L’un d’eux, d’ordre morphologique, est conservé dans des centaines de musées d’anthropologie. En effet, une grande partie de nos ancêtres ne pouvaient tout simplement pas émettre de vocalisations élaborées, ni entendre une grande amplitude de fréquences. Les capacités cérébrales des espèces avant le genre Homo étaient en grande partie consacrés à la survie. Ces espèces pourraient émettre des sons, comme ceux des primates non humains d’aujourd’hui, ou même des chants collaboratifs, comme les gibbons, mais il est peu probable qu’elles aient pu créer un système élaboré de communication musicale.
Cependant, notre évolution a connu un tournant avec l’apparition deHomo ergasteril y a environ 2 millions d’années. Cette espèce vivait en petits groupes qui chassaient ensemble, probablement pour améliorer leurs chances de survie. Leurs repas collectifs pourraient avoir lieu aussi bien au sol qu’à la cime des arbres. Selon Steven Mithen, un nouveau système de communication basé sur des gestes et des vocalisations aurait alors émergé : « Ce n’était pas une langue, car il n’y avait ni grammaire ni syntaxe », explique-t-il. Il s’agissait d’une communication de type holistique, dans le sens où il est impossible de segmenter les éléments qui la composent. C’était manipulateur car il influençait les émotions et les comportements de ses locuteurs. Sans doute aussi multimodal, puisqu’il était composé de sons et de mouvements, et musical, car tout ce qu’il transmettait reposait sur une maîtrise du tempo, du rythme et de la mélodie. Enfin, elle est mimétique et s’appuie sur une symbolique sonore, une gestuelle et une certaine théâtralité. L’archéologue a donné à ce modèle le nom de « Hmmmmm communicative system » (pour Holistique, MultiModal, Manipulateur, Mimétique et Musical), « un protolangage propre aux primates humains, mais très différent de leur futur langage ».
L’histoire de l’évolution humaine est une longue succession d’adaptations non linéaires. Il y a 2,3 millions d’années, le développement de la cavité buccale deHomo habilis a ouvert la voie à de nouvelles capacités vocales. Avec Homo ergasterle système respiratoire s’est amélioré, ce qui a diversifié l’expression orale. Au fil du temps, la bipédie a entraîné une reconfiguration anatomique qui a augmenté la vitesse de marche, amélioré l’expressivité du visage et rendu possible de nouveaux mouvements corporels. Le langage a dû émerger au cours de cette période, il y a 70 000 à 200 000 ans, mais la musique en tant que moyen de communication a peut-être suivi une trajectoire différente.
