Une étude, dont les résultats intitulés «The cross-modal transfer of emotional information from voices to faces in 5-, 8- and 10-year-old children and adults: An eye-tracking study.» ont été publiés dans la revue Emotion, a permis de montrer que les enfants à partir de 8 ans fixent plus longtemps un visage de joie s’ils ont entendu auparavant une voix de joie, des préférences visuelles pour l’émotion congruente qui témoignent «de leur capacité d’un codage spontané amodal des émotions, c’est-à-dire indépendant de la modalité perceptive (auditive ou visuelle)».

Relevons tout d'abord que «les émotions font partie intégrante de nos vies et influencent nos comportements, nos perceptions ou nos choix quotidiens». Cependant, si «coder spontanément les émotions d’une manière amodale, c’est-à-dire indépendamment des modalités perceptives et donc des caractéristiques physiques des visages ou des voix est aisé pour les adultes», la question se pose de savoir comment cette capacité se développe chez les enfants.

Pour tenter de répondre à cette question, l'étude ici présentée a analysé «le développement de la capacité à établir des liens entre l’émotion d’une voix à celle d’un visage naturel ou artificiel chez des enfants de 5, 8 et 10 ans, ainsi que chez des adultes». Néanmoins, «contrairement aux études généralement réalisées qui comportent des consignes, en général verbales, cette étude n’a pas recours aux capacités langagières des enfants».

Cette nouvelle méthode présente l'avantage de permettre d’évaluer aussi «des capacités chez des enfants en situation de handicap, présentant des troubles du langage et de la communication». Concrètement, cette étude «a utilisé un paradigme expérimental originellement conçu pour les bébés, une tâche dite de transfert intermodal émotionnel» en exposant les enfants «à des voix et des visages émotionnels exprimant la joie et la colère».

Ainsi, «au cours d’une première phase de familiarisation auditive, chaque participant-e» était face à un écran noir et écoutait «une voix neutre, joyeuse ou en colère durant 20 secondes», tandis que, dans une deuxième phase, «celle de la discrimination visuelle qui dure 10 secondes», la même personne était «face à deux visages émotionnels, l’un exprimant la joie et l’autre la colère, l’un avec une expression faciale correspondant à la voix et l’autre avec une expression faciale différente de la voix».

Cette étude a alors, «en s’appuyant sur la technologie d’eye-tracking (oculomètre)», mesuré «de manière très précise les mouvements oculaires chez 80 participantes et participants» afin de pouvoir détecter «si le temps de regard pour l’un ou l’autre des visages émotionnels (ou pour des zones particulières (bouche ou yeux) du visage naturel ou virtuel) varie en fonction de la voix écoutée».

En outre, «l’utilisation de visage virtuel fabriqué avec le logiciel FACSGen du CISA permettait de mieux contrôler ses caractéristiques émotionnelles par rapport à un visage naturel». L'idée est que «si les participant-es font le lien entre l’émotion dans la voix entendue et l’émotion exprimée par le visage vu», c'est «qu’ils reconnaissent et code l’émotion de manière amodale, c’est-à-dire indépendante des modalités perceptives».

Au bout du compte, ces observations «montrent qu’après une phase contrôle (sans voix ou la voix neutre), il n’y a aucune différence de préférence visuelle entre les visages de joie et de colère», tandis «qu’après les voix émotionnelles (joie ou colère) les participant-es ont regardé plus longtemps le visage (naturel ou virtuel) congruent à la voix».

Autrement dit, «un transfert spontané de la voix émotionnelle de joie» a été mis en évidence «avec une préférence pour le visage congruent de joie à partir de 8 ans et un transfert spontané de la voix émotionnelle de colère, avec une préférence pour le visage congruent de colère à partir de 10 ans».