Archétypes émotionnels : musique et neurosciences

publié le 25 avril 2016

Par Jean-Julien Aucouturier, chargé de recherche, équipe Perception et Design sonore de l'Ircam-STMS

L'équipe Perception et design sonores du laboratoire STMS (IRCAM/CNRS/UPMC), grâce à l'apport d'un financement « Starting Grant » de l'European Research Council, a récemment étendu ses activités dans le champ des neurosciences de la musique. Jean-Julien Aucouturier, chargé de recherche CNRS dans l'équipe et porteur du projet, explique en quoi les technologies sonores développées à l'Ircam sont une véritable opportunité pour ce type de travaux.

La musique détient un bien étrange pouvoir sur nos émotions. Au détour d'une phrase, d'une texture, survient l'événement sonore, une attaque, un tremblement, un seul soupir parfois, qui met toute notre physiologie aux abois. Pour le neuroscientifique, ces événements, ces signaux sont de vexantes provocations, car si l'on crie, si notre cœur s'emballe et si nos mains deviennent moites en tombant nez à nez avec un ours lors d'une balade en forêt, il sait bien que c'est pour des raisons de survie : le cri avertit nos semblables du danger, le cœur pompe plus de sang dans nos muscles pour nous préparer au combat, et notre transpiration régule notre température pour nous préparer à courir. Tomber nez à nez avec de la musique, avec un do ou un do dièse, un violon ou une flûte, est rarement une question de vie ou de mort, et pourtant nos réactions biologiques sont souvent les mêmes.

Une des hypothèses les plus contemporaines sur cette question est que notre cerveau se ferait, en fait, « avoir » par la musique qui se fait passer pour un stimulus plus important qu'elle n'est en réalité. Car il est bel et bien des sons auxquels il est important de répondre vite et intensément : le rugissement dissonant d'un fauve, l'éclat de voix colérique d'un rival, le rire contagieux d'un enfant ou la berceuse apaisante d'une mère. Avec ses phrases hésitantes ou nettement scandées, ses timbres sombres ou brillants, ses notes tremblantes ou soutenues, il se peut donc que la musique active, à notre insu, les circuits neuronaux normalement recrutés pour traiter la parole expressive, et déclenche ainsi des réactions émotionnelles usurpées. Malheureusement, pour tester cette idée, les outils manquent : il faudrait pouvoir produire de la musique qui « sonne » comme de la voix émotionnelle, dont les caractéristiques acoustiques reproduiraient précisément la délicate harmonie d'intensité, hauteur, timbre et durée de la voix humaine quand elle se fait joyeuse, triste ou inquiète. Faute de tels outils, les neurosciences de la musique en sont réduites à constater que la musique et la voix activent parfois les mêmes zones, mais parfois non, parfois les mêmes émotions, mais parfois non, sans véritablement comprendre pourquoi ni comment.

Si cette question de faire parler un orchestre, ou de faire chanter une parole, reste en somme pour les neurosciences une hypothèse en quête d'outil, il est un autre domaine où, paradoxalement, les exemples pratiques de telles réalisations abondent : celui de l'informatique musicale et de la création musicale contemporaine. Dans les studios de musique de l'Ircam, depuis quarante ans, des compositeurs comme Luciano Berio ou Jonathan Harvey resoumettent régulièrement la question aux ingénieurs, chercheurs et réalisateurs en informatique musicale sur la manière d'utiliser l'ordinateur pour transcrire en sons musicaux l'essence d'une expression vocale (par exemple, Paul Scofield lisant T. S. Eliot imité par un trombone à coulisse dans Speakings de Jonathan Harvey). Les résultats de ces tentatives, parfois rapidement retournés dans les cartons ou au contraire développés au point d'être réutilisés depuis dans d'autres compositions, ne sont souvent jamais sortis des studios, et n'ont jamais été confrontés à la question scientifique qu'ils permettraient pourtant de résoudre. Pour les neurosciences de la musique, l'Ircam est une vraie caverne d'Ali Baba, une mine d’or qui ne demande qu'à être exploitée.

Grâce à un généreux soutien de l'European Research Council, j'ai fondé l'équipe CREAM (« Cracking the Emotional Code of Music ») dans le laboratoire STMS de l'Ircam précisément dans ce but : développer l'apport des technologies du traitement du signal sonore pour l'expérimentation en psychologie et neurosciences cognitives. Notre ambition est d'avancer sur ces deux fronts (développer des outils logiciels pour la communauté neuro et utiliser ces logiciels pour nos propres travaux de neurosciences) et de positionner le laboratoire comme pionnier d'une méthodologie qui, je l'espère, changera radicalement la façon dont on étudie la manière qu'a le cerveau de traiter la musique et le son.

Premier exemple de cette démarche : nous venons de publier cette année un logiciel open source, DAVID, capable de transformer le ton émotionnel de la voix en temps réel. S'inspirant d'une longue tradition ircamienne d'analyse/synthèse de la voix, DAVID est capable en moins de 20 ms de s'emparer d'un flux de paroles prononcées au micro, et d'en modifier algorithmiquement la prosodie et le timbre pour les faire paraître plus joyeuses, tristes ou anxieuses qu'elles ne le sont en vérité. Nous avons validé l'effet avec des expériences d'écoute dans quatre pays (France, Royaume-Uni, Suède et Japon) ; celles-ci ont montré que les transformations sont tellement réalistes que les locuteurs eux-mêmes pensent qu'il s'agit de leur propre voix. Comme l'effet fonctionne en temps réel, les applications scientifiques sont nombreuses : il devient, par exemple, possible d'étudier en laboratoire des situations de dialogue entre deux personnes dont on modifie à loisir le ton de la voix – est-on plus créatif en groupe quand tout le monde parle avec la même émotion ? Préfère-t-on une solution quand on s'entend l'énoncer avec une voix joyeuse ?

Dans une première étude utilisant DAVID, nous avons demandé à des participants de lire un texte à voix haute en s'écoutant au casque. À leur insu, nous avons modifié leur voix pour la faire paraître plus joyeuse ou plus triste. Non seulement les participants n'ont pas détecté la manipulation, mais leur état émotionnel a été modifié dans la direction de la transformation : ceux qui s'entendaient parler plus gaiement sont devenus plus gais, et les autres, plus tristes. Ce résultat, que nous venons de publier dans les Comptes Rendus de l'Académie nationale des sciences américaine (PNAS)(1), est important sur le plan fondamental pour les neurosciences de l'émotion car il constitue la première démonstration d'une rétroaction émotionnelle dans le domaine de la voix. D'un point de vue applicatif, il ouvre des perspectives cliniques dans le traitement de la dépression et des troubles post-traumatiques. De façon plus générale, il illustre parfaitement la raison d'être de l'équipe CREAM : voilà une découverte neuroscientifique qui n'aurait jamais pu voir le jour sans l'expertise en traitement du signal vocal et musical de l'Ircam. La première d'une longue série, on espère…

(1) en collaboration avec le LEAD de l’université de Bourgogne à Dijon, le département de sciences cognitives de l’université de Lund en Suède et les universités de Tokyo et de Waseda au Japon.