Comment prononcer le Pinyin : initiales, finales et tons

Tu connais déjà l’alphabet latin, et c’est justement le problème. La première fois que tu croises un mot écrit en pinyin, « qigong » ou « Xi Jinping », ton cerveau francophone fait ce qu’il fait toujours devant des lettres familières : il devine une prononciation à partir de ce qu’il connaît déjà. Cette supposition est fausse, et elle l’est d’une façon différente de celle d’un lecteur anglophone. Le pinyin ment aux anglophones (leur « c » n’est pas leur « c », leur « q » n’est pas leur « q »), mais il ment aussi aux francophones, et pas sur les mêmes lettres. Le « x » du pinyin n’est pas un « ks ». Le « c » n’est ni un « s » ni un « k ». Le « zh » ne ressemble à rien de familier en français. Et le « u », qui semble le plus évident de tous, ne se prononce presque jamais comme dans un mot français, sauf dans un cas précis où le français a, par une coïncidence linguistique assez rare, exactement le bon son sous la main.

Cet article ne te donne pas un tableau à apprendre par cœur. Il te donne un système : 21 blocs de consonnes organisés par famille, une poignée de voyelles de base à partir desquelles se construit tout le reste, et quatre règles de tons qui, une fois comprises, expliquent pourquoi le mandarin sonne comme il sonne, plutôt que de te laisser deviner.

Ce qu’est vraiment le Pinyin

Le pinyin n’a pas toujours existé, et il n’est pas né d’un besoin pédagogique pour les étrangers, contrairement à ce qu’on pourrait imaginer. Il vient d’un projet d’alphabétisation intérieur chinois des années 1950. Zhou Youguang, un linguiste chinois, a dirigé le comité chargé de concevoir un système officiel de romanisation du mandarin. Le résultat, le Hanyu Pinyin, a été adopté par le gouvernement chinois en 1958. Il s’est ensuite imposé bien au-delà des salles de classe chinoises : en 1982, il est devenu la norme internationale de romanisation du mandarin, ISO 7098, ce qui explique pourquoi c’est ce système-là, et non une des demi-douzaines de romanisations concurrentes plus anciennes, que tu croises aujourd’hui sur les panneaux, les claviers et les manuels du monde entier.

Le point à retenir avant d’aller plus loin : le pinyin est une convention d’écriture, pas une promesse de prononciation. Les linguistes qui l’ont conçu ont réutilisé l’alphabet latin parce que c’était pratique et déjà connu à l’international, pas parce que chaque lettre était censée se comporter comme en français. Un « q » pinyin n’a rien à voir avec le « qu » de « quatre ». Un « x » pinyin n’a rien à voir avec le « x » de « taxi ». Traiter le pinyin comme du français mal orthographié est l’erreur la plus commune, et elle produit un accent français très marqué, même chez quelqu’un qui lit le pinyin couramment depuis des années sans jamais avoir entendu les vrais sons derrière les lettres.

Les 21 initiales, comme un système

Le mandarin standard compte 21 initiales, les consonnes qui ouvrent une syllabe, et la meilleure façon de les apprendre n’est pas de les mémoriser une par une dans l’ordre du pinyin, mais de les regrouper par famille, exactement comme les linguistes chinois les classent eux-mêmes : par l’endroit de la bouche où chaque son se forme. Une fois que tu vois les familles, l’alphabet arrête d’être 21 cases isolées à retenir et devient six petits groupes logiques, chacun avec sa propre cohérence interne.

Labiales : b, p, m, f

Formées avec les lèvres, comme en français. m et f se prononcent essentiellement comme leurs équivalents français, sans piège. b et p, en revanche, ne sont pas ce qu’ils semblent être : ce n’est pas un b « sonore » et un p « sourd » comme le voudrait l’intuition d’un alphabet latin, mais une paire non aspirée / aspirée, une distinction que le français ne fait nulle part et qu’on détaille dans la section suivante.

Alvéolaires : d, t, n, l

La pointe de la langue touche l’arrière des dents du haut ou la crête juste derrière, à peu près là où se forment le d, le t, le n et le l français. n et l se comportent normalement. d et t suivent la même paire non aspirée / aspirée que b et p.

Vélaires : g, k, h

L’arrière de la langue se soulève vers le palais mou, plus en arrière que pour n’importe quelle consonne française courante. g et k forment la troisième paire non aspirée / aspirée de la série. h, en revanche, n’a pas de vrai équivalent français : le h français est muet ou, au mieux, un souffle très faible, alors que le h du mandarin est un vrai son, plus rugueux, produit par friction à l’arrière de la gorge, un peu comme si tu raclais légèrement ta gorge avant de parler.

Palatales : j, q, x

Ici, forcer une comparaison française ferait plus de mal que de bien, donc autant décrire directement la position de la langue : la pointe de la langue se place juste derrière les dents du bas, pendant que le dos de la langue se soulève vers le palais dur, et les coins de la bouche s’écartent légèrement, presque comme un petit sourire retenu. j est la version non aspirée, q la version aspirée (encore ce souffle d’air à ajouter, voir la section suivante), et x est la fricative de la même famille, un chuintement plus doux et plus en avant dans la bouche que n’importe quel son français courant.

Rétroflexes : zh, ch, sh, r

Bonne nouvelle partielle ici : le français a quelques sons empruntés qui aident vraiment. zh ressemble au « dj » qu’on entend dans certains emprunts anglicisés, mais non aspiré et avec la langue reculée. ch ressemble au « tch » de « tchèque », mais reculé et fortement aspiré, avec un vrai souffle d’air. sh ressemble au « ch » français de « vache », mais avec la pointe de la langue recourbée plus loin vers l’arrière du palais. Et puis il y a r, qui casse complètement le motif : ce n’est pas du tout le r français, qui se produit à l’arrière de la gorge, un r uvulaire. Le r du mandarin se forme avec la pointe de la langue recourbée vers l’avant du palais, sans aucune vibration ni friction au fond de la gorge. N’utilise surtout pas ton r français pour ce son : c’est une articulation complètement différente, à réapprendre entièrement plutôt qu’à adapter.

Sibilantes : z, c, s

La pointe de la langue se place juste derrière les dents du haut, avec un mince filet d’air qui s’échappe. Pas de raccourci natif particulier ici non plus : z se rapproche d’un « dz » non aspiré, c d’un « ts » mais aspiré, avec un vrai souffle d’air après le t, et s se prononce comme un s français tout à fait ordinaire.

Une dernière précision avant le tableau récapitulatif : y et w ne sont pas de vraies consonnes distinctes, ce sont des conventions d’écriture. Elles représentent respectivement la semi-voyelle i et la semi-voyelle u quand une syllabe commence directement par elles sans autre initiale devant ; on les retrouve donc dans la section des finales plutôt que comptées parmi les 21 initiales ci-dessous.

L’aspiration : le concept qui explique la moitié de l’alphabet

Les paires b/p, d/t, g/k, j/q, zh/ch et z/c ne sont pas des paires sourdes/sonores, contrairement à ce que suggère presque tout alphabet latin que tu as appris avant celui-ci. En français, une paire comme b/p se distingue par la vibration des cordes vocales : b est « sonore » (les cordes vibrent), p est « sourd » (elles ne vibrent pas). Le mandarin ignore complètement cette distinction-là. Ce qui sépare chaque paire, c’est l’aspiration : une bouffée d’air relâchée juste après la consonne, avant que la voyelle ne commence. b, d, g, j, zh et z sont les versions non aspirées. p, t, k, q, ch et c sont les versions aspirées, avec ce souffle d’air en plus.

C’est particulièrement déroutant pour un francophone, plus que pour un anglophone ou un germanophone, et il vaut mieux le dire franchement plutôt que de le minimiser. Le français n’a AUCUNE consonne aspirée native, nulle part, dans aucun contexte. L’anglais et l’allemand, eux, aspirent légèrement leurs p, t, k en position accentuée sans même que leurs locuteurs s’en rendent compte (dis « pin » à voix haute en anglais, une main devant la bouche, et tu sentiras un vrai souffle d’air ; dis « spin », et ce souffle disparaît presque). Un anglophone ou un germanophone a donc déjà, quelque part dans sa bouche, un réflexe à exagérer. Un francophone n’a rien de tel à exagérer : le p, le t et le k français ne sont jamais aspirés, dans aucun mot, dans aucun contexte, ce qui veut dire qu’il faut construire ce souffle d’air comme un geste entièrement nouveau plutôt que de l’amplifier à partir d’une habitude déjà là.

La correction pratique : quand tu prononces p, t, k, q, ch ou c en mandarin, ajoute un vrai souffle d’air conscient juste après la consonne, sans doute plus fort que ce que ton instinct te souffle. Une bonne image mentale : imagine que tu dois souffler une bougie posée juste devant ta bouche, immédiatement après la consonne. Si un locuteur natif ne perçoit aucun souffle du tout, il entendra la version non aspirée à la place, quelle que soit la lettre que tu avais en tête en l’écrivant, parce qu’en mandarin, c’est le souffle, pas la lettre, qui porte la distinction de sens.

Le mandarin ne te demande jamais si tes cordes vocales vibrent. Il te demande si de l'air sort juste après.

Merry Mandarin

Les finales, comme un système

Les initiales se comptent sur les doigts d’une main, famille par famille ; les finales, elles, se construisent. Le mandarin standard n’a besoin que de six voyelles vraiment simples pour tout construire, et presque toutes les autres finales, qui semblent nombreuses et arbitraires à première vue, sont en réalité des combinaisons prévisibles de ces six briques de base avec une poignée de terminaisons nasales et de semi-voyelles. Vois-le comme un jeu de construction plutôt que comme une liste séparée à apprendre par cœur.

Les 6 finales simples

a, o, e, i, u et ü sont les vraies briques de base, celles à maîtriser en premier parce que tout le reste en dépend.

a se prononce comme le a français, sans surprise. i se prononce comme le i français, sans surprise non plus. e, en revanche, ne se prononce PAS comme un e français : oublie le e muet, oublie le é et le è, et vise plutôt un son plus reculé dans la bouche et non arrondi, un peu comme si tu commençais à dire « euh » sans jamais arrondir les lèvres. u se prononce comme le son du « ou » français de « vous », ce qui surprend beaucoup de francophones parce que la lettre elle-même donne envie de la lire comme un u français.

Et puis il y a ü, la vraie bonne nouvelle de tout cet article. Le u français de « tu » ou de « rue » est quasiment identique au ü du pinyin : même position de langue, mêmes lèvres arrondies et avancées, presque aucun ajustement à faire. Ce qui déroute, ce n’est pas le son lui-même, c’est la convention d’écriture : en pinyin, u se prononce comme le « ou » français, et ü se prononce comme le « u » français. C’est presque un miroir exact de la distinction ü/u que le français connaît déjà, juste avec les deux lettres échangées entre les deux langues. Retiens cette seule inversion et tu obtiens gratuitement l’une des voyelles les plus difficiles du mandarin pour la plupart des apprenants.

4 finales composées

Quatre diphtongues se comportent essentiellement comme la somme de leurs deux lettres, sans piège caché : ai (爱 ài, « amour ») glisse d’un a vers un i, ei (累 lèi, « fatigué ») glisse d’un e plus fermé vers un i, ao (猫 māo, « chat ») glisse d’un a vers un ou, et ou (头 tóu, « tête ») glisse d’un o vers un ou plus refermé. Ce sont les finales les plus faciles de tout le système, précisément parce qu’elles ne cassent aucune des règles posées jusqu’ici.

Terminaisons nasales : -n contre -ng

Voici un endroit où l’oreille française part avec un vrai avantage, même s’il reste partiel. Le français a déjà des voyelles nasales natives, bon, vin, un, an ou en, ce qui veut dire que ton oreille est déjà habituée à une résonance nasale que quelqu’un sans une seule voyelle nasale native devrait apprendre depuis zéro. Le mécanisme n’est cependant pas identique : une voyelle nasale française nasalise la voyelle elle-même, alors que le -ng du mandarin est une voyelle orale ordinaire suivie d’une vraie consonne nasale prononcée à l’arrière de la gorge, pas une voyelle nasalisée. C’est un avantage réel mais partiel : ton oreille n’est pas surprise par le concept de résonance nasale, seulement par sa mécanique exacte.

Les terminaisons en -n restent assez proches de ce à quoi tu t’attends : an (三 sān, « trois »), en (很 hěn, « très »), in (心 xīn, « cœur »), un (春 chūn, « printemps ») et ün (群 qún, « groupe ») se terminent toutes par une vraie consonne n, langue contre le palais, comme en français. Les terminaisons en -ng demandent cet ajustement du son nasal produit plus loin en arrière, sans que la langue touche le palais : ang (忙 máng, « occupé »), eng (冷 lěng, « froid »), ing (明 míng, « lumineux ») et ong (红 hóng, « rouge »). La paire à travailler consciemment, encore et encore, c’est n contre ng en fin de mot, parce que c’est une distinction qui, en mandarin, sépare des mots complètement différents, alors qu’en français une confusion entre les deux passerait souvent inaperçue.

Semi-voyelles : construire de plus grandes finales à partir des briques

Voici le vrai raccourci mental de toute cette section : la plupart des finales qui restent, et qui semblent au premier regard être une trentaine de combinaisons à apprendre séparément, sont en fait construites en ajoutant une semi-voyelle, i-, u- ou ü-, devant une des briques de base ou une de leurs combinaisons. Une fois que tu vois le motif plutôt que la liste, le nombre de vraies nouvelles choses à apprendre s’effondre. Le tableau suivant montre ce motif sur cinq exemples plutôt que sur les trente combinaisons possibles :

L’exception qui bourdonne

Il reste un cas qui casse volontairement toutes les règles précédentes, et il vaut mieux le voir venir plutôt que d’être surpris. Après les six initiales zh, ch, sh, r, z, c et s, la lettre i qui suit ne représente PAS du tout la voyelle i que tu viens d’apprendre. Elle représente une voyelle bourdonnante, presque consonantique, qui prolonge simplement la position de la langue de la consonne qui précède au lieu d’ajouter un vrai son de voyelle par-dessus. Compare shì (是, « être »), où le i prolonge la position rétroflexe de sh, la langue toujours recourbée en arrière, et sì (四, « quatre »), où le i prolonge la position sifflante de s, la langue toujours juste derrière les dents du haut. Les deux i s’écrivent de façon identique et sonnent presque comme un bourdonnement effacé, sans jamais ressembler à un vrai i français. C’est une des rares vraies exceptions du système, et elle ne concerne que ces sept syllabes (zhi, chi, shi, ri, zi, ci, si).

Les quatre tons (plus un cinquième qui n’en est pas vraiment un)

L’exemple classique, celui que presque tout manuel de mandarin utilise en premier, mérite de l’être : mā (妈, « maman »), má (麻, « chanvre »), mǎ (马, « cheval ») et mà (骂, « gronder ») sont quatre mots entièrement différents qui partagent exactement la même consonne, la même voyelle, et ne se distinguent que par la hauteur et le mouvement de la voix. Ajoute ma (吗), la particule qui ferme une question par oui ou non, et tu as les quatre tons plus le ton dit « neutre », qui n’est pas vraiment un cinquième ton au sens propre puisqu’il n’a pas de contour fixe à lui.

Le premier ton est haut, plat, et tenu tout du long, sans monter ni descendre, un peu comme si tu chantais une seule note et que tu la maintenais. Le deuxième ton monte, de la même façon que ta voix monte naturellement en français à la fin d’une question franche du type « Ah oui ? ». Le troisième ton descend puis, dans sa forme pleine et isolée, remonte légèrement à la fin, mais dans la parole rapide et connectée, il est surtout bas et grave, sans forcément remonter du tout (la section suivante explique pourquoi). Le quatrième ton chute brusquement du haut vers le bas, avec l’énergie sèche d’un ordre lancé sec, comme « Stop ! » ou « Assez ! ». Le ton neutre est court, non accentué, et sa hauteur exacte dépend entièrement du ton qui le précède plutôt que d’avoir une hauteur propre à lui, un peu comme une syllabe avalée en fin de mot.

Le sandhi tonal : quand les tons changent en cours de route

Les quatre tons que tu viens d’apprendre ne se prononcent pas toujours tels quels une fois mis bout à bout dans un vrai mot ou une vraie phrase. Le mandarin a une poignée de règles de sandhi tonal, des changements automatiques et prévisibles qui s’appliquent selon les tons voisins, et les ignorer est l’une des façons les plus sûres de garder un accent étranger même après des années passées à apprendre du vocabulaire.

1. Deux 3es tons à la suite

   Le premier des deux devient un 2e ton. 你好 (nǐhǎo) se prononce en réalité ní hǎo.

2. Trois 3es tons ou plus à la suite

   Seul le tout dernier reste un 3e ton ; tous ceux qui le précèdent deviennent des 2es tons.

3. 不 (bù) avant un 4e ton

   不 passe du 4e ton au 2e ton. 不是 se prononce bú shì, jamais bù shì.

4. 一 (yī) change selon ce qui suit

   一 devient un 4e ton devant un 1er, 2e ou 3e ton (一天 se dit yì tiān), mais devient un 2e ton devant un autre 4e ton (一样 se dit yí yàng). Seul, ou à la toute fin d'un nombre, 一 reste au 1er ton.

Ces quatre règles ne sont pas des exceptions isolées à mémoriser une par une : une fois qu’elles sont intégrées, elles deviennent automatiques, un peu comme la liaison en français, un ajustement que tu fais sans y penser une fois qu’il est devenu un réflexe plutôt qu’une règle consciente appliquée mot par mot.

L’entendre pour de vrai

Tout ce qui précède explique le système du pinyin, mais un système expliqué sur une page ne remplace jamais le vrai son entendu et répété à voix haute. C’est particulièrement vrai pour un lecteur francophone, et il vaut mieux le dire honnêtement plutôt que de te laisser le découvrir seul en butant sur les tons pendant des mois.

Le français a un accent tonique fixe : il tombe toujours sur la dernière syllabe prononcée d’un mot ou d’un groupe de mots, contrairement à l’anglais, l’allemand, l’espagnol ou le portugais, des langues à accent variable où la position de l’accent peut à elle seule changer le sens d’un mot. Des travaux de psycholinguistique sur ce qu’on appelle la « surdité à l’accent », les études de Dupoux et de ses collègues sur la perception des contrastes de hauteur et de proéminence syllabique, montrent que les locuteurs francophones sont mesurablement moins sensibles aux contrastes de hauteur tonale que des locuteurs d’autres langues, précisément parce que le français n’utilise jamais la hauteur pour distinguer le sens d’un mot. Ce n’est pas une opinion ni un vieux cliché sur « les Français et les langues » : c’est un résultat mesuré, et il a une conséquence concrète pour toi si le français est ta langue maternelle.

Ça ne veut absolument pas dire que les tons sont hors de portée pour un francophone. Ça veut dire que l’approche passive qui fonctionne pour beaucoup d’autres aspects d’une langue étrangère, « laisse ton oreille s’habituer avec le temps, l’immersion fera le travail », ne suffit probablement pas ici, ou en tout cas pas aussi vite que pour un locuteur d’une langue à accent contrastif. Il vaut mieux la remplacer par un entraînement auditif actif et délibéré dès le début : écouter une syllabe, prédire son ton avant de vérifier, se tromper, recommencer, et s’appuyer plus lourdement sur de vrais outils sonores que ne le ferait peut-être un lecteur d’une autre langue.

Ce que ton oreille doit apprendre à faire avec les tons ressemble d’ailleurs beaucoup à ce que les chercheurs en lecture appellent l’automaticité : la bascule où un traitement conscient et laborieux devient un réflexe instantané, sans que tu aies besoin d’y penser. Le même phénomène existe côté écrit, avec les caractères et les paires de tons, et tu peux tester où tu en es sur cette bascule en quelques minutes, ce qui donne une bonne idée de la distance qu’il reste à parcourir avant que les tons cessent d’être un calcul et deviennent un réflexe.

Le pinyin restera toujours une carte, pas le territoire. Mais une fois que les 21 initiales, le système des finales et les règles de tons cessent d’être un tableau opaque pour devenir un ensemble de briques et de règles que tu comprends vraiment, chaque nouvelle syllabe chinoise que tu croises devient bien plus facile à décoder, et bien plus facile à prononcer sans que quelqu’un doive deviner ce que tu as voulu dire.