Une récente étude de l'Université du Kansas, dirigée par le professeur Michael Vitevitch, utilise les sciences des réseaux pour décrypter les erreurs de lecture labiale. Publiée dans le Journal of the Acoustical Society of America, la recherche s'appuie sur une carte visuelle de vingt mille mots anglais, analysant non pas les sons, mais les mouvements visibles des lèvres, de la mâchoire et de la bouche, qualifiés de visèmes. Contrairement aux travaux antérieurs centrés sur la phonétique, cette approche se concentre exclusivement sur les indices visuels. L'analyse révèle que les personnes ayant recours à la lecture labiale sont moins précises qu'elles ne le pensent. La plupart des erreurs consistent à confondre des mots différant d'un ou deux visèmes. La carte montre que les mots aux traits visuels similaires se regroupent, créant des zones de compression perceptuelle. Ainsi, des termes comme kit, cat et cut se mêlent, tout comme vet, fit et fuzz, car ils produisent des gestes buccaux quasi identiques, indépendamment de leur ressemblance sonore. Ces constatations ouvrent des perspectives concrètes. Dans le domaine de la formation humaine, le suivi des erreurs au fil du temps permettrait de guider les apprenants vers une meilleure discrimination visuelle, réduisant progressivement l'écart avec le mot cible. Sur le plan technologique, cette recherche vise à améliorer les systèmes de transcription automatique. Les logiciels actuels, comme ceux intégrés aux plateformes de visioconférence, pourraient gagner en précision en exploitant conjointement les flux audio et les données visuelles du visage. En s'appuyant sur les mêmes schémas de reconnaissance que les humains, l'intelligence artificielle pourrait ainsi produire des transcriptions plus fiables. Les chercheurs envisagent désormais d'exploiter ces données via le machine learning pour développer des outils d'assistance à la compréhension de la parole. Cette approche combine linguistique computationnelle et vision par ordinateur, promettant de renforcer à la fois l'autonomie des personnes malentendantes et la robustesse des interfaces vocales visuelles. La compréhension fine des confusions visuelles constitue une avancée majeure pour la conception de systèmes de communication plus intelligents et inclusifs.