alternatives pouvant être la cause physique du son). Les paramètres
acoustiques n’expliquaient qu’environ 50 % de la variance des scores de performance d’identification. Plus récemment, les travaux de Guyot [69] ont porté sur la classification de sons domestiques. La méthodologie employée dans ces travaux adopte une procédure expérimentale de catégorisation libre qui consiste à demander aux participants de classifier un ensemble de sons selon leurs propres critères et en autant de catégories qu’ils souhaitent. Il leur est également demandé d’expliciter les catégories formées en termes de caractéristiques spécifiques et/ou de critères utilisés. L’hypothèse posée dans ce type d’expérience est très différente de celle posée par les tests exposés précédem- ment. En effet, ceux-ci supposaient tous une échelle mesurée continue, tandis que ce test suppose une organisation catégorielle des sons. En effet, il a été observé [104] que lorsque les sons étudiés correspondent à des sources sonores facilement identifiables et différentiables, les auditeurs privilé- gient des critères cognitifs entraînant une classification naturelle des sources sonores, plutôt que la comparaison des sons sur un ensemble de dimensions perceptives continues. Dans un tel cas, une représentation du type espace multidimensionnel continu n’est pas appropriée. On préfère alors une représentation de type hiérarchique. Dans un premier temps, l’étude des verbalisations a montré que les participants adoptaient deux stratégies différentes pour effectuer leur classification. La première est fondée sur des critères facilement associables à des paramètres acoustiques, comme la hauteur tonale, l’évolution temporelle, tandis que la seconde se focalise sur le type d’excitation à l’origine de la production du son (mécanique, électronique, . . .). Ceci rejoint les résultats obtenus dans les études précédemment citées et réaffirme l’importance de l’identification de la source sonore dans le cadre de la perception des sons de l’environnement. Les données individuelles de catégorisation prennent la forme d’une matrice dite de co-occurrences représentant combien de participants ont placé chaque paire de sons dans une même catégorie. L’analyse statistique des résultats de classification aboutit à une représentation en arbre additif [130] reporté sur la figure 2.3. Dans ce type de représentation, la distance perceptive6entre deux éléments (aux extrémités des branches) correspond à la longueur du chemin (i.e. la somme des longueurs des segments) allant de l’un à l’autre. Les arbres additifs uti- lisent également le concept de prototype (représentés par les couples lettre-chiffre sur la figure 2.3), introduit par Rosch [128] : un prototype est un élément abstrait d’un catégorie qui est à la fois le
5. « Ce n’est pas seulement ce que nous entendons qui nous dit ce que nous savons ; ce que nous savons nous dit ce que nous entendons »
6. Si on considère que la co-occurrence coo entre deux sons est égale au nombre de participants à l’expérience de ca- tégorisation libre les ayant placés dans une même catégorie divisé par le nombre total de participants (donc 0 < coo < 1), alors la distance perceptive d vaut d = 1 − coo.
plus proche des éléments de cette catégorie et le plus éloigné des éléments des autres catégories. Les arbres additifs permettent donc de représenter à la fois l’organisation hiérarchique des catégories moyennes et la typicité des sons au sein d’une même catégorie.
FIGURE2.3 – Représentation en arbre additif des résultats de classification obtenus par Guyot [69]. Les numéros représentent les sons du corpus, et les lettres (suivies d’un numéro), les prototypes.
Enfin, l’étude déjà évoquée en section 2.1.2 de Misdariis et al. [108] expose une structure prédic- tive de description visant à associer dans une même organisation perceptive les notions d’identifica- tion et de classification en types de source sonore et l’aspect timbral du son (structure multidimen- sionnelle continue). L’idée majeure provient de l’hypothèse selon laquelle la discrimination des sons sur la base d’un espace multidimensionnel continu n’est perceptivement valide que si l’ensemble des sons considérés appartiennent à une même catégorie de sons de l’environnement et donc, en d’autres termes, au même type de source physique. La pertinence de cette hypothèse peut se retrou- ver dans une expérience de mesure de similarités de sons correspondant à des types de source très hétérogènes, menée par McAdams et al. [104] ; l’analyse MDS appliquée à ce corpus de sons a révélé une structure perceptive fortement catégorielle, montrant l’inadéquation de ce mode de représenta- tion de la perception pour les sons étudiés. Outre les travaux de généralisation des espaces de timbre, déjà évoqués en section 2.1.2, les auteurs ont également mené une expérience de catégorisation libre sur l’ensemble des sons des études prises en compte. Les résultats ont été analysés par une méthode de partitionnement de données (unweighted arithmetic average clustering – UPGMA [94]) permettant d’obtenir une représentation du corpus sonore en arbre ultramétrique ou dendrogramme (représen- tation hiérarchique, non-additive). Misdariis et al. ont ainsi pu établir, dans les limites de la gamme de sons étudiés (habitacles automobiles, unités de climatisation, klaxons, claquements de portière automobile), une structure en deux niveaux :
1. un niveau catégoriel identifiant le type de source sonore (Motor, Impact, Instrument-like). 2. un niveau continu correspondant à l’espace de timbre obtenu pour chacune des ces 3 classes. Du propre aveu des auteurs, cette décomposition n’est valide que dans le cadre des types de sons étudiés et n’est pas représentative de l’ensemble des sons de l’environnement. En effet, elle n’est ex- haustive ni en termes de catégories de sources sonores, ni en termes de précision de ces catégories, en ce sens qu’elle ne fait pas apparaître le caractère hiérarchique de la classification perceptive des sources sonores (un seul niveau est représenté).
La formulation des différents types d’écoute de Schaeffer [131] mentionnée précédemment ré- sume assez bien la problématique générale abordée dans cette section et qui concerne la description des sons de l’environnement dans son ensemble :
– Lorsque l’ensemble étudié constitue un corpus homogène de sons issus de sources physiques similaires (écoute réduite chez Schaeffer), une structure de description de type multidimen-
sionnel et continu – tel que l’espace de timbre (voir section 2.1) – semble être adéquate. Elle
convient donc parfaitement à la présente étude.
– En revanche, lorsque le corpus de sons considéré inclut des éléments correspondant à des types différents de cause physique du son, un processus de reconnaissance de source préempte la perception des attributs auditifs. Il en résulte qu’une structure de description catégorielle et
hiérarchique permet de représenter plus fidèlement la perception du corpus (écoute causale
chez Schaeffer).
– Enfin, lorsque les sons de l’ensemble considéré présentent des relations perceptives de type sémantique (écoute sémantique chez Schaeffer), nos connaissances et notre conception de l’environnement en général impliquent des structures perceptives de description plus com- plexes tels que les réseaux sémantiques développés dans le domaine de la linguistique (voir par exemple le réseau WordNet [59])
Dans le cadre de cette thèse, la description de type sémantique ne présente que peu d’intérêt, puisque le but est ici de relier la perception à des éléments physiques liés au signal ou à la source sonore. Par ailleurs, bien qu’il soit possible de relier la description perceptive de type causal à des éléments tan- gibles du signal ou de la source sonore – comme démontré, entre autres, par l’étude de Misdariis et al. [108] –, le fait que les sons considérés ici correspondent à un type de production sonore similaire incite à également laisser de côté ce type de description perceptive. Les méthodologies employées dans ce dernier cadre ne sont toutefois pas inintéressantes d’un point de vue pratique, car elle per- mettent d’identifier de manière pertinente des familles de sons parmi de grands ensembles. Nous nous intéresserons donc principalement, dans le cadre de cette thèse à la description liée à l’écoute
réduite.