Dans la première partie de cette recherche, la capacité humaine à décoder des états affectifs de joie, peur et colère dans des voix d’humains, chimpanzés et bonobos a été testée à l’aide d’un nouveau paradigme expérimental présentant trois vocalisations à chaque item. 141 participants ont pris part à cette étude. Ils ont montré des performances meilleures que le niveau de chance pour détecter la joie, la peur et la colère dans les vocalisations humaines, et idem pour les vocalisations de chimpanzés et bonobos, à l’exception de la colère qui était le plus souvent mal classifiée en sélectionnant à la place la vocalisation de peur. Ces résultats montrent que la dissociation de performance préalablement montrée pour les voix de chimpanzés et bonobos (Debracque et al., 2023 ; Kelly et al., 2017) semble plus nuancée qu’initialement pensé. Dans la seconde partie, nous avons investigué quel ensemble de facteurs semblait le plus adapté pour des analyses acoustiques portant à la fois sur des voix d’humains, chimpanzés et bonobos. Nous avons d’abord répliqué le fait que les réseaux de neurones artificiels constituaient un type d’analyse adapté dans un tel contexte. Puis, nous avons mis en évidence que la base de 96 vocalisations reprise de Debracque et al. (2023) de même que celle de 144 vocalisations développée dans la présente recherche montraient de bonnes propriétés. Finalement, nous avons démontré que les modèles eGeMAPS et INTERSPEECH 2009 reflétaient convenablement l’information acoustique contenue dans les signaux vocaux, eGeMAPS étant vraisemblablement supérieur du fait de sa plus grande parcimonie.