Dans 10 langues réparties sur cinq continents, la réponse moyenne à une question démarre à peine 208 millisecondes après la fin de la question (Stivers et al., PNAS 2009). C’est bien moins que les 600 ms environ qu’il faut à une personne pour commencer à nommer une seule image (Levinson et Torreira, Frontiers in Psychology 2015) : les locuteurs doivent donc planifier leur réponse pendant que l’autre personne parle encore. Les appels vidéo brisent ce rythme : des paires qui changeaient de tour en 135 ms face à face ont eu besoin de 487 ms sur Zoom (Boland et al., Journal of Experimental Psychology: General 2022). Ce tour d’horizon porte sur la conversation humaine ; pour savoir comment un logiciel décide qu’un locuteur a fini de parler, consultez nos statistiques sur la détection de fin de tour et l’interruption (barge-in). Nous avons rassemblé des données issues de PNAS, du Max Planck Institute for Psycholinguistics, du Journal of Pragmatics, d’Interspeech, de Child Development, de l’UIT et de plus d’une douzaine d’autres sources évaluées par des pairs.
TL;DR
- La réponse moyenne à une question démarre +208 ms après sa fin, de +7 ms en japonais à +469 ms en danois (Stivers et al., PNAS 2009).
- Environ 40% de tous les intervalles entre locuteurs dans trois corpus de conversation sont des chevauchements (Heldner et Edlund, Journal of Phonetics 2010).
- 10 950 conversations téléphoniques en anglais américain montrent un écart moyen de 0,300 s entre les tours (Cavalcanti et Skantze, Interspeech 2025).
- Commencer à nommer une seule image prend environ 600 ms (Levinson et Torreira, Frontiers in Psychology 2015, d’après Indefrey et Levelt 2004).
- Les auditeurs commencent à planifier dans la demi-seconde qui suit le moment où la réponse peut être récupérée, parfois environ 2,4 s avant la fin de la question (Bögels, Magyari et Levinson, Scientific Reports 2015).
- Les réponses dispréférées ne dépassent nettement les réponses préférées qu’après des écarts de 700 ms ou plus (Kendrick et Torreira, Discourse Processes 2015).
- Des temps de réponse moyens plus rapides prédisent un sentiment de connexion plus fort, b = −0,28, P < 0,001 (Templeton et al., PNAS 2022).
- Les nourrissons chevauchent un peu plus d’un tiers de leurs vocalisations avec leur mère à 3-5 mois, environ 20% à 18 mois (Hilbrink, Gattis et Levinson, Frontiers in Psychology 2015).
- Sur 26 études, les nourrissons mettent en moyenne environ 1 s à répondre (Nguyen et al., Child Development 2022).
- Les transitions entre tours sont passées de 135 ms face à face à 487 ms sur Zoom pour les mêmes paires (Boland et al., Journal of Experimental Psychology: General 2022).
- Un délai unidirectionnel inférieur à 150 ms offre une interactivité essentiellement transparente ; 400 ms est le plafond de planification (Recommandation UIT-T G.114, 2003).
1. Écart moyen entre les tours de parole selon les langues
Le résultat principal de la plus vaste comparaison entre langues n’est pas que les cultures diffèrent, mais à quel point elles diffèrent peu. Dans l’étude de Stivers et de ses collègues sur 10 langues, le décalage de réponse le plus courant était exactement de 0 ms, et la moyenne de chaque langue se situait à environ 250 ms de part et d’autre de la moyenne globale. Le danois, la langue la plus lente de l’échantillon, répondait encore en moins d’une demi-seconde en moyenne (+469 ms). Les auteurs suggèrent que les descriptions ethnographiques de cultures conversationnelles remarquablement « lentes » ou « rapides » reflètent une sensibilité à des écarts de tempo de quelques centaines de millisecondes seulement.
La mesure utilisée ici est le décalage de transfert de parole (floor transfer offset, FTO) : le temps écoulé entre la fin du tour d’un locuteur et le début du tour du locuteur suivant, une valeur négative signifiant que le suivant a commencé plus tôt, en chevauchement. Les moyennes par langue, telles que Levinson et Torreira (Tableau 1) les ont tabulées, étaient de 67 ms pour le tzeltal, 71 ms pour le yélî dnye, 108 ms pour le néerlandais, 182 ms pour le coréen, 236 ms pour l’anglais, 309 ms pour l’italien, 419 ms pour le lao et 423 ms pour le ‡Ākhoe Hai‖om. De grands corpus téléphoniques en anglais tombent dans la même fourchette : une moyenne de 187 ms pour Switchboard et de 0,300 s pour Fisher.
| Métrique | Valeur | Source |
|---|---|---|
| Taille de la comparaison sur 10 langues | 350 questions consécutives par langue, 101 conversations au total | Stivers et al., PNAS 2009 |
| Délai moyen entre la fin de la question et le début de la réponse, 10 langues regroupées | +208 ms | Stivers et al., PNAS 2009 |
| Décalage de réponse le plus fréquent (mode) et médian, 10 langues regroupées | Mode 0 ms, médiane +100 ms | Stivers et al., PNAS 2009 |
| Langue la plus rapide et la plus lente, selon le décalage de réponse moyen | japonais +7 ms, danois +469 ms | Stivers et al., PNAS 2009 |
| Décalage de transfert de parole moyen et médian, corpus téléphonique anglais Switchboard (19 754 transitions de tours, 348 conversations) | Moyenne 187 ms, médiane 168 ms | Roberts, Torreira et Levinson, Frontiers in Psychology 2015 |
| Décalage de transition moyen, corpus téléphonique Fisher en anglais américain (10 950 conversations, 11 684 locuteurs) | 0,300 s (écart type = 0,228) | Cavalcanti et Skantze, Interspeech 2025 |
| Écart moyen dans les conversations dyadiques utilisées pour définir les longs écarts | 248 ms (écart type = 598 ms) | Templeton et al., Philosophical Transactions B 2023 |
Note de contexte : les chiffres sur 10 langues ne couvrent que les réponses à des questions, pas tous les changements de tour, et les données les plus récentes disponibles pour cette comparaison datent de 2009. L’étude Fisher de 2025 ajoute un rebondissement : la démographie compte peu (le sexe expliquait environ 3,2% de la variation et l’âge 1,3%), tandis que la paire de locuteurs précise comptait le plus, ce que les auteurs appellent « dyadosyncrasy » (idiosyncrasie propre à chaque duo) (Cavalcanti et Skantze, Interspeech 2025).
2. Taux de chevauchement et forme de la distribution des écarts
Une moyenne d’environ 200 ms cache une large dispersion. Mesuré à chaque changement de locuteur, le chevauchement n’est pas une rupture rare mais une composante banale de la parole : dans les corpus analysés par Heldner et Edlund, environ 40% de tous les intervalles entre locuteurs étaient des chevauchements. Un intervalle entre locuteurs est le silence ou le chevauchement qui se produit au moment où un locuteur s’arrête et l’autre commence.
Pourtant, le chevauchement occupe très peu de l’enregistrement réel. Dans le corpus téléphonique Switchboard, seuls 3,8% de l’audio contiennent les deux personnes parlant en même temps, car la plupart des chevauchements sont brefs. Heldner et Edlund ont aussi constaté que seuls 14 à 19% des écarts duraient moins de 200 ms ; les transitions « sans écart ni chevauchement » sont donc bien moins courantes que ne le suggèrent les descriptions des manuels.
| Métrique | Valeur | Source |
|---|---|---|
| Part des intervalles entre locuteurs qui sont des chevauchements (Spoken Dutch Corpus / HCRC Map Task Corpus / Swedish Map Task Corpus) | 40,0% / 41,7% / 40,0% | Heldner et Edlund, Journal of Phonetics 2010 |
| Part des intervalles entre locuteurs (écarts et chevauchements) de moins de 500 ms | 70-82% | Heldner et Edlund, Journal of Phonetics 2010 |
| Part des intervalles entre locuteurs qui sont soit des chevauchements, soit des écarts trop courts pour être perçus | 55-59% | Heldner et Edlund, Journal of Phonetics 2010 |
| Part de l’audio téléphonique Switchboard où les deux locuteurs parlent en même temps | 3,8% (77% un seul locuteur, 19,2% silence) | Levinson et Torreira, Frontiers in Psychology 2015 |
| Part des transferts de parole Switchboard qui commencent en chevauchement | 30,1% | Roberts, Torreira et Levinson, Frontiers in Psychology 2015 |
| Signaux d’écoute (backchannels) chevauchés par le tour suivant et autres tours chevauchés (Switchboard) | 35% et 28% | Roberts, Torreira et Levinson, Frontiers in Psychology 2015 |
| Parole en chevauchement en part de toute la parole, 6 langues, environ une heure chacune | 10,5% (espagnol) à 20,8% (coréen) ; anglais 12,6% | Liesenfeld, Lopez et Dingemanse 2023 |
| Durée moyenne d’un tour dans le même échantillon de 6 langues | 2 538 ms (mandarin) à 4 620 ms (espagnol) | Liesenfeld, Lopez et Dingemanse 2023 |
Les définitions diffèrent, ce qui explique que les parts de chevauchement ne concordent pas d’une ligne à l’autre : Heldner et Edlund comptent les chevauchements parmi tous les intervalles entre locuteurs, les 30,1% de Switchboard portent sur les transferts de parole, et l’échantillon de 6 langues de Liesenfeld, Lopez et Dingemanse mesure le chevauchement en part du temps de parole. Un signal d’écoute (backchannel) est une brève réponse de l’auditeur, comme « mm-hm » ou « yeah », qui ne revendique pas la parole. Les données les plus récentes disponibles pour les corpus néerlandais, anglais et suédois datent de 2010.
3. Combien de temps faut-il pour planifier une réponse
C’est l’énigme centrale de la recherche sur les tours de parole. Produire ne serait-ce qu’un mot prend environ 600 ms entre la vue d’une image et le début de la parole, et une phrase simple environ 1 500 ms, pourtant l’écart moyen de 208 ms de la section 1 représente environ un tiers du chiffre pour un mot isolé (208 / 600 = 0,35). La seule façon de réconcilier ces chiffres est que les auditeurs commencent à planifier leur réponse tout en écoutant encore.
Les données EEG vont dans ce sens. Dans l’expérience de Bögels, Magyari et Levinson, les signatures cérébrales de la planification de la réponse sont apparues dans la demi-seconde suivant le moment où la réponse à une question est devenue récupérable, dans certaines questions environ 2,4 secondes avant la fin de la question. Les réponses qui pouvaient être planifiées tôt sont sorties plus vite : 950 ms moins 640 ms donne une différence d’environ 310 ms entre les deux conditions (notre calcul à partir des moyennes publiées). Le même problème de budget temps guide aujourd’hui la conception des logiciels vocaux, comme le montrent nos mesures du temps avant le premier audio pour les agents vocaux.
| Métrique | Valeur | Source |
|---|---|---|
| Délai entre la vue d’une image et le début de son nom (estimation) | environ 600 ms | Levinson et Torreira, Frontiers in Psychology 2015, d’après Indefrey et Levelt 2004 |
| Délai avant le début de la parole pour décrire une scène simple (p. ex. un garçon qui tape dans un ballon) en une phrase | environ 1 500 ms | Levinson et Torreira, Frontiers in Psychology 2015 |
| Moment d’une signature EEG précoce de préparation d’une réponse, par rapport à la fin du tour entrant | env. 1 200 ms avant la fin, environ à la moitié du tour | Levinson et Torreira, Frontiers in Psychology 2015, d’après Magyari et al. 2014 |
| Participants et stimuli de l’expérience EEG question-réponse | 24 participants (expérience principale), 94 paires de questions en néerlandais | Bögels, Magyari et Levinson, Scientific Reports 2015 |
| Temps de réponse moyen lorsque la réponse était disponible tôt dans la question et uniquement à la fin | M = 640 ms (mode environ 400 ms) et M = 950 ms (mode environ 750 ms) | Bögels, Magyari et Levinson, Scientific Reports 2015 |
| Moment le plus précoce où la réponse pouvait être récupérée dans les questions à réponse précoce | environ 2,4 secondes avant la fin de la question, en moyenne | Bögels, Magyari et Levinson, Scientific Reports 2015 |
| Auditeurs d’une expérience en suédois sur les indices de fin de tour, et modification la plus perturbatrice des 500 derniers ms d’un tour | N = 32 ; accélération du débit de parole (p < 0,005) | Feindt et al., Interspeech 2023 |
Note de contexte : dans l’étude suédoise d’Interspeech 2023, accélérer la fin d’un tour allongeait les temps de réaction quand le locuteur gardait la parole, mais les raccourcissait quand il la cédait, signe que les auditeurs lisent le débit de parole comme un indice de fin de tour. Les données les plus récentes disponibles pour les latences de dénomination datent de 2004 et d’avant.
4. Ce que signale un écart : préférence, accord et connexion
Comme l’écart par défaut est très court, un écart un peu plus long prend un sens. La confirmation arrive plus vite que son contraire : les réponses confirmatives étaient en moyenne de 100 à 500 ms plus rapides que les réponses non confirmatives dans les 10 langues de la comparaison de la section 1. Dans les corpus téléphoniques, Kendrick et Torreira ont constaté que les refus et autres réponses dispréférées ne dépassaient nettement les réponses préférées en nombre qu’une fois l’écart arrivé à 700 ms ou plus.
La rapidité se lit aussi comme de l’affinité. Dans l’étude de Templeton et de ses collègues publiée dans PNAS en 2022, des temps de réponse plus courts prédisaient un sentiment de connexion plus fort, et des auditeurs extérieurs jugeaient les versions rapides retouchées des conversations plus agréables que les lentes. Mais la règle s’inverse entre amis : dans un suivi de 2023, les amis avaient plus de longs silences que les inconnus, et ces silences ne les gênaient pas.
| Métrique | Valeur | Source |
|---|---|---|
| Rapidité des réponses confirmatives par rapport aux réponses non confirmatives aux questions | 100 à 500 ms plus rapides en moyenne, dans les 10 langues | Stivers et al., PNAS 2009 |
| Durée d’écart à partir de laquelle les réponses dispréférées dépassent nettement les réponses préférées (195 réponses dans des corpus téléphoniques) | 700 ms ou plus | Kendrick et Torreira, Discourse Processes 2015 |
| Écart moyen après un tour contenant une action de réponse et après les autres tours (Switchboard) | 150 ms et 202 ms | Roberts, Torreira et Levinson, Frontiers in Psychology 2015 |
| Effet du temps de réponse moyen d’une personne sur le sentiment de connexion (66 participants, chacun dans 10 conversations de dix minutes) | b = −0,28, SE = 0,05, P < 0,001 | Templeton et al., PNAS 2022 |
| Écart moyen dans les versions retouchées rapide, originale et lente des mêmes conversations, évaluées par 450 auditeurs en ligne | 55,68 ms / 278,55 ms / 557,14 ms ; le temps de réponse prédisait inversement le plaisir perçu, F(2 ; 2 351,9) = 49,44, P < 0,001 | Templeton et al., PNAS 2022 |
| Seuil utilisé pour définir un long écart dans la conversation | supérieur à 2 s, soit environ 3 écarts types au-dessus de la moyenne | Templeton et al., Philosophical Transactions B 2023 |
| Conversations analysées, et groupe présentant le plus de longs écarts | 261 paires d’inconnus et 65 conversations entre amis ; les amis avaient plus de longs écarts que les inconnus | Templeton et al., Philosophical Transactions B 2023 |
Note de contexte : les résultats de Templeton proviennent des échantillons d’un seul groupe de recherche (66 participants dans l’étude de 2022, 261 paires d’inconnus dans celle de 2023) ; il faut donc les traiter comme des éléments concernant ces participants plutôt que tous les locuteurs. Une réponse « dispréférée » est une réponse que la question n’appelait pas, comme refuser une invitation ou exprimer un désaccord.
5. Comment les enfants développent le rythme des tours de parole
L’alternance des tours commence avant les mots, et le chemin n’est pas linéaire. À 3-5 mois, les bébés sont rapides mais brouillons : dans l’étude longitudinale de Hilbrink, Gattis et Levinson portant sur 12 paires mère-nourrisson (8 555 transitions de tours), les nourrissons produisaient un peu plus d’un tiers de leurs vocalisations en chevauchement avec leur mère. Vers 9 et 12 mois, leurs écarts s’allongeaient beaucoup, tandis que le rythme des mères restait stable.
Un rapport antérieur, avec des auteurs en partie communs, décrivait le même ralentissement : les enfants démarraient au même niveau que leur mère mais montraient des écarts nettement plus longs à l’échantillon de 12 mois (Casillas et al., SemDial 2013). Sur 26 études, les données regroupées situent la latence de réponse des nourrissons à environ une seconde, soit plusieurs fois plus que les moyennes des adultes de la section 1.
| Métrique | Valeur | Source |
|---|---|---|
| Transition de tour moyenne dans la protoconversation mère-nourrisson vers 3 mois | environ 1,5 s | Levinson et Torreira, Frontiers in Psychology 2015, d’après Bateson 1975 |
| Vocalisations du nourrisson produites en chevauchement avec la mère à 3, 4 et 5 mois | un peu plus d’un tiers | Hilbrink, Gattis et Levinson, Frontiers in Psychology 2015 |
| Tours de la mère produits en chevauchement avec le nourrisson à 3, 4 et 5 mois | entre 14 et 21% | Hilbrink, Gattis et Levinson, Frontiers in Psychology 2015 |
| Tours du nourrisson produits en chevauchement à 18 mois | environ 20%, comme les mères | Hilbrink, Gattis et Levinson, Frontiers in Psychology 2015 |
| Enfants chevauchant la fin du tour de la mère avant 5 mois et à 1 an et 8 mois | près de 40% du temps et environ 4% | Casillas et al., SemDial 2013 |
| Latence de réponse des nourrissons regroupée sur 26 études (78 estimations, 429 nourrissons) | environ 1 s en moyenne | Nguyen et al., Child Development 2022 |
| Variation de la latence de réponse du nourrisson quand la latence de l’adulte augmente de 1 s (p. ex. de 400 à 1 400 ms) | une hausse de plus de 1 s | Nguyen et al., Child Development 2022 |
La dernière ligne est la plus pratique : la méta-analyse de 2022 a montré que les nourrissons imitent le tempo de leur partenaire, de sorte que les adultes plus lents reçoivent des réponses de bébés plus lents. Les données les plus récentes disponibles pour les échantillons longitudinaux de nourrissons datent de 2013 à 2015.
6. Latence en visioconférence et tours de parole
Les appels vidéo n’ajoutent que quelques dizaines de millisecondes de retard audio, mais l’effet sur les tours de parole est sans commune mesure. Dans les expériences de Boland et de ses collègues, les mêmes paires qui changeaient de tour en 135 ms face à face ont mis 487 ms sur Zoom, soit une hausse de 352 ms (487 moins 135) pour un retard de transmission estimé à seulement 30-70 ms. Dans une tâche oui/non, l’écart entre les réponses locales et distantes était de 679 ms (976 moins 297). Les auteurs soutiennent que le retard perturbe les mécanismes de synchronisation que les gens utilisent pour lancer un tour, et pas seulement le signal.
Les données de terrain issues de consultations vidéo cliniques racontent la même histoire. Seuren et ses collègues ont constaté qu’environ 100 ms de latence n’affectaient guère les tours de parole, tandis qu’à 700 ms les participants peinaient régulièrement, avec des silences involontaires et des prises de parole simultanées. Les ingénieurs réseau planifient depuis longtemps autour de limites similaires, comme nous l’avons vu dans nos statistiques sur la mémoire tampon de gigue VoIP et la qualité de la parole.
| Métrique | Valeur | Source |
|---|---|---|
| Réponses oui/non à des questions préenregistrées : latence moyenne des réponses locales et distantes (Zoom) | 297 ms et 976 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Durée de transition de tour pour les mêmes paires, face à face et sur Zoom | 135 ms et 487 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Retard de transmission audio estimé dans les expériences Zoom | 30-70 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Consultations vidéo analysées et problèmes de tours de parole relevés | 25 consultations (7 h 57 min) ; 130 silences notables et 172 chevauchements | Seuren et al., Journal of Pragmatics 2021 |
| Latence à laquelle les tours de parole sont à peine affectés et régulièrement perturbés | environ 100 ms et 700 ms | Seuren et al., Journal of Pragmatics 2021 |
| Délai unidirectionnel en dessous duquel la plupart des applications ont une interactivité essentiellement transparente | moins de 150 ms | Recommandation UIT-T G.114, 2003 |
| Délai unidirectionnel à ne pas dépasser pour la planification générale des réseaux | 400 ms | Recommandation UIT-T G.114, 2003 |
| Délai unidirectionnel sans impact significatif sur la qualité globale perçue de la parole dans une conversation très interactive (délais testés jusqu’à 1 600 ms) | jusqu’à 400 ms | Egger, Schatz et Scherer, Interspeech 2010 |
Note sur les valeurs atypiques : la Recommandation UIT-T G.114 prévient elle-même que des tâches très interactives, y compris certaines conférences audio et vidéo, peuvent être affectées par des délais inférieurs à 100 ms, et le test d’Interspeech 2010 a montré que la sensibilité au retard augmente avec le degré d’interactivité de la conversation. Les notes de qualité et le rythme des tours de parole sont des mesures différentes, ce qui explique qu’un retard de 400 ms puisse être jugé acceptable tout en produisant des prises de parole simultanées. Les chaînes de traitement en couches, comme l’interprétation en direct, ajoutent leur propre retard par-dessus, comme le montrent nos statistiques sur la latence de la traduction parole-parole. Les données les plus récentes disponibles pour G.114 sont l’édition de 2003, qui reste en vigueur.
Résumé : la durée des écarts entre tours de parole en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Décalage de réponse moyen après les questions, 10 langues regroupées | +208 ms | Stivers et al., PNAS 2009 |
| Part des intervalles entre locuteurs qui sont des chevauchements | environ 40% | Heldner et Edlund, Journal of Phonetics 2010 |
| Part des intervalles entre locuteurs de moins de 500 ms | 70-82% | Heldner et Edlund, Journal of Phonetics 2010 |
| Décalage de transfert de parole moyen et médian, Switchboard | 187 ms et 168 ms | Roberts, Torreira et Levinson, Frontiers in Psychology 2015 |
| Écart moyen, corpus Fisher (10 950 conversations téléphoniques en anglais américain) | 0,300 s | Cavalcanti et Skantze, Interspeech 2025 |
| Délai entre la vue d’une image et le début de son nom | environ 600 ms | Levinson et Torreira, Frontiers in Psychology 2015 |
| Parole en chevauchement en part de toute la parole, 6 langues | 10,5% à 20,8% | Liesenfeld, Lopez et Dingemanse 2023 |
| Temps de réponse, réponse disponible tôt ou tard dans la question | 640 ms et 950 ms | Bögels, Magyari et Levinson, Scientific Reports 2015 |
| Moment le plus précoce où la réponse pouvait être récupérée dans les questions à réponse précoce | environ 2,4 s avant la fin de la question | Bögels, Magyari et Levinson, Scientific Reports 2015 |
| Durée d’écart à partir de laquelle les réponses dispréférées dominent nettement | 700 ms ou plus | Kendrick et Torreira, Discourse Processes 2015 |
| Effet du temps de réponse moyen sur le sentiment de connexion | b = −0,28, P < 0,001 | Templeton et al., PNAS 2022 |
| Groupe présentant le plus de longs écarts (plus de 2 s) | les amis, pas les inconnus | Templeton et al., Philosophical Transactions B 2023 |
| Vocalisations du nourrisson en chevauchement, 3-5 mois et 18 mois | un peu plus d’un tiers et environ 20% | Hilbrink, Gattis et Levinson, Frontiers in Psychology 2015 |
| Enfants chevauchant la fin du tour de la mère, avant 5 mois et à 1 an et 8 mois | près de 40% et environ 4% | Casillas et al., SemDial 2013 |
| Latence de réponse des nourrissons sur 26 études | environ 1 s | Nguyen et al., Child Development 2022 |
| Durée de transition de tour, face à face et sur Zoom | 135 ms et 487 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Latence de réponse oui/non, locale et distante sur Zoom | 297 ms et 976 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Latence en visioconférence : à peine affectés et régulièrement perturbés | environ 100 ms et 700 ms | Seuren et al., Journal of Pragmatics 2021 |
| Délai unidirectionnel : interactivité transparente et plafond de planification | moins de 150 ms et 400 ms | Recommandation UIT-T G.114, 2003 |
Méthodologie et sources
- Stivers et al., Universals and cultural variation in turn-taking in conversation, PNAS 2009
- Levinson and Torreira, Timing in turn-taking and its implications for processing models of language, Frontiers in Psychology 2015
- Roberts, Torreira and Levinson, The effects of processing and sequence organization on the timing of turn taking: a corpus study, Frontiers in Psychology 2015
- Heldner and Edlund, Pauses, gaps and overlaps in conversations, Journal of Phonetics 2010
- Cavalcanti and Skantze, Dyadosyncrasy, Idiosyncrasy and Demographic Factors in Turn-Taking, Interspeech 2025
- Liesenfeld, Lopez and Dingemanse, The timing bottleneck, arXiv 2307.15493, 2023
- Bögels, Magyari and Levinson, Neural signatures of response planning occur midway through an incoming question in conversation, Scientific Reports 2015
- Feindt et al., Cues to next-speaker projection in conversational Swedish, Interspeech 2023
- Kendrick and Torreira, The timing and construction of preference: a quantitative study, Discourse Processes 2015
- Templeton et al., Fast response times signal social connection in conversation, PNAS 2022
- Templeton et al., Long gaps between turns are awkward for strangers but not for friends, Philosophical Transactions of the Royal Society B 2023
- Hilbrink, Gattis and Levinson, Early developmental changes in the timing of turn-taking, Frontiers in Psychology 2015
- Casillas et al., Turn-timing in naturalistic mother-child interactions: a longitudinal perspective, SemDial 2013
- Nguyen, Versyp, Cox and Fusaroli, A systematic review and Bayesian meta-analysis of the development of turn taking in adult-child vocal interactions, Child Development 2022
- Boland, Fonseca, Mermelstein and Williamson, Zoom disrupts the rhythm of conversation, Journal of Experimental Psychology: General 2022
- Seuren, Wherton, Greenhalgh and Shaw, Whose turn is it anyway? Latency and the organization of turn-taking in video-mediated interaction, Journal of Pragmatics 2021
- ITU-T Recommendation G.114, One-way transmission time, 2003
- Egger, Schatz and Scherer, It takes two to tango: assessing the impact of delay on conversational interactivity on perceived speech quality, Interspeech 2010
- Note sur les données : l’article original sur les 10 langues indique dans son texte le danois à +469 ms et l’italien à +310 ms, tandis que le tableau de la revue de 2015 qui le reprend donne 468 ms et 309 ms ; nous utilisons les chiffres de l’article original lorsque nous le citons directement. La comparaison sur 10 langues ne mesure que les réponses à des questions, ses moyennes ne sont donc pas directement comparables aux moyennes sur l’ensemble des corpus de Switchboard (187 ms) ou de Fisher (0,300 s). Les parts de chevauchement diffèrent selon la définition (40% des intervalles entre locuteurs, 30,1% des transferts de parole Switchboard, 10,5-20,8% du temps de parole) et ne doivent pas être comparées comme si elles mesuraient la même chose. L’échantillon de chevauchement sur 6 langues ne couvre qu’environ une heure de conversation par langue. La plupart des données entre langues, sur le développement de l’enfant et sur la planification ont plus de trois ans ; les ajouts les plus récents sont l’analyse Fisher d’Interspeech 2025 et les études de 2022-2023 sur Zoom, la vitesse de réponse et les longs écarts. Les résultats sur Zoom proviennent d’expériences contrôlées avec un retard de transmission estimé, et non mesuré appel par appel.
Dernière mise à jour : 8 novembre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque les actes d’Interspeech 2026 seront indexés dans l’ISCA Archive.