Conférence CALLL : projet DyLNet, Jean-Pierre Chevrot

Le prochain séminaire CALLL organisé par l’équipe CADO se tiendra le 29 octobre 2026 de 15h30 à 17h30 à l’amphithéâtre Jean Zay de l’UFR LLSH (Université d’Orléans). Nous avons le plaisir d’accueillir notre collègue professeur émérite de l’Université Grenoble Alpes, Jean-Pierre Chevrot. Sa présentation sera l’occasion de découvrir et discuter du projet DyLNet.

DyLNet, une approche sociolinguistique des interactions à l’école maternelle : de la genèse du projet aux premiers résultats.

Le projet DyLNet (Dynamiques langagières, apprentissages linguistiques et sociabilité à l’école maternelle : apport des capteurs de proximité pour le recueil de données massives) est né d’une question simple et peu explorée du champ de la sociolinguistique développementale1,2 : comment les interactions sociales à l’école maternelle contribuent-elles à l’acquisition et à l’usage de la variation sociolinguistique chez les jeunes enfants ? Pour y répondre, il faut observer simultanément les pratiques langagières, les caractéristiques des enfants et de leurs familles et la structure des interactions sociales dans la classe et dans la cour. Le projet a ainsi fait converger sociolinguistique, psycholinguistique, sciences des réseaux et des données autour d’un dispositif original de capteurs individuels permettant de reconstruire les proximités sociales et d’enregistrer la parole en contexte écologique. Ce dispositif de collecte non supervisée est complété par des questionnaires détaillés remplis par les familles et des tests de langage passés par les enfants tous les six mois environ3–5.
Cette communication proposera d’abord un état des lieux de la base de données désormais achevée : 283 enfants et 62 adultes ont participé à cette collecte longitudinale non supervisée produisant environ 35 000 heures d’enregistrements audio et plus de 1,7 million d’interactions reconstruites. 
Nous reviendrons ensuite sur la genèse du projet et le « bricolage » interdisciplinaire qui l’a rendu possible : hasard des rencontres, genèse du protocole, fabrication des capteurs, défis éthiques, difficultés techniques, retards et transformations du dispositif. La collecte, initialement prévue sur trois années, n’a finalement couvert que deux années scolaires et demie, tandis que le « nettoyage » et la reconstruction des données ont nécessité plusieurs années supplémentaires. 
Enfin, nous présenterons les premiers résultats liant langage et réseau social, à partir de l’acquisition de la liaison variable. La mise en œuvre d’analyses bayésiennes montre un effet massif du contexte discursif (interactions vs. récitations/comptines/chansons), et une influence plus modeste du niveau d’éducation des mères. Ces effets varient en fonction des configurations d’interaction : 1/ chez les enfants des mères moins diplômées, une plus grande fréquentation de pairs issus d’autres milieux sociaux est associée à une production plus importante de liaisons ; 2/ dans les situations d’interaction, les enfants les plus âgés produisent davantage de liaison en s’adressant à leur enseignant.e qu’en parlant aux autres enfants, reproduisant en miroir la production des enseignants dans leur direction. L’absence de cet effet chez les enfants plus jeunes suggère qu’il s’agit d’un apprentissage.
Ces résultats reposent, avec des méthodes outillées, des questions sociolinguistiques générales concernant l’effet des configurations interactionnelles sur l’usage des langues. Ils suggèrent que les mêmes phénomènes (position dans le réseau, phénomènes d’accommodation/convergence) influencent l’usage adulte et transforment l’usage enfantin.

Références 
1.     Chevrot, J.-P. Acquiring Sociolinguistic Variation: Toward a Socialization-Based Framework (to appear in Routledge Handbook of Variationist Sociolinguistics).
2.     Nardy, A., Chevrot, J.-P. & Barbu, S. The acquisition of sociolinguistic variation: Looking back and thinking ahead. Linguistics 51, 255–284 (2013).
3.     Dai, S. et al. Temporal social network reconstruction using wireless proximity sensors: model selection and consequences. EPJ Data Sci. 9, 19 (2020).
4.     Dai, S. et al. Longitudinal data collection to follow social network and language development dynamics at preschool. Sci Data 9, 777 (2022).
5.     Nardy, A. et al. Variation sociolinguistique et réseau social : constitution et traitement d’un corpus de données orales massives. Corpus https://ddec1-0-en-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=https%3a%2f%2fdoi.org%2f10.4000%2fcorpus.5561&umid=dce1e7a9-3d07-47f6-9f7a-70212ed0588f&rct=1790836655&auth=66532154a22d8ff5d1f4a9c61e98c0d1d5243a94-f80cfc24e1a914215ef28347ece7809c0b90c0f5 (2021).