J'en avais parlé avec un étudiant en jesaisplusquoi qui faisait de la linguistique et qui me disait que c'était parce que dans la langue française, les syllabes sont toutes bien prononcées alors qu'en anglais les syllabes sont mâchées, souvent réduites à un seul son sur lequel on peut vocaliser.
Bref, l'anglais peut se fondre au milieu des instruments alors que le français reste devant et capte l'attention. Le français est une langue à texte, l'anglais une langue à vocalises. Souvent, même les anglophones ne comprennent pas les paroles (et souvent c'est tant mieux).
Il m'avait donné deux exemple: l'anglais est la langue la plus facile à imiter en yaourt (suffit de mastiquer les syllabes comme si on avait la bouche pleine) parce qu'elle ne s'articule pas (contrairement au français, à l'allemand, au japonais ou au russe).
Deuxième exemple: Asereje, la chanson de Las Ketchup.
Le refrain est:
Aserejé ja de je
De jebe tu de jebere
Seibiunouva majavi
An de bugui an de güididípi
C'est la transcription phonétique en espagnol des premières phrases du Rapper's Delight de Sugarhill gang:
i said a hip hop the hippie the hippie
to the hip hip hop, a you dont stop
the rock it to the bang bang boogie say up jumped the boogie
to the rhythm of the boogie, the beat
Cette caractéristique est d'ailleurs un avantage dans le rap, les anglophones doivent forcer la scandation de leur texte alors qu'en français ça coule tout seul.
Pareil pour la chanson à texte: en français on peut les chanter, Bob Dylan devait les parler.