Au large de la Dominique, des hydrophones enregistrent depuis des années des rafales de clics. On les appelle des codas. Pendant un demi-siècle, on les a lues comme du morse : un nombre de clics, un espacement, éventuellement un rythme. Deux études récentes ajoutent une dimension que presque personne n'avait regardée : le contenu spectral de ces clics. Il est structuré, discret, reproductible d'un individu à l'autre, et il se comporte en partie comme le système des voyelles d'une langue humaine. C'est un résultat sérieux, publié, évalué par les pairs. Ce n'est pas encore un langage - et l'écart entre les deux est exactement là où la presse glisse.
Ce qui a été réellement mesuré
La description de référence est parue dans Open Mind en novembre 2025, sous la direction du linguiste Gašper Beguš (Berkeley), avec Ronald Sprouse, Andrej Leban, Miles Silva et Shane Gero, du Dominica Sperm Whale Project et de Project CETI. Le résultat tient en une phrase : à côté du nombre de clics et de leur espacement, les codas possèdent des propriétés spectrales "hautement structurées, distribuées de façon discrète", et elles sont émises en dialogue - donc pas un artefact du déplacement de l'animal dans l'eau.
Deux motifs spectraux reviennent, stables d'une baleine à l'autre et à travers les types de codas classiques : les auteurs les nomment voyelle de a-coda et voyelle de i-coda. S'y ajoutent des contours, là encore récurrents : montants, descendants, montants-descendants, descendants-montants - l'équivalent de diphtongues. Une étude parue en 2026 dans Proceedings of the Royal Society B, The phonology of sperm whale coda vowels, pousse le travail sur le terrain linguistique et conclut, selon son résumé, que les codas ne font pas que ressembler acoustiquement à des voyelles : elles se comportent comme telles sur plusieurs critères.
Le point important pour la suite : ces catégories ne sont pas des cases posées à la main sur un continuum flou. Elles sont discrètes, et elles se combinent librement avec les dimensions déjà connues. Selon la restitution qu'en fait Science et Vie (21 avril 2026), l'analyse porterait sur 3 948 codas enregistrées sur 15 individus entre 2014 et 2018 au large de la Dominique, avec des a-codas plus longues, des i-codas existant en version courte et en version longue, et un tempo propre à chaque animal.
Une anche et un tuyau
Pourquoi parler de voyelles ? Parce que la physique du son est la même. Dans une clarinette, une anche vibre et produit une excitation riche en fréquences ; le tuyau, lui, ne laisse passer que certaines résonances. Changez la géométrie du tuyau, vous changez le timbre, pas la note de l'anche. C'est le modèle "source-filtre" de la parole humaine : les cordes vocales fournissent la source quasi périodique, le conduit vocal filtre, et les pics de ce filtrage - les formants - sont ce qui distingue un [i] d'un [a].
Les cachalots ne produisent pas de son avec des cordes vocales : dans leur tête, des lèvres phoniques vibrent, et l'air circule dans un réseau de sacs et de conduits. L'hypothèse des auteurs : les vibrations des lèvres phoniques jouent le rôle de la source, le sac aérien distal celui du filtre. Les clics, lus depuis cinquante ans comme des impulsions binaires, transportent donc peut-être aussi un timbre.
Il faut mesurer ce que cette hypothèse a de fragile. Le filtre est une inférence anatomique, ajustée sur l'acoustique ; les formants sont estimés par des méthodes d'analyse spectrale (de type prédiction linéaire) sur des signaux impulsionnels, courts, et riches en trajets multiples sous l'eau. C'est un peu comme vouloir déduire la forme d'une salle à partir d'un claquement de mains : ça marche, à condition de savoir exactement ce qu'on écoute. La prudence est donc de mise sur les valeurs précises, pas sur l'existence du phénomène.
Trois étages qu'on confond
Le dossier empile en réalité trois affirmations d'inégale solidité, et presque tout le malentendu médiatique vient de leur fusion.
Premier étage, la structure : les codas possèdent une couche spectrale catégorielle, avec des effets de contexte comparables à ce que les phonéticiens appellent coarticulation - la réalisation d'un son dépend des sons voisins. En français, le [k] de "qui" ne se prononce pas au même endroit dans la bouche que celui de "cou". Ce niveau est documenté et évalué par les pairs, sur un échantillon toutefois limité : une population, une quinzaine d'animaux, quatre ans.
Deuxième étage, la combinatoire. Une étude de Pratyusha Sharma, Shane Gero, Roger Payne, David Gruber, Daniela Rus, Antonio Torralba et Jacob Andreas, publiée dans Nature Communications en 2024, décrit des modulations sensibles au contexte conversationnel - baptisées rubato et ornamentation, systématiquement contrôlées et imitées entre baleines - qui se combinent avec le rythme et le tempo pour produire "près d'un ordre de grandeur" de codas distinguables en plus. C'est un système de codage combinatoire. Notez le mot : combinatoire, pas compositionnel.
Troisième étage, le langage. Il exige davantage : que le sens du tout dérive du sens des parties (compositionnalité), que le système permette de produire des messages jamais entendus (productivité), et surtout qu'un contraste dans le signal change quelque chose dans le comportement d'un auditeur. Sur ce dernier point, aucune expérience de diffusion contrôlée ne figure dans le dossier que nous avons pu rassembler. Les auteurs de Nature Communications l'écrivent noir sur blanc : hormis l'identité de l'émetteur, pour un sous-ensemble de codas, "presque tout le reste" du système, de sa structure et de sa capacité informationnelle "demeure inconnu".
La différence entre combinatoire et compositionnel n'est pas une subtilité de séminaire. Un jeu de LEGO permet un nombre gigantesque d'assemblages distincts et reconnaissables ; cela ne veut pas dire que chaque brique porte une signification. Un alphabet de vingt-six lettres produit des millions de séquences distinctes ; le sens n'apparaît qu'au niveau du mot. Compter les combinaisons possibles renseigne sur la richesse du répertoire, pas sur le contenu des messages.
Ce que les titres font des résultats
"Les cachalots communiquent, et leur langage ressemble au nôtre", titre Sciences Humaines. "Le "langage" des cachalots ressemble à la parole humaine", écrit le Telegraph. "La communication des cachalots est étroitement parallèle au langage humain", résume le Guardian. National Geographic annonce un pas de plus vers "l'alphabet" des cachalots.
Le titre de cette vidéo résume à lui seul le glissement : "Le langage secret des cachalots enfin décodé".
Le phénomène le plus intéressant n'est pas le sensationnalisme des titres - c'est un métier qui a ses contraintes - mais le fait que la correction figure souvent dans le corps de l'article, comme si elle n'appartenait pas à la nouvelle. Science et Vie écrit très proprement que les chercheurs restent prudents, parlent de "système de communication" et non de langage au sens strict, et ignorent la signification des codas. Puis le même texte conclut sur le rapprochement de l'humanité et d'une "autre espèce intelligente". Les deux phrases sont vraies séparément ; mises bout à bout, elles fabriquent une promesse que les données ne tiennent pas.
Il y a une raison structurelle à cette dérive, et elle mérite d'être dite : le vocabulaire de la linguistique est disponible, précis, et prêt à l'emploi. Décrire des "voyelles", des "diphtongues", une "coarticulation", c'est commode et fondé sur une analogie assumée. Mais ces mots, dans l'oreille du lecteur, importent avec eux la syntaxe, le sens, la traduction. Les chercheurs qui les emploient le savent : leur abstraction évoque un "potentiel" : celui d'ajouter à la complexité communicative. Le conditionnel du chercheur devient l'indicatif du titre.
Quinze baleines, une population
La dimension la plus fragile du dossier est peut-être la plus discrète : l'échantillon. Une quinzaine d'individus, une seule population, quatre années d'enregistrements. C'est énorme pour de la bioacoustique de terrain - il faut approcher des animaux de quinze mètres au large d'une île - et c'est peu pour une conclusion sur une espèce répartie dans tous les océans.
Un preprint d'informatique linguistique consacré à un test de "double articulation" chez les cachalots le rappelle explicitement : une réplication sur d'autres populations est nécessaire avant toute affirmation au niveau de l'espèce. La remarque vaut aussi pour la méthode. Les modèles d'apprentissage automatique qui ont fait parler d'eux - ceux de Project CETI, ceux utilisés à Toulon pour attribuer des échanges à des individus - sont excellents pour trouver des catégories dans un signal. Ils sont structurellement aveugles à ce que ces catégories veulent dire. Un algorithme qui regroupe des milliers de codas en familles acoustiques ne prouve pas qu'il existe des mots ; il prouve qu'il existe des régularités.
L'autre apport de ce travail est pourtant là, et il est réel : la comparaison avec la phonologie humaine n'est pas qu'une image de vulgarisation, c'est un outil. Elle fournit des tests falsifiables - la coarticulation devrait produire des effets prédictibles, les catégories devraient être stables, les contours devraient se distribuer selon des règles. Une analogie qui génère des prédictions est une bonne hypothèse de travail. Une analogie qu'on arrête de tester devient un slogan.
Le fil vivant : les navires
Le 22 juillet 2026, Gašper Beguš a annoncé sur les réseaux sociaux un résultat qui déplace la question. Les cachalots produiraient plus de voyelles de type a que de type i "quand des navires sont à proximité", ce qu'il présente comme l'un des premiers cas suggérant que ces voyelles pourraient avoir une fonction. Le Guardian s'en est fait l'écho : au large de la Dominique, les animaux modifient leurs sons en présence de trafic maritime.
C'est passionnant, et c'est une annonce d'auteur sur un travail non encore évalué par les pairs. Surtout, un déplacement de distribution vocale près des bateaux admet plusieurs lectures concurrentes. La plus banale est l'effet Lombard, bien documenté chez l'humain : dans le bruit, on parle plus fort, plus lentement, en articulant davantage - un ajustement automatique, pas un message. Une hausse d'excitation, un changement d'activité, un déplacement de la zone de plongée produiraient des effets comparables. Rien, dans ce que nous avons pu consulter, ne permet de distinguer un ajustement acoustique d'un contenu informatif.
La piste mérite d'être suivie pour deux raisons. Elle relie la question du langage animal à celle du bruit anthropique, qui est un enjeu de conservation mesurable. Et elle dessine le seul chemin crédible vers le sens : corréler une variable acoustique avec un contexte, puis montrer qu'un auditeur réagit à cette variable et pas au contexte.
Ce qui trancherait
Trois expériences feraient basculer le dossier, et aucune n'est hors de portée.
La réplication, d'abord : retrouver les mêmes catégories spectrales et les mêmes effets de contexte chez des cachalots de Méditerranée, du Pacifique, de l'Atlantique sud. Si les catégories sont propres à une population, on parle de dialecte appris - ce qui est déjà considérable. Si elles sont universelles, on parle de contrainte de production, et l'interprétation change du tout au tout.
La diffusion contrôlée, ensuite : jouer à un animal une coda à voyelle a et la même coda à voyelle i, tout le reste identique, et observer s'il répond différemment. C'est la manipulation minimale qui sépare un signal porteur d'information d'un simple marqueur d'identité ou d'humeur.
Le test de compositionnalité, enfin : vérifier que la modification d'une sous-partie change le sens de l'ensemble d'une façon prévisible, et que les animaux généralisent à des combinaisons inédites. C'est le coeur de ce qu'on appelle langage, et c'est précisément ce que ni la statistique des répertoires ni l'apprentissage automatique ne peuvent établir seuls.
En attendant, il reste quelque chose de plus rare qu'un décodage : la découverte qu'un animal dont l'appareil vocal n'a rien du nôtre, séparé de notre lignée par plus de quatre-vingt-dix millions d'années d'évolution, a trouvé une solution acoustique partiellement superposable à la nôtre - des résonances discrètes, des contours, des effets de voisinage. Converger vers la même ingénierie du son ne signifie pas tenir la même conversation. La bonne question n'est pas "parlent-ils ?", mais "qu'est-ce qui, dans leur signal, change ce que fait un autre cachalot ?" Tant que cette question reste ouverte, on a le droit de s'émerveiller de la structure, et le devoir de ne pas conclure sur le sens.