Le parcours du son de l’oreille au cerveau

Le parcours du son de l’oreille au cerveau

Le parcours du son de l’oreille au cerveau peut être résumé en cinq étapes principales. La première étape correspond à l’oreille externe composée du pavillon et du conduit auditif externe (CAE) ; (Figure 1.A). La fonction de l’oreille externe est de diriger les sons vers l’oreille moyenne. Elle joue également un rôle essentiel dans la localisation auditive en modifiant le spectre des ondes sonores selon leur angle d’incidence. Ces modifications sont reconnues par le système auditif pour situer la source sonore dans l’espace en combinaison avec d’autres indices liés aux différences de temps d’arrivée et d’intensité des ondes sonores entre les deux oreilles. Les HRTFs (de l’anglais Head Related Transfer Function) peuvent être capturées via la mesure de la fonction de transfert liée à la tête (Wightman & Kistler, 1989). Filtrer un signal auditif présenté sous casque avec des HRTFs produit la sensation de percevoir ce signal comme provenant d’une position précise de l’espace. Le CAE protège la délicate membrane tympanique du froid, de la saleté et de la déshydratation, en expulsant la saleté et la poussière par le cérumen. La deuxième étape coïncide avec l’arrivée du son à la membrane tympanique dans l’oreille moyenne (Figure 1.B). Le tympan, en vibrant, transmet les ondes sonores aux trois osselets : le marteau, l’enclume et l’étrier. Le mouvement des trois osselets amplifie les vibrations du tympan qui atteignent l’oreille interne.

La troisième étape correspond donc à l’arrivée du son à l’oreille interne (Figure 1.C). L’oreille interne, remplie de liquides, comprend la cochlée, organe de l’audition, et le vestibule, organe de l’équilibre. Elle est composée de trois canaux contigus et parallèles, enroulés en spirale depuis la base jusqu’à l’apex : la rampe vestibulaire, le canal cochléaire, et la rampe tympanique. Les deux rampes, remplies de liquide périlymphatique, sont en continuité à l’apex de la cochlée au niveau de l’hélicotréma. À l’intérieur du canal cochléaire, plongé dans le liquide endolymphatique, se trouve l’organe de Corti qui contient les cellules sensorielles de l’audition (Figure 2) —c’est l’origine du message nerveux. Les cellules sensorielles sont de deux types : les cellules ciliées internes (CCI) et les cellules ciliées externes (CCE). On dénombre environ 3500 CCI et entre 10000 et 12000 CCE réparties respectivement sur une et trois rangées (Ashmore, 2008).

L’arrivée du son au tronc cérébral constitue la quatrième étape du parcours du son et le premier stade du son à l’intérieur du cerveau. À ce stade, les sons sont déchiffrés et leur durée, leur intensité et leur fréquence sont déterminées. L’étape suivante se situe au niveau du thalamus qui collecte toutes les informations perçues par les sens, à l’exception de l’odorat. Le thalamus interprète les informations et les transmet au cortex cérébral, correspondant à la dernière étape. Le message sonore est alors en grande partie déchiffré, mais le cortex cérébral ajoute une signification aux sons. Ici, les sons sont reconnus et mémorisés. Cette région du cortex cérébral, appelée cortex auditif, intègre aussi les souvenirs ou les émotions liés aux sons qui vont donner une certaine coloration idiosyncrasique en fonction de chaque expérience.

Ségrégation des flux sonores

Au cours du traitement de l’information sonore permettant la compréhension d’une voix cible dans des situations d’écoute complexe, la première étape consiste à séparer les différents flux sonores. Les différents flux sonores présents dans la scène auditive sont constitués de plusieurs objets sonores. Ces derniers sont reconnus et identifiés par notre cerveau grâce à une véritable analyse de la scène auditive (Bregman, 2009). En effet, ce qui n’est au départ qu’un ensemble de fréquences sonores indistinctes et chaotiques, est transformé par le cerveau en objets sonores reconnaissables et dotés d’une signification précise. Un objet sonore peut être défini comme une estimation perceptuelle des entrées sensorielles qui proviennent d’un élément physique distinct dans le monde externe (Shinn Cunningham, 2008). Par exemple, la structure spectro-temporelle des objets sonores détermine la segmentation de ceux-ci sur de courtes échelles de temps (c.-à-d., la formation de syllabes). Les caractéristiques d’ordre supérieur (c.-à-d., le timbre, la hauteur, la localisation) déterminent la façon dont ces objets sonores sont organisés sur des échelles de temps plus longues qui vont former les flux sonores (Shinn Cunningham, 2008). Cette ségrégation des flux sonores est indispensable pour que l’auditeur puisse se concentrer sur une voix cible.

Masquage informationnel et masquage énergétique

L’auditeur peut se trouver dans un contexte où le bruit interfère avec la compréhension de la voix cible (appelé speech-in-noise en anglais pour parole dans le bruit) ou dans un contexte où d’autres messages interfèrent avec la compréhension de la voix cible (appelé speech-in-speech en anglais pour parole dans la parole). On parle de masquage énergétique dans le premier cas et de masquage informationnel dans le second (Brungart, 2001). Ces interférences peuvent compromettre la compréhension de la voix cible lorsqu’elles sont suffisamment fortes. Lorsque les propriétés spectro-temporelles des sons en entrée (voix cible et masque) se superposent et deviennent inaudibles, cela crée du masquage informationnel. Dans le masquage informationnel, les informations sont audibles mais non distinguables dans la mesure où elles ne peuvent pas être séparées et attribuées à un locuteur précis. Ihlefeld & Shinn-Cunningham (2008) indiquent que dans une situation de masquage informationnel les participants reportent rarement des mots absents du mélange sonore. Les participants se trompent généralement en rapportant un mélange de mots de différents locuteurs (erreurs de mélange) ou en reportant tous les mots du mauvais locuteur (erreurs de masquage). Par ailleurs, Nakai et al. (2005) ont utilisé une tâche de speech-in speech dans laquelle ils demandaient aux participants de suivre une histoire qui pouvait être masquée par le même locuteur ou par un locuteur de sexe différent. Le masquage par le même locuteur était la condition la plus difficile du fait de la similarité (c.-àd., même genre) des locuteurs.

La ségrégation des voix repose sur la disponibilité de plusieurs indices sonores qui peuvent être à disposition de l’auditeur (Bronkhorst, 2015). Parmi ces indices, il existe :
➢ Les indices liés aux caractéristiques fréquentielles de la voix (c.-à-d., le genre du locuteur).
➢ Les indices liés aux différences d’intensité entre la voix cible (target, en anglais) et les autres voix masques (masker, en anglais), d’où le terme anglais : target-to-masker ratio (ou TMR ; c.-à-d., rapport cible sur masque).
➢ Les indices liés à la séparation spatiale des locuteurs.

La familiarité avec la voix du locuteur peut réduire le masquage informationnel (Johnsrude et al., 2013). Dans leur étude, Johnsrude et al. (2013) ont montré qu’écouter la voix de son partenaire de vie peut faciliter la ségrégation des voix dans un protocole d’écoute multilocuteurs. Le TMR et la séparation spatiale des sources seront examinés plus en détail dans le paragraphe suivant.

Ce qu’il faut retenir
• La scène auditive est composée d’objets sonores, reconnaissables et dotés d’une signification précise, qui se regroupent en différents flux sonores.
• Plusieurs indices sonores de la scène auditive peuvent aider à ségréger les flux dont : le TMR et la séparation spatiale des locuteurs en sont deux principaux.

Target-to-masker ratio

Plusieurs études ont montré que le TMR peut être un indice utile afin de ségréger les différents flux sonores (Andéol et al., 2017 ; Bronkhorst, 2015 ; Brungart & Simpson, 2005 ; Eddins & Liu, 2012). L’efficacité du TMR peut être affectée par 1) la différence de genre entre les locuteurs, car ces différences de caractéristiques vocales dominent sur les indices de ségrégation offerts par la présence du TMR ; 2) la présence de bruits supplémentaires qui peuvent couvrir le locuteur le plus silencieux et c) l’augmentation du nombre de locuteurs qui interfèrent sur la détection de la voix cible. Pour ces raisons, la première étude réalisée au cours de la thèse s’est focalisée sur l’efficacité du TMR en présence d’une seule voix masque du même sexe que la voix cible.

Il est en général plus facile de prêter attention au locuteur dont la voix est plus forte que les autres. Ainsi, intuitivement, en contexte opérationnel, une amélioration de l’intelligibilité de la voix cible devrait être obtenue en augmentant à la radio le volume du locuteur cible. Mais, comme indiqué dans l’article de Brungart & Simpson (2007), il peut être difficile en milieu opérationnel de prévoir quelle sera la voix cible. En pratique, il est fréquent que les opérateurs novices manipulent en permanence les niveaux des radios. Les opérateurs experts parviennent à utiliser le TMR comme outil de ségrégation, que la voix cible ait un niveau supérieur ou inférieur aux autres voix, du moment que la valeur absolue de la différence de niveau entre les voix est suffisante. L’un des protocoles comportementaux les plus largement utilisés pour étudier les situations multilocuteurs est le Coordinate Response Measure (CRM corpus, Bolia et al., 2000). Ce corpus est composé de phrases qui respectent toutes la même structure : « Ready call sign go to color number now ». Dans la version que nous utilisons, il existe 7 identifiants différents (7 call sign : Baron, Charlie, Ringo, Eagle, Arrow, Hopper, Tiger, Laker), 4 couleurs (bleu, vert, rouge, blanc) et 8 chiffres (de 1 à 8). Généralement, l’auditeur doit indiquer la couleur et le chiffre donnés par la voix cible qui est définie par un identifiantspécifique (par exemple Baron). La voix cible peut être présentée simultanément avec une ou plusieurs voix masques et toutes indiquent à l’auditeur un couple couleur-chiffre différent. La littérature nous montre que les performances sont plus élevées lorsque la voix cible est présentée à une intensité plus élevée que les autres voix masques (Andéol et al., 2017 ; Brungart, 2001 ; Thompson et al., 2015). Toutefois, quand la voix cible est présentée à une intensité plus faible par rapport à la voix masque, les performances au sein de la population sont plus variables (Andéol et al., 2017). Il apparait que la population se divise grossièrement en deux catégories de personnes : les participants dont la performance s’améliore au fur et à mesure que le TMR augmente (voix cible de plus en forte) et les participants dont la performance est élevée en présence d’un TMR positif mais aussi d’un TMR fortement négatif. Enfin, en présence d’un TMR intermédiaire (c.- à-d., quand les deux voix ont plus ou moins le même niveau d’intensité), la performance chute (Andéol et al., 2017 ; Brungart, 2001 ; Brungart & Simpson, 2007 ; Cooke et al., 2008 ; Thompson et al., 2015). Ces résultats suggèrent que dans les deux cas opposés—TMR positif et TMR négatif—c’est précisément la différence nette de volume entre les deux voix qui permet une meilleure ségrégation de celles-ci avec une meilleure compréhension de la voix cible, bien qu’elle soit a priori défavorisée dans le dernier cas.

Table des matières

INTRODUCTION
OBJECTIFS DE LA THESE
Fondamental
Clinique
Opérationnel
PARTIE 1. ÉTAT DE L’ART
CHAPITRE I. SITUATIONS MULTILOCUTEURS
I. Le parcours du son de l’oreille au cerveau
II. Ségrégation des flux sonores
III. Masquage informationnel et masquage énergétique
IV. Target-to-masker ratio
V. Séparation spatiale des locuteurs
VI. Attention auditive sélective : focalisation et inhibition
CHAPITRE II. NEURO-ANATOMIE FONCTIONNELLE DU TRAITEMENT DU LANGAGE
I. La voie dorsale et la voie ventrale
II. Le traitement du langage en situation d’écoute complexe : core speech network
II.1. Gyrus frontal inférieur (IFG)
II.1.1. L’IFG et l’effort d’écoute
II.1.2. L’IFG dans l’entraînement
II.2. Cortex préfrontal dorsolatéral
III. Du langage aux mécanismes general domain
III.1. Le réseau cingulo-operculaire
III.2. Le réseau fronto-pariétal
III.3. Collaboration entre les réseaux fronto-pariétal et cingulo-operculaire
CHAPITRE III. L’EFFORT D’ECOUTE
I. Charge cognitive
II. La nature multidimensionnelle de l’effort d’écoute
III. Facteurs influençant l’effort d’écoute
III.1. Ressources cognitives : attention, mémoire
III.2. Motivation
III.3. L’état auditif et la difficulté de son évaluation
III.3.1. Les lésions auditives chez le personnel militaire
III.3.3. L’audiométrie tonale liminaire
III.3.4. Otoémission
IV. Mesures pour évaluer l’effort d’écoute
IV.1. Évaluations subjectives
IV.2. Mesures comportementales
IV.3. Mesures psychophysiologiques
IV.3.1. Neurophysiologique
IV.3.2. La spectroscopie en proche infrarouge (f/NIRS)
V. Pourquoi étudier l’effort d’écoute ?
PARTIE 2. CONTRIBUTIONS EXPERIMENTALES
CHAPITRE I. PREMIERE ETUDE
I. Introduction
II. Matériels et méthode
III. Acquisition des données
III.1. fNIRS
III.2. Prétraitement données fNIRS
IV. Analyses
IV.1. Comportement – Phase initiale
IV.2. Comportement – Phase d’entraînement
IV.3. fNIRS – Phase initiale
IV.3.1. Activation de la tâche
IV.3.2. Relation entre l’activité corticale et les scores d’intelligibilité de la parole
IV.4. fNIRS – Phase d’entraînement
V. Résultats – Phase initiale
V.1. Comportement
V.2. f/NIRS
V.2.1. Effet de la condition
V.2.2. Corrélation comportement et activité corticale
VI. Résultats – Phase d’entraînement
VI.1. Comportement
VI.2. f/NIRS
VII. Discussion générale
CHAPITRE II. DEUXIEME ETUDE
I. Introduction
II. Matériels et méthode
II.1. Participants
II.2. Tâche d’intelligibilité
III Acquisition des données
III.1 f /NIRS
III.2. Prétraitement données f/NIRS
IV. Analyses
IV.1. Comportement
IV.1.1 f/NIRS
V. Résultats
V.1. Comportement
V.2. f/NIRS
VI. Discussion
CHAPITRE III. TROISIEME ÉTUDE
I. Introduction
II. Matériels et méthode
II.1. Participants
II.2. Plan expérimental
II.3. Mesures subjectives
II.3.1. Questionnaire démographique
II.3.2. Effort Scaling Categorical Unit – ESCU
II.3.3. Motivation
II.3.4. Speech, Spatial and Qualities Hearing
II.4. Mesures audiologiques
II.4.1. Audiométrie
II.4.2. Otoémissions
II.5. Caractéristiques des participants
III. Analyses
III.1. Tâche d’intelligibilité – CRM
IV. Résultats
IV.1. Effet de l’écartement des voix masques de 20° à 60° sur l’intelligibilité
IV.2. Effet de l’écartement des voix masques de 20° à 60° sur l’effort d’écoute ressenti
IV.3. Relation entre la variation de l’intelligibilité et la variation de l’effort
IV.4. Relation entre la différence d’intelligibilité liée à un écartement des voix masques de 20° à 60° et l’état auditif
IV.4.1. Audiométries tonales liminaires classique et haute fréquence
IV.4.2. Produits de distorsion acoustique (PDA)
IV.5. Relation entre la variation de l’effort d’écoute ressenti entre 20° à 60° et l’état auditif
IV.5.1. Audiométries tonales liminaires classique et haute fréquence
IV.5.2. Produits de distorsion acoustique (PDA)
IV.6. Compréhension de la voix cible dans le bruit
IV.7. Intelligibilité et motivation
IV.8. Relation entre la mesure de la motivation et les variables mesurées dans les différentes conditions expérimentales
IV.9. Relation entre l’âge et les variables mesurées dans les différentes conditions expérimentales
IV.10. Relation entre les réponses au SSQ et les variables mesurées pertinentes
IV.11. Relation entre la variabilité interindividuelle observée à 60° de séparation et les autres mesures
V. Discussion
CONCLUSION

Lire le rapport complet