📄 animal behavior and cognition

Pig vocalizations contain shared acoustic structure for humans and machines, but limited evidence for presumed affective valence

Cette étude démontre que, bien que les humains et les modèles d'apprentissage automatique puissent identifier de manière fiable des structures acoustiques communes dans les vocalisations de porcs, les jugements perceptifs humains sur la valence émotionnelle ne s'alignent sur les états affectifs présumés que dans des contextes hautement aversifs, suggérant une distinction critique entre les motifs acoustiques récupérables et leur interprétation biologique dans la recherche sur le bien-être animal.

Auteurs originaux : Gorssen, W., Sleurs, B., Winters, C.

Publié 2026-07-09

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Gorssen, W., Sleurs, B., Winters, C.

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Imaginez que vous êtes à une fête où vous ne pouvez pas voir les invités, seulement entendre leurs voix. Vous entendez un mélange de cris, de rires, de grognements et de gémissements. Votre travail consiste à trier ces voix en groupes basés sur ce qu'elles font entendre, sans savoir qui les produit ni ce qui se passe autour de vous.

C'est exactement ce que les chercheurs de cet article ont demandé à des humains de faire avec des cris de porcs. Ils voulaient voir si les gens pouvaient naturellement déterminer si un porc était heureux, triste, en colère ou en souffrance simplement en écoutant un enregistrement, et si les ordinateurs (l'IA) pouvaient faire la même chose.

Voici l'histoire de ce qu'ils ont découvert, expliquée simplement :

1. La mise en place : Deux façons d'écouter

Les chercheurs ont organisé deux "fêtes d'écoute" (études) différentes :

La Fête Libre (Vague 1) : On a donné aux gens un tas de sons de porcs en leur disant : « Triez-les dans les groupes que vous voulez, et donnez vos propres noms à ces groupes. » Pas de règles, pas de bonnes ou de mauvaises réponses.
La Fête à Choix Multiples (Vague 2) : Un nouveau groupe de personnes a reçu les mêmes sons mais a été contraint de choisir dans une liste spécifique d'étiquettes, comme « Est-ce que ce porc est en train de subir une castration ? » ou « Est-ce que ce son est positif ou négatif ? »

Ils ont également entraîné un ordinateur (un réseau de neurones convolutifs) pour qu'il regarde les ondes sonores comme des images et les trie de la même manière.

2. La Grande Découverte : Le signal de la "douleur" est clair, mais le reste est brumeux

Les résultats ont été surprenants et nuancés.

L'analogie de l'orage :
Considérez les sons de porcs comme un spectre météorologique.

Les Orages (Situations à forte aversion) : Quand les porcs étaient dans des situations terribles — comme être entravés, se battre, être écrasés ou subir une coupe de la queue (castration) — leurs sons étaient comme des orages. Tout le monde, qu'il s'agisse d'un agriculteur, d'un citadin ou d'un ordinateur, était immédiatement d'accord : « Ça a l'air terrible ! » Ces sons étaient distincts, forts et clairement négatifs.
La Bruine (Autres situations) : Pour tout le reste — comme les porcs qui courent, mangent ou sont dans différents types de logements — leurs sons étaient comme de la bruine ou de la brume. Ils sonnaient tous assez similaires. Lorsque les gens essayaaient de les trier, ils ne parvenaient pas à se mettre d'accord pour savoir quel "nuage de bruine" appartenait à quel "nuage". Un son produit pendant qu'un porc "courait" (présumément heureux) ressemblait beaucoup à un son produit pendant qu'il "explorait" (présumément neutre).

3. Ce que les gens ont réellement dit

Lorsque les personnes de la "Fête Libre" ont trié les sons, elles n'ont pas principalement utilisé de mots émotionnels comme « triste » ou « heureux ».

Elles ont surtout utilisé des mots descriptifs. Elles disaient des choses comme « fort », « effrayant », « porc » ou « hurlement ».
Elles n'ont utilisé des mots émotionnels (comme « douleur » ou « peur ») qu'environ 20 % du temps, et presque exclusivement pour les sons d'« orage » (les situations terribles).
Lorsqu'elles devinaient l'émotion, elles avaient surtout raison concernant les « orages » étant mauvais, mais elles étaient souvent en erreur ou confuses concernant la « bruine ».

4. L'Ordinateur vs l'Humain

Les chercheurs ont comparé la façon dont les humains triaient les sons avec la façon dont l'IA les triait.

La Correspondance : Les humains et l'IA étaient très similaires. Ils entendaient les mêmes motifs acoustiques. Si l'ordinateur pensait que deux sons étaient semblables, les humains pensaient généralement la même chose.
La Limite : Le fait que l'ordinateur et les humains soient d'accord sur la structure du son ne signifie pas qu'ils étaient d'accord sur la signification. L'IA pouvait parfaitement séparer les « orages » de la « bruine », mais elle ne pouvait pas distinguer de manière fiable un « coup de course joyeux » d'une « marche neutre » en se basant uniquement sur le son.

5. La Leçon Principale : Entendre le Son vs Connaître l'Histoire

Le point le plus important de l'article est une distinction entre entendre et interpréter.

Entendre le Son : Nous (et les ordinateurs) sommes très doués pour entendre qu'un porc fait un type de bruit spécifique. Nous pouvons dire qu'un « cri de castration » est différent d'un « grognement d'alimentation ». La structure acoustique est réelle et récupérable.
Connaître l'Histoire : Nous ne sommes pas très doués pour deviner les sentiments internes du porc à partir de ce bruit seul. L'article soutient que le fait qu'un son puisse être classé dans une catégorie (comme « négatif ») ne prouve pas que le porc ressent réellement quelque chose de « négatif » de la manière dont nous le pensons.

La Métaphore de Synthèse :
Imaginez que vous entendez le moteur d'une voiture accélérer bruyamment.

Structure Acoustique : Vous savez que c'est un régime élevé et aigu. (Les humains et l'IA sont d'accord là-dessus).
Interprétation : Vous pourriez penser : « Ce conducteur est en colère ! » ou « Ce conducteur fait la course ! » ou « Il est juste en train de faire chauffer le moteur. »
L'Avertissement de l'Article : L'article dit que pour les porcs, nous sommes souvent trop prompts à dire : « Ce son signifie que le porc est triste. » L'étude montre que si les sons « tristes » (les orages) sont clairs, la plupart des autres sons de porcs sont un mélange de nombreux sentiments différents qui se ressemblent trop pour être distingués sans voir la face du porc ou savoir ce qui se passe autour de lui.

En bref : Les sons de porcs ont une « grammaire » claire que les humains et les ordinateurs peuvent apprendre, mais cette grammaire ne se traduit pas parfaitement en un dictionnaire simple « Heureux vs Triste ». Nous pouvons entendre que le porc fait du bruit, mais nous ne pouvons pas toujours être certains de ce que ce bruit signifie exactement concernant ses sentiments sans plus d'indices.

Résumé technique : Vocalisations porcines, structure acoustique et interprétation affective

Énoncé du problème
Les vocalisations animales sont de plus en plus utilisées comme indicateurs d'état affectif et de bien-être dans la recherche. Cependant, une circularité méthodologique existe souvent : les études attribuent fréquemment une valence affective aux vocalisations en se basant sur le contexte d'enregistrement (par exemple, en supposant qu'un son provenant d'une procédure de castration est « négatif ») puis utilisent l'apprentissage automatique ou des auditeurs humains pour classer ces sons selon ces mêmes catégories dérivées du contexte. Cette approche rend incertain si une classification réussie reflète l'état affectif interne de l'animal, des différences acoustiques plus larges, ou simplement les catégories interprétatives imposées par la tâche. De plus, la littérature existante repose largement sur des protocoles à choix forcé avec des catégories prédéfinies, laissant sans réponse la question de savoir comment les auditeurs organisent spontanément les vocalisations sans cadre interprétatif. Cette étude aborde la distinction entre la récupération de la structure acoustique et l'établissement de sa signification biologique, remettant en question l'hypothre selon laquelle les signaux acoustiques se rapportent directement à des états émotionnels discrets.

Méthodologie
L'étude a employé un protocole de classification en ligne en deux vagues impliquant des participants humains et des modèles d'apprentissage automatique, utilisant un ensemble de données de 2 192 vocalisations porcines uniques issues de 18 contextes expérimentalement définis (Briefer et al., 2022a).

Vague 1 (Classification libre) : 224 participants ont trié 8 960 présentations de vocalisations en catégories auto-définies, sans étiquettes prédéfinies. Les participants ont également fourni des étiquettes descriptives pour leurs catégories. Cette vague incluait des stimuli de contrôle (doublons de sons de castration et un cas atypique de dauphin) pour évaluer l'attention et la cohérence.
Vague 2 (Choix forcé) : Un groupe distinct de 159 participants a réalisé deux tâches sur un sous-ensemble de 1 357 vocalisations : (1) classer les sons dans 18 contextes d'enregistrement prédéfinis (incluant une option « aucune idée ») et (2) évaluer la valence perçue des sons sur une échelle de 5 points (très négatif à très positif).
Analyse par apprentissage automatique : Des modèles de réseaux de neurones convolutifs (CNN), spécifiquement des architectures ResNet50 affinées, ont été entraînés sur les spectrogrammes des vocalisations. Deux modèles ont été développés : l'un optimisé pour la classification binaire de la valence présumée et l'autre pour la classification des 18 contextes.
Analyse comparative : L'étude a comparé les structures perceptuelles dérivées par les humains (matrices de co-classification) avec les espaces de plongement acoustique appris par machine via des tests de Mantel. Elle a également analysé le contenu sémantique des étiquettes générées par les participants et a testé la robustesse des résultats en excluant les contextes aversifs de haute intensité (castration, contention, combat, écrasement).

Résultats clés

Structure acoustique vs récupération de contexte : La classification libre humaine a révélé une structure perceptuelle reproductible mais large. Les participants n'ont pas récupéré les 18 contextes d'enregistrement originaux sous forme de catégories discrètes. Au lieu de cela, ils ont regroupé les vocalisations en grandes familles, la similitude la plus élevée étant observée parmi les contextes aversifs de haute intensité (castration, contention, combat, écrasement).
Étiquetage et valence : Dans la classification libre, les étiquettes générées par les participants étaient principalement descriptives (états, événements, liés à l'animal) plutôt qu'émotionnelles. L'étiquetage spontané lié à la valence était limité (19,6 %) et principalement négatif. Lorsque les jugements de valence par choix forcé ont été effectués, la précision était modeste (60,1 % de précision exacte en excluant les réponses neutres) et était presque entièrement portée par les contextes aversifs de haute intensité. L'accord avec la valence présumée disparaissait lorsque ces contextes aversifs étaient exclus.
Classification du contexte : La classification par choix forcé du contexte d'enregistrement spécifique était faible, avec une précision exacte de 8,0 % (9,5 % en excluant les réponses « aucune idée »), ne montrant qu'un léger accord avec les contextes sources ( $\kappa = 0,042$ ).
Convergence Humain-Machine : La structure perceptuelle dérivée par l'humain correspondait étroitement aux espaces de plongement des modèles d'apprentissage automatique. Les humains et les modèles ont récupéré des organisations acoustiques similaires, distinguant particulièrement les sons aversifs de haute intensité. Cependant, cette structure partagée ne s'alignait que partiellement avec les catégories de contexte et de valence assignées dans le jeu de données source.
Effets d'expertise : Le milieu professionnel (agriculteurs, vétérinaires, scientifiques) a influencé le type d'étiquettes utilisées (par exemple, les agriculteurs utilisaient davantage de termes animaliers spécifiques au porc ; les scientifiques utilisaient davantage de termes affectifs), mais a eu peu d'influence sur la structure de regroupement perceptuel sous-jacente.

Signification et affirmations
L'article affirme que, bien que les vocalisations porcines contiennent une organisation acoustique robuste et récupérable accessible tant aux auditeurs humains qu'aux modèles d'apprentissage automatique, cette organisation ne s'aligne pas nécessairement sur les cadres contextuels et de valence couramment utilisés pour les interpréter.

Distinction entre structure et signification : Les auteurs soulignent une distinction critique entre la récupération de la structure acoustique et l'établissement de sa signification biologique. La classification réussie des vocalisations basée sur la valence présumée dérivée du contexte ne permet pas nécessairement d'établir leur signification affective ou de bien-être.
Limites des indicateurs de bien-être actuels : Les résultats suggèrent que les indicateurs vocaux de bien-être nécessitent une validation par rapport à des mesures comportementales, physiologiques et d'autres mesures indépendantes, plutôt qu'une simple dépendance aux classifications contextuelles. L'étude souligne que pour de nombreux contextes (ex: conditions d'élevage, conditionnement positif), les vocalisations se chevauchent substantiellement dans l'espace acoustique et l'interprétation humaine, ne soutenant pas l'idée d'indicateurs acoustiques invariants pour des états affectifs spécifiques.
Rôle de l'interprétation : Les résultats soutiennent les perspectives constructionnistes, suggérant que la signification affective attribuée aux vocalisations est probabiliste, dépendante du contexte et partiellement façonnée par les catégories et les hypothèses apportées à la tâche par l'observateur (humain ou machine).

En résumé, l'étude démontre que les humains et les machines peuvent détecter de manière fiable des motifs acoustiques dans les vocalisations porcines, particulièrement lors de situations hautement aversives, mais met en garde contre l'interprétation de ces motifs comme des lectures directes et indépendantes du contexte d'états émotionnels discrets ou de conditions de bien-être sans validation indépendante.