From Exposure to Expectation: Frequency, Surprisal, and Language Across Development in Spanish

Le langage est un fleuve qui traverse nos vies, nous portant du premier babillage de l'enfance aux conversations complexes et rapides de l'âge adulte. Depuis des décennies, les scientifiques tentent de comprendre comment ce fleuve façonne notre esprit, en posant deux questions distinctes mais liées. La première concerne le commencement : pourquoi les enfants apprennent-ils certains mots, comme « chien » ou « lait », bien plus tôt que d'autres, comme « justice » ou « murmure » ? La seconde concerne le voyage : une fois qu'un mot est connu, pourquoi semble-t-il parfois facile à lire ou à entendre, alors qu'à d'autres moments, il provoque un trébuchement, même si le mot lui-même n'a pas changé ?

Pour répondre à ces questions, les chercheurs se penchent souvent sur deux types de indices statistiques cachés dans le langage que nous entendons. L'un est la fréquence, qui est simplement un décompte du nombre de fois qu'un enfant entend un mot spécifique dans sa vie quotidienne. Plus un mot apparaît souvent, plus il devient familier. L'autre est une mesure de la surprise. Imaginez une phrase où vous attendez le mot suivant. Si la phrase vous amène à attendre un certain mot, ce mot est prévisible. Si la phrase vous amène à attendre autre chose, et qu'un mot différent apparaît, ce mot porte une valeur de « surprise » élevée. Dans le monde de la science moderne, les chercheurs utilisent de puissants programmes informatiques, connus sous le nom de modèles de langage étendus, pour calculer cette surprise. Ces programmes sont entraînés sur de vastes quantités de textes et peuvent deviner le mot suivant dans une phrase avec une précision remarquable, permettant aux scientifiques de mesurer exactement à quel point un mot est inattendu dans un contexte donné.

Pendant longtemps, on a supposé que ces deux indices — la fréquence à laquelle nous entendons un mot et son degré de surprise — fonctionnaient de la même manière, que nous parlions d'un enfant apprenant son premier vocabulaire ou d'un adulte lisant un roman. L'idée était que les mêmes règles d'apprentissage et de traitement du langage s'appliquaient de manière universelle. Cependant, une nouvelle étude de Francisco Portillo López, de l'Université de Navarre, remet en question cette supposition. En examinant la langue espagnole à travers deux prismes différents, la recherche suggère que les règles pour apprendre un mot sont fondamentalement différentes des règles pour traiter un mot une fois qu'il est déjà connu.

Le chercheur a commencé par examiner les premières étapes du langage, en se concentrant sur 225 noms communs espagnols. Il voulait savoir si la mesure de la surprise par l'ordinateur pouvait aider à expliquer pourquoi certains mots sont appris tôt et d'autres tard. Pour ce faire, il a rassemblé des données sur la fréquence à laquelle ces mots apparaissaient dans le discours des soignants s'adressant à de jeunes enfants, une source connue sous le nom de langage dirigé vers l'enfant. Il a également utilisé trois modèles informatiques différents pour calculer la valeur de surprise de chaque mot en fonction du contexte dans lequel il apparaissait. Les résultats étaient clairs et cohérents : la fréquence d'un mot était un puissant prédicteur du moment où l'enfant l'apprenait. Les mots qui apparaissaient souvent dans l'environnement de l'enfant étaient appris beaucoup plus tôt. En revanche, la mesure de la surprise n'apportait presque aucune aide. Même lorsque l'ordinateur calculait à quel point un mot était inattendu dans une phrase spécifique, cette information n'expliquait pas pourquoi un enfant apprenait ce mot à un moment donné, une fois pris en compte le simple fait de la fréquence de l'écoute du mot.

Pour s'assurer qu'il ne s'agissait pas d'une simple particularité de la façon dont l'ordinateur était sollicité pour deviner les mots, le chercheur a testé l'ordinateur de différentes manières. Il a utilisé des structures de phrases standardisées, où chaque mot était placé dans la même structure simple, et il a également utilisé des conversations réelles et naturelles entre parents et enfants. Dans les deux cas, le schéma se maintenait. Le sens de la surprise de l'ordinateur, conçu pour mesurer la capacité d'un contexte à prédire un mot spécifique, ne semblait pas importer pour le rythme de l'apprentissage précoce des mots. La seule chose qui prédisait de manière fiable l'acquisition d'un nouveau mot par un enfant était le nombre de fois où il l'avait rencontré auparavant. Cette découverte soutient une vision de l'apprentissage où la répétition et l'exposition cumulative sont les principaux moteurs, plutôt que la résolution de puzzles instantanés de prédiction de ce qui vient ensuite.

L'histoire prend un tournant radical lorsque le cherchenaire déplace son attention des enfants vers les adultes. Dans la seconde partie de l'étude, il a examiné la façon dont les locuteurs espagnols adultes lisent un texte. En utilisant des données issues d'une étude d'oculométrie (eye-tracking), où des caméras enregistraient exactement où et combien de temps les gens regardaient les mots sur une page, il a testé la mesure de surprise du même modèle informatique. Cette fois, les résultats étaient totalement différents. Pour les lecteurs adultes, la mesure de la surprise était un prédicteur fort et fiable de la durée de leur pause sur un mot. Lorsqu'un mot était moins prévisible compte tenu des mots qui le précédaient, les adultes passaient plus de temps à le regarder, indiquant que leur cerveau travaillait plus intensément pour traiter l'entrée inattendue. Cet effet restait fort même après avoir pris en compte la fréquence du mot et sa longueur. Dans le monde de la lecture experte des adultes, la valeur de surprise d'un mot compte profondément.

Le contraste entre ces deux découvertes révèle une division significative dans le fonctionnement du langage. Pour un enfant construisant un vocabulaire à partir de zéro, le volume pur d'exposition à un mot est ce qui l'ancre dans la mémoire. Le contexte dans lequel le mot apparaît importe moins que le fait que l'enfant l'ait entendu de nombreuses fois. C'est comme si l'enfant collectionnait des pierres, et plus il ramassait une pierre spécifique, plus elle devenait familière. Pour un adulte, cependant, l'esprit est déjà rempli de ces pierres, organisées en un vaste réseau. Lorsqu'un adulte lit, il fait constamment des prédictions sur ce qui va suivre. Si le texte rompt cette prédiction, le cerveau enregistre un moment de friction, et les yeux ralentissent pour résoudre l'incohérence.

Cette distinction suggère que les modèles informatiques utilisés pour étudier le langage n'échouent pas ; ils capturent plutôt différents aspects de l'expérience humaine selon l'étape de la vie observée. La même mesure mathématique de la surprise qui est presque inutile pour prédire quand un enfant apprend un mot est essentielle pour comprendre comment un adulte le lit. Cela implique que le cerveau n'utilise pas une méthode unique et statique pour gérer le langage. Au lieu de cela, l'importance des indices statistiques change au fil de notre développement. Au début, le cerveau repose sur l'accumulation de l'expérience. Plus tard, une fois qu'un système robuste est en place, le cerveau devient hautement sensible au contexte immédiat et aux attentes qu'il génère.

L'étude propose également une mise en garde sur la façon dont nous évaluons l'intelligence artificielle. Un programme informatique peut être excellent pour imiter les schémas de lecture d'un adulte, ce qui le fait paraître comme un modèle parfait du langage humain. Mais ce même programme pourrait échouer à capturer la mécanique de la façon dont un enfant apprend réellement. Si nous ne testons ces modèles qu'en fonction du comportement adulte, nous pourrions manquer le fait qu'ils ne reflètent pas le processus d'apprentissage d'un esprit en développement. La recherche suggère que pour vraiment comprendre le langage, nous devons regarder à la fois l'enfant et l'adulte, en reconnaissant que les règles du jeu changent à mesure que le joueur grandit. Le voyage de l'exposition à l'attente n'est pas une ligne droite où les mêmes facteurs s'appliquent à chaque étape ; c'est un chemin où le poids de la fréquence et le pouvoir de la prédiction se déplacent, définissant différents chapitres dans l'histoire de notre apprentissage de la parole et de la lecture.