ECR chez de futurs enseignants : ajouter de la VR 360° à l'entraînement vocal était engageant mais pas plus efficace à court terme que d'imaginer la salle de classe

Contexte

Les troubles de la voix sont fréquents chez les enseignants, avec des estimations de prévalence allant d’environ 20 % à 80 %, et les signes avant-coureurs apparaissent tôt : une part notable des futurs enseignants signalent déjà des symptômes vocaux récurrents avant même de commencer leur carrière. L’enseignement impose à la voix des exigences soutenues et de forte intensité dans des salles acoustiquement difficiles, et les conséquences des difficultés vocales dépassent largement la voix elle-même, affectant l’absentéisme, l’identité professionnelle, le bien-être, et même la capacité des élèves à suivre ce qui est dit.

Les programmes d’entraînement vocal indirects (axés sur l’éducation) comme directs (axés sur les exercices) peuvent améliorer les symptômes et la conscience vocale, mais deux problèmes persistent : les effets sont souvent modestes chez les stagiaires en bonne santé, et - point le plus important pour cette étude - il est difficile de transposer les techniques vocales nouvellement apprises hors de la salle d’entraînement vers la salle de classe réelle. La réalité virtuelle immersive a été proposée comme moyen de combler cet écart en permettant aux personnes de s’exercer à l’intérieur de simulations réalistes et contrôlables des contextes où les compétences doivent réellement être employées.

Cette étude s’appuie directement sur des travaux antérieurs de Remacle et ses collègues, qui ont créé une salle de classe virtuelle générée par ordinateur pour l’entraînement vocal de futurs enseignants. Ces travaux antérieurs comparaient un programme indirect à un programme direct avec support VR, ce qui rendait impossible d’isoler l’effet de la VR elle-même de celui du contenu de l’entraînement. Bostyn et ses collègues ont entrepris de corriger ce facteur de confusion : ils ont maintenu le contenu de l’entraînement constant dans les deux groupes et n’ont fait varier que le fait que les exercices étaient réalisés à l’intérieur d’un environnement scolaire immersif en 360° ou en imaginant simplement celui-ci.

Ce que les chercheurs ont fait

Il s’agissait d’un essai contrôlé randomisé avec un plan en groupe contrôle à pré-test et post-test, mené par une équipe de l’Université de Gand / KU Leuven en Belgique. Soixante-trois futurs enseignants inscrits dans un programme flamand de formation à l’enseignement primaire ou secondaire ont participé (tous néerlandophones ; 49 femmes cisgenres et 14 hommes cisgenres ; âge moyen 28,9 ans, ET 10,8). Les participants étaient à la voix saine : toute personne signalant des problèmes auditifs, une pathologie vocale organique diagnostiquée, un tabagisme régulier récent, ou un entraînement vocal intensif antérieur était exclue. Ils ont été organisés en petits groupes d’entraînement de quatre et répartis par randomisation en grappes par blocs (avec le sexe à la naissance comme facteur de blocage) soit dans le groupe VR (n=30), soit dans le groupe contrôle (n=33), et étaient en aveugle quant à l’existence de l’autre condition.

Les deux groupes ont reçu les mêmes trois séances d’entraînement vocal de groupe de 90 minutes sur trois semaines consécutives, dispensées par des étudiantes en master d’orthophonie formées, elles-mêmes en aveugle quant à l’allocation. Les séances couvraient l’hygiène vocale ainsi que des exercices de posture, de respiration, de résonance (y compris des exercices à conduit vocal semi-occlus), d’échauffement vocal, et de projection de la voix avec articulation. La seule différence expérimentale résidait dans la manière de réaliser les exercices :

• Le groupe VR réalisait les exercices en portant un casque Meta Quest 3, immergé dans des vidéos 360° d’une salle de classe, d’une cafétéria et d’une cour de récréation que les auteurs avaient enregistrées dans une véritable école primaire flamande.
• Le groupe contrôle réalisait les exercices identiques tout en étant invité à visualiser mentalement les mêmes contextes scolaires.

Le bruit de fond (par exemple, environ 75 dB dans la cour de récréation et 40 dB dans une salle de classe calme) était identique entre les deux groupes, de sorte que la seule chose qui différait véritablement était l’immersion visuelle fournie par la VR.

Avant la première séance et après la troisième, chaque participant était évalué individuellement sur :

1. L’effort vocal auto-évalué sur l’échelle Borg CR10, après la lecture d’un long passage sous 65 dB de bruit blanc.
2. La posture, la tension musculaire et la projection vocale évaluées par les chercheurs sur une échelle visuelle analogique de 0 à 100, plus les six paramètres perceptifs du CAPE-V (sévérité, raucité, souffle, tension, hauteur tonale, intensité), cotés à partir d’enregistrements audio et vidéo d’une tâche spontanée d’une minute consistant à « expliquer un sujet à la classe » sous bruit blanc.
3. Les mesures acoustiques - fréquence fondamentale, étendue de la fréquence fondamentale, et plage d’intensité (sonie) - analysées dans Praat à partir de voyelles tenues et d’un passage lu.
4. Un questionnaire sur l’expérience de l’entraînement (questions générales pour tous, plus des questions sur le réalisme de la VR pour le groupe VR et des questions sur la difficulté à imaginer pour le groupe contrôle).

Les données ont été analysées par des modèles linéaires à effets mixtes avec des tailles d’effet d de Cohen. Les auteurs n’ont délibérément appliqué aucune correction pour comparaisons multiples et présentent l’essai comme exploratoire ; la fiabilité des évaluateurs a été vérifiée à l’aide de coefficients de corrélation intraclasse.

Ce qu’ils ont trouvé

Les deux groupes se sont améliorés sur les deux critères les plus sensibles à un entraînement à court terme, sans avantage de la VR. L’effort vocal auto-évalué a diminué de façon significative dans les deux groupes (VR -1,05, contrôle -0,83 point Borg ; effets moyens à larges), et les deux ont significativement élargi leur plage d’intensité (VR +3,99 dB, contrôle +3,35 dB ; effets modérés). Il n’y avait aucune différence inter-groupes significative ni aucune interaction sur l’une ou l’autre mesure - les deux modes de mise en œuvre ont fonctionné à peu près aussi bien.

Là où les groupes différaient, le groupe contrôle a fait légèrement mieux - mais avec des réserves. Le groupe contrôle a montré des améliorations significatives de la posture et de la tension musculaire évaluées par les chercheurs, contrairement au groupe VR. Les auteurs sont prudents ici : le groupe contrôle présentait au départ une tension visible plus marquée que le groupe VR, les deux groupes ont fini par être similaires après l’entraînement, et plusieurs participants VR ont rapporté s’être sentis submergés ou distraits par l’environnement immersif et ont noté que le casque rendait plus difficile le maintien d’une bonne posture. Le schéma « le contrôle a mieux fait » est donc vraisemblablement un mélange de déséquilibre de départ, d’un artefact du port du casque sur la posture, et de la fiabilité limitée de ces évaluations perceptives, plutôt qu’un véritable désavantage de la VR pour la technique vocale.

La plupart des autres mesures n’ont pas bougé. La projection vocale n’a changé dans aucun des deux groupes (les scores étaient déjà bons au départ), et les paramètres perceptifs du CAPE-V sont restés globalement stables, seule la tension (strain) s’améliorant faiblement sur l’ensemble de l’échantillon. La fréquence fondamentale et l’étendue fréquentielle sont restées inchangées - ce qui n’est pas surprenant, puisque les exercices visaient le soutien respiratoire et la projection plutôt que la hauteur tonale, et que les participants, à la voix saine, avaient peu de marge d’amélioration. Pour la quasi-totalité des critères non significatifs, les intervalles de confiance étaient suffisamment larges pour que l’étude ne puisse tout simplement pas écarter un effet réel ; elle manquait de puissance.

Le gain le plus net de la VR était expérientiel. La plupart des participants VR ont jugé la salle de classe (76,7 %) et la cafétéria (80 %) réalistes et les environnements agréables pour s’exercer (70 %) ; la cour de récréation s’en est moins bien sortie (53,3 %), en raison des élèves virtuels de la vidéo 360°, peu nombreux et à réaction lente. À l’inverse, une large minorité du groupe contrôle ne parvenait pas à imaginer vivement les contextes scolaires (environ 42-45 % pour chacun), et ceux qui n’avaient jamais enseigné peinaient le plus. Chaque participant a jugé l’entraînement utile, deux tiers ont trouvé les exercices faciles, et la pratique à domicile auto-rapportée ne différait pas entre les groupes.

Pourquoi c’est important

Il s’agit de l’un des premiers essais à isoler l’effet de l’immersion visuelle en VR dans l’entraînement vocal en maintenant le contenu de l’entraînement identique entre les groupes - le facteur de confusion qui limitait les précédents travaux VR auprès de futurs enseignants. Son constat honnête est un résultat nul : sur trois séances, la VR 360° immersive n’a pas amélioré les résultats vocaux à court terme au-delà des mêmes exercices réalisés en imaginant la salle de classe, et a même pu orienter la posture et la tension dans le mauvais sens par l’interférence du casque.

Le signal le plus intéressant concerne l’engagement et l’accès. Demander à un stagiaire qui ne s’est jamais tenu devant une classe d’« imaginer la salle de classe » échouait fréquemment, alors que les scènes VR étaient jugées réalistes et agréables. Si un contexte vif, donnant un sentiment de présence, aide les stagiaires à rester motivés et à pratiquer de manière régulière - le mécanisme que proposent les auteurs - cela pourrait avoir son importance pour un programme préventif dont l’objet même est de bâtir des habitudes durables avant l’apparition des problèmes de voix. Mais les auteurs sont explicites sur le fait qu’il s’agit d’une hypothèse : la motivation n’était pas ici un critère contrôlé, le programme était court, les participants étaient à la voix saine, et tout bénéfice de transfert nécessiterait des essais plus longs avec un suivi en classe réelle pour être démontré.

Concernant Therapy withVR spécifiquement : cette étude n’a pas utilisé, évalué ni comparé Therapy withVR. Le système testé était une vidéo 360° sur mesure enregistrée par l’équipe de recherche et diffusée sur un Meta Quest 3, utilisée pour coacher la technique vocale en vue de la prévention des troubles de la voix - un domaine différent de l’objet de Therapy withVR, axé sur la répétition de situations de parole et la gestion de l’anxiété liée à la prise de parole. L’article Bostyn est inclus dans l’Evidence Hub parce qu’il enrichit la base de preuves plus large sur la VR immersive en orthophonie, et non parce qu’il est lié à Therapy withVR.

Limites

Les auteurs signalent les points suivants dans leur discussion :

• Fiabilité inter-évaluateurs limitée. L’accord entre les trois chercheurs-évaluateurs était parfois faible (ICC aussi bas que 0,339), et ils n’avaient pas calibré leurs évaluations ensemble au préalable. Cela affaiblit la confiance dans les critères perceptifs (CAPE-V, posture, tension, projection), que les auteurs estiment devoir être interprétés avec prudence.
• Sous-puissance pour plusieurs mesures. Avec 63 participants répartis entre deux groupes, les intervalles de confiance des critères non significatifs étaient larges ; l’étude ne pouvait écarter des effets réels qu’elle n’avait pas la puissance de détecter.
• Aucune correction pour comparaisons multiples. De nombreux critères ayant été testés sans correction appliquée, certains résultats statistiquement significatifs pourraient être des faux positifs. Les auteurs qualifient explicitement leurs résultats de générateurs d’hypothèses plutôt que de confirmatoires.
• Programme préventif, court, et population à la voix saine. Les participants n’avaient aucune plainte vocale et ne se sont entraînés que sur trois séances, laissant peu de marge pour un changement acoustique mesurable ; le programme visait à bâtir des habitudes, non à remédier à un trouble.
• CAPE-V appliqué hors de son standard clinique. Les évaluations perceptives ont été tirées de paroles produites sous 65 dB de bruit blanc, ce qui peut induire un effet Lombard, de sorte que les scores CAPE-V reflètent des différences relatives au sein de l’étude, et non des diagnostics cliniques valides.
• Déséquilibre de départ et possible effet du casque. Le groupe contrôle a commencé avec une tension visible plus marquée que le groupe VR, ce qui complique l’unique interaction limite, et le casque VR lui-même peut avoir affecté la posture et la conscience corporelle des participants.
• Réalisme auditif limité et format en petits groupes. Les voix propres des participants n’étaient pas intégrées au son ambiant et la réverbération de la pièce n’était pas simulée, ce qui réduisait la validité écologique ; l’entraînement en groupes de quatre permettait des retours entre pairs mais ajoutait aussi de la variabilité.
• Majoritairement des femmes. Environ trois quarts des participants étaient des femmes (généralement plus sujettes aux troubles de la voix), ce qui pourrait biaiser les résultats, même si cela reflète aussi la population enseignante réelle.