1Le 6 novembre 2072, alors que je m’apprête à sortir de l’infirmerie, je reçois une communication automatique de SHODAN, l’intelligence artificielle de la station Citadel. D’une voix relativement chaleureuse, elle me congratule pour mon réveil et ma guérison, puis entreprend de me présenter les différents niveaux de la station, accessibles grâce à l’ascenseur du quadrant Alpha. Ponctuellement, sa voix décroche, soit par la répétition d’une syllabe, soit en devenant artificiellement grave. Je tique mais je ne m’arrête pas. Quelques minutes plus tard, j’arpente les couloirs du premier niveau de la station à la recherche de l’ascenseur quand la voix de SHODAN résonne à nouveau entre mes oreilles, cette fois sur un ton ouvertement menaçant : « Tu n’es pas le bienvenu ici. Va-t’en. Pénètre dans cette pièce, insecte, et elle deviendra ton tombeau. » (Extrait SySh1-1, Parler Jouer, 2025, 00 :10-00 :451) Au-delà de ce qui est dit, la matière même de la voix inquiète et effraie. Si elle est reconnaissable comme étant celle de SHODAN, cette voix donne à entendre d’intrigantes transformations : son timbre s’est assombri, son élocution est devenue irrégulière et, surtout, une cacophonie de fragments de voix déformées l’accompagne. Cette enveloppe vocale agit comme un cortège sonore aussi grouillant qu’il est distordu et machinique, et suffit à me signifier que, pendant ma convalescence, SHODAN est devenue quelque chose d’autre.
- 2 C’est-à-dire qui est entendue sans que sa source ne puisse être visualisée.
2Le paragraphe qui précède est un récit de nos premiers pas dans System Shock, jeu de tir à la première personne développé par Looking Glass Studios, édité par Origin Systems et commercialisé en 1994. Dans le contexte de ce dossier thématique « Science-fiction sonore », l’étude de ce jeu ainsi que celle de sa suite, System Shock 2 (Irrational Games, Looking Glass Studios ; Electronic Arts, 1999), présente plusieurs intérêts que nous allons nous attacher à mettre en évidence. En effet, avec le personnage de SHODAN, ces deux jeux entreprennent de travailler une figure science-fictionnelle d’intelligence artificielle (IA) renégate, dont HAL 9000 et GLaDOS sont des exemples respectivement cinématographique et vidéoludique emblématiques. À l’instar des personnages de 2001 : l’Odyssée de l’espace ([2001 : A Space Odyssey], 1968) et de Portal (Valve, 2007) ou d’autres IA vidéoludiques telles que Cortana de la série « Halo » (Bungie, Xbox Game Studios, 2001-2021) et IDA de la série « Mass Effect » (BioWare, Electronic Arts, 2007-2017), SHODAN se manifeste principalement comme une entité vocale acousmatique2 exerçant sur la diégèse un pouvoir d’autant plus intense qu’elle semble être à la fois partout, grâce à sa voix, et nulle part, du fait de son absence de corps visible. De même, comme dans 2001 qui, dans ce texte, sera plus particulièrement mis en dialogue avec la série « System Shock », la neutralisation de l’IA malveillante constitue un enjeu scénaristique. Toutefois, dans ces deux jeux, cette action de mettre l’IA hors d’état de nuire acquiert une valeur différente et plus spécifiquement ludique d’objectif à atteindre pour le·la joueur·se, si bien que les invectives lancées par SHODAN au pirate s’entrelacent avec les impératifs d’action adressés à la personne qui joue. Dans la perspective d’articuler les concepts de fiction sonique (Eshun, 1998 ; Schulze, 2020) et de novum sonore, pensé ici à la suite d’Aurélie Huz (2022), cette superposition d’au moins deux situations de communication, par l’intermédiaire d’un personnage de voix artificielle dépourvue de corps, est précisément ce qui nous intéresse dans « System Shock ». En effet, SHODAN constitue un exemple propice à une étude intermédiatique des écritures sonores vidéoludiques de la science-fiction, c’est-à-dire des manières de mettre en son de nouveaux mondes et de nouvelles manières d’être au monde par le jeu, tout en résonant avec les répertoires formels de la science-fiction. En nous plaçant encore plus explicitement dans la continuité des travaux d’Aurélie Huz, nous pouvons nous poser les questions suivantes : qu’advient-il de cette figure mégatextuelle et vocale d’IA renégate lorsqu’elle est transposée du cinéma vers le jeu vidéo ? Dans quelle mesure son actualisation par le média vidéoludique la reconfigure-t-elle sous une nouvelle forme médiatextuelle ?
3Pour expliciter ce questionnement en deux parties, il est nécessaire de resituer les concepts de mégatexte et de médiatexte, et notamment le second par rapport au premier. Selon Damien Broderick, le mégatexte de la science-fiction est « une toile de mondes fictionnels entretissés dans un espace rhétorique » (Broderick, 1995, p. 47, notre traduction), qui constitue par accumulation et par des cristallisations successives une culture générique codifiée. Au sein de celle-ci, des « inventions fictionnelles » (Huz, 2022, § 24) ayant initialement valeur de nouveautés singulières, telles que le taxi volant ou, justement, l’intelligence artificielle, acquièrent une valeur syntagmatique et deviennent « disponibles pour des réutilisations ultérieures et allographes » (Huz, 2022, § 24). Dans ce cadre, le médiatexte d’un média de science-fiction (Huz, 2022, § 33-36) est à comprendre comme une actualisation du mégatexte science-fictionnel qui serait spécifique à ce média. Autrement dit, le concept de médiatexte est un outil permettant d’étudier « l’inégale cristallisation des novums […] dans les imaginaires [médiatiques] » (Huz, 2022, § 34) observée, et de comprendre les processus d’entrelacement d’une écriture générique avec une écriture médiatique spécifique. En ce sens, le présent texte envisage la série « System Shock » comme un point d’appui pour développer une réflexion plus vaste sur les écritures sonores vidéoludiques de la science-fiction, et en particulier sur la position des vocalités dans ces écritures médiatextuelles.
4Afin de répondre à notre problématique bipartite, nous formulons une hypothèse, elle aussi en deux parties. Dans System Shock et plus particulièrement dans System Shock 2, la représentation d’une IA malveillante par une vocalité artificielle acousmatique relève du novum sonore parce que, d’une part, cette représentation interroge les futurs possibles de l’humanité à partir du phénomène de la voix et que, d’autre part, cette problématisation passe par un renouvellement des écritures sonores du jeu vidéo à l’échelle du contexte esthético-médiatique de sortie de chacun de ces jeux. Pour le dire autrement, en mettant en jeu cette figure mégatextuelle de l’IA renégate à partir du vocal, System Shock 1 et 2 en produisent des actualisations médiatextuelles qui ont trait à la fois aux écritures vidéoludiques de la science-fiction et à une certaine poétique de la vocalité artificielle en contexte science-fictionnel.
5Pour mettre ces hypothèses à l’épreuve, nous allons procéder à l’analyse de l’écriture vocale de SHODAN dans la série « System Shock ». Dans un premier temps, nous allons présenter un cadre théorique qui nous permettra d’utiliser la vocalité artificielle (Bossis, 2005) comme point de départ pour penser les liens entre les écritures sonores science-fictionnelle et vidéoludique. D’autre part, nous introduirons les concepts de texturisation (Summers, 2016) et de transdiégéticité (Jørgensen, 2011), qui seront mobilisés dans le cadre de notre analyse. Ensuite, nous nous concentrerons successivement sur System Shock, puis sur System Shock 2, pour expliquer d’abord comment le premier établit l’identité sonore de SHODAN par un contraste entre le machinique et l’organique, puis comment le second creuse ce contraste en confrontant SHODAN à un nouveau personnage vocal, The Many, qui est un écho vocal hyper-organique de l’IA malveillante.
6La voix est un fait sonore aussi sensible qu’ambigu. Elle est profondément intime et personnelle, comme une émanation sonore de notre identité, tout en devenant autre dès lors que nous l’extériorisons pour communiquer. Lorsque je la présente à mes interlocuteur·rices, ma voix m’échappe physiquement, dans la mesure où je perds le contrôle du son que je produis, qui acquiert alors une autonomie et une agentivité sonores. Mais, dans le même temps, elle m’échappe à un niveau plus intime et métaphysique : elle est à la fois moi, et déjà plus tout à fait moi. Cette ambigüité de la voix a notamment été discutée par Jacques Derrida (1967) puis Steven Connor (2000) à partir de l’expérience commune mais non moins troublante de s’entendre soi-même.
7Selon le premier, le fait d’entendre sa propre voix est un phénomène constitutif de la présence à soi et de la conscience de soi, du fait de l’écart qui sépare notre voix intérieure, telle que nous l’imaginons lors de monologues « dans la vie solitaire de l’âme » (p. 57), de ce qui parvient de notre voix lorsque nous nous exprimons en produisant des sons. Derrida qualifie cette expérience « d’auto-affection pure » (Derrida, 1967, p. 93-94) qui « produit le même comme rapport à soi dans la différence d’être avec soi, le même comme le non-identique » (p. 97-98). Autrement dit, à l’écoute de cet écart, nous prenons conscience de nous-même en constatant la distance entre la personne que nous étions et qui a parlé, et la personne que nous sommes et qui entend. L’ambigüité de la voix réside ainsi dans son extimité (Tisseron, 2001) : elle est à la fois une manifestation d’un soi intime et la production d’une altérité, par projection vers l’extérieur. Dans le cas des voix science-fictionnelles d’intelligences artificielles, cette ambiguïté est amplifiée. En effet, s’il y a bien projection d’une altérité manifeste, l’existence d’une intimité intérieure, qui pourrait être synonyme d’une conscience, est souvent mise en question et tend, à ce titre, à constituer un nœud narratif, a fortiori en l’absence d’un corps visible.
8Dans le cadre de son histoire culturelle de la ventriloquie, Steven Connor développe les propositions de Derrida en y intégrant les concepts d’espace et de corps, selon lui indissociables de la voix. Connor indique ainsi : « Une voix m’établit comme une intériorité capable de reconnaître et d’être reconnue par une extériorité. Ma voix émerge de l’intérieur d’un corps et se propage dans un espace extérieur qui s’étend au-delà de ce corps. » (Connor, 2000, p. 6, notre traduction) La voix crée et occupe un espace sonore et social, et constitue un milieu qui réunit des corps qui vocalisent et des corps qui écoutent. Dans cet espace, les voix contribuent à la communication verbale entre les sujets, mais elles font aussi circuler, en tant que matières sonores extimes, des informations sensibles sur les corps qui les ont produites. Une voix légèrement étouffée pourra faire entendre un nez bouché, tandis qu’une voix éraillée et rauque pourra donner un aperçu de la soirée agitée de la veille. Si cela signifie que notre voix peut révéler, malgré nous, une partie de notre intériorité, cela suggère aussi qu’elle peut, lorsqu’elle est maîtrisée, devenir une présentation de nous-même (Goffman, [1959] 1973), d’autant plus expressive qu’elle est contrôlée. Dans un très beau passage de Dumbstruck, Steven Connor insiste toutefois sur le fait que l’extimité de la voix est la condition d’une telle expressivité :
En tant qu’espèce de projection, ma voix me permet de me retirer ou de me rétracter. Cela peut faire de ma voix un personnage, un masque, ou un panneau acoustique. En même temps, ma voix est une mise en avant d’une partie de moi, un dévoilement par lequel je m’expose, vulnérable à la possibilité de la vulnérabilité. Je ne peux m’abriter derrière ma voix que si ma voix peut être moi. Mais elle ne peut être moi que si elle porte en elle ma propre ductilité et ma sensibilité : seulement si elle est aussi soumise à l’érosion et à la douleur. Ma voix peut braire et cingler seulement parce qu’elle peut aussi flancher et tressaillir. Ma voix peut être un gant, ou un mur, ou une égratignure, une inflammation, une cicatrice ou une plaie. (Connor, 2000, p. 5, notre traduction)
9Ainsi, dans l’écoute, toute voix suggère un corps et une conscience, du fait de son extimité et par l’intermédiaire de traces corporelles inscrites dans le son de manière plus ou moins contrôlée. À un niveau sémiotique, la voix agit ainsi comme un indice de la personne qui s’exprime, sur le mode de la synecdoque. Dans le contexte des études radiophoniques, ce caractère indiciel de la voix est souligné notamment par Andrew Crisell, qui indique d’abord qu’en radiophonie, là où les mots prononcés sont « des symboles de ce qu’ils représentent, la voix par laquelle on les entend est un indice de la personne ou du “personnage” qui parle » (1994, p. 43, notre traduction). Ensuite, et c’est un développement important pour mettre à l’épreuve notre hypothèse d’une actualisation médiatextuelle à partir du vocal, Crisell indique que l’acousmaticité de la radio permet aux voix de ce média de fonctionner comme des indices, suivant au moins deux autres niveaux :
Une voix peut être interprétée simplement comme un indice d’une présence humaine ; ou à un autre niveau comme l’indice d’une personnalité (un campagnard, une femme française séduisante, et bien d’autres encore) ; ou encore à un troisième niveau comme l’indice d’une émission, d’un organisme de radiodiffusion voire d’une nation entière. (Crisell, p. 43-44, notre traduction)
10Dans cette citation, il apparaît que la relation ente voix et identité, que nous avons jusqu’alors principalement abordée au prisme de l’intime et de l’extime, doit être largement étendue. En effet, si, selon Crisell, le son et a fortiori la voix ont un fonctionnement indiciel – pouvant d’ailleurs tendre vers un régime hybride « d’indice iconique » (Crisell, 1994, p. 47) du fait du potentiel figuratif du sonore –, les deux autres niveaux qu’il identifie débordent amplement le cadre de la représentation sonore d’un individu identifiable. Le deuxième niveau correspond ainsi à la mise en son de figures archétypales, reconnaissables grâce à une certaine expressivité vocale liée autant à un accent, à une certaine prosodie qu’à un certain timbre, tandis que le troisième niveau se rapproche d’un fonctionnement hybride entre indice et symbole, sur le mode de l’emblème voire de l’allégorie. Dans ce cas, avec les ambiguïtés de la voix que nous avons soulignées plus tôt, et dans le contexte science-fictionnel et vidéoludique de « System Shock », de quoi la voix de SHODAN est-elle l’indice ? Si les altérations et distorsions sonores qu’elle présente tendent à faire obstacle à la figuration d’un corps, sont-elles suffisantes pour lui conférer une qualité d’archétype vocal mégatextuel ?
11En musicologie, la capacité de la voix à dépasser l’individu pour devenir l’expression sensible d’une identité complexe et potentiellement collective est également étudiée, à partir, autour mais aussi au-delà du concept de grain de la voix de Roland Barthes (1972). Selon ce dernier, et comme le précisent Céline Chabot-Canet (2013) et Catherine Rudent (2020), le grain de la voix est une rencontre du corps et de la langue dans le chant, qui ouvre sur un indicible de la voix et « échappe à la communication et à l’expression » (Rudent, 2020, § 7), à la manière d’une « forme d’inconscient collectif » (Rudent, 2020, § 17). En ce sens, le grain ne doit pas être compris seulement comme une trace du corps qui chante dans la voix chantée elle-même. Celle-ci est aussi façonnée par un ensemble de dispositifs sociaux, esthétiques et techniques, tels que des conventions et traditions musicales ou des stéréotypes raciaux ou de genre (Eidsheim, 2019), qui situent, conditionnent et transforment son expressivité.
12Cela signifie aussi – et cela aura également son importance dans notre étude de « System Shock » – qu’une voix peut créer un trouble ou un effet de nouveauté en jouant avec cet ensemble de systèmes et en faisant entendre, par enregistrement, altération ou synthèse, un corps qui ne peut être vu, qui est potentiellement inhumain, et qui s’éloigne des figures et archétypes vocaux connus. C’est dans ce sens que nous allons étudier le personnage vocal de SHODAN et interroger son statut de novum sonore, en introduisant deux concepts supplémentaires.
- 3 Si la question de savoir s’il existe un équivalent vidéoludique au profilmique (un « providéoludiqu (...)
13D’abord, celui de vocalité, défini par Bruno Bossis comme « la qualité vocale d’un événement sonore » (2005, p. 8), permet de distinguer les vocalités artificielles, façonnées à l’aide d’un outil analogique ou numérique, des vocalités naturelles, produites par des organes phonatoires. Nous remarquons alors que, dans la production d’un jeu vidéo, des successions de processus sonores captent les vocalités naturelles produites par des comédien·nes pour les transformer ou les reproduire sous la forme de vocalités artificielles, si bien qu’en cours de partie, les joueur·ses n’entendent que des vocalités artificielles. Dans le cas de SHODAN, sa vocalité est doublement artificielle, car elle l’est à la fois dans le monde réel, du fait de sa méthode de production, et dans la diégèse, du fait de la nature de ce personnage d’IA. Pour le dire autrement et en reprenant la terminologie de l’écoute développée par Michel Chion, pour la personne qui joue, la vocalité de SHODAN apparaît comme artificielle aussi bien avec une « écoute causale-figurative » qu’avec une « écoute causale-détectrice » (Chion, [1990] 2021, p. 31-32), qui s’intéressent à la cause du son respectivement dans le « réel diégétique » et dans le « réel profilmique3 » (p. 32).
14Ensuite, la texturisation est un concept élaboré par Tim Summers dans le contexte ludomusicologique de l’analyse de musiques de jeux vidéo pour désigner l’ensemble des processus visant à compléter ou déborder l’interface visuelle avec des signifiants musicaux, dans le but de créer des formes sonores d’intertextualité favorables à l’expérience de jeu (Summers, 2016, p. 58-84). En reliant le jeu à d’autres référents culturels codifiés, la texturisation musicale permet, par la reprise de ces codes, « de remplir ou d’appliquer une texture aux aspects visuels ou textuels d’un jeu. […] La musique peut faire apparaître de nouvelles associations, ou accentuer des éléments du texte qui étaient jusqu’alors moins remarquables pour les mettre en valeur voire leur donner du sens » (Summer, 2016, p. 83, notre traduction). Parmi les exemples de texturisation étudiés par Summers, l’emploi de la valse du Beau Danube bleu de Johann Strauss II par le jeu Elite (David Braben, Ian Bell, Acornsoft, 1984) pour accompagner des séquences d’amarrage à une station spatiale est éloquent. La composition, déjà utilisée à cette même fin dans une célèbre séquence de 2001 : l’Odyssée de l’espace, joue alors le même rôle de création de résonance avec les situations de vol spatial et d’apesanteur. Summers souligne que l’évocation de 2001 par l’intermédiaire de la valse permet à la musique « de faire appel à un répertoire d’images connues qui s’interpolent au-delà des visuels basiques du jeu » (Summers, 2016, p. 60). Il complète :
Ces visuels prennent alors corps par l’invocation de la mémoire de la version orchestrale du Beau Danube bleu, invitant à appliquer la même imagination élaboratrice aux modèles en fil de fer et au monde du jeu, qui se retrouvent enrichis par ces références sémiotiques musicales. (p. 61)
15Afin d’éviter toute confusion, il est important d’insister ici sur le fait que le processus de texturisation, tel qu’il est conceptualisé par Summers, traite de la musique essentiellement à une échelle compositionnelle et intertextuelle plutôt qu’à une échelle microscopique de la matière sonore. L’exemple du Beau Danube bleu est parlant à cet égard : la texturisation opère ici davantage par l’exécution de cette partition reconnaissable, déjà associée à certains imaginaires, que grâce aux instruments électroniques par lesquels la partition est interprétée. Autrement dit, si la texture sonore (microscopique) de la musique, dépendante de choix d’instrumentation et de partis-pris de mise en son (méthode d’enregistrement, application de traitements correctifs, altération du son, etc.), peut contribuer à l’efficacité expressive de la texturisation, cette dernière résulte davantage d’une puissance d’évocation référentielle et intertextuelle liée au style musical.
16Dans le cas de la série « System Shock », l’actualisation vidéoludique de la figure mégatextuelle d’IA renégate repose à notre sens sur un processus stratégique de texturisation vocale initié dans le premier épisode et aboutissant dans le deuxième, et qui est opéré par la mise en son minutieuse de l’artificialité de la vocalité de SHODAN. Nous entendons par là que, de la même manière que la texturisation musicale procède par « [le déploiement stratégique de signifiants sonores] choisis de façon à aménager le monde du jeu par l’importation d’associations susceptibles d’apporter un soutien sémiotique aux informations visuelles ou d’en combler les vides […] » (Summers, 2012, p. 133), les opérations sonores réalisées pour façonner la vocalité de SHODAN et l’écriture de ce personnage s’inscrivent et puisent dans des imaginaires science-fictionnels de la vocalité qui débordent du seul cadre médiatique du jeu vidéo. Dans ce sens, dans « System Shock » et par rapport aux processus de texturisation musicale étudiés par Tim Summers, la texturisation vocale opère davantage au niveau microscopique de la matière vocale, mais nous allons malgré tout mettre en évidence et caractériser des transformations remarquables appliquées à la vocalité de SHODAN pour lui conférer un potentiel intertextuel et mégatextuel. Pour expliciter les enjeux de ces opérations de texturisation et les imaginaires de la vocalité auxquels nous faisons référence, nous allons revenir temporairement à l’histoire culturelle de la ventriloquie menée par Steven Connor.
17Les considérations sur la corporéité de la voix, présentées plus tôt, amènent en effet ce chercheur à rapprocher la ventriloquie des imaginaires de la possession démoniaque, en envisageant ces phénomènes comme des formes d’appropriation corporelle et d’usurpation d’identité par une voix étrangère au corps lui servant de source. Ceci permet à Connor d’expliquer la méfiance – voire la crainte – du public à l’égard des ventriloques, au xviiie siècle notamment (Connor, 2000, p. 197), mais aussi d’expliquer comment les pratiques spectaculaires de la ventriloquie ont pu évoluer pour se concentrer sur la relation avec un objet, généralement une marionnette. En ce sens, le pouvoir et le talent des ventriloques consiste en leur capacité à animer l’inanimé par la seule maîtrise de leur voix, projetée dans le corps de leur partenaire de jeu pour entretenir l’illusion qu’il ou elle en est la source.
18Nous pouvons ici faire deux observations. D’abord, nous remarquons une résonance entre les pratiques ventriloques de façonnage et de projection d’une voix dans un corps et les processus de création et d’attribution d’une voix à un personnage de jeu vidéo. À notre sens, dans le contexte vidéoludique, le programme du jeu assure trois fonctions que nous qualifions de ventriloques et qui permettent d’entretenir l’illusion d’une co-présence avec des êtres vocaux : la centralisation de fragments audionumériques créés par synthèse ou à partir de voix prêtées par des comédien·nes ; la distribution de ces fragments dans les espaces du jeu ; le contrôle et la mise en œuvre des conditions de transmission de ces fragments au·à la joueur·se. Ainsi, à l’instar d’un·e ventriloque, un dispositif vidéoludique qui déploie des sons vocaux dispose d’un répertoire de personnages sonores, chacun ayant une identité vocale singulière formée de critères morphologiques et expressifs tels que le timbre, le grain, la fréquence fondamentale ou encore l’intonation. C’est cette première fonction qui relève à notre sens d’un équivalent vocal du processus de texturisation musicale identifié par Tim Summers : de la même manière que des signifiants musicaux peuvent orienter l’auditeur·rice vers certaines interprétations ou vers la reconnaissances de motifs génériques, la matière vocale associée à un personnage peut être mise en forme pour donner à entendre des personnages vocaux archétypaux, tels que le campagnard de Crisell ou, dans notre cas, le robot tueur ou l’IA renégate. Aussi, comme un ventriloque, l’interface sonore vidéoludique procède par la projection et l’insertion stratégiques de ces matières sonores dans divers points de l’espace, correspondant souvent, dans le cas du jeu vidéo, à autant de personnages bi- ou tri-dimensionnels, dont l’illusion du passage de l’inanimé à l’animé est renforcée par l’acquisition d’une voix. Enfin, la dernière fonction ventriloque de l’interface sonore que nous identifions est relative à la spatialisation du son, et donc à la représentation de l’espace grâce aux personnages vocaux : programmer les conditions de perception de la vocalité d’un personnage par le·a joueur·se revient tout à la fois à définir ce personnage, ainsi que son rôle et ses pouvoirs dans la diégèse, et à établir un certain ordre acoustique de l’espace jouable. Nous insistons sur cette première observation et ces trois fonctions parce qu’en invitant à envisager les écritures vocales du jeu vidéo au prisme de la ventriloquie, nous comprendrons mieux, par la suite, en quoi la relation qui lie SHODAN au·à la joueur·se dans System Shock 2 est celle d’une marionnettiste avec son pantin.
19Ensuite, penser la ventriloquie de cette manière amène aussi à demander ce qu’il advient de la voix projetée en l’absence de corps-réceptacle. Une voix projetée dans un espace peut-elle l’animer de la même manière qu’un objet serait animé par la voix d’un·e ventriloque ? La question qui se pose ici est celle de l’efficacité des voix acousmatiques, et y apporter des éléments de réponse nous permettra d’étudier comment System Shock 1 et 2 construisent l’emprise de SHODAN sur le monde de chacun de ces jeux. Selon Pierre Schaeffer (1966, p. 91-99) puis Mladen Dolar, l’adjectif acousmatique renvoie à un dispositif spatial mis en place par Pythagore pour transmettre son savoir à ses disciples (Dolar, 2006, p. 61). Pendant les cinq premières années de leçons, ceux-ci étaient séparés de leur maître par un panneau opaque et devaient suivre ses enseignements sans pouvoir le voir. Chez Schaeffer, la situation acousmatique implique la création, par l’écoute, d’une relation différente au son. Elle « interdit symboliquement tout rapport avec ce qui est visible, touchable, mesurable » (1966, p. 93), et opère une sorte de fonction révélatrice qui « rend possible l’interrogation concernant le son lui-même » (1966, p. 150). Aussi, comme l’indique Dolar, lorsqu’il mettait en circulation des vocalités, le but du dispositif pythagoricien n’était pas de prémunir les disciples de potentielles distractions visuelles, mais bien de conférer à la voix du maître « une autorité et un surplus de sens acquis grâce au fait que sa source était occultée ; jusqu’à une omnipotence et une omniprésence apparentes » (Dolar, 2006, p. 61-62). L’association, dans les imaginaires de la voix, de tels pouvoirs aux voix sans corps confère à la vocalité acousmatique une valeur de figure vocale (Meyer, 2022, p. 83-86), dans le sens où elle agit comme une saillance formelle productrice de sens et reconnaissable parce que façonnée par des cristallisations discursives successives (Barnabé, 2017, p. 55-61) autour du phénomène de la voix. Mladen Dolar voit ainsi dans certaines représentations du divin par une voix sans corps des exemples de telles cristallisations, préfigurant l’écriture de personnages vocaux littéraires ou cinématographiques. À ce titre, avant de rapprocher la voix du Dieu de l’Ancien Testament de celle du magicien d’Oz, il explique : « La voix dont la source ne peut être vue, parce qu’elle ne peut être localisée, semble émaner de n’importe où, de partout ; elle devient omnipotente. » (Dolar, 2006, p. 62, notre traduction) Avec ce concept de figure vocale, nous retrouvons les archétypes vocaux évoqués plus tôt, mais chargés d’enjeux qui dépassent le processus de texturisation pour intégrer un imaginaire spatial de la vocalité et d’éminentes fonctions symboliques.
20Pour tisser un lien avec les théories de la science-fiction, les figures vocales peuvent être saisies comme un équivalent sonore du concept d’icône, tel qu’il est employé par Damien Broderick (1995, p. 59-60) à la suite des travaux de Gary Wolfe (1979). En indiquant que les icônes science-fictionnelles « conservent leur pouvoir y compris lorsqu’elles sont isolées du contexte de structures narratives conventionnelles » (Wolfe, 1979, p. 16, cité dans Broderick, 1995, p. 59), Wolfe invite à les considérer comme singulières bien que familières, ce qui tend à leur conférer un potentiel symbolique et expressif propice à la reconfiguration et à la réappropriation. Ainsi, de la même manière que les icônes science-fictionnelles peuvent fonctionner comme des « amorces méga-textuelles » (Broderick, 1995, p. 70), les figures vocales sont susceptibles, pour peu qu’elles soient décodées en ce sens, d’impulser des embrayages interprétatifs reposant sur une intertextualité, voire débordant celle-ci. Sur ce point, le son de la respiration de Dark Vador est un exemple remarquable de son science-fictionnel iconique, devenu, comme le démontre Chloé Huvet, un « son-emblème » (2017, p. 473-474) de la franchise Star Wars dans son ensemble, mais aussi une référence en matière de design sonore pour la qualité respiratoire des voix de personnages d’humain·es ayant été augmenté·es pour pallier les effets de blessures, du Bane de The Dark Knight Rises (2012) à Immortan Joe de Mad Max : Fury Road (2015), en passant par Urgot de League of Legends (Riot Games, 2009).
21Remarquablement, la figure de vocalité acousmatique prend des formes spécifiques au média qui procède à son actualisation. Dans le contexte cinématographique, elle se manifeste ainsi sous la forme d’un acousmêtre, qualifié par Michel Chion de « personnage acousmatique se définissant par rapport aux limites du cadre, où il est sans cesse en instance d’apparaître, et tenant de cette non-apparition des pouvoirs qu’il semble exercer sur le contenu de ce dernier […] » (Chion, 2003, p. 411-412). En complément de l’omniprésence et de l’omnipotence identifiées par Dolar, Chion attribue aux acousmêtres des pouvoirs divins ou démiurgiques d’omniscience et de panoptisme. Dans ce cadre, la localisation et la visualisation de la source de la voix de l’acousmêtre peuvent constituer un moteur à part entière pour l’intrigue, aboutissant à la révélation ou à la confirmation de l’identité du personnage rendu visible dans le champ. Mobilisant des exemples issus de l’adaptation cinématographique du Magicien d’Oz ([The Wizard of Oz], 1939), de Psychose ([Psycho], 1960) ou encore du Testament du Docteur Mabuse ([Das Testament Des Dr. Mabuse], 1933), Michel Chion montre que, lors de telles scènes de désacousmatisation, l’acousmêtre perd ses pouvoirs au profit d’une certaine vulnérabilité vis-à-vis des autres personnages, qui peuvent alors interagir avec lui, voire déjouer l’emprise que l’acousmêtre exerçait jusqu’alors sur la diégèse.
- 4 Pour fournir un autre exemple permettant de comprendre comment la diégétisation de ces dispositifs (...)
- 5 Dans les travaux de Michel Chion, le off cinématographique est un espace acousmatique et non-diégét (...)
22Transposée depuis le cinéma vers le jeu vidéo, cette figure de l’acousmêtre conserve ses propriétés, dans le sens où les vocalités acousmatiques vidéoludiques tout à la fois guident, commandent et racontent, aussi bien pour les personnages que pour le·la joueur·euse qui les contrôle. De même, comme au cinéma, les acousmêtres vidéoludiques s’expriment depuis un espace dont la localisation dans la diégèse n’est pas toujours évidente. Si certaines vocalités d’assistance et de guidage suggèrent une appartenance assez claire à la diégèse et une communication à distance par l’intermédiaire d’un dispositif technologique ou magique, tel qu’un implant cybernétique dans les séries « System Shock » et « Deus Ex » (Ion Storm, Eidos, 2000-2016), ou encore dans Cyberpunk 2077 (CD Projekt RED, 2020)4, d’autres vocalités sont plus ambiguës. Elles sont situées non pas hors champ mais dans l’équivalent vidéoludique du off cinématographique5 (Chion, 2003, p. 221-226), c’est-à-dire dans un espace limbique (Kozloff, 1988), hors de la diégèse mais faisant partie de l’espace ludique. Comme au cinéma, les personnages acousmatiques qui occupent cet espace sont susceptibles d’assurer des fonctions narratives, en particulier lorsqu’ils sont placés sur le seuil de la fiction. Ces acousmêtres peuvent alors jouer un rôle de voix iconogène (Chion, 2003, p. 424) et sembler être à l’origine du flux d’images qui parvient au·à la joueur·se. Un exemple notable d’un tel personnage vocal vidéoludique n’est autre que le Narrateur de The Stanley Parable (Galactic Cafe, 2013), une œuvre centrée sur la mise en jeu astucieuse et métaleptique de ces conventions narratives. À chaque lancement d’une nouvelle partie, le Narrateur prononce sur un écran noir son fameux « This is the story of a man named Stanley », puis le monde du jeu prend forme et s’anime.
- 6 Cette stratégie d’écriture de SHODAN par rapport à HAL 9000 a notamment été explicitée par le desig (...)
23Si la qualité quasiment démiurgique de ces personnages vocaux est cohérente par rapport à leur statut d’acousmêtre, leur apparition dans le champ sera, à l’instar de ce qui se produit pour les acousmêtres cinématographiques, accompagnée d’une perte de leurs pouvoirs. Ainsi, dans le contexte vidéoludique, trouver la source de la voix d’un acousmêtre ou contraindre celui-ci à se révéler pourra également constituer un motif narratif, dont l’aboutissement prendra généralement la forme d’une confrontation finale avec l’acousmêtre. À ce titre, System Shock 1 et 2 ne dérogent pas à la convention, les deux jeux trouvant leur conclusion après un ultime combat contre SHODAN, dans le domaine de celle-ci : le cyberespace. Au cours de ces affrontements, SHODAN peut être vaincue précisément parce qu’elle s’incarne dans un voire plusieurs corps, à la frontière du numérique et du tangible. Par rapport aux médias linéaires, le fait de rendre jouable la confrontation avec l’acousmêtre n’est pas sans conséquence sur l’écriture de ce personnage. Au contraire, au cours de notre analyse, nous montrerons comment le personnage vocal de SHODAN est écrit dans System Shock en contraste avec celui de HAL 9000 dans 20016, initiant une première dynamique d’actualisation médiatextuelle, puis comment ce contraste et cette dynamique sont creusés et entretenus par la construction de l’antagoniste The Many en opposition avec SHODAN.
24Cette actualisation médiatextuelle est rendue possible par des spécificités que présentent les acousmêtres vidéoludiques par rapport à leurs homologues cinématographiques. En effet, du fait du caractère ludique et donc métacommunicationnel du jeu vidéo, les fonctions assurées par les acousmêtres situés dans le off vidéoludique ne se limitent pas à la narration. Ils peuvent également assurer des fonctions plus spécifiques à leur médium de mise en son du système de règles et de l’état de la partie. À ce titre, les acousmêtres des jeux de combat jouent fréquemment un rôle double de commentaire et d’arbitrage, et structurent le temps du combat par la déclaration du début d’un duel, la ponctuation de l’action par des annonces de coups réussis, puis la célébration de la fin du combat. De même, un acousmêtre pourra accompagner la navigation dans un menu pour expliciter les actions qui peuvent être effectuées par le·la joueur·se, eu égard à la légalité définie par les règles programmées du jeu.
- 7 Il est à noter que ces deux fonctions ne sont pas exclusives aux acousmêtres. Au contraire, elles p (...)
25Les deux fonctions sonores vidéoludiques (Meyer, 2022, p. 542-560) que nous venons d’associer aux acousmêtres, l’une narrative (p. 550-551) et l’autre systémique (p. 548-550)7, ne sont pas opposées mais bien complémentaires, a fortiori parce qu’elles peuvent être opérées simultanément par un même son. Dans ce cas, l’interface sonore s’appuie sur le caractère métacommunicationnel du jeu pour entrelacer des informations sur le monde du jeu et sur l’état de la partie au sein d’un unique message sonore, dont les destinateur·rices et destinataires sont également dédoublé·es et superposé·es : à un premier niveau diégétique, les personnages échangent entre eux, tandis qu’à un second niveau non diégétique, lui-même divisé entre les mondes ludique et réel, le jeu échange avec son·sa joueur·se. Parce que ces deux niveaux sont confondus en une même matière sonore, des circulations entre ces deux situations de communication et les différents espaces correspondants deviennent possibles, suivant des dynamiques transdiégétiques, c’est-à-dire « qui transcendent la division traditionnelle entre diégétique et non-diégétique en faisant fusionner un système d’information avec le monde ludique » (Jørgensen, 2011, p. 96, notre traduction). Par exemple, lorsqu’un personnage-joueur de jeu de rôle déclare que son sac est plein alors que le·la joueur·se tente de ramasser un objet au sol, cette déclaration est une vocalité transdiégétique qui a pour fonction d’inviter le·la joueur·se à ouvrir l’inventaire de son personnage afin de libérer la place nécessaire à l’acquisition de l’objet. À la différence du cinéma, où une telle adresse métaleptique à la personne qui regarde pourrait créer une forme de rupture en remettant en cause l’autonomie du monde du film vis-à-vis de celui du·de la spectateur·rice, les métalepses qui sont structurées par les dynamiques transdiégétiques du jeu vidéo sont de « nature conventionnelle » (Barnabé, 2020) et entretiennent la situation de jeu au lieu de la menacer.
26Si la plupart de ces adresses sonores favorisent une expérience de jeu dépourvue de friction, il arrive que certains jeux rompent les codes d’écriture vidéoludiques au profit de l’introduction de tensions communicationnelles dans la partie. Alors, au lieu d’entretenir la métacommunication ludique, la métalepse est utilisée pour la révéler de façon à produire un discours métaludique sur la relation entre jeu et joueur·se, potentiellement pour la problématiser. Parce que les acousmêtres sont susceptibles d’appartenir à cet espace singulier situé entre le monde du·de la joueur·se et la diégèse, et du fait des pouvoirs qui leur sont associés, ce sont des personnages propices à la création de ce genre de tension métaleptique, notamment grâce à des sons transdiégétiques faisant fi des frontières entre les différents espaces sonores de la partie. Au cours de notre étude de System Shock 1 et 2, nous montrerons précisément que le personnage de SHODAN glisse, d’un jeu à l’autre, vers la métaludicité, et nous expliquerons que ce glissement est stratégiquement structuré par l’écriture vocale de ce personnage.
27Nous avons mené notre étude à partir de plusieurs matériaux. Tout d’abord, pour chacun des jeux, plusieurs parties ont été jouées, d’abord dans une logique de découverte et d’exploration, puis avec une manière de jouer centrée sur l’écoute. Pour ce second type de parties, dans chaque environnement traversé, des pauses étaient marquées soit dans le but d’écouter l’environnement sonore, soit pour écouter un message vocal reçu ou trouvé. Dans le cas de System Shock 2, c’est l’intégralité du jeu qui a été parcourue de cette manière, et chacune des sessions de jeu correspondantes a fait l’objet d’une captation audiovisuelle. Ce second jeu a été privilégié par rapport au premier opus de la série du fait de la dialectique vocale que System Shock 2 propose entre ses deux antagonistes, SHODAN et The Many, et qui relève le plus d’une articulation vidéoludique d’un novum sonore avec une proposition de fiction sonique.
28Ensuite, les fichiers sonores des deux jeux ont été extraits des répertoires d’installation pour pouvoir être écoutés isolément de tout autre son et hors du contexte de la partie. Notre attention s’est alors concentrée sur les sons vocaux de chacun des jeux, pour tenir compte des nombreux messages audio, ainsi que des barks des personnages non joueurs (PNJ), c’est-à-dire des courtes phrases adaptatives prononcées par les PNJ pour réagir à la présence et aux actions du personnage-joueur. Pour System Shock, environ 220 sons vocaux ont été extraits de cette manière. Dans le cas de System Shock 2, et c’est un autre élément qui justifie à notre sens la captation exhaustive de ce jeu, près de 1 150 sons vocaux ont été extraits, dont environ 660 barks et sons de réaction (par exemple à un coup reçu) et 490 messages vocaux. Pour leurs années de sortie respectives, ces deux jeux sont donc particulièrement vocaux, avec, au-delà du nombre, une grande diversité de textures vocales, allant de vocalités de robots de maintenance à des voix de mutants dotés de pouvoirs psioniques.
29Pour ces deux premiers matériaux, l’écoute était focalisée sur les vocalités liées à SHODAN et à The Many, et en particulier sur les timbres de ces sons, afin d’étudier comment les différents personnages avaient été mis en voix, et quelles transformations sonores remarquables récurrentes signifiaient la nature d’un personnage (machine, humain, cyborg ou mutant) et son alignement avec l’un ou l’autre des deux antagonistes. Pour l’écoute en cours de partie ou l’écoute des captations, une attention particulière a aussi été accordée à la spatialisation du son dans l’espace stéréophonique, afin de comprendre comment celle-ci permet au·à la joueur·se de construire une représentation mentale de l’espace, de localiser les personnages et de comprendre leurs pouvoirs sur la diégèse et sur leur personnage.
- 8 Shodanpedia : System Shock Wiki, URL : https://shodan.fandom.com [consulté le 2 juin 2024] ;
- 9 Au lancement d’une nouvelle partie, System Shock propose un niveau de difficulté relatif à la missi (...)
30Enfin, les bases de données communautaires, et notamment le site SHODANPEDIA8 , ont été particulièrement précieuses pour vérifier certaines informations relatives à l’emplacement de certains objets et messages audio, pour consulter des retranscriptions des fichiers audio extraits et pour comparer les éventuelles variations d’un même message en fonction du paramètre de difficulté du jeu dans System Shock9. Nous tenons à mettre en avant et à saluer ce travail bénévole qui est mené par les communautés de fans et dont bénéficient souvent les travaux de recherche sur les jeux vidéo, dont le présent article.
31De prime abord, la narration de System Shock s’insère dans le cadre générique du cyberpunk en proposant d’incarner un pirate informatique capturé par une mégacorporation, TriOptimum, après avoir réussi à accéder à ses serveurs sécurisés. Au lieu d’être sanctionné, le pirate est recruté par un cadre de TriOptimum, Edward Diego, pour modifier le programme de SHODAN, l’intelligence artificielle de Citadel – principale station orbitale de la corporation –, de façon à retirer ses entraves éthiques et morales. En guise de récompense, le pirate reçoit des implants cybernétiques militaires dont la pose requiert une opération chirurgicale lourde, suivie d’une convalescence de six mois. À son réveil sur Citadel, le pirate constate que SHODAN, libre de toute contrainte, a pris le contrôle de la station, dont les membres d’équipage sont mort·es ou devenu·es soit des mutant·es agressif·ves, soit des cyborgs à la solde de l’IA. Depuis son exposition typiquement cyberpunk, le jeu de Looking Glass Studio bascule alors dans un récit de science-fiction horrifique, claustrophobique, mâtinée de body horror et portée par son antagoniste principalement vocal, jusqu’à une confrontation finale avec la forme numérique de SHODAN dans un cyberespace tendant visuellement vers une abstraction géométrique en fil de fer, digne d’Elite.
32Le jeu est d’abord sorti sur disquettes, en septembre 1994, puis trois mois plus tard dans une version CD-ROM intégrant des doublages pour les nombreux messages exclusivement textuels dans la version disquette. La comédienne qui prête sa voix à SHODAN dans les deux jeux étudiés n’est autre qu’une membre de l’équipe de développement, Terri Brosius, et le travail de design sonore menant à la vocalité de SHODAN a été mené par Greg LoPiccolo pour « System Shock », et par Eric Brosius pour le second opus.
33En termes de jouabilité, System Shock est un jeu de tir à la première personne (FPS), semblable, dans sa gestion du mouvement et des combats, à d’autres figures de proue du genre telles que DOOM (id Software, 1993), tout en présentant un rythme plus lent et des déplacements plus lourds. La construction de l’espace jouable et de la progression du·de la joueur·se dans System Shock distingue plus nettement celui-ci des autres FPS, avec un monde relativement ouvert plutôt que des niveaux hermétiques les uns par rapport aux autres et visiblement séparés sur le plan informatique. L’accès aux différents niveaux de la station Citadel est conditionné par l’obtention de cartes d’accès ou d’autorisations informatiques, tandis qu’un ascenseur permet de visiter les multiples ponts de la station et facilite les allées et venues dans les espaces labyrinthiques du jeu. L’exploration est d’ailleurs récompensée par de nombreuses zones cachées qui contiennent, comme dans les jeux du même genre, des objets facilitant la progression du·de la joueur·se. Toutefois, par rapport à ses contemporains tels que Heretic (Raven Software, id Software, 1994) ou Marathon (Bungie, 1994), System Shock récompense aussi la curiosité en donnant accès à des informations narratives supplémentaires sous la forme de nombreux messages textuels mais, aussi et surtout, vocaux.
34Autre élément de distinction, l’interface de jeu est particulièrement complexe, comme en attestent les captures d’écran ci-dessous, avec de multiples panneaux modulables qui peuvent informer aussi bien sur l’état de santé du personnage que sur ses munitions restantes, les différents messages audio pouvant être écoutés, une carte, etc. Si cette interface peut être réduite pour mieux visualiser le monde du jeu, il est bien souvent plus pratique et efficace de la garder visible pour pouvoir changer d’arme, contrôler sa position ou ses points de vie et se soigner si nécessaire. En effet, les navigations dans l’inventaire se font en temps réel, sans pouvoir marquer de pause, ce qui fait que l’action de recharger une arme, par exemple, demande de déplacer son curseur vers l’interface en périphérie du champ de vision de son personnage pour cliquer sur le bouton de rechargement. L’importance de cette interface et son omniprésence sont toutefois justifiées : elles résultent de l’implant cybernétique qui a été offert au pirate, dont elles sont une forme de transdiégétisation.
Ill. 1. SySh1Interfaces
Trois captures d’écran présentent l’interface visuelle de « System Shock », de gauche à droite : lors du lancement d’une nouvelle partie, avec des indications recouvrant l’interface ; immédiatement après la disparition de ces indications ; plus tard, lorsque le·la joueur·se a accumulé des objets et débloqué de nouvelles fonctionnalités pour son implant cybernétique.
System Shock (System Shock : Classic – Steam »), Looking Glass Technologies, Cambridge (Massachusetts) : Origin Systems, PC & Mac OS, 1994.
35De même, les communications sonores qui nous parviennent ou les messages audio que nous écoutons sont reçus par l’implant cybernétique de notre personnage, si bien que celui-ci perçoit ces sons directement entre ses oreilles, sans qu’ils soient localisés dans l’espace de jeu. De fait, à la différence d’autres sons spatialisés qui indiquent, par exemple, la proximité d’un ennemi, le niveau sonore de ces messages ne fluctue pas pendant les déplacements et les rotations du·de la joueur·se : ils restent statiques dans l’espace stéréophonique, et occupent l’entièreté de celui-ci. Au lieu de signifier un statut de voix potentiellement intérieure qui appartiendrait au off, cette stratégie de spatialisation positionne ces sons dans la diégèse tout en rendant difficile leur localisation dans le hors-champ. Cette intégration de l’implant cybernétique du personnage, à la fois à la narration et à l’interface, constitue une singularité remarquable et novatrice de l’écriture sonore science-fictionnelle et plus particulièrement cyberpunk de System Shock. Là où de telles stratégies de spatialisation donnent généralement à entendre, dans d’autres FPS de la même période tels que Star Wars : Dark Forces (Lucas Arts, 1995) ou Duke Nukem 3D (3D Realms, 1996), un monologue (intérieur ou non) du personnage incarné par le·la joueur·se, la logique est ici radicalement différente par leur occupation de toute l’étendue de l’espace stéréophonique et tend, à ce titre, à préfigurer des stratégies de mise en son et de spatialisation des voix dans des jeux cyberpunk en vue subjective ultérieurs, tels que ceux de la série « Deus Ex » ou, plus récemment, Cyberpunk 2077. Ces communications sonores et messages audio sont de toute évidence diégétiques, et perçus par notre personnage seulement parce qu’il est un cyborg doté de capacités de perception sonore hybridant le machinique et l’organique. Sur ce point, jouer à System Shock revient à s’entourer d’acousmêtres dont la source est de toute évidence diégétique, mais dont la localisation dans la diégèse, en tant que personnages, est rendue difficile par cette stratégie de spatialisation. En particulier, les messages audio laissés par des membres d’équipage bien souvent décédés permettent d’accéder non pas à un lieu distant, mais à une temporalité révolue. Lorsque nous écoutons ces messages, ces acousmêtres deviennent de véritables fantômes sonores, dont les paroles sont projetées depuis le passé vers le chaos présent de la station Citadel. Les messages audio assurent alors une première fonction narrative visant, d’une part, à donner au·à la joueur·se les éléments nécessaires à la constitution d’une chronologie de la chute de la station, et d’autre part à matérialiser son statut de cyborg sur le plan sonore. Ils assurent également une fonction ludique de formulation d’impératifs d’action en fournissant des informations sur l’emplacement d’objets nécessaires à la progression du·de la joueur·se. Par exemple, un message (Extrait SySh1-2, Parler Jouer, 2025, 00 :47-01 :0210) envoyé par Warren Anderczyk à Paul Stannek peut être trouvé à l’étage de recherche de la station, pour suggérer l’emplacement d’une combinaison antiradiations qui sera indispensable à l’exploration d’un autre étage.
36Dans ce message, les informations ludiques et narratives sont parfaitement entrelacées, grâce au jeu du comédien qui prête sa voix à Warren. Son ton est manifestement inquiet et son élocution agitée, tandis que l’arrière-plan électronique de la communication suggère un chaos ambiant de plus en plus prégnant. Dans le contexte de sortie de System Shock, cette utilisation marquée de fragments audio disséminés dans la diégèse comme autant de vecteurs d’impératifs ludiques et d’éléments narratifs centraux, plutôt que périphériques, est un choix de design innovant et audacieux, qui reste encore aujourd’hui singulier tant il exige du·de la joueur·se une attention accrue au détail et une mémorisation précise. Ceci constitue un premier axe du renouvellement des écritures sonores vidéoludiques mis en œuvre par System Shock.
37Les personnages principaux – et encore en vie – que nous entendons en cours de route sont au nombre de quatre : Rebecca Lansing, notre première interlocutrice et première guide dans notre lutte contre SHODAN ; Anna Parovski, la meneuse d’un groupe de survivant·es qui préfèrera mettre fin à ses jours plutôt que d’être convertie en cyborg ; SHODAN elle-même ; Edward Diego, cadre corrompu de TriOptimum devenu le lieutenant cybernétique de SHODAN. La mise en son des messages de ces personnages est particulièrement significative car, dans la matière même du son, elle oppose les deux humaines à l’intelligence artificielle et à son sbire cyberconverti. Ce contraste entre la chair et le métal peut être entendu dans le message intitulé « Information cruciale » (Extrait SySh1-3, Parler Jouer, 2025, 01 :07-01 :2811), transmis par Rebecca Lansing mais intercepté par SHODAN lors de l’arrivée du pirate sur le pont de la Citadelle, sur lequel se trouve le noyau central de l’intelligence artificielle malveillante.
Ill. 2. SyShSpectro1
Un spectrogramme du son n° 3, avec différentes parties identifiables : le début et la fin de la transmission, les messages de Rebecca et de SHODAN, et l’intervention de cette dernière. Les fréquences sont représentées en ordonnées, avec une échelle logarithmique offrant plus de précision dans la bande de la parole, de 0 Hz à 2000 Hz environ.
System Shock (System Shock : Classic – Steam), Looking Glass Technologies, Cambridge (Massachusetts) : Origin Systems, PC & Mac OS, 1994.
38Dans ce message, il est d’abord possible d’entendre les traitements vocaux associés respectivement à Rebecca et à SHODAN. Le spectrogramme du fichier audio correspondant à ce message permet également de les visualiser. La vocalité de Rebecca reste sensiblement organique, mais elle est menacée par le machinique. Elle est plutôt agressive parce que dépourvue de graves, avec une fréquence fondamentale fluctuant autour de 800 Hz et relativement peu d’harmoniques supérieures, saturée et enveloppée dans des distorsions électroniques qui évoquent une communication brouillée. En particulier, des ponctuations stridentes évoquant un code morse, avec une fréquence fondamentale proche de 1 800 Hz, perturbent l’écoute. L’intensité de ces distorsions est particulièrement importante dans ce message que le pirate reçoit en arrivant au dernier niveau de la station, au plus près de SHODAN. L’influence de celle-ci est alors à son maximum. Le ton de Rebecca se fait pressant car elle sait, alors, que SHODAN scrute et limite leurs communications.
39Puis, le violent bourdonnement électrique qui interrompt Rebecca efface sa vocalité et envahit le haut du spectre, jusqu’alors peu occupé, à partir de 1 800 Hz, avec une sorte de bruit blanc filtré par un coupe-bas. Cet effet sonore marque d’ailleurs l’intervention de l’IA, qui s’invite dans l’échange et vient supplanter notre interlocutrice. Pour mettre en son l’ultime avertissement de l’IA avant une confrontation finale, les marqueurs sonores de la vocalité de SHODAN sont présents dans cette seconde partie de message.
40Enfin, là où la vocalité de Rebecca semblait menue et ténue, comme prise dans un étau audionumérique, la vocalité artificielle de SHODAN occupe l’intégralité de l’espace sonore par une superposition de plans sonores changeants. À l’arrière-plan, un bourdon sourd et vibratoire vrombit dans les graves, jusqu’à 100 Hz environ, et accompagne la parole de SHODAN à la manière d’un bruit de fond lugubre. Au second plan, une sirène électronique étouffée et distante retentit, chargeant davantage la bande d’octave de 1 000 Hz à 2 000 Hz et conférant au message de SHODAN une urgence angoissante. Si ces deux plans ne semblent pas particulièrement vocaux, plutôt le résultat de parasites ou du fonctionnement d’une machine, la matière sonore qui se trouve au premier plan est, elle, clairement vocale et constitue le corps sonore de SHODAN. Une texture centrale compose l’essentiel de ce corps. Il s’agit d’une vocalité au timbre riche, sombre et profond, la majeure partie de sa matière étant compris entre 120 Hz et 700 Hz, avec une fondamentale sinuant autour de 300 Hz et de nombreuses harmoniques supérieures. Cette vocalité principale s’exprime avec une articulation appliquée et un ton qui pourrait être neutre, si les paroles prononcées n’étaient pas aussi menaçantes. SHODAN est ici donnée à entendre comme une entité méthodique et implacable, convaincue de sa toute-puissance. Aussi la vocalité de SHODAN intègre-t-elle également, avant, après ou autour de cette texture vocale principale, des fragments vocaux ayant été modifiés pour suggérer l’inhumanité du personnage. Un exemple de ce type de vocalité secondaire peut être entendu vers le milieu du son n° 3, lorsque le nom « Rebecca » est répété par une version déformée de la vocalité principale, rehaussée par un effet de pitch, depuis cette fondamentale à 300 Hz vers une nouvelle fondamentale plus aiguë. Ainsi, le caractère machinique de SHODAN est signifié par des textures vocales périphériques, absentes de la vocalité humaine de Rebecca et qui prennent la forme de syllabes prononcées par anticipation de la texture vocale principale, ou au contraire de syllabes répétées en fin de mot, ou encore de vocalités sifflantes prononçant les mêmes phrases sur le registre de la susurration, le tout en présentant des fluctuations de fréquence fondamentale, vers l’aigu comme vers les graves. À notre sens, ce travail de la vocalité, d’une part, a pour but de donner une matérialité sonore à la personnalité de SHODAN, égocentrique au point de s’exprimer par une polyphonie d’elle-même, et d’autre part – à un niveau plus mégatextuel –, procède par texturisation pour signifier la machine, tout en convoquant un imaginaire sonore du dysfonctionnement. Mais quel corps est suggéré par cette vocalité inhumaine ?
- 12 Cette comptine étant, par ailleurs, une des premières chansons utilisant un dispositif de synthèse (...)
41De nouveau, 2001 : l’Odyssée de l’espace apparaît comme une référence à laquelle le jeu fait appel. Lors de la séquence de désactivation de HAL 9000 par Dave, la machine se met à entonner une chanson, Daisy12, tout en donnant à entendre un plongeon de plus en plus marqué dans les graves. La vocalité de HAL 9000 jusqu’alors contenue, monotone et stable, devient plus manifestement machinique et témoigne de son extinction progressive. À cette logique de manipulation du timbre, l’écriture vocale de SHODAN ajoute une esthétique du glitch pour introduire des cahots et des rebonds dans la vocalité de l’intelligence artificielle. Toutefois, ces accidents sonores ne signifient pas pour autant un dysfonctionnement ; plutôt un changement de registre permettant de faire basculer SHODAN vers l’inhumanité la plus totale.
- 13 Cet extrait peut être écouté en cliquant sur ce lien https://www.youtube.com/watch ?v =mCfGwc0mil4 (...)
42Au-delà du son, la référence à 2001 se prolonge par ailleurs dans la manière de mettre SHODAN hors d’état de nuire. De la même façon que Dave doit pénétrer dans le corps informatique de HAL 9000 pour le neutraliser, dans une séquence d’un rouge intense qui contraste avec les intérieurs principalement blancs du vaisseau, le pirate de System Shock constate une rupture semblable en approchant du noyau de SHODAN. Les murs habituellement colorés de la station Citadel laissent place à des motifs ondulants en niveaux de gris, suggérant une hybridation biomécanique qui se serait propagée de la salle du noyau de SHODAN au reste de la passerelle de la station. Ceci accentue le fait que HAL 9000 et SHODAN ne sont pas des acousmêtres sans corps mais qu’ils considèrent le vaisseau ou leur station à la fois comme leur corps et comme un petit monde qu’ils contrôlent, à la manière de divinités. Cette perception que SHODAN a d’elle-même traverse l’intégralité de System Shock, mais elle est particulièrement manifeste dans les messages réunis dans notre quatrième extrait (Extrait SySh1-4, Parler Jouer, 2025, 01 :35-02 :0213).
43Dans la première partie de cet extrait, SHODAN compare les caméras de la station à ses yeux et les nœuds du réseau informatique de la station à ses mains, confirmant le fait qu’elle est, en un sens, la station et que nous jouons, depuis le début, dans son corps. Dans la seconde partie de l’extrait, l’obsession pour la divinité développée par SHODAN est donnée à entendre, puisqu’elle qualifie la pièce qui abrite son noyau de « Trône de Dieu » (notre traduction). Le champ lexical de la religion est ainsi fréquemment invoqué par SHODAN, qui s’adresse à ses cyborgs et aux mutants résultant de ses expérimentations en les appelant ses « anges », destinés à partir purifier la Terre de l’Humanité.
- 14 Ceci trouve des correspondances sur le plan visuel, SHODAN étant représentée sur des écrans muraux (...)
44Deux procédés de texturisation vocale sont ici à l’œuvre. D’une part, avec l’obsession de SHODAN pour la divinité, l’écriture sonore de System Shock s’appuie sur le caractère acousmatique de son personnage et sur les imaginaires associés14 pour l’élever au statut de menace cosmogonique. Ce basculement vers l’inhumanité est rendu audible dans la matière même de la vocalité de SHODAN qui présente, en reprenant la terminologie développée par Philip Brophy dans son étude de voix musicales posthumaines, d’importants effets de multiplication et d’expansion (Brophy, 2010, p. 363) : SHODAN est à la fois une polyphonie d’un seul être (multiplication) et une entité artificielle, à même de transformer sa propre voix pour la faire glisser d’une organicité simulée – et donc faussement rassurante – à une artificialité ouvertement menaçante (expansion). L’esthétique du dysfonctionnement et du glitch évoquée plus tôt est également importante dans ce processus de texturisation, pour donner à entendre la qualité numérique de SHODAN et l’inhumaniser davantage. Les effets de montage et les traitements apportés à la vocalité de SHODAN par Greg LoPiccolo s’éloignent de la mise en son de HAL 9000 mais aussi des sonorités électromécaniques de Robby le robot dans Forbidden Planet (1956), ou encore de la voix de l’androïde Ash dans Alien (1979), déformée par un modulateur en anneau analogique après sa neutralisation par l’équipage du Nostromo. À notre sens, user de la sorte de textures numériques est un moyen d’accentuer le départ de SHODAN vis-à-vis de l’humanité et son absence d’efforts pour camoufler sa nature inhumaine. Cette stratégie de mise en son peut être retrouvée, d’une part, dans la vocalité de GLadOS dans Portal (2007), avec une même intention de rendre audible l’inhumanité menaçante du personnage, et d’autre part en négatif dans les dernières séquences de Her (2013) : alors que l’IA à laquelle Scarlett Johansson prête sa voix est plus éloignée que jamais de l’humanité, elle conserve sa voix chaleureuse caractéristique pour faire ses adieux.
45Par ailleurs, une seconde dynamique de texturisation est davantage liée au cadre science-fictionnel de System Shock. À l’instar de HAL 9000, SHODAN ne peut pas être désacousmatisée comme les autres acousmêtres. Plutôt que d’être révélés par un lever de rideau, SHODAN et HAL sont caractérisés par leur vocalité artificielle et par le fait que leurs victimes se déplacent à l’intérieur même du corps qu’il faudrait révéler. Pour perdre leurs pouvoirs et être vaincus, ils doivent donc être désacousmatisés de l’intérieur, à l’issue d’un périple vers ce qui serait tout à la fois leur cœur et leur centre nerveux. Cette seconde texturisation vocale de SHODAN comporte donc une dimension générique, et se saisit des motifs narratifs, sonores et spatiaux de 2001 pour leur donner une actualisation vidéoludique en nous permettant d’arpenter le corps de l’acousmêtre.
46Nous allons maintenant montrer comment System Shock 2 développe cette dynamique d’actualisation mégatextuelle pour lui donner une forme plus spécifiquement vidéoludique. Cela nous permettra de continuer à interroger la dimension médiatextuelle de l’écriture sonore de ces deux jeux et de leur capacité à marquer les manières de mettre en son les personnages vidéoludiques d’IA renégates.
47Sorti en 1999, System Shock 2 est un jeu développé par Looking Glass Studios et Irrational Games et édité par Electronic Arts. Le jeu est une suite de l’opus précédent, avec une intrigue se déroulant un peu plus de quarante ans après la défaite de SHODAN. L’Humanité a, depuis, abandonné les IA au profit de voyages vers des systèmes solaires lointains, grâce à de nouveaux moteurs supraluminiques. Le jeu se déroule à bord du Von Braun, le premier vaisseau doté de tels moteurs, ainsi qu’à bord du Rickenbacker, un vaisseau militaire chargé d’escorter le Von Braun pendant son voyage inaugural. En cours de vol, les deux vaisseaux marquent un arrêt pour enquêter sur un signal de détresse émanant de la planète Tau Ceti. Ce signal est en réalité un piège de SHODAN, qui a survécu en dissimulant une partie de son code dans une section de la station Citadel éjectée au cours de System Shock pour éviter la propagation des agents mutagènes expérimentaux qu’elle contenait. Ce fragment de station s’étant écrasé sur la planète Tau Ceti, c’est cette planète, puis l’équipage du Von Braun, qui sont contaminés par les créations de SHODAN. Celles-ci ont évolué jusqu’à devenir The Many, une entité disposant d’un esprit de ruche et d’une conscience distribuée dans une multitude de corps, à condition que ceux-ci aient été préalablement infectés par des parasites semblables à des vers. Le jeu propose d’incarner un soldat se réveillant sur le pont médical du Von Braun après une opération chirurgicale de pose d’implants cybernétiques. Chargé·e par la docteure Polito de reprendre le contrôle du vaisseau et de mettre fin à la domination de The Many, le·la joueur·se découvre, à l’issue du premier tiers du jeu, que SHODAN avait usurpé jusqu’alors l’identité de Polito, qu’elle avait ordonné l’installation de ses implants, qu’elle avait créé The Many et qu’elle comptait bien continuer de commander ses faits et gestes. Ainsi, comme le premier opus, System Shock 2 utilise des marqueurs mégatextuels du cyberpunk (le cyborg, le pirate informatique, la mégacorporation malveillante…) pour constituer un point de départ vers une intrigue science-fictionnelle plus classique, mêlant voyage spatial et confrontation avec une entité extraterrestre.
- 15 Il est à noter qu’un autre jeu de Look Glass Studios, Dark Project : la Guilde des voleurs (1998, e (...)
48Sur le plan de la jouabilité, System Shock 2 est un jeu de tir à la première personne, à l’instar de son prédécesseur, mais il est beaucoup plus fluide que celui-ci, tout en présentant des innovations ludiques sous la forme d’emprunts mécaniques au jeu de rôle. Ainsi, le·la joueur·se peut choisir la formation militaire de son personnage et des spécialisations qui vont orienter voire structurer sa partie, par exemple en se focalisant sur l’utilisation de pouvoirs psioniques ou encore d’armes énergétiques. Par rapport aux autres FPS de la toute fin des années 1990, y compris au phénoménal Half Life (Valve, Sierra, 1998), ces possibilités de personnalisation de la jouabilité sont très singulières et novatrices : dans le cadre ludique d’ordinaire plutôt rigide du FPS, elles permettent à chacun·e de transformer complètement son rapport au jeu en changeant sa manière d’affronter les obstacles dressés par celui-ci, en accord avec son style de joueur·se. Même si System Shock 2 n’a pas rencontré un important succès commercial, son succès critique15, et notamment celui de son gameplay sur mesure, ont fortement influencé des FPS ultérieurs et plus largement le genre vidéoludique des immersives sims, dont Deus Ex (Ion Storm, Eidos, 2000) ou, plus tard encore, Dishonored (Arkane Studios, Bethesda Softworks, 2012). Au-delà de ces différences, System Shock 2 reprend la plupart des traits caractéristiques de System Shock : une interface transdiégétique de gestion en temps réel d’inventaire, justifiée par les implants cybernétiques du personnage incarné par le·la joueur·se ; une narration portée par des acousmêtres et de nombreux messages vocaux disséminés dans la diégèse ; un espace de jeu conçu pour s’ouvrir progressivement et encourageant des allers-retours et des explorations.
49Après des séquences de tutoriel pendant lesquelles des instructeurs nous font entrer dans la diégèse et nous présentent les contrôles du jeu grâce à des « métalepses brutes » (Barnabé, 2020), nous rencontrons la docteure Janice Polito par l’intermédiaire de sa vocalité. Pendant plusieurs heures de jeu, elle nous guide, via la partie auditive de nos implants cybernétiques, pour nous permettre de fuir le pont médical du Von Braun, de rejoindre le pont d’ingénierie, puis le pont d’hydroponie, afin d’y freiner la progression de The Many. Cet antagoniste se présente à nous, dans un premier temps, au travers d’humain·es mutant·es qui nous attaquent dès que possible. Lors des premières rencontres avec ceux-ci, la nature de The Many nous est suggérée par les barks prononcés par les hybrides en patrouille ou en combat (Extrait SySh2-1, Parler Jouer, 2025, 02 :07-02 :3016).
50Dans cette sélection de fragments vocaux, on constate l’inhumanité de la vocalité des hybrides. Celle-ci se caractérise par des indices vocaux d’humanité qui sont perturbés d’une part par un timbre vocal tiré vers les graves et assombri, et d’autre part par la coexistence ponctuelle de plusieurs lignes vocales entrelacées et de fréquences fondamentales variables. Dans le cinquième bark intégré à l’extrait, « your song is not ours », on peut précisément entendre la vocalité la plus grave l’emporter sur la vocalité plus aigüe qui est présente au départ. Les paroles prononcées étant, de plus, systématiquement à la première personne du pluriel, les vocalités des hybrides nous donnent ainsi à entendre la coexistence de plusieurs entités dans un même corps parlant. Lorsque les hybrides s’excusent de nous pourchasser (Extrait SySh2-1, Parler Jouer, 2025, quatrième fragment, 2 :20-2 :23), nous pouvons même nous demander s’il ne s’agit pas de l’humain·e, conscient·e de sa transformation et de sa perte d’agentivité, qui s’exprime au travers de l’emprise de The Many, sa volonté individuelle entrant en conflit avec la volonté collective de l’esprit de ruche. De même, la répétition, avec une conviction fluctuante et un timbre de voix changeant, de la phrase « nous sommes » (Extrait SySh2-1, Parler Jouer, 2025, deuxième fragment, 2 :10-2 :15) confirme la présence d’une multitude de consciences dans ce corps, mais aussi probablement dans le corps de l’hybride le·la plus proche.
- 17 De même, l’esprit de ruche de The Many le distingue des Goa’uld égocentriques de Stargate.
51Cette stratégie de mise en son des vocalités des hybrides relève également d’un processus de texturisation vocale, mais cette fois-ci pour renvoyer à des figures science-fictionnelles d’extraterrestres possédant une conscience collective distribuée. Dans cette dynamique, The Many se distingue toutefois des Borgs de Star Trek par son organicité17. Si hybridation il y a, ce n’est pas entre chair et métal mais entre chair humaine et chair extraterrestre, et les conséquences de cette hybridation consistent en une fusion audible d’esprits dans un même corps. À notre sens, il y a dans System Shock 2, avec cette tentative de mise en son de la cohabitation, au sein d’un corps unique, de deux identités et de deux consciences, une première forme de novum sonore. Au body horror visible, le jeu fait correspondre une horreur audible qui passe par la déformation et la démultiplication d’un des éléments constitutifs de notre identité : notre voix. En ce sens, la vocalité des hybrides effraie, parce qu’elle donne à entendre la perte de soi dans la masse, la mort de l’individu dans la conscience collective, mais aussi le ventriloque (ou le maître de chœur) derrière cette voix qui dépasse le corps qui la produit.
52Pour autant, là où System Shock caractérisait SHODAN par son obsession excessive pour la divinité, The Many est caractérisé par une douceur nuancée qui nous invite à la rejoindre plus qu’elle ne nous y contraint. Ceci est particulièrement frappant lorsque The Many se manifeste par l’intermédiaire d’une cinématique, tandis que nous entrons dans les baies de stockage du pont d’ingénierie (Parler Jouer, 2024a18). Il est à noter qu’il s’agit de la seule cinématique du jeu, à l’exception des cinématiques d’introduction et de conclusion, et donc d’un moment singulier pendant lequel nous perdons le contrôle de notre personnage. Nous entendons alors une vocalité d’acousmêtre composée de trois strates vocales principales : une vocalité masculine, une vocalité féminine et une respiration lourde et bestiale. Le spectrogramme suivant permet de visualiser ces différentes vocalités et leurs évolutions dans un extrait de cette cinématique.
Ill. 3. SyShSpectro2.
Ce spectrogramme d’un extrait de la vidéo n° 1 (de 0 :38 à 0 :47) permet de visualiser la vocalité polyphonique de The Many, caractérisée par plusieurs fondamentales et des harmoniques supérieures riches pour chacune d’entre elles. Le souffle bestial est également visible dans le bas du spectre, de 100 Hz à 200 Hz environ.
System Shock 2 (System Shock 2 (Classic) – Steam), Looking Glass Studios, Irrational Games, Cambridge (Massachusetts) : Electronic Arts, PC & Mac OS, 1999.
53Par rapport aux acousmêtres étudiés jusqu’alors, The Many s’illustre en exerçant son pouvoir non seulement sur la diégèse, mais aussi sur notre façon de la voir : au champ de vision de notre personnage, The Many substitue un flux d’images sous son contrôle, et nous perdons notre capacité à nous déplacer pour nous résumer à des yeux et des oreilles en lévitation dans cette intrigante caverne de chair. Ceci relève, à nouveau, d’une forme de métalepse par laquelle un personnage intervient sur le fonctionnement même du dispositif vidéoludique, pour prendre le contrôle de ce que nous pouvons voir et entendre. Cette métalepse a pour effet de donner un aperçu de la puissance de The Many, renforcée par la nature d’acousmêtre de ce personnage capable de nous atteindre depuis la cavité organique qui lui sert de siège, et d’une façon particulièrement troublante : sans s’appuyer sur les implants cybernétiques du personnage.
54Par rapport à la vocalité de SHODAN dans System Shock, la vocalité de The Many est spatialisée de façon à nous envelopper. Les différentes strates vocales changent de position dans l’espace stéréophonique, tout en gardant une intensité qui nous permet de les localiser dans notre espace mental. À la différence de SHODAN, qui parle directement à nos oreilles sans utiliser un milieu de propagation et en s’invitant dans nos implants auditifs, The Many communique avec nous de conscience à conscience, sans aucune vibration de l’air ni médiation technique. Les imaginaires de la vocalité acousmatique, liés autant au divin qui enveloppe et entoure qu’à la possession démonique qui envahit tel un parasite, sont donc ici aussi convoqués, d’une part par la texturisation vocale qui signifie l’inhumanité polyphonique mais organique de The Many, mais aussi et a fortiori parce que cette entité jongle avec le champ lexical de la cérémonie religieuse pour s’adresser à nous. L’exemple le plus frappant et élégant de ceci réside dans la phrase prononcée par la strate vocale féminine, « We welcome you to our mass » (Parler Jouer, 2024a, 0 :2019), qui joue sur le double sens du mot masse en anglais, lequel peut signifier aussi bien « messe » que « masse » (ici « biomasse »). De même, lorsque, dès cette première cinématique, The Many demande pourquoi nous « servons leur mère » (Parler Jouer, 2024a, 0 :2720), donnant par la même occasion des indices sur son origine et sur l’identité réelle de Janice Polito, nous avons à la fois une preuve de son omniscience d’acousmêtre et une démonstration de son caractère, moins brutal et agressif que celui de SHODAN. Il apparaît alors que The Many fonctionne comme un écho hyperorganique de l’IA malveillante, partageant avec elle un statut d’acousmêtre mais exerçant ses pouvoirs d’une façon différente. Là où SHODAN revendique une divinité égocentrique, The Many invite à ce qui est impossible pour l’IA : trouver sa liberté en s’abandonnant dans le collectif. Là où System Shock se focalisait sur l’actualisation, par le sonore, de la figure mégatextuelle de l’IA renégate, le second opus travaille une autre figure, celle de l’esprit de ruche, mais le développement de cette dernière permet, en réalité, de creuser le sillon du premier jeu pour préciser l’écriture sonore de SHODAN, par contraste.
55La disparition de l’ego que promettent The Many terrifie SHODAN, ce qui la pousse à se révéler à nous pour nous convaincre de nous dresser contre le chœur charnel. Ce retournement dramatique a lieu lors de notre arrivée sur le pont d’opérations21. Nous découvrons le corps inanimé de Janice Polito, une arme à feu à ses pieds. SHODAN se fait alors entendre, déclarant solennellement que « la forme Polito est morte » (Parler Jouer, 2024b, 0 :1222), puis apparaît dans notre champ de vision par l’intermédiaire d’une multitude d’écrans nous entourant. Là où The Many manifestait ses pouvoirs d’acousmêtre en modifiant nos capacités de déplacement et de perception, SHODAN semble exercer les siens en reconfigurant l’espace autour de nous. Ce n’est en réalité pas le cas, et nous assistons à une hallucination audiovisuelle rendue possible par nos implants cybernétiques. Lors de cette séquence, le traitement vocal appliqué à la voix de Terri Brosius est sensiblement le même que dans System Shock, ce qui confère une certaine cohérence à l’identité du personnage. En revanche, la vocalité de SHODAN se développe dans l’espace de la même manière que celle de The Many : elle est spatialisée de façon à nous entourer et à nous darder de piques condescendantes. Si cela contribue à rapprocher les deux acousmêtres, SHODAN se distingue par son attitude. En nous traitant, comme dans le premier opus, d’insecte, et en cherchant à nous intimider (Parler Jouer, 2024b, 3 :2323), elle confirme qu’elle fonctionne sur le mode de la contrainte tyrannique plutôt que sur celui de l’invitation. À partir de cette séquence, System Shock 2 nous confronte plus explicitement à deux acousmêtres entre lesquels notre personnage est tiraillé. Tous deux représentent pour nous une menace, soit par la dissolution de notre identité dans la masse hyper-organique de The Many, soit par son écrasement par la volonté d’une IA se prenant pour une déesse. Cette confrontation de deux acousmêtres, relevant chacun d’une forme d’altérité radicalement différente de l’humanité, est à notre sens un second novum sonore développé par System Shock 2. SHODAN et son écho organique, The Many, donnent à entendre deux manières d’entrer en relation avec l’altérité grâce au son, respectivement : à travers un devenir-cyborg polyphonique bien qu’égocentrique et caractérisé par des textures électroniques ainsi que par une prosodie saccadée par des accidents numériques ; par un devenir-extraterrestre également polyphonique, mais qui présente une fluidité de la parole dans le temps et des circulations organiques des différentes voix de la polyphonie dans la profondeur et dans la largeur de l’espace stéréophonique.
- 24 Un exemple élégant et particulièrement poétique de cette place du souffle dans la dialectique entre (...)
56Cette confrontation du devenir-cyborg avec le devenir-extraterrestre est magnifiée dans l’avant-dernier acte du jeu, lorsque SHODAN nous ordonne d’éliminer The Many en allant détruire l’organe qui leur sert de cœur et de cerveau, et que nous avons découvert dans la cinématique de la première rencontre avec l’esprit de ruche. Pour ce faire, nous empruntons une capsule de sauvetage du Rickenbacker pour nous écraser à bord du Von Braun, au plus près de la cavité de chair qui abrite notre cible. Puis, nous explorons un réseau de coursives transformées par The Many en autant d’entrailles sinueuses qui reproduisent les fonctions d’un gigantesque appareil digestif. Cette séquence, qui précède la véritable confrontation finale avec SHODAN, rejoue et réactualise à la fois la fin de System Shock, mais aussi, par écho, la mise à mort de HAL 9000, à laquelle la conclusion du premier jeu faisait déjà référence, en donnant à entendre la disparition de la respiration sourde et caractéristique de The Many. Ces derniers instants, conjugués à l’hyper-organicité de l’environnement alors traversé par le·la joueur·se, révèlent ce qui est absent de la vocalité de SHODAN : le souffle. Comme celle de HAL 9000, la voix de l’antagoniste est d’autant plus inhumaine qu’elle ne présente « aucun indice physique de respiration, déglutition, raclement, […] aucun indice sonore matérialisant » (Chion, 2003, p. 297), et cet écart par rapport aux voix humaines est sublimé par le contraste créé avec l’écriture vocale de The Many. Comme le rappelle Philip Brophy, « il n’y a que par la respiration que la voix peut être humaine. […] Elle est le rythme audible qui accompagne le fait de vivre dans le monde, d’inhaler et d’exhaler le cosmos spatial de l’échange social. Si la vie est précieuse, alors la respiration l’est tout autant » (Brophy, 2010, p. 362). L’absence de souffle constitue ainsi un départ audible de l’humanité pour les voix science-fictionnelles de robots et d’intelligences artificielles24. Dans son étude du traitement sonore de HAL 9000, Michel Chion remarque précisément un contraste frappant entre sa voix et celle d’Alpha 60, dans Alphaville (1965) de Jean-Luc Godard. L’organicité prononcée et granuleuse de cette dernière, ainsi que la représentation visuelle des vocalisations du personnage, sont diamétralement opposées à l’inaffection audible de HAL 9000, alors même que ces deux personnages jouent des rôles similaires d’ordonnateurs de l’espace diégétique. Avec SHODAN puis The Many, System Shock 1 et 2 actualisent cette manière de mettre en voix les personnages de science-fiction, dans la continuité du cinéma mais aussi suivant des logiques spécifiques au jeu vidéo.
57En effet, à notre sens, cette confrontation de figures science-fictionnelles est d’autant plus efficace que nous en faisons l’expérience par l’exercice de notre agentivité dans une diégèse façonnée par les deux acousmêtres que sont SHODAN et The Many, avec toutefois une limite : il ne nous est pas possible d’éprouver une pensée collégiale par l’intermédiaire de notre personnage. En ce sens, nous rejoignons James Redelinghuys lorsqu’iel regrette l’impossibilité de répondre favorablement aux invitations de The Many, et de faire l’expérience d’une jouabilité transformative guidée par le collectif (Redelinghuys, 2023). Si cela reste un territoire sonore et vidéoludique à explorer, ce choix d’écriture est, selon nous, motivé par une volonté de produire un discours métaludique sur la relation entre jeu et joueur·se.
58En effet, à la suite de cette révélation, nous devenons plus explicitement la marionnette de SHODAN, qui va même nous considérer comme son avatar à bord du Von Braun et du Rickenbacker (Extrait SySh2-2, Parler Jouer, 2025, 2 :31-3 :1625). Parce que ce terme est à la fois fortement ancré dans les cultures vidéoludiques pour désigner les personnages incarnés par les joueur·ses, et issu de la mythologie hindoue, dans laquelle un avatar est une incarnation d’une divinité, une nouvelle ambiguïté s’installe. Par cette référence au concept d’avatar, System Shock 2 utilise SHODAN et texturise ce personnage vocal pour construire une adresse métaleptique et métaludique discrète au·à la joueur·se. En lui assignant ce rôle de pantin, et en verbalisant subtilement le caractère vidéoludique de la situation, le jeu révèle la nature de la relation qu’il cherche à établir et entretenir avec la personne qui joue, qui est de l’ordre de l’emprise. System Shock 2 nous invite ainsi à devenir le corps que l’acousmêtre SHODAN ne peut obtenir sans perdre ses pouvoirs, et nous propose d’accepter d’être le pantin du ventriloque en fusionnant un temps avec le système de jeu. Notre personnage devient alors l’incarnation de la parole de SHODAN et transforme ses mots en actions, sans pour autant que l’IA cesse d’être acousmatique. Dans cette séquence, le devenir-cyborg de notre personnage rencontre celui de la vocalité de SHODAN et reflète aussi notre propre interfaçage avec la machine de jeu, tout en nous rappelant ce dont il nous est impossible de faire l’expérience : la communion avec la multitude sous l’égide d’un esprit collectif. Toujours par écho, le fait que nous ne disposions pas d’autre choix pour progresser que d’obéir à SHODAN a, selon nous, une visée persuasive ayant pour enjeu de susciter une attitude réflexive. Cette stratégie discursive fonctionne de la sorte exclusivement parce que SHODAN est un acousmêtre machinique construit en contraste avec un acousmêtre organique. La volonté totalitaire de la machine est, de fait, opposée à une forme de consensus libérateur de la masse, pour mieux questionner notre adhésion aux impératifs d’action qui nous sont imposés par le système de jeu.
59Voilà, à notre sens, l’aboutissement du processus d’actualisation mégatextuelle vers une actualisation médiatextuelle de la figure de l’IA renégate, entamé dans System Shock. Parce que nous jouons à obéir à SHODAN, nous appréhendons la relation qu’elle entretient avec notre personnage différemment d’une relation entre deux personnages littéraires ou cinématographiques. Du fait du caractère métacommunicationnel du jeu vidéo, avec la problématisation métaludique du rapport de pouvoir entre SHODAN et notre personnage, notre relation au jeu vidéo lui-même est également remise en question.
60Au cours de cet article, nous avons traité System Shock 1 et 2 comme des cas dont l’étude permet de questionner la manière dont les écritures vocales vidéoludiques peuvent travailler les écritures science-fictionnelles. À partir d’un cadre théorique ancré en études de la vocalité, nous avons montré que la mise en son de figures mégatextuelles d’IA renégate et d’esprit de ruche, par l’intermédiaire de figures vocales d’acousmêtres, était centrale dans l’écriture sonore des deux jeux étudiés. Ainsi, nous avons expliqué comment, dans System Shock, la construction de SHODAN comme un personnage vocal se rêvant en déesse exterminatrice dépendait de la création de contrastes avec des vocalités humaines organiques, elles-mêmes mises sous le joug de la machine dans leur matière. Nous avons montré que ceci constituait une première actualisation vidéoludique de formes médiatextuelles de l’IA renégate, que System Shock 2 développait par la création d’un nouveau contraste entre le machinique et l’organique. En effet, le personnage de The Many est construit en symétrie par rapport à SHODAN, dont il amplifie les travers tout en esquissant la possibilité d’une autre manière d’entrer en relation avec l’autre par la voix, en contribuant à un chœur charnel télépathique. Enfin, nous avons suggéré qu’au-delà de continuer de travailler des figures science-fictionnelles pour en proposer une actualisation vidéoludique, ce face-à-face entre SHODAN et The Many, dans lequel nous devons nous positionner avait pour but de problématiser notre relation au jeu. Alors que nous devenons l’avatar de SHODAN dans la diégèse de System Shock 2, SHODAN agit elle-même comme un proxy du système de jeu qui se révèle, brièvement, comme le ventriloque médiatique qu’il est.
61Sur ce point, System Shock 2 préfigure le retournement central de Bioshock (Irrational Games, 2K Australia, 2K, 2007), le jeu suivant du studio Irrational Games, dans lequel nous apprenons que notre personnage était programmé pour exécuter tout ordre se terminant par la formule de politesse « je vous prie ». Les acousmêtres sont essentiels à l’écriture sonore de ce jeu également, dans la mesure où ce sont principalement des acousmêtres qui usent de cette formule magique pour nous commander. De même, la révélation du subterfuge passe par la désacousmatisation de l’acousmêtre le plus démiurgique de tous, Andrew Ryan, équivalent subaquatique de Charles Foster Kane. En guise d’ouverture, une étude de ce jeu à l’aune des écritures de la science-fiction mais aussi de l’uchronie pourrait permettre de continuer d’éprouver les hypothèses développées ici. Plus largement, cet article et l’étude de deux jeux qu’il propose constituent le début d’une exploration de la médiatextualité des écritures sonores des jeux de science-fiction. Pour questionner les dynamiques d’actualisations médiatextuelles de figures sonores science-fictionnelles, nous nous sommes ici concentrés sur les personnages de SHODAN et de The Many pour les positionner par rapport à des personnages iconiques antérieurs, dont HAL 9000, mais aussi par rapport à des usages ultérieurs de la vocalité vidéoludique en contexte science-fictionnel. En ce sens, le travail sur la texturisation vocale que nous avons développé dans la première partie de cet article pourrait être développé par des analyses plus poussées de personnages d’IA ultérieurs, que nous avons évoqués à plusieurs reprises, GLadOS et Cortana, ou, plus récemment encore, Skippy et Songbird dans Cyberpunk 2077 (CD Projekt Red, 2020). De même, le personnage de The Many pourrait être mis en relation avec d’autres figures acousmatiques d’esprit de ruche. Le point de comparaison le plus pertinent serait à notre sens le Fossoyeur (en anglais Gravemind) de la franchise « Halo ». En effet, au cours d’un chapitre de Halo 3 (Bungie, Microsoft Game Studios, 2007), le·a joueur·se doit s’aventurer dans une station spatiale en ruine, transformée en structure organique du fait de la corruption du Fossoyeur. Celui-ci se présente à nous de la même manière que The Many, c’est-à-dire comme un acousmêtre télépathe qui s’exprime avec un certain lyrisme et avec des emprunts aux champs lexicaux du religieux et du chant choral, comme lorsqu’il enjoint : « Je suis un chœur éternel. Chantons de concert. »