La psychologie, tout d’abord. Le fait que des gens entendent un mot alors que leur voisin entend l’autre, et ce à partir du même enregistrement de 4 secondes, n’a rien à voir avec la qualité de nos oreilles ou des haut-parleurs. C’est d’abord et avant tout l’équivalent de ce qu’on appelle des « images ambiguës »  — ces images qui peuvent tout à la fois être un vase et le profil d’une personne. Un individu peut voir le vase et avoir toute la difficulté du monde à voir le profil, ou vice-versa. Qui plus est, le fait de lui annoncer qu’il s’agit d’un vase peut jouer en faveur du vase — de la même façon que le fait d’avoir mis « yanny » comme premier choix peut avoir joué en faveur de ce mot chez certaines personnes.

Autrement dit, et ce ne sera là une découverte pour personne, il nous arrive d’entendre ce que nous nous attendons à entendre.

Mais la psychologie n’est pas le seul facteur dans cet exercice qui a confondu cette semaine des millions d’internautes. Comme l’explique au magazine The Verge le neurologue de l’audition Lars Riecke, « l’information acoustique » derrière le mot « yanny » est à une fréquence plus élevée que celle du mot « laurel ». Or, l’âge tend à faire perdre un peu d’audition aux fréquences plus élevées. Des internautes se sont d’ailleurs amusés à jouer avec l’enregistrement en lui retirant progressivement les plus basses fréquences : le mot « yanny » ressort alors plus nettement.

C’est encore plus subtil que ça si on décompose le tout, son par son. Chaque son est en réalité un mélange de hautes et de basses fréquences. Il est possible que la moyenne des fréquences du premier son ait été plus élevée que la normale — accentuant l’impression qu’il s’agit d’un « Y » alors qu’il s’agissait d’un « L » : un journaliste de Wired a retracé l'origine de l'enregistrement, en 2007, et il s'agissait vraiment de « laurel », dans un contexte où une personne devait enregistrer des milliers de mots pour un dictionnaire.

Toutefois, en bout de ligne, on en revient toujours à la psychologie, ou plus exactement à la neurologie. Le fait d’avoir mis tel mot à gauche plutôt qu’à droite, la couleur du fond d’écran, le fait que le mot soit sorti de son contexte, ou bien ce que vos collègues pensent avoir entendu, tout cela peut contribuer à faire pencher la balance. Dans les mots d’une experte en biologie de l’audition, Nina Kraus, interrogée par Popular Science, « ce que vous vous préparez à entendre est, en bonne partie, ce que votre cerveau va entendre — et ce que votre cerveau entend, c’est tout ce qui compte ».  

Et ça peut même nous amener aux frontières des fausses nouvelles : nos interprétations de la réalité sont toujours subjectives, mais nous sommes parfois capables de nous y accrocher très fort.

Ajout 17 mai : sur l'origine de l'enregistrement