Research
• Updated
19 March 2024
IJN

L’analyse computationnelle éclaire l'histoire des langues des signes

Une analyse computationnelle a permis d'éclaircir les liens historiques entre les langues des signes à travers le monde. Fruit d’une collaboration interdisciplinaire entre linguistes de l'École Normale Supérieure-PSL, de l'University of Michigan et de mathématiciens de l'Université Paris Dauphine-PSL, les résultats de cette recherche viennent d'être publiés dans la prestigieuse revue Science. 

Cet article « Computational phylogenetics reveal the history of sign languages » co-écrit principalement par Natasha Abner (Assistant Professor, University of Michigan), Grégoire Clarté (Lecturer à l'Université d'Édimbourg), Carlo Geraci (Directeur de Recherche CNRS à l'Institut Jean Nicod, ENS-PSL et EHESS) et Robin Ryder (Maître de conférences, CEREMADE, Université Paris Dauphine-PSL) démontre comment l'histoire des langues des signes a été façonnée à la fois par des facteurs géopolitiques et des dynamiques au sein des communautés de signeurs. Il ouvre la voie à une compréhension plus approfondie de l'évolution des langues des signes tout en offrant des perspectives prometteuses pour la recherche sur d'autres langues souvent sous-étudiées ou marginalisées.

Les méthodes de statistique bayésienne pour l’inférence de la phylogénie des langues avaient déjà montré leur puissance pour reconstruire l'histoire des langues orales ; cet article est le premier à considérer les langues des signes. Des dictionnaires vidéo de 19 langues des signes issues de 4 continents ont été encodées, puis analysées avec des modèles mathématiques spécialement créés pour cette structure particulière de données. 

Graphique
Arbre phylogénétique de consensus (ensemble d'arbres phylogénétiques) pour les langues des signes européennes et asiatiques. Les numéros des nœuds internes représentent la probabilité postérieure des clades associés. Les blocs de couleur représentent des sous-familles cohérentes et significatives de l'arbre principal.


Les résultats de cette étude révèlent l'existence de deux grandes familles de langues des signes : l'une comprenant les langues des signes asiatiques, et l'autre regroupant principalement les langues des signes européennes, parmi lesquelles figurent les langues des signes britanniques et néo-zélandaises. Ils mettent également en lumière l'influence centrale de la Langue des Signes Française dans le développement de nombreuses autres langues des signes à travers le monde.

Référence: 

Natasha Abner et al. (2024). Computational phylogenetics reveal histories of sign languages. Science. 383,519 523.doi:10.1126/science.add7766

Robin Ryder est Maître de conférences HDR en Mathématiques appliquées au sein du CEREMADE de l'Université Paris Dauphine-PSL. Normalien et docteur en Statistique de l'Université d'Oxford, il est spécialiste de statistique bayésienne computationnelle et de modélisation statistique pour la linguistique. Il est fellow de l'institut prAIrie et co-directeur du Master 2 MASH et de l'Executive Master Statistique et Big Data. 
Photo Jean-Marc Paroissien.

Grégoire Clarté est Lecturer à l'Université d'Édimbourg. Il a soutenu sa thèse « Quelques contributions aux méthodes computationnelles bayesiennes, avec applications à la phylolinguistique » en 2021 à l’Université Paris Dauphine-PSL sous la direction de Robin Ryder et de Christian P. Robert. 

 

Carlo Geraci est Directeur de Recherche CNRS au sein de l’Institut Jean Nicod (ENS-PSL et EHESS). Ses recherches portent sur l’importance des langues des signes dans la découverte des propriétés de l’aptitude humaine au langage. 

 

À propos du CEREMADE, laboratoire de l'Université Paris Dauphine-PSL : 

Le Centre de Recherche en Mathématiques de la Décision, (CEREMADE) de l'Université Paris Dauphine-PSLest une unité mixte de recherche CNRS (UMR 7534) dont les thèmes de recherche couvrent l’essentiel des mathématiques appliquées. Nourris par de multiples interactions avec le monde économique et industriel, les travaux se déclinent dans de nombreux domaines comme l’économie, la finance, l’actuariat, l’astronomie, la physique mathématique, la mécanique, la chimie quantique, l’imagerie, la science des données, l’apprentissage statistique, la biologie, l'épidémiologie ou la linguistique.