Modèle d'arbre

En linguistique historique , le modèle de l'arbre (également appelé modèle de Stammbaum , génétique ou cladistique ) est un modèle de l'évolution des langues analogue au concept d' arbre généalogique , en particulier un arbre phylogénétique dans l' évolution biologique des espèces . Comme pour les espèces, chaque langue est supposée avoir évolué à partir d'une seule langue parente ou « mère », les langues partageant un ancêtre commun appartenant à la même famille linguistique .

Popularisé par le linguiste allemand August Schleicher en 1853, le modèle de l'arbre a toujours été une méthode courante de description des relations génétiques entre les langues depuis les premières tentatives en ce sens. Il est au cœur du domaine de la linguistique comparée , qui consiste à utiliser des preuves issues de langues connues et des règles observées de l'évolution des caractéristiques linguistiques pour identifier et décrire les proto-langues hypothétiques ancestrales de chaque famille de langues, telles que le proto-indo-européen et les langues indo-européennes . Cependant, il s'agit en grande partie d'une recherche théorique et qualitative, et les linguistes ont toujours souligné les limites inhérentes au modèle de l'arbre en raison du rôle important joué par la transmission horizontale dans l'évolution des langues, allant des mots d'emprunt aux langues créoles qui ont plusieurs langues mères. Le modèle des vagues a été développé en 1872 par l'étudiant de Schleicher, Johannes Schmidt, comme une alternative au modèle de l'arbre qui intègre la transmission horizontale.

Le modèle arborescent présente également les mêmes limites que la taxonomie biologique en ce qui concerne le problème de quantification d'un phénomène continu qui inclut des exceptions comme les espèces en anneau en biologie et les continuums dialectaux dans la langue. Le concept de lien a été développé en réponse et fait référence à un groupe de langues qui ont évolué à partir d'un continuum dialectal plutôt que de langues enfants linguistiquement isolées d'une seule langue.

Augustin d'Hippone supposait que chacun des descendants de Noé fonda une nation et que chaque nation reçut sa propre langue : l'assyrien pour Assur , l'hébreu pour Heber , et ainsi de suite. Au total, il identifia 72 nations, fondateurs de tribus et langues. La confusion et la dispersion se produisirent à l'époque de Péleg , fils d'Héber, fils de Sem , fils de Noé. Augustin émit une hypothèse qui n'était pas sans rappeler celles des linguistes historiques ultérieurs, selon laquelle la famille d'Héber « conserva cette langue que l'on croyait raisonnablement avoir été la langue commune de la race... désormais appelée hébreu ». La plupart des 72 langues, cependant, datent de plusieurs générations après Heber. Saint Augustin résout ce premier problème en supposant qu'Héber, qui vécut 430 ans, était encore en vie lorsque Dieu lui assigna les 72.

L'hypothèse de saint Augustin a été maintenue sans aucun doute majeur pendant plus de mille ans. Puis, dans une série de traités publiés en 1684, exprimant son scepticisme à l'égard de diverses croyances, en particulier bibliques, Sir Thomas Browne a écrit :

« Bien que la terre ait été largement peuplée avant le déluge... on peut néanmoins douter qu'après une grande dispersion et l'espace de seize cents ans, les hommes aient conservé une langue aussi uniforme dans toutes les parties... »

À cette époque, la découverte du Nouveau Monde et l'exploration de l' Extrême-Orient avaient permis de connaître un nombre de nouvelles langues bien supérieur aux 72 langues calculées par saint Augustin. Citant les langues amérindiennes, Browne suggère que « la confusion des langues ne toucha d'abord que ceux qui étaient présents à Sinaar lors des travaux de Babel... ». Pour ceux « qui habitaient au pied des collines, là où reposait l'arche... leur langue primitive pouvait avec le temps se ramifier dans plusieurs parties de l'Europe et de l'Asie... » . C'est une ébauche d'arbre. Selon Browne, la simplification d'une langue aborigène plus vaste que l'hébreu pourrait expliquer les différences linguistiques. Il suggère le chinois ancien, dont les autres descendaient par « confusion, admixtion et corruption ». Plus tard, il invoque « le mélange et l'altération ».

Browne rapporte un certain nombre d'activités de reconstruction menées par les chercheurs de l'époque :

« Le savant Casaubon conçoit qu'un dialogue pourrait être composé en saxon, seulement avec des mots pouvant être dérivés du grec... Verstegan ne doutait pas qu'il pourrait concevoir une lettre qui pourrait être comprise par les Anglais, les Hollandais et les Frise-Orientaux... Et si, comme le soutient le savant Buxhornius , la langue scythe comme langue maternelle court à travers les nations d'Europe, et même jusqu'en Perse, la communauté de nombreux mots, entre tant de nations, a une traduction plus raisonnable et pourrait plutôt être dérivée de la langue commune diffusée à travers elles toutes, que d'une nation particulière, qui a également emprunté et ne détient que de seconde main. »

La confusion de la tour de Babel fut ainsi éliminée en tant qu'obstacle en la mettant de côté. Les tentatives de trouver des similitudes dans toutes les langues aboutirent à la découverte progressive d'une ancienne langue maîtresse dont dérivent toutes les autres langues. Browne a sans aucun doute écrit et réfléchi bien avant 1684. Au cours de ce même siècle révolutionnaire en Grande-Bretagne, James Howell publia le volume II des Epistolae Ho-Elianae , des lettres quasi-fictives adressées à diverses personnes importantes du royaume contenant des informations historiques valables. Dans la lettre LVIII, la métaphore d'un arbre de langues apparaît pleinement développée, à moins d'être le point de vue d'un linguiste professionnel :

« Je vais maintenant hisser les voiles pour les Pays-Bas, dont la langue est le même dialecte que l'anglais, et ce depuis le début, étant tous deux dérivés du haut néerlandais [Howell se trompe ici] : le danois n'est également qu'une branche du même arbre... Or, le haut néerlandais ou langue teutonique est l'une des langues maternelles les plus importantes et les plus spacieuses de l'Europe... c'était la langue des Goths et des Vandales , et elle continue encore de la plus grande partie de la Pologne et de la Hongrie , qui ont un de ses dialectes pour leur langue vulgaire... Certains de ses écrivains voudraient faire croire à ce monde qu'elle était la langue parlée au paradis. »

La recherche de la « langue du paradis » était en cours chez tous les linguistes d’Europe. Ceux qui écrivaient en latin l’appelaient la lingua prima , la lingua primaeva ou la lingua primigenia. En anglais, c’était la langue adamique ; en allemand, l’ Ursprache ou l’ hebräische Ursprache si l’on croyait qu’il s’agissait de l’hébreu. Cette langue mystérieuse avait une aura de pureté et d’incorruption, et ces qualités étaient les critères utilisés pour sélectionner les candidats. Ce concept d’ Ursprache est entré en usage bien avant que les néo-grammairiens ne l’adoptent pour leurs proto-langues. Le fossé entre les familles de langues très divergentes n’a pas été comblé.

Le 2 février 1786, Sir William Jones prononça son discours du troisième anniversaire devant la Société asiatique en tant que président sur le thème des hindous . Il y appliqua la logique du modèle de l'arbre à trois langues, le grec, le latin et le sanskrit, mais pour la première fois dans l'histoire sur des bases purement linguistiques, notant « une affinité plus forte, à la fois dans les racines des verbes et dans les formes de grammaire, que celle qui aurait pu être produite par accident… ». Il postula ensuite qu'elles provenaient « d'une source commune, qui, peut-être, n'existe plus ». Il y ajouta le gothique, le celtique et le persan comme « appartenant à la même famille ».

Jones n'a pas nommé sa « source commune » et n'a pas développé l'idée plus avant, mais elle a été reprise par les linguistes de l'époque. Dans la Quarterly Review (londonienne) de la fin de 1813-1814, Thomas Young a publié une critique de Mithridates, oder allgemeine Sprachenkunde (« Mithridate, ou une histoire générale des langues ») de Johann Christoph Adelung , dont le volume I était paru en 1806, et les volumes II et III, 1809-1812 , continués par Johann Severin Vater. L'ouvrage d'Adelung décrit quelque 500 « langues et dialectes » et émet l'hypothèse d'une descendance universelle de la langue du paradis, située au Cachemire , au centre de l'aire de répartition totale des 500. Young commence par souligner la dette d'Adelung envers le Mithridates, de Differentiis Linguarum de Conrad Gesner de 1555 et d'autres catalogues ultérieurs de langues et d'alphabets.

Young entreprend de présenter la classification d'Adelung. Le type monosyllabique est le plus ancien et le plus primitif, parlé en Asie, à l'est de l'Eden, dans la direction de la sortie d'Adam de l'Eden. Vient ensuite le groupe de Jones, toujours sans nom, mais attribué à Jones : « Une autre classe ancienne et étendue de langues unies par un plus grand nombre de ressemblances que celles qui peuvent bien être purement accidentelles. » Pour cette classe, il propose un nom, « indo-européen », la première utilisation linguistique connue du mot, mais pas sa première utilisation connue. La Compagnie britannique des Indes orientales utilisait le « commerce indo-européen » pour désigner le commerce de marchandises entre l'Inde et l'Europe. Toutes les preuves que Young cite pour le groupe ancestral sont les mots les plus semblables : mère, père, etc.

Les autres classes linguistiques d'Adelung étaient le tatare (qui serait plus tard connu sous le nom de famille altaïque controversée ), l'africain et l'américain, qui dépendent de la géographie et d'une descendance présumée de l'Eden. Young ne partage pas l'enthousiasme d'Adelung pour la langue du paradis, et la qualifie de principalement spéculative.

La désignation de Young, réussie en anglais, n'était que l'un des nombreux candidats proposés entre 1810 et 1867 : indo-germanique ( Conrad Malte-Brun , 1810), japetisk ( Rasmus Christian Rask , 1815), indo-germanique ( Julius Klaproth , 1823), indisch-teutsch (F. Schmitthenner, 1826), sanskritisch ( Wilhelm von Humboldt , 1827), indokeltisch (AF Pott, 1840), arioeuropeo ( Graziadio Isaia Ascoli , 1854), aryen ( Max Müller , 1861) et aryaque (H. Chavée, 1867). Ces hommes étaient tous polyglottes et prodiges des langues. (Klaproth, par exemple, l'auteur du candidat allemand retenu, Indo-Germanisch, qui critiquait Jones pour sa méthode non critique, connaissait le chinois, le japonais, le tibétain et un certain nombre d'autres langues avec leurs écritures.) Le concept d'une langue biblique L'Ursprache a fait appel à leur imagination. Comme l'espoir de la trouver s'estompait peu à peu, ils se sont rabattus sur le concept croissant d'une langue indo-européenne commune parlée par des tribus nomades dans les plaines d'Eurasie, et bien qu'ils aient fait valoir que cette langue peut être déduite de la méthodes de linguistique comparée, en fait ce n'est pas ainsi qu'ils l'ont obtenue. C'est le seul cas où leurs efforts pour trouver l'Ursprache ont réussi.

Le modèle est dû dans sa formulation la plus stricte aux Néogrammairiens . Le modèle s'appuie sur des conceptions antérieures de William Jones , Franz Bopp et August Schleicher en y ajoutant l'absence d'exception des lois du son et la régularité du processus. Le linguiste peut-être le plus responsable de l'établissement du lien avec le darwinisme était August Schleicher.

Qu'il ait comparé son Stammbaum , ou arbre généalogique des langues, à la présentation de l'évolution de Darwin peu après cette présentation, est prouvé par la lettre ouverte qu'il a écrite en 1863 à Ernst Haeckel , publiée à titre posthume cependant. En 1869, Haeckel lui avait suggéré de lire L'Origine des espèces .

Après l'avoir lu, Schleicher a écrit Die Darwinische Theorie und die Sprachwissenschaft , « Le darwinisme à l'épreuve de la science du langage ». Dans un scénario rappelant celui entre Darwin et Wallace à propos de la découverte de l'évolution (tous deux l'ont découverte indépendamment), Schleicher a approuvé la présentation de Darwin, mais l'a critiquée pour ne pas avoir inséré d'espèce. Il a ensuite présenté un Stammbaum des langues, qui n'était cependant pas le premier qu'il avait publié.

L'évolution des langues n'est pas la source de la théorie de l'évolution de Darwin. Il l'avait fondée sur la variation des espèces, comme il l'avait observée chez les pinsons des îles Galapagos , qui semblaient être des modifications d'un ancêtre commun. La sélection d'espèces domestiques pour produire une nouvelle variété a également joué un rôle dans ses conclusions. La première édition de L'origine des espèces en 1859 aborde l'arbre linguistique comme s'il s'agissait d'une nouvelle version sous le thème de la classification. Darwin critique la méthode synchronique conçue par Linné , suggérant qu'elle soit remplacée par un « arrangement naturel » basé sur l'évolution. Il dit :

« Il serait peut-être utile d’illustrer cette conception de la classification en prenant le cas des langues. Si nous possédions une généalogie parfaite de l’humanité, un classement généalogique des races humaines fournirait la meilleure classification des diverses langues parlées aujourd’hui dans le monde ; et si toutes les langues éteintes et tous les dialectes intermédiaires et à évolution lente devaient être inclus, un tel classement serait, je crois, le seul possible. Il se pourrait cependant qu’une langue très ancienne ait peu changé et ait donné naissance à peu de langues nouvelles, tandis que d’autres (en raison de l’expansion, de l’isolement ultérieur et des états de civilisation des diverses races descendant d’une race commune) aient beaucoup changé et aient donné naissance à de nombreux langages et dialectes nouveaux. Les divers degrés de différence entre les langues d’une même souche devraient être exprimés par des groupes subordonnés à des groupes ; mais le classement approprié, ou même le seul possible, serait toujours généalogique ; et il serait tout à fait naturel, car il relierait entre elles toutes les langues, éteintes et modernes, par les affinités les plus étroites, et donnerait la filiation et l’origine de chaque langue. »

Schleicher n'avait jamais entendu parler de Darwin avant que Haeckel ne le lui fasse remarquer. Il avait publié son propre travail sur le Stammbaum dans un article de 1853, six ans avant la première édition de L'origine des espèces en 1859. Le concept de descendance des langues n'était en aucun cas nouveau. Thomas Jefferson , lui-même un linguiste fervent, avait suggéré que la nécessité continuelle de néologismes impliquait que les langues doivent « progresser » ou « avancer ». Ces idées préfigurent l'évolution des espèces biologiques ou des langues, mais après le contact de Schleicher avec les idées de Darwin, et peut-être le contact de Darwin avec les linguistes historiques, l'évolution et le changement linguistique étaient inextricablement liés et devinrent la base de la classification. Aujourd'hui comme alors, les principaux problèmes consistaient à prouver des lignes de descendance spécifiques et à identifier les points de ramification.

L'ancienne métaphore a reçu un sens entièrement nouveau sous l'ancien nom par Joseph Harold Greenberg dans une série d'essais à partir de 1950 environ. Depuis l'adoption de la métaphore de l'arbre généalogique par les linguistes, le concept d' évolution a été proposé par Charles Darwin et était généralement accepté en biologie. La taxonomie , la classification des êtres vivants, avait déjà été inventée par Carl Linné . Elle utilisait une nomenclature binomiale pour attribuer un nom d'espèce et un nom de genre à chaque organisme vivant connu. Ceux-ci étaient classés dans une hiérarchie biologique sous plusieurs embranchements , ou groupes les plus généraux, se ramifiant finalement vers les différentes espèces. La base de cette classification biologique était les caractéristiques physiques communes observées des espèces.

Darwin, cependant, reprenant une autre métaphore ancienne, l' arbre de vie , a émis l'hypothèse que les groupes de la classification linnéenne ( les taxons actuels ) descendaient dans une structure arborescente au fil du temps, du plus simple au plus complexe. L'arbre hiérarchique linnéen était synchronique ; Darwin envisageait un processus diachronique de descendance commune . Là où Linné avait conçu des rangs , qui étaient cohérents avec la grande chaîne d'être adoptée par les rationalistes , Darwin a conçu des lignées . Au fil des décennies qui ont suivi Darwin, il est devenu clair que les rangs de la hiérarchie de Linné ne correspondaient pas exactement aux lignées. L'objectif principal de la taxonomie est devenu de découvrir les lignées et de modifier la classification pour les refléter, ce qu'elle a fait sous la direction générale des codes de nomenclature , des livres de règles tenus par des organisations internationales pour autoriser et publier des propositions de reclassification des espèces et d'autres taxons. La nouvelle approche a été appelée phylogénie , la « génération de phylums », qui a donné naissance à une nouvelle métaphore de l'arbre, l' arbre phylogénétique . Une unité de l'arbre et toutes ses unités descendantes constituaient un clade et la découverte des clades était la cladistique .

Greenberg a commencé à écrire à une époque où la systématique phylogénétique manquait des outils dont elle disposait plus tard : l'ordinateur (systématique computationnelle) et le séquençage de l'ADN ( systématique moléculaire ). Pour découvrir une relation cladistique, les chercheurs se sont appuyés sur un nombre aussi grand de similitudes morphologiques entre les espèces que possible, qui pouvaient être définies et répertoriées. Statistiquement, plus le nombre de similitudes était élevé, plus les espèces étaient susceptibles d'appartenir au même clade. Cette approche a séduit Greenberg, qui s'intéressait à la découverte d'universaux linguistiques . En modifiant le modèle d'arbre pour faire de l'arbre généalogique un arbre phylogénétique, il a déclaré :

« Toute langue est constituée de milliers de formes, qui ont à la fois un son et une signification… n’importe quel son peut exprimer n’importe quelle signification. Par conséquent, si deux langues concordent sur un nombre considérable de ces éléments… nous en tirons nécessairement la conclusion d’une origine historique commune. De telles classifications génétiques ne sont pas arbitraires… l’analogie avec la classification biologique est ici extrêmement proche… tout comme en biologie nous classons les espèces dans le même genre ou dans une même unité supérieure parce que les ressemblances sont telles qu’elles suggèrent une hypothèse de descendance commune, il en va de même pour les hypothèses génétiques en matière de langue. »

Dans cette analogie, une famille de langues est comme un clade , les langues sont comme des espèces , la proto-langue est comme un taxon ancestral , l'arbre des langues est comme un arbre phylogénétique et les langues et dialectes sont comme des espèces et des variétés. Greenberg a formulé de grands tableaux de caractéristiques de langues jusqu'ici négligées d'Afrique, des Amériques, d'Indonésie et du nord de l'Eurasie et les a classées en fonction de leurs similitudes. Il a appelé cette approche « classification typologique », obtenue par la linguistique descriptive plutôt que par la linguistique comparative .

La méthode comparative a été utilisée par les linguistes historiques pour reconstituer des modèles d'arbres en utilisant des données lexicales, morphologiques et phonologiques discrètes. Une chronologie peut être établie, mais il n'existe aucune estimation de date absolue utilisant ce système.

La glottochronologie permet d'estimer des dates absolues. Les cognats partagés (ceux qui ont une origine historique commune) sont calculés à des dates de divergence. Cependant, la méthode a été discréditée par la suite en raison du manque de fiabilité des données. En raison de cela, les linguistes historiques ont du mal à estimer l'âge exact lorsqu'ils déterminent l'âge de la famille des langues indo-européennes. Il pourrait aller de 4000 à 40 000 BP, ou n'importe où entre ces dates selon Dixon, d'après The rise and fall of language (Cambridge University Press). Comme on peut le voir dans l'article ici.

Des solutions possibles pour la glottochronologie sont apparues grâce aux méthodes phylogénétiques computationnelles . Des techniques telles que l'utilisation de modèles d'évolution améliorent la précision de la longueur et de la topologie des branches de l'arbre. Par conséquent, l'utilisation de méthodes phylogénétiques computationnelles permet aux chercheurs d'analyser les données linguistiques issues de la biologie évolutive. Cela permet également de tester les théories les unes par rapport aux autres, telles que la théorie de Kurgan et la théorie anatolienne, toutes deux revendiquant l'origine des langues info-européennes.

La méthode comparative compare les caractéristiques de différentes langues pour évaluer dans quelle mesure une langue est similaire à une autre. Les résultats d'une telle évaluation sont orientés vers les données, c'est-à-dire qu'ils dépendent du nombre de caractéristiques et du nombre de langues comparées. Jusqu'à l'arrivée de l'ordinateur dans le paysage linguistique historique, les nombres dans les deux cas étaient nécessairement faibles. L'effet était d'essayer de représenter une photographie en utilisant un petit nombre de grands pixels, ou unités d'image. Les limites du modèle d'arbre étaient trop douloureusement apparentes, ce qui a donné lieu à des plaintes de la part des principaux linguistes historiques.

À la fin du XXe siècle, les linguistes ont commencé à utiliser des logiciels destinés à la classification biologique pour classer les langues. Les programmes et les méthodes sont devenus de plus en plus sophistiqués. Au début du XXIe siècle, le projet Computational Phylogenetics in Historical Linguistics (CPHL), un consortium de linguistes historiques, a reçu un financement de la National Science Foundation pour étudier les phylogénies. La famille indo-européenne est un sujet d'étude majeur. En janvier 2012, ils avaient collecté et codé une base de données « filtrée » de « 22 caractères phonologiques, 13 caractères morphologiques et 259 caractères lexicaux », et une base de données non filtrée de plus. Des listes de mots de 24 langues indo-européennes sont incluses. Un plus grand nombre de caractéristiques et de langues augmente la précision, à condition qu'elles répondent à certains critères. À l'aide de logiciels informatiques spécialisés, ils testent diverses hypothèses phylogénétiques pour leur capacité à expliquer les caractères par descendance génétique.

L'une des limites endémiques du modèle d'arbre est la présomption fondatrice sur laquelle il repose : il nécessite une classification basée sur les langues ou, plus généralement, sur les variétés linguistiques . Étant donné qu'une variété représente une abstraction de la totalité des caractéristiques linguistiques , il existe un risque de perte d'information lors de la traduction des données (d'une carte d' isoglosses ) en un arbre. Par exemple, il y a le problème des continuums dialectaux . Ils fournissent des variétés qui ne sont pas univoquement une langue ou une autre, mais contiennent des caractéristiques caractéristiques de plusieurs d'entre elles. La question de la manière dont elles doivent être classées est similaire à celle posée par les espèces en anneau au concept de classification des espèces en biologie.

Les limites du modèle arborescent, en particulier son incapacité à gérer la distribution non discrète des innovations partagées dans les continuums dialectaux , ont été abordées par le développement de méthodologies non cladistiques (non basées sur l'arbre). Elles comprennent le modèle Wave ; et plus récemment, le concept de lien .

Une autre limitation du modèle d'arbre généalogique concerne les langues mixtes et hybrides, ainsi que le mélange des langues en général, puisque le modèle d'arbre généalogique ne tient compte que des divergences. Par exemple, selon Zuckermann (2009 : 63), « israélien », son terme pour l'hébreu moderne , qu'il considère comme un hybride sémito-européen, « démontre que la réalité de la genèse linguistique est bien plus complexe que ne le permet un simple système d'arbre généalogique. Il est peu probable que les langues « revivifiées » aient un seul parent. »

Le but des logiciels phylogénétiques est de générer des cladogrammes , un type particulier d'arbre dans lequel les liens ne font que bifurquer ; c'est-à-dire qu'à chaque nœud dans la même direction, seules deux branches sont proposées. Les données d'entrée sont un ensemble de caractères auxquels on peut attribuer des états dans différentes langues, comme présent (1) ou absent (0). Une langue peut donc être décrite par un ensemble de coordonnées unique constitué des valeurs d'état de tous les caractères considérés. Ces coordonnées peuvent être similaires ou moins similaires. Les langues qui partagent le plus d'états sont celles qui se ressemblent le plus.

Le logiciel traite tous les états de tous les caractères de toutes les langues par l'une des nombreuses méthodes mathématiques pour réaliser une comparaison par paires de chaque langue avec toutes les autres. Il construit ensuite un cladogramme basé sur des degrés de similarité ; par exemple, des langues hypothétiques, a et b, qui sont les plus proches uniquement l'une de l'autre, sont supposées avoir un ancêtre commun, ab. La langue suivante la plus proche, c, est supposée avoir un ancêtre commun avec ab, et ainsi de suite. Le résultat est une série projetée de chemins historiques menant de l'ancêtre commun global (la racine) aux langues (les feuilles). Chaque chemin est unique. Il n'y a pas de liens entre les chemins. Chaque feuille et chaque nœud ont un et un seul ancêtre. Tous les états sont pris en compte par descendance d'autres états. Un cladogramme conforme à ces exigences est une phylogénie parfaite.

Au début, les résultats des essais faisant varier les facteurs présumés pertinents ne semblaient pas très cohérents. Chaque changement donnait naissance à un nouveau cladogramme, ce qui suggérait que la méthode ne capturait pas l'évolution sous-jacente des langues, mais reflétait seulement les jugements improvisés des chercheurs. Afin de trouver les facteurs qui avaient une incidence sur la phylogénie, les chercheurs devaient avoir une certaine mesure de l'exactitude de leurs résultats, c'est-à-dire que les résultats devaient être calibrés par rapport aux phylogénies connues. Ils ont mené l'expérience en utilisant différentes hypothèses à la recherche de celles qui produiraient les correspondances les plus proches des phylogénies indo-européennes les plus sûres. Ces hypothèses pouvaient être utilisées avec plus de confiance sur les zones problématiques de la phylogénie indo-européenne.

Pour obtenir une phylogénie raisonnablement valide, les chercheurs ont constaté qu'ils devaient saisir en entrée les trois types de caractères : phonologiques, lexicaux et morphologiques, qui étaient tous nécessaires pour présenter une image suffisamment détaillée pour le calcul de la phylogénie. Seuls les caractères qualitatifs ont produit des résultats significatifs. Les états répétés étaient trop ambigus pour être correctement interprétés par le logiciel ; par conséquent, les caractères qui étaient sujets à une formation inverse et à un développement parallèle, qui ramenaient un caractère à un état antérieur ou adoptaient un état qui évoluait vers un autre caractère, respectivement, ont été filtrés à partir de l'ensemble de données d'entrée.

Malgré leur souci de coder les meilleurs caractères qualitatifs en nombre suffisant, les chercheurs n'ont pu obtenir de phylogénie parfaite pour certains groupes, comme les groupes germaniques et albanais au sein de l'indo-européen. Ils en ont déduit qu'un nombre significatif de caractères, qui ne pouvaient pas être expliqués par une descendance génétique de l'ancêtre calculé du groupe, étaient empruntés. Vraisemblablement, si le modèle ondulatoire , qui expliquait l'emprunt, était une explication complète des caractères du groupe, aucune phylogénie ne pouvait être trouvée pour celui-ci. Si les deux modèles étaient partiellement efficaces, alors un arbre existerait, mais il faudrait le compléter par des explications non génétiques. Les chercheurs ont donc modifié le logiciel et la méthode pour inclure la possibilité d'emprunt.

Les chercheurs ont introduit dans l'expérience le concept d'interface, ou de limite autorisée par laquelle les états de caractère s'écoulent. Une interface unidirectionnelle, ou arête, existait entre un parent et un enfant. Si seules les arêtes unidirectionnelles suffisaient à expliquer la présence de tous les états dans une langue, alors il n'était pas nécessaire de chercher au-delà de la phylogénie parfaite. Dans le cas contraire, une ou plusieurs arêtes de contact, ou interfaces bidirectionnelles, pouvaient être ajoutées à la phylogénie. Une langue pourrait donc avoir plus d'une source d'états : la langue parente ou une langue de contact.

Un arbre ainsi modifié n’était plus un arbre en tant que tel : il pouvait y avoir plus d’un chemin de la racine à la feuille. Les chercheurs ont appelé cet arrangement un réseau. Les états d’un caractère évoluaient toujours le long d’un chemin unique de la racine à la feuille, mais son origine pouvait être soit la racine considérée, soit une langue de contact. Si tous les états de l’expérience pouvaient être pris en compte par le réseau, on l’appelait un réseau phylogénétique parfait.

La génération de réseaux a nécessité deux phases. Dans la première phase, les chercheurs ont conçu un certain nombre de phylogénies, appelées arbres candidats, dont la compatibilité devait être testée. Un caractère est compatible lorsque son origine est expliquée par la phylogénie générée. Dans une phylogénie parfaite, tous les caractères sont compatibles et la compatibilité de l'arbre est de 100 %. Selon le principe de parcimonie, ou rasoir d'Occam , aucun réseau n'est garanti. Les arbres candidats ont été obtenus en exécutant d'abord le logiciel de génération de phylogénie en utilisant l'ensemble de données indo-européen (les chaînes d'états de caractères) comme entrée, puis en modifiant l'arbre résultant en d'autres hypothèses à tester.

Aucun des arbres candidats originaux n'était une phylogénie parfaite, même si certains des sous-arbres qu'ils contenaient l'étaient. La phase suivante consistait à générer des réseaux à partir des arbres présentant les scores de compatibilité les plus élevés en ajoutant des interfaces une à la fois, en sélectionnant l'interface présentant la compatibilité la plus élevée, jusqu'à ce que la suffisance soit obtenue ; c'est-à-dire que la compatibilité du réseau soit la plus élevée. Il s'est avéré que le nombre de réseaux compatibles générés pouvait varier de zéro à plus d'une douzaine. Cependant, toutes les interfaces possibles n'étaient pas historiquement réalisables. Les interfaces entre certaines langues étaient géographiquement et chronologiquement peu probables. En examinant les résultats, les chercheurs ont exclu les interfaces non réalisables jusqu'à ce qu'il ne reste qu'une liste de réseaux réalisables, qui pouvaient être classés par ordre de score de compatibilité.

Les chercheurs ont commencé avec cinq arbres candidats pour l'AE indo-européen, l'un généré à partir du logiciel phylogénétique, deux de ses modifications et deux suggérés par Craig Melchert , un linguiste historique et indo-européaniste. Les arbres différaient principalement par le placement du groupe le plus ambigu, les langues germaniques et l'albanais, qui n'avaient pas assez de caractères distinctifs pour le placer exactement. L'arbre A contenait 14 caractères incompatibles ; B, 19 ; C, 17 ; D, 21 ; E, 18. Les arbres A et C avaient les meilleurs scores de compatibilité. Les incompatibilités étaient toutes lexicales, et les A étaient un sous-ensemble des C.

Les générations suivantes de réseaux ont montré que toutes les incompatibilités pouvaient être résolues avec un minimum de trois arêtes de contact, à l'exception de l'arbre E. Comme il n'avait pas une compatibilité élevée, il a été exclu. L'arbre A avait 16 réseaux possibles, qu'une inspection de faisabilité a réduits à trois. L'arbre C avait un réseau, mais comme il nécessitait une interface avec la Baltique et non avec la Slave, ce n'était pas réalisable.

L'arbre A, l'arbre le plus compatible et le plus réalisable, émet l'hypothèse de sept groupes se séparant du proto-indo-européen entre environ 4000 av. J.-C. et 2250 av. J.-C., comme suit.

• Le premier à se séparer fut l'Anatolie, vers 4000 av. J.-C.
• Tokharien suivit vers 3500 av. J.-C.
• Peu de temps après, vers 3250, le proto-italo-celtique (indo-européen occidental) se sépare, devenant proto-italique et proto-celtique vers 2500 av. J.-C.
• Vers 3000, le proto-albano-germanique s'est séparé, devenant l'albanais et le proto-germanique vers 2000.
• Vers 3000, le proto-gréco-arménien (indo-européen du sud) s'est divisé, devenant proto-grec et proto-arménien vers 1800.
• La langue balto-slave est apparue vers 2500, se divisant en proto-baltique et proto-slave vers 1000.
• Finalement, le proto-indo-européen est devenu le proto-indo-iranien (indo-européen oriental) vers 2250.

Les arbres B et E offrent l'alternative du proto-germano-balto-slave (indo-européen du nord), faisant de l'albanais une branche indépendante. La seule date dont les auteurs se portent garants est la dernière, basée sur la continuité de la culture Yamna , de la culture Andronovo et des cultures connues de langue indo-aryenne. Toutes les autres sont décrites comme des « calculs à l'estime ».

Étant donné la phylogénie de la meilleure compatibilité, A, trois arêtes de contact sont nécessaires pour compléter la compatibilité. Il s'agit du groupe d'arêtes avec le moins d'événements d'emprunt :

• Tout d’abord, une frontière entre le proto-italique et le proto-germanique, qui doit avoir commencé après 2000, selon le schéma de datation donné.
• Une deuxième frontière de contact se situait entre le proto-italique et le proto-gréco-arménien, et a dû commencer après 2500.
• La troisième frontière de contact se situe entre le proto-germanique et le proto-baltique, et doit avoir commencé après 1000.

L'arbre A avec les bords décrits ci-dessus est décrit par les auteurs comme « notre meilleur PPN ». Dans tous les PPN, il est clair que même si les langues filles initiales sont devenues distinctes dans un isolement relatif, l'évolution ultérieure des groupes ne peut s'expliquer que par l'évolution à proximité d'autres langues avec lesquelles un échange a lieu par le modèle d'onde.