Aux origines des langues

Avant-proposUne science et son horizon

Cette première partie est la plus fragile épistémiquement de tout le dossier, et il vaut la peine de le dire d'entrée : plus on remonte, moins la linguistique historique dispose de prises. La méthode comparative — l'instrument le plus puissant dont nous disposons — a un horizon. Au-delà d'environ six à huit millénaires, les correspondances phonétiques régulières deviennent statistiquement indiscernables du bruit, parce que le remplacement lexical érode le matériau sur lequel la méthode travaille (Nichols 1992 ; Campbell 2013, chap. 12).

Tout ce qui prétend voir plus loin — la « proto-langue mondiale », le nostratique, les super-familles — relève d'un autre régime de discours. Cette limite n'est pas une timidité de linguiste : c'est un résultat, et c'est probablement l'idée la plus utile à transmettre à des étudiants de deuxième année, parce qu'elle les vaccine contre une bonne partie de la littérature de vulgarisation.

Section unLa ou les langues originelles

La question « quelle était la langue originelle ? » en dissimule trois, dont les statuts scientifiques diffèrent radicalement.

• Quand la faculté de langage est-elle apparue ? Question biologique et cognitive, relevant de la paléoanthropologie et de la génétique.
• Toutes les langues descendent-elles d'une seule ? Question historique — monogenèse contre polygenèse.
• Peut-on reconstruire quoi que ce soit de cette langue première ? Question méthodologique, la seule à laquelle on puisse répondre avec assurance, et la réponse est essentiellement non.

L'émergence de la faculté

L'estimation la plus récente et la plus commentée provient d'une méta-analyse génomique : l'analyse d'études sur la divergence des premières populations d'Homo sapiens, fondée sur les polymorphismes nucléotidiques, situe la première division au sein de l'espèce autour de 135 000 ans avant le présent. Comme toutes les populations issues de cette division et des suivantes possèdent une capacité linguistique pleine, il est raisonnable de supposer que le potentiel du langage était présent au plus tard à cette date (Miyagawa, DeSalle, Nóbrega, Nitschke, Okumura & Tattersall, 2025). Les auteurs proposent en outre que l'usage social du langage se serait généralisé vers 100 000 ans.

Il faut voir exactement ce que cet argument établit et ce qu'il n'établit pas. Il ne mesure rien : il infère une borne inférieure à partir d'une prémisse — l'unicité de l'origine de la faculté — qui est précisément ce qu'on voudrait démontrer. Si la capacité linguistique avait émergé plusieurs fois indépendamment, ou si elle était antérieure à sapiens, le raisonnement s'effondrerait ou deviendrait trivial. C'est un argument élégant et parfaitement circulaire par un côté ; il est utile pour fixer un ordre de grandeur, non pour trancher. À noter, par prudence : Frontiers in Psychology pratique une évaluation par les pairs de qualité inégale, et cet article a reçu davantage de couverture médiatique que de discussion technique.

Les positions concurrentes structurent un débat ancien :

• Le saltationnisme. Berwick & Chomsky (Why Only Us, 2016) situent l'émergence entre 80 000 et 50 000 ans, comme conséquence d'une innovation cognitive unique — l'opération de composition récursive qu'ils nomment Merge. Le langage y est d'abord un système de pensée, secondairement externalisé ; thèse que la datation de Miyagawa et al. rend d'ailleurs plus difficile à tenir dans sa version tardive.
• Le gradualisme adaptatif. Pinker & Bloom (1990) tiennent le langage pour un produit de la sélection naturelle, donc nécessairement graduel, donc nécessairement plus ancien.
• L'ancienneté profonde. Dediu & Levinson (2013) argumentent que les Néandertaliens possédaient une forme de langage, ce qui reporterait l'émergence à l'ancêtre commun, soit environ 500 000 ans.

Monogenèse ou polygenèse

Ici, l'honnêteté commande de dire que nous ne savons pas et que nous ne saurons probablement jamais. La monogenèse est plausible par parcimonie — une innovation biologique complexe apparaît rarement deux fois — mais la plausibilité n'est pas une preuve, et aucune donnée linguistique ne peut la départager de l'hypothèse d'une émergence multiple suivie de convergence.

Ce qui se laisse évaluer, en revanche, ce sont les tentatives de reconstruction.

Les « étymologies globales » de Bengtson & Ruhlen, et The Origin of Language de Merritt Ruhlen (1994), proposent une trentaine de racines universelles — tik « doigt, un », aq'wa « eau », mama. La communauté des comparatistes les rejette massivement : la méthode — la « comparaison lexicale de masse » de Greenberg — accepte des ressemblances approximatives sans exiger de correspondances phonétiques régulières, et produit donc mécaniquement des résultats positifs, y compris sur des données aléatoires. C'est le cœur du problème, et il est démontrable en classe avec un exercice simple.

Les « mots ultraconservés » de Pagel, Atkinson, Calude & Meade (PNAS, 2013) prétendent identifier une vingtaine de mots stables sur quelque 15 000 ans dans un ensemble « eurasiatique ». Le travail est statistiquement sérieux, mais dépend entièrement des taux de remplacement lexical postulés et de la validité préalable de l'eurasiatique — que la plupart des comparatistes ne reconnaissent pas.

La diversité phonémique comme signature de la sortie d'Afrique (Atkinson, Science, 2011) fut une thèse séduisante, rapidement démontée pour biais méthodologiques (Cysouw, Dediu & Moran, Science, 2012).

Section deuxLe proto-indo-européen

Le proto-indo-européen n'est pas une langue attestée : c'est un objet reconstruit, un système d'hypothèses sur des correspondances. Mais c'est un objet remarquablement contraint, et son histoire épistémologique offre un des plus beaux cas de prédiction réussie de toutes les sciences humaines.

La querelle du foyer

Deux grandes hypothèses ont dominé le xx^e siècle.

L'hypothèse des steppes (dite kourgane), formulée par Marija Gimbutas dès 1956, développée par J. P. Mallory (1989) et surtout par David Anthony (The Horse, the Wheel, and Language, 2007) : le foyer se situe dans les steppes pontiques et caspiennes, entre 4500 et 3000 av. J.-C., et l'expansion est portée par la domestication du cheval, le char et une organisation pastorale mobile. Argument linguistique fort : le lexique reconstruit comporte des termes pour la roue, l'essieu, le joug, la laine — donc postérieur à environ 3500 av. J.-C., date archéologique de ces innovations.

L'hypothèse anatolienne de Colin Renfrew (Archaeology and Language, 1987) : le foyer serait l'Anatolie, vers 7000 av. J.-C., et l'expansion serait portée non par la conquête mais par la diffusion démique de l'agriculture. Argument fort : les migrations agricoles néolithiques sont massives et bien documentées ; la reconstruction lexicale de la roue peut s'expliquer par diffusion tardive entre branches déjà séparées.

La phylogénétique computationnelle a longtemps oscillé entre les deux. Gray & Atkinson (Nature, 2003) puis Bouckaert et al. (Science, 2012) concluaient à l'Anatolie et à une profondeur d'environ 8 000 à 9 000 ans ; Chang, Cathcart, Hall & Garrett (Language, 2015) montraient que le résultat s'inversait dès qu'on contraignait l'arbre par les langues anciennes attestées. Plus récemment, Heggarty et al. (Science, 2023) proposent un modèle hybride avec foyer au sud du Caucase et une profondeur d'environ 8 100 ans.

L'ADN ancien, et ce qu'il ne dit pas

Le tournant décisif est venu de la paléogénomique. Haak et al. et Allentoft et al. (Nature, 2015) ont établi une migration massive depuis la steppe vers l'Europe centrale vers 3000 av. J.-C., avec un remplacement génétique considérable — jusqu'à 75 % de l'ascendance de la culture de la Céramique cordée.

L'état le plus récent de la question date de 2025. Une équipe de l'Université de Vienne et de Harvard a analysé l'ADN ancien de 435 individus provenant de sites eurasiatiques datés entre 6400 et 2000 av. J.-C., et identifié un groupe jusque-là inconnu, dit Caucase–Bas-Volga (CLV), vivant entre 4500 et 3500 av. J.-C. dans les steppes situées entre le Caucase du Nord et le bas Volga, qui peut être rattaché à l'ensemble des populations de langue indo-européenne (Lazaridis, Patterson, Anthony, Vyazov et al., Nature, 5 février 2025). Les auteurs y voient une origine nord-pontique pour la famille indo-européenne proprement dite et une origine CLV pour l'indo-anatolien, c'est-à-dire l'ensemble incluant les langues anatoliennes éteintes.

Ce résultat réconcilie partiellement les deux camps : il conserve la steppe pour le noyau indo-européen tout en concédant que la branche anatolienne, la plus anciennement détachée, n'en est pas issue.

Les Hongrois parlent une langue ouralienne avec un patrimoine génétique largement européen ; les Afro-Américains parlent anglais. Les critiques de Lazaridis et al. — Heggarty notamment — soutiennent que l'interprétation linguistique est surajoutée aux données génétiques plutôt que dérivée d'elles, et que le mouvement de population dominant dans le cline CLV va du Caucase vers le nord, non l'inverse. Le résultat génétique paraît solide ; son interprétation linguistique, probable mais non démontrée.

Une note nécessaire

L'indo-européanisme porte une hypothèque idéologique. La reconstruction d'un « peuple originel » a nourri, de Gustaf Kossinna à l'idéologie nazie, le mythe aryen et une archéologie ethno-nationaliste. La discipline s'en est méthodologiquement prémunie en dissociant strictement langue, culture matérielle et population — dissociation que le retour en force de la génétique des populations tend, par sa puissance rhétorique même, à fragiliser de nouveau. Il y a là, pour un cours universitaire, une leçon d'épistémologie politique qui dépasse largement la linguistique.

Section troisLes grandes familles de langues

Une famille, au sens strict, est un ensemble de langues dont la descendance commune a été démontrée par la méthode comparative. Le décompte varie donc selon la sévérité de l'exigence de preuve — et l'écart entre les catalogues est instructif.

Glottolog classe ainsi les langues en 246 familles et 183 isolats, en précisant que cette classification représente la meilleure estimation de ses éditeurs et que, pour de nombreux groupes, la recherche historico-comparative disponible reste mince — de sorte que les classifications évolueront avec l'avancement de la documentation.

Le rapport de 1 à 27 entre Ruhlen et Glottolog ne traduit pas un désaccord factuel : il traduit deux philosophies. Ruhlen regroupe tout ce qui pourrait être apparenté ; Glottolog ne regroupe que ce qui est démontré. La position majoritaire de la discipline est nettement du côté du second, et l'on attend que le nombre de familles diminue à mesure que la documentation s'améliore — non parce que les langues fusionnent, mais parce que des parentés jusque-là indémontrables deviennent démontrables.

L'ouralo-altaïque : anatomie d'une famille abandonnée

L'hypothèse naît au xix^e siècle (Castrén, Schott) et regroupe l'ouralien et l'altaïque sur la base de traits typologiques frappants : agglutination, harmonie vocalique, ordre SOV, absence de genre grammatical, postpositions. Elle est développée au xx^e siècle par Ramstedt et Poppe.

Elle a été abandonnée pour une raison décisive : les ressemblances typologiques ne prouvent rien. Elles peuvent résulter d'une convergence aréale — d'un Sprachbund — ou du hasard structurel, et ne fournissent pas les correspondances phonétiques régulières dans le vocabulaire de base que la méthode comparative exige. Aucune n'a pu être établie de façon convaincante entre l'ouralien et l'altaïque. Le consensus actuel est net : l'ouralo-altaïque n'existe pas comme unité généalogique démontrée.

Plus intéressant encore, l'altaïque lui-même est contesté. Il réunirait le turcique, le mongolique et le toungouse (parfois le coréen et le japonais). Le grand dictionnaire étymologique de Starostin, Dybo & Mudrak (2003) défend la famille ; Gerhard Doerfer puis Alexander Vovin ont montré que les ressemblances lexicales se concentrent dans les couches d'emprunt et suivent une distribution aréale, non généalogique — Vovin ayant lui-même été altaïciste avant de se rétracter publiquement, ce qui donne à sa critique un poids particulier. La majorité des spécialistes considère aujourd'hui qu'il s'agit d'une aire de convergence.

Une tentative de réhabilitation existe sous un autre nom : Robbeets et al. (Nature, 2021), qui croisent linguistique, archéologie et génétique pour proposer une famille « transeurasienne » diffusée avec l'agriculture du millet en Chine du Nord-Est. L'article a été vivement contesté, tant sur ses données lexicales que sur sa méthode de triangulation. Il est mentionné ici par honnêteté, non comme un acquis.

Le même verdict, avec des degrés variables, s'applique aux autres macro-familles : nostratique (Illich-Svitych, Dolgopolsky), eurasiatique (Greenberg 2000), déné-caucasien. Elles ne sont pas absurdes — elles sont, en l'état, invérifiables.

Section quatreUne diversité menacée

Combien de langues aujourd'hui ? La double réponse

La fourchette savante. Ethnologue, dans sa 29^e édition (2026), recense environ 7 170 langues vivantes, tandis que Glottolog en identifie jusqu'à 7 900 — soit près de 700 langues d'écart entre les deux catalogues. Le total plancher est plutôt autour de 6 500 (c'est d'ailleurs le corpus retenu par Bromham et al.), et le plafond, si l'on inclut largement langues des signes, créoles et variétés contestées, dépasse 7 900.

Les raisons de la divergence méritent d'être détaillées, parce qu'elles sont conceptuelles et non comptables.

1. Le critère d'intelligibilité mutuelle est défaillant. Il achoppe sur les continuums dialectaux, où des variétés voisines restent mutuellement intelligibles alors que les variétés éloignées ne le sont plus — l'arabe, l'allemand et le chinois en sont les cas canoniques.
2. Les critères politiques l'emportent souvent sur les critères linguistiques. Le danois, le norvégien et le suédois en offrent l'exemple classique : trois langues officielles pour un degré d'intelligibilité qui, ailleurs, définirait des dialectes.
3. Le périmètre varie. Langues des signes (plus de 160 chez Glottolog), créoles, pidgins, langues mixtes, langues éteintes mais documentées, langues « dormantes » : chaque catalogue tranche différemment.
4. Les rythmes de mise à jour diffèrent, et de nouvelles langues sont encore décrites chaque année.

Le chiffre pédagogique. Pour un cours, « environ 7 000 » est le bon arrondi. Il est central dans la fourchette, il est celui qu'emploie la littérature spécialisée quand elle parle vite, et il est facilement mémorisable. Ce qu'il sacrifie : il fait passer pour une donnée d'observation ce qui est le produit d'une décision théorique. Formulation suggérée, si l'on veut ne rien perdre en une phrase : environ 7 000, mais le chiffre exact dépend de ce qu'on décide d'appeler une langue plutôt que d'un décompte. Le chiffre de 6 000, souvent avancé, n'est pas faux — il correspond à un décompte plus conservateur et à des sources un peu plus anciennes.

Combien vont disparaître, et d'ici quand ?

C'est la question la plus délicate du dossier, parce que trois affirmations très différentes y circulent sous le même énoncé.

Le pôle pessimiste. Michael Krauss, dans un article resté fondateur (Language, 1992), estimait que 90 % des langues du monde seraient moribondes ou éteintes d'ici 2100. C'est la prédiction la plus pessimiste de la littérature, et la source ultime de la plupart des formulations alarmistes.

L'état des lieux. Ethnologue classe 3 078 des langues vivantes comme menacées, dont des centaines font face à un risque réel d'extinction dans les prochaines décennies faute d'intervention — soit environ 43 %. Par comparaison, environ 40 % des espèces d'amphibiens, 25 % des mammifères et 14 % des oiseaux sont actuellement menacés d'extinction : la diversité linguistique est donc plus gravement compromise que la biodiversité, ce qui constitue un excellent point d'accroche pour une séance.

La seule projection statistiquement rigoureuse. L'étude de référence est celle de Bromham et al. (Nature Ecology & Evolution, 2022). Elle analyse 6 511 langues parlées au moyen de 51 variables prédictives couvrant la population, la documentation, la reconnaissance juridique, les politiques éducatives, les indicateurs socioéconomiques et les traits environnementaux. Sans intervention, la perte de langues pourrait tripler au cours des quarante prochaines années, et 1 500 langues pourraient cesser d'être parlées d'ici la fin du siècle. Le rythme actuel équivaut à une langue perdue tous les trois mois ; il pourrait passer à au moins une par mois.

Deux résultats de cette étude sont franchement contre-intuitifs et méritent d'être exposés en classe. Contrairement à la perception commune, le contact avec d'autres langues n'est pas en soi un moteur de la disparition linguistique ; en revanche, une densité routière plus élevée, qui favorise les déplacements de population, est associée à un risque accru. Et surtout : un nombre d'années de scolarisation plus élevé accroît le niveau de menace — d'où la conclusion des auteurs sur la nécessité de curriculums réellement bilingues.

La formulation rigoureuse : la moitié des langues du monde ne sont déjà plus transmises aux enfants ; environ 1 500 auront cessé d'être parlées d'ici la fin du siècle si rien ne change ; et l'extinction complète de la moitié du répertoire mondial est un horizon du xxii^e siècle, non du xxi^e.

Les causes, et une contestation utile

Les facteurs habituellement invoqués — asymétrie démographique, marché linguistique au sens de Bourdieu, politiques d'État monolingues, scolarisation en langue dominante, urbanisation et mobilité, domination médiatique et désormais numérique, stigmatisation et honte linguistique — sont réels mais forment un catalogue plutôt qu'une théorie.

C'est ici qu'une controverse peut élever le cours. Salikoko Mufwene (The Ecology of Language Evolution, 2001 ; Language, 2017) conteste frontalement le cadre dominant. Ses objections : la métaphore biologique de la « mort » des langues est trompeuse, car les langues n'ont pas d'existence indépendante de leurs locuteurs ; ce qui se produit n'est pas une extinction mais une substitution (language shift) ; et cette substitution résulte souvent de choix adaptatifs rationnels de locuteurs qui optimisent les perspectives économiques de leurs enfants. Traiter ces locuteurs comme les victimes passives d'un processus impersonnel, c'est leur retirer une agentivité — reproche que Mufwene, linguiste congolais, adresse avec une charge politique explicite au militantisme préservationniste occidental. Claire Bowern lui répond dans le même numéro en défendant la pertinence descriptive du cadre écologique.

Trois voix sur la même donnée

• Le documentaliste de terrain dira que chaque langue perdue emporte une taxonomie du vivant, une pragmatique, une littérature orale irremplaçables, et que la fenêtre de documentation se referme.
• Le sociolinguiste critique (Mufwene) dira que la déploration masque les rapports de pouvoir réels et infantilise les communautés qui, souvent, ont choisi.
• Le typologue dira que l'enjeu est d'abord épistémique : si l'on veut savoir ce qu'une langue humaine peut être, l'échantillon se réduit — et l'on perd précisément les langues structurellement les plus atypiques, celles qui portent l'information la plus dense sur les limites de la faculté de langage.

Leur désaccord ne porte pas sur les faits mais sur ce qui est perdu, et pour qui. C'est une bonne question de séminaire.

Enfin, deux correctifs au récit purement soustractif. Des revitalisations ont réussi — hébreu moderne, gallois, maori, hawaïen — et l'on peut discuter du cas du français au Québec comme d'une réussite de politique linguistique en contexte minoritaire. Et de nouvelles langues apparaissent : créoles, langues mixtes, langues des signes émergentes — la langue des signes nicaraguayenne, née dans les années 1980 sous les yeux des linguistes, offrant le seul cas documenté de genèse d'une langue en temps réel. La diversité linguistique n'est pas seulement en train de se contracter ; elle se recompose, plus lentement qu'elle ne se perd.