Cet article porte sur la problématique du degré de spécificité des représentations phonologiques chez les enfants au cours de leur deuxième année de vie. Les mots sont-ils initialement codés dans un format global, avec une spécification progressive qui s'effectuerait en fonction de la maturité, de la taille du vocabulaire ou de la familiarité des mots, ou sont-ils d'emblée représentés dans un format détaillé ? Après une brève revue des travaux portant sur différentes langues, nous présenterons deux études réalisées dans notre laboratoire avec des bébés francophones âgés de 14 mois au moyen du paradigme de regard préférentiel intermodal. Les résultats montrent que les bébés regardent plus longtemps les images correspondant à des mots bisyllabiques bien prononcés (« voiture ») que les images correspondant à des mots dont la consonne médiane a été modifiée (« voinure »). En revanche, une modification de la première ou de la seconde voyelle ne semble pas être perçue par les bébés. Ces résultats confortent l'hypothèse d'un rôle plus important des consonnes par rapport aux voyelles au niveau lexical.