1 Introduction

1Le langage humain constitue le système de communication le plus élaboré du monde animal. Comme tout comportement, il n’a laissé que peu de traces directes de ses origines ce qui rend l’étude de sa phylogenèse complexe. De récentes études théoriques et empiriques ont souligné l’intérêt d’opter pour une approche interdisciplinaire de la question de l’origine du langage. L’un des moyens d’y répondre serait alors de comparer les mécanismes de communication chez l’homme et chez d’autres espèces animales plus ou moins proches phylogénétiquement (Zuberbühler et al., 2009 ; Fitch, 2010 ; Lemasson et al., 2013a ; Zuberbühler et Lemasson, 2014).

2Les facteurs ayant conduit à l’émergence du langage font l’objet d’un débat important. Le langage humain (Locke et Snow, 1997), tout comme la communication animale (Marler et Tenaza, 1977), constitue avant tout un acte social. Il semble donc logique que la socialité ait pu influencer l’évolution de la communication, et réciproquement (Marler, 1977 ; Waser, 1982). Les hypothèses invoquant une influence majeure des pressions sociales sur l’évolution des capacités communicatives, notamment vocales, se sont multipliées et précisées ces dernières années (Snowdon et Hausberger, 1997 ; Oller et Griebel, 2008 ; Lemasson, 2011 ; Freeberg et al., 2012). Ainsi, le rôle social d’un individu, le contexte social de l’interaction de communication, ou encore la complexité du système social de l’espèce pourraient influencer le degré de flexibilité et de complexité communicative observé tant au niveau de l’individu que de l’espèce.

3L’acte de communication consiste en une interaction sociale entre un individu émetteur et un ou plusieurs individus receveurs par le biais d’un échange de signaux (Smith, 1965 ; Egnor et al., 2005). L’acte de communication vocale peut donc être analysé sous trois facettes : 1) la production : analyse de la structure acoustique des signaux émis au cours de l’interaction , 2) l’utilisation : analyse du contexte et des taux d’émission, ainsi que de l’organisation temporelle des signaux échangés, et 3) la perception et la compréhension : analyse des capacités de discrimination entre différents signaux acoustiques et de décodage des messages véhiculés par les signaux (Seyfarth et Cheney, 1997). En se focalisant sur la production et l’utilisation, cet article se propose de passer en revue les récentes études ayant mis en évidence des capacités de flexibilité vocale (définie ici comme une modulation qualitative [production] ou quantitative [utilisation] d’un signal sonore au cours du temps) jusque-là sous-estimées chez les primates non-humains. Dans un premier temps, nous traiterons de la flexibilité dans l'organisation du répertoire vocal d’une espèce en passant en revue les contraintes et les sources de variabilité acoustique permettant un encodage complexe de messages dans les signaux vocaux. Dans un second temps, nous traiterons des influences du contexte social sur la flexibilité vocale, en termes de production et d’utilisation, chez le jeune puis chez l’adulte. En conclusion, nous établirons les parallèles possibles entre langage humain et communication vocale animale, et nous discuterons de l’influence des facteurs sociaux sur l’évolution de la communication dans l'ordre des primates.

2 Flexibilité dans l’organisation du répertoire vocal de l’espèce

2.1 Le répertoire vocal et ses contraintes : vers une classification revisitée

4Traditionnellement, les auteurs définissent le répertoire vocal propre à chaque espèce comme une organisation rigide, sorte de catalogue de types de cris structurellement et contextuellement distincts (e.g. cri de contact, cri de menace, cri d’alarme, cri de détresse, cri de découverte alimentaire, cri d’œstrus…). La variabilité de ces types de cris serait limitée en raison de fortes contraintes neurobiologiques (i.e. contrôle limité de l’émetteur sur son appareil phonatoire – Jürgens, 2002) et écologiques (i.e. propriétés de propagation du son dans l'habitat et possibilités de compensation inter-modale – Brown et al., 1995), ce qui laisse peu de place à une flexibilité socialement déterminée.

5En ce qui concerne les contraintes neurobiologiques, les émissions vocales des singes seraient essentiellement automatiques car liées quasi-exclusivement au niveau d’excitation de l’émetteur, avec une production associée à des structures cérébrales subcorticales et notamment au système limbique (Jürgens, 1995). Pourtant, de récentes études de conditionnement opérant ont relancé le débat sur la capacité de contrôle vocal des primates non-humains, vraisemblablement sous-estimée jusqu'alors (gibbons : Koda et al., 2007 – macaques : Coudé et al., 2011). De plus, les bases neurobiologiques de cette aptitude au contrôle vocal ont pu être identifiées chez les ouistitis (Simoes et al., 2010) et les macaques (Coudé et al., 2011 ; Hage et Nieder, 2013). Ces études ont révélé le rôle joué par le cortex prémoteur et le cortex préfrontal, des aires cérébrales également impliquées dans la production du langage chez l'homme (Simoes et al., 2010 ; Coudé et al., 2011 ; Hage et Nieder, 2013). En outre, d'après ces études, l’activation du cortex prémoteur n’est pas systématique. Certaines émissions vocales, notamment celles liées à la présentation d’aliments, sont plutôt automatiques, alors que d’autres, notamment celles impliquées dans un échange vocal, sont plutôt volontaires. Cela soutient l’idée que le contexte social est une source potentielle de flexibilité vocale.

6En ce qui concerne les contraintes écologiques, Marler (1975) suggérait un lien étroit entre la structure de l'habitat, notamment le niveau de visibilité, et le degré de gradation du répertoire vocal. Chez les espèces de milieu forestier où la communication visuelle est limitée, le mode vocal est prépondérant mais les contraintes de propagation du son favoriseraient l’utilisation d’un répertoire vocal discret, avec des types de cris stéréotypés, minimisant les risques de confusion. A l’inverse, les espèces d’espace ouvert pourraient utiliser des répertoires gradués, avec de nombreuses structures transitoires entre les différents types de cris, car elles ont la possibilité d’assurer la transmission de leur message par un complément visuel. Cette vision très dichotomique d’espèces au répertoire discret versus d’espèces au répertoire gradué est néanmoins partiellement remise en cause à l'heure actuelle. Premièrement, des espèces aux répertoires dits gradué et discret peuvent partager un même habitat (Lemasson 2011). Deuxièmement, le niveau de gradation n’est pas homogène au sein du répertoire vocal d’une espèce donnée, indépendamment des contraintes de propagation du son dans l’habitat. Certains types de cris sont plus stéréotypés que d’autres et il semble que l’importance du message encodé, et donc la fonction sociale du cri, joue un rôle primordial dans le degré de gradation observé. Ainsi, les cris d’alarme informant de la présence d’un prédateur présentent moins de gradation que les cris d’alarme avertissant d’un danger moins vital (e.g. mones de Campbell : Keenan et al., 2013). Troisièmement, en focalisant notre attention sur le type de cri, nous passons à côté d’autres sources potentielles de variabilité. Ainsi, au-delà du recensement des différents types de cris, Hauser (2000) a souligné l'intérêt de privilégier une approche multi-niveaux de la structure organisationnelle du répertoire vocal des primates non-humains. Il convient alors d'observer comment une ou plusieurs "unités sonores" (i.e. élément de base d'un cri, représenté par un tracé continu le long de l'axe temporel du sonogramme : Struhsaker, 1967 – équivalent de "note" chez les gibbons : Geissmann, 2002) sont concaténées de façon à former un "type de cri" (i.e. signal ayant une structure distincte et une fonction propre se traduisant par un ou des contextes d’émission particuliers), lui-même pouvant être émis de manière isolée ou bien au sein d'une "séquence vocale" (i.e. série de cris émise par un même individu; le délai entre deux cris consécutifs est systématiquement plus court que le délai entre deux séquences consécutives : Struhsaker, 1967 – équivalent de "phrase" chez les gibbons : Geissmann, 2002). Le répertoire vocal apparaît alors comme un système plus flexible, avec des combinaisons optionnelles mais prédictives de structures acoustiques. Cette approche "unité sonore – type de cri – séquence vocale" est analogue à celle classiquement utilisée dans la littérature concernant les oiseaux chanteurs (notes – syllabes – phrases – chant) ou l’homme (voyelles/consonnes – syllabes – mots – phrases).

2.2 Différents niveaux de variabilité au sein du répertoire vocal

7Dans la littérature récente, l’étude systématique de la variabilité acoustique au niveau intra-individuel ainsi que l'approche multi-niveaux du répertoire vocal des primates non-humains (Hauser, 2000) ont permis de mettre en évidence un encodage de messages plus complexe que ce qui avait été décrit jusqu’alors. Il s'est avéré que les primates non-humains possèdent deux moyens de générer de la variabilité acoustique pour augmenter le nombre ou la précision des messages transmis. Le premier repose sur des structures acoustiques dont les paramètres (temporels ou fréquentiels) ne sont pas fixés, donnant ainsi lieu à un système plus ou moins gradué permettant notamment la subdivision d’un type de cri en sous-types. Le second repose sur la concaténation d’éléments discrets en des structures d’ordre supérieur (unités vocales en cris, ou cris en séquences) permettant à des espèces présentant un répertoire vocal simple de l’enrichir de manière significative.

2.2.1 Variabilité acoustique et valeur sociale du type de cri

2.2.1.1 Variabilité contextuelle

8Tandis que les catégories fonctionnelles auxquelles sont attribués les types de cris sont souvent peu nombreuses (e.g. interactions affiliatives, interactions agonistiques, découverte de nourriture, alarme, territorialité ou encore sexualité), la variabilité des structures acoustiques observée à l'intérieur d'un type de cri donné est parfois importante. Dans un tel cas, de fines variations structurales dans les domaines temporel ou fréquentiel peuvent permettre de distinguer des sous-types de cri. L’étude détaillée du contexte d’émission de ces sous-types et, dans certains cas, des expériences de repasses (alias "playbacks") testant la réaction des individus récepteurs ont permis de mettre en évidence qu’ils encodaient un supplément d’information au sein d’une catégorie fonctionnelle donnée. Il est intéressant de noter que ces suppléments d’information sont directement liés au fonctionnement social de l’espèce concernée. Depuis les fameux travaux de Seyfarth et al. (1980) qui furent les premiers à révéler l’existence de sous-types de cris d’alarme associés à différentes espèces de prédateurs chez les vervets, des découvertes similaires ont été faites chez de nombreuses espèces de primates non-humains soumis à la prédation (prosimiens : Macedonia, 1990 – singes du Nouveau Monde : Wheeler, 2010 – singes de l’Ancien Monde : Cheney et Seyfarth, 1990 ; Zuberbühler et al., 1997). Par exemple, les femelles mones de Campbell émettent différents sous-types de cris d’alarme (‘RRA’) en fonction de la nature du danger et du type de prédateur détecté (Lemasson et al., 2004 ; Ouattara et al., 2009a). Les chimpanzés, qui partagent leur nourriture entre congénères, produisent différents sous-types de cris alimentaires (‘rough grunts’) liés à la quantité et à la qualité de la source de nourriture découverte (Slocombe et Zuberbühler, 2005 ; Slocombe et al., 2010). Chez des espèces au fonctionnement social dit despotique, des sous-types de cris de détresse (‘screams’) informant sur l’intensité de l’agression ou l’identité de l’opposant ont pu être identifiés chez les macaques (Gouzoules et al., 1984) et les chimpanzés (Slocombe et Zuberbühler, 2007 ; Slocombe et al., 2009). Chez des espèces au fonctionnement social plus tolérant, des sous-types de cris de contact (cris ‘CH’ et ‘A’, respectivement) liés à l’activité du groupe ou de l’individu émetteur ont été observés chez les mones de Campbell (Lemasson et Hausberger, 2011) et les cercopithèques Diane (Candiotti et al., 2012a).

2.2.1.2 Variabilité identitaire

9Les exemples présentés ci-dessus traitent de variabilité acoustique intra-individuelle liée au contexte d’émission. Simultanément, un signal vocal peut également présenter de la variabilité acoustique inter-individuelle porteuse d’un message identitaire (encodant des informations relatives aux caractéristiques physiques ou sociales de l’individu émetteur) (Seyfarth et Cheney, 2003 ; Egnor et al., 2005). Une hypothèse a été émise suggérant l’existence d’un lien entre le degré de variabilité structurale d’un signal vocal et la valeur sociale de son contexte d’émission (Snowdon et al., 1997 ; Griebel et Oller, 2008). Les cris impliqués dans la médiation des relations intra-groupe et dirigés vers un partenaire social particulier (par exemple les cris affiliatifs), pourraient ainsi être sujets à des pressions (sociales) de sélection en faveur d’un degré important de variabilité. Cela permettrait notamment l’encodage d’informations relatives à l’identité de l’émetteur (variabilité inter-individuelle), à son état émotionnel ou encore à ses "intentions" en termes de stratégies sociales (variabilité intra-individuelle). Au contraire, les cris émis dans un contexte moins social et dirigés vers l’ensemble du groupe (par exemple les cris d’alarme) seraient sujets à des pressions de sélection en faveur d’une plus grande stéréotypie permettant d’éviter tout risque de confusion du signal. Cette hypothèse a été validée récemment grâce à des études évaluant le degré de variabilité acoustique dans tout ou partie du répertoire vocal chez plusieurs espèces. En effet, les cris affiliatifs sont ceux qui présentent le degré de variabilité des paramètres acoustiques le plus élevé et qui encodent l’identité de la manière la plus fiable (e.g. macaques : Rendall et al., 1998 – babouins : Rendall et al., 2009 – mones de Campbell : Lemasson et Hausberger, 2011 – mangabés à collier : Bouchet et al., 2012a). En revanche, chez ces mêmes espèces, les cris d’alarme ou les cris liés à l’alimentation ont une structure comparativement plus stéréotypée avec peu de variabilité intra- ou interindividuelle (e.g. mones de Campbell : Lemasson et Hausberger, 2011 – mangabés à collier : Bouchet et al., 2012a).

2.2.2 Des combinaisons acoustiques

2.2.2.1 Combinaisons d'unités sonores en cris

10L’étude des structures acoustiques à un niveau d’organisation inférieur, c’est-à-dire au niveau de l’unité sonore, a permis de mettre en évidence que les primates non-humains étaient capables d’émettre une grande variété de signaux à partir de quelques unités discrètes en les concaténant selon diverses configurations. Un exemple remarquable est celui de la mone de Campbell. Les mâles produisent des cris d’alarme spécifiques au type de danger détecté. Ainsi, ils émettent des cris ‘Krak’ lorsqu’un léopard est détecté et des cris ‘Hok’ lorsqu’un aigle est repéré (Ouattara et al., 2009b). La valeur sémantique des ‘Krak’ et des ‘Hok’ a été confirmée expérimentalement. Lorsqu’ils entendent des repasses de ces cris, les cercopithèques Diane qui vivent en sympatrie avec les mones de Campbell se comportent comme si le prédateur avait été réellement détecté (Zuberbühler, 2000). Les mâles mones de Campbell produisent également des variantes de ces cris auxquels ils ajoutent un suffixe unique ‘oo’. Les ‘Krak-oo’ et ‘Hok-oo’ sont émis dans un contexte plus large de perturbation, respectivement au sol et dans la canopée. Ainsi, l’affixation d’une unité ‘oo’ permet d’élargir le sens du message porté par les cris sans suffixe ‘Krak’ et ‘Hok’ (Ouattara et al., 2009b). Les femelles mones de Campbell produisent quant à elles quatre types de cris affiliatifs : deux constitués d’une seule unité (‘ST’ et ‘SH’), un résultant de la combinaison de ces deux unités (‘CT’), et un dernier résultant de la combinaison de l’unité ‘SH’ avec une seconde unité en forme d’arche (‘CH’) (Lemasson et Hausberger, 2011). Là encore, ces quatre types de cris encodent des variations subtiles quant au contexte social d’émission. Par exemple, le cri ‘CH’ est composé d’un préfixe (‘SH’) encodant l’état émotionnel de l’émetteur (Lemasson et al., 2012) et d’un suffixe (modulation de fréquence en forme d’arche) encodant l’appartenance à un réseau social affinitaire (Lemasson et Hausberger, 2004 ; Lemasson et Hausberger, 2011). Un phénomène similaire a pu être observé chez les cercopithèques Diane. Leur répertoire vocal inclut sept types de cris de contact : quatre sont constitués d’une seule unité (‘A’, ‘R’, ‘L’ ou ‘H’) et trois correspondent à la combinaison entre une unité préfixe (‘R’, ‘L’ ou ‘H’) et l’unité ‘A’ qui occupe la position de suffixe. L’utilisation de ces sept types de cris varie en fonction du contexte social d’émission, notamment l’activité et la cohésion spatiale du groupe. Ici aussi, les préfixes et le suffixe apportent des informations complémentaires sur la valence de l’état émotionnel de l’émetteur (préfixes) et son identité (suffixe) (Candiotti et al., 2012a). Enfin, un autre exemple est celui des mangabés à collier. Leur répertoire vocal comprend, entre autres, quatre types de cris fonctionnellement distincts (découverte de nourriture : ‘Ti+(Uh)’, compétition alimentaire : ‘A+(Uh)’, menace : ‘Un+(Uh)’ et affiliation : ‘Ro+(Uh)’) (Bouchet et al., 2010) qui peuvent être constitués d’une seule unité (respectivement ‘Ti’, ‘A’, ‘Un’ et ‘Ro’), de cette même unité émise de manière répétée (e.g. ‘TiTi’ ou ‘TiTiTi’), ou bien de cette (ces) unité(s) concaténée(s) à une unité suffixe (‘Uh’) (e.g. ‘TiUh’ ou ‘TiTiUh’). Là encore, l'utilisation de ce suffixe est fonction du contexte social : les cris comprenant un ‘Uh’ sont émis plus souvent lors d’échanges vocaux impliquant de multiples partenaires que lors d’émissions vocales isolées (Bouchet et al., 2010).

2.2.2.2 Combinaison de cris en séquences

11L’étude des structures acoustiques à un niveau d’organisation supérieur, c’est-à-dire au niveau de la séquence de cris, a permis de mettre en évidence que la structure organisationnelle des séquences vocales pouvait elle aussi être porteuse d’informations contextuelles. Ainsi, les cris alimentaires sont émis en séquences dont la composition, en termes de types de cris chez les bonobos (Clay et Zuberbühler, 2009 ; Clay et Zuberbühler, 2011) et en termes de nombre de répétitions d’un type de cri unique chez les macaques (Dittus, 1984) et les tamarins (Elowson et al., 1991 ; Caine et al., 1995), varie en fonction de la qualité ou de la quantité de nourriture découverte. Un autre exemple remarquable est celui des mâles mones de Campbell qui produisent six types de cris d’alarme (‘Boom’, ‘Krak’, ‘Krak-oo’, ‘Hok’, ‘Hok-oo’ et ‘Wak-oo’) qu’ils émettent généralement en séquences comptant de 2 à 40 cris émis à la suite. L’analyse de la structure de ces séquences a révélé un système de combinaisons complexe, reposant sur des associations et des transitions (i.e. ordre de succession des cris) non-aléatoires entre les différents cris. Ce système encode des informations aussi diverses que la nature et l’imminence du danger, le type de prédateur et l’activité du mâle (Ouattara et al., 2009b). Par exemple, une séquence composée de cris ‘Boom’ suivis de cris ‘Krak-oo’ est émise suite à la chute d’un arbre. Lorsqu’un groupe voisin est détecté, des cris ‘Hok-oo’ sont ajoutés à l’intérieur de la séquence "chute d’arbre" qui porte alors un nouveau message (territorial). De la même manière, une séquence composée de cris ‘Krak-oo’ est émise lorsqu’un prédateur est détecté. L’ajout de cris ‘Krak’ ou l’ajout de cris ‘Wak-oo’ (et optionnellement ‘Hok’ et ‘Hok-oo’) au sein d’une séquence "alerte générale au prédateur" spécifie le type de prédateur détecté (respectivement léopard ou aigle). Les mâles mones de Campbell sont également capables de combiner les séquences vocales entre elles. Par exemple, la séquence "chute d’arbre" résulte de la combinaison entre une séquence "rassemblement et déplacement du groupe" (série de cris ‘Boom’) et une séquence "alerte générale au prédateur" (série de cris ‘Krak-oo’). En outre, il est apparu que l’organisation des séquences vocales est prévisible puisque les informations cruciales sont données dès le début de la série de cris (Ouattara et al., 2009b). Par exemple, les cris ‘Boom’ produits dans un contexte de non-prédation sont émis en premier. Les cris simples (‘Krak’ et ‘Hok’) informant sur le type de prédateur détecté sont également émis avant les cris suffixés au sein d’une séquence. Des repasses de séquences vocales enregistrées dans un contexte de détection d’un prédateur, auxquelles des cris ‘Boom’ avaient été artificiellement ajoutés ne provoquent d’ailleurs pas de réaction anti-prédatrice chez les individus récepteurs (Zuberbühler, 2002). Enfin, le rythme d’émission des cris au sein de la séquence s’est également avéré être porteur d’informations. Le débit d’émission des cris ‘Krak’ et ‘Krak-oo’ augmente en fonction de l’imminence du danger (léopard vu versus entendu), tandis que le rythme d’émission des ‘Hok’ augmente lorsque le mâle s’apprête à contre-attaquer l’aigle détecté (Lemasson et al., 2010a). Les exemples indiquant que l’émission de cris en séquences permet d’affiner le message ou bien de créer de nouveaux messages se sont multipliés ces dernières années (e.g. chimpanzés : Crockford et Boesch, 2005 – gibbons : Clarke et al., 2006 – cercopithèques : Arnold et Zuberbühler, 2006 ; Arnold et Zuberbühler, 2008 ; Murphy et al., 2013 – capucins : Wheeler, 2010 – titis : Cäsar et al., 2013).

3 Flexibilité dans le comportement vocal du jeune et de l’adulte

12Dans les années 1970-1980, les premières études concernant l’ontogénie de la communication vocale chez les primates non-humains ont conclu à un fort déterminisme génétique. Les vocalisations des juvéniles apparaissaient comme structurellement comparables à celles des adultes dès la naissance et peu variables par la suite (revues : Newman et Symmes, 1982 ; Seyfarth et Cheney, 1997 ; Hammerschmidt et Fischer, 2008). Néanmoins, le débat autour de l’ontogénie de la production vocale reste ouvert car les résultats disponibles à l’heure actuelle diffèrent d’une espèce à l’autre (Egnor et Hauser, 2004). De plus, peu d’auteurs se sont penchés sur cette question depuis ces premiers travaux. En revanche, les études concernant l’ontogénie de l’utilisation vocale ont révélé que le développement de cette autre facette de la communication était pour sa part bien dépendant de l’expérience (Seyfarth et Cheney, 1997 ; Naguib et al., 2009). Enfin, des études récentes sur la communication vocale chez les primates non-humains à l’âge adulte ont révélé une flexibilité vocale conséquente, tant en termes de production que d’utilisation vocale, notamment pour les cris impliqués dans les interactions sociales (Snowdon, 1997 ; Egnor et Hauser, 2004 ; Naguib et al., 2009). Ici, nous allons passer en revue les études ayant mis en évidence de la flexibilité vocale sous influences sociales chez le jeune puis chez l’adulte.

3.1 Développement des structures acoustiques chez le jeune

13L’idée que les vocalisations des primates non-humains sont déterminées uniquement génétiquement s’est appuyée sur des expériences d’isolement social ou d’assourdissement à la naissance (e.g. macaques : Harlow, 1958 – saïmiris : Winter et al., 1973 – Newman et Symmes, 1974), ou encore sur des expériences d’hybridation et d’adoption croisée (e.g. gibbons : Brockelman et Schilling, 1984 ; Geissmann, 1984 – macaques : Owren et al., 1992). Ces expériences peuvent cependant être critiquées car le juvénile ne peut jamais être totalement privé d’expérience sociale (notamment au stade prénatal). De plus, les expériences d’hybridation et d’adoption croisée ont été réalisées avec des espèces proches phylogénétiquement ce qui empêche toute conclusion définitive en termes de déterminisme génétique (Geissmann, 1984 – Owren et al., 1992). En outre, des expériences similaires apportent parfois des résultats contradictoires. L’adoption croisée entre macaques rhésus et macaques japonais a amené Masataka et Fujita (1989) à conclure en faveur d’un phénomène d’apprentissage vocal tandis que Owren et al. (1992) ont conclu en faveur d’un déterminisme génétique. Récemment, des réplications de l’expérience d’élevage en isolement social de Newman et Symmes (1974) réalisées par Hammerschmidt et al. chez des macaques rhésus (2000) et des saïmiris (2001) ont pour leur part révélé un certain degré de variabilité acoustique structurale au cours du développement (e.g. abaissement de la fréquence fondamentale, allongement de la durée, stabilisation de l'amplitude) qui serait, en partie seulement, expliqué par des changements morpho-anatomiques maturationnels. Le développement des techniques de mesures acoustiques à la fin des années 1980 pourrait expliquer pourquoi ces études récentes ont détecté dans les vocalisations des primates non-humains juvéniles un degré de variabilité acoustique supérieur à ce qui avait été rapporté jusqu’alors (Seyfarth et Cheney, 1997 ; Snowdon et al., 1997). Un cas exceptionnel de flexibilité vocale au cours du développement a été rapporté chez les ouistitis pygmées (Snowdon et Elowson, 2001) et les ouistitis communs (Pistorio et al., 2006). Un phénomène de "babillage" (i.e. production de longues séquences de cris de structures variées ressemblant plus ou moins aux structures adultes) a été observé chez les juvéniles. Au cours de leur développement, les jeunes ouistitis émettent des séquences de cris de plus en plus courtes, et la fréquence des "cris juvéniles" diminue au profit des cris structurellement proches ("cris quasi-adultes") ou identiques ("cris adultes") à ceux de leurs ainés. Enfin, une étude récente sur les duos mère-fille chez les gibbons agiles a mis en évidence un degré de flexibilité acoustique dans le chant du jeune qui va au-delà de simples changements maturationnels (Koda et al., 2013). Au cours du développement, les femelles immatures produisent des chants qui sont de plus en plus ressemblants acoustiquement et de plus en plus synchrones à ceux de leur mère.

3.2 Flexibilité vocale et rôle social chez l’adulte

14A l’âge adulte, l’existence d’une flexibilité vocale liée au rôle social de l’individu émetteur a été rapportée chez diverses espèces de primates non-humains. Ainsi, l’appartenance à une entité sociale donnée, le statut social, ou encore le sexe, sont autant de messages identitaires qui peuvent être portés par les signaux vocaux. C’est le cas en particulier pour les cris impliqués dans la cohésion sociale intra-groupe, et cet encodage d’informations identitaires leur confère une fonction de ‘badge social’ (Snowdon, 1997).

3.2.1 Différences inter-populationnelles

15Des comparaisons inter-groupes ont révélé que l’appartenance de l’émetteur à une population donnée se reflétait dans la structure acoustique de certains types de cris (i.e. "dialecte phonologique")  (e.g. chimpanzés : Mitani et al., 1999 ; Crockford et al., 2004 – lémurs : Hafen et al., 2000 ; Braune et al., 2005 – macaques : Tanaka et al., 2006 – ouistitis : De La Torre et Snowdon, 2009), voire dans la composition de son répertoire vocal (présence/absence de types de cris ou de messages encodés, i.e. "dialecte sémantique") (e.g. orang-outans : Wich et al., 2012 – mones de Campbell : Schlenker et al., 2013). Cet encodage se traduit par la présence, à un moment donné, de structures acoustiques similaires dans le répertoire de congénères appartenant à une même entité. Une hypothèse serait que ces dialectes sont le résultat d’une dérive génétique entre les populations ou bien de différences liées à l’acoustique de l’habitat occupé (e.g. macaques : Sugiura et al., 2006 – babouins : Ey et al., 2009). Néanmoins, l’hypothèse d’un phénomène d’apprentissage social semble souvent la plus plausible. En effet, il a pu être prouvé que les dialectes ne sont pas liés à une divergence génétique inter-groupes chez les lémurs (Hafen et al., 2000) et les macaques (Tanaka et al., 2006). Les dialectes ne seraient pas non plus liés aux facteurs environnementaux puisque même des groupes voisins de chimpanzés et de lémurs présentent des structures acoustiques distinctes alors qu’ils occupent le même habitat (Crockford et al., 2004 ; Hafen et al., 2000 ; Braune et al., 2005). De plus, les différences acoustiques relevées chez différentes populations de ouistitis éloignées géographiquement n’ont pu être entièrement expliquées par les caractéristiques acoustiques de l’habitat occupé (De La Torre et Snowdon, 2009). Enfin, une étude longitudinale chez les macaques a révélé que les différences inter-populations n’apparaissaient chez les juvéniles qu’après l’âge de 6 ou 7 mois (Tanaka et al., 2006), ce qui nous conforte dans l’idée que l’expérience joue un rôle prépondérant dans l’acquisition des dialectes.

16Par ailleurs, des différences entre populations captives et sauvages d’une même espèce ont été rapportées. Les femelles mones de Campbell sauvages produisent, dans un contexte de danger, trois sous-types de cris ‘RRA’ (‘RRA1’ : dangers divers autres que prédation, ‘RRA3’ : détection d’un aigle, ‘RRA4’ : détection d’un léopard) (Ouattara et al., 2009a). En revanche, les femelles mones de Campbell captives ne produisent plus les cris d’alarme liés aux prédateurs, mais émettent le cri ‘RRA1’ (dangers divers) ainsi qu’un cri ‘RRA2’ lors du passage de certains humains (e.g. vétérinaire, personne non familière) à proximité de l’enclos (Lemasson et al., 2004). Ce cri ‘RRA2’ n’a jamais été enregistré dans des groupes sauvages (Ouattara et al., 2009a). Ainsi, les individus captifs présentent un répertoire de cris d’alarme plus restreint, probablement du fait de la rareté des évènements dangereux dans leur environnement. En revanche, il est intéressant de constater qu’ils ont développé leur propre version de cri d’alarme liée à leur environnement immédiat (associée à la présence humaine) (Lemasson et al., 2004). Ce phénomène s’apparenterait à de l’innovation vocale, la captivité pouvant être vue comme une nouvelle niche écologique propice au développement de nouvelles capacités vocales (Snowdon, 2009). Deux exemples anecdotiques soutiennent cette idée d’innovation : l’observation chez des chimpanzés (‘extended grunt’ et ‘raspberry’ – Hopkins et al., 2007) et des orangs-outangs (sifflement – Wich et al., 2009) de signaux nouveaux produits uniquement en captivité, respectivement destinés à attirer l’attention des humains ou produits par imitation de ces derniers.

3.2.2 L'émetteur et son réseau social

17Au sein d’un même groupe, des différences inter-individuelles liées au statut social de l’émetteur ont également été constatées. Ainsi, l’appartenance à un réseau affinitaire au sein du groupe peut transparaître dans les vocalisations; ce phénomène a été qualifié de partage vocal (par analogie avec la littérature sur les oiseaux: Brown et Farabaugh, 1997). Il a été notamment mis en évidence chez les mones de Campbell : les femelles ayant des liens sociaux privilégiés émettent les mêmes variantes de cris de contact (caractérisées par la forme de la modulation de fréquence) alors que les femelles isolées socialement ont des cris divergeant des autres individus (Lemasson et al., 2003). De plus, le répertoire d’une femelle (i.e. la structure acoustique et le nombre de ses variantes) et l'identité de ses partenaires de partage vocal évoluent au cours du temps, en parallèle de la dynamique de ses affinités au sein du groupe social (Lemasson et Hausberger, 2004). Cette réorganisation des répertoires vocaux individuels et des réseaux de partage est particulièrement importante suite à une perturbation sociale (e.g. remplacement du mâle du harem : Lemasson et Hausberger, 2004). En outre, des expériences de repasse de ces variantes de cris de contact ont permis de confirmer que les individus récepteurs percevaient ce degré de variabilité acoustique et qu’ils répondaient différemment à une variante présente (faisant partie du répertoire de partage actuel du groupe), une variante passée (n’étant plus utilisée dans le groupe depuis 4 ans) et une variante inconnue (Lemasson et al., 2005a). Enfin, chez les femelles mones de Campbell sauvages, une corrélation positive a été trouvée entre un indice de similarité acoustique (basé sur la comparaison des formes de modulation de fréquence des cris de contact de deux femelles données) et un indice d’affinité sociale (basé sur le temps passé à se toiletter mutuellement), en l'absence de corrélation entre cet indice de similarité acoustique et un indice d’apparentement génétique (basé sur une analyse microsatellitaire) (Lemasson et al., 2011a).

18D’autres cas de convergence de certains paramètres acoustiques entre membres d’un même groupe ont été observés. Le suivi de la formation de nouveaux groupes sociaux (e.g. mise en couple d’individus non-familiers, introduction d’un nouvel individu dans un groupe) a révélé que les individus étaient capables d’ajuster les paramètres acoustiques de leurs cris en fonction de ceux de leur nouveau partenaire chez les ouistitis (Snowdon et Elowson, 1999), les gibbons (Geissmann, 1999) et les chimpanzés (Marshall et al., 1999). De plus, il a été observé que ce type de perturbation sociale pouvait également engendrer une augmentation de l’activité vocale chez les sakis (Di Fiore et al., 2007), et plus particulièrement une augmentation de la fréquence des échanges vocaux chez les gibbons (Geissmann, 1986 ; Dooley et Judge, 2007) et les mones de Campbell (Lemasson et al., 2005b). Cela pourrait faciliter l’ajustement vocal au nouveau partenaire ainsi que la mise en place des relations sociales. Par ailleurs, dans le cadre d’un d’échange vocal, un individu est capable de sélectionner dans son répertoire le cri le plus proche structurellement de celui utilisé par son partenaire. Ce phénomène dit de "call matching" a été décrit chez les chimpanzés (Mitani et Brandt, 1994), les macaques japonais (Sugiura, 1998) et les cercopithèques Diane (Candiotti et al., 2012b). Chez cette dernière espèce, un phénomène de convergence/divergence acoustique inter-individuelle a été décrit. Les femelles émettent des cris très stéréotypés et individualisables lorsqu’elles se déplacent dans un habitat visuellement dense (besoin de cohésion spatiale) alors qu’elles convergent acoustiquement au cours d’un échange vocal (besoin de cohésion sociale).

19Outre cette flexibilité vocale liée aux relations affinitaires entretenues par l’individu émetteur au sein de son groupe, son rang hiérarchique peut également transparaître dans la structure acoustique de ses cris ou dans leur utilisation. Ainsi, un babouin dominant émet des cris ‘wahoo’ plus aigus et plus longs qu’un subordonné (Fischer et al., 2004), tandis qu’un chimpanzé dominant émet plus souvent des cris ‘pant-hoots’ qu’un dominé (Mitani et Nishida, 1993). Il est intéressant de noter qu’en cas de changement de statut hiérarchique, on observe un ajustement des paramètres acoustiques de telle manière que le message contenu dans les signaux vocaux de l’individu émetteur demeure fiable. Chez les babouins, une chute dans la hiérarchie se traduit par un raccourcissement et un déclin de la fréquence fondamentale des cris (Fischer et al., 2004); cette flexibilité acoustique est perçue et utilisée par les mâles pour évaluer le statut de leur adversaire et ajuster leur réponse (Kitchen et al., 2013). L'utilisation des vocalisations manifeste également de manière fiable un changement de statut. Ainsi, chez les mâles cercopithèques, une chute dans la hiérarchie se traduit par la disparition des émissions de cris forts (Gautier, 1998).

3.2.3 Dimorphisme sexuel et rôle social de l’émetteur

20Les caractéristiques identitaires comme le sexe de l’émetteur peuvent aussi être encodées dans la structure des cris. Qu’elles soient de l’ordre d’une phonation particulière ou de types de cris propres à un sexe, ces différences sont généralement expliquées par des différences morphologiques et physiologiques. En effet, certains paramètres acoustiques dépendent des propriétés physiques de l’appareil phonatoire (Riede, 2010), elles-mêmes corrélées à la taille et au poids de l’individu (Fitch et Hauser, 1995 ; Ey et al., 2007). Les cris forts chez les cercopithèques et les mangabés seraient spécifiques aux mâles adultes car les sacs vocaux sont particulièrement développés chez ces individus (Gautier, 1971 ; Gautier et Gautier, 1977 ; Waser, 1982). Néanmoins, des découvertes anecdotiques récentes suggèrent que certains de ces cris dits spécifiques à un sexe ne seraient pas toujours le reflet de l’incapacité des individus de l’autre sexe à les produire. Cela a pu être prouvé expérimentalement chez les saïmiris (Jürgens, 1979 ; Smith et al., 1982), les mâles étant capables de produire des cris dits spécifiques aux femelles suite à une stimulation électrique cérébrale. Cela a également été observé dans un contexte de perturbation sociale chez les gibbons (e.g. mise en couple d’un mâle et d'une femelle non-familiers : Geissmann, 1983; femelles captives hébergées seules ou bien avec une autre femelle : Chen et al., 2008) et de danger imminent chez les cercopithèques (Ouattara et al., 2009a ; Bouchet et al., 2012b) : dans ces quatre exemples, les femelles ont produit des cris dits spécifiques aux mâles lorsque celui-ci était absent ou bien demeurait anormalement silencieux. Une hypothèse permettant d’expliquer ces observations serait que les différences entre les répertoires des mâles et des femelles adultes reflèteraient plutôt la préférence des individus pour certains types de cris. Cette préférence serait en accord d’un point de vue fonctionnel avec le rôle social du sexe correspondant (i.e. protection du groupe pour les mâles adultes versus maintien de la cohésion sociale intra-groupe pour les femelles adultes) (e.g. saïmiris : Smith et al., 1982 – macaques et langurs : Hohmann, 1991 – mangabés : Bouchet et al., 2010 – cercopithèques de Brazza : Bouchet et al., 2012b).

3.3 Apprentissage du contexte d’émission des vocalisations chez le jeune

21Si l’on s’intéresse à un autre aspect de la communication qu’est l’utilisation des vocalisations, il existe chez les primates non-humains un certain nombre de preuves d’apprentissage social du contexte d’émission approprié (Seyfarth et Cheney, 1997 ; Snowdon, 1997 ; Naguib et al., 2009). L’importance de l’expérience et des influences sociales sur l’ontogénie de cette facette de la communication est donc moins débattue.

22Ainsi, il y a un affinement progressif du contexte d’utilisation des différents types de cris au cours du développement, notamment par observation du comportement des adultes. Les jeunes vervets apprennent à sélectionner le cri d’alarme approprié en fonction du prédateur détecté : par exemple, le cri d’alarme spécifique à la détection d’un aigle martial est d’abord émis envers tout objet volant (y compris une feuille d’arbre) par les enfants, puis envers toutes les espèces d’oiseaux par les juvéniles, et enfin préférentiellement envers les espèces de rapaces et surtout l’aigle martial par les adultes (Seyfarth et al., 1980 ; Seyfarth et Cheney, 1986). De même, les jeunes macaques apprennent à émettre dans le contexte approprié les différents sous-types de cris de détresse (liés à l’intensité de l’agression ou à l’identité de l’opposant) au cours de leur développement (Gouzoules et Gouzoules, 1989 ; Gouzoules et Gouzoules, 1995). Chez les chimpanzés, l’utilisation des grunts sociaux (connus sous le nom de ‘pant-grunts’ à l’âge adulte) ne suit pas une progression asymptotique simple pendant le développement et l’on observe la mise en place progressive d’un choix sélectif des individus vers lesquels ces grunts sont dirigés (Laporte et Zuberbühler, 2011). Une influence des partenaires sociaux sur l’apprentissage de l’utilisation des cris a pu être mise en évidence chez deux espèces. Chez les tamarins pinchés, en présence de juvéniles, les adultes associent l'émission de cris alimentaires à des transferts de nourriture (de l’adulte vers le jeune) (Roush et Snowdon, 2001). Cela pourrait constituer un cas de "coaching" (Caro et Hauser, 1992) où les cris des adultes fourniraient un modèle pour le juvénile et le partage de nourriture constituerait l’encouragement (le renforcement positif). Chez les gibbons agiles, l'étude des duos mère-fille a quant à elle révélé que les filles convergent acoustiquement avec leur mère au cours d'un même duo, tandis que les mères émettent des chants plus stéréotypés lorsqu'elles vocalisent en duo avec leur jeune versus en solo; les mères joueraient donc un rôle du tuteur facilitant l'apprentissage de la structure du chant par leur fille immature (Koda et al., 2013).

23Enfin, une étude récente chez les mones de Campbell a révélé que les règles d’échange vocal se mettaient en place au cours du développement (Lemasson et al., 2011b). Chez les primates non-humains, les cris de contact sont fréquemment émis par les adultes lors d’échanges vocaux caractérisés par l’alternance d’émissions vocales entre les émetteurs ; on parle, comme chez l’homme, de tours de parole (e.g. ouistitis : Snowdon et Cleveland, 1984 – vervets : Hauser, 1992 – macaques : Hauser, 1992 ; Sugiura et Masataka, 1995). Les cas de rupture de ces tours de parole, lorsqu’un individu crie deux fois de suite sans laisser le temps à son interlocuteur de répondre, sont extrêmement rares chez l’adulte mone de Campbell (moins de 1%), alors qu’ils sont douze fois plus fréquents chez les juvéniles (Lemasson et al., 2010b ; Lemasson et al., 2011b). De plus, les adultes mones de Campbell présentent un niveau d’intérêt différent pour des repasses d’échanges vocaux (entre deux interlocuteurs A et B) respectant (type "A-B-A") ou non (type "B-A-A") la règle des tours de parole, mais ce n’est pas le cas des juvéniles. Ces résultats confirment que cette règle est perçue par les individus et suggèrent qu’elle est apprise socialement (Lemasson et al., 2011b). Une étude comparative réalisée chez les macaques japonais a également montré que les jeunes respectent moins que les adultes la règle des tours de parole (Lemasson et al., 2013b).

3.4 Utilisation vocale en fonction du contexte d’émission chez l’adulte

3.4.1 Effet d'audience

24A l’âge adulte, les primates non-humains sont capables d’ajuster leur comportement vocal au contexte d’émission, qu’il soit social ou non. C’est notamment le cas dans les contextes de prédation : l’émission d’un signal vocal augmentant le risque de se faire détecter par le prédateur, l’individu a tout intérêt à en limiter la production. Il a ainsi été observé que l’émission de cris d’alarme peut dépendre de l’identité des congénères présents à proximité ; on parle alors d’effet d’audience. Par exemple, les mâles vervets émettent plus fréquemment des cris d’alarmes si une femelle est à proximité, tandis que les femelles en émettent préférentiellement si des juvéniles sont à proximité (Cheney et Seyfarth, 1990). Ce phénomène d’effet d’audience a également été mis en évidence pour plusieurs autres catégories de cris. Les femelles chimpanzés et bonobos émettent plus de cris de copulation en présence de mâles dominants versus subordonnés (Townsend et al., 2008 ; Clay et al., 2011), mais les femelles chimpanzés en émettent moins si une femelle de rang supérieur est également présente (Townsend et al., 2008). Les mâles chimpanzés quant à eux émettent plus fréquemment leurs cris alimentaires suite à la découverte de nourriture (Slocombe et al., 2010) et leurs cris de cohésion ‘pant-hoots’ (Mitani et Nishida, 1993) lorsqu’ils sont en présence de partenaires avec lesquels ils forment des alliances. L’émission de cris de "salutation" en direction des mâles dominants (‘pant-grunts’) par les femelles chimpanzés peut quant à elle être favorisée ou inhibée selon l’identité et le statut social du receveur, ainsi que selon le nombre et le statut des congénères présents (Laporte et Zuberbühler, 2010).

25Outre l'identité des partenaires présents, l'individu émetteur peut également ajuster son comportement vocal en fonction de la distance le séparant de son audience. Par exemple, l'émission de cris alimentaires chez les tamarins (Caine et al., 1995 ; Roush et Snowdon, 2000) et les capucins (Di Bitetti, 2005) dépend de la distance entre émetteur et receveurs (notamment s'ils sont en vue ou bien hors de vue). Chez les ouistitis pygmées, différents types de cri de contact sont utilisés selon la distance entre congénères : les ‘long calls’, adaptés à la propagation longue-distance dans l'habitat, sont émis lorsque le receveur est à plus de 15m de l'émetteur; les ‘trilles’, dont la structure est fortement altérée par l'habitat, sont utilisées pour communiquer à moins de 10m; et enfin les ‘J-calls’, qui ont une structure acoustique intermédiaire, sont émis lorsque le receveur se trouve dans les 20m (De La Torre et Snowdon, 2002).

26Enfin, deux études ont révélé que les primates non-humains étaient capables d’ajuster leur comportement vocal de manière plus complexe que le simple choix d’émettre ou non des cris en fonction de l’audience. Les chimpanzés émettent différents sous-types de cris de détresse en fonction de l’intensité de l’agression ou du statut hiérarchique de l’opposant (Slocombe et Zuberbühler, 2007), mais ils utilisent également ces sous-types de cris stratégiquement. Les victimes d’attaques sévères exagèrent la gravité de l’agression qu’elles subissent si au moins un congénère dans l’audience est de rang égal ou supérieur à l’agresseur (Slocombe et Zuberbühler, 2007). Egalement chez les chimpanzés, il a pu être observé que la probabilité qu'un cri d'alarme soit émis est plus élevée si l'individu se trouve en présence de congénères qui ignorent le danger (i.e. qui n'ont pas repéré par eux-mêmes la source du danger, ou qui n'ont pas encore eu l'opportunité d'entendre un cri d'alarme) versus des congénères qui sont déjà en possession de cette information (Crockford et al., 2012).

3.4.2 Echanges vocaux

27Les primates non-humains sont également capables d’ajuster leur comportement vocal lors des échanges vocaux. Nous avons vu précédemment que les échanges vocaux sont caractérisés par le respect de règles temporelles chez l’adulte (tours de paroles), néanmoins ce pattern présente un certain degré de flexibilité en fonction de facteurs sociaux. Les échanges vocaux se caractérisent par la succession de cris émis par différents individus à intervalles réguliers dont la durée a été déterminée à environ une seconde chez les macaques japonais et les mones de Campbell (Sugiura, 1993 ; Lemasson et al., 2010b). Ce délai de réponse serait déterminé socialement. En effet, la latence à répondre est plus courte entre les partenaires les plus affiliés chez les saïmiris (Biben et al., 1986). La fréquence de réponse reçue dépend également du degré d’affinité avec l’interlocuteur chez les saïmiris (Biben et al., 1986) ou de son statut social chez les ouistitis, les mones de Campbell et les macaques japonais (les femelles les plus âgées sont des interlocutrices préférentielles) (Chen et al., 2009 ; Lemasson et al., 2010b ; Lemasson et al., 2013b). En outre, la structure même des vocalisations peut être ajustée de façon à initier ou prolonger un échange vocal. Les mâles chimpanzés sont ainsi capables de modifier la structure de leurs ‘pant-hoots’ (i.e. durée de la phase build-up, durée de la phase climax, nombre d'éléments de climax) afin de faciliter le développement d'un chorus avec un congénère (Fedurek et al., 2013). Enfin, un individu est capable de moduler son comportement vocal afin d’attirer l’attention d’un partenaire quand celui-ci reste silencieux. Ainsi, les macaques japonais émettent de manière répétée des cris "exagérés" (i.e. augmentation de la modulation de fréquence, cris plus longs et plus aigus) afin d'augmenter la probabilité de recevoir une réponse (Koda, 2004).

4 Evolution de la communication

28Dans une première partie, nous avons souligné l’importance d’adopter une approche multi-niveaux de la structure organisationnelle du répertoire vocal des primates non-humains. Celle-ci a permis de révéler un degré conséquent de variabilité acoustique, au sein et entre les signaux vocaux, permettant un encodage complexe de messages. Parmi les résultats remarquables, nous avons relevé que les primates non-humains étaient capables de combiner des éléments discrets en structures d’ordre supérieur dont la composition, l’agencement ou encore le rythme encodent un supplément d’information. En outre, nous avons souligné l’influence de la fonction sociale du cri sur son degré de variabilité acoustique. Dans une seconde partie, nous avons répertorié les preuves de flexibilité vocale sous influences sociales chez le jeune et l’adulte. Tandis que l’apprentissage social joue un rôle dans l’ontogénie de la production vocale dont l'importance reste à évaluer, son implication dans l’ontogénie de l’utilisation vocale (contexte et règles d’émission des cris) est évidente. Chez l’adulte, le statut social de l’individu, dynamique dans le temps, est un facteur favorisant l’émergence de flexibilité vocale, tant en termes de production que d’utilisation. Parmi les résultats remarquables, nous avons noté l’existence de convergence vocale entre congénères (dialecte, partage vocal, call matching), d’un effet d’audience sur le comportement de l’individu émetteur, ainsi que d’échanges vocaux structurés.

4.1 Parallèles avec le langage humain

29D’un point de vue évolutif, la communication vocale des primates non-humains a longtemps été placée à l’écart de celle des autres espèces, homme compris, car elle était décrite comme fortement contrainte par l’habitat, les facteurs génétiques et un contrôle limité de l’émetteur sur son appareil phonatoire. Quoiqu'il en soit, les preuves de plasticité vocale tout au long de la vie de l’individu sont bien plus nombreuses chez les oiseaux, les cétacés et l’homme (Snowdon et Hausberger, 1997). Ce n’est que récemment qu’elles se sont multipliées pour les primates non-humains, en grande partie grâce à l’intérêt croissant porté aux cris impliqués dans la médiation des relations sociales intra-groupe (Masataka, 2003 ; Snowdon, 2009). Il est de moins en moins contestable aujourd’hui qu’il soit possible de trouver des formes primitives d’un certain nombre de caractéristiques du langage humain dans la communication des primates non-humains (Oller et Griebel, 2008 ; Naguib et al., 2009 ; Zuberbühler et al., 2009 ; Lemasson, 2011; Lemasson et al., 2013a). Ainsi, le caractère référentiel (i.e. relatif à un stimulus extérieur) des signaux vocaux (e.g. Seyfarth et Cheney, 2003) se rapproche du caractère sémantique des mots chez l’homme. La structure organisationnelle complexe des émissions sonores (composition, agencement, rythme) portant un message référentiel (e.g. mones de Campbell : Ouattara et al., 2009b ; Ouattara et al., 2009c ; Lemasson et al., 2010a) pourrait quant à elle correspondre à une forme primitive des propriétés syntaxiques et prosodiques du langage humain (Hauser et al., 2002 ; Scherer, 2003). L’encodage plus ou moins important d’informations identitaires dans les signaux vocaux en fonction de leur fonction sociale (e.g. Lemasson et Hausberger, 2011 ; Bouchet et al., 2012a ; Candiotti et al., 2012b) s’apparente à l’observation faite chez l’homme de la présence plus ou moins prononcée d’indices identitaires dans le discours en fonction du contexte et de la composition de l’audience (Bell, 1984) et au phénomène d’accommodation vocale chez l’homme (Giles et al., 1991). La mise en évidence de convergence vocale liée à la dynamique des réseaux sociaux (e.g. Lemasson et al., 2005a) peut être mise en parallèle avec le fait que, chez l’homme, les amis ou les apparentés font correspondre leur façon de parler (Locke et Snow, 1997). Les échanges vocaux structurés s’apparenteraient à des formes primitives de conversations (e.g. Snowdon et Cleveland, 1984 ; Hauser, 1992 ; Sugiura et Masataka, 1995) puisqu’ils sont caractérisés par des règles similaires à celles observées chez l’homme (Ghiglione, 1986 ; Stivers et al., 2009). Enfin, la mise en évidence d'une certaine flexibilité d’utilisation des signaux vocaux en fonction du contexte social a apporté des preuves d'intentionnalité et de directionnalité chez les primates non-humains. Ces derniers sont en effet capables de faire le choix d'émettre ou non un cri en fonction de l'identité, du statut social, voire même de l'état de connaissance de leurs congénères (effet d’audience : e.g. Zuberbühler et al., 2011 ; Crockford et al., 2012 – interlocuteurs préférentiels lors des échanges vocaux : e.g. Lemasson et al., 2010b), ce qui tend à démontrer le caractère directionnel de leurs signaux vocaux. En outre, les primates non-humains sont également capables de choisir un type de cri avec une structure adaptée à la distance de propagation jusqu'au receveur (e.g. De La Torre et Snowdon, 2002), d'ajuster leur délai de réponse en fonction de leur affinités sociales (e.g. Biben et al., 1986), de répéter leur message jusqu'à obtention d'une réponse (i.e. "persistance") (e.g. Koda et al., 2004), ou même de modifier la structure acoustique de leur cri (i.e. "élaboration") (call matching : e.g. Sugiura, 1998 ; exagération du signal : Koda, 2004), autant de preuves du caractère intentionnel de leur comportement vocal.

30Il est incontestable que des différences majeures existent entre le langage humain et la communication vocale des primates non-humains, néanmoins les résultats précédents révèlent que des parallèles peuvent être établis. Il est difficile à l’heure actuelle de statuer si ces formes primitives chez les primates des caractéristiques du langage humain sont héritées d’un ancêtre commun (caractères homologues) ou bien si elles sont le reflet d’une évolution convergente soumise à des pressions sélectives similaires (caractères analogues). Cependant, il est intéressant de souligner que ces caractéristiques comparables à la sémantique, la syntaxe, la prosodie, la convergence vocale, les conversations, ou encore l'effet d’audience ont pu être mises en évidence chez les primates non-humains à des niveaux phylogénétiques très différents (prosimiens, singes du Nouveau Monde, singes de l'Ancien Monde, grands singes), ce qui tend à montrer que les racines du langage, si elles existent, sont profondément ancrées dans l'ordre des primates. A l’avenir, une multiplication des études comparatives est nécessaire pour tenter de répondre à cette question.

4.2 Théorie d’une co-évolution social-vocal

31Quoi qu’il en soit, identifier les pressions évolutives ayant favorisé l’émergence de complexité vocale chez les espèces animales apporterait des éléments de réflexion quant aux pressions de sélection ayant conduit jusqu’à l’émergence du langage chez l’homme. Au cours de cette revue, nous avons mis l’accent sur le lien existant entre vie sociale et flexibilité vocale au niveau individuel. De la même manière, il a été suggéré qu’à l’échelle de l’espèce le degré de complexité du système social pourrait être à l’origine d’une complexification des capacités communicatives. Quelques hypothèses en faveur d’une co-évolution social-vocal ont été testées par le biais de revues de la littérature existante. Chez les sciuridés, un lien entre la taille du répertoire de cris d’alarme et la complexité de la structure sociale a été mis en évidence (Blumstein et Armitage, 1997). Chez les odontocètes (baleines à dents), une relation entre la complexité structurale des signaux vocaux et le degré de socialité a été trouvé (May-Collado et al., 2007). Enfin, chez les primates non-humains, un lien a été identifié entre la taille du répertoire vocal et la taille moyenne du groupe social ainsi que le temps moyen consacré à l’épouillage (i.e. une mesure de la force des liens sociaux) (McComb et Semple, 2005). Ces études suggèrent donc qu’il est fort probable que des pressions sociales puissent être à l’origine de la complexification des systèmes de communication vocale animale au cours de l’évolution. A l’avenir, il est crucial que ces hypothèses soient testées conjointement de manière empirique par le biais d’études comparatives d’espèces proches phylogénétiquement et issues d’un habitat similaire mais présentant des différences marquées entre leurs systèmes sociaux.

32C'est ce que se sont proposés de faire Gustison et al. (2012) en s'intéressant à deux espèces africaines d'espace ouvert vivant en larges groupes dont l'organisation sociale diffère : les géladas (société multi-niveaux composée de petites unités au sein desquelles un mâle forme des liens étroits et durables avec plusieurs femelles) et les babouins chacmas (société multi-mâles multi-femelles où les deux sexes forment des consorts temporaires). De nombreux types de cris "homologues" (fonctionnellement et structurellement), communs aux deux espèces, ont pu être identifiés. Mais le répertoire vocal des géladas s'est avéré plus grand que celui des babouins du fait de la présence de cris "non-homologues" (i.e. "dérivés") ayant une fonction dans le maintien à long terme des liens mâles-femelles et produits principalement par les mâles. Ainsi, il s'avère que la force du lien social est un facteur-clé, plus crucial que la taille de l'unité reproductive, dans l'émergence de complexité vocale chez le gélada. Par ailleurs, l'influence des facteurs sociaux sur la complexité vocale s'est révélée plus conséquente chez les mâles, faisant écho à leur rôle social primordial au sein de la société gélada. Bouchet et al. (2013) se sont quant à eux intéressés à trois espèces de cercopithecinés forestiers africains présentant des structures sociales distinctes : singe de Brazza (petit groupe familial monogame) – mone de Campbell (harem de taille moyenne) – mangabé à collier (grands groupes multi-mâles multi-femelles). Cette étude s'est focalisée sur les femelles adultes dont le rôle dans le maintien des relations sociales intra-groupe est prépondérant. La comparaison inter-spécifique a révélé un répertoire vocal structurellement plus grand et plus diversifié chez les mangabés, un pattern intermédiaire chez les mones de Campbell, et le répertoire le moins riche chez les singes de Brazza. Ainsi, les relations entre "composition du groupe – taille du répertoire vocal" (Blumstein et Armitage, 1997), "taille du groupe – taille du répertoire vocal" (Mc Comb et Semple, 2005) et "taille du groupe – variabilité des signaux" (May-Collado et al., 2007) ont pu être retrouvées. Il est intéressant de noter qu'entre ces trois espèces, la complexification du répertoire vocal est réalisée par le biais d'une utilisation accrue de concaténations (d'unités sonores en cris, et de cris en séquences). Cette capacité à combiner des éléments discrets en des structures d'ordre supérieur est possiblement un moyen que les primates non-humains ont développé au cours de l’évolution afin d'augmenter leurs capacités communicatives, palliant ainsi à leurs capacités de flexibilité phonologique restreintes. Le système social d’une espèce semble donc être un facteur majeur influençant la structuration du répertoire vocal et son utilisation. A l'avenir, la multiplication de telles études au sein de l’ordre des primates, notamment chez les grands singes qui sont les plus apparentés à l’homme, serait particulièrement informatives pour les théories d’évolution du langage.

33Jusque-là, nous avons concentré notre discussion sur les études comparatives qui soulignent un parallèle entre complexité sociale et complexité vocale. Il est intéressant de noter qu’une approche similaire chez trois espèces de macaques a permis de révéler une influence de l’organisation sociale sur la taille du répertoire de gestes ainsi que sur la complexité de la dynamique de communication gestuelle (Maestripieri, 2007). Plus récemment, une étude sur la mobilité faciale de douze espèces de primates non-humains a révélé une corrélation entre taille du groupe et variété des mouvements faciaux qu'une espèce est en mesure de produire (Dobson, 2009). Une autre étude portant sur la complexité chimique des sécrétions glandulaires de huit espèces de lémurs bruns, qui diffèrent de par leur système social, a mis en évidence une corrélation entre complexité sociale et complexité olfactive (Del Barco-Trillo et al., 2012). Enfin, une étude du système auditif de 20 espèces de primates non-humains a révélé une corrélation entre complexité sociale et accroissement de la sensibilité auditive (Ramsier et al., 2012). Cet ensemble d'études comparatives suggère que la théorie d’une co-évolution social-vocal pourrait s’étendre à d’autres modes de communication que l’acoustique, tant au niveau de la production que de la perception (Freeberg et al., 2012). Opter pour une approche multimodale de la communication, comme souligné récemment dans la littérature (Waller et al., 2013 ; Genty et al., 2014), permettrait, dans le cadre décrit précédemment, d'évaluer l'impact différentiel des facteurs sociaux, ou autres facteurs évolutifs, sur les différentes modalités de communication.