Des linguistes de l'Institut Max-Planck ont tranché le débat sur l'origine indo-européenne avec un arbre de 161 langues

Pendant plus de 200 ans, le lieu d'origine de l'indo-européen — la famille à l'origine de près de la moitié des langues du monde — a fait l'objet d'un débat. Deux théories dominaient : l'hypothèse steppique, qui situait l'origine dans la steppe pontique-caspienne il y a environ 6 000 ans, et l'hypothèse anatolienne ou agricole, qui la rattachait aux débuts de l'agriculture il y a environ 9 000 ans. Les analyses phylogénétiques antérieures aboutissaient à des datations contradictoires parce que leurs jeux de données étaient inexacts et incohérents et que leurs méthodes traitaient mal les langues anciennes.

Des chercheurs de l'Institut Max-Planck d'anthropologie évolutionniste ont réuni une équipe internationale de plus de 80 spécialistes des langues pour constituer un nouveau jeu de données de vocabulaire fondamental issu de 161 langues indo-européennes, dont 52 langues anciennes ou historiques, selon des protocoles rigoureux de codage des données lexicales. Ils ont ensuite appliqué une analyse phylogénétique bayésienne récemment mise au point, tenant compte des relations d'ascendance, capable de vérifier si des langues écrites anciennes comme le latin classique et le sanskrit védique étaient des ancêtres directs des branches romanes et indiennes modernes, et non de simples feuilles modernes de l'arbre.

L'analyse a estimé l'âge de la famille à environ 8 100 ans, ses cinq branches principales s'étant déjà séparées il y a environ 7 000 ans, et cette chronologie s'est maintenue sur un large éventail de modèles alternatifs et d'analyses de sensibilité. La topologie de l'arbre et les dates de séparation indiquaient une patrie originelle au sud du Caucase, avec une migration atteignant la steppe pontique-caspienne et la steppe forestière il y a environ 7 000 ans, puis des expansions ultérieures entrant en Europe avec les cultures associées à Yamnaya et à la céramique cordée il y a environ 5 000 ans.

Ni l'hypothèse steppique ni l'hypothèse agricole n'était entièrement exacte ; les deux sont devenues des étapes d'une même histoire. L'ADN ancien a montré que la branche anatolienne n'était pas issue de la steppe mais de la région proche du Croissant fertile septentrional, et l'arbre linguistique concordait. L'équipe a publié l'hypothèse hybride dans Science en 2023, la présentant comme un pas allant de scénarios mutuellement exclusifs vers un modèle intégrant les données linguistiques, archéologiques et génétiques.

Corriger les données, inclure les ancêtres, et un seul arbre tranche

Les analyses antérieures divergeaient principalement parce que les données d'entrée étaient incohérentes et le codage approximatif ; reconstruire la liste de mots selon des protocoles stricts a donc éliminé la source du conflit.

L'inclusion de 52 langues anciennes ou historiques a permis au modèle de tester une véritable relation d'ascendance — le latin comme ancêtre des langues romanes, le sanskrit védique comme ancêtre des langues indiennes — au lieu de faire porter toute l'histoire aux langues modernes.

Un échantillonnage équilibré dans toute la famille a empêché quelques branches modernes bien étudiées de dominer la forme et l'âge de l'arbre.

L'analyse bayésienne tenant compte des relations d'ascendance a placé les langues écrites anciennes à leur véritable position, et les analyses de sensibilité ont montré que la datation à 8 100 ans était robuste plutôt qu'un artefact d'un seul modèle.

La confrontation de l'arbre avec l'ADN ancien a transformé deux théories mutuellement exclusives en une seule route migratoire hybride, étayée par la linguistique, l'archéologie et la génétique.

Lorsque des théories concurrentes produisent des modèles contradictoires, corriger les données d'entrée partagées — données équilibrées, codage rigoureux et traitement des formes anciennes comme des ancêtres — a réduit un différend de 200 ans à un seul arbre robuste.

Les résultats ont été annoncés le 27 juillet 2023 et publiés dans Science, attribués à P. Heggarty et ses collègues. La publication a suscité un fil de discussion sur Hacker News le 30 juillet 2023, avec 233 points et 147 commentaires. L'auteur principal Russell Gray a qualifié l'hypothèse hybride de résolution de l'énigme vieille de 200 ans, et Wolfgang Haak l'a présentée comme un pas vers un modèle intégrant les découvertes archéologiques, anthropologiques et génétiques, plutôt que comme une réponse définitive.