Le cas des diphtongaisons spontanées

Tout d’abord, une diphtongaison se définit comme un groupe de deux voyelles appartenant à la même syllabe, prononcées en une seule émission de voix. Toutes les voyelles libres accentuées peuvent se diphtonguer sous l’influence de l’accent d’intensité, à l’exception du i long et du u long. Après s’être allongée, la voyelle est segmentée en deux éléments vocaliques dont le premier porte l’accent (diphtongue décroissante) et se distingue du second par le degré d’aperture vers le II^e–III^e siècle. Cela aboutit à la formation d'une diphtongaison dite spontanée.

La diphtongaison a alors lieu vers le III^e s.–IV^e s. pour le é et le o brefs accentués : ce sont les diphtongaisons dites romanes : après l’étape de la segmentation au II^e s. (ĕ ou ae > ẹ́ę et ǫ > ǫ́ǫ), survient, au III^e s., la différenciation qui conduit à la fermeture de la première voyelle (ẹ́ę > íę et ǫ́ǫ > úǫ) avant la fermeture de la première voyelle de la diphtongue ainsi obtenue :

ĕ́ ou áe > II^e s. ẹ́ę > III^e s. íę
ŏ́ > ǫ́ > ǫ́ǫ > úǫ

L’écart d’aperture se réduit ensuite par la fermeture du deuxième élément vocalique vers le VII^e siècle, par assimilation d’aperture (íe/úe), avant le basculement de l’accent sur la deuxième voyelle, qui conduit à la consonnification de la première et donc à la disparition de la diphtongue (yé/ ẅœ̣́) vers le XII^e siècle. La loi de position, au XVII^e s., ouvre le deuxième élément uniquement devant une consonne articulée.

Ainsi, l’évolution de la diphtongaison romane suit le schéma suivant à partir du VIIe siècle :

• VII^e s. íę >íẹ > XII^e s. yẹ́ > XVII^e s. yẹ́ / yę́ avec un é fermé ou ouvert devant une consonne articulée ;
• VII^e s. úǫ > úọ > XII^e s. úẹ > üœ̣ > XIII^e s. ẅœ̣́ > œ̣́ (disparition du ü après sa consonnification) > XVII^e s. œ̣́ ou œ̨ devant une consonne articulée (loi de position).

Pour les voyelles e long/óe/í bref accentués et le ó long/u bref accentués, il s’agit d’une diphtongaison dite française, car la différenciation d’aperture se produit plus tardivement au VI^e siècle :

ḗ /óe/ ĭ́ > ẹ́ > ẹ́ẹ́ > ẹ́i̯
ṓ / ŭ́ > ọ́ > ọ́o > ọ́u̯

Puis, à la suite de la différenciation du point d’articulation et assimilation réciproque d’aperture au XII^e s. (ẹ́i̯ > ọ́i̯ / ọ́u̯ > ẹ́u̯), le basculement de l’accent pour l’évolution de la diphtongue ọ́i̯ aboutit à la consonnification du premier élément de diphtongue (wẹ́ > wę́ qui s’ouvre en wá), mais pour la diphtongue ẹ́u̯, il y a une assimilation de mode d’articulation (œ̣u̯) qui se réduit par effacement du deuxième élément (œ̣) entre le XI^e et le XIII^e siècle avant de s’ouvrir en œ̨, selon la loi de position, devant une consonne articulée.

Dans le cas de l’évolution du é long > wẹ́ > wę́ > wá au XIII^e siècle, certains mots ou temps (imparfait ou conditionnel) présentent une réduction de wę́ > ę́ dès le XVII^e siècle (la graphie ai correspondante a été instituée par l’Académie française au XIX^e siècle).

Quant à la voyelle a, elle tend à se segmenter (> aa), puis à évoluer au VIe siècle en fermant le deuxième élément (aę) par différenciation d’aperture avant de se monophtonguer en ę ouvert dès le VII^e siècle, sauf devant une consonne nasale (aę >ai qui se nasalise en A. F.), et de se fermer en ẹ fermé au XI^e siècle. Dans ce cas-ci, la loi de position s’applique également au XVII^e siècle devant une consonne articulée.