🎵 Analyse de scène auditive

L'analyse de scène auditive (ASA), développée par Albert Bregman, est l'étude de la façon dont le système auditif organise le mélange complexe de sons atteignant les oreilles en objets perceptifs distincts, ou « flux ». Tout comme la vision découpe une scène visuelle en objets, l'audition découpe la scène acoustique en sources sonores distinctes.

Le streaming auditif est la ségrégation perceptive d'une séquence rapide de tons alternés en flux distincts basée sur la proximité fréquentielle. Lorsque deux tons alternent rapidement et que leurs fréquences sont suffisamment différentes (plus de quelques demi-tons), ils se scindent perceptivement en deux flux distincts — l'illusion de « galop » devient deux séquences séparées.

Le système auditif utilise des indices primitifs (automatiques) : la proximité fréquentielle (ΔF), l'harmonicité (le son est-il harmonique ?), la synchronie des attaques (les composantes démarrent-elles ensemble ?), la modulation d'amplitude commune, la localisation spatiale (indices binauraux), et la continuité spectrale. Le regroupement piloté par schémas (appris) utilise la connaissance de sons spécifiques comme la parole ou la musique.

L'effet de cocktail party est la capacité à porter son attention sur une voix dans un environnement bruyant avec plusieurs locuteurs. Il repose sur des mécanismes de l'ASA : séparation spatiale, différences de hauteur entre les voix, motifs rythmiques, différences de timbre, et attention descendante. Cette capacité est altérée en cas de perte auditive et de certaines conditions neurologiques.

L'harmonicité désigne la propriété d'avoir des composantes fréquentielles qui sont des multiples entiers d'une fréquence fondamentale (harmoniques). Le système auditif tend à regrouper les composantes harmoniques comme une seule source. Désaccorder une seule partielle de plus de ~3 % suffit à la séparer perceptivement du complexe harmonique.

La synchronie des attaques est un indice de regroupement puissant : les composantes fréquentielles qui démarrent simultanément tendent à être regroupées comme un seul son, tandis que celles ayant des attaques différentes se séparent. Même quelques millisecondes de différence d'attaque peuvent faire ressortir une composante comme un flux séparé, exploitant le fait qu'une source sonore unique a typiquement des composantes synchrones.

Le cortex auditif, en particulier l'hémisphère droit et les zones du sillon temporal supérieur, joue un rôle majeur dans l'ASA. Le cortex auditif primaire (A1) réalise l'analyse fréquentielle. Les aires supérieures de la voie « quoi » traitent l'identité des objets, tandis que la voie « où » gère la localisation spatiale — toutes deux essentielles pour l'analyse de scène.

Lorsque deux tons alternés sont proches en fréquence (moins de ~2-3 demi-tons), ils tendent à fusionner en un seul flux cohérent perçu comme un rythme. Lorsqu'ils diffèrent de plus de ~3-4 demi-tons, surtout à des tempos rapides, ils se séparent en deux flux distincts, chacun avec son propre rythme.

L'attention module le streaming : porter activement attention à un flux tonal peut le faire ressortir davantage et accroître la ségrégation. Cependant, le streaming primitif (pré-attentif) se produit automatiquement même sans attention, comme le montre la réponse EEG de négativité de discordance (MMN). L'attention descendante s'ajoute au regroupement primitif ascendant.

L'ASA primitive utilise des indices acoustiques automatiques et ascendants (fréquence, attaque, harmonicité) qui opèrent sans connaissance apprise de sons spécifiques. L'ASA pilotée par schémas utilise une connaissance descendante de motifs sonores spécifiques (par exemple, une voix familière, un mot, une mélodie) pour guider la ségrégation. Les deux systèmes fonctionnent ensemble lors de l'écoute réelle.