Les systèmes de vocalisations humains, véhicules physiques du langage, sont caractérisés par des formes et des propriétés structurales complexes. Ils sont combinatoriaux, basés sur la ré-utilisation systématique de phonèmes, et l'ensemble des répertoires de phonèmes des langues du monde est marqué à la fois par de fortes régularités statistiques, les universaux, et une grande diversité. En outre, ce sont des codes culturellement partagés par chaque communauté de locuteurs. Quelle est l'origine des formes de la parole ? Quels sont les mécanismes qui, au cours de la phylogenèse et de l'évolution culturelle, ont permis leur évolution ? Comment un code de la parole partagé peut-il se former dans une communauté d'individus ? Je vais m'intéresser dans ce chapitre à la manière dont les phénomènes d'auto-organisation, et leurs interactions avec la sélection naturelle, peuvent permettre d'éclairer ces trois questions. La tendance qu'ont de nombreux systèmes physiques complexes à générer spontanément des formes nouvelles et organisées, comme les cristaux de glaces ou les spirales galactiques, est présente en effet tout autant dans le monde inorganique que dans le monde vivant. Ainsi, l'explication de l'origine des formes du vivant ne peut reposer uniquement sur le principe de sélection naturelle, qui doit être complémenté par la compréhension des mécanismes de génération de formes nouvelles dans lesquels l'auto-organisation est centrale. Or, ceci s'applique aux formes sociales et culturelles du vivant, en particulier aux formes de la parole et du langage. Je vais donc ainsi commencer par articuler de manière générale les relations entre auto-organisation, sélection naturelle et néo-Darwinisme pour la compréhension de la genèse des formes du vivant. Je vais ensuite instancier ces relations dans le cadre des trois questions que j'ai énoncées ci-dessus. J'expliquerai alors pourquoi l'utilisation de simulations et de modèles informatiques est fondamentale pour faire progresser les théories qui y sont afférentes. Enfin, je présenterai un exemple d'expérimentation d'un modèle informatique qui montre que certains mécanismes simples de couplages sensorimoteurs permettent de générer des systèmes de parole combinatoriaux, caractérisés par la dualité universaux/diversité, et partagés culturellement. Je conclurai par les scénarios évolutionnaires que cette expérimentation informatique vient complémenter ou renouveler.