Le grand zygomatique est un muscle facial essentiel, chargé du sourire et de l’expression des émotions. Des recherches menées à l’aide de l’électro-myographie de surface (fEMG) et de l’analyse faciale démontrent son rôle dans la distinction entre les sourires sincères et les sourires forcés. Découvrez comment ce muscle influence la perception, les émotions et les études scientifiques sur les expressions faciales.
Table of Contents
Le muscle zygomatique majeur : le muscle facial clé à l’origine des expressions faciales
De tous les muscles du visage, le grand zygomatique est sans doute le plus visible. Situé entre les coins de la bouche et la partie supérieure des joues, il détermine la façon dont nous sourions.
Ce muscle est situé au-dessus de l’os zygomatique, également appelé pommette. On sait également que les variations de ce muscle zygomatique peuvent provoquer l’apparition de fossettes lorsque l’on sourit. Tout cela pour dire que cette zone joue un rôle important dans notre apparence, qu’elle soit active ou au repos.
La contraction de ces muscles (des deux côtés du visage) fait naître un sourire, qu’il soit spontané et sincère (un « sourire de Duchenne ») ou forcé et délibéré (un « sourire non-Duchenne »).
Un véritable sourire de Duchenne résulte à la fois de l’activation du grand zygomatique et du muscle orbiculaire de l’œil (le muscle qui entoure les lèvres et provoque le relèvement des joues), ainsi que de la participation éventuelle de plusieurs autres muscles faciaux. L’activation de ces deux muscles produit un sourire qui s’accompagne également d’un relèvement des joues autour des yeux. Un sourire non-Duchenne implique l’activation du grand zygomatique sans activation de l’orbiculaire des yeux.
Bien sûr, ce muscle ne concerne pas seulement notre apparence physique et la façon dont nous sommes perçus, mais aussi notre rapport émotionnel au monde. Nous allons voir ci-dessous comment mesurer l’activité de ce muscle et ce que cela signifie pour la personne qui présente une activité dans cette région.
Pour bien saisir ces techniques de mesure, il est utile de commencer par comprendre les principes fondamentaux de l’EMG facial.
Pour bien saisir toute la complexité de l’activité des muscles faciaux, il est indispensable d’avoir de solides bases en électromyographie. Vous pouvez découvrir ces informations fascinantes et bien d’autres encore en consultant notre infographie sur l’électromyographie : « Le monde électrisant du mouvement musculaire ».
Utilisation de l’EMG pour mesurer l’activité du muscle zygomatique majeur : un aperçu des émotions et du sourire
La méthode la plus courante pour mesurer précisément l’activité dans cette région consiste à recourir à l’électro-myographie faciale (EMG). En plaçant les électrodes le long du muscle, on peut facilement mesurer cette activité. Les impulsions électriques qui entraînent l’activation musculaire sont détectées par les électrodes. Des recherches ont montré le lien entre cette mesure et les émotions positives (ce qui n’est pas tout à fait surprenant compte tenu du lien évident avec le sourire) [1].
D’autres recherches utilisant l’EMG fonctionnel ont également montré que l’activation du muscle zygomatique majeur n’est pas nécessairement liée exclusivement à la génération d’émotions positives. Comme l’indiquent Hart et ses collaborateurs dans un article récent, « en particulier dans des contextes plus complexes […] l’activité liée au sourire peut être difficile à interpréter : les sourires peuvent être ironiques, sarcastiques ou narquois, tout autant qu’ils peuvent être l’expression d’un sentiment positif authentique » [2].
Il est intéressant de noter qu’il existe des paramètres psychophysiologiques qui permettent, dans les grandes lignes, de déterminer si un sourire est perçu comme sincère ou non : les sourires spontanés durent souvent moins longtemps (environ 4 à 6 secondes), s’estompent plus lentement et sont plus symétriques que les sourires délibérés [3]. Il est possible d’établir cette distinction à l’aide d’enregistrements fEMG du muscle zygomatique majeur, ce qui renforce la validité du lien entre les expressions faciales et les émotions.
La fEMG étant une mesure extrêmement sensible, elle permet de détecter l’activité électrique sous-jacente au mouvement musculaire même en l’absence d’activation musculaire manifeste (c’est-à-dire même lorsqu’on voit clairement que la personne sourit).
Une étude menée en 2003 par Larsen et d’autres chercheurs [4] a examiné cette question plus en détail. Les participants ont été exposés à une série de stimuli dont l’efficacité à susciter diverses émotions spécifiques avait été préalablement validée, tandis que l’on enregistrait leur fEMG, leur respiration et leur conductance cutanée (GSR). Un questionnaire d’auto-évaluation leur a également été soumis.
Les chercheurs ont constaté que l’activité du muscle zygomatique majeur était linéairement liée à la valence positive des stimuli : en substance, plus le stimulus était positif, plus ce muscle du sourire était actif. De même, une relation inverse a été observée entre l’activité du muscle corrugateur des sourcils (le muscle du froncement) et les stimuli positifs.
Les résultats suggèrent que ces deux muscles faciaux pourraient servir d’indicateurs de l’expérience de réactions émotionnelles positives et négatives. L’étude suggère également que si l’émotion attendue s’explique clairement, l’utilisation de l’électroencéphalographie faciale (fEMG) peut également fournir des réponses claires.
Analyse des expressions faciales : une approche non invasive pour mesurer le sourire
Une autre méthode permettant d’étudier l’activation du muscle zygomatique majeur consiste à analyser les expressions faciales : les mouvements du visage sont enregistrés visuellement, puis classés en mouvements musculaires distincts, souvent appelés « unités d’action ».
À l’origine, cette méthodologie reposait sur un codage manuel des expressions faciales (à l’aide du Facial Action Coding System [5], dont nous avons déjà parlé), mais elle peut désormais être mise en œuvre à l’aide de logiciels tels qu’Affectiva, qui utilise des méthodes d’apprentissage automatique pour analyser efficacement les mouvements des muscles faciaux en temps réel.
Une étude récente a comparé les mouvements des muscles faciaux à l’aide de l’EMG de surface et d’Affectiva, en demandant aux participants d’exprimer une série d’émotions tout en utilisant l’une de ces deux techniques [6]. Les chercheurs ont constaté que ces méthodes sont globalement comparables lorsqu’il s’agit de détecter le niveau d’activité du grand zygomatique, du muscle orbiculaire de la bouche et du muscle corrugateur des sourcils.
Si l’avantage de la fEMG réside dans sa sensibilité, il devient toutefois difficile d’enregistrer l’activité de nombreux muscles simultanément (l’enregistrement de 1 à 3 muscles faciaux est la norme). L’analyse automatique des expressions faciales, en revanche, permet de détecter tous les mouvements des muscles faciaux et peut même calculer comment ces mouvements combinés donnent lieu à des expressions faciales complexes associées à des émotions distinctes (par exemple, une bouche grande ouverte et des sourcils relevés sont associés à la surprise).
Une autre étude démontrant le potentiel de l’analyse automatique des expressions faciales a été menée en collaboration avec Affectiva en 2013 [7]. Les réactions de sourire (activation du muscle zygomatique majeur) de plus de 1 500 participants ont été classées pendant qu’ils regardaient des publicités diffusées sur Internet. Cette collecte de données à grande échelle a été rendue possible grâce à la nature non invasive de cette méthodologie, qui a permis de recueillir beaucoup plus de données que la plupart des recherches (en particulier par rapport aux études fEMG classiques).
Les chercheurs ont constaté qu’il était non seulement possible de classer l’activation du muscle zygomatique majeur et les réactions de sourire dans la plupart des enregistrements (malgré les problèmes inévitables liés à un contrôle expérimental limité – mauvais éclairage, mouvements accrus des participants, etc.), mais aussi que ces données permettaient à elles seules de prédire avec précision le « goût » et le « désir de revoir » les images.
L’application future de ces méthodologies ouvre la voie à une collecte de données à grande échelle et permet de répondre à des questions nuancées concernant les préférences émotionnelles, en se basant sur l’activation du muscle zygomatique majeur (ainsi que sur d’autres mouvements musculaires faciaux associés).
Bien qu’il s’agisse d’un seul muscle, l’activation du grand zygomatique fournit une multitude d’informations, et ce d’autant plus lorsque l’on prend en compte l’ensemble des expressions faciales. Pour la recherche, c’est assurément de quoi sourire. Découvrez par ailleurs le sourire de Duchenne et 18 autres expressions faciales, leur signification émotionnelle, ainsi que les unités d’action FACS qui définissent les émotions humaines.
Références
[1] Joyal, C., Jacob, L., Cigna, M., Guay, J., & Renaud, P. (2014). Visages virtuels exprimant des émotions : une première étude sur la validité concomitante et la validité conceptuelle. Frontiers In Human Neuroscience, 8. doi: 10.3389/fnhum.2014.00787
[2] Björn’t Hart, B., Struiksma, M., van Boxtel, A., & van Berkum, J. (2018). Les émotions dans les récits : des données EMG faciales en faveur à la fois de la simulation mentale et de l’évaluation morale. Frontiers In Psychology, 9. doi: 10.3389/fpsyg.2018.00613
[3] Schmidt, K., Ambadar, Z., Cohn, J., & Reed, L. (2006). Différences de mouvement entre les expressions faciales délibérées et spontanées : l’action du muscle zygomatique majeur lors du sourire. Journal Of Nonverbal Behavior, 30(1), 37-52. doi: 10.1007/s10919-005-0003-x
[4] Larsen, J., Norris, C., & Cacioppo, J. (2003). Effets des affects positifs et négatifs sur l’activité électromyographique du muscle zygomatique majeur et du muscle corrugateur des sourcils. Psychophysiology, 40(5), 776-785. doi: 10.1111/1469-8986.00078
[5] Ekman, P., & Rosenberg, E. (2005). Ce que révèle le visage. New York : Oxford University Press.
[6] Kulke, L., Feyerabend, D., & Schacht, A. (2018). Comparaison entre le logiciel d’analyse des expressions faciales iMotions d’Affectiva et l’EMG. https://doi.org/10.31234/osf.io/6c58y
[7] McDuff, D., El Kaliouby, R., Senechal, T., Demirdjian, D., & Picard, R. (2014). Mesure automatique des préférences publicitaires à partir des réactions faciales recueillies sur Internet. Image And Vision Computing, 32(10), 630-640. doi: 10.1016/j.imavis.2014.01.004