📄 social_science

Quantifying sources of variation in turn-taking: How much do demographics and personality explain?

Cette étude analyse plus de 12 000 dyades pour démontrer que si la démographie et la personnalité expliquent une faible partie de la variation du tour de parole, la majorité des différences de rythme est dictée par des interactions uniques entre l'interlocuteur, le locuteur et la dyade qui ne peuvent être pleinement prédites par les attributs individuels seuls.

Auteurs originaux : Julio Cesar Cavalcanti, Plinio A. Barbosa, Sandra Madureira, Tony Berber Sardinha, Gabriel Skantze

Publié 2026-08-04

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Julio Cesar Cavalcanti, Plinio A. Barbosa, Sandra Madureira, Tony Berber Sardinha, Gabriel Skantze

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La danse invisible de la conversation

Imaginez que vous êtes à une fête très animée. Vous essayez d'avoir une conversation avec un ami, mais la pièce est bruyante. Pour que l'échange reste fluide, vous et votre ami devez exécuter une danse invisible à haute vitesse. Vous ne vous contentez pas d'attendre que l'autre personne s'arrête de parler pour commencer ; vous devez prédire exactement quand elle aura fini afin de pouvoir intervenir au moment parfait. Si vous intervenez trop tôt, vous interrompez (un « chevauchement »). Si vous attendez trop longtemps, il y a un silence gênant (une « lacune »).

Les scientifiques appellent cela le tour de parole (ou turn-taking). C'est le va-et-vient rythmique qui fait que la conversation humaine semble fluide plutôt que de ressembler à un match de ping-pong où la balle touche le sol à chaque fois. Pendant longtemps, les chercheurs ont débattu pour savoir pourquoi nous dansons ainsi. Est-ce dû à qui nous sommes ? Peut-être êtes-vous naturellement un parleur rapide parce que vous êtes extraverti, ou peut-être parlez-vous lentement en raison de votre âge ou de votre genre. Ou bien, est-ce quelque chose qui se produit entre deux personnes ? Peut-être que la danse ne dépend pas de vos pas individuels, mais de la manière dont vous et votre partenaire spécifique vous synchronisez, peu importe qui vous êtes individuellement.

Cette question est importante car si nous voulons construire des robots qui parlent comme des humains, ou des applications qui aident les gens à mieux communiquer, nous devons savoir : devons-nous programmer le robot avec votre personnalité, ou devons-nous lui apprendre à danser spécifiquement avec vous ?

La grande expérience de la conversation

Dans cette étude, une équipe de chercheurs a décidé de trancher ce débat en examinant une quantité massive de données réelles. Ils ne se sont pas contentés d'observer quelques personnes discuter ; ils ont analysé plus de 12 000 conversations provenant de deux énormes bases de données. Une base de données, appelée Fisher, contenait des appels téléphoniques entre des inconnus. L'autre, CANDOR, comprenait des appels vidéo entre des inconnus. Comme beaucoup de personnes dans ces bases de données parlaient à plusieurs partenaires différents, les chercheurs ont pu jouer à un jeu astucieux de « détection de motifs ».

Ils se sont demandé : si la Personne A parle à la Personne B, puis que la Personne A parle à la Personne C, la Personne A parle-t-elle de la même manière les deux fois ? (Cela signifierait que tout dépend de l'Acteur). Ou bien, la Personne A parle-t-elle différemment selon qu'elle parle à la Personne B ou à la Personne C ? (Cela signifierait que cela dépend du Partenaire). Et enfin, existe-t-il une « magie » spéciale qui n'apparaît que lorsque la Personne A et la Personne B sont ensemble, un motif qui disparaît si l'un d'eux parle à quelqu'un d'autre ? (C'est la Dyade, ou le duo).

Pour mesurer cela, ils ont observé quatre « pas de danse » spécifiques :

Décalage de transfert de parole (FTO - Floor Transfer Offset) : Les millisecondes exactes entre le moment où une personne s'arrête et celui où l'autre commence.
Chevauchement (Overlap) : Le temps pendant lequel les gens parlent en même temps.
Pauses : Le temps de silence qui se produit pendant qu'une personne détient la parole.
Activité de parole (Speech Activity) : La part du temps total de la conversation qu'une personne obtient réellement pour parler.

Les résultats surprenants : c'est complexe !

Les chercheurs ont découvert qu'il n'y a pas de réponse unique. La « danse » dépend entièrement du mouvement que vous observez.

La « Dyade » gagne la course au timing
Lorsqu'il s'agissait du timing de précision de la prise de parole (le FTO), le facteur le plus important était la paire elle-même. Les chercheurs ont découvert que la chimie spécifique entre deux personnes expliquait la majeure partie de la variation de leur timing. Même en tenant compte de l'identité des locuteurs et de leurs partenaires, l'« ambiance » unique de cette paire spécifique exerçait toujours l'influence la plus forte. C'est comme si chaque couple avait son propre rythme secret que vous ne pouvez pas prédire simplement en connaissant les individus. Dans les données téléphoniques, la paire expliquait 54 % des différences de timing ; dans les données vidéo, c'était 34 %. Cela suggère que l'« horloge » d'une conversation est réglée par les deux personnes qui dansent ensemble, et non par les danseurs individuels eux-mêmes.

L'« Acteur » dirige le silence
Cependant, lorsqu'il s'agissait des Pauses (le silence pendant la détention de la parole), le locuteur individuel était le patron. Les chercheurs ont constaté que la fréquence de vos pauses dépend principalement de vous. Si vous êtes une personne qui fait beaucoup de pauses, vous en ferez beaucoup, peu importe votre interlocuteur. C'était la mesure la plus « dirigée par l'acteur », ce qui signifie que votre style personnel domine le silence.

L'« Activité de parole » est un effort d'équipe
Pour l'Activité de parole (qui parvient à parler le plus), c'était un mélange. Votre propre personnalité et vos habitudes étaient le facteur principal (l'Acteur), mais votre partenaire comptait aussi beaucoup. Si vous parlez à un partenaire dominant, vous pourriez parler moins, même si vous êtes habituellement un grand parleur. Les chercheurs ont trouvé que, bien que vos propres traits soient le facteur prédominant, l'identité de votre partenaire expliquait également une part significative de la variation.

Le « Chevauchement » est un caméléon
La quantité de paroles simultanées (Chevauchement) était la plus déroutante. Dans les conversations vidéo, elle semblait dépendre principalement du locuteur. Mais dans les appels téléphoniques, elle dépendait principalement de l'auditeur. Cela suggère que la façon dont nous interrompons ou empiétons sur l'autre peut changer selon le support (vidéo vs audio) et la façon dont nous interprétons les indices de l'autre.

Vos caractéristiques démographiques comptent-elles ?

Vous vous demandez peut-être : « Alors, est-ce que le fait d'être un homme, une femme, jeune, âgé ou d'avoir une certaine personnalité change ma façon de parler ? »

La réponse est : Oui, mais pas autant que vous le pensez.

Les chercheurs ont testé si des facteurs tels que le Sexe, l'Âge, l'Éducation et la Personnalité pouvaient prédire ces schémas. Ils ont découvert que ces facteurs comptaient effectivement, mais qu'ils ne représentaient qu'une petite part du puzzle — environ 6 % à 16 % de la variation totale.

Le Sexe était le prédicteur le plus constant. Les hommes avaient tendance à avoir des intervalles légèrement plus longs entre les tours de parole et à se chevaucher légèrement moins que les femmes.
L'Âge et la Personnalité (plus précisément l'extraversion) jouaient également un rôle, surtout dans la quantité de paroles.
Cependant, même avec tous ces détails, les chercheurs ne pouvaient pas prédire une conversation simplement en regardant le profil d'une personne. La « magie » de la paire spécifique et le contexte unique du moment continuaient de régner.

Ce que cela signifie pour l'avenir

L'étude conclut que nous sommes bien plus que nos profils démographiques. Nous ne sommes pas seulement des « hommes extravertis » ou des « femmes âgées » dotés de styles de conversation fixes. Nous sommes des danseurs dynamiques qui changent de pas selon la personne avec qui nous dansons.

Pour les robots et les systèmes d'IA du futur, c'est un indice majeur. Si vous voulez qu'un robot parle naturellement, vous ne pouvez pas simplement le programmer avec la personnalité de l'utilisateur. Vous devez lui apprendre à écouter la paire. Le robot doit comprendre que cet humain spécifique parle différemment avec ce robot spécifique qu'il ne le ferait avec sa mère ou son patron. Le timing d'une conversation n'est pas une performance solo ; c'est un duo, et la musique est souvent écrite par les deux personnes qui la jouent ensemble, et non par la partition qu'ils ont dans leurs poches.

Résumé Technique : Quantification des sources de variation dans la prise de parole

Énoncé du problème
La conversation humaine repose sur une coordination temporelle précise, pourtant la distribution de la variation temporelle demeure incertaine. Un débat fondamental existe dans les sciences du comportement concernant la question de savoir si la synchronisation de la prise de parole est une caractéristique constante de l'individu (dictée par la démographie et la personnalité) ou une propriété émergente du système dyadique (dictée par la paire spécifique). Les approches traditionnelles attribuent souvent la variation à « qui est le locuteur », tandis que les théories interactionnistes suggèrent que la synchronisation provient d'une entraînement mutuel. Historiquement, distinguer les traits idiosyncrasiques des sollicitations associées au partenaire et de la chimie unique de la paire a été difficile en raison de la taille réduite des échantillons et de la étroitesse des appariements de locuteurs. Cette étude cherche à quantifier dans quelle mesure la démographie et la personnalité expliquent la variation de la prise de parole par rapport aux tendances récurrentes du locuteur, aux tendances de l'interlocuteur et aux structures spécifiques à la dyade.

Méthodologie
Les auteurs ont analysé plus de 12 000 dyades issues de deux corpus distincts :

CANDOR : Un corpus multimodal, médiatisé par vidéo, de conversations naturelles en ligne (minimum 25 minutes).
Fisher : Un corpus téléphonique uniquement audio de conversations sur des sujets assignés (environ 10 minutes).

Structure des données :
Plus de la moitié des participants dans les deux échantillons sont apparus avec plusieurs interlocuteurs. Cette récurrence a permis d'utiliser des modèles à effets mixtes pour séparer la variation en trois composantes d'interception aléatoire :

Idiosyncrasie (Acteur) : Variation récurrente avec le locuteur focal à travers différents interlocuteurs.
Allosyncrasie (Partenaire) : Variation des résultats des locuteurs focaux qui récurre lorsqu'une personne spécifique sert d'interlocuteur.
Dyadosyncrasie (Dyade) : Variation supplémentaire associée à la paire non ordonnée spécifique.

Mesures :
Quatre mesures de prise de parole ont été examinées :

Décalage de transfert de parole (FTO - Floor Transfer Offset) : Décalage temporel moyen entre les tours (gaps ou chevauchements).
Chevauchement (Overlap) : Ratio du temps total de chevauchement d'un locuteur par rapport à son temps de parole total.
Pauses : Ratio du silence intra-tour par rapport au temps actif total.
Activité de parole (Speech Activity) : Ratio du temps de parole total par rapport au temps d'interaction total.

Prédicteurs :
Les effets fixes comprenaient des attributs démographiques et dispositionnels (Sexe, Âge, Éducation, Race/Ethnicité, Personnalité, Statut Social, Dialecte, Sujet). L'étude a employé des modèles orientés vers l'acteur où les rôles d'acteur et de partenaire s'inversent lors de la seconde observation d'une conversation. L'ajustement du modèle a été évalué via le $R^2$ marginal (effets fixes uniquement) et le $R^2$ conditionnel (effets fixes + effets aléatoires). L'importance a été déterminée via une ablation complète par soustraction de restrictions (retrait d'intercepts ou de blocs de prédicteurs spécifiques) et par décomposition de la variance.

Résultats clés

Sources de variation :
- FTO : Présentait la structure associée à la dyade la plus claire. Le retrait de l'interception de la dyade a causé la perte la plus importante de $R^2$ conditionnel dans les deux corpus. Dans Fisher, la dyade représentait 54 % de la variance totale, contre 11 % (acteur) et 8 % (partenaire).
- Pauses : Étaient systématiquement dirigées par l'acteur. La variance de l'acteur représentait 31 à 37 % de la variance totale, nettement supérieure aux parts du partenaire ou de la dyade.
- Activité de parole : Était dominée par l'acteur mais incluait une part non négligeable de variation associée au partenaire. Les parts de l'acteur étaient de 37 % (CANDOR) et 48 % (Fisher), avec des parts de partenaire à 21 % et 13 % respectivement. Une interception de dyade partagée n'a pas pu être conservée dans le modèle primaire en raison de l'interdépendance structurelle des parts de parole.
- Chevauchement : La principale source de variation dépendait du corpus et de la normalisation. Dans CANDOR, il était dirigé par l'acteur ; dans Fisher, il était dirigé par le partenaire.
Pouvoir prédictif de la démographie et de la personnalité :
- Les effets fixes (démographie et personnalité) expliquaient environ 6 à 16 % de la variance totale de l'issue.
- Le Sexe et l'Âge étaient les prédicteurs démographiques les plus cohérents à travers les mesures et les corpus.
- La Personnalité a significativement amélioré les modèles étendus pour les quatre issues dans CANDOR, avec l'effet le plus fort sur l'Activité de parole ( $\Delta R^2_m = ,062$ ). Dans les modèles de base (contenant uniquement le Sexe, l'Âge et l'Éducation), la Personnalité n'était pas un prédicteur significatif pour le FTO ( $p = ,116$ ) ou les Pauses ( $p = ,244$ ) ; elle n'est devenue significative que lorsque le modèle a été étendu pour inclure des covariables supplémentaires (ex: Race/Ethnicité, Statut), où elle a atteint une signification marginale pour les Pauses ( $p = ,037$ ).
- Le retrait de l'interception de la dyade a entraîné la plus grande perte de $R^2$ conditionnel pour le FTO, tandis que le retrait de l'interception de l'acteur a causé la plus grande perte pour les Pauses et l'Activité de parole.
Différences entre les corpus :
- Les locuteurs de CANDOR présentaient des pauses intra-tour plus longues que les locuteurs de Fisher. Les auteurs notent que cela peut refléter une coordination multimodale (indices visuels) dans les appels vidéo, bien que l'étude ne puisse isoler la modalité d'autres facteurs de confusion (période, tâche, technologie).
- Le Chevauchement dirigé par le partenaire dans Fisher et les parts de dyade plus importantes pour le FTO/Pauses suggèrent des modèles de synchronisation acoustique plus stables par paire dans les contextes uniquement audio.

Signification et affirmations
L'article prétend distinguer trois types spécifiques de variation :

Idiosyncrasies : Variation récurrente avec le locuteur focal.
Allosyncrasies : Variation récurrente lorsqu'une personne sert d'interlocuteur.
Dyadosyncrasies : Variation associée à la dyade particulière.

L'étude conclut qu'aucun composant unique ne domine chaque mesure de prise de parole. Bien que la démographie et la personnalité fournissent une base, elles n'épuisent pas la variation associée aux locuteurs, aux interlocuteurs et aux dyades. Plus précisément :

Le FTO est principalement une propriété du système dyadique.
Les Pauses sont principalement une propriété de l'individu.
L'Activité de parole est un mélange de dominance individuelle et d'influence de l'interlocuteur.

Les auteurs mettent en garde le fait que, bien que le composant dyadique capture les changements partagés dans le timing, il ne prouve pas définitivement l'accommodation mutuelle par rapport à l'adaptation unilatérale. Ils suggèrent que les systèmes de conversation (par exemple, l'interaction humain-robot) ne doivent pas se fier uniquement aux moyennes de niveau utilisateur pour les politiques de timing, mais doivent tenir compte du calibrage spécifique à l'interaction. Les résultats soutiennent une vision multiparamétrique où l'« horloge universelle » de la prise de parole est calibrée différemment selon la métrique spécifique mesurée.

La danse invisible de la conversation

La grande expérience de la conversation

Les résultats surprenants : c'est complexe !

Vos caractéristiques démographiques comptent-elles ?

Ce que cela signifie pour l'avenir

Articles similaires