Blog

Comment servir et écouter aujourd’hui les trésors musicaux du passé ?

Par : Jean Viardot

Formation Supérieure aux Métiers du Son Directeur de mémoire : Valentin Bauer, Octobre 2023

Résumé

Les musiques afro-américaines des années 1950-60 ont influencé jusqu’à aujourd’hui plusieurs générations d’artistes. Pourtant, leurs enregistrements originaux ne sont plus aussi largement écoutés qu’autrefois. Le grand public ayant été formé à une écoute stéréophonique de haute définition, écouter des masters monophoniques au rendu bruité, déséquilibré et étriqué peut aussitôt sembler inhabituel, non spontané. C’est pourquoi, dans l’engouement suscité par l’audio immersif, notre étude cherche à savoir dans quelle mesure remixer en son immersif des masters monophoniques de blues, R&B et soul des années 1950-60 peut faire sens aujourd’hui sur le plan musical, culturel et historique.

Nous concevons une première expérience réunissant 24 ingénieurs du son, musiciens et experts du répertoire ciblé. Par un entretien semi-dirigé, une séance d’écoute avec questionnaire et une séance de remixage en son spatialisé de trois morceaux de blues, R&B, soul, elle vise à évaluer les comportements de réflexion, d’écoute et de remixage vis-à-vis de masters originaux des années 1950-60. Parmi les principaux résultats, les participants estiment pour deux morceaux que leur propre remixage favorise davantage la musique que le master original. Nous identifions le master original entravant le plus selon eux le message musical délivré, et nous en réalisons un remixage en son immersif, fidèlement à leurs commentaires et à leurs actions.

Dans une seconde expérience, un premier test d’écoute comparative du master original et de notre master remixé vise à connaître l’intérêt musical et culturel de présenter celui-ci au grand public. Huit professionnels de l’industrie phonographique jugent notre remixage respectueux de la musique, valorisant l’arrangement et susceptible de plaire. Le second test vise à connaître la préférence de 45 consommateurs de musique entre les deux versions. Une large majorité préfère écouter la chanson dans notre remixage, aurait envie de l’écouter plus souvent ainsi et de profiter en son immersif des autres chansons du label.

Abstract

African American music from the 1950s-60s has influenced various generations of artists. However, nowadays, consumers do not listen to these original recordings as widely as before. Being used to listening to high-fidelity stereo recordings, they may have difficulties listening to noised, disturbed, or tight mono recordings. Therefore, amid the current immersive audio craze, our study aims to understand how remixing in immersive audio 1950s-60s mono blues, R&B, soul recordings may be meaningful today, on the musical, cultural and historical levels.

Our first experiment gathers 24 sound engineers, musicians and experts of this musical repertoire. It aims to assess thinking, listening, and remixing behaviors towards the 1950s-60s original masters, through a semi-structured interview, a listening session with a questionnaire, and a spatialized audio remixing session of three blues, R&B, and soul recordings. Among the main results, regarding two songs, the participants think that their remix better fits the music than the original master. After identifying the worst original master with respect to the musical purpose according to them, we have remixed it in immersive audio, faithfully to their comments and actions.

In our second experiment, a comparative listening test between the original master and our new immersive audio master aims to understand the musical and cultural point to be able to introduce it to a wider audience. Eight experts from the phonographic industry assess that our remixed master respects the music, highlights the instrumental arrangement and would appeal to people. A second test aims to find out the preference between both versions of 45 music consumers. By an overwhelming majority, the participants prefer to listen to our immersive remix. Furthermore, they would like to listen to this song more often in the immersive format, and call for listening to other songs from the label in the same immersive audio conditions.

Introduction

La restauration par intelligence artificielle d’images captées au début du XXᵉ siècle⁣¹ détient le pouvoir de faire émerger en chacun de nous une nouvelle réflexion sur le temps passé. Empreint d’un réalisme inédit, ce nouvel objet nous livre en effet de cette époque une vue en tous points différente de celle que notre mémoire lui connaissait. La temporalité jusque-là évidente d’un film devient soudain sous-jacente. Au premier regard, la haute définition et le fluide enchaînement de ses images nous laissent logiquement croire à un film actuel. Mais l’instant suivant, des signes évidents d’un passé plus lointain (vêtements, accessoires, coiffures) contrarient notre première impression. Dès lors, un phénomène psychique survient en nous : la dualité époque passée (réalité) / époque simultanée (apparence). C’est cette dualité qui trouble l’œil et l’esprit, nous fait perdre la notion du temps et de l’espace, nous rend momentanément autre.

À la lumière de cette révolution technique, pouvons-nous croire à une expérience sensorielle analogue dans le domaine de l’audio ? Pouvons-nous, en remodelant le son d’un enregistrement monophonique, entendre nous situer soudain devant les musiciens de la séance, être instantanément projetés plusieurs décennies en arrière entre les murs du studio d’enregistrement ? En retravaillant l’aspect de l’objet qu’est l’enregistrement, on pourrait au moins espérer percevoir et apprécier autrement son contenu musical. Certes l’objectif est ambitieux ; mais certains procédés actuels, comme la séparation de sources et le mixage en son immersif, entretiennent aujourd’hui l’espoir de nous le faire vivre.

Toutefois, avant de songer à une quelconque expérience perceptive, il est nécessaire d’examiner le bien-fondé de cette démarche au travers d’une étude pratique et approfondie. Ce projet soulève en effet dans plusieurs domaines d’importantes questions, que nous aborderons.

Au vu de ce que nous avons évoqué, deux grandes problématiques se présentent à nous :

1. Dans quelle mesure remixer en son immersif des masters monophoniques fait-il sens aujourd’hui sur le plan culturel, historique et artistique ?
2. Cette démarche de travail répond-elle à une envie particulière des consommateurs actuels vis-à-vis des enregistrements anciens ?

Dans l’histoire de l’enregistrement musical, la période 1950-60 constitue une époque charnière. Pour la première fois en effet, le preneur de son ne dispose plus d’une seule empreinte sonore possible pour l’enregistrement d’une œuvre – celle imposée auparavant par la gravure directe sur le disque – mais d’un tout premier nuancier de couleurs sonores, grâce notamment à l’éclosion de l’enregistrement magnétique. L’une d’elles est ainsi choisie pour incarner finalement, en lien étroit avec l’œuvre et le style musical à enregistrer, l’esthétique sonore de l’enregistrement. Cette période est aussi extrêmement fertile musicalement. Dans le dur contexte de ségrégation raciale sévissant aux États-Unis, plusieurs artistes de blues, de rhythm and blues (R&B) et de soul s’installent très vite au sommet du paysage musical populaire. Grâce aux nouvelles techniques d’enregistrement, le caractère perpétuellement organique et créatif de leur musique transpire aussi désormais au travers d’esthétiques sonores bien caractéristiques.

Mais tout en pouvant considérer que la plupart des enregistrements de blues, R&B et soul des années 1950-60 ont été réalisés avec beaucoup de clairvoyance et une certaine maîtrise d’un matériel d’enregistrement certes en progrès mais encore limité, pensons-nous forcément pour autant que tous témoignent d’un rendu sonore « idéal » vis-à-vis de la musique annoncée ? Pensons-nous forcément que le rendu sonore de ces masters originaux est en tous points conforme à la manière dont l’œuvre a été pensée, composée, arrangée et interprétée ? Croyons-nous qu’il est vraiment celui qui place le potentiel de ressenti de l’œuvre à son plus haut niveau ? Cela concerne tant le respect et la mise en valeur de l’esthétique musicale, de la composition et de l’arrangement qui ont été pensés et organisés consciemment par les artistes, que le jeu d’interprétation et le son spécifique de chacun des musiciens de la séance.

Ces interrogations, orientées vers la problématique a, figurent au centre d’une première expérience que nous consacrons à trois masters originaux du répertoire cité. Celle-ci vise à étudier les comportements de réflexion, d’écoute et de remixage, lors d’une séance de remixage particulière. Nous obtenons les pistes séparées de ces enregistrements, inexistantes à partir des premiers magnétophones, grâce à une technologie récente de séparation de sources basée sur l’intelligence artificielle. Ce test, qui réunit ingénieurs du son, musiciens et experts musicaux du répertoire concerné, vise donc précisément à analyser leur évaluation du rendu sonore de ces masters originaux (Q.R.1) et de leurs masters remixés (Q.R.3) vis-à-vis de la musique, leur degré d’engagement dans la séance de remixage (Q.R.2) et la cohérence entre leurs réponses émises à l’entretien préliminaire et leurs choix de remixage (Q.R.4).

Cette première expérience donnera naissance à une seconde qui s’attachera à répondre à la problématique b. Nous tirerons en effet des remarques des participants de la première expérience l’enregistrement présentant le rendu sonore le moins en accord avec ce que suggère selon eux la musique. Nous en réaliserons un remixage en son immersif, fidèlement aux caractéristiques musicales relevées et aux choix de remixage privilégiés par l’ensemble des participants. Finalement, nous organiserons un test d’écoute comparative entre la version sonore originale de cette chanson et notre version remixée. Dans un premier test, nous solliciterons l’expertise de producteurs musicaux, de réalisateurs artistiques et d’ingénieurs du son pour savoir si notre version remixée présente aujourd’hui un intérêt culturel et musical à être entendue par le grand public, et si elle pourrait prétendre à être commercialisée aux côtés de la version originale (Q.R.5). Puis, dans un second test d’écoute comparative, nous demanderons à une partie du grand public (musiciens, non musiciens et experts du répertoire concerné) à travers laquelle des deux versions sonores ils préfèrent écouter cette chanson (Q.R.6).

Ainsi, nous serons en mesure de conclure notre étude sur le degré de pertinence musicale, culturelle et historique que présente aujourd’hui l’action de remixer en son immersif un master monophonique de blues, R&B ou soul produit dans les années 1950-60 (a). En plus de cela, nous pourrons savoir si cette nouvelle approche de travail répond en fait à une envie particulière des consommateurs actuels vis-à-vis des enregistrements anciens (b).

Notre étude s’organise donc en trois temps : une revue de littérature des principaux thèmes évoqués, l’expérience n°1 répondant à la problématique a, et l’expérience n°2 complétant la réponse à la problématique a et traitant la problématique b. Dans une discussion finale, nous confronterons les résultats de nos expériences avec les données issues de la littérature pour enrichir notre réponse aux problématiques a et b.

I. État de l’art

A. Enregistrer et écouter la musique blues/R&B/soul dans les années 1950-60 : allier organicité musicale et nouvelles techniques d’enregistrement

Nous proposons dans cette première partie une plongée dans les années 1950-60 au cœur de l’enregistrement musical aux États-Unis. Comme notre étude souhaite évaluer l’intérêt de remixer en son immersif la musique blues/R&B/soul de cette période, nous chercherons ici à comprendre ce qui fait son essence et comment les ingénieurs du son exploitent les nouvelles techniques sonores pour l’enregistrer tout en calibrant leur produit aux modes d’écoute du grand public.

1. Exprimer son identité noire dans la musique afro-américaine

Malgré l’abolition de l’esclavage, les États du Sud ne reconnaissent pas les amendements de la Constitution des États-Unis qui établit depuis 1870 l’égalité des droits civiques entre tous les citoyens américains. À travers les lois Jim Crow, ils instaurent jusqu’au milieu des années 1960 une politique de ségrégation raciale entre les Blancs et les Noirs dans tous les lieux publics (Poole, 2014). Celle-ci s’opère jusque dans les magasins de disques, dont les premiers ouvrent dans les années 1920. On y trouve alors des « pop records », des enregistrements de musique interprétée « par et pour les Blancs », et des « race records », similairement pour les Noirs (Pirenne, 1994). Notons pourtant que de nombreux Blancs américains se procurent assez tôt certains de ces « race records ». Les musiciens noirs y affirment leur identité dans trois genres dominants, le blues, le rhythm and blues et la soul, qui impliquent alors des moyens d’expression différents.

1) Le blues

Le blues naît bien avant l’industrie discographique. Il puise dans son essence dans les work songs² récités par les esclaves et travailleurs noirs durant la deuxième moitié du XIXᵉ siècle, en particulier la période esclavagiste (Woods, 2017). Bien que son style s’en éloigne dès les années 1920, notamment par l’emploi de la guitare acoustique, il en conserve l’idée de posséder peu pour exprimer beaucoup.

Traditionnellement, le Delta blues du Mississippi ne fait appel qu’à un chanteur-guitariste comme Robert Johnson qui, avec un lyrisme très organique, exprime toute la douleur, la plainte et l’amertume du peuple noir (Ausseil et al., 1995). Le tempo souvent lent mais appuyé traduit l’envie de voyager mais la difficulté pour y parvenir. Il s’accélère parfois sous la forme d’un boogie pour alléger le propos. De plus en plus, des instruments tels que la contrebasse, le piano, les vents (clarinette, saxophone, trompette, trombone), et des chœurs viennent s’ajouter à la voix (Bessie Smith, Georgia White) et à la guitare (parfois remplacée par le banjo) pour donner plus de poids aux sentiments véhiculés (Jolibert, 2002). Le blues migre ensuite à Chicago à l’aube des années 1950 (Muddy Waters, Howlin’ Wolf), où l’instrumentarium s’électrifie aussitôt, à l’image de la guitare, soliste désignée avec l’harmonica (Bas-Rabérin, 1973). Pour compenser cette nouvelle puissance de l’orchestre, la batterie apparaît. Par la douleur qu’il continue d’exprimer en fond, le blues s’exporte ensuite au-delà des frontières américaines.

2) Le rhythm and blues

Révélé aux États-Unis au début des années 1940, le rhythm and blues est une définition musicale d’après-guerre de la population noire américaine. Bien que le terme, abrégé R&B, puisse être traduit par l’expression « rythme et mélancolie », les musiciens de ce courant entendent donner beaucoup plus de poids au rythme qu’au blues souffreteux (Hofstein, 1991). Avec cette énergie portée sur un texte plus léger et plus drôle, ils veulent faire oublier le quotidien discriminatoire que subit la population noire depuis plusieurs décennies (Hofstein, 1991). Pour lancer ce courant effervescent, ces musiciens réunissent les marqueurs de trois genres inhérents à la musique noire : le rythme du jazz, le lyrisme du blues, et bien sûr le chant gospel, qui réunit à lui seul ces deux attributs (Ripani, 2006). C’est en 1949 que Jerry Wexler, bientôt producteur d’artistes R&B chez Atlantic Records, baptise le « rhythm and blues » dans le magazine Billboard, bannissant le terme discriminatoire de « race music » (Pirenne, 1994).

La batterie, la contrebasse (bientôt basse électrique), le piano et parfois la guitare électrique forment le socle rythmique. Et inspirée des big bands swing, la section de cuivres (au moins un saxophone et une trompette) égaient le répertoire en dialoguant avec la voix principale. Des artistes remuants tels que Fats Domino, Big Joe Turner et Ray Charles viennent ainsi au tournant des années 1950 donner un souffle nouveau à toute la musique américaine. C’est ce courant en particulier qui entraîne dans son sillage l’émergence du rock’n’roll (Garofalo, 2002).

3) La soul

La soul se construit dès le milieu des années 1950 (Guralnick, 2003). Mais comme le rhythm and blues mêle simultanément plusieurs courants, ce n’est qu’en 1969 que le magazine Billboard lui donne un nom (Pirenne, 1994). Soul signifie « l’âme » : celle d’une chanson, d’une voix ou des musiciens. Bien que l’empreinte rythmique du R&B reste bien marquée, c’est la voix qui par son éloquence, sa grandeur, son expressivité, puisée dans la tradition du chant gospel pour incarner l’âme des Noirs américains. Guralnick (2006) raconte que c’est Ray Charles qui, au milieu des années 1950, lance ce courant en étant l’un des premiers artistes à arranger des chants de gospel dans un cadre profane³, ce qui lui vaut de nombreuses réprimandes de la population afro-américaine. Mais c’est aussi lui qui introduit le terme en 1958 dans son album Soul Brothers. La soul reprend les effectifs denses du R&B en y incluant souvent l’orgue, en référence à l’église, le tout dans une cadence rythmique tantôt très douce, tantôt frénétique. Durant toutes les années 1960, au paroxysme de tension liée à la lutte des Noirs américains pour la reconnaissance des droits civiques, les voix poignantes d’Aretha Franklin et d’Otis Redding expriment l’émotion sincère de la population afro-américaine. Toutefois à cette même période, certains labels de soul/R&B comme Motown Records abandonnent l’idée d’une culture unique en destinant ouvertement leur musique aux deux publics, Noirs et Blancs (Guralnick, 2003). Non seulement cette orientation, secondée par la fin de la ségrégation raciale, marque peu à peu la fin de la musique noire exclusive aux États-Unis, mais le blues, le rhythm and blues et la soul continuent jusqu’à aujourd’hui d’exercer leur influence.

2. L’adoption de nouveaux moyens d’enregistrement

1) L’avènement de l’enregistrement magnétique

L’arrivée de l’enregistrement magnétique dans les studios d’enregistrement à la fin des années 1940 pose les bases d’une nouvelle ère sonore, dont profitent ensuite pleinement les productions des années 1950-60.

Dans les années 1920-30, les laboratoires cherchent à remplacer l’enregistrement musical électrique par un medium plus facile à lire et à la restitution sonore moins bruitée. Ils fondent leurs recherches sur l’enregistrement magnétique, dont le principe est défini dès la fin du XIXᵉ siècle par Oberlin Smith et Valdemar Poulsen : un courant circulant dans une bobine génère un champ magnétique qui provoque l’aimantation de fines particules disposées sur un support (Mercier et al., 2010). Fritz Pfleumer invente alors en 1928 comme support d’enregistrement la bande magnétique, une bande papier kraft avec de la poudre de fer. Bien que sa grande souplesse empêche encore une magnétisation durable, elle attire l’attention de la compagnie allemande AEG qui rachète le brevet et commence à développer le Magnetophon K1 (Kimizuka, 2012). Via une bande d’acétate puis de plastique, ce dernier devient le premier enregistreur magnétique utilisé pour la diffusion radio et, dès 1936, l’enregistrement de concerts⁴. Mais l’Allemagne nazie tient en secret cette prouesse dont elle profite grandement pendant le conflit mondial (Rémond, 2015).

En juillet 1945, l’ingénieur électricien Jack Mullin est envoyé en Allemagne pour examiner les outils de communication utilisés par l’ennemi durant la guerre. Dans l’un des bunkers, il découvre plusieurs Magnetophon AEG. Il en rapatrie deux aux États-Unis, les remet en état et les présente au chanteur Bing Crosby, qui cherche justement un moyen pour enregistrer ses shows à la radio avec une qualité sonore semblable à celle d’une émission en direct (Cogan & Clark, 2003). Devinant tout le potentiel de cet outil, celui-ci soutient Mullin dans ses travaux en le faisant nommer ingénieur-chef au sein de la jeune entreprise Ampex. En 1948, Mullin ouvre les portes de l’enregistrement magnétique à la radio et très bientôt aux studios d’enregistrement, en commercialisant l’Ampex Model 200A (Kimizuka, 2012).

Très vite, le magnétophone monophonique⁵ investit les studios américains. Les ingénieurs du son aperçoivent aussitôt les grands atouts de production qu’offre la bande magnétique. Parmi ceux-ci, la nouvelle bande passante est sans doute la plus évidente et la plus bénéfique (Cogan & Clark, 2003). La fidélité de reproduction est alors hautement améliorée, ce qui sert particulièrement à la définition des timbres des instruments. De plus, le souffle d’enregistrement causé par le support est avec la bande magnétique bien plus faible que celui qu’occasionne le disque gravé, tel qu’on enregistrait la musique jusque-là. Mais surtout, en coupant les bandes issues de différentes prises et en les assemblant convenablement, les ingénieurs du son peuvent faire du montage entre les différentes prises. Cette nouvelle méthode de production constitue une ressource importante pour les musiciens et les producteurs qui souhaitent corriger quelques passages d’interprétation. Il devient aussi plus aisé de naviguer temporellement dans l’enregistrement grâce au rembobinage de la bande et à la réactivité de la tête de lecture. Enfin, une bande peut être effacée et donc réutilisée pour d’autres enregistrements, là où quelques années avant, il était évidemment inimaginable de pouvoir gommer le sillon gravé sur un disque.

Le magnétophone mono d’abord utilisé est dit pleine piste, car son unique piste d’enregistrement occupe toute la hauteur de la bande (Rumsey & McCormick, 2002). Pendant quasiment toute la décennie 1950, il est le maillon final de la chaîne sonore de tous les enregistrements aux États-Unis, dont ceux des artistes de blues, de R&B et de soul. Comme il est réduit à une seule piste, les instruments continuent d’enregistrer tous à la fois, en live, comme au temps de l’enregistrement acoustique puis électrique. Les ingénieurs du son lui envoient une somme de signaux provenant de plusieurs micros, qu’ils mixent en direct pendant la séance sur des mixettes de 4 ou 8 voies (Gordon, 2013) (figure 5). Ces mixettes rudimentaires limitent bien souvent le nombre de micros utilisés, et ainsi la qualité de restitution de tous les instruments. La musique comme le mixage, tout se fait en direct. Si les producteurs souhaitent une meilleure prise, il faut donc en refaire une en entier et avec tous les musiciens.

Ainsi, l’enregistrement magnétique modifie d’abord légèrement le déroulé d’une séance d’enregistrement, il améliore surtout la qualité de restitution par rapport au disque. Le montage des bandes mixées constitue finalement une bande « master », envoyée aux stations de radio pour sa diffusion et aux compagnies de pressage de disques pour sa commercialisation (Rumsey & McCormick, 2002).

2) L’enregistrement multipiste, la question de l’overdubbing

Dès 1953, plusieurs studios commencent à se procurer des magnétophones bipistes⁶, 3 pistes, et bientôt 4 pistes. En octroyant par exemple une piste entière à la voix principale, les ingénieurs du son peuvent ajuster sa présence dans un mixage postérieur (Rumsey & McCormick, 2002).

Mais c’est à la fin des années 1950 que l’enregistrement magnétique vient possiblement modifier leurs habitudes de travail. Ampex inclut dans ses magnétophones la fonction simul-sync, qui rend la tête d’enregistrement capable de lire la bande avec une qualité de restitution acceptable.

Lecture et enregistrement peuvent donc être synchrones, lançant la mode de l’overdubbing⁷. Initiée dès 1950 par Les Paul avec deux enregistreurs mono, cette technique consiste à enregistrer une partie musicale par-dessus une autre enregistrée précédemment sur une autre piste (Bode, 1984). Pour un confort acoustique ou d’interprétation, les ingénieurs du son peuvent désormais enregistrer séparément chaque section instrumentale. En particulier, un musicien peut effectuer plusieurs prises de son passage soliste sans demander au reste de l’orchestre de jouer avec lui. Et un autre peut chanter ou jouer plusieurs voix sur un même passage.

Mais malgré l’atout apparent que représente cette pratique, les producteurs de blues, de R&B et de soul s’en tiennent d’abord à ce que suggère la musique⁸. Comme exposé en section I.A.1., la musique afro-américaine exprime avant tout un certain sentiment, une certaine énergie que les musiciens se sentent appelés à partager et interpréter collectivement, simultanément. La majorité de ces musiques reste donc principalement enregistrée dans la même pièce et en live (Gordon, 2013). Grâce au format de la prise de trois minutes, le grand public profite alors d’interprétations profondes et uniques de chanteurs de blues comme Howlin’ Wolf⁹ et de soul comme Otis Redding¹⁰, et parfois déchaînées avec Big Mama Thornton¹¹ et Ray Charles¹² en R&B.

Mais au cours des années 1960, le label de R&B Motown Records commence à se détacher de cette philosophie. Bien qu’il conserve d’abord l’enregistrement live, son fondateur Berry Gordy se procure en 1965 une nouvelle machine 8 pistes¹³. Il veut valoriser les riches arrangements des productions de la maison en les enregistrant dans des conditions acoustiques favorables (multi- cabines) et surtout séparément (overdubbing). Pour la chanson Ain’t No Mountain High Enough¹⁴ (1967), il enregistre d’abord en live la section rythmique, puis par overdubs successifs, la section de cuivres, de cordes, de percussions, et finit avec le duo vocal Marvin Gaye / Tammi Terrell. Tandis que Chess, Atlantic et Stax privilégient l’énergie musicale commune et instantanée digne des musiques afro-américaines, « Hitsville¹⁵ » veut concevoir un produit dédié à tous les publics, en exploitant tous les atouts de l’enregistrement multipiste (Bowman, 1997).

3) La chambre d’écho, signature d’un label

Les studios de musique afro-américaine veulent aussi offrir un espace sonore à leurs enregistrements ; ils construisent dans leurs locaux une ou plusieurs chambres d’écho. Dans ce volume très réverbérant, l’ingénieur du son diffuse la bande d’une piste ou d’un master. Par un micro, il y récupère la source réverbérée qu’il mixe ensuite avec les autres instruments enregistrés. Comme chaque chambre d’écho est unique acoustiquement, elle contribue à définir la signature du label, que le support magnétique est capable de retranscrire (Cogan & Clark, 2003).

Capitol Records, qui produit certains artistes de jazz convertis au R&B comme Louis Prima, en possède quatre dans les années 1950 (figure 6). À dix mètres de profondeur sous les studios de prise, leurs murs épais sont contenus dans un autre volume plus grand et séparé par un système de ressorts pour s’affranchir des vibrations extérieures (principe de la boîte dans la boîte) (Cogan & Clark, 2003). Les ingénieurs du son choisissent aussi la chambre en fonction du format mono ou stéréo du master (Cogan & Clark, 2003). Ces réverbérations naturelles marquent aussitôt le cachet du « son Capitol », comme nous l’entendrons en section II.A.1.1.

4) Le progrès du microsillon

Une fois le produit finalisé, l’enregistrement du magnétophone est gravé sur un disque acétate qui sert de modèle à des matrices utilisées pour le pressage de disques de polychlorure de vinyle (PVC), destinés au commerce (Rumsey & McCormick, 2002). Ce matériau plastique, bien moins lourd, moins fragile et moins coûteux que la gomme-laque (shellac), s’impose très rapidement et durablement sur le marché américain de l’enregistrement. En 1947, le label Columbia brevète le microsillon, un disque vinyle au sillon extrêmement fin qui accroît soudain la qualité audio des enregistrements des années 1950 et crée deux nouveaux formats commerciaux, l’album 33 tours et le single 45 tours (Kimizuka, 2012). En 1952, l’inventeur et ingénieur du son Emory Cook profite de cette finesse de gravure pour appliquer le concept de la gravure stéréophonique de Blumlein (Rumsey & McCormick, 2002) : le microsillon stéréo voit le jour (Barry, 2010). Dès 1958, plusieurs centaines d’enregistrements stéréophoniques sont commercialisés aux États-Unis. Toutefois, ce nouveau mode de gravure présente aussi d’importantes contraintes techniques, très vite compensées par les studios. Par nature, les basses fréquences ont une grande amplitude et une lente modulation (Rumsey & McCormick, 2002). La pointe peine donc à les graver à l’enregistrement et à les reproduire à la lecture du disque. Pour ôter cette contrainte, la Recording Industry Association of America instaure au début des années 1950 l’égalisation RIAA, qui indique à l’ingénieur du son d’atténuer les basses fréquences et d’amplifier les hautes fréquences avant la gravure (Rumsey & McCormick, 2002). Sans respect de cette courbe, la mauvaise gravure des basses fréquences pourrait distordre l’enregistrement et réduire le temps d’enregistrement disponible sur une face de disque. En réglant l’égalisation inverse à la lecture, l’auditeur retrouve le signal original. Cette méthode d’égalisation, approuvée dès 1954 par la majorité des studios américains, contribue grandement au succès populaire du disque vinyle (Stotzer, 2003).

3. La nécessité de privilégier le master monophonique

1) La diffusion radiophonique

Aussi précieux soient leurs nouveaux atouts d’enregistrement et de mixage, les ingénieurs du son sont priés par les producteurs de faire correspondre les masters aux moyens usuels d’écoute du grand public. Car invariablement, l’objectif reste de vendre.

Avant le succès de la télévision dans les années 1960, le moyen dominant pour la diffusion de l’information et de la musique reste la radio. En plus du poste sédentaire du salon, divers appareils à lampe plus petits, plus mobiles et parfois plus fantaisistes viennent satisfaire le quotidien de millions de personnes. Dès 1954, les consommateurs emportent partout avec eux leur petit poste à transistors. Et pour encourager cet usage, la radio FM vient grandement améliorer la qualité du signal émis (Lemesle, 2015). Les labels de distribution envoient donc les disques récemment pressés aux stations radiophoniques locales pour qu’elles diffusent le plus rapidement et le plus souvent possible. Avec cette forme consommatrice de l’écoute musicale, le but est de faire aimer au grand public le nouveau tube de l’artiste et lui donner envie de se procurer le disque 45 tours en magasin (Bowman, 1997). Or tous les postes de radio fixes et mobiles des années 1950-60 sont mono (Lemesle, 2015). Ainsi, malgré l’explosion du format stéréo, plusieurs labels importants de musique blues/R&B/soul exigent encore pendant plusieurs années à l’ingénieur du son de prioriser le rendu sonore du master mono. De cette manière, ils se garantissent une certaine corrélation entre ce qu’ils produisent et ce que les gens entendent.

2) Les disques à commercialiser

Mais la nécessité pour les maisons de disques de favoriser le master mono ne s’arrête pas à la première écoute du grand public ; elle persiste quand ce dernier a acheté leur disque.

Avec l’apparition du microsillon, plusieurs modèles de postes de radio intègrent une platine de disque vinyle. Mais la pointe d’un tourne-disque mono, qui ne se déplace que latéralement, peut user un disque stéréo. Le grand public qui possède majoritairement cet appareil moins coûteux que la platine stéréo, est donc prévenu : une platine mono (figure 8) ne peut lire que des disques mono (Gilotaux, 1967). Non seulement les ingénieurs du son doivent alors systématiquement livrer chaque nouvel album dans les deux formats, mais ils sont priés par le label de privilégier le mixage mono pour favoriser les ventes. Nous verrons alors en section II.B.1.1. et III.B.4. dans quelle mesure ce format dicté il y a 60 ans profite aujourd’hui à la musique.

Finalement, les entreprises phonographiques évitent cette double production en adoptant au cours des années 1960 la gravure universelle, qui modère l’amplitude verticale du sillon, ce qui met les deux canaux plus en phase et densifie donc le centre de l’image stéréo. Ces nouveaux disques stéréo compatibles peuvent être lus par toutes les platines, mais accélèrent la transition vers les platines stéréo (figure 9) pour profiter du nouvel espace sonore (Gilotaux, 1967).

B. Dolby Atmos, l’écoute musicale immersive

1. Mixer en Dolby Atmos

1) Présentation de la technologie

Le Dolby Atmos est une technologie de son immersif mise au point par les laboratoires Dolby en 2012. D’abord introduite dans les salles de cinéma, les disques Blu-ray et divers services de streaming vidéo payants, elle commence depuis plusieurs années à investir l’industrie musicale.

En immergeant l’auditeur au sein d’un système de haut-parleurs pouvant atteindre 64 unités, Dolby (2020) lui promet une expérience inouïe. Standardisé 7.1.4 (figure 10), ou parfois 9.1.6, 11.1.8, le Dolby Atmos est en effet l’un des seuls formats audio à proposer une dimension verticale à sa restitution. Dans les salles de cinéma équipées, et plus tard dans les salles de concert, ceci se traduit par l’alignement de deux rangées longitudinales de haut-parleurs suspendus au plafond. Un ou deux caissons de basses à l’arrière de la salle viennent aussi s’y ajouter (Cabanillas, 2020). À la demande des labels musicaux, de plus en plus de studios de mixage, comme le studio Guillaume Tell près de Paris, commencent dès 2016 à s’équiper d’une douzaine de nouveaux haut-parleurs (7 autour de soi, 4 au-dessus et 1 subwoofer pour le standard 7.1.4) et d’un moteur de rendu Dolby Atmos pour mixer ou remixer diverses productions en son immersif. Les ingénieurs du son apprennent donc à mixer en 3 dimensions (largeur, profondeur, hauteur), et à sculpter un nouvel « environnement sonore » pour la musique traitée. Par exemple, s’il le souhaite, cette technologie permet à l’ingénieur du son d’élargir la scène sonore d’un enregistrement symphonique, passant de 60° (stéréo) à 100° ou même 180°. En dissociant les sources, il est aussi en mesure de les démasquer et de former autour d’elles un nouvel espace propre (Simon, 2018).

2) Le mixage orienté objet

En mixage stéréo, l’ingénieur du son place chaque source en fonction des canaux (plutôt vers l’enceinte de gauche, plutôt vers celle de droite, etc.) (Rumsey & McCormick, 2002). En mixage immersif, il n’a plus cette contrainte frontale et peut disposer chaque source, qu’il nomme alors « objet », où il le souhaite dans l’espace sonore formé par le dôme d’enceintes. Très simplement, il peut définir la taille et l’orientation de cet objet dans l’espace, et même lui assigner des trajectoires manuelles ou automatiques, sans jamais se préoccuper de son système de diffusion (Erard, 2020). Il ne se soucie donc plus d’insérer son mixage dans une « image sonore » stéréophonique, mais de construire avec ses objets un « environnement sonore ». Le Dolby Atmos Renderer (figure 11), moteur de rendu du Dolby Atmos communicant avec la station audionumérique, peut accueillir jusqu’à 128 objets en entrée et les diffuser ou exporter vers 64 sorties physiques indépendantes (Dolby, 2021). Dedans, le mixeur peut visuellement y mixer ses sources dans un bed (7.1, 9.1, 11.1…), qui est dépendant du système de diffusion de la régie de mixage, ou bien à la manière d’un mixage orienté objet qui, comme défini précédemment, ne l’est pas. Finalement, le bed, les objets, et les métadonnées de ces objets qui contiennent toutes leurs données spatiales (position dans l’espace 3D, taille, orientation…), constituent le format Dolby Atmos (Dolby, 2020). Au terme du mixage immersif, l’ingénieur du son en réalise un export en 12 canaux, destiné aux plateformes de streaming dont nous étudierons l’offre en section I.B.3.2. Cet export est également encodé en 2 canaux, métadonnées comprises, pour une écoute binaurale au casque. D’autres logiciels de mixage orienté objet existent avec des performances similaires, comme SPAT Revolution¹⁶ développé par Flux et l’Ircam, que nous utiliserons dans le cadre de ce mémoire (voir section II.A.2.1.).

3) Comment mixer en Dolby Atmos ?

Les nouvelles fonctionnalités du mixage en son immersif ouvrent de nouveaux horizons aux méthodes de travail des ingénieurs du son. Néanmoins, ceux-ci doivent garder à l’esprit certains réflexes qu’ils avaient en mixage stéréo. Lors d’une table ronde consacrée au remixage et au remastering en Dolby Atmos d’enregistrements stéréo, certains d’entre eux livrent leur expérience et les habitudes de travail qu’ils ont acquises en la matière (Thornton, 2020). Tout d’abord, tous rappellent qu’il est question avant tout de musique, que comme en stéréo, « le plus important […] est de réaliser un mixage dans lequel l’artiste puisse se reconnaître ». Les ingénieurs du son restent également toujours aussi attentifs à l’écoute du grand public : « Si l’on est distrait par quelque chose qui soit étranger à la musique, alors il y a erreur dans le mixage », annonce l’un d’eux. Cependant, ils reconnaissent que « l’implication de la musique vers la spatialisation n’est pas immédiate, [que] c’est un exercice très difficile ». Par exemple, en devant remixer en son immersif un titre des Rolling Stones à partir des bandes multipistes, l’un des mixeurs déclare qu’il est « très difficile de conserver quelque chose de compact dans un mixage spatialisé ». En travaillant majoritairement en mixage orienté objet, les ingénieurs du son apprécient enfin « ne pas avoir besoin de tasser le mixage dans un petit espace », ce qui les incite souvent à mixer en Dolby Atmos « avec beaucoup plus de dynamique » qu’ils ne le feraient en stéréo, tout en se conformant aux outils de mesures. De cette expérience du mixage stéréo, ils conservent en revanche la vérification nécessaire de la compatibilité aux autres formats. Bien qu’ils reposent leur travail sur la version originale stéréo, ils vérifient davantage la compatibilité de leur mixage avec les autres formats multicanaux (5.1, 7.1…). En particulier, vérifier la compatibilité en binaural demeure essentiel selon eux, car c’est dans ce format que les auditeurs au casque entendront leur produit, après l’encodage du master sur 2 canaux. Enfin, les ingénieurs du son exploitent la nouvelle dimension verticale pour « obtenir quelque chose de plus grand », former avec les enceintes du bas un véritable dôme sonore, pour parvenir à l’immersion recherchée. Finalement, avec l’apport déterminant du mixage orienté objet, ils voient le Dolby Atmos « en passe de devenir le principal medium d’écoute musicale multicanale ». À l’inverse du précédent format 5.1, le Dolby Atmos offre selon eux un « environnement sonore retranscrit intelligemment à partir des canaux latéraux et arrière, mais aussi des informations spatiales des objets sonores ». Dans notre étude, nous observerons en sections III.B.4. et III.C.4. les apports du remixage en son immersif pour une œuvre enregistrée en mono.

2. Le remixage en Dolby Atmos de masters monophoniques : l’exemple de Pet Sounds

1) Origine du projet

Le 2 juin 2023 est sorti une version remixée en Dolby Atmos de l’album Pet Sounds des Beach Boys, enregistré en mono en 1966. Ce projet unique est intervenu à la demande du groupe lui-même, qui a confié les bandes originales multipistes à Giles Martin, fils de George Martin le célèbre producteur des Beatles (Tamarkin, 2023). Pet Sounds marque un tournant dans l’approche d’enregistrement du groupe et a ainsi grandement influencé les Beatles dans leurs productions ultérieures (Lambert, 2008). Précédemment, Giles Martin avait déjà remixé en son immersif plusieurs albums des Beatles comme Sgt. Pepper’s Lonely Hearts Club Band (1967), Abbey Road (1969) puis Revolver (1966) (Tamarkin, 2023).

2) Intérêts et objectifs de remixage

Livrant son expérience, Giles Martin nous donne de précieuses clefs pour le remixage en son immersif de masters monophoniques des années 1960. Honoré de cette demande du groupe, il raconte comment son travail de remixage repose avant tout sur son amour inconditionnel de la version mono originale : « Sur mon bureau, la version mono tourne en boucle. Par essence, je pense que l’idée est de ne pas changer l’ADN de quelque chose mais plutôt d’améliorer l’expérience d’écoute, d’être vraiment à l’écoute de votre ressenti de fan et d’essayer de s’assurer d’honorer l’esprit de l’enregistrement » (Tamarkin, 2023). Ainsi, Martin a voulu penser comme un musicien du groupe, ressentir à travers la version originale leurs intentions. « Vous écoutez le mix mono original et vous essayez de débloquer ce qu’ils essayaient de faire. Vous ne pouvez pas être eux, mais vous essayez de comprendre. Il ne s’agit pas de technologie, il s’agit d’une chanson, et si une chanson vous fait ressentir quelque chose » (Cruse, 2023). Le producteur suit ainsi fortement la priorité musicale confiée par les ingénieurs du son en section I.B.1.3. Mais selon lui, respecter cette musique, c’est aussi voir toutes les « couleurs, les textures et l’imagination » qui composent les morceaux de cet album et qui méritent d’être mieux perçues dans un nouvel espace (The Beach Boys, 2023). « Placer ces sons dans un espace immersif signifie […] que vous pouvez entendre des instruments que vous n’avez jamais entendus auparavant », déclare Martin (The Beach Boys, 2023). Par ailleurs, il est conscient des habitudes d’écoute d’une génération actuelle « qui n’écoute pas de mono » (Cruse, 2023). Ainsi, pour respecter à la fois la musique et les préférences d’écoute d’aujourd’hui, il voit à travers le Dolby Atmos une solution : « La grande chose à propos de l’audio immersif est que vous pouvez avoir des racines au milieu et faire venir des voix autour de vous » (Cruse, 2023). Guidé également par la version stéréo mixée par Mark Linett en 1997, Giles Martin dévoile la démarche qu’il a entreprise et ses principaux objectifs de remixage pour Pet Sounds : « Ce que j’ai essayé de faire, c’est […] de trouver un sens à ce que c’est d’être dans le studio avec le groupe. Je pense que l’intimité est la clé » (Tamarkin, 2023). Par ces termes, Martin annonce l’un des grands enjeux que peut présenter l’évolution immersive d’un master mono original, le réalisme sonore. Il veut ainsi signifier que se sentir devant les musiciens en écoutant un remixage immersif peut pleinement contribuer à capter toute « l’imagination » musicale contenue dans cet album. Finalement, dans cette idée, Martin se sentirait « honoré et privilégié » si ce remixage permettait de ramener l’auditeur « au temps où il a entendu l’album pour la première fois » (Tamarkin, 2023). Démocratiser l’écoute de Pet Sounds, tel est donc avec ce projet immersif le souhait ultime des Beach Boys et de Giles Martin.

3. L’offre du Dolby Atmos au grand public : les plateformes de streaming audio

Examinons à présent à travers l’offre des plateformes de streaming audio, dans quelle mesure les consommateurs de musique ont aujourd’hui accès à des enregistrements mixés ou remixés en Dolby Atmos.

1) Le streaming audio, le medium plébiscité pour l’écoute musicale

L’écoute musicale constitue une activité du quotidien de plus en plus présente. D’après une étude menée par la Fédération internationale de l’industrie phonographique¹⁷ auprès de 44000 personnes du monde entier âgées de 16 à 64 ans (2022), l’écoute hebdomadaire musicale atteint en moyenne dans le monde 20,1 heures en 2022, contre 18,4 heures en 2021. En France, ce volume horaire est passé de 16,6 à 16,9 heures. Nous apprenons qu’en plus du bien-être que la musique provoque selon les personnes sondées, l’une des principales causes de cette croissance d’activité réside dans l’offre soumise. En particulier, les plateformes de streaming audio proposent un choix de musiques extrêmement vaste et varié, le tout à la demande, et sans publicité pour les abonnés. La part des usagers des plateformes de streaming audio (abonnés et non-abonnés) représente aujourd’hui 74% des personnes interrogées dans cette étude exercée dans 22 pays qui représentent 89% des revenus du marché mondial de la musique enregistrée (IFPI, 2022). Mais nous apprenons surtout, en termes de temps d’écoute, que l’écoute musicale par abonnement aux plateformes de streaming audio est le premier moyen d’écoute musicale en France (22%, à égalité avec la radio) et dans le monde (24%). Ces services sont donc à la fois le présent et l’avenir de la consommation de la musique enregistrée dans le monde.

2) L’introduction d’un catalogue musical en son immersif

D’après les statistiques données précédemment, il appartient tout logiquement aux différents services de streaming audio de proposer un catalogue d’enregistrements mixés en son immersif. Nous résumons dans le tableau 1 leur offre actuelle en la matière.

Plateforme de streaming audio	Dolby Atmos	Sony 360 Reality Audio	Stéréo
Tidal	X	X	X
Amazon Music	X	X	X
Apple Music	X		X
Spotify			X
Tencent Music			X
Deezer			X
Qobuz			X
YouTube Music			X

Sur les 8 plateformes de streaming audio qui comptent le plus d’abonnés, 3 proposent des catalogues musicaux en Dolby Atmos (Tidal depuis 2020, Amazon Music et Apple Music depuis 2021). Tidal et Amazon Music s’ouvrent également à l’autre format immersif existant, le Sony 360 Reality Audio (Kagan, 2022). Concentrons-nous sur Apple Music, le deuxième service de streaming le plus utilisé dans le monde en examinant son catalogue Audio Spatial qui réunit plusieurs milliers de mixages et remixages en Dolby Atmos (Apple, 2023). Entre son introduction en juin 2021 et février 2022, le volume du catalogue a été multiplié par 7, dans plus de 20 genres différents (Singleton, 2022). Rien ne garantit toutefois que tous ces enregistrements aient fait comme Pet Sounds (section I.B.2.) l’objet d’un travail de remixage immersif approfondi.

En particulier maintenant, observons à travers l’offre du catalogue Audio Spatial d’Apple Music l’activité actuelle autour du remixage en son immersif de masters monophoniques de blues/R&B/soul des années 1950-60. Nous remarquons que la très grande majorité du catalogue ne concerne que des enregistrements postérieurs à 1980, donc stéréo (Apple, 2023). Et très souvent, ces enregistrements sont contemporains, auquel cas le master immersif sort en même temps que le master stéréo. Parmi les plus anciens artistes dont plusieurs morceaux ont été remixés en Dolby Atmos, citons Neil Young, The Police, Queen, Madonna, Earth, Wind and Fire, ou encore Michael Jackson. Seul le catalogue Audio Spatial Jazz contient un grand nombre d’enregistrements des années 1950-60 (Miles Davis, Wayne Shorter, Oscar Peterson, Art Blakey…), mais tous sont stéréo d’origine, et non mono. Rares sont donc encore les enregistrements monophoniques à avoir connu une transformation immersive. À notre connaissance, les seuls albums enregistrés en mono à avoir été remixés en Dolby Atmos sont ceux des Beatles et des Beach Boys que nous avons cités en section I.B.2.1. En outre, Apple Music (2023) propose un catalogue R&B immersif, mais il s’agit là du R&B contemporain qui, même s’il prend ses racines dans le R&B et la soul que nous avons présentés en section I.A.1.2. et I.A.1.3., a esthétiquement beaucoup évolué depuis l’explosion du hip-hop dans les années 1980-90. À partir de toutes ces données, nous constatons donc qu’il n’y a pas encore d’alignement entre à la fois les enregistrements les plus populaires de blues/R&B/soul et même les enregistrements monophoniques de tout genre musical, et leur présence dans le catalogue d’enregistrements remixés en Dolby Atmos de la plateforme Apple Music.

3) Une réussite commerciale mais encore masquée

Revenons dans notre cadre général et observons si l’introduction du catalogue Audio Spatial en 2021 a produit un effet déclencheur sur la part de marché d’Apple Music dans le domaine du streaming musical. Les éléments statistiques nous obligent à répondre négativement à cette proposition. Bien qu’Apple Music soit le deuxième service de streaming audio le plus plébiscité par le grand public à l’échelle mondiale, sa part de marché (13,7%) ne représente encore que la moitié de celle du leader Spotify (30,5%) (Mulligan, 2022). Or ce dernier, qui ne propose toujours pas de qualité audio lossless¹⁸ (Spotify, 2023), semble encore bien loin de vouloir s’ouvrir à l’audio immersif. Après l’introduction de l’Audio Spatial, Apple Music n’a pas vu sa part de marché augmenter entre 2021 et 2022, passant de 15% à 13,7% (Mulligan & Mulligan, 2022). Pourtant, Oliver Schusser, vice-président d’Apple pour Apple Music, affirme : « Nous avons maintenant plus de la moitié de notre base mondiale d’abonnés Apple Music qui écoute en Audio Spatial, et ce nombre augmente en fait très, très vite » (Singleton, 2022).

Pour encourager l’adoption du Dolby Atmos, plusieurs constructeurs comme Sony, Yamaha ou Apple lui-même incluent dans leurs casques audio l’option de head tracking¹⁹ et garantissent aux utilisateurs une sensation de réalisme immersif décuplée. Les Apple AirPods sont alors de loin en France les écouteurs sans fil les plus vendus en 2022, avec 53% de part de marché (Licata Caruso, 2022). Mais la même année, 8 des 10 smartphones les plus vendus dans le monde sont des Apple iPhone (Rastogi, 2023). Avec ces informations, il semblerait donc que l’atout pratique de l’audio sans fil et surtout la compatibilité avec les autres appareils Apple soient toujours aux yeux des consommateurs les deux principaux arguments à l’acquisition des écouteurs et casques Apple, loin du souci de l’écoute avec head tracking sur Apple Music.

C. La séparation de sources

1. Définition et applications

La séparation de sources est une technologie de traitement du signal capable de séparer les différentes sources (les instruments en musique) d’un master mono ou stéréo. Elle comporte diverses applications. Disposer des voix instrumentales séparées peut faciliter la transcription de partitions, pour arranger ou illustrer le travail d’un compositeur. En pédagogie également, la séparation de sources peut permettre à un interprète de retirer une partie jouée par un musicien de l’enregistrement, pour se substituer à lui et ainsi s’entraîner virtuellement à jouer une œuvre du répertoire classique/jazz²⁰ avec les autres instruments de l’ensemble, comme proposée par l’application NomadPlay (Chalot & Guittet, 2017). Pour l’indexation musicale, la détection de certains instruments favorise l’identification automatique du style musical (Richard et al., 2013). Enfin, traiter individuellement le son de chaque source dans un travail de remixage du morceau est l’application qui nous intéresse dans notre étude, en particulier pour des enregistrements dont les multipistes n’ont jamais existé, comme expliqué en section I.A.2.1. (Clavel, 2003).

2. Les deux modes de séparation de sources

1) Factorisation en matrices non négatives (NMF)

La factorisation en matrices non-négatives²¹ est un mode de séparation pour les sources émettant des sons harmoniques. Elle se charge de scinder le signal harmonique et le signal inharmonique du signal original, sous le nom de « séparation harmonique/percussive », pour réaliser ensuite une analyse harmonique (Müller, 2021).

a. La séparation harmonique/percussive préalable

Comme rappelé par Müller (2021) et illustré en figure 12, un signal harmonique est visible dans le sens horizontal d’un spectrogramme (représentation temps/fréquence) : sa fréquence fondamentale et ses harmoniques, multiples de la fondamentale, se superposent, et sa durée peut être étendue selon l’entretien du son par l’instrument. Un signal percussif se détecte lui dans le sens vertical : il se compose de toutes les fréquences à des niveaux distincts et sa durée est limitée.

Considérons un bref signal comportant un son harmonique et deux sons percussifs, dont nous obtenons le spectrogramme par Transformée de Fourier à Court Terme (STFT). L’objectif de la séparation harmonique/percussive est alors de décomposer ce dernier en deux spectrogrammes semblables à la figure 12 (Müller, 2021).

Pour cela, deux fonctions de filtrage doivent être créées : une fonction H avec la fréquence k variable et le temps n fixe, pour prévenir d’un événement percussif. Et une fonction P avec la fréquence k fixe et le temps n variable, pour prévenir d’un événement harmonique. En faisant défiler chaque fonction sur son axe respectif (figure 13), on obtient par détection des maximas et après filtrage le spectrogramme des événements harmoniques et celui des événements percussifs.

Or l’intensité et la précision de chaque filtrage dépend du nombre de valeurs respectives. Ces spectrogrammes pseudo-harmonique Y^H et pseudo-percussif Y^P ne peuvent donc être retenus comme denrée fiable de séparation (Müller, 2021). De ceux-ci, on préfère générer deux masques binaires définis ainsi :

On applique les masques M^H et M^P directement au spectrogramme original pour obtenir le spectrogramme harmonique (figure 14c) et percussif (figure 14d). Par transformée STFT inverse, on obtient enfin séparément le signal harmonique et le signal percussif (Müller, 2021).

b. La décomposition matricielle du signal harmonique

Tous les harmoniques d’une note jouée par instrument surgissent puis disparaissent sensiblement en même temps. Selon les termes de Gaël Richard, spécialiste du traitement du signal audio, ils « s’activent » puis « se désactivent » simultanément entre eux (I’MTech, 2020). Avant de séparer les sources en jeu dans un enregistrement, la factorisation en matrices non- négatives permet d’abord de séparer toutes les notes jouées, toutes sources confondues. Elle décompose la matrice du signal harmonique en deux matrices : la matrice « dictionnaire », qui renseigne l’ensemble des notes et leurs harmoniques jouées, et la matrice « activations », qui dit à quel moment chacun d’eux intervient dans la séquence (figure 15) (Ewert & Müller, 2012). Comme le nombre et l’intensité des harmoniques joués définit le timbre d’une source, le modèle NMF regroupe les notes ayant un même profil harmonique et leur attribue une source. Ainsi, elle reconstitue individuellement chacune d’elles en remultipliant les deux matrices décomposées et en prenant soin de fixer à 0 toutes les activations des notes au profil harmonique différent, et donc jouées par d’autres sources (Ewert & Müller, 2012).

La NMF n’est pas seulement capable de séparer des sources. Ewert et Müller (2012) ont réussi à séparer la main droite et la main gauche d’un enregistrement monophonique de piano, en renseignant au modèle NMF la partition musicale exécutée dans l’extrait sonore. Mais cette séparation de sources informée ne donnant pas encore satisfaction, ils ont vu l’intérêt de demander au modèle NMF de représenter simultanément la matrice « dictionnaire » et la matrice « activations ». Pour l’aider à cela, ils lui ont transmis au préalable les informations temporelles MIDI du signal original, ce qui lui a permis d’effectuer à part l’analyse des fréquences.

c. Avantages et limites

La NMF présente plusieurs avantages. D’abord, elle ne demande pas de grandes capacités de calcul, tout s’opérant par analyse spectrale (Ewert & Müller, 2012). De plus, elle exploite sa capacité d’analyse harmonique pour isoler plus d’instruments de ce type que la méthode par apprentissage profond, que nous expliquerons en section I.C.2.2.

En revanche, son modèle de décomposition matricielle ne se limite qu’aux sons harmoniques, ce qui l’oblige au préalable à les séparer des sons inharmoniques ou percussifs, dont elle n’est pas en mesure de détecter ni d’isoler les sources en cause. Le modèle harmonique contient aussi une limite importante, puisque lorsqu’une même note est jouée par plusieurs instruments, il lui est difficile de distinguer quels harmoniques appartiennent à quel instrument. Par conséquent, il n’est pas rare que la séparation de sources par NMF laisse apparaître quelques interférences entre certaines sources soi-disant isolées (Liutkus et al., 2013).

2) Apprentissage profond

a. Notions et définitions

L’intelligence artificielle (IA) est un domaine de l’informatique visant à mimer l’intelligence humaine. En s’extrayant du domaine de la programmation dans lequel la machine esclave doit exécuter des tâches assignées, la machine d’intelligence artificielle apprend, à travers différents essais et erreurs, comme le ferait un cerveau humain. (Le Cun, 2019). Dans la plupart des applications, elle agit souvent dans une recherche de gain de temps pour l’être humain, se substituant souvent à lui, comme pour effectuer un diagnostic médical ou immobilier.

L’apprentissage automatique²² est l’un des principaux champs d’étude de l’IA. À partir d’une grande quantité de données qu’on lui fournit, un algorithme d’apprentissage automatique va constituer seul des modèles qui lui permettront de prédire un résultat (Le Cun, 2019). Dans le domaine audio, ses applications sont nombreuses : reconnaissance et classification de sons (voiture, chien, marteau), conversion de texte en discours et inversement, reconnaissance d’enregistrements commercialisés (ex : application Shazam) (Facciotto et al., 2017). L’opérateur évalue alors la différence entre ce qu’il sait ou souhaite faire, et ce que livre l’algorithme.

Sous-branche de l’apprentissage automatique, la machine d’apprentissage profond²³ est plus autonome et plus perfectionniste : elle réussit à identifier les erreurs qu’elle commet, les prend en compte pour recommencer son calcul et optimiser le résultat qu’elle offre (Le Cun, 2019). S’inspirant du modèle du cerveau humain, elle comprend un vaste réseau de neurones artificiels qui se réorganise sans cesse pour améliorer son rendement. Ce réseau, réparti en plusieurs couches communicantes, s’agrandit perpétuellement au cours de l’apprentissage pour définir son niveau d’expérience et ainsi son niveau de performance. Ainsi, par analogie à la plasticité synaptique du système neuronal humain, plus la machine reçoit de données et plus elle rencontre d’expériences différentes, plus elle sera performante. Quand l’algorithme d’apprentissage automatique traite plusieurs milliers de données, les réseaux de neurones en gèrent plusieurs millions, ce qui leur demande beaucoup de ressources GPU²⁴ et donc un temps de travail plus important (LeCun, 2016). Pour toutes ces raisons, l’apprentissage profond s’étend avec une efficacité exemplaire à de nombreux domaines d’application : reconnaissance vocale et faciale, traduction automatique des langues²⁵, reconnaissance d’objets ou de personnes sur une image²⁶, création d’une œuvre « à la manière de », véhicule autonome et donc, séparation de sources sonores (LeCun, 2016).

b. Séparation par apprentissage supervisé

Dans l’apprentissage automatique supervisé, la machine est guidée. En recevant de notre part le problème original et les résultats qu’elle doit en obtenir, elle cherche en continu au cours de son apprentissage à restreindre l’écart entre ceux-ci et ceux qu’elle obtient (Le Cun, 2019). Appliqué à la séparation de sources, nous définissons un cadre à la machine : nous lui fournissons un catalogue d’enregistrements contenant notamment chacun une batterie (ou des percussions), une basse (ou une contrebasse), et une ou plusieurs voix, et en guise de modèle d’apprentissage, chaque prise de son originale de ces sources en proximité (Schulze-Forster, 2021). En confrontant ces deux types d’information, la machine détecte des similitudes entre la plupart des masters : elle identifie une même source souvent prépondérante (la voix), une autre occupant essentiellement le bas du spectre (la basse), une autre percussive, sans harmonicité (la batterie), et le reste des sources sans réelle similarité. Cette phase d’identification est typique du réseau de neurones convolutif (CNN), qui apprend à extraire les caractéristiques de chaque objet pour en établir une classification qui lui permettra de le reconnaître à nouveau (Schulze-Forster, 2021). Pour affiner son analyse du signal entrant, la machine le lit à l’endroit et à l’envers. Puis elle apprend sur tous les masters reçus à isoler ces trois sources, suivant le modèle des fichiers multipistes.

Parmi les bases de données libres de droits pour encourager la recherche, citons la RWC Music Database qui regroupe les sons multipistes et informations MIDI de 315 œuvres de musique classique, jazz, instrumentale et populaire de divers pays du monde (Goto, 2002). Le critère du libre accès s’avère en effet essentiel car, pour l’apprentissage profond, plus le réseau de neurones se confronte à des esthétiques différentes, plus il se montrera performant lors d’une prochaine séparation. Initiée en 2013, la séparation de sources par apprentissage supervisé demeure aujourd’hui la méthode la plus employée pour séparer les sources d’un enregistrement, si toutefois celui-ci répond aux conditions que nous donnons ci-dessous (Schulze-Forster, 2021).

c. Avantages et limites

Tous les outils de séparation de sources actuellement disponibles sur le marché, dont trois seront présentés en section I.C.3., emploient une méthode de séparation par apprentissage supervisé. En effet, la découverte d’architectures de réseaux très performantes, l’accroissement de la puissance de calcul des processeurs graphiques et l’amélioration de la disponibilité des données d’entrée font sans cesse évoluer le modèle, donnant des résultats en progrès constant. C’est pourquoi, à l’inverse de la méthode par NMF, une séparation de sources effectuée par apprentissage profond offre pour n’importe quelle source une meilleure qualité de séparation que celle qu’on aurait opéré il y a quelques années. Le meilleur de l’IA en matière de séparation de sources est donc à venir (Miron et al., 2016).

En revanche, le modèle d’apprentissage supervisé englobe certaines limites, des prérequis que l’enregistrement doit détenir pour une séparation de sources réussie. Tout d’abord, les réseaux de neurones sont aujourd’hui entraînés pour ne séparer un enregistrement qu’en quatre stems : voix / basse / batterie / autres, le stem « autres » regroupant tous les signaux que l’outil n’a pas su isoler (Hennequin et al., 2020). Bien qu’elle soit une première avancée en matière d’apprentissage profond, cette limite empêche ainsi pour le moment les enregistrements de grandes formations²⁷ et certains styles musicaux aux instruments différents (jazz, musiques du monde) de bénéficier de ce procédé. De plus, même lorsque l’effectif instrumental répond aux exigences, le réseau de neurones a besoin d’une grande base de données audio pour apprendre à isoler. Or il n’est pas toujours aisé d’avoir accès aux multipistes d’enregistrements ayant des caractéristiques instrumentales et sonores proches de celui que nous voulons traiter (Schulze-Forster, 2021). Par exemple, pour séparer les sources d’un enregistrement de big band des années 1930-40, il faut trouver des enregistrements multipistes de big band avec une empreinte sonore similaire à celle des enregistrements de cette période (timbres et dynamique restreints, souffle, etc.). Or comme annoncé en section I.A.2.2., l’enregistrement multipiste ne naît que 20 ans après. Comme il implique la création d’une nouvelle base de données, ce cas constitue aujourd’hui l’un des principaux intérêts de la recherche en séparation de sources. Plus généralement, même pour les modèles actuels de séparation par apprentissage supervisé, il n’est pas rare que la machine éprouve des difficultés à isoler les sources d’un enregistrement dont l’équilibre ou les timbres sont différents de ceux sur lesquels elle a appris. En particulier, si un instrument est déjà mal reproduit ou trop discret dans le mixage original à cause d’une prise de son limitée, l’outil ne peut pas l’isoler et le rendre soudain plus défini. En outre, quand beaucoup de fréquences provenant de différentes sources se chevauchent, la séparation des sources peut grandement se compliquer (Schulze-Forster, 2021). Comme la machine apprend en essayant, elle laisse d’abord apparaître dans quelques stems quelques artefacts audibles en hautes fréquences, qui s’atténuent au fur et à mesure que le réseau de neurones se développe. Et comme elle agit individuellement sur chaque canal, séparer les sources d’un master stéréo est plus facile pour elle, profitant d’un premier démasquage spatial. Enfin, l’un des principaux enjeux du procédé concerne actuellement la réverbération. Non seulement celle-ci floute la source à laquelle elle appartient, mais elle masque également les autres sources. Pour certains modèles en apprentissage profond, elle peut complexifier la séparation, en particulier en queue de réverbération dont le niveau plus faible brouille son appartenance à telle ou telle source (Miron et al., 2016).

Cela dit, malgré les éventuels artefacts et manques révélés dans chaque source isolée, la séparation de sources par apprentissage profond n’occasionne aucune perte de signal, pas même le souffle d’un enregistrement. Ainsi, si l’on additionne toutes les sources séparées, on aboutit véritablement au master original qu’on a fourni à la machine. En d’autres termes, le masquage des sources, qui contribue en fait à ce que l’on perçoit d’elles dans le mixage original, se reforme. Dans une séance spécifique que nous organiserons, nous découvrions donc en section II.B.2.2. quelles sont les limites de la séparation de sources par apprentissage profond pour un remixage en son spatialisé, qui implique d’assembler les sources isolées.

3. Les logiciels de séparation de sources disponibles

1) Le moteur primaire de séparation : Spleeter (Deezer)

En 2019, le groupe de recherches de la plateforme de streaming musical Deezer lance Spleeter, un outil de séparation de sources reposant sur le fonctionnement de réseaux de neurones conçus et pré-entraînés avec l’outil d’apprentissage automatique TensorFlow (Hennequin et al., 2020). Prenant comme modèle la base de données musdb18 qui compte 150 morceaux de genres variés et leurs fichiers multipistes (au moins une batterie, une basse et des voix), il propose trois options de séparation : une séparation en 2 stems voix/accompagnement, une autre en 4 stems voix / basse / batterie / autres, et une en 5 stems en isolant en plus le piano. Avec Open-Unmix, Demucs et Nussl, Spleeter est l’un des premiers outils de séparation de sources en libre accès à publier les codes Python qui l’ont généré, afin de permettre à chacun de peaufiner l’apprentissage des modèles pré-entraînés avec TensorFlow, aussi en libre accès (Hennequin et al., 2021). Opérant une séparation en 4 stems jusqu’à 100 fois plus vite que le temps réel en utilisant un seul GPU (entraîné pendant une semaine), il est l’un des séparateurs les plus performants sur musdb18. Toute amélioration de résultat s’effectue par un nouveau codage (Hennequin et al., 2020).

2) L’édition spectrale manuelle : SpectraLayers (Steinberg)

À son origine en 2012 et pendant plusieurs années, le logiciel SpectraLayers est un outil d’édition et de restauration spectrale audionumérique qui permet de retirer ou de corriger directement sur spectrogramme certains défauts présents dans un enregistrement, comme des bruits acoustiques, des clics numériques, du souffle, des sons sibilants, une réverbération trop présente, etc. (Dobrev, 2020). En 2020, son éditeur Steinberg décide d’inclure dans la version 7 la fonctionnalité de séparation de sources, en reprenant les modèles pré-entraînés de Spleeter (Hennequin et al., 2021). Comme celui-ci, le logiciel est donc capable de diviser un master en 2, 4 ou 5 stems selon notre choix. Mais de manière très ergonomique, il offre à l’utilisateur la possibilité de prolonger et d’améliorer manuellement la séparation effectuée automatiquement. Lorsque l’on entend et l’on voit sur le spectrogramme d’un stem issu de la séparation, par exemple celui de la « Batterie », que certaines fréquences doivent normalement appartenir au stem « Voix », nous pouvons les encadrer précisément et les déplacer dans un nouveau stem que l’on crée et que l’on superposera au stem « Voix ». Ainsi, la voix retrouve un spectre plus complet et témoigne d’une amélioration de la qualité de séparation des sources. Ici, un stem est aussi appelé layer (calque), d’où le nom SpectraLayers et son idée de corriger puis superposer des calques spectraux. Par conséquent, cet éditeur spectral peut nous permettre d’obtenir une division de master en plus de 5 stems. En effet, la retouche manuelle des spectrogrammes peut aussi bien sûr s’appliquer au stem « Autres » qui contient souvent plusieurs instruments. Si ceux-ci présentent des profils spectraux suffisamment distincts, il nous est possible de les identifier, de les sélectionner et de les placer convenablement dans un nouveau calque réservé à chaque nouvelle source isolée. Nous expliquerons et illustrerons en section II.A.1.2. notre utilisation de cet outil.

3) La détection automatique des harmoniques : RipX (Hit’n’Mix)

À l’instar de SpectraLayers, RipX n’est initialement pas un outil de séparation de sources, bien que ses premières fonctionnalités s’en approchent et finissent même par servir le processus. À l’origine, Martin Dawe, son créateur, souhaite concevoir un outil capable de générer une partition musicale à partir d’un enregistrement polyphonique (Hit’n’Mix, 2023). Son premier souci est alors d’en séparer toutes les notes jouées. Après s’être heurté aux limites d’un modèle d’analyse spectrale similaire à la NMF (section I.C.2.1.), il commence à écrire un algorithme pour la détection automatique des hauteurs de notes, qu’il voit comme la clé de la réussite. Cet outil, capable de distinguer les hauteurs de différentes fréquences (fondamentales et harmoniques), en récolte également d’autres détails (amplitude, phase, variations de hauteur) qui lui permettent de relier chaque fréquence fondamentale à ses harmoniques. Ces informations deviennent si détaillées que Dawe essaie un jour à partir d’elles de resynthétiser chaque note. Malgré les premiers essais balbutiants, Dawe a un nouveau projet : pouvoir manipuler individuellement chaque note d’un enregistrement (modifier sa hauteur, sa longueur, ajouter un vibrato…). Il publie un premier logiciel, Hit’n’mix Play, qui permet non seulement ces manipulations mais aussi d’entendre chaque instrument de l’enregistrement. Mais il est conscient que la qualité de restitution des sons est largement en-deçà de l’exigence professionnelle. Ainsi pendant près de 10 ans, il se consacre à densifier son programme pour aboutir à une qualité audio digne d’un usage professionnel. En 2019, il fait paraître Hit’n’Mix Infinity, un outil hautement salué mais dont la qualité de séparation se heurte encore parfois au problème de chevauchement de fréquences de sources à l’unisson. Or, eu égard à l’actualité, Dawe constate que les tout récents modèles de séparation de sources conçus par apprentissage supervisé, dont Spleeter, se montrent plus robustes face à ce problème, pour isoler la voix, le piano, la basse et la batterie. Il décide donc de compléter son propre programme par une phase d’apprentissage automatique, le menant à la création d’un logiciel hybride, RipX (figure 16). Comme il a été formé à détecter les harmoniques des notes, l’algorithme de Dawe peut théoriquement isoler plus de sources (guitare, cordes) que les modèles actuels d’apprentissage profond, mais ceux-ci apprennent à réaliser des tâches délicates comme la distinction des harmoniques proches. Ces deux méthodes de séparation de sources viennent donc ici se compléter. Nous examinerons avec précision les fruits de ce mariage en section III.A.1.

II. Expérience n° 1 : remixage en son spatialisé de trois masters monophoniques des années 1950-60

Pour traiter en profondeur les deux grandes problématiques a et b introduites, l’expérience n°1 s’avère fondatrice. Elle vise à étudier et à comprendre les comportements de réflexion, d’écoute et de remixage d’ingénieurs du son, de musiciens et d’experts musicaux de la période 1950-60²⁸, face à des masters originaux d’enregistrements blues, R&B et soul de ces années. Reposant sur un entretien préliminaire, une écoute de masters originaux mono, puis une séance de remixage en son spatialisé, elle s’applique à répondre aux questions suivantes :

QR1 : Dans quelle mesure les participants jugent que le rendu sonore général de la version originale est en accord avec les caractéristiques musicales de la chanson abordée, qu’ils ont eux- mêmes listées préalablement ?

QR2 : Dans quelle mesure ingénieurs du son, musiciens et experts du répertoire musical ciblé modifient-ils le rendu sonore de masters de blues, R&B, soul produits dans les années 1950-60 dans le cadre d’une séance de remixage en son spatialisé ?

QR3 : Dans quelle mesure les participants jugent que le rendu sonore général de leur version partiellement remixée est en meilleur accord avec les caractéristiques musicales de la chanson traitée, qu’ils ont eux-mêmes listées préalablement ?

QR4 : Dans quelle mesure les choix de remixage des participants sont-ils cohérents avec leur conception de la relation entre une œuvre musicale et son esthétique sonore d’enregistrement dans le contexte des musiques écrites et enregistrées dans les années 1950-60 ?

Après avoir expliqué le travail de préparation et justifié le protocole de l’expérience, nous en présenterons puis en discuterons les résultats, avant de conclure.

A. Méthode expérimentale

1. Travail préliminaire : séparation des sources de 4 masters monophoniques des années 1950-60

Pour la séance de remixage, nous devons d’abord minutieusement isoler les signaux de quatre enregistrements monophoniques de la période ciblée, avant de les présenter aux participants.

1) Choix des 4 masters monophoniques

De cette période 1950-60, nous cherchons trois enregistrements de genres précis – blues, R&B et soul – et un quatrième de genre différent, qui servira d’enregistrement-test aux participants (section II.A.3.2.c.). Comme exposé en section I.C.2.2.c., chaque enregistrement doit valider, pour une séparation optimale des sources avec un outil d’apprentissage profond, les prérequis suivants :

• Un effectif instrumental mesuré : voix, piano, claviers, cuivres, guitare (optimisation éventuellement possible pour les trois derniers), basse et batterie, au maximum. Pas d’autres instruments à cordes ou à percussion ;
• Eviter les morceaux avec unissons et interventions simultanées, notamment entre voix et cuivres, voix et chœurs, piano et guitare ;
• Une définition et une transparence correctes d’enregistrement, pour identifier aisément chaque instrument actif.

Après une revue d’écoute attentive et motivée par ces critères, nous avons choisi pour l’expérience n°1 de séparer les sources des quatre enregistrements monophoniques suivants :

• m1. Wonder What is Wrong with Me – Lightnin’ Hopkins (1956) · Blues. Effectif : voix lead, guitare électrique, contrebasse, batterie

• m2.  Oh, Marie – Louis Prima (1959) · Jazz/R&B. Effectif : voix lead, chœurs, cuivres, piano, guitare, contrebasse, batterie

• m3. B-A-B-Y – Carla Thomas (1966) · Soul. Effectif : voix lead, chœurs, cuivres, orgue, piano, guitare, basse, batterie

• m4. Just Call Me Lonesome – Jim Reeves (1959) · Country [enregistrement-test] Effectif : voix lead, guitare solo, guitare rythmique, piano, contrebasse, batterie

Les trois premières chansons, aux atmosphères contrastantes, partagent des instruments semblables aux fonctions variées selon le genre. On peut donc supposer qu’elles suscitent des réflexions distinctes chez les participants, influencées par la relation singulière entre chaque esthétique sonore et chaque style musical enregistré. L’exception à noter est que les deux guitares dans la chanson country ne peuvent pas être dissociées, ce qui n’altère toutefois pas l’objectif d’essai de cet enregistrement. Nous donnons en annexe B1 toutes les informations relatives à ces quatre enregistrements.

2) Choix du logiciel de séparation de sources : SpectraLayers

Nous allons maintenant nous pencher sur la séparation de sources des trois enregistrements – sujets de l’expérience n°1 (m1, m2, m3), bien que l’enregistrement m4 ait subi strictement les mêmes opérations. Nous avons choisi pour cela l’outil SpectraLayers, présenté dans la section

I.C.3.2. En effet, la retouche manuelle de séparation que nous avons réalisée sur les différents calques de spectrogrammes s’avère être un atout de choix, particulièrement concernant les signaux d’instruments non séparés automatiquement, comme :

• La voix et les chœurs dans le stem « Voix » d’Oh, Marie de Louis Prima et de B-A-B-Y de Carla Thomas ;
• Le saxophone ténor solo, les cuivres et la guitare dans le stem « Autres » d’Oh, Marie ;
• Les cuivres, la guitare et l’orgue dans le stem « Autres » de B-A-B-Y.

Plus généralement, notre retouche manuelle permet de prolonger et d’affiner la séparation résultante de l’apprentissage profond. En sélectionnant certaines fréquences ou groupes de fréquences de la source A, placées par erreur dans le stem de la source B lors de la séparation initiale, nous les avons réintégrées dans le stem de la source A, nouvellement créé ou préexistant. Le bénéfice est double : libérer tous les signaux utiles de certains masques et reconstituer les sources dispersées dans différents stems par le logiciel. De toute évidence, ce dernier aurait théoriquement dû effectuer ce travail, dont on déduit déjà une première limite du modèle de séparation de sources par apprentissage profond sans détection des harmoniques des notes.

Les figures 17 et 18 montrent respectivement de façon générale et fine l’efficacité de notre édition spectrale lorsque certaines empreintes fréquentielles se trouvent par erreur dans le stem d’une autre source. Les figures 19 et 20 témoignent, elles, d’une précision certaine de l’outil quand nous sélectionnons des fréquences appartenant à une même source pour en créer un nouveau stem, non généré par l’apprentissage profond. Dans la figure 20, nous avons récupéré une quantité importante d’harmoniques dans le stem « Autres » pour la « Voix » de Prima (dont le spectre s’est aussitôt reformé). Nous l’avons ensuite scindé en un stem « Voix » définitif et un nouveau stem « Sax dialogue ». À l’instar des sources, les possibilités de remixage semblent déjà se multiplier.

Toutefois, malgré sa capacité théorique à isoler le piano, la réalité diffère. La figure 21 révèle ce défaut, le stem « Piano » original de B-A-B-Y apparaissant très peu fourni car le signal de l’instrument se trouve en fait principalement dans le stem « Autres ». Certes notre retouche manuelle corrige facilement cet écart, mais elle montre encore les limites d’un système ne détectant pas les harmoniques des notes. Mais après l’une de nos tentatives, l’isolation du piano dans un morceau où l’instrument est plus présent donne des résultats plus probants. Il semblerait donc que l’équilibre des niveaux entre les sources du master influence la qualité de leur séparation.

À l’issue de ce long travail – une vingtaine d’heures passées par morceau –, nous avons obtenu pour chaque enregistrement-sujet le signal des sources suivantes :

Reste à savoir dans quelle mesure cette qualité de séparation permettra aux participants de l’expérience de réaliser leurs envies de remixage. Nous l’expliciterons dans la section II.B.2.2.

2. Préparation de l’expérience

1) Conception d’une interface simplifiée de remixage à l’usage des participants

Comme abordé dans la section II.A.3.1, notre expérience s’adresse à une majorité de participants non-ingénieurs du son, non-initiés au mixage. Il est donc primordial que l’interface de remixage que nous mettrons à leur disposition soit simplifiée et intuitive pour leur permettre de penser d’abord par la musique, notre principale motivation.

Pour cette séance de remixage, nous utiliserons SPAT Revolution, un logiciel professionnel de mixage 3D orienté objet, adapté à notre expérience. En effet, chaque Room (salle virtuelle) accueillera les sources de chaque morceau. Les quatre Room (3 morceaux-sujets + 1 morceau- test) resteront actives toute la séance, évitant ainsi toute manipulation complexe, en particulier lorsque nous passerons au remixage de la chanson suivante. La session SPAT unique à chaque participant agira en fond pour collecter et quantifier les manipulations sonores lui parvenant d’un contrôleur OSC, l’interface manipulée par le participant.

Nous avons ainsi contacté Nicolas Erard, employé à l’entreprise Flux Audio conceptrice de SPAT Revolution, pour concevoir ensemble une interface de contrôle spécialement adaptée au logiciel et à nos besoins. Après discussions, Nicolas a adapté les bases d’interaction entre SPAT Revolution et son interface de contrôle existante²⁹ avec l’application OSC³⁰ Open Stage Control³¹, pour nous guider dans la personnalisation de l’interface en fonction de nos besoins pour l’expérience. De nombreux éléments ont alors rapidement convergé entre nos exigences (facilité, lisibilité, efficacité) et les fonctionnalités offertes par SPAT via Open Stage Control. Nous avons ainsi défini ensemble trois caractéristiques concrètes de notre interface de remixage :

• Une limitation à 4 paramètres de mixage fondamentaux : niveau, égalisation (3 égaliseurs bas/medium/aigu à facteur Q large et fixe), localisation 360°, niveau de réverbération
• Une facilité de manipulation : tout paramètre est aisément modulable par la souris
  • Une clarté de la présentation : présentation en tranches, cadres, légendes, couleurs

Après plusieurs modifications d’optimisation opérées à l’issue de deux pré-tests (section II.A.4.), l’interface de remixage sur Open Stage Control se présente comme ci-dessous :

2) Conception d’une interface de récupération des données de remixage des participants

Afin d’apporter une réponse valide aux questions Q.R.2 et Q.R.4, et comme développé en section II.A.3.2.c., nous avons souhaité connaître le nombre et l’ordre des manipulations de remixage effectuées par le participant sur chaque morceau remixé. Avec l’aide de mon directeur de mémoire, nous avons donc créé une interface chargée de retranscrire ces informations dans un fichier texte. En voici l’architecture sous Max/MSP et un exemple de script livré en sortie :

À titre d’exemple, nous décodons ci-dessous les informations récupérées en figure 24 :

« Le 11/07/2023 à 18h09, l’ingénieur du son n°1 a manipulé dans cet ordre les paramètres de remixage suivants sur l’enregistrement de la chanson Wonder That is Wrong with Me : 1. Niveau de la voix lead / 2. Localisation de la guitare / 3. Niveau de réverbération de la guitare / 4. EQ bas de la batterie / 5. Niveau de la batterie / 6. Niveau de la batterie / 7. Niveau de réverbération de la voix / 8. Localisation de la batterie. »

Nous effectuerons à l’issue de chaque remixage une capture d’écran de l’interface de remixage qui complètera ce fichier pour nous assurer une certaine finesse d’analyse des résultats.

3) Lieu d’accueil et synoptique

C’est le plateau 1 du conservatoire – une salle équipée d’un dôme de 44 enceintes commandées par le logiciel de traitement et de diffusion multicanale AFC Image (Yamaha), et donc destinée au mixage en son immersif – qui nous accueillera avec les participants.

Nous avons donc abouti pour l’expérience n°1 au synoptique suivant :

En plus de sa grande stabilité, la station audio Reaper nous permet d’enregistrer dans une piste audio multicanale le remixage en son spatialisé de chaque participant, comme détaillé ici :

3. Protocole expérimental

Le protocole présenté ci-dessous est le résultat de quelques corrections apportées à l’issue de deux pré-tests, que nous renseignerons dans la section II.A.4.

1) Profils de participants

Cette expérience ne vise pas à juger les qualités de mixeur de chacun des participants, mais entend étudier leur attitude vis-à-vis d’enregistrements anciens. Afin de discerner d’éventuelles disparités de comportement, nous avons choisi de convier plusieurs profils de participants. Tous auront toutefois en commun une oreille musicale avisée, certains termes et questions pouvant être inaccessibles pour des personnes non musiciennes.

Les ingénieurs du son, avertis des contextes technologiques d’enregistrement de cette époque méritent toute notre attention pour discuter, écouter et remixer de tels enregistrements. Sur le plan musical, les mélomanes des années 1950-60 sont essentiels pour évoquer des chansons, des artistes et des enregistrements qui leur tiennent à cœur. Enfin les musiciens, créateurs musicaux, apportent une oreille et une sensibilité uniques et alignées sur l’essence musicale de notre étude.

Pour cette expérience n°1, nous avons donc invité par e-mail 8 ingénieurs du son, 8 musiciens et 8 experts du répertoire blues/R&B/soul des années 1950-60³². Tous répondent aux variables d’âge, de sexe, de niveau d’expérience en mixage et de connaissance du répertoire musical ciblé.

2) Déroulé de l’expérience

a) Entretien préliminaire semi-dirigé : le rapport conceptuel à l’œuvre musicale, à l’esthétique sonore d’enregistrement et à leur relation

Cette première phase d’échanges, visible en annexe B2, désire sonder le participant sur la pratique du remixage d’enregistrements passés. Après en avoir établi les fondations autour de la notion d’esthétique sonore (QA1) et de sa relation avec l’œuvre qu’elle a un jour enlacée (QA2), nous poursuivrons la discussion avec des questions plus ciblées (QA3, QA4) qui éclaireront notre sondage. Si le participant montre un intérêt au remixage d’enregistrements des années 1950-60, nous lui demanderons s’il pense à un aspect sonore particulier qu’il corrigerait sur la plupart des enregistrements de cette période (QA5). Nous retiendrons cette donnée pour la comparer ultérieurement avec la réponse donnée en QB6 ainsi qu’avec les choix de remixage effectués (voir section II.B.2.1.) pour chaque morceau de l’expérience. Lorsque cela se révélait pertinent ou nécessaire pour nos objectifs de recherche, nous avons parfois choisi de suivre le participant dans des explications plus détaillées, plus illustrées, afin de mettre en lumière des conceptions plus générales (principe de l’entretien semi-dirigé).

b) Questionnaire d’écoute du master original : les désirs sonores

La deuxième partie de l’expérience devient davantage active pour le participant. Nous lui faisons écouter au même niveau sonore le master original mono des chansons de Lightnin’ Hopkins, Louis Prima et Carla Thomas, sélectionnées en section II.A.1.1.).

Le questionnaire d’écoute que nous soumettons vise à comprendre dans quelle mesure la musique appelle le participant à lui souhaiter une quelconque modification sonore du master original. Il a aussi pour objectif, en vue de la partie III, de déterminer lequel des trois enregistrements originaux présente aux yeux des participants le rendu sonore global le moins en accord avec ce que représente selon eux l’essence du morceau en question.

Comme le montre l’intitulé des questions posées en annexe B3, nous avons précisément construit ce questionnaire autour de la motivation centrale de notre étude, l’œuvre, la musique.

La question QB1 est essentielle car plus le participant alimente sa réponse, plus il lui sera facile de répondre aux questions suivantes qui concernent certes l’aspect sonore mais toujours en étroite relation avec la chanson abordée. C’est pourquoi elle fait volontairement appel à des ressentis et des évocations très personnelles liées à la musique entendue.

Les questions QB2 à QB5, consacrées au rendu sonore, constituent le cœur de notre étude des comportements d’écoute face à des masters originaux des années 1950-60. Les participants y ont alors l’occasion en pratique de donner leur avis sur la relation entre une œuvre et l’esthétique sonore de son enregistrement. Pour tirer des résultats ciblés de ce questionnaire, nous faciliterons aussi l’analyse d’écoute des participants en la portant sur trois critères sonores essentiels en écoute critique d’enregistrement : le rendu de l’équilibre entre les sources (QB3), celui de leurs timbres (QB4) et celui de l’espace dont elles disposent dans l’image sonore (QB5). La question QB5 regroupe l’aspect mono de l’enregistrement, son relief, sa profondeur et la réverbération. Guidés par la composante musicale, les participants devront ajuster ces critères selon elle en évaluant dans quelle mesure le rendu sonore du master original convient à leur propre définition –stylistique, esthétique, historique – de la chanson (QB1). Enfin, nous identifierons les éventuels désirs sonores des participants en faveur de la chanson par la question QB6 qui, sans la nommer, constitue en fait un préambule à la proposition suivante de remixage.

Lors des écoutes, pour s’affranchir d’un potentiel effet d’ordre, nous avons choisi de contrebalancer l’ordre des trois masters écoutés d’un participant à un autre. Comme six ordres sont mathématiquement possibles, nous effectuerons chacun d’eux quatre fois pour l’expérience (6×4 = 24 participants).

c) Séance de remixage : les choix sonores

La phase pleinement pratique de l’expérience a enfin lieu. Nous invitons les participants à concrétiser leurs éventuelles envies de modifications sonores formulées pour chaque enregistrement en QB6, à travers une séance de remixage en son spatialisé spécialement configurée. Pour s’assurer d’un maximum de neutralité dans nos explications, nous leur demanderons de lire l’énoncé en annexe B4 avant de se lancer pleinement dans l’exercice.

À ce moment, nous introduisons aux participants l’interface de remixage présentée en section II.A.2.1. Avant qu’ils ne commencent à s’entraîner avec elle, nous prenons le temps de leur montrer comment chaque paramètre de remixage peut être aisément ajusté avec la souris. Après cela, tous les participants seront libres de leurs choix et de leurs actions.

Devant l’intérêt que peut susciter cette séance de remixage, il est important de rappeler l’objectif de recherche de la présente expérience : examiner les comportements d’écoute et, ici, de remixage des différents profils de participants sur trois enregistrements monophoniques des années 1950-60. Le but ultime n’est donc ni pour eux ni pour nous d’obtenir pour chaque chanson une qualité de remixage irréprochable, un rendu sonore « idéal » vis-à-vis de la musique, mais de savoir quelles sont les premières manipulations sonores qu’ils entreprennent pour y parvenir. C’est en ce sens que nous avons limité le nombre de manipulations de remixage possibles. Dans cette expérience n°1, les comportements et les choix musicaux priment sur la performance.

d) Questionnaire d’autocritique du nouveau master avec entretien d’auto-confrontation individuelle : les conclusions

Après chaque remixage effectué suivant l’ordre des chansons de la phase d’écoute, nous demanderons au participant d’adopter un regard critique sur son propre master en le comparant au master original, toujours vis-à-vis de sa conception de l’œuvre. Notre objectif est de savoir dans quelle mesure les premières manipulations qu’il a pu effectuer le rapprochent déjà de son rendu sonore idéal pour la chanson (Q.R.3), telle qu’il l’a présentée en QB1. Plus précisément, des questions d’auto-confrontation individuelle s’intéressent ici pour chaque morceau, en observant l’état final de l’interface de remixage, à discuter de l’esprit de cohérence du participant entre ses désirs sonores formulés en QB6 et ses choix opérés dans la phase c). Nous les mêlons finalement à la phase d’autocritique du nouveau master pour former un questionnaire oral, disponible en annexe B5, que nous présentons volontairement comme le revers littéral de celui de l’écoute du master original, toujours centré sur l’œuvre.

La question QD6 du questionnaire d’autocritique s’avère essentielle sur le plan technologique et méthodologique. Elle nous permettra de savoir dans quelle mesure la retouche manuelle d’une séparation de sources opérée aujourd’hui par apprentissage profond et sans détection des harmoniques permet aux participants de réaliser leurs envies sonores. Ainsi, nous saurons dans quelle mesure ces perturbations éventuelles jouent un rôle dans leur évaluation du rendu sonore du nouveau master vis-à-vis de la substance musicale.

Suite à l’enchaînement remixage/questionnaire d’autocritique de chacun des trois enregistrements, l’expérience prend fin.

3) Collecte et analyse des données

Nous analyserons les réponses issues de l’entretien préliminaire et les réponses verbales au questionnaire d’écoute par théorie ancrée (Glaser & Strauss, 1967). En classant les termes et expressions prononcés par les participants en concepts généraux et sous-concepts, nous définirons les idées générales qui émergent de chacune de leur réponse.

Concernant les évaluations attribuées aux rendus sonores des masters originaux et remixés, nous les synthétiserons pour chaque morceau et chaque critère sonore en créant des boîtes à moustaches pour illustrer les variations des évaluations avant et après le remixage.

Nous reprendrons les informations fournies par l’interface Max/MSP présentée en section II.A.2.2. pour élaborer pour chaque morceau remixé le digramme en barres des manipulations et des paramètres de remixage les plus privilégiés par l’ensemble des participants.

Nous calculerons et renseignerons l’ensemble de ces résultats par chanson et par profil, ce qui nous permettra d’établir des comparaisons selon ces deux axes.

4. Pré-tests : corrections apportées au protocole initial

Pour évaluer la fiabilité et la fluidité du protocole avant les premiers tests, nous avons organisé deux pré-tests avec deux étudiants en fin de cursus FSMS.

Le premier d’entre eux visait à contrôler la fiabilité du protocole : l’intitulé, l’objectivité et l’enchaînement logique de toutes les questions, le réglage du niveau d’écoute identique à tous les morceaux, les conditions de remixage (interface, nombre précis de manipulations autorisé) et le fonctionnement de l’interface de récupération des données de remixage. Comme ce protocole est dense, nous avons demandé au premier étudiant de formuler ses remarques sur le contenu de l’expérience dès qu’elles lui apparaissaient. Ainsi, sans contrainte de temps, nous avons pu noter les ajustements protocolaires que nous avons réalisés pour la première séance :

• Nous inviterons les participants à orienter chaque écoute d’un master original vers les éléments du questionnaire d’écoute : évocations et caractéristiques musicales de la chanson, rendu sonore global, rendu de l’équilibre, des timbres, de l’espace des différentes sources sonores vis-à-vis de la musique. Cette préparation s’avère précieuse, car ces questions sont peu souvent explorées pour des enregistrements passés ;
• Nous effectuerons oralement les questionnaires d’écoute du master original et d’autocritique du nouveau master, pour permettre aux participants de partager immédiatement des impressions, que nous retranscrirons fidèlement en direct ;
• Nous étendrons à 12 le nombre de manipulations de remixage autorisé, pour offrir aux participants une plus grande latitude d’exécution de leurs idées musicales et augmenter le nombre de choix liés à celles-ci ;
• Afin de ne pas entraver les idées musicales des participants, ajuster successivement les potentiomètres d’égalisation (bas, medium, aigu) d’une même source sera compté comme une seule manipulation dans l’interface Max/MSP ;
• Toujours pour satisfaire les envies sonores des participants, nous leur permettrons d’éventuellement modifier dans SPAT Revolution la longueur et la queue de réverbération pendant chaque remixage, sans que cela ne compte comme une manipulation. Bien que ces paramètres aient été initialement réglés par nos soins en fonction du morceau traité ;
• Nous concevrons une session OSC et une session SPAT unique à chaque participant, afin d’en sauvegarder et d’en analyser les positions et valeurs finales des paramètres touchés.

Le second pré-test, qui a entériné les précédents ajustements, entendait quant à lui vérifier la fluidité du protocole, avec l’objectif de tenir cette riche expérience en un temps limité d’1h30. À l’issue de ce pré-test au rythme plutôt modéré, nous sommes finalement parvenus à une durée d’1h45. Nous nous sommes donc finalement fixés comme objectifs de test de passer maximum 15 min sur l’entretien préliminaire (phase a) et 15 min sur chaque chanson écoutée/critiquée (phase b) et remixée/critiquée (phase d).

B. Résultats expérimentaux : analyse par morceau et par profil

1. Analyse quantitative

Préambule : mesure du degré de participation à la séance de remixage

La très grande majorité des participants a adoré cette expérience car les questions et les manipulations mises en jeu leur ont ouvert de nouvelles perspectives d’approche dans leur propre domaine d’activité³³. Nous n’avions honnêtement pas prévu cet engouement. En particulier, aucun n’a été gêné par la longueur de l’expérience (1h45-2h), et certains l’ont même fait durer davantage pour enrichir la discussion dans les différents questionnaires et/ou profiter du temps de remixage. De prime abord, il est important de savoir dans quelle mesure les différents profils de participants se sont engagés dans cette session de remixage pour chacun des trois morceaux. Nous pouvons évaluer cet aspect en calculant la moyenne et l’écart-type du nombre de manipulations de remixage par morceau et par profil :

Premièrement, avec une moyenne totale élevée et très resserrée du nombre de manipulations (10,42 / 10,5 / 10,33 pour chaque profil respectif, sur 12 autorisées), nous pouvons voir que tous les profils de participants ont joué le jeu du remixage, et de façon assez égale. Les ingénieurs du son sont bien pleinement engagés dans la démarche de remixage. De plus, de manière positive, les experts du répertoire ne sont pas si fermés à l’idée de se prêter au jeu des modifications sonores d’enregistrements qu’ils ont coutume depuis longtemps d’écouter.

En revanche, on aperçoit différents comportements de remixage lorsque l’on confronte les trois enregistrements. Assez nettement, c’est la chanson B-A-B-Y qui a connu en moyenne à travers la session le plus grand nombre de manipulations sonores (11,33) avec la plus faible dispersion (1,04). En détail, la moyenne très élevée et l’écart-type très bas du nombre d’opérations montrent pour tous les profils un premier intérêt pour modifier en faveur de cette chanson certains aspects sonores originaux. C’est aussi sur celle-ci que les ingénieurs du son et les experts du répertoire ont opéré le plus de manipulations. Nous verrons quelles sont-elles en section II.B.1.2.

1) Évolution des notes de rendu sonore vis-à-vis de la musique entre le master original et le master remixé de chaque participant

La figure 29³⁴ nous apportent six résultats majeurs sur les préférences de rendu sonore des participants entre le master original et le master qu’ils ont remixé :

R1 : L’enregistrement de la chanson de Louis Prima présente aux yeux des participants le rendu sonore original le plus en accord avec les caractéristiques musicales de la chanson. Nous discuterons en section II.C. de l’enregistrement au rendu sonore original entravant le plus le propos musical.

R2 : La version des chansons de Lightnin’ Hopkins et de Carla Thomas, remixée par chaque participant a selon tous les profils en moyenne un meilleur rendu sonore vis-à-vis de la musique que la version originale, tous critères sonores confondus.

R3 : En particulier, en plus d’être plus élevées en moyenne, les notes attribuées au rendu de l’espace des sources sonores des chansons de Lightnin’ Hopkins et de Carla Thomas sont plus homogènes dans les versions remixées que dans la version originale.

R4 : Chaque profil de participant s’accorde moins sur le rendu sonore général de la chanson Lightnin’ Hopkins que de celle Carla Thomas, pour la version originale et leur version remixée.

R5 : Les experts 1950-60 sont, en moyenne sur chacun des trois morceaux et vis-à-vis des caractéristiques musicales, plus satisfaits du rendu sonore de leur version remixée que de celui de la version originale, tous critères sonores confondus.

R6 : Les ingénieurs du son sont en moyenne les moins satisfaits du rendu sonore de leur version remixée de la chanson de Louis Prima, tous critères sonores confondus.

2) Paramètres et manipulations de remixage privilégiés

Nous considérons qu’une manipulation de remixage est « privilégiée » par les participants pour le remixage d’un morceau si elle est souvent pratiquée (nombre d’occurrences élevé) et si elle est prioritaire (faible ordre d’apparition). Pour chaque chanson remixée, nous avons donc représenté ces deux informations³⁵ au sein de la figure 30.

La figure 30b confirme le résultat R1 puisque le master original d’Oh, Marie n’est pas sujet à des manipulations correctives de remixage prédominantes. Les choix sont en effet davantage personnels, ce qui occasionne ce profil de graphe équilibré.

En revanche, conformément au résultat R2, les figures 30a et 30c révèlent clairement des manipulations de remixage privilégiées. Les participants les effectuent pour ajuster des aspects sonores du master original ne leur paraissant pas en totale symbiose avec la musique : le timbre et le niveau de la guitare et de la contrebasse pour le morceau de blues, le timbre de la basse et la position spatiale de l’orgue, du piano et des cuivres pour le titre de soul.

La figure 31 nous offre une vue d’ensemble des manipulations sonores privilégiées par les participants pour remixer des masters monophoniques de blues/R&B/soul des années 1950-60³⁶. Contrairement à la figure 30, nous n’y renseignons pas le nombre d’occurrences au-dessus de chaque barre de manipulation, par souci de lisibilité. En particulier, nous pouvons identifier la basse comme étant pour eux l’instrument-clé pour améliorer drastiquement le rendu sonore général en faveur du message musical.

Plus généralement et directement lié à nos deux problématiques qui concernent le remixage en son immersif, nous pouvons remarquer à travers le tableau 4 que la localisation à 360° constitue le paramètre de remixage le plus privilégié en moyenne sur les trois chansons par l’ensemble des participants pour s’approcher d’un rendu sonore idéal.

2. Analyse qualitative

1) Niveau de correspondance entre les réponses à l’entretien préliminaire et les choix de remixage

Pour traiter la question Q.R.4, intéressons-nous à présent aux conceptions des participants évoquées dans l’entretien préliminaire.

Tout d’abord, pour pouvoir parler ensuite du terme, nous avons cumulé toutes les réponses données aux questions QA1, QA2 et QA3 pour établir une définition médiane des participants de l’esthétique sonore d’un enregistrement musical : empreinte ou couleur sonore particulière perceptible sur l’enregistrement d’une œuvre musicale. Liée aux techniques d’enregistrement et aux modes sonores caractéristiques d’une époque, elle constitue le plus souvent un choix, opéré en lien étroit avec l’esthétique musicale de l’œuvre et partagé par l’ingénieur du son, le producteur de séance et les artistes, qui peuvent même parfois en être à l’initiative et créer la musique autour d’elle. Ce choix, parfois réfléchi en amont de l’enregistrement, intervient le jour de la séance (acoustique de studio, positionnement des musiciens, type et positionnement de micros) et lors du mixage (quel type de timbres, de plans sonores, de réverbération) dans le but prioritaire de servir le discours musical. Pouvant avoir un impact énorme sur notre perception postérieure de l’œuvre – variant selon le style musical – et se définir comme l’identité sonore du label ou de l’artiste, elle peut prétendre à devenir une référence pour d’autres enregistrements.

En accord avec cette définition de l’esthétique sonore, une large majorité de participants (75%) considère qu’elle peut être dissociée de l’œuvre musicale pour les productions des années 1950-60. La figure 32 illustre leurs perspectives sur cette question analysée par théorie ancrée.

Notons le désir exprimé par deux ingénieurs du son d’entendre en audio immersif certains enregistrements mono de cette période : un concert de Charlie Parker pour l’un, un album des Beach Boys pour l’autre. Cette dissociabilité entre l’œuvre et son esthétique sonore originale revêt un caractère essentiel pour valider notre approche centrée sur la musique : modifier la seconde sans altérer la première.

Mais justement, qu’en est-il du remixage aux yeux des participants ? 83% d’entre eux (20/24) sont favorables à la modification d’aspects sonores d’enregistrements des années 1950-60 qu’ils connaissent, pour lesquels l’esthétique sonore ou au moins son rendu joue en défaveur de l’œuvre, contrairement à la définition donnée précédemment. La figure 33 montre alors les aspects positifs, limitants et négatifs que relèvent les participants pour la pratique du remixage dans ce contexte.

Les principaux avantages incluent l’éclaircissement du discours musical par un nouvel espace sonore et le moyen de revitaliser certains enregistrements au profit du grand public. Cependant, une grande prudence nous est recommandée par les participants, qui implique de se renseigner sur la nature et l’origine des aspects sonores soi-disant gênants de ces enregistrements, et ensuite d’adopter une exigence de réalisation. En confrontant ces idées aux résultats de la figure 29, nous discuterons de cette question dans la section II.C.

Enfin, la figure 34 révèle les aspects sonores que les participants favorables au remixage souhaiteraient prioritairement modifier dans les enregistrements des années 1950-60, à travers divers exemples de leur choix. En particulier, élargir l’espace de ces enregistrements mono constitue l’un des deux désirs sonores les plus fréquemment exprimés.

Pour affiner notre étude des comportements, nous avons comparé les désirs sonores exprimés par ces participants lors de l’entretien préliminaire pour divers enregistrements de la période 1950- 60, dont cinq d’entre eux pour l’espace, avec leurs choix ultérieurs lors de la séance de remixage des trois chansons. La figure 35 nous donne donc pour chaque morceau remixé et chaque participant concerné deux informations sur les aspects sonores qu’il a annoncés à l’entretien préliminaire vouloir en priorité corriger sur divers enregistrements des années 1950-60 (QA5) : combien d’entre eux figurent en effet parmi les modifications sonores prioritaires souhaitées avant le remixage de chaque morceau (QB6), et combien d’entre eux font l’objet d’une manipulation de remixage et le cas échéant, à quel niveau de priorité. Par exemple, pour la chanson de Lightnin’ Hopkins, nous voyons que le musicien n°1 a suivi son envie préliminaire de revoir la balance des enregistrements de 1950-60 (QA5), puisqu’il a émis ce souhait de modification en écoutant le master original (cercle coloré) et qu’il l’a concrétisé au remixage en l’effectuant en première position (barre du graphe). Ou encore, pour cette même chanson, l’ingénieur du son n°7, comme dit à l’entretien préliminaire, a souhaité élargir l’espace sonore en écoutant le master original, pourtant il n’a fait aucune manipulation dans ce sens lors du remixage.

De cette figure, quatre éléments nous apparaissent importants. D’abord, les participants sont globalement cohérents entre l’entretien préliminaire et le remixage puisqu’au moins la moitié des envies sonores formulées sur divers enregistrements des années 1950-60 s’est vérifiée pour chacun des trois masters originaux écoutés avant la séance de remixage. Puis, avec 12 aspects sonores communs sur 18, c’est la chanson B-A-B-Y de Carla Thomas qui présente le plus haut niveau de corrélation entre les modifications sonores que les participants souhaitent pour elle et celles qu’ils désirent en général pour des enregistrements 1950-60. Tous les aspects sonores particuliers souhaités pour certains enregistrements de 1950-60 ont été manipulés lors du remixage de la chanson B-A-B-Y, contrairement aux autres chansons. Enfin, le paramètre de localisation spatiale est celui qui affiche le plus haut degré de corrélation entre les envies sonores générales pour des enregistrements 1950-60 et les envies sonores particulières pour chacun des trois morceaux écoutés.

2) Limitations des signaux isolés sans détection des harmoniques pour le remixage en son spatialisé

Nous avons élaboré la figure 36 à partir des réponses des participants aux questions QD5 et QD6 du questionnaire d’autocritique du nouveau master. Elle nous offre une première évaluation pratique de la retouche manuelle de la séparation de sources par apprentissage profond sans détection des harmoniques, présentée en I.C.3.2. et opérée en II.A.1.2, pour un remixage en son spatialisé, expliquant certains résultats quantitatifs donnés en figure 29.

Les limitations ressenties dues à la qualité des signaux lors du remixage concernent des matières spectrales dépouillées, des interférences entre sources, des éléments non séparés, et varient selon le morceau. 54% des participants ont été limités par le signal de la basse de Lightnin’ Hopkins, car son absence d’harmoniques entravait leur envie de la redéfinir. Cela dit, tous ont reconnu que la prise de son instrumentale de 1954 était responsable de cette issue. Avec une même explication, 46% des participants ont déploré la présence aléatoire du signal du piano chez Louis Prima, qui défavorisait leur souhait d’augmenter son niveau. En revanche, seuls 13% des participants ont été limités pour remixer la chanson de Carla Thomas, ce qui leur a plus aisément permis d’entendre un master remixé plus fidèle à la musique (figure 29). Notons que 29%, 8% et 8% des participants souhaiteraient disposer des éléments séparés de batterie pour l’élargir dans chacune des trois chansons blues, R&B et soul. Finalement, 38%, 38% et 63% d’entre eux n’ont ressenti aucune limitation liée aux sources séparées et retouchées en amont, pour les remixages en son spatialisé des chansons de Lightnin’ Hopkins, Louis Prima et Carla Thomas. Cette donnée s’annonce cruciale en vue de la partie III.

C. Discussion de l’expérience n°1 et conclusions

Cette expérience s’avère riche d’enseignements sur les comportements de réflexion, d’écoute et de remixage d’ingénieurs du son, de musiciens et d’experts musicaux du répertoire vis-à-vis des masters originaux d’enregistrements blues/R&B/soul des années 1950-60. Nous y avons donc analysé leur évaluation du rendu sonore des masters originaux (Q.R.1) et de leurs masters remixés (Q.R.3) vis-à-vis de la musique, leur engagement dans la séance de remixage (Q.R.2) et leur cohérence entre leurs réponses à l’entretien préliminaire et leurs choix de remixage (Q.R.4).

Dans leur réflexion, tous les profils de participants voient de nombreux intérêts à remixer aujourd’hui certains enregistrements de cette période, bien qu’ils n’en oublient pas de rappeler certains impératifs. La majorité, qui voit en cette pratique un atout majeur pour la musique, affirme d’abord que l’œuvre musicale peut évoluer librement sans l’esthétique sonore³⁷ issue des années 1950-60 sans que son essence ne soit menacée. Au contraire, le bénéfice du remixage serait selon eux essentiellement musical : clarification du discours, fidélité sonore, découverte de catalogues enregistrés, nouvelles perspectives de composition. Cela conforte ainsi notre idée de guider notre étude par la musique, l’œuvre pensée, composée et interprétée. Une minorité pense en revanche que le remixage n’aurait qu’une utilité technique. Toutefois, plusieurs participants signalent que ce processus, exigeant et nécessairement garant de la temporalité originale, doit être documenté. Cela implique de savoir si les aspects sonores que le remixeur souhaite modifier – même dans une démarche musicale – ont constitué le jour de l’enregistrement un choix esthétique réfléchi ou un défaut technique connu. Or les ingénieurs du son de l’expérience nous rappellent que les aspects sonores perceptibles dans un enregistrement d’époque résultent le plus souvent de contingences matérielles. Il semblerait donc que l’hypothèse du défaut technique soit d’après les participants intéressés la plus fréquente pour les enregistrements de ces années. Ainsi, nous pouvons réaliser l’envie de la majorité des participants de retravailler prioritairement la bande passante et l’espace sonore – paramètre qui nous intéresse – de certains masters originaux des années 1950-60.

Ensuite, comme l’atout du remixage semble principalement musical pour les participants, écouter et évaluer de ce point de vue le rendu sonore de trois masters originaux de blues/R&B/soul de la période concernée leur a paru certes inhabituel, mais réalisable, pertinent et parfois confortable. En effet, tous ont éveillé leur sensibilité musicale et parfois leur affection marquée et fortuite pour certaines de ces chansons, pour définir ce qui les caractérise et éventuellement ce en quoi elles les touchent. Guidés par cela, en réponse à notre question initiale Q.R.1, l’ensemble des profils – y compris les experts 1950-60 – n’ont pas hésité à juger qu’un de ces masters originaux présentaient un rendu sonore desservant la musique. Le rendu sonore de l’enregistrement de la chanson B-A-B-Y a été le plus vivement critiqué par rapport à ce que l’œuvre dégage aux yeux des participants. En particulier, c’est dans ce master original que le rendu des timbres et le rendu de l’espace des sources sonores divergent selon eux le plus de la musique. Nous apercevons là une première cohérence de résultats entre les comportements de réflexion des participants (souhait de corriger en priorité la bande passante et l’espace sonore de divers enregistrements des années 1950-60) et leur comportement d’écoute (souhait de bonifier les timbres et l’espace du master original de B-A-B-Y) en faveur de la composante musicale.

Enfin, les comportements de remixage des participants sont aussi riches d’observations. En réponse à la question Q.R.2, les trois profils se sont prêtés au jeu des manipulations sonores pour chacune des trois chansons traitées. Surtout, pour répondre à la question Q.R.3, ceux-ci ont par cette séance pratique réussi à se rapprocher de leur propre rendu sonore idéal de deux chansons sur trois (What is Wrong with Me et B-A-B-Y), ce qui constitue l’un des principaux gains de cette expérience. En particulier, le rendu de l’espace des sources sonores dans ces deux versions que les participants ont remixées profite selon eux enfin à la musique. Ainsi, nous pouvons commencer à répondre à notre grande problématique a : au contraire de la chanson Oh, Marie de Louis Prima, remixer en son immersif les masters originaux monophoniques des chansons Wonder What is Wrong with Me de Lightnin’ Hopkins et B-A-B-Y de Carla Thomas fait sens sur le plan artistique, dans la mesure où l’œuvre elle-même s’en trouve régénérée au regard des participants de tout profil. Pourtant, cette conclusion intervient même alors que la séparation de sources sans détection des harmoniques, à l’origine de cette expérience, détient encore une grande marge de progression pour satisfaire toutes les envies de remixage de chacun. Nous noterons en particulier la mauvaise tendance de l’outil à regrouper des signaux dissemblables au sein d’un même stem, ce qui, malgré notre retouche manuelle approfondie, laisse apparaître quelques artefacts ou manques fréquentiels pour certaines sources essentielles comme la basse. Par ailleurs, l’incapacité de ce modèle, que nous avons présenté en section I.C.3.2., à diviser les éléments internes de la batterie et des cuivres entrave certains désirs sonores importants liés à la construction d’un nouvel espace sonore pour l’œuvre. À ce propos, la volonté portée par les participants pour ce dernier paramètre est pleinement affirmée pour le remixage de masters monophoniques des années 1950-60 : c’est l’aspect spatial qui est privilégié pour répondre à leurs attentes sonores des trois chansons, avec en prime une correspondance maximale avec les souhaits préliminaires des participants concernés. Nous comprenons donc vis-à-vis de la problématique a que la notion immersive dans le contexte de ces enregistrements passés tient artistiquement toute sa place aux yeux des participants, en théorie comme en pratique. Nous retiendrons la grande cohérence dont ont fait preuve ces derniers depuis leurs conceptions évoquées jusqu’à leurs manipulations effectuées, ce qui répond à notre question Q.R.4.

Encouragés par les résultats positifs de cette expérience, nous souhaitons maintenant les exploiter pour proposer au grand public la possibilité d’écouter un master immersif représentatif de ceux réalisés par les participants pour l’une des trois chansons. En abordant dans la partie III les choix de remixage privilégiés en faveur de celle-ci, nous complèterons ainsi notre réponse à la problématique a et parviendrons à la problématique b.

III. Expérience n°2 : Ecoute comparative du master original et d’un master remixé en son immersif de la chanson B-A-B-Y (1966)

Pour compléter notre réponse à la problématique a et traiter la problématique b, nous avons conçu une deuxième expérience qui vise à évaluer la demande du grand public pour un master en son immersif d’une des trois chansons de l’expérience n°1. Elle tend à mesurer plus directement le degré de pertinence musicale, culturelle et historique de la pratique du remixage en son immersif des répertoires afro-américains des années 1950-60. Pour ce faire, en reprenant le plus fidèlement les envies et choix de remixage des participants de l’expérience n°1, nous avons remixé en son immersif la chanson qui, au vu de leur évaluation du rendu sonore original, récolterait a priori les plus grands avantages musicaux d’une telle restructuration sonore : il s’agit de B-A-B-Y de Carla Thomas. Plusieurs résultats de l’expérience n°1 rappelés ci-dessous sont alors venus motiver notre choix de chanson :

• C’est elle qui présente selon les participants le rendu sonore original le moins en accord avec ses caractéristiques musicales (figure 29) ;
• Tous les profils ont pensé en moyenne de cette chanson que leur version remixée affichait un meilleur rendu sonore vis-à-vis de la musique que la version originale (figure 29) ;
• C’est la chanson pour laquelle les participants ont été les moins limités par la qualité des signaux isolés lors de la séance de remixage (figure 36) ;
• Le paramètre spatial³⁸ est à la fois celui qui, aux yeux des participants, défavorise le plus fortement le master original de la chanson (figure 29) et celui qui affiche le plus haut degré de corrélation entre les envies sonores générales pour des enregistrements 1950-60 et les envies sonores particulières pour chacun des trois morceaux abordés (figure 35) ;
• Tous les aspects sonores particuliers souhaités pour certains enregistrements de 1950-60 ont été manipulés lors du remixage de cette chanson, contrairement aux autres (figure 35).

Après avoir employé une autre méthode de séparation de sources et opéré ce remixage immersif de la chanson B-A-B-Y, nous avons organisé deux tests d’écoute comparative aux protocoles et aux objectifs complémentaires.

Le premier, réservé aux « producteurs » de musique (des ingénieurs du son, réalisateurs artistiques et producteurs musicaux), vise à répondre à la question suivante :

QR5 : Aux yeux experts d’ingénieurs du son, de réalisateurs artistiques et de producteurs musicaux, le présent master remixé en son immersif de la chanson B-A-B-Y de Carla Thomas, enregistrée en mono en 1966, présente-t-il aujourd’hui un intérêt culturel et musical d’être entendu par le grand public ? En outre, pourrait-il prétendre aujourd’hui à cohabiter avec le master original au sein du catalogue discographique de l’artiste et du label ?

Le second, ouvert aux « consommateurs » de musique (des musiciens, des non-musiciens et des experts musicaux du répertoire soul des années 1950-60), est dirigé vers ces questions :

QR6 : A travers laquelle des deux versions sonores – version originale ou version remixée – les participants éprouvent-ils le plus de plaisir à écouter la chanson B-A-B-Y de Carla Thomas ?

QR7 : Les consommateurs de musique seraient-ils enclins à écouter la version remixée en son immersif de la chanson B-A-B-Y plus souvent que la version sonore originale, si elle était publiée à ses côtés sur leur plateforme de streaming musical favorite ?

Ainsi, la question Q.R.5 nous permettra de parfaire notre réponse à la problématique a, quand les questions Q.R.6 et Q.R.7 alimenteront notre problématique b.

Nous consacrerons la première partie au remixage en son immersif de B-A-B-Y, la deuxième au test d’écoute pour « producteurs » et la troisième au test d’écoute pour « consommateurs ».

A. Remixage en son immersif de B-A-B-Y de Carla Thomas

1. Choix du logiciel de séparation de sources : RipX

Contrairement à l’expérience n°1 où l’étude des comportements prévalait, nous sommes à présent pour notre remixage dans une recherche de performance sonore, en vue de le présenter aux participants de l’expérience n°2 et d’apporter la réponse la plus aboutie à nos questions. C’est pourquoi, après comparaison des outils, nous avons choisi de séparer les sources de la chanson B- A-B-Y avec le logiciel d’apprentissage profond RipX, basé sur la détection des harmoniques des notes et présenté en section I.C.3.3. Pour affiner ce résultat, nous avons à nouveau conclu cette séparation en retouchant les spectrogrammes des sources sur SpectraLayers.

1) La détection des notes et des harmoniques, le facteur qualité décisif

Comme nous l’avons constaté en II.A.1.2., la séparation de sources que réalise SpectraLayers affiche plusieurs limites importantes. Au contraire, RipX écarte presque toutes ces limites grâce à l’apport déterminant de la détection des notes puis de leurs harmoniques.

D’abord, comme RipX relie chaque note à la source qui la joue, aucune interférence n’existe par exemple dans le stem « Voix » avec les autres sources (figure 37a), contrairement à celui délivré par SpectraLayers.

Ensuite, la détection des harmoniques de RipX offre une meilleure qualité subjective de séparation et de définition pour certaines sources sonores. La figure 37b illustre ce phénomène sur la basse, dont le rendu sonore original était le plus gênant au regard de la musique selon les participants de l’expérience n°1. Sans cette détection préliminaire, SpectraLayers nous avait obligé à retirer manuellement du stem « Basse » les interférences d’autres sources, et avec elles, le peu de son contenu harmonique disponible, limitant ainsi la bande passante supérieure de l’instrument à 1 kHz environ. RipX, en détectant ses harmoniques, a su isoler proprement la basse et surtout reformer son enveloppe sonore, redéfinissant toutes ses transitoires d’attaques avec une bande passante supérieure atteignant 3 kHz.

Le passage de la séparation de sources de SpectraLayers retouchée à la séparation brute de RipX permet les bénéfices suivants : une récupération des informations harmoniques et dynamiques de l’ensemble des sources, une stabilité harmonique et ainsi présentielle de tous les signaux au cours du temps, une forte réduction du nombre et de l’intensité des interférences entre les sources et ainsi une raréfaction des artefacts numériques.

Cependant, la détection des notes et des harmoniques a aussi révélé certains évènements indésirables. Comme le souffle de l’enregistrement n’est ni un signal harmonique, ni un signal inharmonique, RipX ne le détecte pas et n’en tient donc pas compte pour la séparation. En parallèle, lorsque les harmoniques aigus ont une intensité inférieure à celle du souffle, le logiciel n’est plus capable de les repérer et est donc forcé de les ignorer également. Toutefois, cette limitation dans le haut du spectre des signaux de batterie (cymbales), de piano et de chœurs ne nous a pas paru limitante en écoutant la séparation effectuée. La séparation qui en résulte paraît finalement fidèle à notre perception de la musique multi-instrumentale, dirigée vers le sens musical non bruité et concentrée sur les aspects harmoniques et dynamiques des instruments.

2) Disparition des limitations de remixage relevées à l’expérience n°1

Sur les 12 limitations relevées par les participants de l’expérience n°1 pour le remixage de B-A-B-Y basé sur la séparation effectuée et retouchée sur SpectraLayers, nous avons constaté que 9 avaient disparu dans la séparation de RipX, avant même notre retouche manuelle. Nous donnons en annexe C1 un tableau récapitulatif de l’amélioration progressive de la qualité des signaux isolés de la chanson, depuis la séparation brute de SpectraLayers jusqu’à la séparation de RipX retouchée sur SpectraLayers. La séparation avec RipX a permis trois avantages principaux.

Premièrement, les signaux issus de RipX se révèlent intrinsèquement mieux définis et plus constants. En les écoutant isolément, nous ressentons personnellement un contact beaucoup plus fort avec chaque interprète, grâce à la nouvelle définition des enveloppes dynamiques, expliquée précédemment. Par exemple, ce logiciel révèle le jeu et le groove du bassiste, tandis que certains participants déploraient le manque d’informations livrées par SpectraLayers. De même, le piano incomplet et inconstant donné par ce dernier laisse place grâce à RipX à un instrument ayant récupéré toute la partie de la main gauche, avec toutes ses attaques, et ce tout au long du morceau.

Deuxièmement, RipX a exaucé partiellement l’un des souhaits de remixage des participants de l’expérience n°1 en rendant la grosse caisse indépendante du reste de la batterie (figure 37c), avec une présence plus constante que dans la séparation de SpectraLayers. Nous avons dû cependant retoucher le stem « Kick » pour déplacer certaines interférences de caisse claire vers le stem « Batterie ». Avec ce stem supplémentaire, RipX fait passer de 8 à 9 le nombre de sources que nous aurons à disposition pour le remixage immersif de B-A-B-Y.

Finalement, RipX estompe tous les artefacts de SpectraLayers qui limitaient des participants pour élargir l’image sonore et égaliser certains instruments comme la basse, la guitare et le piano.

2. Ligne de conduite du remixage

Fort des résultats de l’expérience n°1, nous avons souhaité respecter au maximum les remarques et les actions des participants pour remixer à notre tour, cette fois-ci sans la moindre limitation, la chanson B-A-B-Y de Carla Thomas. De plus, nous avons retenu le discours de certains participants pendant l’entretien préliminaire, qui recommandaient une documentation avisée de l’enregistrement de la chanson avant de réaliser un tel travail.

1) Objectifs musicaux de remixage issus de l’expérience n°1

Fidèlement à la visée artistique de notre recherche, nos objectifs de remixage immersif de B-A-B-Y sont avant tout musicaux. Nous les désignons donc par les cinq caractéristiques musicales de la chanson les plus souvent mentionnées par les participants à la question QB1 de l’expérience n°1, que nous chercherons à favoriser au maximum : le groove³⁹, l’originalité de l’arrangement, la voix centrale, le genre soul et le label Stax.

Ces deux derniers traits caractéristiques ont une très forte signification sur le plan musical, culturel et historique, qui mérite de notre part de plus amples informations contextuelles. Dans l’Amérique ségrégationniste que nous avons exposée en section I.A.1., la ville de Memphis (Tennessee) concentre l’activité musicale la plus intense pour conter par les mots, les cris et le rythme, tous les drames sociétaux qui touchent la région. Au 926 East McLemore Avenue, Stax Records symbolise mieux que tous les autres labels soul cette affirmation d’identité noire. Il oriente volontairement sa musique vers toute cette population pour l’extraire des maux quotidiens. Le « son Stax », aussi appelé « Memphis Sound », se reconnaît parmi toutes les esthétiques sonores de labels par un aspect brut, tranchant et parfois rêche. En particulier, le son acoustique sec et brutal de la caisse claire d’Al Jackson, le batteur maison, impulse cette couleur sonore à tous les autres musiciens du studio (Bowman, 1997). L’un des experts 1950-60 nous a confiés que le master original de la chanson de Carla Thomas⁴⁰ sonnait étonnamment […] un peu plus pop que les autres enregistrements Stax. Lors de notre remixage immersif, nous tenterons dans un rappel culturel et historique de retrouver le cachet sonore Stax et nous analyserons à travers les questions posées aux participants de l’expérience n°2 dans quelle mesure cette démarche profite à l’œuvre.

2) Choix de remixage issus de l’expérience n°1

Ensuite, nous avons relevé puis analysé par théorie ancrée l’ensemble des remarques formulées aux questions QB3 à QB5 pour lister les manipulations de remixage à opérer prioritairement, concernant respectivement l’équilibre entre les instruments, leurs timbres et leur espace propre et environnant.

D’après la figure 38a, nous devrons intégrer davantage la voix et la basse dans le reste du groupe et augmenter particulièrement la guitare et la batterie⁴¹. La figure 38b indique quant à elle que nous devrons en priorité clarifier la basse⁴² et la batterie⁴³, qui empêchent selon les participants de ressentir tout le groove que contient l’œuvre. Comme désiré, nous redéfinirons également dans ce but l’ensemble des sources. Spatialement, selon la figure 38c, nous élargirons l’image de l’enregistrement et nous réduirons l’espace entre les différents plans sonores, en augmentant notamment la taille de chaque source dans un nouvel espace 3D. Nous moulerons alors ce dernier en cherchant à nous sentir immergés dans le studio A du label Stax, renvoyé par exemple au jour de la séance d’enregistrement.

L’abandon de l’espace mono original de la chanson mérite de notre part une réelle considération historique, de laquelle nous tirerons notre justification. Comme nous l’avons expliqué en section I.A.3.1., les enregistrements des années 1950-60 étaient produits de telle manière à aligner le master publié sur le support d’écoute dominant à l’époque, le poste radio mono. Ainsi, conformément à notre responsabilité de nous renseigner sur sa nature créative ou subie, nous sommes en mesure d’affirmer que l’aspect mono du master original de B-A- B-Y n’a pas été décidé en 1966 par les acteurs de l’enregistrement (le producteur du label Jim Stewart, l’ingénieur du son Tom Dowd et les musiciens de la séance) dans un but artistique, mais par une contrainte technique à laquelle la musique a dû au contraire se plier⁴⁴. Toutefois, en observant la popularité de cette chanson dès le moment où elle a été publiée⁴⁵, nous pouvons constater que cette contrainte a été exploitée avec succès. Mais parce que notre étude donne la priorité à l’essence musicale des chansons, que 62,5% des participants de l’expérience n°1 mentionnent que l’aspect mono du master original est en fait limitant pour la chanson B-A-B-Y et qu’en spatialiser les sources constitue pour elle leur plus grand désir de remixage (figure 39), nous avons décidé pour notre propre remixage de nous affranchir de cette contrainte mono et de libérer les instruments de ce morceau dans un nouvel espace sonore immersif. Christophe Pirenne (1994) nous fait savoir que « l’essence de la musique soul repose sur l’expression et la transmission d’émotions et de sentiments très forts ». Tel est donc ce que nous espérerons que les participants de l’expérience n°2 ressentiront à l’écoute de notre master immersif de la chanson de Carla Thomas.

3) Compromis personnels

Comme ces différents désirs restent moyennés sur les 24 participants de l’expérience n°1, nous avons dû faire des choix sur la manière exacte d’effectuer ces opérations, en tenant comme ligne directrice les objectifs musicaux qu’ils nous donnent en section III.A.2.1.

Tout d’abord, pour produire le meilleur produit sonore possible, nous ne nous sommes fixés aucune limitation concernant le nombre de manipulations de remixage. Nous aurions pu nous ouvrir à de nouveaux paramètres de mixage, mais nous avons réalisé pendant notre travail que l’interface de remixage de l’expérience n°1 combinée à SPAT Revolution était en fait en mesure de répondre à tous nos besoins sonores.

Bien qu’en nous limitant à ces mêmes paramètres de mixage, nous avons ajusté précisément la fréquence de coupure de chaque égaliseur. Comme le facteur Q de l’égaliseur ne peut être modifié dans SPAT Revolution, ce travail s’avère essentiel pour redéfinir de manière appropriée chacune des sources sonores.

Mais avant cela, nous avons réfléchi à une disposition spatiale des sources la plus pertinente musicalement. Pour favoriser l’impression de réalisme⁴⁶ du studio d’enregistrement, nous avons décidé, telle une performance live⁴⁷, de placer tous les instruments devant nous (figure 40), tandis que tout l’espace latéral, arrière et supérieur allait être réservé à la réverbération immersive de SPAT Revolution. De plus, en gardant les instruments dans une même face de l’espace tridimensionnel, nous conservons l’esprit de groupe, cher aux studios Stax⁴⁸ et donc à cette chanson. Pour éviter un aspect trop ponctuel des sources et conserver la fusion musicale qui existe entre chacune d’elles, nous avons opté pour un mixage orienté objet avec objets stéréo. Et pour sentir de façon réaliste l’espace qu’occuperait chaque source, nous avons joué sur la largeur de chaque objet. En commençant notre travail, pour honorer l’objectif musical premier qu’est le groove, nous avons réuni au centre de l’image sonore les trois instruments qui en sont selon nous les garants : la voix (et chœurs), la basse et la batterie. Nous avons légèrement écarté ces deux derniers de part et d’autre de la voix, permettant un premier démasquage. Et pour illustrer l’originalité de l’arrangement, nous avons réparti le reste des instruments de part et d’autre de ce socle rythmique. Pour sentir la cohésion de la section rythmique, nous les avons placés ensemble à gauche de l’image. Et pour permettre aux cuivres de donner toute leur puissance sans menacer d’autres instruments, nous leur avons réservé le côté droit de l’image. En ajustant la position de chaque source, nous avons finalement toujours cherché à la démasquer des autres pour mieux percevoir son rôle dans l’arrangement, sans pour autant perdre le lien musical qu’elle entretient avec les autres. En écoutant l’avancée de notre remixage, nous avons compris que c’est cet équilibre de distances entre les sources, bien que compensé en niveau et en égalisation, qui serait la clef pour valoriser simultanément le groove et l’arrangement de la chanson.

Enfin, pour servir notre objectif de réalisme sonore, nous nous sommes aidés de photos et d’extraits vidéo montrant le studio A de Memphis pour imaginer et paramétrer une réverbération plausible du lieu. Nous avons ensuite proportionné le niveau de réverbération de chaque source à celui que cette dernière engendrerait de manière acoustique. Avec grande parcimonie pour respecter le style musical du morceau, les sources que nous avons le plus réverbérées sont donc la voix lead, les cuivres et la batterie.

Nous verrons en sections III.B.4. et III.C.4. dans quelle mesure notre remixage immersif de B-A-B-Y remplit les objectifs musicaux énoncés en section III.A.2.1.

B. Test d’écoute pour « producteurs » : valider la réalisation et discuter la pertinence du master remixé

Comme indiqué en préambule, nous organisons deux tests d’écoute comparative du master original et de notre nouveau master immersif de la chanson B-A-B-Y. Le premier test, destiné aux « producteurs », vise à évaluer l’intérêt musical et culturel de partager au grand public notre master remixé (Q.R.5). Pour nous garantir une équité entre les deux expériences et mesurer notre étude au plus grand nombre, nous n’avons invité à l’expérience n°2 aucun participant de l’expérience n°1. L’exception concerne les trois experts 1950-60 du test pour « consommateurs », faute d’avoir pu en trouver d’autres.

1. Profils de « producteurs » de musique

Pour y recevoir une expertise technique et musicale approfondie de notre master remixé, nous avons invité à notre test par e-mail 8 professionnels de l’industrie discographique : 5 ingénieurs du son, 2 réalisateurs artistiques et 1 producteur musical, dont les renseignements personnels sont donnés dans le tableau 5. Certains de ces participants comptent parmi les plus grands spécialistes du label Stax et de son esthétique sonore particulière, ou de la pratique du mixage musical en son immersif.

2. Déroulé et conditions du test

D’environ 45 min, le test pour « producteurs » se déroule en trois phases condensées.

Avant tout, nous présentons au participant le contenu et les objectifs de l’expérience, et nous nous assurons de sa bonne compréhension. Pour commencer, nous l’invitons à s’asseoir sur la chaise haute que nous avons placée au centre du système de diffusion, pour écouter le master original mono de B-A-B-Y. Nous l’appelons ensuite à répondre à un questionnaire électronique, que nous donnons en annexe C2, qui reprend exactement l’intitulé des questions QB2 à QB5 de l’expérience n°1. En effet, nous visons ici à évaluer le rendu sonore de chacun des masters par rapport aux caractéristiques musicales de la chanson : nous saurons des oreilles expertes des participants lequel des deux masters répond le mieux aux exigences de la musique sur chaque critère sonore (rendu sonore général, rendu de l’équilibre, des timbres et de l’espace des différentes sources). Pour éviter de fatiguer le participant, nous ne lui avons laissé qu’une seule case de justification pour toutes ces questions (QF5).

Puis nous lui proposons la même démarche pour notre master immersif de la chanson⁴⁹ : écoute / questionnaire. Le questionnaire est identique au premier, relatif à la musique. Nous permettons au participant de réécouter à volonté chacun des deux masters, de les confronter sur des extraits de leur choix, et de se déplacer librement dans la pièce pendant les écoutes.

Nous demandons ensuite au participant de comparer les deux masters sur trois aspects musicaux primordiaux. Deux d’entre eux, le groove (QH2) et l’arrangement (QH3), proviennent de l’expérience n°1. La question QH1, qui porte sur l’âme de la chanson, tient une place majeure pour notre égard déontologique de modifier un objet sonore existant. Elle nous aidera à alimenter notre question Q.R.5 et ainsi, notre problématique a. Grâce à ces trois questions, nous pourrons donc évaluer l’intérêt musical de l’existence du master immersif.

En conclusion, nous l’invitons à jouer le rôle d’un producteur musical dans les questions QI1 à QI5, qui nous offriront alors un éclairage avisé sur le potentiel culturel et commercial de notre remixage en son immersif de la chanson B-A-B-Y. Pour rappel, ce dernier exploite un dôme de 44 enceintes. Or il est quasiment certain qu’aucun participant ne dispose d’un tel système de diffusion. Nous avons donc ajouté dans les questions QI1 et QI2 la mention « toute considération matérielle exclue », qui supposerait de pouvoir entendre ce nouveau master via un support d’écoute bien plus usuel, le casque⁵⁰.

Ainsi, nous serons en mesure de répondre entièrement à la question Q.R.5.

Dès la phase d’écoute du master original jusqu’à la fin du test, nous nous asseyons à l’arrière de la salle pour perturber le moins possible le participant. Cependant, nous restons à tout moment à sa disposition pour répondre à ses questions.

3. Collecte et analyse des données

Nous collecterons les notes attribuées par les participants aux questions QF1 à QF4 et QG1 à QG4 pour en tirer des boîtes à moustaches qui décriront l’évolution de chaque critère d’évaluation sonore vis-à-vis de la chanson, du master original au master immersif. Nous rassemblerons les justifications de ces notes, écrites par les participants en QF5 et QG5, pour les synthétiser dans un tableau évolutif, visible en annexe C3. Nous récupérerons l’ensemble des réponses fermées données à la question QH1 et suivantes, pour en dessiner un tableau statistique complet. Enfin, nous réunirons les réponses des participants aux questions QI3 et QI5, pour les figurer dans un tableau conclusif, visible en annexe C4.

4. Résultats

D’après la figure 42, les « producteurs » trouvent notre remixage en son immersif de

B-A-B-Y conforme à ce que suggère l’œuvre, et parfois davantage que le master original.

D’abord vis-à-vis de la chanson, ils donnent minimum en moyenne une note de 5/7 à chaque critère de rendu sonore de notre master remixé, qui témoigne donc d’un certain respect de l’écriture et de l’interprétation de l’œuvre. Par ailleurs, les participants jugent que notre master immersif offre pour 3 critères sur 4 un rendu sonore plus en lien avec la musique que le master original. Nous observons également une plus faible dispersion des notes en faveur de notre travail, sur tous les critères sonores. Bien que le rendu sonore général de B- A-B-Y ne progresse que très légèrement avec le master remixé, la plupart des experts sonores et musicaux se sont dits impressionnés par le changement dément provoqué par le master immersif, très beau, très chic, qui sonne, et surtout qui améliore et respecte le morceau, sans dénaturer le master original.

En vérité, ce sont les timbres et l’espace des sources qui profitent selon eux le plus de notre travail au regard de la musique. Leur rendu respectif passe ainsi de 4,375 à 5,25 et de 4,375 à 5,5 entre le master original et le master immersif. Le master remixé nettoie la vitre qui était entre le master original et l’auditeur, grâce à des instruments magnifiés, plus beaux comme le piano, plus clairs, plus agréables. La basse, dont le timbre confus entravait le plus la musique dans le master original lors de l’expérience n°1, est mieux définie, moins bourrue, plus constante tout au long du morceau, elle n’envahit plus et reste très présente sans écraser le son. Cependant, une minorité de participants nous ont révélé une batterie trop agressive, sans doute due au cachet Stax tranchant que nous avons tenté de lui redonner.

Quant à lui, le nouvel espace sonore, naturel, plus agréable et stable en se déplaçant selon les spécialistes du mixage en son immersif, a permis à la voix et aux autres sources de gagner de l’air, offrant à l’auditeur une meilleure impression de rendu de la dynamique du groupe et plus globalement une consommation plus directe, sans effort. Toutefois, certains participants ont été gênés par la batterie placée à droite de l’image, ou ont trouvé ce master immersif encore un peu trop frontal à cause d’une réverbération certes naturelle mais trop subtile. Ils ont donc été quelques-uns à souhaiter plus d’immersion.

En revanche, les participants ont été en moyenne moins convaincus musicalement par l’équilibre entre les sources dans notre master remixé que dans le master original. Les deux instruments relevés par une minorité de participants étant la voix trop en retrait, ce qui s’avère gênant par rapport à l’idée originale d’enregistrer pour la chanteuse , et la batterie avec une caisse claire qui claque trop parfois. Cela dit, le rendu global de l’équilibre des sources dans notre master immersif reste très correct avec une note de 5/7.

Comme indiqué en tableau 6, les participants ressentent plus le groove de la chanson dans le master original, tandis que tous entendent l’arrangement de la chanson mieux servi par notre master immersif. En effet, l’un d’eux pense que dissocier [spatialement] basse et batterie fait perdre du groove à notre master immersif, quand un autre trouve que ce dernier donne plus à entendre l’arrangement, dont on entend tous les détails . Mais 75% des participants s’accordent à dire que les deux masters parviennent, certes différemment, à retranscrire à égalité l’âme, l’essence de la chanson.

Comme mentionné sur le tableau 7, les participants sont très partagés sur une envie du grand public que déclencherait notre master immersif d’écouter la chanson B-A-B-Y plus souvent qu’auparavant avec le master original. Ils le sont tout autant sur celle du grand public d’entendre en son immersif l’ensemble du catalogue du label Stax. D’un côté, certains émettent des doutes quant à la capacité et à la sensibilité du grand public à dissocier le rendu original et ce remixage très respectueux, et même à entendre l’élargissement de l’image. À l’inverse, un autre participant loue les qualités d’écoute du grand public, qui pourrait être déstabilisé par le changement de « contrat d’écoute » entre le master original et le master remixé, de cette chanson enregistrée il y a presque 60 ans. De l’autre côté, d’autres participants se réjouissent de l’existence de ce nouvel éclairage qui faciliterait l’accès de cette musique au grand public, en attirant beaucoup de curieux pour un genre toujours très populaire aujourd’hui.

En revanche, presque tous les participants déclarent qu’en tant que producteurs de label, ils engageraient les démarches pour commercialiser notre master immersif de B-A-B-Y. Bien que certains ne verraient dans le label Spatial Audio qu’un argument marketing qui ne révolutionnerait pas cette musique, d’autres disent que le master original et notre master remixé, au nouvel éclairage intéressant, pourraient cohabiter pour favoriser l’accès à cette musique et laisser les gens s’amuser à comparer les deux versions.

5. Conclusions

À la lumière de ces résultats, les professionnels de l’industrie discographique que sont les ingénieurs du son, les réalisateurs artistiques et les producteurs musicaux, valident la réalisation technique de notre remixage en son immersif de la chanson B-A-B-Y de Carla Thomas. Selon eux, le rendu sonore y est en accord avec la musique, et nettement plus que le master original sur le plan des timbres et de l’espace des différentes sources. La dimension immersive et réaliste aurait pu toutefois être plus marquée d’après certains participants.

Par ailleurs, la grande majorité de ces spécialistes du label Stax et du mixage en son immersif ne voient aucune perte d’âme de la chanson à travers notre master remixé. Au contraire, ils plébiscitent à l’unanimité ce produit fidèle et respectueux de l’œuvre pour percevoir tous les détails de l’arrangement musical. C’est là aux yeux de tous les « producteurs » le grand intérêt musical de remixer aujourd’hui en son immersif la chanson B-A-B-Y de Carla Thomas (Q.R.5, problématique a). Ils notent néanmoins dans notre travail une légère perte de groove par rapport au master original, dont la cause possible est l’éclatement des sources dans l’espace, qui a justement profité à l’arrangement.

Bien que notre remixage leur paraisse réussi et convaincant musicalement, les participants sont partagés entre l’optimisme et le doute quant à la demande du grand public pour ce type de reconstruction immersive de la musique, pour cette œuvre et pour le catalogue du label en général⁵¹. Toutefois, avec une intention culturelle de partager un nouvel éclairage d’une œuvre et de favoriser ainsi son accès, ou uniquement commerciale dans le marketing actuel autour du son 3D, ils seraient quasiment tous enclins, en tant que producteurs d’un label comme Stax Records, à commercialiser notre master immersif de B-A-B-Y et à l’installer aux côtés du master original (Q.R.5, problématique a).

C. Test d’écoute pour « consommateurs » : évaluer la demande du grand public pour le master remixé

Après la validation de notre remixage en son immersif de la chanson B-A-B-Y par un cercle de professionnels de l’industrie discographique, ce dernier test d’écoute comparative qui concerne les consommateurs de musique s’avère crucial. En enrichissant notre réponse à la problématique a et en abordant seul la problématique b, c’est lui qui va clore et décider de l’issue de notre étude du remixage en son immersif de masters monophoniques des années 1950-60. Nous chercherons avec lui à savoir à travers quelle version sonore (originale ou remixage) les consommateurs préfèrent écouter B-A-B-Y (Q.R.6) et s’ils écouteraient notre version remixée plus souvent que la version originale si elle était publiée à ses côtés (Q.R.7).

Par souci de compréhension de la part des participants, nous n’emploierons pas dans toute cette partie le terme « master », mais nous préférerons parler de « version sonore ».

1. Profils de « consommateurs » de musique

Pour que le grand public soit le plus densément représenté à notre test, nous y avons convié par message le maximum de personnes. Forts du succès provoqué par l’accroche, nous avons reçu 45 participants issus pour la plupart de notre réseau de connaissances⁵² : 21 musiciens, 21 non musiciens, et 3 des 8 experts 1950-60 de l’expérience n°1⁵³. Bien que nous souhaitassions une égalité entre chaque profil pour une distribution conforme⁵⁴, nous sommes parvenus à travers cette grande assemblée à remplir notre objectif premier de rassembler.

Quant aux non-musiciens, ce sont à la fois eux les plus grands consommateurs et les plus représentatifs du grand public. Leur présence nous est donc indispensable. Ensuite, nous avons conservé le profil des musiciens pour leur sensibilité auditive, dont le discours issu nous sera profitable. Enfin, le discours avisé des experts 1950-60 nous est tout aussi précieux que dans l’expérience n°1 vis-à-vis d’une chanson, B-A-B-Y (1966), qu’ils ont toujours entendue d’une manière et qu’ils vont entendre pour la première fois d’une autre. Nous réunissons en figure 43 les informations démographiques de ces participants.

2. Déroulé et conditions du test

D’une durée de 30 min, le test pour « consommateurs » se déroule en trois temps. Premièrement, nous accueillons le participant au plateau 1 du conservatoire et lui demandons de répondre sur ordinateur à quelques questions démographiques (QJ1 à QJ5 visibles en annexe C5). Après cela, nous l’invitons à s’installer sur la chaise haute que nous avons placée au centre du système d’écoute de la salle (voir figure 41). Nous lui décrivons oralement l’expérience qui l’attend et lui indiquons ce qu’il va devoir déterminer : laquelle des deux versions sonores qu’il va entendre d’un même enregistrement lui procure le plus grand plaisir d’écoute. Se faisant, nous préparons le participant pour qu’il soit dans le meilleur confort pour un exercice certes plaisant mais inhabituel pour lui, en particulier pour un non musicien, qu’il puisse faire confiance à son oreille critique pendant les deux écoutes qui vont suivre. Nous commençons par lui faire écouter en intégralité la version originale et notre version remixée de B-A-B-Y, sans parler entre les deux⁵⁵. Pour ne pas influencer le participant, nous ne lui évoquons pas avant la conclusion du test l’écoute d’une « version originale » et d’une « version remixée ». Nous craignons en effet qu’il perçoive négativement le terme « remixage », ou bien qu’il se montre complaisant envers notre version remixée s’il suppose que nous l’avons réalisée. Pour qu’il traite donc les deux versions à égalité et qu’il entende ce que chacune d’elles contient et renvoie de la musique, nous avons décidé dans notre discours et notre questionnaire de nommer « version A » la première version entendue et « version B » la seconde. En complément, pour nous affranchir d’un possible effet d’ordre, nous alternons secrètement entre chaque passage l’ordre d’écoute original/remixage. À l’issue des premières écoutes entières A et B et à tout moment du test, nous permettons au participant d’en effectuer d’autres à volonté sur des extraits précis qu’il pourra choisir, pour valider sa préférence.

Lorsqu’il la connaît, nous l’invitons à répondre sur ordinateur à notre questionnaire⁵⁶. Ce dernier, disponible en annexe C5, propose toute une série de questions, souvent à choix multiples pour simplifier la réflexion du participant et garantir la fluidité du test. Nous les avons posées dans un ordre logique mais par facilité pour lui, nous lui permettons de les traiter dans l’ordre de son choix. D’abord, la question QK1 nous permet de retenir les émotions naissantes éventuelles du participant après les deux écoutes, susceptibles de s’évaporer au fil du test. Servant directement notre question Q.R.6, les questions QK3 à QK5 dominent quant à elles notre questionnaire.

Ensuite, pour confirmer notre priorité de la musique et maintenir ainsi le lien avec les deux tests précédents, nous avons inclus dans le test pour « consommateurs » les questions QK6 à QK8, identiques aux questions QH1 à QH3 du test pour « producteurs », concernant l’âme, le groove et l’arrangement de la chanson. Nos questions inverses QK9 et QK10, les plus détaillées, demandent au participant une certaine attention d’écoute. C’est là que nous rappelons oralement à ce dernier la possibilité de comparer le rendu de certains instruments en réécoutant certains extraits, qu’il peut choisir ou que nous pouvons proposer. Bien que le participant puisse cocher plusieurs critères perceptifs pour une même source, nous lui précisons bien de n’en cocher un que lorsqu’il a une préférence significative pour l’une des deux versions. Notre question QK11 rejoint les questions QK6 à QK8 des principales caractéristiques musicales de la chanson B-A-B-Y. Avant la phase de conclusion de notre test, nous suggérons aux participants une réflexion temporelle sur chacune des deux versions sonores (QK12 à QK14). Notre objectif à travers cette question est de voir certains participants se sentir dans la même époque via les deux versions sonores.

Enfin, après avoir informé le participant de l’identité des versions A et B⁵⁷, nous concluons notre test par les questions QL1 et QL2⁵⁸ qui nous permettront de vérifier les hypothèses des « producteurs » émises en III.B.4., mais surtout de répondre directement à notre question Q.R.7 et à notre problématique b.

3. Collecte et analyse des données

Nous collectons les notes d’appréciation attribuées par les participants à la version originale et à notre version remixée de B-A-B-Y (QK3, QK4), pour en dessiner des boîtes à moustaches qui illustreront la moyenne et la dispersion d’appréciation de chaque version pour chaque profil. Nous rassemblons les réponses des participants aux questions QK5 à QK8 et QK11⁵⁹ pour constituer des digrammes circulaires qui révèleront la version sonore préférentielle des participants pour chaque aspect musical mentionné. Nous sommons toutes les grilles de cases remplies par les participants aux questions QK9 et QK10 pour construire pour chaque critère sonore un digramme en barres multiples qui renseignera leur version préférée pour le rendu de chaque instrument. Nous nous aidons de leurs justifications pour interpréter ce diagramme. Nous recueillons les réponses des participants aux questions QK12 et QK13 pour composer un digramme circulaire qui dévoilera la version qui plonge les participants dans l’époque la plus éloignée d’aujourd’hui, la plus proche de l’époque d’enregistrement. Enfin, nous retenons les réponses des participants aux questions QL1 et QL2 pour former deux diagrammes circulaires qui répondront à notre problématique b.

4. Résultats

Avant tout, la grande majorité des participants ont ressenti beaucoup de plaisir à participer à ce test d’écoute comparative, un exercice qui leur a paru certes nouveau, mais stimulant pour leur écoute de la musique en général.

Les figures 44 et 45 nous révèlent un plébiscite généralisé pour notre remixage en son immersif  de  la  chanson  B-A-B-Y  de  Carla  Thomas.  En  effet,  les  participants « consommateurs » sont 62,2% à préférer écouter cette musique à travers notre version remixée. De plus, il ne s’agit pas simplement d’une attirance pour un nouveau type de rendu sonore pour un enregistrement des années 1960, comme indiqué sur la figure 45 qui montre un réel plaisir des participants à écouter cette chanson dans la version immersive (appréciation moyenne de 7,5/10), davantage que dans la version originale (6,6/10 de moyenne). Nous notons également les 11,1% des participants qui, par choix argumenté, disent aimer autant l’une que l’autre version. Reste une minorité de participants (26,7%) qui privilégient l’écoute de la version originale, ce qui vient vérifier le constat sonore négatif de celle-ci, rendu par les participants de l’expérience n°1 en section II.B.1.1.

Sur le plan des principales caractéristiques musicales de la chanson énoncées par ceux – ci en section III.A.2.1., les « consommateurs » estiment à 57,8% ressentir plus de groove dans notre version remixée. Ils viennent ainsi contredire l’avis des « producteurs » en section III.B.4., qui désignaient la version originale. De plus, ils sont 71,1% à penser que notre version immersive met mieux en valeur l’arrangement de la chanson. Enfin, bien que les avis soient plus partagés, les participants sont toujours plus nombreux à juger que notre réalisation retranscrit le mieux l’âme de la chanson (44,4% contre 35,6% pour la version originale).

Dans le détail, la figure 46 nous apprend que les « consommateurs » n’ont la plupart du temps pas de préférence particulière pour le rendu sonore des différents instruments. Toutefois, certaines tendances se révèlent importantes.

D’abord, parmi les trois instruments qu’ils ont pensés oralement être les garants de l’âme et du groove de la chanson⁶⁰, les participants sont les plus nombreux à préférer dans notre version remixée la présence de la voix⁶¹, et la présence et la place dans l’espace de la batterie. En revanche, ils sont très partagés concernant le timbre de la voix. La plupart d’entre eux (36%) le préfèrent dans la version originale, et d’autres (31%) dans notre version remixée. Cependant, en observant leurs justifications, nous remarquons qu’ils ne s’accordent pas sur ce qu’ils entendent : pour certains, la voix est plus présente ou bien plus agressive dans la version originale, et pour d’autres dans notre version remixée. En revanche, une tendance forte se dégage de la figure 46. Tous les participants ayant une préférence pour la présence et la place dans l’espace des instruments l’accordent très largement pour tous ceux-ci à notre version immersive. En particulier, la nouvelle présence des instruments⁶² a ravi de nombreux participants, grâce au nouvel espace propre qui apporte un vrai relief à l’ensemble. L’un des experts 1950-60 s’est réjoui de notre scène sonore pour pouvoir enfin chanter la partie de guitare et compter le nombre de cuivres : deux sax et une trompette. Plus globalement, 6 « consommateurs » ont aimé à travers notre version ressentir l’impression d’être dans le live, leur permettant de plus vivre la musique. Pour confirmer cette sensation de réalisme⁶³, l’un des experts 1950-60 nous a avoué retrouver enfin [ce qu’il attendait] du son d’Al Jackson, le batteur maison : il est un des co-fondateurs du son Stax, nous dit-il, c’est donc logique qu’il apparaisse comme cela, [avec] la soudaine brutalité du coup de caisse claire . À ce propos, de façon tout à fait surprenante, 3 des 5 participants connaissant le son Stax nous déclarent qu’il est le mieux retranscrit dans notre version remixée. Un autre expert 1950 -60, spécialiste du genre et du label, nous avance même alors que si un mixage en stéréo [de B- A-B-Y] avait été conçu à l’époque⁶⁴, cela aurait tout à fait pu être celui-là.

Nous arrivons à présent à la perception de la temporalité des versions sonores par les participants (figure 47). Pour rappel, bien qu’ils puissent s’en douter, ceux-ci ne savent pas qu’ils entendent la « version originale » et une « version remixée », et encore moins laquelle des deux versions A et B dissimule la version originale. De façon logique, c’est uniquement à travers cette version originale que la majorité des participants (53,3%) se trouvent baignés dans l’époque d’enregistrement de la chanson, qu’ils identifient souvent bien comme étant les années 1960. Les indices sonores ne leur manquent pas : un aspect plus brut, moins subtil, moins aéré de la version originale, au contraire de la modernité de notre version remixée, ressentie par la spatialisation des instruments. Mais par-dessus tout, nous sommes agréablement surpris par les 22,2% de participants qui ne se sentent plongés dans l’époque d’enregistrement que dans notre version immersive, pensant alors être la version originale. Nous n’avions pas prévu une telle perception de la part de ces participants, qui entendent dans notre version une sorte de grain musical qui correspond à leurs attentes imaginaires et les met ainsi en confiance. Ils ont été en fin de test très agréablement surpris de leur confusion⁶⁵ et ne pensaient pas que ce genre de technique de mixage existait , capable de donner un grain à une musique, comme si elle datait de plusieurs décennies . Enfin, la même part de participants (22,2%) dit se sentir dans la même époque à travers les deux versions entendues, les années 1960. Selon eux, même avec l’éclatement des sources de notre version immersive, le son très caractérisé de la moitié du XX^e siècle reste palpable. L’un des experts 1950-60 nous a même confié que le réalisme de notre version lui offrait un voyage temporel vers l’époque d’enregistrement.

En conclusion d’après la figure 48, les « consommateurs » sont une très large majorité (68,9%) à avoir désormais envie d’écouter la chanson B-A-B-Y avec notre version remixée, plus souvent qu’avec la version originale. En particulier, 82% des participants qui connaissent la chanson et 75% des participants qui écoutent souvent ou tout le temps de la musique soul/R&B pour leur plaisir, ressentent cette même envie. L’une des non musiciennes nous confie⁶⁶ être ébahie de découvrir que le positionnement des instruments joue à ce point sur les émotions procurées, quand l’un des experts 1950-60 nous indique qu’on aurait rêvé faire la chose pour ces artistes merveilleux de Memphis, Tennessee, et leur faire écouter . Par ailleurs, 86,7% des participants de notre test désireraient entendre le même type de transformation sonore sur l’ensemble du catalogue discographique du label Stax. En particulier, 87,5% des plus grands consommateurs de soul/R&B partagent ce désir.

5. Conclusions

En définitive, le remixage en son immersif de la chanson B-A-B-Y que nous avons opéré en section III.A. a conquis une large majorité de « consommateurs » de notre test, tant par rapport à la version originale que pour leur propre appréciation de la musique.

La plupart d’entre eux ressentent plus de plaisir à écouter cette chanson dans notre version immersive que dans la version originale, répondant ainsi à notre question Q.R.6. En attribuant à notre production une meilleure mise en valeur du groove et de l’arrangement musical,  et  même  une  meilleure  retranscription  de  l’âme  de  la  chanson,  les « consommateurs » nous ont désigné leurs trois intérêts musicaux de remixer en son immersif la chanson de 1966 de Carla Thomas (problématique a). À leurs yeux, la musique s’épanouit dans son nouvel espace sonore qui revalorise la présence de tous les instruments et leur offre des timbres plus clairs et plus dignes du son du label Stax. En outre, bien que la majorité se sente davantage dans les années 1960 à travers la version originale, un groupe notable s’y retrouve tout autant en écoutant notre version immersive. Mieux, certains participants sont saisis par le réalisme sonore de celle-ci, qui les place soudain virtuellement devant les musiciens du groupe, en concert ou entre les murs du studio d’enregistrement.

Finalement, les « consommateurs » sont une très large majorité à éprouver l’envie d’écouter dans leur vie quotidienne la chanson B-A-B-Y plus souvent avec notre version remixée en son immersif qu’ils ne l’ont fait avec la version originale, répondant ainsi à notre question Q.R.7. Et ils sont encore plus nombreux à désirer entendre le reste du catalogue Stax, que beaucoup ne connaissent pas, dans des conditions de restructuration sonore similaires. Que le grand public exprime son envie de découvrir avec ce mode sonore un répertoire qu’il ne connaît pas suffisamment selon lui, incarne pleinement l’intérêt culturel du remixage en son immersif d’enregistrements monophoniques des années 1950 -60 (problématique a). Cela vient alors confirmer l’hypothèse des « producteurs » les plus optimistes sur la curiosité et l’engouement du grand public actuel pour ces reconstructions immersives d’enregistrements monophoniques. Néanmoins, pour répondre à notre problématique  b,  cet  engouement  ne  vient  pas  combler  une  envie  particulière  des « consommateurs » actuels vis-à-vis des enregistrements anciens, car depuis longtemps, ils ont inévitablement appris à apprécier la musique au milieu des marqueurs temporels des versions originales. Simplement, d’après notre test, non seulement leur apprentissage ne les a pas enfermés dans une seule esthétique sonore possible pour la musique soul des années 1960, mais celle que nous avons adoptée dans notre version immersive a fait croître leur attachement à la musique, qu’ils ont pu pour la première fois apprécier dans son entièreté.

D. Discussion de l’expérience n°2 et conclusions

Cette seconde expérience nous apporte de forts enseignements sur le degré de pertinence musicale, culturelle et historique de la pratique du remixage en son immersif de masters monophoniques du répertoire soul des années 1950-60.

Initialement, les bienfaits d’une telle pratique sont musicaux. Comme nous l’avions pressenti en préambule, la chanson B-A-B-Y de Carla Thomas, dont le rendu sonore original a été le plus vivement critiqué par les participants de l’expérience n°1, a largement bénéficié de notre remixage en son immersif, d’après les participants de l’expérience n°2. Les premiers participants en sont à l’origine. En effet, nous avons retenu les principales caractéristiques musicales de l’œuvre qu’ils nous ont adressées, nous permettant de tracer notre direction de remixage. Nous avons noté leurs envies sonores dominantes vis-à-vis de la chanson, sur le plan du rendu de l’équilibre, des timbres et de l’espace des sources, et nous avons repris les manipulations de remixage qu’ils avaient amorcées pour les réaliser. À l’occasion d’une écoute comparative au cours de laquelle nous les avons invités à jouer le rôle d’un « producteur » de label, des professionnels de l’industrie discographique ont validé notre travail de remixage, respectueux de la chanson et lui offrant des timbres et un espace plus favorables à son expression. Lors d’une autre écoute comparative, les « consommateurs » de musique, que sont non musiciens, musiciens et experts musicaux 1950-60, comme les « producteurs », nous ont explicitement désigné le grand intérêt musical de remixer en son immersif des masters monophoniques des années 1950-60 : mettre en lumière l’arrangement d’une chanson (problématique a). En effet, certains éléments qui étaient dissimulés dans la version originale de B-A-B-Y sont soudain apparus aux oreilles de tous ces participants de manière claire et directe dans le nouvel espace de notre version immersive. Au contraire des « producteurs », les « consommateurs » y ont même mieux ressenti un autre aspect de la chanson : le groove. Cependant, l’observation des « producteurs » vérifie la nôtre pendant notre remixage. Comme le groove repose sur la fusion entre les instruments et que l’arrangement peut être éclairé par un éclatement spatial, il est difficile dans un remixage en son immersif d’améliorer réellement les deux aspects à la fois. C’est pourquoi nous avions choisi d’ouvrir l’espace conformément aux désirs des participants de l’expérience n° 1, et d’optimiser le groove en revoyant le niveau et le timbre de la basse et de la batterie, comme ils nous l’avaient également suggéré. Mais ce sont bien ces deux aspects musicaux réunis, qui constituaient alors notre direction de remixage tracée par les participants de l’expérience n°1, qui ont conduit la grande majorité des « consommateurs » à aimer écouter B-A-B-Y avec notre version immersive, plus qu’avec la version originale. Simultanément, cette majorité confirme l’expertise des « producteurs » sur le respect de l’œuvre dont fait preuve notre remixage. La recherche documentaire que nous avons effectuée sur l’identité du label Stax dans le contexte musical et politique des années 1960 nous a été très précieuse. Elle nous a aidés à éclairer l’œuvre sans la dénaturer, à changer drastiquement le rendu sonore du master original tout en respectant le style de la chanson et les intentions originelles des musiciens et des arrangeurs. Au vu des résultats des deux tests d’écoute comparative, nous y sommes parvenus.

Ainsi, par la musique, le remixage en son immersif de masters monophoniques des années 1950-60 trouve son intérêt culturel. Les « consommateurs », en montrant leur envie d’écouter de manière immersive B-A-B-Y comme le reste du catalogue Stax, répondent à l’adhésion des « producteurs » de commercialiser notre produit. La grande majorité de ces « consommateurs » exprimant cette envie nous ont avoué dans le même temps ne connaître que très vaguement le répertoire de ce label légendaire. La perspective pour eux serait ainsi alléchante : le découvrir en intégralité et avec le même plaisir d’écoute (problématique a).

Tandis que la question culturelle s’intéresse à la relation entre l’auditeur et les œuvres, la question historique pourrait concerner celle entre l’auditeur et les interprètes. Certains résultats de notre ultime test montrent cette tendance. Les « consommateurs » n’éprouvent pas d’envie particulière vis-à-vis des enregistrements anciens (problématique b), car ils se sont naturellement formés à l’idée que ceux-ci ne peuvent exister que dans leur apparence originale mono. Pourtant, en découvrant à travers notre test que cette démarche est en fait techniquement possible, ils sont surpris et fascinés. Plusieurs participants nous ont confié en écoutant notre version immersive avoir l’impression de se sentir virtuellement devant les musiciens, en concert ou sur le plateau du studio d’enregistrement. Bien que ces sensations de réalisme soient ici minoritaires, nous pensons juste et responsable de les prendre au sérieux dans le cadre du remixage en son immersif de masters monophoniques des années 1950 -60. En effet, les « producteurs » nous ont spontanément affirmé que la dimension immersive de notre nouveau master aurait pu être plus forte. Mais pensons au fait que, pour renforcer sa présence, nous pourrions continuer d’affiner les contours acoustiques de l’espace que nous souhaitons recréer en lien étroit avec le style musical. Alors ces participants immergés pourraient  être  en  fait  bien  plus  nombreux.  Finalement,  la  large  majorité  des « consommateurs » conquis par la spatialisation des instruments d’une chanson enregistrée en 1966 s’accompagne de la sensibilité de certains participants au réalisme de notre master remixé pour nous indiquer le chemin à suivre des futurs travaux en matière de remixage immersif de masters monophoniques des années 1950-60 : préciser et renforcer vraiment l’immersion. Au regard de l’expérience n°2, nous sommes en mesure d’affirmer que le grand public semble prêt. De cette manière, si ces nouveaux produits réalistes et immersifs intègrent leurs habitudes d’écoute, ils créeront un espace commun entre deux époques distantes de plus de 60 ans, atout historique majeur pour les générations actuelles.

Discussion générale

Notre étude démontre l’intérêt musical, culturel et historique de remixer aujourd’hui en son immersif des masters monophoniques de blues/R&B/soul des années 1950-60. Pour cela, nous avons conçu deux expériences complémentaires : la première, qui évaluait les comportements de réflexion, d’écoute et de remixage de 24 participants face à des masters originaux de cette époque, nous a indiqué celui dont le rendu sonore défavorisait le plus le message musical, à savoir la chanson B-A-B-Y de Carla Thomas ; nous l’avons donc remixé en son immersif et l’avons soumis à 8 professionnels de l’industrie phonographique et 45 consommateurs de musique dans une seconde expérience d’écoute comparative avec le master original. D’abord, pour deux des trois morceaux du répertoire ciblé proposés à l’expérience n°1, les participants ont jugé en moyenne que le rendu sonore de leur version remixée servait davantage le propos musical que la version originale. Puis dans l’expérience n°2, les professionnels de l’industrie phonographique ont révélé le respect de l’œuvre originale dont faisait preuve notre version remixée en son immersif de B-A- B-Y, quand les consommateurs l’ont en grande majorité préférée à la version originale et seraient désormais prêts à écouter cette chanson plus souvent ainsi.

Plus précisément, les consommateurs éprouvent beaucoup de plaisir à entendre dans notre version remixée tout ce que la chanson B-A-B-Y comprend et véhicule d’un point de vue musical et émotionnel. Grâce au nouvel espace immersif introduit, comme les professionnels de l’industrie phonographique, ils ont aimé mieux percevoir les instruments qui constituent l’arrangement. Cet attrait confirme l’analyse de Giles Martin, qui a tout récemment remixé en son immersif l’album Pet Sounds des Beach Boys : « Placer ces sons dans un espace immersif signifie […] que vous pouvez entendre des instruments que vous n’avez jamais entendus auparavant. Ils sont dans l’enregistrement, mais ils sont maintenant dans un espace où vous pouvez les identifier » (The Beach Boys, 2023). En outre, selon les consommateurs, notre version remixée retranscrit mieux l’âme de la chanson, ce qui vient confirmer l’expertise des professionnels de l’industrie phonographique sur le respect de l’œuvre. « Les gens n’écoutent jamais de la technologie, ils écoutent de la musique », affirme Martin (Tamarkin, 2023). De même, nous n’avons pas souhaité faire un remixage technologique, mais musical de B-A-B-Y. Les résultats positifs de l’expérience n°2 viennent donc approuver l’intérêt pour la musique de penser réciproquement par elle lors du remixage, et bien avant déjà. Certes le rendu sonore du master original découle du magnétophone 2 pistes utilisé et du mixage de 8 voies effectué en direct. Mais la majorité des participants de l’expérience n°1 jugent que ces failles entravent le message musical des interprètes.

Par ailleurs, les moyens d’écoute du grand public ont bien évolué depuis les années 1960, et le casque, très usuel aujourd’hui, ne semble pas encourager les auditeurs à écouter de la musique en mono. Si l’on souhaite que ces trésors musicaux afro-américains traversent les époques, il serait opportun de l’adapter aux moyens d’écoute actuels. Nous suivons ainsi le discours de Martin : « Il y a une génération qui n’écoute pas de mono, alors comment respectez-vous cela ? » (Cruse, 2023). Comme les labels l’ont fait dans les années 1960 en privilégiant le master mono pour encourager le plus grand nombre d’écoutes à la radio, nous pourrions tout autant aujourd’hui satisfaire le grand public en lui proposant à la mesure de son medium favori un master binaural après réduction du master immersif. C’est là la politique menée par Apple avec ses catalogues musicaux en Dolby Atmos. Mais plutôt que de ne réserver ceux-ci qu’aux enregistrements stéréo, il serait aujourd’hui opportun de se pencher sur le cas des enregistrements mono. En effet, bien que nous le pensions encore améliorable, notre remixage en son immersif de B-A-B-Y a provoqué chez plusieurs participants une immersion si forte que pour la première fois en écoutant cette chanson de 1966, ils se sont sentis devant les musiciens entre les murs du studio d’enregistrement. Cette sensation a capté leur imaginaire, et leur a donné envie, comme bien d’autres, d’écouter les autres chansons du label Stax dans les mêmes conditions. L’intérêt culturel du remixage en son immersif de masters monophoniques des années 1950-60 est donc prolongé par un intérêt historique, puisque cette pratique, via la sensation de réalisme, pourrait permettre de construire pendant trois minutes un pont virtuel entre le moment actuel d’écoute et le jour d’enregistrement d’une chanson. Cette idée rejoint celle de Martin lorsqu’il a remixé Pet Sounds : « Ce que j’ai essayé de faire, c’est d’être plus proche de l’enregistrement […] et de trouver un sens à ce que c’est d’être dans le studio avec le groupe » (Tamarkin, 2023). Bien que les participants immergés auraient peut-être été plus nombreux si nous avions basé notre remixage sur la construction d’une scène sonore réaliste, ce phénomène donne en tout cas une réelle indication sur le potentiel perceptif de l’approche immersive. Notre étude illustre enfin la grande avancée aujourd’hui que représente la séparation de sources par apprentissage profond. Celle-ci satisfait un désir, celui de se réapproprier le son des enregistrements anciens, aux bandes multipistes alors inexistantes.

Grâce à sa détection décisive des harmoniques du signal, RipX nous a permis de remixer B- A-B-Y sans la moindre limitation, et le démasquage spatial des sources n’a pas fait ressortir d’artefact issu de la séparation. Pourtant, avant de le découvrir, nous avions opté pour l’outil SpectraLayers, pensant alors que retoucher aussi précisément les spectrogrammes des sources allait nous offrir un meilleur résultat de séparation que tous les autres outils automatiques du marché. Cette orientation spontanée, qui peut s’expliquer par notre expérience manuelle d’ingénieur du son, a conduit à une limite de notre étude, celle de ne pas avoir utilisé RipX en vue de l’expérience n°1. Cependant, découvrir successivement ces deux outils nous a permis d’approfondir notre connaissance de l’état de l’art de la séparation de sources et de choisir chaque outil en fonction de nos besoins. En particulier, si nous n’avions pas découvert l’éditeur SpectraLayers, nous n’aurions pas pensé pouvoir optimiser par retouche manuelle la séparation livrée par RipX, ultime étape qui a ouvert la voie de notre remixage final.

Par ailleurs, pour faciliter et donc améliorer encore la séparation de sources de RipX, nous aurions pu plutôt lui fournir le master stéréo de B-A-B-Y. Comme celle-ci a été enregistrée sur un magnétophone 2 pistes, toutes les sources sont totalement situées sur le canal gauche ou droit de la stéréo. Cette image sonore offre un démasquage avantageux entre les sources, ce qui permettrait donc pour elles une séparation plus aisée, plus proche encore d’une véritable bande multipiste. Par exemple, les accords secs de guitare confondus avec la caisse claire dans le master mono, auraient été mieux séparés depuis le master stéréo, où ils le sont déjà dans l’image.

Mais ces deux limitations n’ont ni entravé nos objectifs musicaux de remixage de B-A-B-Y, ni altéré les choix de remixage des premiers participants. En profitant des outils actuels de séparation de sources, nous sommes d’ailleurs finalement heureux d’avoir pu réaliser dans l’expérience n°1 le projet de Clavel (2003, p.5) de « proposer à [ceux-ci] d’effectuer [eux-mêmes leur] opération de mixage en [leur] laissant la possibilité de placer les sons à [leur] convenance ».

Avec les progrès constants des techniques de séparation de sources et l’engouement pour l’audio immersif, les perspectives de recherches s’avèrent exaltantes. Remixer en son immersif d’autres répertoires, d’autres époques d’enregistrement, en désigne sûrement une. En particulier, mesurer la grandeur acoustique d’un big band des années 1930-40 et se sentir soudain devant cette masse de musiciens est un projet crédible, mais hautement exigeant. Pour l’apprentissage supervisé, cela impliquerait de constituer un catalogue d’enregistrements de big band multipistes, caractérisés par un souffle, des timbres, un espace et une dynamique typiques de cette époque. Et recueillir une part de réalisme induirait d’améliorer sensiblement la bande passante originale. Parmi les méthodes actuelles d’apprentissage profond, les réseaux adverses génératifs (GAN) se démarquent. Ils peuvent générer de nouvelles données en analysant les modèles existants, redéfinir ainsi une image, en créant de nouveaux pixels à partir des pixels voisins. Il serait alors stimulant d’observer dans quelle mesure ce réseau est capable de créer de nouveaux harmoniques aux sources d’un enregistrement ancien. L’apprentissage profond peut-il donc créer l’illusion sonore ? Pour Yann Le Cun (2019), l’un des inventeurs de l’apprentissage profond, le réseau GAN est « l’idée la plus intéressante des 10 dernières années en matière d’apprentissage automatique ».

Conclusion

En constatant que les enregistrements de blues, R&B, soul des années 1950-60 ne sont plus aussi largement écoutés qu’autrefois, notre étude vise à évaluer le sens musical, culturel et historique de les remixer aujourd’hui en son immersif, et à savoir si cette pratique répond en effet à une envie des consommateurs actuels vis-à-vis de ces enregistrements. Finalement, elle démontre l’intérêt musical, culturel et aussi historique de cette pratique, qui ne répond certes pas à une envie particulière des consommateurs, n’ayant pas eu connaissance de son existence, mais qui suscite en eux un vif intérêt au regard de la musique.

Pour y parvenir, nous avons lié deux expériences. La première visait à observer les comportements de réflexion, d’écoute et de remixage de 24 ingénieurs du son, musiciens et experts du répertoire ciblé, face à trois masters originaux des années 1950-60. Sur deux morceaux, les résultats ont montré que leur version remixée présentait en moyenne un rendu sonore plus favorable à la musique que la version originale. À l’aide d’un outil de séparation de sources détectant les harmoniques, nous avons alors réalisé un remixage en son immersif l’une de ces deux chansons, que nous avons présenté dans une seconde expérience. Un premier test d’écoute comparative avec le master original visait à mesurer l’intérêt musical et culturel de présenter notre remixage au grand public. Huit professionnels de l’industrie phonographique ont jugé notre version respectueuse de l’œuvre originale, et le nouvel espace sonore éclairant musicalement. Presque tous ces experts du label ou du mixage immersif ont affirmé qu’ils la commercialiseraient s’ils dirigeaient un label. Un second test comparatif demandait à 45 consommateurs de musique leur préférence d’écoute entre les deux versions. La majorité, qui a préféré écouter notre remixage, a été ravie d’entendre tout ce que cette chanson contenait. Comme les professionnels, ils ont vu le grand intérêt musical du remixage immersif : valoriser l’arrangement qui a été pensé pour une œuvre en donnant une place nouvelle à tous les instruments. Un intérêt culturel ressort également, puisque les consommateurs ont été très nombreux à exprimer l’envie d’écouter cette chanson plus souvent en son immersif qu’en mono, et de découvrir ainsi le reste du catalogue du label. L’atout historique de cette pratique réside enfin dans l’illusion de certains d’avoir été projetés devant les musiciens de l’enregistrement. Remixer en son immersif des masters monophoniques peut donc établir pendant trois minutes une passerelle entre deux époques lointaines. Tous nos objectifs de recherche ont été atteints, bien que, si nous l’avions découvert plus tôt, nous aurions pu utiliser dès l’expérience n°1 l’outil RipX, avec lequel nous avons séparé les sources de cette chanson. Toutefois, cela n’a pas faussé nos résultats. Toujours guidé par un sens musical, ce procédé peut être étendu à d’autres catalogues d’enregistrements et bientôt des effectifs plus denses, grâce aux progrès constants des systèmes de séparation de sources par apprentissage profond.

Bibliographie

Apple. Audio Spatial, 2023. https://music.apple.com/us/curator/apple-music-audio- spatial/1564180390?l=fr-FR

Ausseil, D., Contamine, C.-H., & Chapoullié, D., La Route du blues. Éditions d’Art J. P. Barthélémy, 1995.

Barry, E. D., High-fidelity sound as spectacle and sublime, 1950–1961. Dans Sound in the Age of Mechanical Reproduction, pp.115-138, 2010. DOI: 10.9783/9780812206869.115

Bas-Rabérin, P., Le blues moderne, 1945-1973. Paris: Albin Michel, 1973.

Bode, H., History of electronic sound modification. Dans Journal of the Audio Engineering Society, 32(10), pp.730-739, 1984.

Bowman, R., Soulsville, U.S.A.: The Story of Stax Records. New York: Schirmer Books, 1997. Cabanillas, R., Mixing Music In Dolby Atmos [Capstone Projects and Master’s Theses].

California State University, Monterey Bay (Fresno, États-Unis), 2020.

Chalot, C., & Guittet, H., NomadPlay : FAQ, 2017. https://www.nomadplay.app/fr/faq Clavel, C., Séparation des sons musicaux. Approche bayésienne et méthode de Monte-Carlo [Stage DEA ATIAM]. Télécom Paris (Paris-Saclay, France), 2003.

Cogan, J., & Clark, W., Temples of sound : Inside the great recording studios. San Francisco: Chronicle Books, 2003.

Cruse, R., Les « Pet Sounds » séminaux des Beach Boys arrivent dans le mix Dolby Atmos de Giles Martin. Dans Maison Du Jeu !, 2023.

Dolby, Webinar 1/3 : Introduction Dolby Atmos [Vidéo], 2020. https://www.youtube.com/watch?v=naTJwllCmCw

Dolby, Webinar 3/3 : Mixage Dolby Atmos [Vidéo], 2021. https://www.youtube.com/watch?v=rGCngKQOxpw

Dobrev, L., SpectraLayers 7: More AI, less clicks for Steinberg’s spectral editor. Dans Gearnews, 2020.

Erard, N., La spatialisation dans le spectacle vivant : Quelles différences entre la chaîne audio de sonorisation d’un spectacle traditionnel et d’un spectacle spatialisé ? [Mémoire FSMS]. CNSMDP (Paris, France), 2020.

Ewert, S., & Müller, M., Using score-informed constraints for NMF-based source separation. Présenté à la IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) à Kyoto, Japon, 2012. DOI: 10.1109/ICASSP.2012.6287834

Facciotto N., Troiani E., Martinez M. J., Source Identification and Classification of Acoustic Emission Signals by a SHAZAM Inspired Pattern Recognition Algorithm. Présenté l’International Workshop on Structural Health Monitoring (IWSHM) à Palo Alto, États-Unis, 2017. DOI: 10.12783/shm2017/13989.

Garofalo, R., Crossing Over : From Black Rhythm & Blues to White Rock’n’Roll. Dans Rhythm and Business: The Political Economy of Black Music, Kelley, N., New York: Akashit Books, pp.112-137, 2002.

Gilotaux, P., La fabrication des disques. Dans Groupe d’Acoustique Musicale (28), 1967. Glaser B. G., & Strauss A. L., The Discovery of Grounded Theory: Strategies for Qualitative Research. Piscataway: Aldine Transaction, 1967.

Gordon, R., Respect Yourself: Stax Records and the Soul Explosion. Bloomsbury Publishing USA, 2013.

Goto, M., RWC Music Database, 2002. https://staff.aist.go.jp/m.goto/RWC-MDB/ Gover, M., Score-Informed Source Separation for Choral Music [Master Thesis]. McGill University (Montréal, Canada), 2019.

Guralnick, P., Sweet Soul Music: Rhythm & Blues et rêve sudiste de liberté. Paris: Editions Allia, 2003.

Hennequin, R., Khlif, A., Voituret, F., & Moussallam, M., Spleeter: A fast and efficient music source separation tool with pre-trained models. Dans Journal of Open Source Software, 5(50), 2020.

Hennequin, R. & al., Spleeter by deezer, 2021. https://github.com/deezer/spleeter Hit’n’Mix, History of Audio Separation 2001 to Now, 2021. https://hitnmix.com/2023/07/17/history-of-audio-separation/

Hofstein, F., Le rhythm and blues (coll. Que sais-je ?), Paris: Presses universitaires de France, 1991.

I’MTech, Gaël Richard, chercheur du son. Dans I’M Tech, 2020.

International Federation of the Phonographic Industry (IFPI). Engaging with Music, 2022. Jolibert, B., Le blues et sa musique. Dans Expressions (20), pp.171 187, 2002.

Kagan, A., How To Listen to Immersive Audio. Dans Sonarworks Blog, 2022.

Kimizuka, M., Historical Development of Ma0gnetic Recording and Tape Recorder. Dans

Survey reports on the systemization of technologies, vol.17, pp.185-273, 2012.

Lambert, P., Brian Wilson’s Pet Sounds. Dans Twentieth-Century music, vol.5(1), pp.109-133, 2008. DOI: 10.1017/S1478572208000625

Le Cun, Y., L’apprentissage profond, une révolution en intelligence artificielle. Dans La lettre du Collège de France, (41), p.13, 2016.

Le Cun, Y., Quand la machine apprend : La révolution des neurones artificiels et de l’apprentissage profond. Paris: Odile Jacob, 2019.

Lemesle, P., Il était une fois… La T.S.F. : Les Années 60…, 2015. https://radio- passion.pagesperso-orange.fr/annees60/frameannees60.htm

Licata Caruso, D., Les insolentes ventes d’écouteurs sans-fil portées par les AirPods d’Apple. Dans Le Parisien, 2022.

Liutkus, A., Durrieu, J.-L., Daudet, L., & Richard, G., An overview of informed audio source separation. Présenté au 2013 14th International Workshop on Image Analysis for Multimedia Interactive Services (WIAMIS) à Paris, France, 2013. DOI: 10.1109/WIAMIS.2013.6616139 Mercier D. & al., Le livre des techniques du son (4^e ed.). Paris: Dunod, 2010.

Miron, M., Carabias-Orti, J. J., Bosch, J. J., Gómez, E., & Janer, J., Score-informed source separation for multichannel orchestral recordings. Dans Journal of Electrical and Computer Engineering, (11), p.1-19, 2016. DOI: 10.1155/2016/8363507

Müller, M., Fundamentals of Music Processing : Using Python and Jupyter Notebooks (2^nd ed.). Cham: Springer, 2021.

Mulligan, M., Music subscriber market shares Q2 2021. Dans MIDiA Research, 2022. https://www.midiaresearch.com/blog/music-subscriber-market-shares-q2-2021 Mulligan, M., Music subscriber market shares 2022. Dans MIDiA Research, 2022. https://www.midiaresearch.com/blog/music-subscriber-market-shares-2022

Pirenne, C., Vocabulaire des musiques afro-américaines. Paris: Minerve, 1994.

Poole, A., The strange career of Jim Crow archives: Race, space, and history in the mid- twentieth-century American south. Dans The American Archivist, vol.77(1), pp.23-63, 2014. Rastogi, H., Apple First to Capture 8 Spots in List for Global Top 10 Smartphones. Dans Counterpoint Research, 2023.

Rémond, A., L’enregistrement magnétique : Vers la bande magnétique et le magnétophone. Dans Radiofil Magazine, (69), pp. 16-25, 2015.

Richard, G., Sundaram, S., & Narayanan, S., An overview on perceptually motivated audio indexing and classification. Dans Proceedings of the IEEE, vol.101(9), pp.1939-1954, 2013. Ripani, R. J., The New Blue Music : Changes in Rhythm & Blues, 1950-1999. Jackson: University Press of Mississippi, 2006.

Rumsey, F., & McCormick, T., Son & enregistrement. Paris: Eyrolles, 2002.

Schulze-Forster, K., Informed audio source separation with deep learning in limited data settings [PhD Thesis]. Institut polytechnique de Paris (Palaiseau, France), 2021.

Simon, G., Vers une salle d’écoute dédiée à la musique spatialisée [Mémoire FSMS]. CNSMDP (Paris, France), 2018.

Singleton, M., Apple Music’s Spatial Audio Strategy Is Paying Off With More Listeners, Major Releases. Dans Billboard, 2022.

Spotify. Qualité Audio, 2023. https://support.spotify.com/fr/article/audio-quality/

Stotzer, S., VisualAudio : Caractéristiques matérielles des disques phonographiques. Dans

Département d’informatique, Université de Fribourg, 2003.

Tamarkin, J., ‘Pet Sounds’ in Dolby Atmos: Respect the feelings. Dans Tidal Magazine, 2023. The Beach Boys, Giles Martin introduces The Beach Boys’ ‘Pet Sounds’ in Atmos [Vidéo]. https://www.youtube.com/watch?v=2drX6yEhktg

Thornton, M., Dolby Atmos – Remastering Music – An Introduction [Vidéo], 2020. https://www.production-expert.com/home-page/2020/1/6/remastering-music-in-immersive- audio

Woods, C., Development Arrested: The Blues and Plantation Power in the Mississippi Delta. New York: Verso Books, 2017.

Annexes

Annexe B1 : Expérience n°1 – Informations relatives aux enregistrements sélectionnés

• Wonder What is Wrong with Me – Lightnin’ Hopkins (1956), du répertoire blues

Compositeur, parolier : Lightnin’ Hopkins

Enregistrée en avril 1954 aux studios ACA à Houston, Texas

Sortie chez Ace Records sous ce titre, puis chez Herald Records sous le titre

Lightnin’ Don’t Feel Well

Disques :[45T] Wonder What is Wrong with Me / Bad Boogie, Ace Records [Ace 516], mai 1956 [45T] Lightnin’ Don’t Feel Well / My Little Kewpie Doll, Herald Records [H-520], mai 1958

Labels : Ace Records / Herald Records ISWC : ACA 45-3313

Lightnin’ Hopkins – voix, guitare Donald Cooks – basse

Ben Turner – batterie

• Oh, Marie – Louis Prima (1959), du répertoire jazz/R&B

Compositeurs : Eduardo di Capua, Alfred Mazzucchi Parolier : Vincenzo Russo, Louis Prima

Enregistrée aux studios Capitol à Los Angeles, Californie, pour le film Hey Boy! Hey Girl! de David Lowell Rich, sorti le 5 août 1959

Album : [33T] Music from the Soundtrack of the Columbia Picture “Hey Boy! Hey Girl!” [T- 1160]

Label : Capitol Records Producteur : Voyle Gilmore ISWC : T-902.878.576-4

Louis Prima – voix, trompette

with Sam Butera & The Witnesses:

Sam Butera – saxophone ténor, chœurs Lou Sino – trombone, chœurs

Robert J. Carter – piano

Bob Roberts – guitare, chœurs

Antony Liuzza – basse, chœurs Paul Ferrara – batterie

• B-A-B-Y – Carla Thomas (1966), du répertoire soul

Compositeur : Isaac Hayes Parolier : David Porter

Arrangeurs : Booker T. Jones, Steve Cropper

Enregistrée les 18-19 juillet 1966 aux studios Stax à Memphis, Tennessee

Sortie en 45T [S-195] le 27 juillet 1966, puis en 33T dans l’album Carla [S-709] en octobre 1966 Label de production : Stax Records

Label de distribution : Atlantic Records Ingénieur du son : Tom Dowd Producteur : Jim Stewart

ISWC : T-070.232.055-5

Classement : N°3 R&B / N°14 pop

Carla Thomas – voix, chœurs with Booker T. & the MG’s :

Booker T. Jones – orgue Hammond Steve Cropper – guitare

Donald “Duck” Dunn – basse Al Jackson Jr. – batterie

and The Memphis Horns : Wayne Jackson – trompette

Andrew Love – saxophone ténor Floyd Newman – saxophone baryton

• Just Call Me Lonesome – Jim Reeves (1959), du repertoire country [test de remixage]

Compositeur et parolier : Rex Griffin

Enregistrée le 19 décembre 1958 aux studios RCA Victor à Nashville, Tennessee

Sortie en septembre 1959 dans l’album Songs to Warm the Heart [LSP-2001] Label : RCA Victor

Ingénieur du son : Bob Farris Producteur : Chet Atkins

Jim Reeves – voix, guitare Chet Atkins – guitare Floyd Cramer – piano Bob Moore – basse Buddy Harman – batterie

Annexe B2 : Expérience n°1 – Questions de l’entretien préliminaire semi-dirigé

QA1 : Comment définiriez-vous l’« esthétique sonore » d’un enregistrement musical ? Que vous évoque ce terme ?

QA2 : En général, comment considérez-vous la relation entre une œuvre musicale et l’esthétique sonore choisie pour son enregistrement ?

• Comment considérez-vous la relation entre l’esthétique sonore choisie et notre perception postérieure de l’œuvre enregistrée ?
• Selon vous, à quoi ressemblerait l’esthétique sonore qui serait dans une « relation idéale » avec l’œuvre musicale qu’elle doit embrasser ? Vous pouvez brièvement illustrer vos propos par un exemple d’artiste ou d’enregistrement dans lequel vous pensez que cette relation est idéale, et un autre dans lequel vous pensez qu’elle ne l’est pas.

Plaçons-nous dès à présent dans le contexte des musiques écrites et enregistrées dans les années 1950⁶⁷ (Ray Charles, Ella Fitzgerald, Miles Davis, Art Blakey, Muddy Waters, Elvis Presley, Little Richard, Johnny Cash, The Chordettes, Edith Piaf, Georges Brassens…).

QA3 : Comment pensez-vous cette même relation ?

• Conceptuellement, l’œuvre musicale et l’esthétique sonore qui a été choisie pour son enregistrement sont-ils selon vous deux éléments aujourd’hui dissociables ou indissociables ? Pouvez-vous illustrer vos propos par un exemple d’artiste ou d’enregistrement qui vous est familier ?

Si cela n’est déjà fait, pensez à un enregistrement de musiques dites « actuelles » que vous connaissez des années 1950, pour lequel le rendu sonore, voire l’esthétique sonore dans son ensemble, dessert selon vous la musique qui a été pensée et composée.

Imaginez qu’il en soit possible de modifier le rendu sonore dans le but d’optimiser la relation œuvre/esthétique.

QA4 : Quel regard porteriez-vous sur cette pratique ?

• Cela impliquerait-il de toucher à l’œuvre musicale elle-même selon vous ? Si oui, qu’en pensez-vous ?

QA5 : Si vous aviez la possibilité d’en modifier certains aspects sonores, le feriez-vous ?

→ Oui : dans quel(s) but(s) ? Travailleriez-vous avec l’idée d’une certaine fidélité vis- à-vis de l’œuvre musicale originale, vis-à-vis de l’esthétique sonore originale, ou bien en toute indépendance ? Pensez-vous à un aspect sonore en particulier ?

→ Non : pourquoi ?

Annexe B3 : Expérience n°1 – Questionnaire d’écoute du master original

QB1 : Qu’entendez-vous dans cette musique ? Qu’est-ce qui y est important pour vous ? Que vous inspire-t-elle ? Quelle image, quel sentiment vous vient en l’écoutant ? Vous pouvez par exemple évoquer le genre, le style, les instruments, le tempo, les nuances, le caractère… et toute considération personnelle.

QB2 : Comment évaluez-vous le rendu sonore de ce master original, au regard du morceau et de ses caractéristiques musicales précédemment évoquées ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Expliquez brièvement votre notation.

QB3 : Comment évaluez-vous le rendu de l’équilibre entre les différentes sources sonores, au regard du morceau et de ses caractéristiques musicales ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Expliquez brièvement votre notation.

QB4 : Comment évaluez-vous le rendu du timbre des différentes sources sonores, au regard du morceau et de ses caractéristiques musicales ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Expliquez brièvement votre notation.

QB5 : Comment évaluez-vous le rendu de l’espace des différentes sources sonores, au regard du morceau et de ses caractéristiques musicales ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Expliquez brièvement votre notation.

QB6 : Finalement, si à vos yeux la relation œuvre/esthétique sonore n’est ici pas idéale, et si vous en aviez la possibilité, quelles modifications sonores prioritaires apporteriez-vous pour que ce morceau connaisse selon vous son rendu sonore idéal ? N’hésitez pas si possible à en préciser le but.

Annexe B4 : Expérience n°1 – Enoncé de la séance de remixage en son spatialisé

Selon votre convenance, vous allez avoir la possibilité de modifier certains aspects sonores de ces trois enregistrements précédemment entendus.

Les sources de chaque enregistrement ont alors été préalablement séparées par un dispositif technique spécifique, afin de vous permettre d’agir individuellement sur chacune d’elles pour cette séance personnelle de remixage.

• Phase d’entraînement

Tout d’abord, vous disposez d’un temps illimité pour prendre connaissance des outils qui sont face à vous et qui vous permettront, si vous le souhaitez, d’effectuer selon votre convenance un remixage de ces trois extraits musicaux des années 1950-60. Porté sur un enregistrement-test de musique country, ce temps d’entraînement vous est réservé pour vous familiariser avec la présente interface, et en particulier avec l’action des 4 paramètres de mixage qui vous sont proposés pour chaque source sonore :

1. Gain (= volume)
2. Egalisation spectrale (= timbre)
3. Localisation spatiale
4. Niveau de réverbération

Chacun de ces paramètres influe sur un aspect sonore précis et facilement audible de la source envisagée. Pour entendre leur impact respectif distinctement, vous pouvez par exemple les poussez à leurs extrêmes.

Ne passez donc à la phase suivante que lorsque vous vous sentez bien à l’aise avec l’outil en main, et que vous avez bien entendu et intégré l’action de ces paramètres de mixage.

• Phase de réalisation : remixage des morceaux A, B et C

Une fois l’outil bien en main et le morceau A bien en tête, la phase de remixage commence.

Une règle se présente à vous : vous avez jusqu’à 12 manipulations pour remixer ce morceau selon vos envies. La manipulation d’un paramètre est comptabilisée à partir du moment où vous commencez à en manipuler un autre, et ainsi de suite. Donc par exemple : si vous modifiez le gain d’une source en plusieurs fois d’affilée, cela sera compté comme 1 manipulation. En revanche, si après cela vous décidez de modifier le niveau de réverbération pour cette même source et que vous recorrigez ensuite le gain, l’ensemble sera compté comme 3 manipulations (gain – réverbération – gain). Le seul contre-exemple est le suivant : toucher successivement aux différents potentiomètres d’égalisation d’une même source ne comptera que comme 1 manipulation.

Important : si tel est votre choix, vous pouvez très bien signifier que vous avez terminé votre remixage sans même avoir atteint ce nombre de 12 modifications.

Vous pouvez à tout moment et librement déplacer la tête de lecture pour vous concentrer sur les sections du morceau qui vous intéressent.

Cette séance unique n’est pas un examen, mais une expérience : il n’y a donc ni bon, ni mauvais choix. Sentez-vous simplement vous-même, et surtout, faites-vous plaisir !

Annexe B5 : Expérience n°1 – Questionnaire d’autocritique de chaque nouveau master remixé par les participants

QD1 : Comment évaluez-vous le rendu sonore de ce nouveau master, que vous venez de produire, au regard du morceau et de ses caractéristiques préalablement évoquées ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Pouvez-vous brièvement expliquer votre notation et le but de vos manipulations de remixage ? Lesquelles sont particulièrement à vocation corrective ?

Lesquelles sont particulièrement à vocation esthétique ?

QD2 : Comment évaluez-vous le rendu de l’équilibre entre les différentes sources sonores, au regard du morceau et de ses caractéristiques ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Expliquez brièvement votre notation.

QD3 : Comment évaluez-vous le rendu du timbre des différentes sources sonores, au regard du morceau et de ses caractéristiques ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Expliquez brièvement votre notation.

QD4 : Comment évaluez-vous le rendu de l’espace des différentes sources sonores, au regard du morceau et de ses caractéristiques ?

1	2	3	4	5	6	7
(Hors de propos)						(Idéal)

Expliquez brièvement votre notation.

QD5 : Avez-vous été perturbé(e) par un quelconque élément durant :

• l’écoute du master original du morceau ? Précisez si possible.
• le remixage du morceau ? Précisez si possible.
• l’écoute de votre propre master ? Précisez si possible.
• un autre moment de l’expérience ? Précisez si possible.

QD6 : Le processus préalable de séparation de sources a pu restituer des signaux incomplets ou endommagés par divers artefacts. Vous ont-ils perturbé(e), limité(e) dans vos différents choix de remixage ? Illustrez vos propos le cas échéant.

QD7 : Avez-vous d’autres remarques que vous souhaitez formuler pour ce morceau ?

Annexe B6 : Expérience n°1 – Retours généraux

Légende : IS = Ingénieur du son / M = Musicien / P = Expert 1950-60

Participant	Retour général de l’expérience n°1
IS1	Pas l’habitude de me poser ces questions, qui m’ont finalement animée.
IS2	Expérience intéressante. C’est une pratique très utile et fructueuse pour modifier l’équilibre général et certains timbres. Mais la qualité des signaux limite fortement la possibilité d’élargir l’image sonore de ces masters. La génération d’harmoniques sur ces signaux pourrait ouvrir le champ des possibles sur l’aspect spatial.
IS3	–
IS4	–
IS5	Expérience vraiment intéressante, très cool. Analyser et critiquer ce qu’on fait. Je me rends compte que ce n’est pas simple d’enregistrer des vieux enregistrements. Exercice ludique, c’est agréable. Seule frustration : 12 manipulations. Je me rends compte ici que le bouton « solo » ne sert à rien ici. L’interface de remixage est bien.
IS6	Vos choix de morceaux sont bien, à la fois peu et beaucoup de sources. J’ai été très surpris sur les morceaux R&B (première fois que je vois une piste dégradée (piano) apporter au mix musicalement ET esthétiquement) et soul (amélioration très rapide du rendu sonore avec si peu de manipulations et de paramètres, très agréablement surprenant). J’ai été intéressé par cette expérience, qui me confirme que le bouton « solo » devrait été banni. On s’en fout comment une source sonne seule. Le bouton « mute », lui, est beaucoup plus musical, on doit le conserver, car c’était avec celui-ci qu’on se rend compte de l’apport de la source dans l’arrangement musical.
IS7	Très sympa, on devrait faire ça plus souvent. Le fait de mixer change la perception par rapport à une phase d’écoute.
IS8	C’était marrant !
M1	–
M2	Très rigolo !
M3	–
M4	–
M5	Super ludique. Super intéressant. C’est un terrain sur lequel je vais peu avec la parole. Cette expérience me permet de revoir beaucoup de termes, d’être précis dans ce que je dis. L’outil de remixage est instinctif, ce qui permet de se concentrer sur l’essentiel et rend l’écoute plus fine et plus directe, ce qui est très important, c’est cool.
M6	C’est fou de sentir qu’on peut isoler un instrument et l’entendre seul… La séparation de sources serait très utile pour retranscrire des partitions, « repiquer un solo ». J’en ai rêvé plein de fois dans ce but musical, pour savoir dans l’orchestre ce qui fait que ça groove autant, « chercher les fonds de sauce », pour pouvoir le réappliquer à l’identique dans un autre morceau, une composition personnelle. Il faudrait à la limite refaire les mêmes défauts à la prise, pour préparer ce processus de son. C’est un outil pédagogique fabuleux. Retoucher le son d’enregistrements passés m’intéresse, il est vrai…
M7	C’était trop bien !
M8	Très riche expérience, qui permet d’analyser ses propres analyses.
P1	J’attendais ce genre d’expérience depuis longtemps. Je m’attendais un petit peu à cela, j’étais un peu excité. Cela a tout à fait répondu à mes attentes. J’avais connaissance de la chose [la séparation de sources], mais je n’avais jamais pu remixer des œuvres de cette époque, que je connais bien. Je pourrais rester pendant longtemps devant la machine à remixer …
P2	Expérience intéressante ! Je comprends la nécessité de limiter les outils pour le remixage. La séparation de sources ne permet pas encore de remixer en profondeur ou au moins selon nos envies…
P3	Mon idée de ne pas toucher à la mono d’un master mono s’est confirmée à travers cette expérience. Cela doit rester mixé et écouté en mono, si l’on s’appuie sur le même objet d’origine (au contraire d’un réenregistrement).
P4	Le son, cela me passionne. Cette salle est un laboratoire, c’est super. Voir qu’on peut améliorer le rendu sonore, cela m’intéresse beaucoup, même sur des enregistrements plus récents.
P5	Très intéressant. Avec ces exemples, je me rends compte que c’est intéressant d’avoir ces outils pour remixer. La technologie de séparation est impressionnante, cela pose des questions sonores et éthiques qu’on ne se posait pas avant, parce que ce n’était tout simplement techniquement pas possible.
P6	Vous atteignez toutes mes capacités à travers vos questions après l’écoute des masters originaux : vos questions sont très bonnes, c’est très intéressant. Heureusement que je n’ai pas cet outil à la maison, je ne dormirais plus ! Je serais plus addict à cela qu’aux jeux vidéo, on joue à l’apprenti sorcier ! (rires)
P7	Cela peut être un très bon outil pour la pédagogie d’oreille, pour les personnes qui apprennent la musique. Super intéressant.

P8

Super intéressant. Cela donne envie de bidouiller pour voir comment on peut changer ces rendus. J’ai toujours tendance à penser qu’il manque quelque chose en mono, un manque de relief, d’espace. Cela est lié à mes pratiques d’écoute car j’écoute beaucoup au casque. L’audio immersif m’a déjà fasciné dans quelques expériences passées, j’ai voulu appliquer cela ici à ma manière.

Annexe C1 : Expérience n°2 – Tableau récapitulatif de l’amélioration progressive de la qualité des signaux isolés de la chanson B-A-B-Y de Carla Thomas

Stem/Source	SpectraLayers brut	SpectraLayers retouché	RipX brut	RipX retouché
Global	Souffle conservé	–	Souffle retiré	–
	Aucune perte de signal	–	Perte d’harmoniques aigues (cymbales/piano/chœurs)	–
	Spectre entièrement conservé	–	Coupure des fréquences >20 kHz	–
Voix	Cohabitation avec orgue/cuivres	Peu d’interférences orgue	Cohabitation avec orgue	Faibles interférences orgue
	Interférences batterie	Interférences batterie/piano/guitare/cuivres	Aucune interférence	–
	Présence de souffle	–	Aucun souffle	–
	Réverbération perçue	–	Peu de réverb perçue	–
Cuivres	[Stem « Autres »] Cohabitation avec piano/orgue/guitare / Interférences basse	Pas de cohabitation	[Stem « Strings »] Cohabitation avec orgue/guitare	Pas de cohabitation
		Interférences guitare/batterie	–	Faibles interférences guitare
		Spectre légèrement plus complet que RipX	Spectre rarement plus complet que SpectraLayers	Spectre moins complet que SL retouché / Spectre incomplet à 2’20 car mélange accord guitare
Orgue	[Stem « Autres »] Cohabitation avec cuivres/piano/guitare / Interférences basse	Pas de cohabitation	[Stem « Strings »] Cohabitation avec cuivres/guitare	Pas de cohabitation
		Peu de transitoires		Transitoires un peu plus nombreuses
Piano	Quasiment aucun signal, fréquences parasites	Piano sans main gauche, donc étriqué vers l’aigu	Piano complet, récupération de la main gauche	–
		Instabilité de la réponse du signal isolé (alors qu’ostinato)	Stabilité de la réponse du signal	–
		Transitoires manquantes en tutti	Transitoires récupérées en tutti	–

		Artefacts	Très peu d’artefacts	–
		Interférences basse/batterie/voix	Aucune interférence	Faibles interférences cuivres
		Récupération du souffle en intro	Aucun souffle repris	–
Guitare	[Stem « Autres »] Cohabitation avec cuivres/piano/orgue / Interférences basse	Aucune cohabitation	Cohabitation avec cuivres	Pas de cohabitation
		Interférences voix	Interférences piano/orgue/basse	Faibles interférences cuivres
		Spectre incomplet (bas, harmoniques) / Instrument parfois méconnaissable	Spectre complet	Spectre plus dense que SpectraLayers retouché (bas, harmoniques) / Instrument net
Basse	Enveloppe floue (pas d’attaque, pas de release)	Enveloppe floue (pas d’attaque, pas de release) / Aucune perception du jeu du bassiste	Enveloppe beaucoup plus définie (perception attaque/release) / Perception du jeu et du groove du bassiste	–
	Interférences cuivres/orgue/piano/ guitare/kick	Interférences minimes kick	Interférence orgue	Aucune interférence
		Irrégularité harmonique du signal	Régularité harmonique du signal	–
Batterie	Stem Percussions unique	Stem Percussions unique	Stem Kick (interférences snare) Stem Drums Stem Percussions	Stem Kick (aucune interférence) Stem Drums (« Drums » + « Percussions »)
	Interférences voix/cuivres/orgue/ guitare	Interférences harmoniques voix/guitare	Interférences orgue/guitare	Brèves interférences guitare (sur les coups de snare)
		Coups de kick inégaux en niveau	Coup de kick égaux en niveau	–
		Irrégularité harmonique du signal (snare)	Régularité harmonique du signal (snare)	–

Annexe C2 : Expérience n°2 – Questionnaire du test d’écoute pour « producteurs » Bienvenue à ce test d’écoute comparative ! Pour vous connaître un peu mieux…

QE1 : Vous participez en tant que…

□ Ingénieur(e) du son          □ Réalisateur(rice) artistique          □ Producteur(rice) musical(e) QE2 : Quel âge avez-vous ?

QE3 : Connaissez-vous le label Stax Records ?

□ Oui       □ Non

QE4 : Connaissez-vous le « son Stax », aussi appelé « Memphis Sound », caractéristique du label Stax Records ?

□ Oui       □ Non

QE5 : Connaissez-vous le format audio Dolby Atmos ?

□ Oui       □ Non

QE6 : Pratiquez-vous le mixage en son immersif ?

□ Oui       □ Non

Ecoute du master original de B-A-B-Y

QF1 : Après cette écoute, comment évaluez-vous le rendu sonore global du master original B-A- B-Y, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QF2 : Comment évaluez-vous le rendu de l’équilibre entre les différentes sources, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QF3 : Comment évaluez-vous le rendu du timbre des différentes sources, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QF4 : Comment évaluez-vous le rendu de l’espace des différentes sources, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QF5 : Pouvez-vous expliquer en quelques mots vos notations et vos impressions du rendu sonore du master original de la chanson B-A-B-Y, au regard de ce que suggère selon vous la musique ?

QF6 : Avez-vous été perturbé(e) par un ou des éléments sonores extérieurs durant l’écoute du master original ?

Ecoute du master remixé en son immersif de B-A-B-Y 

QG0 : Quelles sont vos toutes premières pensées générales au sortir de cette seconde écoute ? (Facultatif)

QG1 : Comment évaluez-vous le rendu sonore global du master remixé de B-A-B-Y, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QG2 : Comment évaluez-vous le rendu de l’équilibre entre les différentes sources dans le master remixé, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QG3 : Comment évaluez-vous le rendu du timbre des différentes sources dans le master remixé, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QG4 : Comment évaluez-vous le rendu de l’espace des différentes sources dans le master remixé, au regard des caractéristiques musicales et stylistiques de la chanson ?

1	2	3	4	5	6	7
Hors de propos						Idéal

QG5 : Pouvez-vous expliquer en quelques mots vos notations et vos impressions du rendu sonore du master remixé de la chanson B-A-B-Y, au regard de ce que suggère selon vous la musique ?

QG6 : Avez-vous été perturbé(e) par un ou des éléments sonores extérieurs durant l’écoute du master remixé ?

Comparons les deux masters…

QH1 : Selon vous, l’âme (soul) de la chanson est…

□ mieux retranscrite dans le master original           □ mieux retranscrite dans le master remixé

□ également retranscrite dans les deux masters      □ Je ne sais pas

QH2 : Lequel des deux masters entendus vous fait le plus ressentir le groove de la chanson ?

□ Le master original      □ Le master remixé      □ Les deux à égalité                                       □ Je ne sais pas

QH3 : Selon vous, lequel des deux masters entendus met le mieux en valeur l’arrangement de la chanson ?

□ Le master original      □ Le master remixé      □ Les deux à égalité                                       □ Je ne sais pas

Conclusion

QI1 : Toute considération matérielle exclue, pensez-vous que le master remixé en son immersif donnerait envie au grand public d’écouter la chanson B-A-B-Y plus souvent qu’avec la version originale                                                                                                     ?

□ Oui   □ Non   □ Je ne sais pas

QI2 : Toute considération matérielle exclue, pensez-vous que le master remixé en son immersif donnerait envie au grand public d’écouter dans les mêmes conditions sonores le reste du catalogue du label Stax ?

□ Oui   □ Non   □ Je ne sais pas

QI3 : Pouvez-vous justifier ces deux dernières réponses ?

QI4 : Si vous étiez le producteur de Stax ou d’un autre label, engageriez-vous les démarches pour commercialiser ce master remixé en son immersif de la chanson B-A-B-Y ?

□ Oui   □ Non   □ Je ne sais pas

QI5 : Pouvez-vous justifier votre réponse ?

QI6 : Merci de votre participation à ce test d’écoute ! Souhaitez-vous ajouter quelque chose ?

Annexe C3 : Expérience n°2 – Commentaires des « producteurs » sur le rendu sonore du master original et celui de notre master remixé en son immersif de la chanson B-A-B-Y

Légende : IS = Ingénieur du son / RA = Réalisateur artistique / PM = producteur musical

• Spécialiste de Stax Records / * Spécialiste du mixage en son immersif

Participant	Commentaire du master original	Commentaire du master remixé
IS1	Les timbres m’ont dérangé à cause de leur hétérogénéité : certains très durs (voix, cuivres) d’autres  très  mous,  effacés  (piano,  drums).  Les espaces sont très différents entre les sources (piano et drums lointains). Le propos musical passe mal à	Wow ! Assez impressionnant. Le groove passe très bien, les sources sont équilibrées. Les timbres sont plus agréables mais ils restent souvent pauvres et parfois agressifs. La saturation de la voix est moins gênante mais continue de me sortir de la musique

	cause des « défauts » de mix, de prises et de support. Si le morceau reste agréable, c’est grâce à l’ancrage historique de cette musique et de ce son. La saturation et le souffle m’ont aussi parfois sorti de la musique.	parfois. Le placement dans l’espace « stéréo » complimente le groove. La réverbération est subtile, naturelle et agréable. Au tout début du morceau on entend des artefacts sur la basse mais rapidement ils disparaissent et on est dans la musique. Solo de cuivres à droite trop fort et snare au même moment trop fort aussi. Le mix devient assez déséquilibré et l’énergie trop à droite.
IS2*	Compte tenu du format, la balance des sources est super, on entend tout bien, malgré une voix très devant et peut-être un peu trop dynamique, le propos musical est là pour moi. Parfois, la voix est un peu rêche et certains éléments se perdent mais ça ne change pas la musique pour moi.	Le rendu sonore a gagné en précision, le son est plus clair. Le piano semble plus beau, c’est mieux pour le coup. Mais je trouve que la dissociation basse / batterie fait perdre du groove, et la batterie placée à droite fait perdre le fil car trop agressive. Ce qui est super, c’est l’air gagné et le respect de la musique dont fait preuve le mixage en format immersif. Mais il est sobre, il aurait peut-être fallu prendre plus de parti sur la spatialisation de certaines choses.
IS3*	Enregistrement conforme à ce que l’on peut attendre de Stax. Les défauts que l’on pourrait noter après une écoute analytique font partie de la signature sonore du label, c’est donc tout à fait conforme.	Avec cette musique et cette interprétation, on est en attente de quelque chose de bien précis, et là, il nous est proposé autre chose. Cela peut être perturbant car on n’est plus dans le « contrat d’écoute » initial. Cela donne par contre un nouvel éclairage pour cette musique. C’est presque autre chose. Mieux ou moins bien, ce n’est à mon sens pas la question. On peut considérer qu’écouter ces musiques sous ce nouvel angle apporte réellement quelque chose d’intéressant au même titre qu’il est intéressant d’écouter des versions plus ou moins datées d’œuvres de musique classique. Impression d’un rendu moins dynamique (peut-être moins de groove ?) que la version mono. Plus équilibré spectralement. Donne plus à entendre l’arrangement. On en entend bien tous les détails.
IS4*	J’aime le master original au regard de la façon dont la musique était censée sonner à cette époque avec leur type de support (l’esthétique sonore fait corps avec la technologie utilisée). Dans une approche d’écoute réaliste en concert, les timbres et l’espace sont en deçà des performances que peuvent donner ce genre d’instruments joués en groupe.	De l’espace et de l’air. Super boulot, ça sonne. Bravo pour la séparation des sources, on n’entend aucun artefact. L’esthétique de production est conservée (avec ses défauts sur les timbres mais ça fait partie du truc) mais avec l’espace frontal en plus. Il n’y a pas de démasquage spatial car il n’y avait pas de masquage avant, même en mono (merci à l’arrangement et au démasquage fréquentiel déjà réalisé sur le mix original). C’est juste plus agréable et ça reste stable avec les déplacements (mais la mono était stable aussi ;-). L’immersion est quasi absente dans le sens où il n’y a pas (ou très peu) de sensation de pièce ajoutée par les surrounds. C’est donc pour moi un master surtout frontal immersif avec quasiment pas d’immersif (ou en tout cas pas assez perceptible).
IS5	Cet enregistrement me donne l’impression que beaucoup d’éléments de cet enregistrement ont été contraints par la technique. À mon sens les enregistrements d’Isaac Hayes pour Stax sont autrement beaucoup plus qualitatifs (certes ils sont plus récents) et représentatifs du son Stax. Il n’en reste pas moins que ce style de musique est ancré dans une époque et donc tous les « défauts » ou imperfections techniques des enregistrements de cette époque sont intrinsèquement liés à la musique.	Tout est mieux pour moi sauf une chose. Plus de place à la voix, c’est bien. Meilleur équilibre entre les différents éléments de l’orchestration. La ligne de basse est mieux définie, moins bourrue, et plus constante tout au long du morceau. L’espace aussi est plus agréable, on a moins le sentiment que tout le monde est ou veut être au premier plan. Le côté négatif : la batterie à droite est une étrangeté pour moi, car cela place l’enregistrement de la chanson à un autre moment de l’histoire de la musique enregistrée (une certaine époque où ingénieurs du son et producteurs expérimentaient la stéréo). Est-ce que la version remixée a toujours le son Stax ? Musicalement oui, mais d’un point de vue historico- culturel, je me pose la question.
RA1	Avec de la stéréo sur certains éléments, on profiterait mieux de l’arrangement. Le son est splendide mais manque d’aigus sur certaines sources (orgue, cymbales).	Impressionnant. C’est très beau. Je suis moins dans l’écoute de la voix principale que dans la version originale. En revanche j’ai une meilleure impression de rendu de la dynamique du groupe, des espaces. Je perçois  mieux  les  arrangements.  J’ai  plus

		l’impression d’une captation live où j’identifie le placement des instruments. Je trouve cependant l’ensemble un peu trop large (orgue trop à gauche, piano trop loin de basse/batterie, qui ne fait plus bloc avec eux comme dans la version originale). On a les mêmes « marqueurs » esthétiques (rimshot de snare très fort, peu de réverb, équilibres de l’orchestre, timbre vintage saturé). Les timbres me semblent plus beaux. Version très chic donc pour moi.
RA2*	Excellent rendu de la spatialisation grâce au mix. On retrouve l’atmosphère enfumée d’un club, dont un enregistrement tel que celui-ci est une tentative de reproduction.	Le master remixé à la fois améliore et respecte le morceau, je trouve cela très bien fait. C’est un « gadget » intelligemment utilisé, car il ne cherche pas à dénaturer l’original. Au contraire, j’y vois une grande fidélité. Je pense que l’autre avantage est de nettoyer la « vitre sale » qui était entre le master original et l’auditeur. Je pense que ce master nous permet de voir à quel point une écoute est subjective, et à quel point notre cerveau recrée entièrement l’espace dans la version originale. La spatialisation reçue ici se fait naturellement, la consommation est plus directe, il y a moins d’efforts à faire. Je trouve tout de même cela un peu trop frontal, j’aurais aimé avoir  des  éléments  sur  les  côtés,  avoir  plus d’immersion. Je trouve aussi les cuivres un peu trop au centre, j’aurais aimé les entendre plus à droite.
PM1*	La basse est trop envahissante. Je suis habitué à la mono pour cette musique. La source du master est importante : numérisé ? disque ? Beaucoup de différences déjà entre rendu un 45T et un 33T.	Le changement est dément… Les instruments sont magnifiés. La batterie est beaucoup plus mise en avant (caisse claire claque trop parfois). La basse est plus agréable, elle n’envahit plus, elle est très présente sans écraser le son. Elle remplit enfin son rôle. Meilleure distinction des instruments. Mais le grand point gênant : la voix est trop en retrait. Cela est gênant par rapport à l’idée originale de l’enregistrement : enregistrer pour la chanteuse. Si ces enregistrements sont disponibles au grand public, il faut absolument renseigner qu’il ne s’agit pas du master original mais d’un master retravaillé. Ce master remixé me rappelle beaucoup ce qu’on pouvait obtenir à partir des égaliseurs Hi-Fi de l’époque, surtout au niveau des aigus très surélevés.

Annexe C4 : Expérience n°2 – Avis des « producteurs » sur le potentiel culturel et commercial de notre master remixé en son immersif de la chanson B-A-B-Y

Légende : IS = Ingénieur du son / RA = Réalisateur artistique / PM = producteur musical

• Spécialiste de Stax Records / * Spécialiste du mixage en son immersif

Participant	Avis sur le potentiel culturel du master remixé en son immersif de B-A-B-Y	Avis sur le potentiel commercial du master remixé en son immersif de B-A-B-Y
IS1	Son global moins repoussant, moins daté. On est beaucoup plus facilement dans la musique et pas dans les défauts sonores. Musique soul toujours très populaire  aujourd’hui.  Catalogue  Stax  très  bon (j’imagine).	Mode du multicanal grand public en ce moment (binaural, Apple).
IS2*	Je ne sais pas à quel point le grand public est sensible et est capable de dissocier le rendu entre la mono et ce remixage car il est très respectueux ce qui est super mais la spatialisation reste quand même assez discrète. À moins de les sensibiliser à ce genre de format  pour  qu’ils  aient  déjà  un  élément  de comparaison et qu’ils comprennent le gain en termes d’espace et de dynamique.	Je ferais changer certaines choses mais c’est quand même intéressant de donner une nouvelle relecture et de le partager.

IS3*	Je ne sais pas répondre car le public pourrait être déstabilisé par le changement de « contrat d’écoute », mais en même temps pourrait être intéressé par ce nouvel éclairage de cette musique. Par contre, je pense que dans le cadre d’une écoute au casque, il y aurait sans doute un vrai avantage à avoir  une  version  spatialisée  de  ces  musiques uniquement disponibles en mono, qui me semblent plus gênantes à écouter au casque qu’aux enceintes.	Apporter un nouvel éclairage sur une musique me semble toujours intéressant.
IS4*	L’immersion n’est pas assez flagrante pour un public lambda. Tout juste entendrait-il l’élargissement de l’image. Un public mélomane et passionné de ce label serait enthousiaste avec ce remix, un public lambda pas sûr…	Le label Spatial Audio serait juste un argument commercial mais ça ne révolutionne pas ce genre de musique (qui sonnerait toujours avec ces timbres un peu fragiles, ce qu’un public lambda entend).
IS5	Musicalement, les modifications sonores apportent un plus à la chanson. Mais encore une fois, je ne suis pas sûr que le grand public y soit très sensible (le mp3 128kb a malheureusement encore de beaux jours devant lui, je pense).	Marketing…
RA1	–	L’éclairage apporté me semble très intéressant, j’imagine que la VO et cette version pourraient cohabiter.
RA2*	Je pense que le master remixé faciliterait l’accès de cette musique au grand public. S’ils peuvent découvrir cette musique ainsi, tant mieux !	Si cela favorise l’accès à cette musique aux gens qui ne la connaissent pas, oui bien sûr ! Et on pourra toujours avoir accès au master original, donc quel est le problème ? J’aimerais bien que cette version remixée existe. Je pense que j’écouterais plus volontiers  la  version  originale,  mais  cela m’amuserait d’accéder aux deux versions pour les comparer.
PM1*	Cela va attirer beaucoup de curieux, tant mieux !	Cela permettrait d’éveiller la curiosité des gens, la connaissance de ce répertoire !

Annexe C5 : Expérience n°2 – Questionnaire du test d’écoute pour « consommateurs »

Bienvenue à ce test d’écoute comparative !

Pour vous connaître un peu mieux…

QJ1 : Quel âge avez-vous ?

QJ2 : Vous êtes…

□ un homme      □ une femme

QJ3 : A quelle fréquence écoutez-vous de la musique soul/rhythm and blues ?

□ Jamais      □ Rarement       □ Occasionnellement      □ Souvent                    □ Tout le temps

QJ4 : Connaissez-vous le label Stax Records ? En voici quelques artistes : Otis Redding, Sam & Dave, Rufus Thomas, Carla Thomas, Johnnie Taylor, The Staple Singers…

□ Oui       □ Non

QJ5 : Connaissez-vous le « son Stax », aussi appelé « Memphis Sound », caractéristique du label Stax Records ?

□ Oui       □ Non

Placez-vous sur la chaise haute…

[Ecoute des deux versions sonores A et B]

Après ces deux écoutes

QK1 : Quelles sont vos toutes premières pensées générales au sortir de ces deux écoutes ? (Facultative)

QK2 : Connaissez-vous cette chanson ? Il s’agit de B-A-B-Y, interprétée par Carla Thomas en 1966 pour le label Stax.

□ Oui       □ Non

QK3 : Comment aimez-vous cette chanson telle que vous l’avez entendue dans la version A ?

0	1	2	3	4	5	6	7	8	9	10
Pas du tout										Follement

QK4 : Comment aimez-vous cette chanson telle que vous l’avez entendue dans la version B ?

0	1	2	3	4	5	6	7	8	9	10
Pas du tout										Follement

QK5 : A travers laquelle des deux versions sonores entendues préférez-vous écouter la chanson B- A-B-Y de Carla Thomas ?

□ La version A      □ La version B      □ Les deux à égalité, par choix

□ Les deux à égalité, par indifférence      □ Je ne sais pas

QK6 : Selon vous, laquelle des deux versions sonores entendues retranscrit le mieux l’âme (soul) de la chanson ?

□ La version A      □ La version B      □ Les deux à égalité      □ Je ne sais pas

QK7 : Laquelle des deux versions sonores entendues vous fait le plus ressentir le groove de la chanson ?

□ La version A      □ La version B      □ Les deux à égalité      □ Je ne sais pas

QK8 : Selon vous, laquelle des deux versions sonores entendues met le mieux en valeur l’arrangement de la chanson ?

□ La version A      □ La version B      □ Les deux à égalité      □ Je ne sais pas

QK9 : Appréciez-vous plus le rendu sonore de certains instruments dans la version A que dans la version B ? Si oui, lesquels ?

Pouvez-vous détailler vos réponses ?

QK10 : Appréciez-vous plus le rendu sonore de certains instruments dans la version B que dans la version A ? Si oui, lesquels ?

Pouvez-vous détailler vos réponses ?

QK11 : Si vous connaissez le « son Stax », laquelle des deux versions sonores entendues en désigne selon vous la plus fidèle illustration ?

□ La version A      □ La version B      □ Les deux à égalité      □ Je ne sais pas

□ Je ne connais pas le son Stax

QK12 : A quelle époque vous sentez-vous en écoutant la version A ? QK13 : A quelle époque vous sentez-vous en écoutant la version B ?

QK14 : Pouvez-vous en donner les causes ?

Comment appréhendez-vous cette différence (ou similitude) d’époques ressenties depuis une même interprétation musicale ?

QK15 : Avez-vous été perturbé(e) par un ou des éléments sonores extérieurs pendant l’écoute de la version A ?

QK16 : Avez-vous été perturbé(e) par un ou des éléments sonores extérieurs pendant l’écoute de la version B ?

Information : la version A (ou B) est la version sonore originale de la chanson / la version B (ou A) en est une version remixée.

Conclusion

QL1 : Toute considération matérielle exclue, pensez-vous que la version remixée vous donnerait envie d’écouter la chanson B-A-B-Y plus souvent qu’avec la version originale ?

QL2 : Toute considération matérielle exclue, pensez-vous que la version remixée vous donnerait envie d’écouter dans les mêmes conditions sonores le reste du catalogue du label Stax ?

QL3 : Merci de votre participation à ce test d’écoute ! Souhaitez-vous ajouter quelque chose que vous n’avez pas dit ?

Annexe C6 : Expérience n°2 – Commentaires de fin d’expérience des « consommateurs »

Légende : P = Expert 1950-60 / M = Musicien / NM = Non musicien

Participant	Commentaires de fin d’expérience des « consommateurs »
P1 (= P8 Test 1)	Beau travail !
P2 (= P1 Test 1)	Bravo et encore bravo ! On aurait rêvé faire la chose pour ces artistes merveilleux de Memphis Tennessee, et leur faire écouter !
P3 (= P5 Test 1)
M1
M2
M3
M4
M5
M6
M7	L’espace les amis, l’espace !
M8
M9
M10	C’est intéressant déjà de comparer différentes versions, mais là de voir même au sein du même morceau, des différences à l’écoute, c’est bluffant. Ça fait réfléchir sur l’importance du matériel d’écoute. Par exemple pour mon cas personnel, si quelqu’un découvrait l’opéra sur un enregistrement bon mais avec un mauvais matériel, alors il n’apprécierait peut-être pas à sa juste valeur l’œuvre ou même dans ce cas le genre ! Donc très important.

M11	Je préfère garder le côté original pour comprendre l’objet artistique de l’époque et non pas vu de 2023.
M12
M13
M14
M15	J’étais concentré sur le timbre des instruments dans la première écoute [remixée], parce que je m’attendais à trouver là les différences entre les deux versions. Après, j’ai changé mon écoute, je me suis aperçu de l’espace, de la présence des instruments et du souffle, ce qui m’a aidé à décider finalement. Cela a été positif d’avoir changé d’écoute et de m’être concentré sur d’autres paramètres. Les questions m’ont aidé à cela.
M16
M17	J’ai été surpris par le fait que la version A soit le remix, mais très agréablement, car ce dernier rajoute de l’âme et du caractère au morceau, et permet de faire mieux entendre l’arrangement.
M18	Etonnement positif quant à découvrir que la version que je croyais être l’original est en fait le remixage, bon travail de mixage !
M19
M20
M21	Bravo
NM1
NM2
NM3	C’était passionnant merci beaucoup
NM4
NM5
NM6	Eh ben c’est ouf ! Je pensais instinctivement que la version studio originale était la première [remixée] et je ne pensais pas que ce genre de technique de mixage existait.
NM7	J’aurai imaginé que la version B [remixée] était l’original, cela a été surprenant d’apprendre l’inverse. Même si une fois l’information donnée, cela fait sens, la version B [remixée] me semblant plus moderne et plus équilibrée. Découvrir que le positionnement des instruments joue à ce point sur les émotions procurées est dingue. Il y a une vraie douceur, une sensibilité et en même temps de la puissance dans cette seconde version [remixée] qui est étonnante. Cela donne envie de mieux comprendre et d’écouter différemment la musique et donne des clefs d’analyse qui sont précieuses pour pouvoir profiter encore mieux des instruments, du rythme et des petits chamboulements que cela crée dans le ventre. Alors un grand merci pour cette découverte.
NM8
NM9	Merci
NM10	C’était trop bien 🙂
NM11	C’était une drôle expérience. Merci beaucoup !
NM12	J’ai été surprise de voir que la version A [remixée] était une version remixée, je pensais l’inverse. Notamment par rapport à la place plus assumée de l’orgue dans la version B [originale] qui, à mon sens, rend l’écoute plus intéressante et change totalement le style de la musique (ça la rend plus contemporaine). Je trouve ça très étonnant que la version B [originale] date des années 60, je dois avoir une vision trop cliché du style de musique de cette époque.
NM13	Merci beaucoup c’était super ! (Vive l’orgue)
NM14	Bon travail !
NM15	Surprise d’apprendre que la version B est l’originale, un peu « mono », mais logique quand on sait pourquoi. Je serais curieuse d’entendre la version A [remixée] avec une bonne qualité d’écoute et la version B [originale] dans ma cuisine sur la radio.
NM16	Merci
NM17
NM18	Je tombe des nues d’apprendre que la version B est la version originale. Je trouve ça surprenant qu’on puisse donner un tel « grain » à une musique remixée, comme si elle datait de plusieurs décennies. C’est une surprise positive.
NM19
NM20	Vive la version B [remixée], on sent beaucoup plus le groove et le rôle de chaque instrument !
NM21

Remerciements

Je tiens à remercier profondément Valentin Bauer, mon directeur de mémoire qui, par son écoute et son engagement, a été mon moteur pendant un an. Je lui dois énormément.

Merci à tous les ingénieurs du son, réalisateurs artistiques, producteurs, professeurs, musiciens, non musiciens, journalistes, disquaires, pour leur précieuse participation à l’une des deux expériences, leur sincère intérêt, et toutes les informations essentielles qu’ils m’ont transmises. J’y ai fait là des rencontres importantes que je ne suis pas près d’oublier.

Merci aux chercheurs et développeurs qui m’ont accordé de leur temps pour me confier des clefs de compréhension dans un domaine d’étude captivant et que je ne connaissais pas.

Merci à Nicolas Erard et à François Longo pour leur aide et leur disponibilité.

Merci à l’ensemble de l’équipe pédagogique de la FSMS qui m’a beaucoup appris et m’a donné toutes les clefs pour réaliser de merveilleux projets artistiques, visuels et sonores dans cette formation unique en son genre. Une mention spéciale à Olivier Montagnon, Justine Huet, Virginie Evennou et Denis Vautrin, qui m’ont offert tous les moyens pour mener à bien ce mémoire.

Merci à ma famille, mes parents pour leur soutien important pendant ces quatre années.

Et un remerciement très spécial à celle qui, par son écoute, sa patience, sa tendresse, a été d’un soutien de tous les instants durant plus d’une année.

1. L’Arrivée d’un train en gare de La Ciotat (1896) de Louis Lumière, restaurée en 4K et 60 i/s par Denis Shiryaev : https://www.youtube.com/watch?v=gwSw_WLgekE ↩︎
2. Chants de travail. ↩︎
3. Il s’inspire du titre It Must Be Jesus des Southern Tones pour écrire I Got A Woman (1954). ↩︎
4. Dès 1943, les techniciens allemands parviennent même à enregistrer des concerts sur une bande contenant deux pistes, permettant déjà une reproduction stéréophonique. Au sortir de la guerre, l’URSS retrouve à Berlin des centaines de bandes, mais seulement trois stéréophoniques (Rémond, 2015). ↩︎
5. Pour la suite de notre étude, nous abrégerons parfois le terme « monophonique » par « mono ». ↩︎
6. Le magnétophone bipiste contient une bande dont les deux pistes sont séparées par un intervalle de garde qui garantit une diaphonie minimale entre elles. À l’inverse, il est impossible de ne traiter qu’une seule des deux pistes d’un magnétophone stéréo, destiné à générer un master (Rumsey & McCormick, 2002). ↩︎
7. Réenregistrement. ↩︎
8. Le label de R&B/soul Atlantic Records est en 1958 le premier studio à posséder un enregistreur 8 pistes, mais rarement avec l’idée de pratiquer l’overdubbing (Moorman, 2003). ↩︎
9. Smokestack Lightnin’ (1956, Chess Records) : https://www.youtube.com/watch?v=PnXTpkugcHo ↩︎
10. Ole Man Trouble (1965, Volt Records) : https://www.youtube.com/watch?v=oKsiukdz0xI ↩︎
11. Hound Dog (1956, Peacock Records) : https://www.youtube.com/watch?v=ucqhmFyzMgs ↩︎
12. Mess Around (1953, Atlantic Records) : https://www.youtube.com/watch?v=u37gVPLpRNE ↩︎
13. Beaucoup de labels de blues/R&B/soul continuent de travailler avec des enregistreurs 2, 3 ou 4 pistes. ↩︎
14. Ain’t No Mountain High Enough (1967, Motown) : https://www.youtube.com/watch?v=7PItshAEAC4 ↩︎
15. « L’usine à tubes », le surnom de Motown Records. ↩︎
16. SPAT Revolution : https://www.flux.audio/project/spat-revolution/ ↩︎
17. International Federation of the Phonographic Industry (IFPI). ↩︎
18. Sans perte. Perte générée par l’échantillonnage des données audio. ↩︎
19. La scène sonore suit les mouvements de la tête. ↩︎
20. Souvent, les sources séparées des enregistrements de jazz sont les fichiers multipistes eux-mêmes, car la stratégie de prise de son en proximité le permet. ↩︎
21. Non-negative matrix factorization (NMF). ↩︎
22. Machine learning. ↩︎
23. Deep learning. ↩︎
24. Graphics Process Unit : processeur graphique. ↩︎
25. Natural Language Processing (NLP) en anglais. ↩︎
26. Computer vision en anglais. ↩︎
27. Marius Miron (2016) a élaboré une méthode de séparation de sources d’un orchestre symphonique par apprentissage supervisé et informée de la partition. Pour s’affranchir de la contrainte de réverbération des enregistrements existants et donc pour concevoir sa propre base de données pour l’apprentissage du réseau (mixages stéréo et sons isolés), il a réenregistré individuellement chaque section de l’orchestre et en a reconstitué artificiellement un mixage stéréo. Cette innovation a été intégrée par l’application The Orchestra, qui permet désormais d’entendre isolément chaque section de l’orchestre. ↩︎
28. Ces experts sont des personnes connaissant bien le répertoire blues/R&B/soul des années 1950-60 pour l’avoir abondamment écouté, sans forcément en connaître parfaitement toutes les références. Ils en connaissent surtout l’esprit de la musique. Ils ne peuvent pas être ingénieurs du son mais musiciens. ↩︎
29. Spat Revolution Remote : https://www.flux.audio/project/spat-revolution-remote/ ↩︎
30. Open Sound Control. Langage de transmission unidirectionnelle de données en temps réel entre plusieurs logiciels, possiblement actifs sur plusieurs appareils numériques (ordinateur, smartphone, synthétiseur…). ↩︎
31. Open Stage Control : http://openstagecontrol.ammd.net/ ↩︎
32. Afin de bien distinguer les profils et leurs comportements, les experts 1950-60 ne peuvent pas être ingénieurs du son. Cependant, afin de recruter plus facilement, ils peuvent être musiciens. ↩︎
33. Voir retours généraux des participants de l’expérience en annexe B6. ↩︎
34. Faites à partir des réponses aux questions QB2 à QB5 (II.A.3.2.b.) et QD1 à QD4 (II.A.3.2.d.). ↩︎
35. Provenant du fichier texte généré par l’interface présentée en II.A.2.2. ↩︎
36. Un aperçu seulement, car nous n’entendons pas recouvrir la totalité des répertoires musicaux ciblés avec ces trois seuls enregistrements. ↩︎
37. Voir définition donnée par les participants en section II.B.2.1. ↩︎
38. Prépondérant dans un remixage en son immersif ↩︎
39. Qualité rythmique qui incite à bouger, à danser. ↩︎
40. Surnommée “The Queen of Memphis Soul”. ↩︎
41. Au-delà du masquage des sources engendré par la mono, ces défauts de balance peuvent s’expliquer par le fait que l’ingénieur du son Tom Dowd a dû mixer en direct les 8 entrées micro sur 2 mixettes 4 voies Ampex 3761, à cause d’un simple magnétophone stéréo en sortie, le Scully 280. ↩︎
42. La limitation à 8 entrées micro a obligé l’ingénieur du son Tom Dowd à ne placer qu’un seul micro par instrument, ce qui a pu créer des inégalités de qualité de captation entre divers instruments. ↩︎
43. Nous pourrons ainsi nous rapprocher du son Stax de la batterie, dont notre référence sera Tramp (1967), interprétée par la même Carla Thomas en duo avec Otis Redding, au tempo proche. ↩︎
44. Grâce à son magnétophone stéréo Scully 280, Stax a aussi publié un master stéréo de B-A-B-Y mais qui n’a en fait pas été à l’origine du succès de la chanson, révélée comme tous les autres hits par la radio. ↩︎
45. Classée n°3 des meilleures ventes de disques R&B et n°14 des meilleures ventes de disques pop US. ↩︎
46. Envie spatiale formulée par deux ingénieurs du son de l’expérience n°1 (figure 38c). ↩︎
47. Caractéristique musicale mentionnée par un ingénieur du son de l’expérience n°1. ↩︎
48. Jim Stewart, fondateur de Stax Records : « Il n’était question que de coopération et d’implication totale. Il n’y avait aucune limite imposée à l’apport de chacun. Il n’y avait pas parmi nous de producteur au sens qu’a pris aujourd’hui ce terme. Les crédits disaient juste : « Produit par l’équipe Stax. » » ↩︎
49. Bien que nous informions le participant qu’il écoutera d’abord le master original, puis le master remixé, nous ne lui disons ni comment ni par qui ce dernier a été généré, afin qu’il conserve sa neutralité et continue de guider sa critique des masters par la musique. ↩︎
50. En vérité, à l’aide de SPAT Revolution, nous transposons actuellement en binaural le remixage immersif de B-A-B-Y que nous avons réalisé sous le dôme de haut-parleurs du plateau 1. ↩︎
51. Nous vérifierons cette hypothèse des « producteurs » dans le test « consommateurs » en section III.C.4. ↩︎
52. Ceci explique le déséquilibre démographique entre les différentes classes d’âge (figure 43b), qui est la contrepartie d’inviter beaucoup de participants à notre expérience, en particulier des musiciens. ↩︎
53. Faute de pouvoir obtenir davantage d’experts 1950-60, après de multiples tentatives de recrutement auprès de divers musiciens, disquaires et dans les groupes spécialisés des réseaux sociaux. ↩︎
54. Moins essentielle que pour l’expérience n°1 qui comparait les comportements des différents profils. ↩︎
55. Il est important que le participant puisse conserver sa concentration pour mémoriser tous les aspects positifs et négatifs qui lui sont apparus dans la première écoute et les confronter dans la seconde. ↩︎
56. Durant tout le test, nous nous plaçons en retrait dans la salle pour altérer le moins possible la relation entre la musique et l’auditeur (figure 41). ↩︎
57. Nous avons créé un questionnaire pour chaque ordre d’écoute : A (original) / B (remixage) pour la moitié des participants, A (remixage) / B (original) pour l’autre moitié. ↩︎
58. « Toute considération matérielle exclue » comporte le même sens que dans le test pour « producteurs ». ↩︎
59. Si suffisamment de participants connaissent le son Stax. ↩︎
60. Responsables de l’âme et du groove de la chanson, d’après les remarques orales des « consommateurs ». ↩︎
61. Corrigeant ainsi l’aspect « mal intégrée dans le groupe » soulevé dans l’expérience n°1 (figure 38a). ↩︎
62. Guitare et batterie manquaient de présence dans la version originale d’après l’expérience n°1. ↩︎
63. Permise aussi par RipX, qui indirectement a retiré le souffle de l’enregistrement (section III.A.1.1.). ↩︎
64. Une version stéréo a bien été exportée et publiée par le label Stax en 1966, mais très différente de notre présente version immersive (espace très latéralisé, aucune source au centre de l’image sonore, etc.). ↩︎
65. 5 de ces participants ont préféré écouter notre version remixée, 4 la version originale et un a autant aimé l’une que l’autre. ↩︎
66. Voir l’intégralité des commentaires de fin d’expérience en annexe C6. ↩︎
67. Nous avons décidé de réduire cette question aux seules années 1950, car l’aspect mono de l’enregistrement, essentiel à notre propos, est de moins en moins fréquent dans les années 1960 (premières commercialisations stéréo en 1958). ↩︎

Par : Julie Grisel

Formation Supérieure aux Métiers du Son

Directeur de mémoire : David Rousseau Septembre 2017

Résumé

La technologie des enceintes de sonorisation permet aujourd’hui de délivrer de grandes puissances dans les très basses fréquences. En parallèle, la quantité de basses dans les styles musicaux n’a fait que croître au cours de l’histoire. Du fait de l’augmentation progressive du niveau sonore en basse fréquence, les nuisances sonores sur le voisinage se sont aussi multipliées.

Par ailleurs, les salles de concerts sont souvent situées dans des bâtiments anciens et l’amélioration de l’isolation acoustique engendre dans la plupart des cas, une reconstruction quasi-totale de la structure (réalisation d’une « boîte dans la boîte »). Cette solution très onéreuse est rarement envisageable et souvent impossible structurellement. Nous nous tournons donc vers l’optimisation des systèmes de diffusion et nous nous focalisons sur la question suivante :
« Comment rendre directive la diffusion des basses fréquences pour limiter l’impact sur le voisinage et concentrer l’énergie sur le public ? ».

Aujourd’hui, l’usage de systèmes directifs, parce qu’il est récent, est difficile à appréhender et le paramétrage est souvent simplifié et donc réducteur. La méthodologie de recherche consiste donc à démystifier l’effet « preset magique » afin de mieux comprendre les bases physiques qui régissent le phénomène physique de directivité.

Afin d’enlever toute zone d’ombre dans la conception du système, et d’éliminer les spécificités des caissons de basse (« subwoofer »¹) industriels, nous avons décidé de construire nos propres subwoofers, au comportement le plus simple possible.
Nous avons également programmé un logiciel de simulation afin d’avoir une souplesse d’analyse et de pouvoir automatiser des processus de comparaison non disponibles sur les logiciels commerciaux. Ceci nous a permis de pouvoir simuler puis mesurer avec une grande flexibilité les différentes configurations que nous voulions tester.

Afin de pouvoir qualifier les résultats, la première étape a été de mettre au point un système et une méthodologie de mesure juste et reproductible dans les basses fréquences. Après avoir optimisé les subwoofers et validé les simulations en champ libre, nous nous sommes confrontés à l’influence de la salle, nettement plus complexe. Dans un deuxième temps, nous avons mis en pratique ce savoir lors de situations de concerts, utilisant des systèmes de sonorisation de grande ampleur.

Les résultats les plus efficaces observés lors de notre étude montrent que dans tous les cas la rigueur et la méthodologie de mesure dans les basses fréquences sont indispensables. L’optimisation du système consiste à créer une réjection dirigée sur les zones à protéger. Plus le nombre d’enceintes disponibles est grand plus il est facile de le rendre directif. Les systèmes directifs en minimisant l’énergie sur les murs, engendrent moins de modes de résonance et améliorent la qualité du son sur le public et sur le voisinage. En particulier, les assemblages dont le retard correspond à la distance entre les sources permettent d’optimiser les deux critères en même temps.

Le nouveau décret apporte une nette progression notamment dans la prise en compte de la protection auditive des enfants. Il réaffirme également la nécessité de protéger en tous points, ce qui au regard des pratiques actuelles était effectivement nécessaire. Cependant, si l’objectif de protéger dans les basses fréquences est primordial, son application va nécessiter une refonte totale des techniques de diffusion et des pratiques musicales. Par la complexité de mise en œuvre, il peut être craint que l’effort financier soit trop important pour les petits lieux, et que l’accroche techniquement nécessaire des subwoofers en hauteur augmente nettement les problèmes de voisinage. En l’absence d’une règlementation prenant en compte les basses fréquences (63Hz), la protection du public qui nécessite l’accroche des subwoofers en hauteur risque de se faire au détriment du voisinage.
Mots clefs : basses fréquences ; difficultés de mesure ; directivité ; voisinage ; qualité sonore ; cardioïde ; règlementation ; logiciels de simulation

Avant Propos

Genèse du sujet de mémoire et problématique

C’est au cours de mes expériences en sonorisation que j’ai réalisé la difficulté de maîtriser les niveaux sonores dans les basses fréquences, tout d’abord en termes de couverture sur le public, mais aussi vis-à-vis de la règlementation et du voisinage. Les exigences d’homogénéité et de couverture, et influences des salles sur la propagation des basses fréquences constituent des phénomènes physiques et technologiques extrêmement complexes. Ils sont d’autant plus complexes qu’ils sont multi variables et intrinsèquement imbriqués. Peu d’outils et d’ouvrages aujourd’hui permettent d’avoir une vue d’ensemble des problématiques de mesure nécessaires à la caractérisation et à l’optimisation d’un système dans les basses fréquences. J’ai donc souhaité décomposer les différents paramètres permettant d’optimiser le système en éléments simples, comprendre leur fonctionnement, puis les synthétiser dans le sens de la meilleure optimisation possible entre qualité du son sur le public et protection des riverains.

Introduction

Contexte et problématique

Au tout début des concerts amplifiés, la technologie des enceintes et des amplificateurs ne permettait pas d’atteindre des niveaux élevés dans les très basses fréquences. Ces dernières années, les progrès technologiques et l’évolution de la musique actuelle (techno, rock…) ont fait apparaître un niveau sonore croissant dans les graves. Or, beaucoup de salles de spectacle exploitent des bâtiments historiques. Leur structure n’a jamais été pensée pour isoler les niveaux en très basse fréquence et il est souvent quasiment impossible de faire évoluer les bâtiments. Ces trente-cinq dernières années, le niveau sonore en basse fréquence ayant progressivement augmenté, la gêne sur le voisinage a augmenté proportionnellement. Les décrets se succèdent dans le but d’assurer aussi bien la protection auditive du public que la santé des riverains, en 1998 et tout dernièrement en août 2017. Malheureusement, les limitations associées aux basses fréquences ne permettent pas de faire un concert et les décrets présentent des manques notamment dans l’absence de prise en compte des très basses fréquences pour le voisinage. Il y a urgence ! En effet, l’ancien et le nouveau décret engendrent d’importantes difficultés d’application et les salles de concert se retrouvent en difficulté dans la capacité d’appliquer le texte. Faire perdurer l’activité culturelle et le bien-vivre ensemble nécessite de mettre en œuvre des solutions conciliant attente des spectateurs, protection auditive et respect des riverains….

Améliorer l’isolation étant une opération extrêmement coûteuse et souvent structurellement impossible, nous avons décidé de concentrer notre étude sur des solutions touchant à l’optimisation des systèmes de sonorisation eux-mêmes. L’idée est de mettre en avant des solutions permettant de concentrer l’énergie sur le public et de limiter les émissions vers le voisinage. En effet, rendre directifs les systèmes de sonorisation permet généralement de diminuer le niveau sonore dans le voisinage d’une proportion équivalente à multiplier par quatre l’épaisseur des murs. Cette optimisation est donc fondamentale car peu coûteuse en relatif au coût des travaux. Aujourd’hui, cette solution est rarement utilisée, car acousticiens et sonorisateurs ont tendance à travailler chacun de leur côté alors que la solution que nous mettons en évidence nécessite un travail commun de ces deux professions.

Plan

Nous commencerons par décrire dans la revue de littérature les problématiques de mesure des basses fréquences et quelles solutions permettent d’obtenir des mesures représentatives. La maîtrise de la directivité étant au cœur des solutions permettant de respecter l’absence de trouble vis-à-vis du voisinage, nous décrirons quelques configurations fondamentales permettant d’atteindre ces objectifs. Nous rappelons à la fin de cette partie le contenu du contexte réglementaire en vigueur.
Dans un deuxième temps, nous poursuivrons en donnant une description théorique des solutions permettant de créer de la directivité dans les basses via la programmation d’un logiciel de simulation. Nous validerons par la mesure en laboratoire (hangar) le modèle théorique en se confrontant à l’influence de la salle et aux difficultés de mise en œuvre associées.
Vous trouverez à la fin du mémoire un exemple pratique permettant de mettre en avant les résultats concrets qu’il est possible d’obtenir grâce à ces techniques.

Cadre

• Fréquentiel :
  Ce mémoire de recherche se focalise sur les basses fréquences générées dans les installations de sonorisation par les enceintes de renfort de grave, les « subwoofers » (appelés subs par la suite). La plupart des constructeurs donnent comme limite inférieure en basse fréquence des subs entre 25 Hz et 30 Hz, et 100 Hz pour la limite supérieure. Nous nous focaliserons donc sur l’intervalle de 25 à 100 Hz.
• Solutions d’optimisation
  Le mémoire ne traite pas des solutions relatives aux isolations acoustiques des bâtiments. C’est une opération très coûteuse et rarement possible pour les salles. Nous nous sommes donc concentrés sur l’optimisation des systèmes de diffusion dans les basses fréquences. Concentrer l’énergie sur la zone utile constituée par le public se réalise en créant une directivité. Le but n’était pas de tester l’ensemble des installations possibles mais de se focaliser sur quelques configurations fondamentales. Et enfin de se rendre compte des difficultés de mesure et donc d’optimisation.
• Types de lieux
  Notre étude concerne les évènements dans des salles moyennes à grandes (à partir de 300 places) ainsi que les concerts en plein air.
  L’objectif du mémoire n’était pas de détailler la méthodologie propre à la réalisation d’une étude d’impact acoustique. Nous nous sommes focalisés sur la maîtrise des concerts de grande ampleur de type festivals, qui n’ont pas les mêmes impératifs que ce qu’exigerait la réalisation d’une étude d’impact pour un bar ou une boîte de nuit. Les techniques qui sont décrites sont plus complexes et plus coûteuses mais permettent une meilleure gestion des niveaux sonores dans les infrabasses.
• Protection du public
  Il est important de noter que le décret traite aussi bien de la protection auditive du public que de celle du voisinage. En effet, l’augmentation de niveau très significative de ces dernières années rend la protection auditive du public primordiale. Cependant, l’optimisation des systèmes de diffusion vis-à-vis de la protection du voisinage est un sujet déjà très complexe. Nous nous sommes ainsi focalisés sur la partie protection du voisinage.

Abréviations utilisées dans ce mémoire

c : vitesse de propagation du son (344 m/s)
λ : longueur d’onde de la fréquence considérée
Sub : subwoofer (enceinte de renfort de grave)
Cardio : configuration cardioïde
Cardio natif : configuration cardioïde dont la distance entre les sources vaut λ/4
HP : haut-parleur
Omni : Omnidirectionnel

Revue de littérature

A. Les basses fréquences dans le contexte actuel.

Trois évolutions simultanées ont contribué à l’augmentation du niveau des basses fréquences dans les concerts amplifiés.

1. Contexte musical : évolution du niveau des basses fréquences au cours des 20 dernières années

Dans son mémoire de recherche en 2010, Pierrick Saillant [23] effectue un comparatif des balances spectrales sur une trentaine d’enregistrements répartis entre 1980 et 2010. Ses analyses permettent d’obtenir des informations sur l’évolution des habitudes d’écoute. « On observe que les productions actuelles contiennent plus de graves que les productions effectuées il y a une vingtaine d’années. Cette différence est reproduite dans le domaine de la sonorisation. Les systèmes de diffusion doivent être capables de produire plus de basses fréquences». La musique électronique en particulier, est en explosion depuis les années 1995 et est caractérisée par une forte accentuation de la rythmique et des lignes de basses.

2. Contexte technologique : un matériel de sonorisation de plus en plus puissant

D’un point de vue technologique les systèmes ont aussi beaucoup évolué. Dans le tableau ci-dessous, nous avons comparé à l’aide des documentations techniques [28] des fabricants, des haut-parleurs historiques et récents. Dans l’infrabasse, la pression générée est proportionnelle au volume d’air déplacé. On calcule donc le volume d’air déplacé par la formule :

𝑣𝑜𝑙𝑢𝑚𝑒 = 𝑇𝑎𝑖𝑙𝑙𝑒 𝐻𝑃 * 𝐷é𝑝𝑙𝑎𝑐𝑒𝑚𝑒𝑛𝑡 𝑐ô𝑛𝑒

Ce tableau met en évidence qu’un HP actuel est capable de déplacer environ 10 fois plus de volume d’air que l’historique 416-8A.

Nous donnons également ci-dessous quelques ordres de grandeur de subs récents.

Les subwoofers récents peuvent comporter plusieurs HPs. Ils ont plus de capacité de débattement et supportent beaucoup plus de puissance. Le T21 atteint un niveau sonore de
146.5 dB SPL à 1 m !…

3. Contexte sociologique : recherche de sensations lors des concerts « live »

« To be played at maximum volume »². La puissance sonore parce qu’elle favorise l’immersion et qu’elle provoque un déconditionnement participe à l’expérience d’écoute de la musique (Guibert, 2007, [11]).

« Aujourd’hui, ce qui motive les jeunes à assister à des concerts, c’est la recherche de sensations physiques générées par les basses et les infrabasses. Car ce qu’on appelle « le gros son », c’est-à-dire le son très charpenté avec énormément de basses, permet de ressentir de fortes compressions, surtout au niveau de la cage thoracique et de l’abdomen, sensations qu’ils n’ont pas et qu’ils n’auront jamais avec leurs écouteurs, leur casque ou leur chaîne HIFI. […] » (David Rousseau, 2006, [21]).

« La puissance sonore favorise l’immersion dans la musique. Lorsqu’on arrive sur le lieu d’où émane le son amplifié, on est brusquement coupé de l’environnement perceptif antérieur. Le bruit accapare l’appareil sensoriel en mobilisant l’ouïe, mais aussi le toucher (on ressent le son par le corps) et provoque un déconditionnement. Cette présence physique du son reconditionne l’auditeur à une expérience onirique. Le volume sonore élevé rend difficile la parole et transforme les rapports sociaux. Il donne à la matière sonore une épaisseur qui le rapproche des arts plastiques tridimensionnels. » (Gérôme Guibert, 2007, [11])

La recherche des forts volumes sonores n’est pas nouvelle. C’est un phénomène sociologique qui ne peut être ignoré et qui participe à l’expérience d’écoute de la musique dans notre société. Cependant, si les techniques d’amplification apparaissent déjà dans les années 30, les niveaux que l’on peut atteindre aujourd’hui en basse fréquence sont extrêmement élevés. Il est donc d’autant plus nécessaire pour la santé du public que celle du voisinage d’apprendre à bien maîtriser les basses fréquences pour permettre le bien-vivre ensemble et la protection auditive.

4. Pourquoi les basses fréquences posent elles problème chez les riverains?

Isolement des bâtiments vis-à-vis des basses fréquences émergeant des concerts de musique amplifiée.

L’impact des nuisances dues aux musiques amplifiées peuvent être extrême : « [Lors d’]évènements musicaux comme des festivals ou rave parties, sorties en discothèques […] les basses fréquences sont tellement fortes qu’elles font vibrer les vitres aux alentours. » (CIDB, 2014, [3]).

« Il faut savoir que, dans les basses, on a d’une part, le coup de pied, c’est-à-dire le toum toum de la grosse caisse qui se situe entre 50 et 63 Hz et d’autre part, la nappe de graves en continu qui se situe entre 30 et 40 Hz, ce qui, d’ailleurs, n’est pas perçu par le système auditif. L’autre problème, c’est qu’il y a vingt ans, on envoyait 20 décibels de moins qu’aujourd’hui. Quand on sait qu’un DJ diffuse systématiquement du 140 dB(C) – le dB(C) tient compte des basses fréquences –, cela laisse perplexe ! On atteint donc de très forts niveaux sonores!» (David Rousseau, 2006, [21]).

Or, un niveau d’émission aussi important et centré sur les fréquences comprises dans la bande d’octave 63 Hz ou 30 Hz est catastrophique en termes d’impact sur le voisinage. En effet, l’isolation pour ces bandes de fréquence est très difficile à obtenir.

« Les parois, qu’il s’agisse des murs, du plafond ou de plancher, vibrent davantage à certaines fréquences qu’à d’autres. Plus une paroi vibre, plus elle est perméable au passage des sons et plus la pièce s’agrandit. Si par hasard, la fréquence de résonance naturelle d’une paroi coïncide avec la résonance de la pièce, les propriétés isolantes deviennent très médiocres, voire quasi-inexistantes. On observe ce phénomène avec les cloisons de doublage acoustique en panneaux de plâtre mince. Par exemple, une cloison en BA13 disposant d’un plénum de 10 cm rempli de laine de verre, résonne à 63 Hz. Adossée à un mur en parpaing creux de 20 cm, le doublage censé améliorer l’isolement, le dégrade de 7 décibels, passant de 39 dB (courbe verte) à 32 dB seulement (courbe rouge). Si la pièce possède une dimension physique de 2,58m (plafond) ou 5,16m, la dimension acoustique sera 2,68m (f1=63Hz) ou 5,36m (f2 63Hz). En supposant que la résonance amplifie le niveau de pression de 6dB à cette fréquence, l’isolation ne sera plus que 26 décibels (courbe bleue)». (Lafont, [15]).

Ces matériaux étant couramment utilisés dans les habitations standards, et les niveaux dans la bande 63 Hz étant de plus en plus marqués dans les musiques actuelles, les conséquences en termes d’isolement sont donc terribles.

Effets sur la santé

L’exposition au bruit dans l’environnement urbain est difficile à évaluer à cause de l’exposition à des nuisances multiples. Les impacts sur la santé sont à considérer car les effets peuvent nuire à l’état de bien-être mental, physique et social de la population. « On constate […], en restant au plus près des réponses des enquêtés, d’une part que les sonorités graves semblent perçues autant, si ce n’est plus, par le corps que par les oreilles ; d’autre part qu’elles sont assimilées à des bruits pénibles, qui relèvent de la nuisance sonore. Il est frappant que les enquêtés aient presque tous répondu dans ce sens, alors que ce n’était pas la question qui leur était posée. » « Les bruits graves remplissent donc l’espace, mais avant tout, ils remplissent, ils envahissent les oreilles (assourdissant), la tête (entêtant, lancinant), le corps tout entier (perçus par tout le corps) » (Guastavino C. & Cheminée, P, 2003, [10]).

Les basses fréquences dans l’environnement sonore peuvent ainsi entrainer des perturbations du sommeil, des dépressions, et bon nombre d’autres effets secondaires.

« S’il est difficile d’établir un lien direct de cause à effet entre l’état de santé des personnes s’adressant au CIDB et les nuisances sonores – de nombreux facteurs tels que la solitude ou un handicap physique peuvent interagir –, il est en revanche indéniable que les personnes confrontées à des problèmes de bruit sont en souffrance, physique ou mentale, pour la plupart depuis longtemps. Ce constat, les psychologues du CIDB le font de manière quotidienne à travers leur mission d’écoute et de conseil. Certains plaignants, à bout de souffle, en larmes ou au bord de la crise de nerfs, sont d’autant plus désemparés qu’ils ont entrepris pour la plupart de nombreuses démarches mais en vain.» (CIDB, [3])

Les contextes musicaux, sociaux et technologiques ont fait apparaître un niveau sonore croissant dans les graves. Les choix de conception des systèmes de diffusion sont très étendus, complexes et leurs conséquences, aux vues des puissances mises en jeu, doivent être maîtrisées. Pour maîtriser un système il faut pouvoir le caractériser et donc le mesurer.

B. Problématiques de mesure des basses fréquences

1. Contraintes dues à la salle

1.1 Modes de résonance dans une salle

Lorsque du son est diffusé dans une pièce, les ondes sonores vont rencontrer des obstacles : murs, scène, objets de toute taille. Une partie de l’onde sonore va être absorbée tandis que l’autre partie va être réfléchie ou diffusée. En fonction de la taille de la longueur d’onde (λ) par rapport à la taille de l’obstacle, les réflexions vont être différentes :

Dans la figure (A), l’obstacle est si petit par rapport à λ qu’il n’influence pas la propagation du son. Le son ne le voit pas et le contourne. En revanche, dans la figure (B), les dimensions de l’obstacle font plusieurs longueurs d’onde. Cela a pour effet de créer une zone d’ombre derrière l’obstacle qui tend à être irradiée par le front d’onde des sources qui rencontrent l’obstacle. Cela met en évidence que l’impact d’un objet, d’une forme, sera très différent en fonction de la fréquence observée. Pour les basses fréquences, on peut approximer qu’un objet de moins de 1 m n’a pas d’impact significatif sur la propagation du son.

Les longueurs d’onde des basses fréquences (25 Hz – 100 Hz) soumises à notre étude s’étalent de 13m80 à 3m40, et sont donc souvent proportionnelles aux dimensions des salles (longueur, hauteur de plafond, diagonales…). Les ondes vont être réfléchies par les parois, se propager dans plusieurs directions et interférer avec leurs propres réflexions circulant dans le sens inverse.
« Lorsque deux trains d’ondes se propageant en sens contraire se rencontrent, il se forme des ondes stationnaires. Les ondes stationnaires sont formées par des zones où l’air est soumis à des mouvements de compression et de décompression qui ne se déplacent pas. Ces zones sont situées à une distance l’une de l’autre égale à la moitié de la longueur d’onde des signaux qui la produisent. Ce sont des ventres, mouvements de compression maximale, et des nœuds acoustiques où ils sont nuls» (Besson R. & Alary J., 2007, [2])

Ainsi, pour une longueur d’onde donnée, en partant du point de réflexion, on rencontre un ventre à λ/4 et à 3λ/4 et un nœud à λ/2. Dans cette figure on note également que les modes font intervenir les fréquences propres et leurs harmoniques physiques.

Les différentes fréquences auxquelles le phénomène apparaît s’appellent les modes propres de la pièce ou fréquences de résonance. Les modes propres dépendent directement de la géométrie de la salle. Il apparait alors de très fortes différences de niveaux sonores entre les ventres (max) et les nœuds (annulations).

Nous avons simulé à l’aide du logiciel CARACAD, l’effet d’un haut-parleur situé dans l’angle d’une pièce de petites dimensions. Voici ci-dessous une sélection de modes propres apparaissant lors de la simulation.

Pour rappel,

• entre deux murs espacés d’une distance L, les fréquences propres seront : 𝑓𝑛 = 𝑛 * 𝑐/2𝐿
• Pour une salle parallélépipédique de dimensions Lx, Ly et Lz, on a :

l, m et n sont 3 entiers relatifs associées respectivement aux dimensions x, y et z ([20]).

1.2 Sources Image

Lorsque l’on positionne un haut-parleur dans une salle, son rayonnement est en partie réfléchi par les murs selon les mêmes lois que l’optique géométrique (lois de Descartes).

Les distances de parcours entre le son direct et le son réfléchi contre le mur (D1, et D2) ne sont pas les mêmes. Ainsi, le rayon réfléchi arrive avec un décalage de temps au microphone. Il va donc apparaître un phénomène d’interférence dit de « filtre en peigne » qui va varier en fonction de la fréquence, du retard de propagation et du niveau de la réflexion par rapport au son direct.

Dans le cas du schéma ci-dessus, on obtient : D1 = 10.05 m et D2 = 11.18 m. le décalage entre les deux impulsions émises par chaque sub vaut 3,28 ms. On affiche le résultat dans le logiciel Spectralab et on observe le filtrage en peigne correspondant :

Un tel phénomène physique est donc catastrophique en termes de mesure. On peut remarquer la présence de nombreuses annulations en amplitude alors que le micro est soumis aux réflexions de la paroi.

Dans cet exemple, nous avons relevé un premier ventre à 315 Hz et un premier nœud à 152 Hz. En effet, on obtient la fréquence du premier nœud lorsque les deux impulsions sont espacées de λ/2 (ici 1/(3,28 * 2 * 10−3) soit 152 Hz environ).

L’écart maximal mesurable entre les valeurs de sommation et d’annulation les plus fortes peut atteindre 30 dB, d’où la nécessité de mesurer en plusieurs points. D’un point de vue de la mesure, il est toujours préférable de mettre le microphone au sol pour éviter ces effets de filtre en peigne et obtenir des résultats plus caractéristiques. En moyenne, si le microphone est à 1,30 m du sol, le filtrage en peigne intervient dans le haut grave.
D’un point de vue homogénéité du son dans la salle, si l’on met l’enceinte contre la paroi, la source image est très proche, et donc la directivité n’est pas modifiée dans les basses. En revanche, dès que l’on éloigne un peu l’enceinte, l’effet de filtrage en peigne devient non négligeable. En pratique, trois cas se présentent :

• Si le subwoofer est le plus possible collé au sol ou au mur :
  Ceci permet de bénéficier d’un minimum de distance entre la source image et la source réelle. La directivité est hémisphérique et l’on gagne +6 dB de rendement sous réserve que la hauteur naturelle du sub soit petite vis-à-vis de la longueur d’onde (pour 100 Hz par exemple, la hauteur du sub ne doit pas dépasser 1m13 pour éviter des filtrages en peigne. En effet, 120° à 100 Hz correspond à 1m13 cf. le cercle des phases au paragraphe suivant). On obtient donc un gain de 6 dB sans engendrer de modification majeure de la directivité. Cependant, se rapprocher des murs sur un sujet où l’on tient compte du voisinage n’est pas une bonne idée … !
• On place le subwoofer à une distance de 1m70 du sol afin de créer une directivité verticale. En effet, le dipôle formé par le subwoofer et la source image annule l’énergie vers le plafond (cf. figure 7)

À partir du moment où la distance entre le point d’écoute et la paroi est importante (par exemple la source image crée par le mur de derrière), l’impact dans les basses fréquences est fondamental. Si l’on reprend l’exemple ci-dessous mais « retourné », le mur générant la source image devient le mur derrière le sub et il se produit alors une annulation à 50 Hz au point d’écoute…

• Si le sub est très loin du sol : les effets ne sont pas déterminés facilement mais il apparait de forts phénomènes constructifs et destructifs (filtres en peignes). Nous rappelons donc encore une fois la nécessité de mesurer en plusieurs points.

Pour comprendre ce phénomène, il faut étudier les influences de trois grands paramètres :

La Phase

La longueur d’onde d’une sinusoïde peut être reliée au cercle trigonométrique.

Si l’on additionne deux ondes de même fréquence et de même niveau en augmentant la phase entre ces deux signaux, comment les ondes s’additionnent-elles ?

Figure 9, on observe que tous les décalages de phase compris entre 0° et 120° permettent de gagner entre 0 et 6 dB. En revanche, dès que l’on dépasse 120°, on perd de 0 à -∞ dB (hors phase).

Le Niveau relatif des signaux directs et réfléchis

Il faut distinguer 3 comportements en fonction de la différence de niveau (offset) entre le son direct et le son réfléchi :

• 0 dB < offset < 4 dB : Zone de filtrage en peigne (« Combing zone ») : les phénomènes d’annulation et de sommation sont très importants. Ils peuvent varier de +6 dB à – 60 dB. Ces valeurs sont déterminées par le déphasage entre les deux signaux (cf. cercle des phases de la figure 9)
• 5 dB < offset < 10 dB : Zone de Transition les phénomènes de filtrage vont varier entre +4 dB et – 8 dB.
• 11 dB < offset : Zone d’isolation : le niveau de l’onde réfléchie étant plus de
  10 dB moins fort, les effets du filtrage sont minimes. Les signaux sont décorrélés.

Le Temps

Jusqu’à présent nous n’avons pas spécifié de valeur de retard. Un décalage de temps donné crée un décalage de phase différent à chaque fréquence.

Plus le décalage en temps augmente plus la première fréquence atteinte par le filtrage en peigne est basse. Par exemple, pour 1 ms de décalage, on aura un premier maximum d’annulation à 500 Hz (180°). C’est 360° à 1 000 Hz (premier maximum) mais aussi 720° à 2 kHz. Tous les maximums se retrouveront pour tous les multiples de 1 kHz, et les minimums à tous les multiples de 500 Hz…

Par conséquent, il faut faire très attention aux positionnements des enceintes près des murs. Celles-ci génèrent un filtrage en peigne dans les zones de diffusion à proximité et le placement du microphone de mesure peut s’avérer très difficile à optimiser.

1.3 Impact du positionnement des sources sur l’excitation des modes propres

L’impact du positionnement de la source est crucial. En effet, son positionnement détermine quels sont les modes propres qui vont être excités.

Courbe de réponse et positionnement dans la salle

On observe sur la figure 12, de grandes irrégularités des courbes de réponse 2 et 3 par rapport à la 1, manifestant des pics et des creux selon les excitations des modes. On remarque aussi une différence d’amplitude assez marquée entre les réponses dans la cabine et la réponse en salle anéchoïque.

2. Comment mesurer les basses fréquences ?

2.1 Signaux de mesure

Les quatre principaux signaux utilisés pour caractériser un système sont : le bruit rose, la musique, le balayage en fréquence (« sweep »), et les séquences MLS.

Bruit Rose

C’est un signal aléatoire dont l’intensité de chaque portion de bande d’octave est constante. Cela permet de se rapprocher de la perception de l’oreille qui est logarithmique. Le bruit rose donne un spectre plat quand il est analysé par un analyseur de spectre standard (sonomètre par exemple).

Avantages :

• Ce signal est très simple d’utilisation. En effet, lorsqu’il est nécessaire de faire des moyennes aussi bien spatiales que temporelles, le bruit rose est relativement constant sur tous les facteurs possibles.

Inconvénients :

• Il nécessite une très forte dynamique d’émission pour avoir un rapport signal sur bruit suffisant. pour que le bruit de fond ne perturbe pas la mesure, il faut que le bruit généré par les enceintes soit largement supérieur.
• Mélange le signal et les distorsions
• Ne fournit pas d’information temporelle
• Nécessite des mesures longues

Musique

Avantages :

• La musique actuelle étant naturellement beaucoup plus compressée que le bruit rose, le facteur crête est beaucoup plus faible et permet donc de générer beaucoup plus d’énergie pour la même dynamique maximum (que le bruit rose).
• Elle permet de faire en plus une mesure dans les conditions réelles d’exploitation et de mettre en évidence des phénomènes vibratoires associés à la dynamique du signal.

Inconvénients :

• Ce signal doit être utilisé avec beaucoup de précaution, l’usage de plusieurs morceaux est indispensable pour maximiser la répartition en fréquence.

« Sweep »

C’est un signal qui balaye toutes les fréquences nécessaires pendant une durée prédéfinie. Si les signaux sinusoïdaux sont employés depuis longtemps en audio et en mesures acoustiques, ce n’est que depuis une vingtaine d’années que les progrès informatiques ont permis d’étendre leur usage : grande amélioration des mesures de réponses impulsionnelles, de distorsion et de systèmes à la fois non linéaires et non invariants dans le temps. Le « sweep » permet de gagner un rapport signal sur bruit inatteignable avec la méthode MLS, car il permet de s’affranchir de la distorsion harmonique due aux non-linéarités du haut-parleur. (Farina, A., 2007, [7])

Comme il est très difficile de générer beaucoup d’énergie en 1s, l’idée est de répartir le sweep sur plusieurs secondes, puis de reconvoluer le signal mesuré. (Il est impossible d’envoyer 10 000 W en 1s mais facile d’envoyer 1 W pendant 10 000 secondes…) En reconvoluant le signal mesuré, on ramène toute l’énergie mesurée fréquence par fréquence en un seul instant.

Plus le temps de mesure est grand (Figure 13), meilleure est l’amélioration du rapport signal sur bruit. Dès 3 s de mesure, on gagne 20 dB par rapport à un bruit rose.

Avantages :

• Il permet de mesurer le niveau et la réponse impulsionnelle en même temps, de s’affranchir des bruits constants, et du bruit de fond. Un « sweep » de 47 s permet un gain de 33 dB de SNR par rapport à un bruit rose de même durée… Le « sweep » permet de mesurer avec virtuellement 2000 fois plus de puissance…
• Il permet de vérifier la reproductibilité et de connaître intrinsèquement le rapport signal/bruit de chacune des mesures

Inconvénients :

• Nécessite un dépouillement plus complexe
• La mesure en plusieurs points nécessite soit de faire plusieurs mesures discrètes et d’en faire la moyenne, soit d’utiliser un système multi micros.

Signal MLS

Maximum Length Sequence. C’est une séquence binaire pseudo aléatoire permettant d’extraire la réponse impulsionnelle. Dans la pratique, il s’agit d’un signal que l’on pourrait confondre avec un bruit rose s’il est préalablement refiltré, mais qui permet par un traitement informatique de retrouver une réponse impulsionnelle si le système est invariant.

Avantages :

• Il permet de gagner artificiellement du rapport signal bruit mais de façon moins importante que le « sweep ».
• Le son du signal MLS est un son relativement peu dérangeant pour l’audition là où le
  « sweep » présente des séquences caractéristiques de sons d’ovnis….

Inconvénients :

• Inutilisable à très grande distance car une variance du temps de propagation de groupe rend inopérante la reconstruction de l’impulsion.
• Usage plus compliqué car nécessite le bon choix des critères du traitement du signal (taille et type de la fenêtre).

2.2 Techniques d’analyse

i. Pondérations et perception des basses fréquences par l’oreille humaine

La mesure des basses fréquences doit prendre en compte le comportement de l’oreille humaine. En effet, l’oreille humaine n’est pas aussi sensible aux basses fréquences qu’aux sons médiums ou aigus émis à la même pression acoustique. Le schéma ci-dessous reproduit les courbes d’isosonie de Fletcher et Munson (1933) qui représentent la sensibilité moyenne de l’oreille pour la plage des fréquences audibles. Ces courbes indiquent, pour chacune des fréquences du spectre audible, le niveau de pression acoustique (SPL pour Sound Pressure Level) nécessaire à la perception d’une même intensité par un être humain. D’où le terme « courbe d’égale (iso)sensation sonore (sonique) ».

Cela signifie que les sons graves demandent plus de niveau sonore que les sons aigus pour être perçus à la même intensité. Ce phénomène est très marqué à faible niveau. Par exemple pour avoir la même sensation sonore de 30 dB SPL à 1000 Hz, il faut mettre +30 dB à 50 Hz. Même à fort niveau ce comportement reste vrai même s’il est fortement atténué : à 100 dB SPL il faut toujours 10 dB de plus à 50 Hz qu’à 1000 Hz.

Il est possible d’approcher ce comportement relatif au fonctionnement de l’ouïe humaine à l’aide de filtres de pondération pour un niveau donné. Il existe quatre filtres de pondération. Pour notre étude nous nous concentrerons sur les filtres A et C qui sont stipulés dans les règlementations pour la mesure de niveaux en salle et sur le voisinage.

Une pondération fréquentielle c’est « la différence entre le niveau du signal indiqué sur le dispositif d’affichage et le niveau correspondant d’un signal d’entrée sinusoïdal permanent d’amplitude constante, cette différence étant spécifiée dans [la] norme en fonction de la fréquence » (NF EN 61672-1, Electroacoustique et sonomètres, Juin 2003). Dans la réglementation, les pondérations A et C sont définies par la norme CEI 61672-1 sous la forme de tableaux de coefficients à appliquer aux mesures par octave ou tiers d’octaves.

La formule définie dans la norme et permettant de calculer en décibels, les pondérations C et A est la suivante :

𝐶1000 et 𝐴1000sont des constantes de normalisation, en décibels, qui représentent les gains électriques nécessaires pour obtenir des pondérations A et C égales à 0 dB à 1 kHz. Pour la pondération C, deux pôles sont situés à la fréquence f1 pour les basses fréquences et deux pôles sont situés à la fréquence f4 pour les fréquences élevées. La pondération A est réalisée en ajoutant à la pondération C deux filtres passe-haut du premier ordre couplés, dont les pôles sont les fréquences f2 et f3.

Voici un extrait des coefficients fournis dans les tableaux de la norme et calculés grâce aux formules ci-dessus. Ils sont volontairement plus détaillés dans les basses fréquences :

La pondération A correspond à la sensibilité de l’oreille pour les sons purs à faible volume, et donne donc peu d’importance aux basses à l’inverse de la pondération C. Physiquement parlant, les pondérations A et C reproduisent approximativement sous forme inversée les courbes d’isosonies (Le Haut Conseil à la Santé (figure 16 ci-dessous) met en évidence que la courbe 40 phones se rapproche de la pondération A et que celle de 100 phones correspond environ à la pondération C).

ii. FFT et analyse en bande fine

1. Résolution fréquentielle de FFT

La transformée de Fourier Rapide (Fast Fourier Transform) est le principal outil mathématique utilisé pour l’analyse de spectre fréquentiel dans beaucoup de logiciels. Son paramétrage doit être choisi très précisément pour la mesure en basse fréquence. La Transformée de Fourier permet de passer du signal audio temporel à l’analyse de sa composition dans domaine fréquentiel (amplitude et phase) et inversement.

La fenêtre d’analyse de la FFT sélectionne une partie du signal dont la taille détermine le nombre de points d’analyse. Plus la fenêtre d’analyse est grande plus la résolution fréquentielle entre deux points diminue.

« Le traitement commence par le remplissage d’une mémoire de taille donnée (généralement une puissance de 2. Par exemple, un bloc de N = 1024 = 2^10 échantillons temporels) qui sera la base temporelle d’analyse. Ces N échantillons temporels seront ensuite passés dans un algorithme de calcul FFT » (01dB, [27]).

La durée de remplissage des N échantillons dans la mémoire correspond à la durée minimale pendant laquelle il faut observer le signal pour pouvoir l’analyser (c’est-à-dire sa sélectivité temporelle). Si l’on échantillonne à la fréquence Fe et que l’on doit prendre Ne échantillons, il nous faudra attendre un temps T = Ne/Fe secondes (1024 points à 44.1 kHz = 23 ms).
La résolution fréquentielle obtenue est B = Fe/Ne Hz (1024 points à 44.1 kHz = 43 Hz). Cela signifie que l’on a un point d’analyse tous les 43 Hz, donc un seul point pour l’analyse de toutes les fréquences graves.

Pour les basses fréquences, il est donc important de prendre une taille de FFT largement plus grande que 1024. Il est typique d’utiliser une fenêtre de 65000 points pour une fréquence d’échantillonnage de 44.1KHz.

« Le produit BT = Fe/Ne * Ne/Fe =1. Si l’on veut mesurer un signal avec une résolution de 1 Hz, il nous faudra l’examiner pendant au moins 1 seconde, avec une résolution de 2 Hz pendant 0.5 s, 0.5 Hz pendant 2 s, et ce quelque soit l’instrument de mesure utilisé. Les limites de résolution temporelle et de résolution fréquentielle sont données par le produit BT= 1.» (01dB, [27]).

Il y a un donc compromis entre la résolution fréquentielle et temporelle, il faut adapter la fenêtre d’analyse à la nature du phénomène observé. Un phénomène stable pourra être décrit avec une grande précision fréquentielle en prenant une taille de FFT importante, par contre un signal relativement variant devra être observé avec une taille de FFT courte si l’on souhaite pouvoir visualiser sa variation temporelle. Dans ce compromis, quand on observe un phénomène aléatoire, il est souvent plus simple d’utiliser une technologie en bande de filtres plutôt qu’une technologie FFT du fait des artefacts de mesure (c’est en ce sens que la norme n’autorise pas l’utilisation de la FFT pour les sonomètres de classe 1). Caractériser l’enveloppe demande de faibles tailles de FFT, alors que caractériser sa fréquence demande une grande taille de FFT.

2. Limites de la FFT

Cependant, le signal que l’on cherche à mesurer est un signal physique réel, non prédictible. Il est à priori non périodique… « Monsieur le baron Fourier indique de travailler sur un temps infiniment long, sauf si la fonction est périodique. Aucune mémoire n’est suffisamment importante pour accueillir la totalité du signal ! Le fait de limiter la durée d’observation à un bloc de longueur donnée entraîne comme conséquence de considérer notre signal comme périodique, de période égale à la durée d’observation (la longueur du bloc temporel) » ([27]).

« Cette périodisation artificielle crée des discontinuités dans le signal temporel. De telles discontinuités dans le domaine physique correspondent à des énergies infinies. […] [Le signal étant numérisé], la discontinuité ne se traduit pas par un saut à énergie infinie mais par un saut de pente plus ou moins raide, donc une énergie plus ou moins importante qui vient s’ajouter au signal. En fait on vient de regarder notre signal avec une fenêtre rectangulaire, c’est à dire que l’on a ouvert les yeux de l’analyseur à un moment donné dans la vie du signal, que ses yeux sont restés ouverts pendant la durée d’observation et que brutalement, ils se sont refermés à la fin de l’observation. L’analyseur a taillé dans le vif le signal. Il n’a respecté aucune périodicité. » (01dB, [27])

Pour éviter les discontinuités introduites par une telle fenêtre, impliquant des erreurs d’estimation de l’énergie portée par le signal, on impose à l’analyseur d’utiliser d’autres fenêtres temporelles.

3. Fenêtrage

Nous ne détaillons pas tous les types de fenêtres utilisés dans le calcul de la FFT, mais nous nous concentrons sur les deux fenêtres les plus standards et utilisées par la suite pour les analyses des données.

« La définition d’une fonction utilisable en tant que fenêtre de pondération doit suffisamment déformer le signal temporel pour le rendre périodique tout en respectant suffisamment le signal pour que les résultats trouvés restent représentatifs. » (01dB, [27]) Beaucoup de fenêtres temporelles existent et font un compromis entre l’optimisation de l’erreur maximale commise sur le niveau mesuré et la résolution fréquentielle. Par exemple, Blackman-Harris est très adaptée au repérage fréquentiel, « Flat-Top » est adaptée à la quantification de l’énergie et donc à la mesure de niveau… Les fenêtres seront donc à choisir en fonction du type de signal analysé et du compromis désiré.
La fenêtre de Hanning est de loin la plus utilisée et optimise bien le compromis résolution fréquentielle / résolution en amplitude.

La fenêtre de Hamming est dérivée de la fenêtre de Hanning (même utilisation), mais l’accent a été mis sur la résolution fréquentielle (donc au détriment de la résolution en amplitude). Elle est à conseiller lors de la recherche de la fréquence « exacte ».

4. « Overlap »

Pour un analyseur donné, il faut choisir le pourcentage d’« overlap » entre deux fenêtres d’analyse. Plus les fenêtres sont imbriquées, plus l’on est précis dans notre analyse mais plus cela nécessite de la puissance de calcul.

iii. Conversion en affichage par bandes de fréquences

Une fois la taille de FFT choisie, on découpe le spectre en bandes de fréquences afin d’améliorer la lisibilité des données et se rapprocher du phénomène d’intégration de l’audition humaine.
L’idée est d’appliquer au signal des filtres normalisés par bandes à largeur relative constante Δƒ/ƒ (c’est-à-dire dont la bande passante est proportionnelle à leur fréquence centrale).
Il existe trois grands types de résolution d’affichage : par bande d’octave (sonomètres par exemple), par tiers d’octave (la plupart des appareils de mesure le proposent), ou bande fine (résolution variable en fonction de l’analyseur, par exemple 1/48).
Dans le cas d’une analyse de mesures d’un sub en salle, et donc soumis à des phénomènes acoustiques complexes vus précédemment, il est nécessaire d’affiner la résolution d’affichage afin de pouvoir mettre en évidence ce qui relève des modes propres. On utilise alors l’analyse en bandes fines. Elle sert à caractériser les problèmes.

Si l’on veut obtenir un résultat quantitatif, le tiers d’octave est un très bon moyen de visualiser le résultat. Par exemple, pour un signal présentant des tonalités marquées (trompette) l’affichage en octave et en tiers donne :

2.3 Techniques de prise de son : robustesse des mesures en basse fréquence

Comme expliqué précédemment, lors d’apparition d’ondes stationnaires, il apparait des nœuds et ventres de vibrations pour les fréquences dont la demi-longueur d’onde est multiple de la distance interparois. Les basses fréquences soumises à notre étude étant précisément les fréquences concernées par les ondes stationnaires, il apparait donc que si l’on place un microphone de mesure sur un nœud de vibration, le niveau observé sera nul alors qu’un quart de longueur d’onde plus loin le niveau atteindra un maximum. Il est donc très facile de faire une erreur de mesure s’il l’on place un microphone fixe dans une pièce.

Le tableau ci-dessous réalisé par David Rousseau et Igor Prade montre les écarts de mesure pour une position fixe du microphone à l’émission (local contenant les enceintes) et à la réception (pièce adjacente). Les mesures ont été réalisées sur 4 types de signaux différents (bruit rose, techno 40 Hz, techno 50 Hz, techno 63 Hz).

On remarque que plus l’on descend en fréquence, plus l’écart de mesure est important. L’écart maximum à 63 Hz peut atteindre 24 dB (12 dB à l’émission et 12 dB à la réception) ce qui est colossal aux vues des exigences des législations.

Comment mesurer si les écarts de mesure dus à la position du microphone sont si importants ? Il faut multiplier le nombre de points de mesure pour diminuer la probabilité de tomber sur la seule et unique valeur d’un nœud de vibration de la fréquence mesurée. La question qui découle immédiatement de ce système de mesure est celle du nombre de microphones qu’il faut employer. Cela diffère-t-il pour chaque fréquence ?

Dans leur étude « Estimation de la robustesse des mesures à 63 Hz », David Rousseau et Igor Prade ont effectué l’expérience suivante. Dans une salle fermée type cave, 4 morceaux de musique ont été joués, et 11 mesures ont été réalisées par morceaux à l’aide de 4 sonomètres Solo 01dB. Les valeurs retenues correspondent donc à la moyenne des 4 morceaux et sont donc basées sur 44 mesures.

« Fixe » : sonomètre immobile durant la mesure.

« en 8 » : On fait une forme de 8 sur 1m environ afin de moyenner dans l’espace

« moy de 5 » : moyenne énergétique de 5 points au hasard.

Analyse des résultats :

La comparaison de plusieurs mesures en 1 point donne des résultats de niveaux sonores totalement aléatoires pouvant approcher une variance de plus de 14 dB pour un écart type proche de 4 dB. L’énergie fournie dans les basses fréquences (octave 63 Hz) est donc techniquement difficile à évaluer ou estimer.

En revanche, l’usage d’un système à plusieurs microphones, ou la mesure en plusieurs points (en simultané ou en séquentiel) permettent de réduire ces différences dans les résultats. En effet, le fait de moyenner énergétiquement 4 points répartis aléatoirement dans la pièce (à 1 mètre minimum des parois) permet d’obtenir une fiabilité sur les mesures à 63 Hz équivalente à celles réalisées actuellement à 125 Hz en fixe (pour une même variance de 3).

On peut conclure que sur la base d’un écart type de 1,5 dB et un écart maximum d’environ 7 dB (statistiques réalisées sur 55 000 échantillons), la moyenne dans l’espace (« en 8 ») et la moyenne multi micros sur 5 positions permettent de mesurer les octaves 63 Hz et 125 Hz avec la même fiabilité.
Voici ci-dessous la description de ces deux techniques de façon plus détaillée.

iv. Mesures mobiles ou « Moyenne spatiale »

La mesure s’effectue en continu avec le sonomètre en main et en déplaçant le microphone tant sur le plan horizontal que vertical dans toute la pièce.

Contraintes techniques : durant la mesure, une attention particulière sera à apporter lors du déplacement dans le local afin qu’il ne soit pas source de bruit pouvant perturber le relevé en cours (Exemple : parquet qui craque sous les pas). La hauteur du microphone de mesure ne devra pas être fixe, notamment afin d’éviter le mode 1 de la hauteur du local. Une durée minimum de 2 minutes est nécessaire.

Pour chaque mesure, il s’agit de bouger en continu le microphone autour de sa position jusqu’à ce que la mesure soit stabilisée.

v. Mesures fixes ou « multi micros »

Il s’agit de positionner plusieurs microphones de mesure. 4 ou 5 points sont nécessaires notamment pour la mesure à 63 Hz. Il faut ensuite en calculer la moyenne énergétique. Une durée de mesure de 1 minute est suffisante. Deux méthodes sont possibles :

La méthode FFT a pour avantage de nécessiter moins de ressources de calcul. En revanche, comme vu dans § 2.2.ii, les fenêtres de pondération introduisent des erreurs de calcul. La méthode par bande de filtres est simple à utiliser, comporte peu d’erreurs mais nécessite un processing plus important. La FFT permet également d’accéder facilement à l’analyse en bande fine, alors que la bande de filtre ne le permet que très difficilement.

La connaissance des difficultés de mesure dans les basses fréquences permet de caractériser le système de diffusion. Une fois le système caractérisé, il faut pouvoir maîtriser la diffusion des basses fréquences et limiter les émergences sur le voisinage. La directivité permet de concentrer l’énergie sur le public. De nombreux travaux ont déjà été synthétisés sur la manière de créer de la directivité avec des subwoofers. Nous donnons ici des informations sur les configurations que nous allons ensuite simuler dans le logiciel, puis vérifier via les mesures au hangar et dans la pratique sur un concert.

C. Configurations standards

1. Cardioïde

« En disposant deux enceintes l’une derrière l’autre, écartée d’une distance d (entre les faces avant), et en retardant l’enceinte avant de τ = d/c (c, vitesse du son dans l’air), on obtient des interférences modulées par la fonction cardioïde : 1 − cos(θ). La première annulation à l’arrière a lieu à la fréquence f1 dont la longueur d’onde λ1 est égale au quart de la distance
d. » (Pierrick Saillant, 2010, [23]).

La méthode la plus théorique consiste à placer une distance entre les sources correspondant au quart de la longueur d’onde de la fréquence d’accord. Cette configuration sera appelée dans la suite du mémoire « NATIVE ». Toutes les autres variations de distance entre les subs correspondent à des configurations dites non natives.

2. Cardioïde à gradient

Une autre possibilité d’accord de la configuration en cardio consiste à utiliser le hors phase en même temps que le délai. Le principe consiste à utiliser le hors phase pour la réjection arrière, tandis que le délai assure la sommation à l’avant. La valeur du délai correspond à la distance entre les subs.

3. End Fire

Le End Fire consiste à aligner plusieurs sous-ensembles cardioïdes les uns derrière les autres.

D. Décrets réglementaires relatifs aux nuisances sonores

1. Définitions essentielles

Pour comprendre les réglementations il est tout d’abord nécessaire de définir quelques termes et concepts physiques essentiels.

Unités de mesure des niveaux dans la règlementation

Tous les niveaux réglementés se mesurent à l’aide d’un sonomètre intégrateur homologué (Norme AFNOR NF S 31-109). En effet, la Transformée de Fourier Rapide (FFT) n’est pas utilisée car elle n’est exacte que pour des signaux impulsionnels. Pour des signaux réels elle commet une approximation. On utilise donc un sonomètre comportant des bandes de filtre normalisées. Dans la première partie nous avons vu que le niveau de pression acoustique brut ne correspond pas à la perception sonore humaine ; pour cela, des pondérations de type A et C sont nécessaires. Lors de la mesure d’un niveau, les sonomètres appliquent tout d’abord cette pondération fréquentielle A ou C à l’aide d’un filtre, puis, ils calculent la moyenne énergétique équivalente du signal (Leq,T exprimé en dB). C’est un indice énergétique. En considérant un son stable ou fluctuant perçu pendant une durée T, le niveau énergétique équivalent représente le niveau de bruit constant qui aurait été produit au même point de mesure et durant la même période.

« […] Un son véhiculant une énergie W pendant un temps t est équivalent à un son d’énergie W/2 pendant un temps 2t.» (Meyer-Bisch C., 2005, [16])

À partir des niveaux pris comme référence pour la santé au travail, soit 85 dBA sur 8 h nous avons calculé des équivalences de dose perçues dans le tableau ci-dessous. « Valeurs d’exposition supérieures déclenchant l’action de prévention prévue à l’article R. 4434-3, au 2° de l’article R. 4434-7, et à l’article R. 4435-1. Niveau d’exposition quotidienne au bruit de 85 dB(A) sur 8 h » ([25])

Si l’échantillonnage a été effectué avec une pondération fréquentielle (A par exemple), le niveau équivalent, sera alors exprimé en dB(A) et symbolisé par LAeq,t. Ce niveau est très régulièrement utilisé comme indicateur de gêne. On observe en effet, dans la pratique, une bonne corrélation entre cette valeur et le risque auditif ressentie par un individu exposé au bruit. Le dBA n’a pas été crée pour la règlementation sur les risques auditifs. En revanche, c’est le seul indice historique pour lequel il existait beaucoup de données épidémiologiques.

Définitions des termes réglementaires associés à la protection du voisinage

Considérons la situation standard d’une boîte de nuit et d’une habitation adjacente. Les niveaux sont mesurés à l’aide d’un sonomètre en Leq. Définissons les variables suivantes :

Musique = niveau d’émission à l’intérieur de la boîte de nuit

Emergence

Définition officielle

Article R.48-4 du Code de la santé publique :

«La différence entre le niveau de bruit ambiant, comportant le bruit particulier en cause, et celui du bruit résiduel constitué par l’ensemble des bruits habituels, extérieurs et intérieurs, dans un lieu donné, correspondant à l’occupation normale des locaux et au fonctionnement normal des équipements.»

Sur la figure 21, nous avons exporté des enregistrements de sonomètre effectués sur un concert pour illustrer les différents termes règlementaires.

Annexe [Les pièges à éviter lors de la mesure de l’isolement]

2.1 Listes des articles visant les diffuseurs de musique amplifiée

Quels sont les articles en vigueur pour les établissements diffusant à titre habituel de la musique amplifiée?

Remarque : Les règlementations distinguent le voisinage contigu et non mitoyen. «Dans les textes il est question de contiguïté et non de mitoyenneté. Tous les espaces mitoyens à un autre sont contigus mais tous les espaces contigus ne sont pas mitoyens. La contiguïté est à interpréter en termes de ponts acoustiques possibles entre le local d’émission et celui de réception. Par exemple, une ou des basses fréquences peuvent se transmettre par un conduit de ventilation qui est fixé au niveau d’un dernier étage. La transmission vibratoire se faisant par un accrochage de la fréquence de résonance du conduit (et de ses harmoniques), va impacter uniquement le dernier étage et non le 1ᵉʳ étage. Il y aura bien contiguïté car les vibrations se transmettent effectivement comme si l’appartement du dernier étage était mitoyen du conduit, ce qu’il est effectivement au niveau des accroches du conduit, ce dernier étant une extension et donc faisant partie intégrante du local d’émission.»⁴
[Décrets] en Annexe

Un nouveau décret est apparu le 7 Août 2017.Quelles sont les dispositions réglementaires de ces deux décrets et quelles sont leurs différences ?

2.2 Le décret fondamental n°98-1143 du 15 décembre 1998 et le nouveau décret n°2017-1244 du 7 août 2017

Exemples d’application des termes correctifs

Les termes correctifs font appel à la notion de dose de perturbation. En quelque sorte, plus la durée d’exposition est longue moins on autorise de dépassement.

• Une discothèque qui diffuse de 23H00 à 5H00 : durée cumulée = 6 heures

Période nocturne :

Tolérance d’émergence en niveau global (habitation contigües et non contigües) ≤ 3 dB(A) + terme correctif (6h = 1 dB(A)) = 4 dB(A)

• Un bar qui ouvre de 9 heures à 2 heures du matin et qui diffuse de la musique amplifiée sans interruption.

Période diurne : Le bar fonctionne en période diurne de 9h00 à 22h00, soit une durée cumulée = 13 heures

Tolérance (habitation contigües et non contigües) ≤ 5 dB(A) + terme correctif (6° = 0dB(A))= 5 dB(A)

Période nocturne : Ce même bar qui fonctionne, en période nocturne, débute la soirée à 22H00 pour fermer à 2H00, durée cumulée = 4 heures (un peu moins car il commence à fermer plutôt vers 1H45)

Tolérance (habitation contigües et non contigües) ≤ 3 dB(A) + terme correctif (5° = 2 dB(A))= 5 dB(A)

Clause spécifique aux enfants

Du fait de l’augmentation très importante des niveaux sonores et des pratiques à risques, le nouveau décret rajoute également une clause pour les enfants : « Lorsque ces activités impliquant la diffusion de sons amplifiés sont spécifiquement destinées aux enfants jusqu’à l’âge de six ans révolus, ces niveaux de pression acoustique ne doivent pas dépasser 94 décibels pondérés A sur 15 minutes et 104 décibels pondérés C sur 15 minutes»

Mise en œuvre

« Dans le cas où l’isolement du local où s’exerce l’activité est insuffisant pour respecter ces valeurs maximales d’émergence, l’activité de diffusion de musique amplifiée ne peut s’exercer qu’après la mise en place d’un limiteur de pression acoustique réglé et scellé par son installateur.»

Exigences d’application

Il est imposé aux lieux concernés par le décret, de faire une étude d’impact acoustique chargée de faire l’inventaire des problèmes d’isolation et des travaux d’isolations nécessaires. Si les valeurs d’isolation données par l’étude d’impact ne permettent pas de respecter les niveaux d’émergence : l’installation d’un limiteur est exigée. (Limiteur global ou par bande)

« L’étude acoustique ayant permis d’estimer les niveaux de pression acoustique, tant à l’intérieur qu’à l’extérieur des locaux, et sur le fondement de laquelle ont été effectués, par l’exploitant, les travaux acoustiques nécessaires. La description des dispositions prises pour limiter le niveau sonore et les émergences aux valeurs fixées par le présent décret, notamment par des travaux d’isolation phonique et l’installation d’un limiteur de pression acoustique»⁵

Un limiteur est un appareil inséré à la sortie de la console de mixage et limitant le niveau du signal sonore.

Quelles peines encourues ?

Pour le dépassement des niveaux en salle et des valeurs d’émergence (article R571-96) :

• Amende de 1 500 euros et/ou confiscation du matériel de sonorisation
• En cas de récidive : amende (3 000 euros) et/ou fermeture administrative de la salle.
• Si plainte au civil de la part des riverains : tribunal

Nota Bene important

À l’heure d’écriture de ce mémoire, la nouvelle règlementation n’est toujours pas fixée.

« L’interprétation des textes va être clarifiée par une note interministérielle avant sa mise en application en 2018. Dans l’immédiat, à partir du moment où [l’ancien texte] n’a pas été officiellement abrogé, sa validité perdure. (Quoiqu’il arrive, les niveaux à l’émission, pour le respect des 3 dB d’émergence par bandes d’octave pour les habitations contiguës, sont habituellement calculés par rapport aux taux d’isolement des locaux, donc que ce soit reconduit ou pas, la technique d’approche des bureaux d’étude restera la même, qu’elle soit officielle ou pas).»⁶

E. Problématique

Revue de littérature et mesure des basses fréquences

La propagation des basses fréquences à l’intérieur d’une salle est un phénomène physique très complexe et les techniques de mesures associées sont rarement décrites autrement que dans une vision universitaire. Il manquait donc une description pratique des méthodes à appliquer, et ce vis-à-vis de la protection du voisinage.

Revue de littérature et optimisation des systèmes de diffusion

Par ailleurs, les pratiques standard visent à optimiser l’énergie sur le public et à garantir un son sur scène acceptable. Il est par contre très rare d’associer à ces deux précédents critères la protection du voisinage. Il s’agit de montrer que l’on peut trouver une technique de diffusion permettant à la fois de garantir la qualité du son l’ensemble scène et public, et la protection du voisinage.

Ainsi, la caractérisation des systèmes vis-à-vis des problèmes de voisinage est rarement vue dans son ensemble et il manquait une synthèse des différentes techniques de mesure et de création de la directivité permettant d’offrir une vision globale au lecteur.

Revue de littérature et règlementation

Enfin, les textes légiférant sur les niveaux sonores sont très difficilement accessibles et compréhensibles car ils relèvent d’une méthodologie spécifique au domaine du droit qu’un technicien ou un ingénieur du son n’est pas à même d’appréhender facilement. De plus, dans leur rédaction actuelle, les textes présentent des incohérences technologiques qui rendent impossibles leur usage sans une interprétation qui demande d’importants retours d’expérience. Il est par exemple spécifié dans le 98-1143 un niveau sonore de 120 dB crête en tous points accessible au public alors que cette contrainte est impossible à mettre en œuvre lors d’un concert (explication détaillée dans le III. Discussion §A). Il est donc fondamental de connaître les us et pratiques qui ne sont pas décrits dans un document mais qui font appel à une expertise des professionnels du métier.

« Comment rendre directive la diffusion des basses fréquences pour limiter l’impact sur le voisinage et concentrer l’énergie sur le public ? ».

Objectifs, questions de recherche et approche méthodologique

Les objectifs de ce mémoire s’adressent aux ingénieurs du son sonorisateurs, acousticiens, caleurs systèmes, étudiants et tous ceux qui sont confrontés à des problèmes de voisinage liés à une sonorisation. Pour ce faire, ce mémoire offre des éléments de réponse aux questions de recherche suivantes :

1. Les règlementations anciennes et nouvelles sont-elles adaptées à la protection du voisinage ?
2. Comment mesurer de façon fiable les basses fréquences pour optimiser les systèmes de diffusion au regard des problèmes de voisinage ?
3. Comment choisir la configuration de subs la plus adaptée ?
4. En pratique, quelle est la procédure à adopter pour optimiser un système vis-à-vis du voisinage ?

Méthodologie de recherche :

Nous avons dans un premier temps cherché à définir une méthode de mesure juste et reproductible dans les basses fréquences. La méthode s’appuie sur la multiplication du nombre de points de mesure pour l’obtention de moyennes énergétiques.
Dans le but d’éliminer les spécificités des subwoofers industriels, nous avons décidé de construire nos propres subwoofers, au comportement le plus simple et prévisible possible. Leur taille très compacte a permis de se rapprocher le plus possible d’une source théorique et d’obtenir les résultats les plus généraux possibles.

Nous avons également programmé un logiciel de simulation afin d’avoir une souplesse d’analyse et de pouvoir automatiser des processus de comparaison non disponibles sur les logiciels commerciaux. Ceci nous a permis de pouvoir simuler puis mesurer avec une grande flexibilité les différentes configurations que nous voulions tester. Les mesures et simulations ont été confrontées aux logiciels actuels pour s’assurer de la validité des résultats obtenus. Les configurations de subs testées s’appuient principalement sur les études de Bob McCarthy.

Après avoir optimisé les subwoofers et validé les simulations en champ libre, nous nous sommes confrontés à l’influence de la salle, nettement plus complexe.

Enfin, nous avons mis en pratique les simulations ainsi que notre méthodologie de mesure lors de situations de concerts, utilisant des systèmes de sonorisation de grande ampleur.

Le sujet n’était pas de produire des données statistiques sur la qualité perçue mais plus de donner les bases théoriques et pratiques qui permettent au praticien de garantir un résultat optimal le plus vite possible.

Nous nous sommes intéressés à des mesures quantitatives du niveau sonore afin d’estimer les performances des différentes configurations. L’information qualitative résulte plus du traitement des données permettant d’évaluer la préservation de la réponse intrinsèque du système. La frontière entre qualitatif et quantitatif n’apparait pas simplement sur les problématiques de sonorisation car tout est lié. La méthode de recherche est donc mixte.

I. Optimisation de la directivité pour la maîtrise des basses fréquences dans l’environnement.

A. Logiciel d’agencement de plusieurs subs

1. Les logiciels de simulation et leurs limites

Spécificité relative aux marques d’enceintes

Le logiciel Soundvision produit des simulations spécifiques au constructeur. Par exemple, du fait de la spécificité constructeur du SB28⁷, la simulation par le logiciel Soundvision pour ce subwoofer à 100 Hz n’est pas omnidirectionnelle. En programmant notre propre logiciel, nous voulions nous rapprocher le plus possible d’un modèle théorique, afin de faciliter la compréhension des simulations.

Nécessité d’un affichage synthétique de la directivité par fréquence

Soundvision affiche un résultat de directivité pour une fréquence donnée ou bien pour une plage de fréquence dont il fait la moyenne énergétique. Ceci ne permet donc pas d’identifier les problèmes de lobes, fondamentaux dans la maîtrise de la directivité, de façon rapide. Prenons un exemple pour une configuration de 2 subwoofers espacés de 3,40 m.

Dans la figure ci-dessus, la visualisation de 20 à 100 Hz ne présente pas de lobes de directivité tandis que les vues fréquence par fréquence font apparaître les lobes de directivité.

La nécessité d’avoir une vue synthétique des directivités pour chaque fréquence sur une seule et même image est ainsi un besoin décisif qui nous a poussé à concevoir notre propre logiciel.

Efficacité des relevés de données

Pour évaluer l’efficacité en amplitude d’une directivité, il faut mesurer les niveaux à 0°, 90° et 120° (directivité dans l’axe sur le côté et réjection à l’arrière). Sous Soundvision cela signifie que pour une configuration donnée, il faut pour chaque fréquence :

• Simuler la configuration à la fréquence mesurée
• Mesurer chaque point à la main
• Exporter les données
• recommencer le tout pour la nouvelle fréquence d’analyse.

Par exemple, pour un cardio simple, relevons 3 points à 50 Hz :

Cette procédure est beaucoup trop longue par rapport aux objectifs de notre étude.

Pour résumer, les problématiques suivantes nous ont poussés à développer ce logiciel :

• La volonté de se rapprocher du modèle théorique et de s’affranchir des spécificités fabriquant
• Le temps nécessaire à l’export des données.
• La visualisation séquentielle rend difficile la synthèse du phénomène par rapport à une visualisation instantanée des répercussions, pour chaque fréquence.
• Mettre en œuvre des concepts théoriques dans le logiciel de simulation pour mieux les appréhender, ce qui est essentiel pour pouvoir développer une capacité d’analyse des systèmes existants.
• Avoir une flexibilité totale dans le choix des éléments que l’on souhaite analyser.

2. Simulation des configurations

2.1 Méthode

i. Hypothèses préliminaires

La simulation utilise des sources considérées comme parfaitement pulsantes et omnidirectionnelles.
Le niveau de référence étant arbitraire, la directivité d’encastrement n’influe pas sur les calculs tant que la différence de distance entre la source image et la source réelle est faible (un sub unique ne voit pas sa directivité modifiée, par contre une ligne de subs verticale doit être considérée comme faisant deux fois sa longueur quand elle est posée au sol et crée un dipôle quand elle est placée en l’air à faible hauteur §I.1.2 « Source Image »). En effet, la hauteur du centre acoustique d’un caisson standard de 46 cm est d’environ 30 cm. Ce qui veut dire que le sub et sa source image se comportent comme deux subs espacés de 60 cm. Or, deux subs espacés de 60 cm ont un comportement omnidirectionnel dans la gamme des basses fréquences du sub. Comme le montre la figure ci-dessous, la simulation est omnidirectionnelle dans la gamme de fréquence qui nous intéresse (≤ 100 Hz).

Par ailleurs, l’objectif est d’avoir un raisonnement simple même si la réalité est effectivement plus compliquée. La majorité des logiciels de simulation raisonnent sans les effets de sol pour des commodités d’interprétation.

ii. Fonctionnement du logiciel

Fonctionnement du logiciel pour un cas particulier à 2 subs que l’on peut facilement généraliser.

Le résultat de la simulation est calculé en coordonnées polaires. L’ensemble des points simulés sont situés sur le cercle de rayon la distance d’observation et de centre O, centre acoustique de la configuration simulée.

Pour chaque point du cercle, on calcule les distances de parcours D1 et D2 par le théorème de Pythagore.

Puis, chaque sub émettant une impulsion, on calcule :

• L’atténuation des impulsions due à la distance de parcours du son.
• Le retard total, somme du retard physique lié à la différence de temps de parcours (D2 – D1) au point P et du retard numérique de la configuration cardioïde.
• Le décalage en échantillon correspondant au retard.
• La FFT.
• Puis, on affichage la FFT en phase et en amplitude dans deux graphiques différents.

Nous résumons dans le programme écrit en pseudo-code le déroulé de l’algorithme.

Variables utilisateur :

Distance Observation
List_Freq (liste des fréquences à analyser) Fs (fréquence d’échantillonnage)
Tps (taille de la fenêtre d’analyse)

Pour tous les angles

Pour tous les subs

Calcul de la distance de propagation du point d’analyse au sub Calcul de la distance de parcours
Calcul de l’atténuation
Niveau = -20 log10(Distance)

Calcul du retard de propagation
Retard = Distance/Célérité + Retard Source(Sub)/Célérité;
Calcul du nombre d’échantillons correspondant au retard Decalage_Echantillons = Retard * Fs

On place une impulsion décalée du retard dans la fenêtre d’analyse Impuls(Decalage_Echantillons) = Amplitude;

End

FFT = FFT (Implusions_Subs)

Data_SPL_Angle = 20 log10 (abs (FFT (List_Frequences)) (amplitude de la FFT) Data_Phase_Angle = FFT_Phase (List_Frequences) (angle de la FFT)

End

Pour tous les angles

Calcul de la phase relative entre la phase pour 0° et la phase du point recherché

Data_Phase_Angle = Valeur_O_Degrés – Data_Phase_Angle

End

Ceci nous permet d’obtenir trois graphiques différents :

• Vision surfacique de la directivité pour la fréquence de notre choix.
• Vision polaire de la directivité pour toutes les fréquences.
• Limitations liées à la phase.

Prenons l’exemple concret d’une configuration cardioïde. Calcul des distances, atténuations et retards pour P à α = 120°

Calcul D1 et D2 :

Atténuation : on prend comme référence de niveau, le niveau à 1 m et on calcule en relatif :

𝑁𝑖𝑣𝑒𝑎𝑢_𝐷1 = −20 log10(49.26) = −33.85 𝑑𝐵
𝑁𝑖𝑣𝑒𝑎𝑢_𝐷2 = −20 log10(50.74) = − 34.10𝑑𝐵

Retard dû à la distance de parcours et au retard numérique :

Ainsi au point P, les deux impulsions arrivent avec

• Impulsion du sub 1 : -33.85 dB d’atténuation et 143 ms de retard
• Impulsion du sub 2 : -34.10 dB d’atténuation et 152 ms de retard

On calcule la FFT de la somme de ces impulsions décalées de l’équivalent en échantillons de ce retard. On récupère dans une matrice les informations d’amplitude et de phase pour toutes les fréquences à ce même point P.

L’algorithme répété pour tous les points P du cercle de rayon R permet d’obtenir les courbes de directivité en fonction de la fréquence et de l’angle : il permet donc de regrouper sur un seul et même graphique l’ensemble des diagrammes polaires, pour chaque fréquence. L’objectif du logiciel de simulation était justement d’afficher le comportement pour toutes les fréquences « en un clic », et pouvoir observer en un seul coup d’œil l’apparition des lobes parasites des structures complexes.

La phase est affichée de la même façon car pour chaque point calculé la FFT donne en même temps l’information en amplitude et en phase.

Enfin, si l’on reprend le même algorithme en coordonnées cartésiennes, et en considérant une fréquence donnée, on obtient une vue surfacique proche de la vue usuelle des logiciels du commerce tels que Soundvision (cf. §ii suivant). Cette fois-ci, on calcule le résultat non pas pour les points d’un cercle autour de la configuration, mais pour toute une surface.

iii. Modélisation des configurations et comparaison avec Soundvision

Pour vérifier la validité de notre logiciel, nous avons vérifié que nos résultats étaient conformes à la théorie, puis nous les avons comparés à ceux d’un logiciel commercial comme Soundvision.⁹

iv. Configurations simulées

Focalisation sur la configuration Cardioïde

Procédure
1) Configurations cardioïdes par calage en retard

1. Nous simulons tout d’abord le cas permettant d’avoir la configuration cardioïde la plus théorique possible, c’est-à-dire un cardio dont la distance entre les sources correspond à λ/4. On appellera NATIVE cette configuration. Dans la pratique, la fréquence d’accord la plus efficace est de 50 Hz ce qui demande un espacement entre les subs de 1.7 m.
2. Les situations de la vie pratique amènent souvent à des distances entre les subs différentes de λ/4 (cardio dit non natif). Par exemple, il est fréquent que l’espacement physique existant entre la scène et le public ne permette pas de placer les subs à 1m70 de distance… Nous simulons donc dans un deuxième temps plusieurs configurations non natives en faisant varier la distance intersub entre 0 et λ/2 m. Nous en avons sélectionné 5, qui permettent d’avoir une visualisation représentative de l’évolution du comportement cardioïde en fonction de la distance entre les sources.
   2) Configurations cardioïdes par la méthode des gradients (cf. Revue de littérature C.§3)
3. Nous simulons le cas d’un cardio espacé de 0.85 m. Le sub arrière est hors phase et retardé. De la même manière que pour les cardios par calage en retard, nous simulons plusieurs gradients en faisant varier la distance entre les subs de
   0.75 m à 1.5 m.
4. Nous généralisons pour différentes distances entre les subs en suivant le tableau de Bob Mc Carthy [6].

Algorithme de construction des cardios non natifs : Quel retard numérique faut-il rentrer ?

Pour obtenir la rejection à l’arrière, les signaux sonores doivent arriver en opposition de phase à l’arrière du cardio. Ainsi, la somme des retards physique et numérique vaut λ/2 à 50 Hz à l’arrière.

Soit c la célérité du son On a :

Distance_Intersub + c / Retard_Numérique = λ/2

Ainsi :

Retard_Numérique = (1(2*50Hz) – Distance_Intersub/c)*c

Ce calcul est généralisable à n’importe quelle fréquence d’accord du cardio.

Procédure de construction des cardios par gradient

Le délai numérique à insérer correspond à la distance intersub. Dans tous les cas de figure le sub arrière est mis hors phase. Les différents cas simulés sont :

Simulation de la configuration « End Fire »

On simule un End Fire de 5 boîtes, espacées de 1.7 m chacune. Cela revient à positionner 4 cardios les uns derrière les autres.

Simulation de la ligne

1) Ligne de 4 subs répartis sur une longueur d’onde (6.8 m)
2) Ligne de 9 subs répartis sur une longueur de façon à observer l’influence de l’augmentation du nombre de sources
3) Ligne de 4 subs répartis sur une demi-longueur comme exemple de configuration à éviter…

Simulation du cardio dipolaire

Le cardio dipolaire est formé de deux ensembles cardioïdes en parallèle (cf. p88). Il est fréquent de voir apparaître cette configuration. Nous l’avons donc simulée.

Procédure d’analyse des résultats des cardios non natifs.
Pour évaluer l’efficacité d’action d’un cardio vis-à-vis de la qualité du son sur le public et du voisinage il faut définir plusieurs critères d’analyse.

L’angle d’ouverture habituellement utilisé dans les documents des fabricants n’est pas un critère adapté aux assemblages en basse fréquence à partir du moment où beaucoup de lobes de directivités apparaissent. Nous essayons de montrer par ce logiciel que ces angles d’ouverture sont variables en fonction de la fréquence, et qu’il est compliqué de pouvoir ramener ce critère 3D en 2 valeurs numériques. C’est justement l’utilité du logiciel de simulation qui permet de visualiser ce critère pour toutes les fréquences : p77-78, pour un exemple simple, l’angle de réjection n’est plus un critère valable à partir de 2 m de distance entre les subs.

La quantité de rejection à l’arrière n’est pas un critère d’analyse car sur ce modèle théorique elle est uniquement dépendante de la distance d’observation.

Distance d’observation : Nous avons calculé sous Matlab quelle était l’erreur d’évaluation en fonction de distance de mesure. L’algorithme consiste à calculer la distance à partir de laquelle les subs sont au même niveau à l’arrière. C’est une des conditions majeures pour que le son s’annule.

Nous plaçons la distance d’observation à 50 m de façon à avoir le moins d’erreur de mesure. Par ailleurs, plus la distance de mesure est grande, plus le niveau de réjection mesuré est important. Nous avons donc programmé sous Matlab les niveaux de réjection théoriques d’un cardio natif en fonction de la distance de mesure.

On observe sur les figures ci-dessous que plus l’on s’éloigne du cardio, plus la réjection est importante.

50 m est donc à la fois la distance permettant de faire un minimum d’erreur de mesure, et d’observer la réjection maximum.

Nous rappelons que tous les résultats sont interprétés en détail dans la partie discussion (III §C.)

2.2 Résultats

v. Focalisation Cardioïde

1. Cardio Natif

2. Configurations cardioïdes Non Natives

Nous expliquons de façon détaillée pour ce résultat les critères d’analyse définis dans la partie Méthodes. Par la suite, la plupart des résultats sont donnés sous forme de tableaux.

Calcul du gain à l’avant du cardio (0°)

Calcul de la largeur fréquentielle de la réjection

• Calcul de la courbe de réjection (Courbe de réponse avant – Courbe de réponse arrière) en fonction de toutes les fréquences.
• On regarde à partir de quelles fréquences autour de 50 Hz, on obtient une réjection de
  -6 dB.

Calcul de l’angle de réjection

L’angle de réjection n’est pas un critère significatif pour cette configuration. En effet, un critère prenant comme hypothèse de base que la directivité s’exprime à -6 dB n’a plus de sens, car le niveau dans l’axe est déjà 6 dB inférieur à celui produit à 90°. Le critère angulaire n’est adapté qu’à un rayonnement ne comportant qu’un lobe principal. Le système se comportant de plus en plus en rayonnement dipolaire, l’énergie sur le côté devient très importante (formation de lobes à 90°). A la fréquence de coupure de 76 Hz, on affiche le résultat surfacique pour visualiser l’apparition des lobes.

Dans les deux tableaux qui suivent, merci de lire les deux pages comme sur du A3.

Généralisation des résultats des configurations cardioïdes à retard pur

Résultats en termes d’angles de réjection (largeur de réjection). Ce critère permet de visualiser la zone de voisinage qui sera couverte par la réjection.

Dans un premier temps, nous avons calculé la courbe de répartition de l’énergie générée à 50 Hz pour tous les angles en fonction de la distance entre les subs. Ceci nous a permis d’estimer l’énergie générée pour toutes les distances intersubs.

Dans un deuxième temps, nous avons calculé à partir de la courbe précédente l’énergie relative à la réponse observée dans l’axe. On est donc en mesure de caractériser le lobe de directivité qui permet de déduire la largeur de l’angle de rejection, estimé à -6 dB.

On observe bien qu’à mesure que l’on écarte les subs le comportement devient dipolaire et il se forme des lobes sur les côtés. Le critère de largeur angulaire ne devient plus pertinent.
En revanche, en deçà de 2 m entre les subs environ, la largeur de réjection varie de 180° de couverture pour la distance intersub la plus petite (très grande largeur de réjection), à 120° pour 2 m de distance inter sub.

Résultats principaux

• Une configuration cardioïde est active sur une octave au maximum
• Diminuer la distance inter sub permet d’élargir la réjection mais au dépend de la quantité à l’avant et de la qualité du son. En effet, le gain de sommation et la fréquence de coupure de la courbe de réponse avant s’abaisse à mesure que l’on s’éloigne du natif.
• Augmenter la distance intersub entraine l’apparition de lobes sur les côtés. On ne peut plus parler de largeur angulaire de réjection. De la même manière la qualité de la réponse impulsionnelle diminue fortement.

3. Cas du cardioïde par gradient

Résultats principaux du cardioïde par gradient

• Plus de réjection sur les côtés et sur l’arrière
• À l’arrière, réjection constante quelque soit la fréquence.
• A l’avant, moins d’énergie que le cardio natif et courbe de réponse filtrée : déformation de la réponse impulsionnelle dans les très basses fréquences Par exemple, on obtient -6 dB à 35Hz sur la courbe de réponse avant. La déformation de la réponse impulsionnelle engendre une différence de timbre entre un paquet de subs en omni et le cardio ainsi réalisé. De plus, les pertes de 6 dB à 35 Hz nécessite de doubler la quantité de subs pour obtenir la même énergie sur le public.

Généralisation des résultats des configurations cardioïdes en gradient

Résultats principaux de la généralisation des résultats des configurations cardioïdes à gradients

• Réjection forte en amplitude et constante en fréquence : très intéressant d’un point de vue protection du voisinage…
• Réponse en fréquence avant : filtrage important de la courbe de réponse avec très forte perte de niveau SPL à l’avant, notamment dans l’infrabasse. La qualité du son pour le public en pâtit grandement….

vi. “End Fire”, 5 subs espacés de 50 cm

Gain à l’avant :

+13.9 dB (nous avons 5 subs donc à l’avant la somme vaut 20*log10(5) = 13.9 dB)

D’après la figure 35, la largeur angulaire de réjection vaut 180°.

Résultats principaux End Fire 5 subs espacés de 50 cm :

• Réponse Impulsionnelle dans l’axe : Parfaite
• Largeur de réjection fréquentielle : Large Bande (24 Hz à 177 Hz)
• Réponse fréquentielle à l’avant : Parfaite.
• Les zones hors phase étant très faibles en énergie, l’End Fire a l’avantage de ne pas créer de lobes de directivité très marqués quand il est additionné avec un autre système. Très directif dans le haut mais pas très directif dans le bas du spectre

vii. Ligne

1. Comparaisons pour la configuration ligne

Résultats principaux :

• Dans l’axe les courbes de réponse sont droites
• En dessous de 30 Hz le comportement est omni (mais à cette fréquence il rare de pouvoir générer beaucoup de puissance).
• Autant d’énergie à l’avant qu’à l’arrière.
• L’angle d’ouverture se resserre avec la fréquence dans le haut grave. On observe la formation d’un faisceau à mesure que la fréquence augmente. Si l’on cherche une homogénéité du son sur le public, il faut donc faire attention à la gamme de fréquence utilisée.
• Plus on augmente le nombre de HPs moins on a de lobes parasites.

2. Ligne de 9 avec une ligne de 9 derrière en cardio

Pour pallier le lobe arrière on insère une ligne cardioïde de 9 subs, derrière la ligne de 9 subs utilisée précédemment.

LIGNE de 9 couplée à un cardio en phase

Résultats principaux :

• On annule les lobes sur les côtés
• À l’arrière, il reste quelques lobes, c’est normal, le cardio n’est actif que sur une octave maximum.

3. Cardio dipolaire

• Dès que l’on dépasse l’octave autour de 50 Hz, le comportement devient extrêmement modal
• Certains paquets dont l’énergie est importante sont hors phase avec le système principal dès que l’on n’est plus dans la zone de la fréquence d’accord.
• Il est donc fondamental de n’utiliser ce système que pour des bandes passantes restreintes afin que les lobes parasites plus hauts en fréquence ne viennent pas perturber la sommation avec le système principal.

B. Mesures en « laboratoire » (hangar) et vérification des simulations

1. Méthode

1.1 Conception et fabrication d’un subwoofer adapté à l’étude des réseaux de subs

Les fabricants cherchant à se différencier les uns des autres, et ayant pour objectif d’obtenir des subs reproduisant un maximum de niveau sonore, utilisent dans la majorité des cas des configurations en « Bass reflex », afin de maximiser le niveau de pression au regard du débattement du haut-parleur. La contrainte d’une fréquence d’accord suffisamment basse pour un système Bass reflex engendre des volumes de charge¹¹ très importants. Il n’y a donc pas de subwoofer capable de générer de l’infrabasse dans des petites dimensions. En effet, la seule technologie standard qui le permette consiste à placer le haut-parleur dans un caisson clos. En effet, accorder l’évent en très basse fréquence est impossible à réaliser dans un petit volume. Le clos n’étant pas adapté à reproduire de forts niveaux sonores nécessaires pour la sonorisation, on ne trouve pas de sub très compact capable de descendre en fréquence.

Nos besoins étaient très largement différents des considérations standards : la puissance n’a pas besoin d’être importante pour effectuer les mesures, mais il était fondamental de se rapprocher d’un modèle théorique omnidirectionnel. Ceci nécessite que les dimensions physiques des subs utilisés soient les plus petites possibles afin de limiter les effets des parois.

De plus, le fait d’utiliser des modèles clos permet après égalisation de la courbe de descendre aussi bas en fréquence que nécessaire tant que le débattement limite du haut-parleur n’est pas atteint.

Nous avons donc décidé de construire les subs les plus compacts possibles, et restant omnidirectionnels jusqu’à plus de 100 Hz. Nous avons également utilisé des 38 cm à fort débattement capables de générer un spectre plat jusqu’à 20 Hz. Le modèle de HP utilisé a été conçu pour fabriquer des caissons de basse de Home Cinéma, par nature beaucoup plus compacts qu’un sub dédié à la sonorisation de forte puissance. Nous avons donc respecté les préconisations du fabricant pour la définition du volume de charge le plus adapté.

1.2 Procédure

i. Taille de la salle de mesure

Les mesures ont été effectuées dans le Hangar de menuiserie dans lequel les subs ont été fabriqués.

Dimensions de la pièce : 26m (longueur) * 15m (largeur) * 6.5m (hauteur)

ii. Procédure de mesure en lien avec les problématiques de mesure BF

1) Signal de test

Un signal de bruit rose était joué dans les subs pour la mesure des configurations car il permet le moyennage dans l’espace. Pour la mesure de la courbe de réponse du HP, nous avons utilisé un sweep.

Afin d’estimer auditivement la qualité perçue nous utilisions un « kick » filtré à 100 Hz.

Nous nous sommes également assurés d’avoir un rapport signal sur bruit de 40 dB minimum afin d’assurer la précision et la fiabilité de la mesure.

2) Paramétrage de l’analyseur

Nous avons utilisé le logiciel Spectralab pour analyser les résultats.

Taille de la FFT : 524288 samples équivalent à une résolution fréquentielle de 0.084 Hz pour la fréquence d’échantillonnage de 44100 Hz

Fenêtre de Pondération : Hamming car elle est considérée comme l’une des plus générales.

Affichage : En fonction des besoins nous avons sélectionné la bande fine pour caractériser les phénomènes acoustiques complexes, et le tiers d’octave pour des valeurs plus quantitatives. En bande fine, la résolution d’affichage était au 1/48eme d’octave.

Averaging : infinite (moyennage sur toute la durée de la mesure)

3) Système de prise de son

a. Calibration de la mesure

• Compensation de la courbe de réponse du microphone

Nous avons utilisé un microphone de référence MBC550 préalablement étalonné par le LNE (Laboratoire National d’Essai) pour calibrer mon microphone de mesure (Superlux ECM 999).

Nous avons mesuré la courbe de réponse des deux micros et nous avons appliqué dans le logiciel la compensation fréquentielle permettant que le microphone économique affiche la même courbe de réponse que le microphone de référence.

• Calibration des niveaux

À l’aide d’un calibrateur 01dB générant 94 dB SPL à 1 kHz, nous avons étalonné le logiciel de mesure afin qu’il nous affiche des niveaux cohérents avec la réalité physique. Cette étape, même si elle peut paraître superflue, est fondamentale pour analyser a posteriori les mesures et notamment dans l’estimation des perturbations liées au bruit parasite.

b. Position du microphone

Dans la zone des basses fréquences, la position du microphone est déterminante sur le résultat (par exemple si l’on se trouve dans un nœud de vibration) comme vu précédemment dans la partie revue de littérature B§2.3. Afin que les mesures soient reproductibles sans d’importants moyens tels que le multi micro, nous avons choisi la méthode de moyennage spatial. Nous avons déplacé en continu le microphone de mesure autour de sa position pendant 2 minutes, en horizontal et en vertical sur une envergure de 2/3 m. Cela était plus représentatif de ce qu’il était possible d’obtenir à partir du matériel de mesure standard.

c. Distance de mesure

Le point de repère est toujours le centre acoustique de la configuration testée.

À l’intérieur de la salle de mesure

Il était nécessaire de faire un compromis entre les 3 paramètres suivants :

• La taille du système mesuré (certaines configurations de subs peuvent s’étaler sur une dizaine de mètres) : le micro ne doit pas être trop près car l’effet de proximité des subs les plus proches fausseraient la mesure.
• La distance critique : pour avoir des mesures facilement analysables il faut placer le micro de telle sorte qu’il ne soit pas dans la zone du champ réverbéré.
• Taille de la pièce

Afin d’évaluer la distance de mesure rappelons le programme Matlab conçu dans la partie précédente, calculant la variation de l’erreur de mesure en fonction de la distance du micro pour la configuration cardioïde. La distance entre les subs est fixée à 1.7 m.

On observe que l’on a 3 dB d’erreur en se plaçant à 4 m du centre de la configuration testée. Dans un premier temps, nous avons effectué les mesures à 4 m pour voir l’impact en proximité dans une zone potentielle d’écoute. Puis, nous avons mesuré à 12 m de distance, contre le mur afin de visualiser le gain à espérer vis-à-vis des problèmes de voisinage.

A l’extérieur :

Les zones de voisinage immédiates adjacentes au Hangar ne nous ont pas permis de placer le micro à une distance très éloignée du système pour observer l’impact sur un voisinage lointain. Bien qu’étant en extérieur, nous n’étions pas en champ libre. Ainsi, les murs des habitations adjacentes ont également influencé la mesure. Ceci était très intéressant car cela permettait d’observer une situation réelle (il est rare d’être en champ libre) et de mettre en évidence les difficultés de mesure. Pour éviter l’impact des sources images, nous nous sommes placés en proximité immédiate des murs de l’atelier. Ainsi, la source image n’engendre plus de filtrage en peigne et n’engendre qu’une modification du niveau sonore, sans modifier la directivité ou la réponse en fréquence dans la gamme étudiée. Par ailleurs la courbe affichée précédemment est théorique. En pratique nous allons voir dans cette partie l’influence des murs et de la salle sur la distance de mesure.

4) Utilisation des symétries

Nous avons vérifié le caractère omnidirectionnel de nos subwoofers. Après avoir validé l’absence de directivité jusqu’à 100 Hz, le retournement des HPs pour la mesure à l’arrière n’était plus nécessaire. En effet, la courbe de directivité entre l’avant et l’arrière variait de moins de 1 dB.
Par ailleurs, pour des raisons de rapidité et surtout pour pouvoir évaluer l’impact du réglage pur à configuration identique, les mesures avant/arrière ont été effectuées en intervertissant les retards c’est-à-dire en tournant logiciellement le système de 180°.

iii. Procédure de simulation des configurations

1) Vérification du caractère omni des subs fabriqués pour ces mesures

• Courbe de réponse
  Il s’agit dans un premier temps de mesurer la courbe de réponse des subs fabriqués dans l’atelier. En effet, nous devons avoir le comportement en fréquence le plus plat possible, pour que nos simulations ne s’appliquent pas au cas particulier de nos subs mais puissent être étendues à d’autres dispositifs. Cela était possible grâce au fait qu’il n’était pas en Bass Reflex. Il avait donc un seul centre d’émission. Pour ce faire, nous avons égalisé la courbe mesurée grâce à l’égaliseur du processeur DCX2496.
• Vérification du caractère omnidirectionnel
  Du fait de sa propre taille, un sub n’est pas omnidirectionnel pour toutes les fréquences. Or, les subs conçus pour cette expérience ont justement été construits de très petit format de façon à ce qu’ils aient un minimum de directivité due à la diffraction et donc qu’ils soient nativement le plus constant possible. Afin de ne pas mesurer les réflexions nous avons décidé de mesurer la réponse en fréquence du HP à 1m50, en face, à 90° et à l’arrière. Nous nous sommes placés à l’extérieur du Hangar de façon à s’affranchir au maximum des réflexions sur les murs.
  NB : Il est important de noter que le rapport signal sur bruit est très difficile à avoir dans l’infra grave. Ceci justifie de nouveau la construction de subs dont les HP ont un débattement important, ce qui permet d’augmenter le niveau du signal généré.

2) Fréquence de réjection

Dans la plupart des configurations, nous avons choisi comme fréquence de réjection la fréquence de 50Hz, autrement dit, on « accorde » les subs à 50 Hz. En effet, c’est à cette fréquence que l’on envoie le plus d’énergie dans le sub (fréquence centrale) et donc, il est important de centrer la réjection sur cette fréquence.

3) Focalisation Cardioïde

Il est impossible de tester l’ensemble des configurations pour des raisons pratiques évidentes. Après avoir simulé dans la partie précédente les configurations essentielles pour la maîtrise de la directivité, nous nous sommes concentrés pour cette partie en laboratoire sur le cardio natif, non natif principalement et de façon moins détaillée sur l’End Fire et la Ligne.

• Cardio natif

Il s’agit d’espacer les subs d’un quart de la longueur d’onde à 50Hz (1.7m) puis de retarder le sub avant de cette distance (1.7/340) de façon à ce que l’onde se propageant à partir du sub avant annule le sub arrière en arrivant avec un décalage de la demi-longueur d’onde à 50Hz.

Cette configuration est testée en extérieur et en intérieur. Puis, nous avons effectué une moyenne des valeurs de réjection obtenues sur plusieurs configurations.

• Cardio non natif

Les configurations testées sont :
– Distance intersub = 1m70, Frejection = 40 Hz
– 2 configurations cardioïdes pour des subs espacés de 70 cm, Fréjection = 50 Hz (HP1 HP2 puis HP2 et HP3)

Nous avons utilisé une méthode empirique de calage du cardioïde non natif par l’optimisation de la réjection en faisant varier le retard manuellement.

On raisonne directement sur l’annulation en réjection. On fait jouer les deux subs sans retard et sans phase. On regarde le spectrogramme. Le retard atteint la bonne valeur lorsque l’on obtient la meilleure annulation sur la bande 40 – 63 Hz. Il est important lors d’un réglage de ce style de connaître les ordres de grandeur des retards que l’on doit trouver afin d’éviter de procéder à un calage sur un multiple de 2pi.

Dans un premier temps, on conserve la distance intersub de 1m70 et l’on essaie d’accorder le cardio à une autre fréquence. Dans un deuxième temps on modifie la distance intersub et on essaie de garder la fréquence d’accord à 50 Hz.

• End Fire
  On espace 6 subs de 50 cm, puis 70 cm et 1 m.

Exemple pour 50 cm :

On réajuste les retards à chaque fois que l’on modifie la distance entre les subs

• Ligne

6 subs collés (longueur totale de 2m50), puis 5m10, puis 7m30.

On compare les mesures dans un second temps avec un « stack¹² » de 6 subs omnis pour avoir une référence de niveaux. Pour une configuration ligne, les mesures sont toujours trop près des hauts parleurs aux vues des longueurs des lignes. On se place sur la porte ou sur le mur car c’est ce qui arrive chez les voisins.

1.3 Analyse des résultats

Pour plus de lisibilité de certains résultats, nous avons développé un programme Matlab d’affichage des analyses spectrales issues de Spectralab, en bande fine et en tiers d’octave. Pour le tiers d’octave, les données étant exportées en bande fine, nous avons réalisé la somme énergétique des valeurs mesurées par bande fine.

2. Résultats

Nous rappelons que les interprétations détaillées des résultats sont dans la partie discussion III. C§3

2.1 Mesure de la courbe de réponse du sub

i. Mesure

Avant de mesurer la courbe de réponse, nous avons mesuré le niveau bruit de fond et de bruit électrique. En moyenne le signal est 60 dB au-dessus du bruit de fond. De plus, à 2 kHz, on remarque que c’est le bruit de fond électrique qui domine. Nous avons donc augmenté le gain d’entrée du signal pour que le bruit de fond natif de la carte soit plus faible.

ii. Egalisation

On égalise les subwoofers grâce au DCX de façon à avoir une courbe de réponse plate. Les valeurs nécessaires afin de rendre la courbe de réponse la plus plate possible ont été les suivantes à titre indicatif :

L’objectif étant d’avoir une courbe plate de 20 à 200 Hz, le plus efficace a été de traiter la bosse à 68 Hz correspondant à la fréquence d’accord du caisson, en la corrigeant avec un facteur de Q large sur l’égaliseur.

Adaptation de la courbe théorique afin d’en permettre l’écoute.

Afin que les écoutes subjectives soient cohérentes avec la bande passante utilisée en standard, nous avons limité par une bande passante à 20 Hz et à 100 Hz. Le filtre à 20 Hz permettait d’éviter de casser les haut-parleurs en lui faisant prendre du débattement excessif, et le filtre à 100 Hz permettait de focaliser notre écoute sur les zones de fréquence recherchées.

Jusqu’où le sub est-t-il omnidirectionnel ?

Pour notre étude, nous avons voulu vérifier que notre sub est bien omni jusqu’à 100 Hz pour que les conclusions de nos expérimentations soient les plus générales possibles.
Après l’égalisation et le filtrage, nous avons vérifié que la valeur du bruit de fond n’avait pas d’impact sur les mesures. À titre d’information, le rapport signal sur bruit (SNR) était supérieur à 40 dB.

Lors de la manipulation, on remarque que lorsque l’on tourne l’enceinte pour effectuer la mesure à 90°, le niveau des très basses fréquences a diminué alors que 20 Hz est sensé être parfaitement omnidirectionnel. En réalité, le centre acoustique n’étant plus au niveau de la membrane du HP comme ce que l’on pourrait penser intuitivement, il est courant de mal l’estimer dans la mesure de directivité.

Il est très difficile de déterminer précisément la position du centre acoustique d’un sub. La méthode que nous avons suivie fut donc de déplacer le sub jusqu’à obtenir les mêmes niveaux de fréquences infrabasses puisque constructivement parlant, un sub est forcément omni à ces fréquences. Après décalage de quelques cm du sub nous avons pu vérifier le caractère omni du sub jusqu’à 100 Hz. On observe quelques bosses et creux par rapport aux mesures précédemment effectuées en proximité. Ceux-ci sont dus aux réflexions des murs extérieurs au hangar.

2.2 Focalisation sur la configuration cardioïde

i. Mesure du cardioïde natif

1. Cardio en extérieur

Mesure à 4 m de distance :

Le résultat en bande fine, exporté sous Matlab donne 9 dB de réjection à 50 Hz. On remarque également que la mesure devient très sensible aux réflexions des ondes sonores contre le mur qui créent des interférences et des annulations dans la courbe de réponse.

On affiche ensuite le résultat en tiers d’octave afin de pouvoir donner une valeur moyenne de la réjection autour de 50 Hz et de rendre le résultat plus lisible.

On observe que la réjection au tiers d’octave à 50 Hz est très faible : en moyenne 8 dB. C’est un exemple de difficulté de mesure. On ne place pas le micro suffisamment loin pour observer une réjection importante.

Mesure à 12 m de distance :

On observe une réjection nettement plus importante, de 19 dB à 50 Hz. Le cardio se mesure donc en champ lointain.

L’analyse en tiers donne en moyenne 12.5 dB de réjection sur le tiers d’octave à 50 Hz.

La réjection obtenue est de 12 dB. On observe que le cardio se met en place sur une plus grande distance que la distance théorique. Également, la présence des murs adjacents et des immeubles aux alentours créée un champ réverbéré qui diminue l’efficacité de la réjection.

2. Cardio en intérieur
   a. Ça ne marche pas…

On raisonne par l’absurde en créant volontairement une configuration mettant en évidence les problématiques de placement des sources sonores dans une salle.
Positionnement problématique d’une configuration cardioïde dans la salle.

Les subs sont en configuration cardioïde standard pour 50 Hz. On les place proches d’un mur de façon à créer des sources images qui vont engendrer des modifications de la directivité (filtrage en peigne…) et de mettre en évidence la nécessité de positionner correctement les sources dans la salle. On remarque en effet, une absence de différence de niveau entre l’avant et l’arrière. Il y a bien une annulation mais valable à la fois pour l’avant et pour l’arrière, alors que nous devrions observer une réjection. Le cardio ne fonctionne pas, et ce précisément à cause de la salle. Ceci souligne la difficulté de positionnement d’un système et la nécessité de mesurer l’installation.

b. Mesure à 4 m, au centre de la pièce

Lorsque le micro est positionné à l’arrière du système cardioïde, à 4 m, on mesure 15 dB de différence par rapport au niveau situé à l’avant à 50 Hz. On s’aperçoit donc que la configuration cardioïde est efficace en réjection arrière mais que son fonctionnement est limité : la mesure sur le côté à 90° ne montre que 1.5 dB d’atténuation par rapport à la mesure frontale. En termes de voisinage, cette configuration ne marche pas sur les côtés. La simulation sous Soundvision montre au contraire que sur les côtés le signal est 3 dB moins fort. La salle, et les réflexions contre les murs augmentent le niveau mesuré et l’on n’obtient pas 3 dB. Cette configuration ne fonctionne donc pas si la zone à protéger est uniquement à l’arrière.

Par ailleurs, nous avons vu dans la partie précédente que le cardio devait se mesurer en champ lointain. Ici, on obtient une forte valeur de réjection de 15 dB en champ assez proche (4 m) par rapport à la mesure en extérieur à la même distance (4 m). Cette valeur de réjection est proche de la valeur théorique.

Ceci est une illustration des sensibilités de positionnement des sources dans un lieu donné. En effet, la salle permet, pour ces positionnements de HP et pour cette configuration une réjection de 15 dB à 50 Hz cohérente avec la théorie, alors que la valeur en extérieur sensée être moins soumise aux réflexions donne une valeur inférieure.

Mettre en place une configuration cardioïde s’essaie, s’ajuste et se mesure, mais n’est ni prévisible ni mesurable de façon simple. Il existe malgré tout une part d’aléatoire due à la complexité globale du phénomène.

c. Mesure à 12 m, contre le mur

Cette mesure a été effectuée pour la configuration cardioïde à une autre position. On mesure en moyenne spatiale à 12 m.

La réjection est de 8 dB à 50 Hz alors que nous avions 15 dB à 4 m pour la position précédente. Cette différence de résultat est normale et s’explique assez facilement car la prise de mesure a été effectuée contre le mur. L’impact des résonances du local devient donc fondamental, ce qui atténue l’efficacité de la réjection.

Moyennage du résultat pour plusieurs sources

Le positionnement de la source impactant de façon non négligeable les valeurs de réjection obtenues, nous avons effectué la mesure à 12 m en multipliant le nombre de positions en configuration cardioïde pour obtenir un indice statistique permettant de mettre en avant la robustesse liée à la position dans l’espace. (6 subs espacés de 1,70 m et mesurés 2 par deux).

(Les subs sont orientés vers le haut de façon à trouver le centre acoustique plus facilement)

Nous calculons sous Matlab une valeur moyenne de la réjection et pouvons donner un ordre de grandeur valide pour cette pièce.

Moyenne des 4 mesures à 50 Hz : 8.3 dB de réjection

Écart type des 4 mesures à 50 Hz : 2.3 dB

En moyenne, on crée bien un cardio dont la réjection est de 8.3 dB à 50 Hz bien que le local soit très résonnant.

ii. Configuration cardioïde pour un écartement différent du quart de la longueur d’onde

Dans un premier temps, on conserve la distance intersub de 1m70 et l’on essaie d’accorder le cardio à une autre fréquence (40 Hz). Dans un deuxième temps, on conserve cette fois ci la fréquence d’accord à 50 Hz, et on modifie la distance intersub.

1. Cardioïde d=1m70 Frejection = 40 Hz

Pour accorder les deux subs à 40 Hz, nous avons validé par la méthode empirique que l’on retrouvait bien le calcul théorique du retard numérique.

On ajoute à la configuration précédente (1m70 de retard entre les subs) des retards par pas de 50 cm jusqu’à 3 m.

On observe en bande fine pour plus de précision sur la réjection

On observe que l’on ne parvient pas à produire la même réjection à 40 Hz qu’à 50 Hz. L’annulation se décale bien en fréquence au fur et à mesure que l’on ajoute les retards, mais on n’arrive pas à atteindre 40 Hz avec une réjection propre. On s’aperçoit donc qu’en pratique il existe une limite au changement de la fréquence de réjection pour une distance fixe. Dans cet exemple précis, au-delà d’un retard de 3 m, l’effet cardioïde n’était plus visible.

2. 2 configurations cardioïdes pour des subs espacés de 70 cm, Faccord = 50 Hz (HP1 HP2 puis HP2 et HP3)

La fréquence centrale est conservée, mais la distance entre les subs est de 70 cm. On fait varier le retard progressivement pour accorder le cardio à 50 Hz.

Dans le cas précédent l’écart était de 1,70 m, et nous n’arrivions pas à établir la réjection en faisant varier le retard. En revanche, cette configuration où l’écart entre les subs est réduit (70 cm) nous laisse penser que le fait de diminuer la distance entre les subs facilite la mise en place de la réjection. Plus les HP sont proches plus leurs courbes de réponse ont des comportements modaux similaires et plus il est facile de mettre en œuvre un cardio.

2.3 End Fire

i. End Fire 6 boîtes espacées de 50 cm On place les 6 HP espacés de 50cm de membrane à membrane.

On observe bien que la réjection n’est plus accordée à une seule fréquence mais que la réjection est très large bande. On observe en moyenne 10 dB de réjection sur l’ensemble du spectre.

Dans ce cas, il est aussi visible que la multiplication du nombre de sources a diminué le comportement modal de la réponse à l’avant. Cependant, on observe encore quelques accidents.

À l’écoute, l’effet de réjection ne fonctionne pas bien sur les côtés. A l’avant, nous nous sommes rendu compte de la difficulté d’évaluer le niveau de gravité du fait du phénomène de masquage sonore par les hautes fréquences. En revanche, à l’arrière, comme l’annulation est pleine bande mais moins forte, l’oreille a en moyenne plus de sensation sonore d’annulation.

ii. End Fire 6 boîtes espacées de 70 cm

On a en 8 dB en moyenne de réjection sur le haut du spectre (jusqu’à 200 Hz) Comparaison des courbes 50 cm et 70 cm:

PS : Par rapport aux comportements très modaux observés pour les configurations cardioïdes simples, l’End Fire à 70 cm a homogénéisé le tiers d’octave 63 Hz en multipliant le nombre de sources.

iii. End Fire 6 boites espacées de 1 m

A l’oreille, on remarque que la réjection sur les côtés (90°) est meilleure mais que le comportement devient modal. La réjection devient plus efficace dans le bas du spectre que dans le haut. 12 dB dans la zone 40/50 Hz.

Pour résumer, plus l’End Fire est long, plus la directivité augmente sur le côté. Plus le nombre de HP est important, meilleur est le comportement en haute fréquence à l’avant. Cependant, au-delà d’un écartement de 70 cm, le haut grave redevient perturbé. En pratique, en fonction des situations, on cherche à faire un compromis entre le haut et le bas de spectre. Généralement, on met un espacement de 70 cm.

2.4 Ligne de 6 subs collés sur 2m50

• Beaucoup de réjection au niveau des fréquences aiguës (attention l’export est sur une échelle plus large)

II. Validation pratique sur un concert de grande ampleur anticipé

Lors du festival « Jazz à la Villette » (31/08/2017), il s’agissait de mettre en application, sur un exemple pratique de grande ampleur, la méthodologie de mesure dans les basses fréquences au service de l’optimisation du système de diffusion vis-à-vis du voisinage.

A. Méthode

La méthode suit les étapes du tableau de synthèse en annexe.

1) Identification des «voies de propagation» (fuites acoustiques)

Une cartographie de la Grande Halle de la Villette a été effectuée ces dernières années et a montré que la toiture présente des fuites acoustiques au niveau du raccord avec les « chiens assis ». Ainsi, la première optimisation a été de modifier le rayonnement du Line Array, naturellement omni en basse fréquence, en rajoutant une ligne de caissons de basse afin de le rendre cardioïde. L’optimisation consiste donc à orienter la réjection vers le plafond, de façon à exciter cette zone le moins possible.

2) Validation des choix d’optimisation du système de diffusion par la simulation.

Une configuration a donc été étudiée pour limiter l’impact du festival sur le voisinage et donc maximiser l’isolement apparent (différence intérieur de la salle / extérieur de la salle). Nous avons simulé les configurations à l’aide du logiciel Soundvision. En effet, le matériel utilisé étant spécifique à L-Acoustics, le choix de ce logiciel était plus adapté.

3) Définition de la zone de mesure des nuisances sonores

Il faut placer le système de mesure au plus près des zones de voisinage les plus concernées par les nuisances. La cité A est située à environ 200 m de la Grande Halle, et à 90° du système de diffusion. Cet emplacement géographique correspond bien à la zone la plus impactée par le système de diffusion de la salle de concert. Les chiens assis sont aussi orientés vers cette zone.

4) Utilisation d’un dispositif de mesure conforme aux méthodes de mesure dans les basses fréquences chez les voisins.

Nous avons utilisé le système de mesure déjà mis en place par la Grande Halle à la cité A. Il s’agit d’un système multi micros permettant de mesurer les basses fréquences de façon représentative (voir détails ci-dessous)

5) Mise en place d’afficheurs de niveaux et d’un réseau de communication

Nous avons installé un réseau de communication entre la zone de mesure des émergences et la salle où se déroulait le festival, pour avoir en temps réel et simultanément, l’affichage des niveaux en salle et chez les riverains.

Puis, nous avons installé dans la salle de concert, ainsi qu’à la cité A des afficheurs de niveaux par bande.

6) Optimisation de chaque sous-groupe d’éléments de diffusion

Par la mesure, et via le réseau de communication et les afficheurs installés à l’étape 5, nous avons pu mesurer l’impact de chaque élément de diffusion par un aller et retour en temps réel

entre les émergences sur les riverains, et les réglages en salle. Il s’agissait d’optimiser l’isolement apparent pour limiter l’impact des émergences chez les voisins.

7) Mesures et interaction entre le sonorisateur et l’acousticien pendant le concert

Nous avons utilisé un analyseur en bande fine à la cité A en plus du dispositif de mesure, de façon à avoir des informations précises sur les fréquences émergentes dans le voisinage. Ceci nous a permis, pendant le concert, de donner en temps réel à l’ingénieur du son des informations précises sur les fréquences problématiques.
N’ayant pas participé aux étapes 1 et 3 du processus méthodologique, nous détaillerons les résultats des parties 2, 4, 5, 6 et 7. Voici les résultats.

B. Résultats

i. Validation des choix d’optimisation du système de diffusion par la simulation

Les optimisations envisagées par le festival ont été les suivantes :

1) Limiter l’envoi de son sur les zones présentant l’isolement le plus faible.

La tête de la façade était formée par l’ensemble cardioïde K1 Sub et VDOSC¹³ (Line Array).

La simulation sous Soundvision confirme l’efficacité de la réjection sur le plafond.

2) Limiter l’envoi de son à 90° du système dans la direction des zones de voisinage à protéger.

Le choix de la configuration en ligne a été privilégié pour rejeter à 90°. En effet, si la longueur de la ligne fait une longueur d’onde à 50 Hz, il y aura une annulation sur les côtés à cette fréquence. (cf. partie I). Cependant dans les fréquences haut grave, la ligne devient très directive et engendre un point de focalisation qui porte sur de très longues distances.

Par conséquent, il a été décidé de modifier la structure de la ligne en créant une forme de V sur les côtés et d’éviter le peigne de directivité. L’objectif est d’avoir un point focal au niveau du mixeur plutôt qu’en champ lointain.

Pour mieux illustrer l’efficacité en termes de réjection à 90°, nous avons simulé sous Soundvision sur une échelle de 500 m l’impact des subs au sol pour un niveau usuel de 108 dBC à la console. Et nous avons ensuite comparé cette simulation à l’impact qu’aurait un line Array de SB28 suspendu afin de se rendre compte de l’efficacité du système directif.

ii. Installation du dispositif de mesure

Détails de l’installation

Mesures à 200 m :

Comme vu dans la première partie, il faut multiplier le nombre de points de mesure en basse fréquence. L’installation comporte 8 microphones de mesure calibrés (MBC550) et répartis sur une longue distance en extérieur. La multiplication de nombre de sondes permet ainsi de s’affranchir des lobes de directivités crées par le système et la structure de la grande halle, et des interactions des ondes sonores avec l’environnement proche.

Les 8 microphones sont ensuite récupérés dans une carte son reliée à un ordinateur comportant un analyseur développé par David Rousseau. Celui-ci effectue la moyenne énergétique des 8 micros par tiers d’octave en appliquant des filtres passe bande à 48 dB par octave. L’analyseur affiche les résultats en tiers d’octave. Il effectue également une recherche de cohérence entre les microphones. Si l’un des microphones est perturbé (personne qui passe à côté en parlant) son signal n’est pas pris en compte dans la moyenne pour ne pas la fausser.

iii. Installation d’un réseau de communication

La surveillance des niveaux sonores ne peut se faire sans mettre au point un réseau de communication. En effet, il faut pouvoir connaître ce qui se passe au même moment en salle et au point d’observation à 200m. La connaissance de ces deux informations permet alors de mesurer l’impact d’un réglage ou d’une modification du niveau en salle sur les émergences observées dans le voisinage. Nous avons donc crée un réseau de communication permettant de connaître en temps réel ce qui se passait à la cité A et dans la salle.

Pour ce faire, le routeur à la cité A transmet les analyses de l’afficheur via le réseau en fibre jusqu’à la salle de concert « Nef Nord » de la Villette. Nous avons installé un pont wifi avec un émetteur et récepteur 5GHz de façon à pouvoir établir un réseau de communication accessible jusqu’à la console. Lors des concerts, la présence du public peut affecter la transmission des ondes wifi. Par conséquent, le pont en 5GHz permet de créer une liaison sans fil très directive et garantir sa robustesse à toute heure car l’émetteur et les récepteurs sont placés en hauteur sur des zones sans public. Nous avons disposé à la console un premier ordinateur qui relayait les mesures effectuées à la cité A en tiers d’octave. On installe également à l’intérieur de la salle, devant la console, un système de mesure relié à un deuxième ordinateur pour l’affichage des niveaux par bande d’octave (conformément à la règlementation, l’octave est choisie comme référence). Ce deuxième ordinateur est lui même relié au réseau « son ». Ainsi, les deux afficheurs de niveaux sont accessibles dans les 2 lieux (cité A et salle de concert) à tout instant.

iv. Calage système et mesures de l’impact sur le voisinage

Sans alignement temporel, toutes les optimisations pensées lors du choix de design du système de sonorisation peuvent ne pas fonctionner. En effet, les enceintes peuvent s’annuler au point d’écoute et créer une directivité catastrophique. (Ex : rayonnement de façon erratique dans toutes les directions du fait d’un mauvais alignement entre les deux lignes de subs qui s’opposent au lieu de s’additionner).

Nous avons eu la chance d’assister au calage système pendant lequel j’ai pu utiliser notre dispositif de mesure pour évaluer l’impact des réglages sur les émergences sonores à 200 m.
Nous ne détaillons pas ici les réglages du calage système mais nous vérifions, pour chaque élément l’impact sur le voisinage grâce aux micros positionnés à la cité A.

Ensemble cardioïde K1 Sub et VDOSC :

• Impact sur le voisinage

Le calage du cardioïde a été effectué pour que la sommation à l’avant soit la plus optimale possible (6 dB) et que la réjection soit orientée à l’arrière sur le plafond.

Il a également été nécessaire d’égaliser le K1 sub à 35 Hz et 70 Hz, fréquences qui résonnaient avec le plafond.

Une fois le calage effectué nous avons vérifié l’influence de l’ajout des K1 subs par rapport au VDOSC seul sur le voisinage aux bandes de fréquence 40 Hz, 50 Hz et 63 Hz.

NR : équivalent perçu en très basse fréquence

À partir de 16h42, on coupe les K1 subs et on n’observe pas de différence de niveau majeure.

Sur la durée de la mesure, la moyenne énergétique donne 63 dB à 50 Hz avant et après la coupure des K1 Subs.

Le couplage VDOSC et K1SUB permet donc une somme de 6 dB en salle dirigé sur le public et n’envoie pas plus d’énergie chez les voisins en relatif au VDOSC seul. Nous avons environ 64 dB au tiers d’octave 50 Hz.

• Homogénéité de la répartition sonore dans la salle

Le calage étant effectué au point FOH¹⁴, nous avons donc vérifié que ce réglage ne fonctionnait pas qu’en un seul point. À l’aide de bruit rose, nous avons mesuré en moyenne spatiale la courbe de réponse de l’ensemble VDosc + K1 sub sur l’ensemble de la surface. Le résultat en bande fine exporté depuis Spectralab sous Matlab donne :

On remarque qu’il n’y a pas d’accident majeur sur la courbe de réponse et que la sommation est effective sur l’ensemble de la surface. Par ailleurs, l’ajout des K1 Sub a permis d’aplatir la courbe de réponse à 50 Hz, ce qui donne une sensation de graves plus profonde.

Influence de la ligne de subs au sol :

• Impact respectif de la tête et des subs

Pour toutes les fréquences l’isolement apparent est moins bon pour les têtes. On a 4 dB de plus chez les voisins avec les têtes qu’avec les subs au sol. C’est donc la tête dans son ensemble qui crée le plus de nuisance sonore par rapport à la ligne de subs.

Le caractère écrêté de la réponse des têtes seules s’explique car le plafond est plus excité. Par conséquent il apparait plus de résonances pour les têtes que pour les subs au sol.

• Impact des KS28 sur la ligne de subs SB28

L’adjonction des KS28 ne modifie pas les émergences en relatif à ce qui est déjà produit par le SB28. La réjection sur le côté de la ligne est donc très efficace. L’agrandissement de la ligne au sol permet bien d’obtenir plus de pressions sur le public sans augmenter la gêne sur le voisinage.

v. Mesures pendant le concert

À l’aide d’une carte son et d’un ordinateur autonome en énergie, nous avons réalisé un spectrogramme mobile. Celui-ci nous a permis d’afficher en bande fine et en temps réel l’évolution des niveaux sonores sur plusieurs zones de voisinage autour de la Villette.

Observations

Quelques émergences à 87 Hz sont apparues pour plusieurs groupes. Il s’agissait donc d’une émergence du système de diffusion et non propre au mixage. Le dialogue par téléphone avec l’ingénieur système tout au long du concert a permis de demander des rectifications au niveau des fréquences qui émergeaient le plus en extérieur.

Nous avons récupéré les enregistrements de l’évolution temporelle des niveaux sonores après le concert.

On observe que l’optimisation du système a permis de respecter pour toutes les bandes sensibles (40 Hz, 50 Hz, 63 Hz) le seuil de 65 dB fixé préalablement comme objectif.

Résultats principaux

• Optimiser le système en concentrant l’énergie sur le public et limitant l’impact sur le voisinage est souvent issu d’un compromis. Dans notre cas pratique, les éléments du système de diffusion qui émergent le plus sont le grave des têtes. Le calleur système, en coopération avec l’ingénieur système ont donc essayé de limiter le plus possible l’usage du grave des têtes pour le répartir plus sur les subs. Or, très vite, si l’on diminue de façon trop importante la quantité de grave dans les têtes, la diffusion devient très focalisée (l’aigu est très localisé sur les têtes et le grave tout en bas au sol). Il a donc fallu faire un compromis entre efficacité et qualité.
• S’il faut parfois faire un compromis, l’optimisation du système pour le voisinage permet dans d’autres cas d’augmenter significativement la qualité du son pour le public. Pour ce cas particulier, la création d’un cardio au niveau des têtes de diffusion permet de gagner 6 dB sur le public, d’obtenir un grave plus rond (courbe de réponse qui redevient presque plate) sans modifier le niveau d’émergence à l’extérieur. De même l’ensemble KS28 et SB28 rajoute 6 dB sur le public sans rajouter d’émergence.
• C’est avant tout le dialogue avec le sonorisateur qui permet d’arriver au meilleur des compromis. Le contrôle des niveaux sonores est souvent perçu comme contraignant et bridant. Lorsqu’un dialogue constructif est mis en place avec l’acousticien, tout le monde peut trouver un compromis avantageux pour le public et les voisins en même temps. Dans notre cas pratique c’est grâce à l’étude sur les émergences que le sonorisateur peut gagner 6 dB sur le public sans craindre d’augmenter les nuisances sonores. Il est donc important d’arriver en amont des balances de façon à pouvoir optimiser la répartition des subs et le calage système. Puis, pendant le concert, la mise en place d’un réseau de communication Wifi permettent au sonorisateur de connaitre en temps réel les bandes de fréquences concernées par les émergences. De même pour l’acousticien qui a également accès aux informations de la salle et de l’extérieur et qui peut en même temps contrôler les niveaux en bande fine. L’affichage en bande fine donne des informations extrêmement précises sur les fréquences à traiter (valeur en Hz de la fréquence, niveau et largeur de l’égalisation). L’ajustement effectué par l’ingénieur système est donc spécifique à une fréquence et non à la bande de fréquence concernée, ce qui optimise la qualité du son pour le public. Dans ce cas précis, cela réduit les résonnances sur le plafond tout en ayant un impact très limité sur la qualité du son sur le public.
• C’est donc possible de gagner du niveau dans les salles. 10 dB dans une salle de jauge moyenne, et dans ce cas précis très optimisé 20 dB comparé au système non optimisé

III. Discussion

A. Les règlementations anciennes et nouvelles sont-elles adaptées à la protection du voisinage ?

Les musiques actuelles ont fortement évolué ces dernières années et aux vues des puissances mises en jeu la protection auditive du public et du voisinage sont devenues primordiales. Si la protection auditive du public n’est pas le sujet direct du mémoire, il est important de comprendre que ces décrets traitent aussi bien de la santé du public que des nuisances sur le voisinage. Nous donnons tout de même un bref rappel du contexte, essentiel à la compréhension du nouveau décret.

Depuis plusieurs années, le HCSP (Haut Conseil de la Santé Publique) alerte sur les niveaux en basses fréquences auxquels le public est exposé. Dans le rapport « Expositions aux niveaux sonores élevés de la musique : recommandations sur les niveaux acceptables de septembre 2013 » [26], on peut lire : « Les bruits d’exposition riches en basses fréquences engendrent non seulement des atteintes auditives localisées à des fréquences basses mais aussi dans la plage des fréquences conversationnelles […]. Si l’encoche sur la bande de fréquence de 6000 Hz est fréquente sur les sujets exposés au bruit, les pertes auditives mises en évidence sur les fréquences graves constituent un phénomène nouveau, et résultent très probablement des niveaux sonores excessivement élevés dans les basses fréquences ».

Plusieurs études ont en effet observé depuis longtemps que les basses fréquences à très forte intensité pouvaient induire des surdités permanentes mais sur des fréquences moyennes éloignées de plusieurs octaves. Pour citer quelques exemples fournis par le HCSP :

• Jerger et al. (1966) ont observé chez dix-neuf sujets humains qu’une exposition à 22 Hz à des niveaux de 119 – 144 dB SPL, soit 69 – 94 dB A, provoquait une perte de 10 à 22 dB de 3 000 à 8 000 Hz.
• Patterson et al. (1977) observent chez des sujets humains qu’une bande d’octave centrée sur 63 Hz et d’un niveau de 120 dB A pendant quatre heures produit des pertes maximales vers 1 000 – 3 000 Hz.

Ces études ont mis en évidence la nécessité de prendre en compte l’impact sanitaire sur l’audition du public des niveaux sonores élevés dans les basses fréquences. L’ancienne règlementation n’était pas appliquée sur tous les critères pour les raisons que nous allons exposer ci-dessous et le rapport du Haut Conseil de la Santé Publique a conduit à l’écriture d’un nouveau décret le 7 août 2017.

1. Problèmes suscités par l’ancien décret 98-1143

La réglementation qui était en vigueur (décret 98-1143) imposait un niveau de pression acoustique limité à 105 dBA sur 10 à 15 minutes ainsi qu’un niveau de 120 dB crête.

Niveau moyen

Tout d’abord, le niveau sonore continu équivalent pondéré A n’est pas adapté pour prendre en compte les effets du bruit à des niveaux élevés dans les basses fréquences (cf. Revue de littérature §B.2.2 i. Pondérations et perception des basses fréquences par l’oreille humaine) Du fait de l’augmentation des niveaux sonores comprenant une très forte contribution de l’énergie sonore dans les basses fréquences (faiblement pondérée dans les mesures règlementaires actuelles utilisant la pondération en dBA) et des effets sanitaires suspectés dus aux basses fréquences, il fallait élargir le champ d’application de l’ancien décret et utiliser la pondération en dBC. Le dBC est apparu comme un moyen simple pour la limitation en basse fréquence.

Niveau crête

« Un niveau crête à 120 dB était systématiquement dépassée alors que le niveau équivalent en continu de 105 dBA était respecté. » (HCSP, 2013, [26])

Le niveau crête « […] représente le niveau de pression acoustique maximal mesuré sur un intervalle de temps très court de l’ordre de quelques millisecondes. Cet indicateur permet de caractériser les bruits impulsionnels notamment ceux générés par les instruments tels que la batterie »¹⁶. L’indicateur LAeq,t en tant que moyenne énergétique, gomme les pics d’amplitude de courte durée observés durant la période considérée. Un niveau à 105 dBA correspond plutôt à un niveau crête de 137 dB … Pour donner un ordre de grandeur, dans la figure ci-dessous, voici un relevé d’un sonomètre placé à la console, située à 60 m des premiers subs, lors d’un festival en plein air. Pour un niveau moyen de 99,7 dBA, on a 132,9 dB crête donc, pour 105 dBA on obtient environ 137 dB Crète.

Par ailleurs, dans les petites salles, il est beaucoup plus difficile de gérer les limitations de pression acoustique. En effet, du fait de la proximité du public par rapport à la scène et le niveau important de champ réverbéré dans la pièce, le niveau de 102 dBA est systématiquement dépassé pour les premiers rangs avant même de mettre en route le système de sonorisation ! Une batterie à elle seule peut atteindre 105 dBA sur plusieurs secondes sans sonorisation.

Fréquences prises en compte par le décret et problèmes de voisinage

Le décret 98-1143 ainsi que le décret de 2006 ne prévoient des limitations que pour les bandes d’octave à partir de 125 Hz. Or les musiques électroniques et actuelles concentrent l’énergie dans l’octave 63 Hz qui n’est pas prise en compte dans la règlementation. Ces fréquences sont justement les fréquences les plus polluantes pour les riverains.

Voici ci-dessous un schéma simplificateur résumant la plupart du temps le résultat de l’étude d’impact d’un établissement diffusant de la musique amplifiée. Il met en évidence que les basses fréquences qui sont les plus fortes en salle sont les moins bien isolées. Il y a donc une contradiction entre les besoins et la nature des matériaux utilisés.

Dans la partie Revue de littérature §4, Lafont insiste sur la difficulté d’isoler les basses fréquences. L’ensemble formé par une plaque de BA13 et un mur lourd en parpaing creux est utilisé dans la grande majorité des habitations. « Par exemple, une cloison en BA13 disposant d’un plénum de 10 cm rempli de laine de verre, résonne à 63 Hz. Adossée à un mur en parpaing creux de 20 cm, le doublage sensé améliorer l’isolement, le dégrade de 7 décibels […]». (Lafont, [15])

Si l’on reprend plus précisément cet exemple :

A 63 Hz, la cloison en BA 13 résonne et se comporte comme un système masse-ressort. Ainsi, si l’on veut diminuer la fréquence de résonance pour améliorer l’isolement à 63 Hz, il faut soit augmenter la masse surfacique de la cloison, soit augmenter l’espace d’air entre le mur et la cloison. Mettre un grand espace entre les deux parois engendre une très forte perte de place, et augmenter significativement la masse surfacique provoque des problèmes structurels importants (modification des fondations du bâtiment souvent nécessaire). L’absence de règlementation pour la bande de fréquence 63 Hz est donc particulièrement problématique en termes de protection du voisinage… Pourquoi n’est elle pas prise en compte ? Comme montré dans la partie « problématiques de mesures dans les basses fréquences », ces fréquences sont difficilement mesurables. L’erreur de mesure dans les basses fréquences peut aller jusqu’à 24 dB à 63 Hz si l’on cumule les erreurs de mesure à l’émission et à la réception. La solution la plus simple pour pallier à ces erreurs consiste à utiliser des moyennes spatiales mais à l’heure actuelle il n’existe pas de norme qui décrive une manière simple de mesurer les basses fréquences.

Nous rappelons aussi l’importance des impacts sur la santé suite à l’exposition à des nuisances importantes et régulières. Les basses fréquences dans l’environnement peuvent entrainer des perturbations du sommeil, des dépressions, et bon nombre d’autres effets secondaires (cf. Revue de littérature, §effets sur la santé). « Certains plaignants, à bout de souffle, en larmes ou au bord de la crise de nerfs, sont d’autant plus désemparés qu’ils ont entrepris pour la plupart de nombreuses démarches mais en vain.» (CIDB, [3])

Étude d’impact et pose du limiteur de niveau

Comme beaucoup de salles de concert sont dans des bâtiments historiques, elles n’ont pas été conçues pour isoler les infrabasses des musiques actuelles. La seule solution pour isoler en infrabasses est d’utiliser des structures lourdes totalement découplées dont la masse surfacique est d’environ 500 kg/m².¹⁷ Les solutions constructives étant très couteuses voire structurellement impossibles, le premier paramètre à améliorer consiste à positionner et à rendre directif quand cela est possible le système de sonorisation. En dernière limite, quand toutes les autres voies ont été optimisées, la règlementation impose la mise en place d’un limiteur de pression acoustique¹⁸, pour garantir la tranquillité du voisinage et protéger l’audition du public. Quelles sont les problématiques associées à cette solution ?

• Pour les grandes salles de concert, le sonorisateur utilise souvent plusieurs sorties de console de façon à pouvoir régler séparément le niveau des front fills¹⁹, de la façade, des subs, … Or les limiteurs n’agissent que sur deux entrées, ce qui le rend incompatible avec les grosses structures.
• Les applaudissements générant un niveau supérieur à la réglementation, ils déclencheront inéluctablement le limiteur et ce, indépendamment des niveaux de diffusion en salle.
• Les limiteurs normalisés correspondant à la norme NF31-122 (AFNOR 2003, ICS : 17.140.01) et actuellement disponibles utilisent une technologie VCA (contrôle de gain automatique) qui ne savent réagir qu’après la perturbation. Cette action postperturbation engendre donc deux problèmes majeurs : les crêtes ne sont pas atténuées instantanément et le gain à l’instant t est maîtrisé par son passé. Par conséquent, sur des musiques dont la dynamique n’est pas constante (live), il apparait des effets de pompage très problématiques à l’usage. Malheureusement seuls les limiteurs à action multi bandes et à traitement instantané de la dynamique peuvent être adaptés au live. Il n’existe cependant pas sur le marché de limiteurs exerçant ces fonctions, et seuls des limiteurs sur mesure permettent de les réaliser. De plus, la plupart des limiteurs du commerce se contentent de moduler le niveau global en fonction des mesures de niveau par bande. L’utilisation de structures plus complexes telles que de vrais limiteurs multi bandes associées a des enregistreurs homologués, ne sera possible que lorsque la nouvelle norme NF31-122 (janvier 2017) sera mise en application (limiteurs de type classe 3)²⁰. La solution physique consiste à séparer le signal par bandes de fréquences, et traiter la dynamique séparément. Dans un deuxième temps, on recompose le signal en passant préalablement chacune des bandes dans des filtres permettant d’éliminer la distorsion créée par la limitation brute et de remettre en phase toutes les bandes.²¹
• Enfin, si l’isolement est insuffisant en basse fréquence, le niveau sonore ne permet pas d’exploiter le lieu, ce qui rend l’usage du limiteur incompatible avec l’exploitation. Plutôt que de mettre un limiteur qui rendrait le lieu impropre à sa destination finale, il convient donc de chercher une solution dans le système de diffusion, par la maîtrise de sa directivité, lorsque cela est possible.

Conclusion sur les points problématiques du décret 98-1143

En raison du coût et des impossibilités structurelles de réaliser des travaux dans certains bâtiments pour s’affranchir des infrabasses, bon nombre de salles ne peuvent pas respecter la règlementation. Certains exploitants ont réalisé des travaux d’isolation mais sont encore confrontés aux problèmes de voisinage. Outre l’impossibilité de produire un concert avec 120 dB crête, les fréquences infrabasses (notamment à 63 Hz) ne sont pas prises en compte alors qu’elles traversent toutes les structures et constituent la gêne principale pour les riverains. Par ailleurs, la pose du limiteur est souvent insuffisante à la protection des riverains, et les travaux sont très onéreux. L’optimisation des installations de sonorisation par la création de directivité dans les basses fréquences est donc dans ce contexte fondamentale pour que les salles puissent continuer leur activité sereinement. Le limiteur ne peut pas être une solution unique. Elle doit être pensée avec une optimisation du système de diffusion.

Du fait de l’augmentation de l’énergie sonore dans les basses fréquences et des effets sanitaires suspectés, un nouveau décret est paru tout récemment en août 2017. Il étend le champ d’application du 98-1143 de diffusion en lieu clos à la diffusion en plein air et intègre des spécificités de niveaux à ne pas dépasser pour les enfants.

2. Le nouveau décret 2017-1244

En partant de l’analyse du décret dans la revue de littérature, nous mettons en évidence les difficultés d’exploitation d’une règlementation à 102 dBA et 118 dBC en tous points accessible au public, estimés sur une moyenne de 15 minutes.

Ce décret a été conçu dans l’objectif de protéger le public lors des concerts les plus critiques en termes de niveau sonore en basse fréquence, par exemple les concerts de musique électronique en plein air. Dans les festivals ou dans les discothèques, la musique est souvent très compressée, sa diffusion s’effectue avec de très forts niveaux en basse fréquence, et sur des durées très importantes. Si la baisse de niveau est primordiale, il faut cependant qu’elle reste dans des proportions exploitables. Sur le schéma et les calculs ci-dessous, on raisonne en niveau de pression. Le temps n’intervient pas dans les calculs. Le but de ces figures est de montrer les problèmes d’homogénéité des niveaux sonores. Ces calculs sont vrais pour des simulations en champ libre, dans des cas tels que les festivals de plein air.

Dans une configuration standard, l’obligation de respecter un niveau sonore de 118 dBC en tous points accessible au public, engendre soit de placer des barrières de sécurité à une très grande distance de la scène soit d’accrocher les caissons quand cela est possible, malgré tous les effets négatifs sur le voisinage que cela va engendrer.

Voici ci-dessous l’explication détaillée de ces implications.

2.1 Illustration des impossibilités difficultés techniques de mise en œuvre

i. Cas des subs au sol

Positionnons un subwoofer à 20 m de la console de mixage. En général les barrières se placent à environ 2 m des subs. Quel est donc le niveau sonore mesuré au point mixeur? Nous effectuons les calculs en champ libre, ce qui correspond au cas pratique d’un festival en plein air.

Calculons l’atténuation du niveau sonore due à la distance parcourue par le son pour les deux points de référence : la barrière et le point mixeur. Comme pour la programmation du logiciel de simulation, tout est basé sur un niveau relatif dont la référence est à 1 m du sub.

Atténuation_barrière = 20 * log10(Distance_Barrière)
= 20*log10(2)

Atténuation_mixeur = 20 * log10(Distance_Mixeur)

= 20*log10(20)

Atténuation_relative = Atténuation_barrière – Atténuation_mixeur
= 20 dB

Ainsi,

Niveau_mixeur = Niveau_Barrière – Attenuation_relative = 98 dBC

Pour le calcul en dBA, le rayonnement n’étant pas omnidirectionnel, la loi de propagation n’est pas simple. Nous avons donc utilisé Soundvision afin de simuler l’homogénéité créée par un Line Array en hauteur.

En respectant le nouveau niveau règlementaire de 102 dBA et en accrochant à 10 m de haut les Line Array, on obtient 98 dBA au niveau de la console de mixage, soit seulement 4 dB de différence avec le niveau le plus exposé. Dans une configuration standard, il y a donc une différence d’homogénéité de 16 dB entre le dBA et le dBC lorsque les subs sont posés au sol. La perte liée à la propagation sphérique des basses engendre une très grande différence de balance tonale²² entre les personnes à proximité des subs et le point moyen sur le public. Le respect des niveaux règlementaires engendre donc des niveaux équivalents en dBC et dBA (98 dBC et 98 dBA à la console), ce qui musicalement parlant, est perçu comme un son très agressif.

Actuellement, il est courant de mesurer plus de 118 dBC à la console. S’il est effectivement important de diminuer les niveaux sonores maximums actuellement générés sur le public, il est en revanche compliqué d’imposer une baisse de 20 dB au sonorisateur. C’est un saut beaucoup trop important pour qu’il soit physiquement réalisable et applicable.

Comme démontré dans l’exemple précédent, s’il est aujourd’hui courant d’obtenir une homogénéité correcte du dBA sur tout le public, en utilisant le système en ligne source Line Array, il est par contre quasiment impossible d’avoir le même résultat pour le dBC en laissant les subs au sol. Le dBC étant essentiellement constitué dans les musiques actuelles par les basses fréquences générées par les caissons de basse, il est donc nécessaire d’éloigner les subs du public. L’accroche en hauteur devient donc obligatoire.

ii. Cas des subs en hauteur

L’usage montre qu’un niveau de concert perçu comme minimaliste demande des niveaux sonores de l’ordre de 96 dBA sur l’ensemble du public. Positionnons la console à 50 m (cas usuel dans un festival de grande ampleur). Il faut accrocher les subs à 14 m de haut pour respecter 118 dBC en tous points accessibles au public. Accrocher des subs à 14 m de hauteur est la plupart du temps physiquement impossible.

Nous détaillons le calcul de la hauteur d’accroche pour une distance de barrière usuelle à 2 m et un niveau à la console de 96 dBA. On prend comme valeur de balance tonale 10 dB ce qui correspond à un cas pratique usuel.

Vous trouverez ci-dessous un abaque permettant de voir la hauteur du sub nécessaire en fonction de la distance avec les barrières pour 99 dBA à la console et 50 m de distance entre les subs et le mixeur.

Nous concluons qu’en utilisant qu’un petit stack omni de subs le décret n’est pas applicable, car soit la hauteur d’accroche des subs est trop importante, soit la distance des barrières de sécurité est trop importante.

Afin d’essayer de diminuer la hauteur d’accroche, essayons d’utiliser deux stacks en hauteur (subs stéréo) espacés de 16 m. On obtient donc +6 dB sur la ligne centrale, et moins de niveau en dessous de chaque sub en relatif au sub seul suspendu. On aperçoit ci-dessous d’importants phénomènes constructifs et destructifs entraînant une grande perte de qualité sonore sur le public.

Une des solutions consiste à suspendre des grandes lignes de subs comme l’exemple ci-dessous, des End Fire, ou des arcs subs²³. Dans ce tableau, il faut suspendre 14 K1 Subs à 10 m pour obtenir une couverture homogène.

Nous arrivons donc à la conclusion que ce système coûte excessivement cher car il nécessite beaucoup d’enceintes et des structures d’accroche complexes.

Outre la difficulté technologique d’accrocher les subs, si l’on considère le point de vue scénographique, la taille des subwoofers est incompatible avec la visibilité minimale nécessaire pour le public.

Ce raisonnement s’applique également dans le cas d’une salle. Même si les modes de résonance contribuent à rendre le système plus homogène, il sera tout de même nécessaire d’accrocher les subs en hauteur pour respecter le nouveau décret. La proximité avec le plafond risque d’augmenter très fortement les nuisances sonores chez les riverains.

2.2 Impossibilité d’effectuer les mesures de niveau max dans le public

La réglementation imposant 118 dBC en tous points accessibles au public il faut donc effectuer la mesure de niveau au point le plus fort se situant généralement dans la fosse où le public est le plus énergique. Effectuer des mesures avec un sonomètre par nature fragile et coûteux au milieu d’une foule déchaînée parait donc extrêmement difficile.

2.3 Nécessité d’effectuer des mesures en plusieurs points impossibles avec le matériel existant

La majorité des systèmes de sonorisation de grande ampleur utilisant des subs séparés nécessitent un point de mesure physiquement différent pour le dBA et pour le dBC. Le niveau maximum en dBC sera mesuré en proximité des subs. En effet, à cet emplacement, les subs généralement accordés en passe bande à 63 Hz avec une pente de 24 dB par octave, la courbe de réponse de la mesure en dBC reproduit la courbe de réponse du sub. La mesure en dBC devient donc homogène avec la mesure en basse fréquence. À cette position, le Line Array est extrêmement directif et son maximum est situé plus loin. Le niveau maximum en dBA sera mesuré dans le champ direct des enceintes médium aigues ou au niveau du point central de sommation. Il y a donc des cas où il sera nécessaire d’utiliser un système composé au minimum de 2 microphones afin de surveiller respectivement le dBA et le dBC.

Actuellement, seuls des limiteurs sur mesure sont susceptibles d’effectuer ces mesures en multipoints mais il n’existe pas de systèmes commerciaux standards adaptés à cette contrainte.

2.4 Influence de la scène et du public sur le respect des niveaux en tous points

Les instruments sur scène émettent à eux seuls des niveaux sonores supérieurs à 102 dBA. Par conséquent, un limiteur dont le microphone de mesure sera placé au devant de la scène zone typique du maximum d’émission sonore, sera entièrement maîtrisé par le niveau sonore sur scène.

De plus, l’influence du public (cris, applaudissements…) est très souvent largement supérieure à 102 dBA.

De même que pour le précédent décret, on aura donc entre l’impact de la scène et le bruit du public un limiteur donc le comportement n’est plus relié au niveau de diffusion en salle.

Le niveau de scène et le public court-circuitant le niveau généré par le système de sonorisation, le limiteur se mettra en défaut et coupera le son du système de sonorisation.

3. Synthèse

Si le 120 dB crête dont l’objectif était de protéger le public dans les basses fréquences n’a jamais pu être appliqué, il est important de comprendre que le nouveau critère de 118 dBC en tous points ne sera pas non plus compatible avec la réalisation d’un concert sans de coûteux aménagements. Il risque donc comme le précédent, de ne pas être respecté, et ce au détriment de la protection du public. Cela serait particulièrement dommageable car il est urgent de limiter les niveaux sonores actuels.

Malheureusement, la protection du public qui nécessite l’accroche des subs en hauteur, risque de se faire au détriment de celle du voisinage car le 63 Hz n’est pas pris en compte dans la règlementation. Par ailleurs, une baisse aussi importante du dBC risque de réserver certaines pratiques musicales à des concerts de très grande ampleur, ce qui est dommage vis-à-vis de la diversité culturelle.

L’objet des questions de recherche suivantes se concentrent sur l’optimisation par la directivité des systèmes de diffusion. Une des problématiques majeures dans l’optimisation des systèmes consiste à les caractériser. Il est donc fondamental de commencer par définir des méthodes de mesure permettant de caractériser réellement les performances des systèmes de diffusion.

B. Comment mesurer de façon fiable les basses fréquences pour optimiser les systèmes de diffusion au regard des problèmes de voisinage ?

1. Méthodes de mesure

Synthèse sur les méthodes de mesure :

Techniques de mesure en moyenne spatiale et temporelle :

Les basses étant modales il faut faire plusieurs points de mesure. 3 solutions se présentent :

• Soit on se déplace dans la pièce en faisant une moyenne Leq pendant 2 min
• Soit on mesure plusieurs points discrets pendant au moins 30s et on en fait une moyenne statistique
• Soit on utilise la technique multi micros en sweep

Méthode de mesure de niveaux sonores :

• Cas simple où l’on a beaucoup d’émergence : on mesure en bruit rose avec un sonomètre en se déplaçant dans l’espace pendant minimum 2 minutes.
• Cas où l’émergence n’est pas suffisante : l’usage d’un échantillonnage de musique permet de générer des niveaux plus forts.
• Cas extrême (très peu d’émergence) : les mesures en sweep permettent de gagner jusqu’à 34 dB de rapport signal / bruit en mesurant en plusieurs points ou en utilisant un système multi micros.
• Il est aussi fréquent de pouvoir utiliser un échantillonnage de musique, par exemple plusieurs répétitions pour pouvoir faire les mesures d’isolement. Cela permet de faire l’étude d’impact en interférent un minimum avec la mise du système de sonorisation.

Spécificités des techniques d’optimisation du système :

• Utiliser les techniques de calage temporel pour mettre en phase le système de diffusion.
• Ne pas oublier la distance de mesure. Les configurations cardioïdes s’optimisent à grande distance. Il faut placer le micro de mesure au lointain.
• Mesurer l’impact de chaque élément du système de diffusion séparément, en bande fine chez le voisin, puis l’impact de l’ensemble. Hiérarchiser les impacts de chacune des boîtes.
• Mettre en place un retour en temps réel des mesures d’émergence sur le voisinage.

Spécificités des mesures chez les voisins :

Pour bien choisir les endroits où l’on mesure les émergences. Il faut se baser sur :

• La directivité du système.
• Le choix de l’emplacement présentant le bruit de fond le plus constant possible et une émergence significative (supérieure à 15 dB ou 20 dB pour toutes les bandes de fréquence où l’on souhaite imposer une limitation).
• Privilégier les architectures défavorisantes (habitations hautes et grandes surfaces réfléchissantes) qui amplifient naturellement le son.
• Se méfier des impacts des conditions atmosphériques (vent) : faire particulièrement attention aux rafales de vents. Faire des moyennes statistiques.
• Lors des concerts, utiliser un analyseur en bande fine pour connaitre précisément les bandes de fréquences qui posent problème et pouvoir faire un retour en temps réel à l’ingénieur système. Il est pratique de fonctionner par fonction de transfert afin de pouvoir faire la mesure au droit des fenêtres des riverains et non à l’intérieur des bâtiments afin d’éviter tout dérangement.
• Ne pas oublier de faire une moyenne spatiale. Insistons encore une fois, les basses se mesurent toujours en plusieurs points.

2. Tableau récapitulatif

C. Comment choisir la configuration de subs la plus adaptée ?

1. Tableau de synthèse sur la configuration cardioïde

Nous synthétisons l’ensemble des résultats sur la configuration cardioïde dans le tableau ci-dessous.

2. Tableaux de synthèse généraux

Sur le tableau et les courbes ci-dessous, on peut voir que seul l’End Fire est constant en fréquence et permet une sommation parfaite. 50 Hz 70 Hz 100 Hz.

Bilan des résultats fondamentaux

• Seules les configurations où le retard compense la distance physique à l’avant permettent de garantir que dans l’axe toutes les réponses impulsionnelles seront parfaitement synchronisées dans le temps et qu’il n’y aura donc pas de déformation de timbre.
• Plus on a de subs moins on a de lobes
• Un cardio avec les deux HPs en phase ne peut pas être utilisé sur plus large qu’une octave. Il faut donc utiliser un preset d’enceinte qui coupe le plus bas possible.
• Le gradient procure de très fortes réjections sur une très large bande passante, mais a l’inconvénient d’engendrer des distorsions de la réponse impulsionnelle.
• Dans le cas où la bande passante du sub se limite à une octave et où l’on ne veut aucune déformation de la réponse impulsionnelle, il faut utiliser un cardio natif. Si l’on cherche à maximiser la réjection pour toutes les fréquences, l’emploi du gradient est plus efficace au détriment de la qualité du son à l’avant. L’End Fire, lorsque son encombrement est admissible, il cumule bonne sommation, réjection large bande, et qualité de la réponse impulsionnelle.

3. Interprétation des résultats des mesures dans le hangar

Les mesures en laboratoire nous ont permis de vérifier les résultats fournis par les simulations informatiques. Par ailleurs, cette expérience a surtout permis de mettre en évidence un critère d’analyse supplémentaire spécifique à la robustesse de chaque configuration vis-à-vis des interactions avec une pièce.

• Configuration cardioïde : OUI, le cardio marche dans une pièce !

Un cardio se mesure en champ lointain et moyenné dans l’espace ! Il faut trouver un compromis entre la distance permettant au cardio de se mettre en place et rester dans le champ direct prédominant vis-à-vis du champ réverbéré.

Il faut trouver un compromis entre la qualité de la réponse impulsionnelle et la réponse modale de la pièce. La configuration cardioïde accordé à λ/4 sonne mieux mais est plus assujettie aux modes de résonnance de la pièce. En effet, la distance entre les sources de 1m70 augmente les chances d’exciter différents modes dans la pièce. Nous avons remarqué que les hauts parleurs sont assujettis à une réponse modale dans la pièce qui varie en fonction de leur position. Ils n’ont donc ni la même courbe de réponse ni la même courbe de phase. Il est important pour créer un cardioïde que les deux HPs excitent les mêmes modes, qu’ils aient la même énergie et que la phase soit bien inversée au point de réjection arrière. Le comportement modal de la pièce pourrait donc être un des phénomènes fondamentaux expliquant la complexité de mise en œuvre des cardioïdes en salle.

Lorsque l’on combat les modes il faut essayer de les contrer : il existe différents types de position et différents types de cardio. Rapprocher les subs offre plus de possibilités et permet d’obtenir plus facilement une réjection mais cette facilité se paie au prix d’une moins bonne sommation en puissance ainsi qu’une réponse impulsionnelle déformée. Parfois, il vaut mieux mettre une distance plus petite et créer la directivité.

La mesure permet de se rendre compte de ces difficultés, c’est un compromis à trouver. Il faut ajuster en fonction des lieux

• End Fire
  • Il permet bien d’augmenter la largeur fréquentielle de la bande de réjection
  • Il est moins assujetti aux phénomènes de modes de la pièce
  • Il permet quand il est relativement long de maîtriser l’énergie sur le côté
  • Il a par contre l’inconvénient majeur d’être difficile à mettre en œuvre de par ses dimensions physiques.
• La ligne
  • Très directive sur les côtés

Bilan : Comment faire quand la pièce est difficile ?

• Si le cardio espacé de λ/4 ne marche ne pas ou s’il n’est pas mécaniquement implémentable : il faut trouver une configuration les subs s’annulent à l’arrière mais qui ne soit pas trop mauvaise à l’avant. Rapprocher les subs offre plus de possibilités et permet d’obtenir plus facilement une réjection mais cette facilité se paie au prix d’une moins bonne sommation.
• Si le système veut avoir une fréquence de coupure plus élevée, le cardioïde n’est plus adapté et il faut absolument utiliser un End Fire ou un système en gradient malgré la déformation de la réponse impulsionnelle qu’ils engendrent.
• Plus on augmente le nombre de sources, plus le système de diffusion peut imposer son front d’onde, et être moins sujet aux modes de résonance de la salle. Par ailleurs, une fois de plus, le fait d’avoir construit des subs de petite taille facilite le système à s’affranchir de la salle.

Dans la réalité, il est souvent difficile de multiplier le nombre de sources. Si tel est le cas, par exemple si l’on a que deux subs, quelles seraient les solutions ?

L’égalisation et les niveaux peuvent permettre de gagner en réjection arrière. La méthode consiste à obtenir l’annulation en égalisant les HPs et en modulant le gain, de telle sorte que leur courbe de réponse soit identique en niveau et en fréquence dans la zone 40/63 Hz que l’on souhaite rejeter. On traite séparément les deux HPs puis on vérifie l’annulation. De façon imagée, l’un des HPs va faire le signal et l’autre l’annulation.

D. En pratique, quelle est la procédure à adopter pour optimiser un système vis-à-vis du voisinage ?

1. Méthode Globale

Il faut identifier la localisation des zones de voisinage à protéger ainsi que les parois les plus sensibles de la salle étudiée.

Il s’agit ensuite de choisir l’orientation du système et la configuration de subs qui permet de minimiser l’énergie sur les zones précédemment identifiées.

Pour ce faire, la première étape consiste à trouver dans le tableau précédent la configuration qui parait naturellement la plus adaptée, et qui soit physiquement réalisable. Une fois le principe physique établit, il est pratique d’utiliser les logiciels de simulation afin de réadapter le système de diffusion aux particularités du lieu (couverture du public, gradins…)

On installe ensuite la configuration choisie. On mesure chacun des éléments séparément chez les voisins et on optimise la directivité de chacun des sous groupes de diffusion séparément.

Puis, on ajuste les niveaux globaux en relatif afin de diminuer l’impact des éléments les plus problématiques.

Afin de respecter un niveau d’émergence adapté, il convient de placer un afficheur de niveaux permettant d’indiquer les niveaux sonores à ne pas dépasser. Il peut prendre trois formes différentes ;

• Soit un retour en temps réel de mesure de niveau sonore directement chez les riverains (cas idéal mais rarement applicable).
• Soit à partir d’une mesure effectuée à l’endroit le plus proche possible des riverains, accessible mais non perturbée par les éléments extérieurs (cas le plus souvent optimal)
• Soit à partir des niveaux mesurés en salle et donc les valeurs sont fixées par l’étude d’impact (cas le plus simple mais très impacté par les changements de configuration de diffusion et par les conditions atmosphériques.

Dans tous les cas, rien ne remplacera le dialogue humain : le retour en temps réel avec le sonorisateur pour maîtriser le son généré permet l’optimisation la plus qualitative possible. En effet, le son d’un limiteur n’est pas satisfaisant (cf. limitations des décrets Partie A Discussion). Par ailleurs, le dialogue avec les voisins, le fait de prêter une oreille à leurs problématiques est essentiel.

Dans tous les cas, nous rappelons l’absolue nécessité d’utiliser plusieurs points de mesure pour définir les niveaux en basse fréquence.

2. Tableau de synthèse de la procédure

3. Zoom sur le mémoire de recherche

Optimisation des systèmes de diffusion pour la protection du voisinage

Contributions

• Contributions intellectuelles
  • Synthèse et limites des configurations cardioïdes afin de rendre leur usage plus instinctif.
  • La compréhension du système et la méthode de mesure permettent de créer de la directivité dans les salles. Cette solution représente un gain significatif face au problème d’isolation actuelle liée à la structure des bâtiments.
• Contribution pratique
  • Proposition d’une méthode de mesure synthétique pour l’optimisation des systèmes de diffusion dans les basses fréquences vis-à-vis du voisinage.
• Contributions technologiques
  • Programmation d’un logiciel de simulation permettant notamment la production d’un tableau de synthèse des configurations pour mieux comprendre leur fonctionnement et donc leurs limites.
  • Construction de subs compacts et clos visant à mesurer de façon plus précise les configurations.

Aujourd’hui, les notions de directivité vis-à-vis des problèmes de voisinage sont peu abordées dans le métier pour plusieurs raisons : peu de liaison directe s’établissent entre l’acousticien qui sait ce qui se passe chez les voisins et le sonorisateur à l’intérieur de la salle de concert, lors de la conception des salles ou de leur exploitation. L’objectif est de relier les deux métiers pour trouver une solution commune. Le sonorisateur ne peut pas se contenter d’un limiteur et il est très difficile pour les acousticiens d’isoler dans les basses fréquences. Par ailleurs, établir une bonne relation avec le voisinage est également fondamental pour trouver les bonnes solutions. La communication est donc fondamentale et seule une vision globale permet d’obtenir de vrais résultats.

Techniquement parlant, une fois la communication établie, la solution consiste à comprendre les faiblesses de la salle et à créer de la directivité pour maximiser l’isolement apparent. En pratique, l’optimisation est compliquée et ne peut se faire que si l’on traite séparément les problèmes pour pouvoir in fine viser à l’optimisation globale. Pour caractériser il faut savoir mesurer. Le problème majeur que constitue l’estimation des basses ne peut se résoudre que par du moyennage spatial ou de la mesure multi micros. Lorsque l’on applique des méthodes de mesure par moyennage, on passe d’un système qui parait chaotique à un phénomène caractérisable.

Il est courant, dans les petites salles d’avoir un gain de 5 à 8 dB, et jusqu’à plus de 20 dB pour les configurations dans les grandes salles ou en plein air.

Les salles sont tellement variables que nous avons souhaité avoir des résultats et des méthodes d’optimisation généralisés sans s’attacher à des cas particuliers. C’est en mesurant dans la salle et chez les voisins les configurations de subs que l’on a sélectionnées que l’on peut se rendre compte si elles fonctionnent, s’il faut les déplacer ou en utiliser d’autres (par exemple rajouter des sources pour imposer plus le front d’onde etc.) Il n’y a pas de réponse toute faite, l’optimisation se fait par allers et retours successifs (cf. schéma de synthèse p 158).

Limitations

• Créer une directivité ne peut évidemment s’appliquer que dans des cas où le voisinage est sur les côtés ou à l’arrière du système de diffusion. Si la zone à protéger est localisée en face du système, les techniques étudiées dans ce mémoire ne permettent pas de résoudre le problème.
• Il aurait été bien de faire une étude plus approfondie sur d’autres techniques de mise en phase pour la création directivité : passe tout, gradient, lignes de subs ou End Fire à fréquence de coupure progressive.
• Il n’a pas été possible par manque de moyens et de temps de rechercher à fournir des informations statistiques sur la qualité perçue des différentes configurations car cela aurait été le sujet d’un mémoire autonome.
• L’objectif du mémoire n’était pas de détailler la méthodologie propre à la réalisation de l’étude d’impact. Nous nous sommes focalisés sur la maîtrise des concerts de grande ampleur de type festivals, qui n’ont pas les mêmes impératifs que ce qu’exigerait la réalisation d’une étude d’impact pour un bar ou une boîte de nuit. Les techniques qui sont décrites sont plus complexes et plus couteuses mais permettent une meilleure gestion des niveaux sonores dans les infrabasses
• Le temps disponible dans le hangar était très limité. J’aurais aimé pouvoir faire plus de points de mesure pour valider les résultats de façon plus rigoureuse. Il aurait été également intéressant de pouvoir comparer la directivité intrinsèque du sub avec d’autres modèles du commerce (manque de temps également).

Apport Personnel

• Ce mémoire m’a permis de passer de connaissances théoriques à une connaissance appliquée tant d’un point de vue des concepts associés à la physique du son que d’un point de vue pratique. J’ai pu développer une capacité d’analyse et de synthèse vis-à-vis de la maîtrise des phénomènes de directivité, indispensable dans la vie pratique pour être à la fois efficace et créatif.
• J’ai pris conscience lors de retours de riverains pendant les expériences pratiques, des conséquences psychologiques engendrées par les problèmes d’émergence. J’ai réalisé à quel point la communication humaine était fondamentale dans résolution de problèmes dont on a parfois l’impression qu’ils sont insolubles quand on les limite à des critères purement techniques.
• Plus qu’un mémoire, ce travail de recherche m’a donné envie de poursuivre dans cette voie. Mon orientation première se dirige vers la sonorisation mais il me semble que concilier un travail d’optimisation des systèmes de sonorisation vis-à-vis du voisinage et sonorisation en elle-même serait un alliage passionnant permettant de relier ces deux domaines si interdépendants.

Perspectives

Pour les différentes configurations de subs, il aurait été profitable de pouvoir écouter dans des cas concrets et avec un processus d’auralisation les réponses impulsionnelles dans la zone d’écoute, afin de pouvoir associer aux différentes configurations un critère qualitatif permettant de discriminer la qualité de la réponse impulsionnelle des différentes configurations. Aujourd’hui seules les configurations où le retard compense la distance physique, permet de s’affranchir de cette étude, car il est réaligne temporellement toutes les réponses impulsionnelles de chaque sub.

Références

[1] AUFFRET, M., Rapport « Préventions des traumatismes sonores des musiques électro-amplifiées». Paris: CNRS, février 1998

[2] BESSON, R., ALARY, J., Sonorisation et prise de son (4e ed). Paris: Dunod, 2007

[3] CIDB, Le coût sanitaire, économique et social du bruit. Dans Echo Bruit, Numéro Hors série, 2014

[4] DESCHAUX, R., Cours d’Acoustique du Bâtiment. Repéré à http://www.acgrenoble.fr/lycee/roger.deschaux/documents/Cours/Acoustique/Acousti que-Cours_1.pdf

[5] EVEREST, F. ALTON, Master Handbook of Acoustics (4e ed). New York: McGraw-Hill Professional, 2001

[6] McCARTHY, B., Sound Systems Design and Optimization (3e ed). New York et Londres:
Focal Press, 2016

[7] FARINA, A., Advancements in impulse response measurements by sine sweeps. Dans la 122e convention AES, le 5–8 2007 Mai, Vienne, Autriche

[8] FARINA, A., MULLER, S., MASSARANI, P., Transfer-Function Measurement with Sweeps. Dans JAES, Vol. 49, N° 6 pp. 443, 2001

[9] FINAND, F., La diffusion acoustique. Repéré à http://www.acouphile.fr/diffusion.html
[10] GUASTAVINO, C., CHEMINEE, P., Une approche psycholinguistique de la perception des basses fréquences : Conceptualisations en langue, représentations cognitives et validité écologique. Article publié dans la revue Psychologie Française, 48 (4), pp. 91-101, 2003

[11] GUIBERT, G. Sociologie du volume sonore dans les musiques amplifiées. Dans Echo Bruit, n°116, Musiques amplifiées et gestion du risque auditif, mars 2007

[12] JOUHANEAU J., Notions élémentaires d’acoustique, électroacoustique. Paris: Lavoisier,
Tec & Doc, 1999

[13] JOUHANEAU, J., Acoustique des salles et sonorisation. Paris: Lavoisier, Tec & Doc, 2003

[14] LEIPP, E., Acoustique et Musique. Montreuil: Mines Paris Teich, 2010

[15] LAFONT, JP., Résonances stationnaires : l’influence des parois sur le calcul des fréquences modales. Repéré à http://www.lafontaudio.com/dossiers/limites.htm

[16] MEYER-BISCH, C., Les chiffres du bruit. Dans Médecine et Sciences, vol. 21, p.546-550 mai 2005

[17] PION, J., Les musiques amplifiées dans l’agglomération parisienne face au problème des nuisances sonores. Université de Reims, 2002

[18] PIETQUIN, D., Phase notions essentielles. Repéré à https://www.techniquesduson.com/phase1.html, 2008

[19] ROSSI, M., Traité d’électricité. tome 21, Electroacoustique, Presses Polytechniques et Universitaires Romandes, 1993

[20] ROSSI, M., Audio. Presses Polytechniques et Universitaires Romandes, 2007

[21] ROUSSEAU, D., La mesures des basses fréquences engendrées par les musiques amplifiées. Présenté aux Rencontres Acoustique & Technique à Paris, France, le 05 et 06 juin 2015

[22] ROUSSEAU, D., Retour d’expérience sur les mesures basses fréquence d’origine musicale, 63Hz.fr

[23] SAILLANT, P., Les dispositifs de reproduction des fréquences les plus basses en sonorisation. ENS Louis Lumière (Paris, France), 2010

[24] VAN VEEN, M., Calibration & Design Techniques for Modern Sound Systems the Hague. Présenté à la conférence à MVV Seminar, Den Haag, Hollande, le 6 – 11 Février 2017

[25] SERVICE DE SANTE AU TRAVAIL, Le Bruit, les principaux aspects réglementaires. Repéré à http://www.cihl45.com/index.php/les-risques-physiques/le-bruit-les-principaux-aspects-reglementaires, le 16 février 2015

[26] HCSP (Haut Conseil de la Santé Publique), Expositions aux niveaux sonores élevés de la musique : recommandations sur les niveaux acceptables. Repéré à http://www.hcsp.fr/explore.cgi/avisrapportsdomaine?clefr=378, Février 2013

[27] 01dB Industries, DUMAS J., LAMBERT F., Analyse Fréquentielle premier niveau.
Paris, le 05 septembre 1996

[28] DOCS HP ET SUBS
ADAMSON, Document technique T21. Repéré à https://adamsonsystems.com/Support/Downloads/SPEC_SHEETS/SUBS/T21_Techni calData.pdf
ALTEC, Document technique 416-8A, http://www.yesterdays-tech.com/Altec/416-8A.pdf
BCSPEAKER, Document technique 21 Pal, http://www.bcspeakers.com/en/products/lf-driver/21-0/1/21ipal
L-A COUSTICS, Document technique KS28. Repéré à http://www.l-acoustics.com/admin/product_files/KS28_SPS_FR_1.0.pdf

Quelques sites Internet de Référence

CIDB : http://www.bruit.fr/ AGISON : http://agi-son.org/ LEGIFRANCE : https://www.legifrance.gouv.fr/
LAFONT AUDIO ACOUSTIQUE & DESIGN : http://www.lafontaudio.com/

Annexes

A. Glossaire

Bass trap : matériau, généralement passif, absorbant les basses fréquences.

Balance tonale : différence de niveau en dB entre le dBA et le dBC

dB : décibel. Le dB exprime le niveau de pression sonore par rapport à la plus faible intensité d’un son perçue par l’oreille humaine. Cette unité s’inscrit sur une échelle logarithmique.

Cardio NATIF : configuration cardioïde dont la distance entre les sources vaut λ/4. λ étant la longueur d’onde de la fréquence d’accord de la configuration.

Cardio NON NATIF : configuration cardioïde dont la distance entre les sources est DIFFERENTE de λ/4. λ étant la longueur d’onde de la fréquence d’accord de la configuration

End-Fire Array : réseau dont la directivité est maximale dans la direction d’alignement des transducteurs.

Line Array : réseau linéaire d’enceintes acoustique permettant d’augmenter la zone de couverture du public.

L1 : niveau dépassé pendant 1 % du temps (bruit maximal).

L10 : Niveau dépassé pendant 10 % du temps : il indique le niveau moyen de bruit qui émerge du bruit de fond.

L90 : Niveau dépassé pendant 90 % du temps ; indique le « bruit de fond ».

Leq : Indice énergétique, niveau de bruit équivalent. En considérant un bruit variable perçu pendant une durée T, le Leq représente le niveau de bruit constant qui aurait été produit avec la même énergie que le bruit réellement perçu pendant cette durée. Le Leq s’exprime en dB.

MLS : Maximum Length Sequence. C’est une séquence binaire pseudo aléatoire permettant d’extraire la réponse impulsionnelle

LFE (Low Frequency Effect) : canal réservé aux basses fréquences (10-120 Hz). Sa présence est généralement précisée par le terme « .1 » (exemple système 5.1).

Réponse Impulsionnelle : Lorsque l’on met en entrée d’un système une impulsion (Dirac), la réponse impulsionnelle est la sortie qui est obtenue. Dans un système réel, la sortie n’est en général plus une impulsion, mais un signal décroissant proportionnellement à la durée de réverbération de la pièce. La réponse impulsionnelle permet la représentation d’un système en fonction de son entrée et de sa sortie uniquement.

Sonomètre : Appareil destiné à la mesure des niveaux de pression acoustique, pondérée ou non, dans le domaine des fréquences audibles, suivant des applications déterminées. (Norme NF S30-101. Septembre 1973. Vocabulaire de l’acoustique)

Subwoofer : caisson de graves ou caisson de basses sont des termes désignant les enceintes chargées de reproduire les fréquences inférieures à 80 Hz.

Sweep : signal audio qui balaye toutes les fréquences audibles entre 20 Hz to 20 kHz en dans un espace de temps donné. Lorsque l’échelle est logarithmique, émettre un sweep entre 20 Hz et 40 Hz (une octave) ou entre 10kHz et 20kHz prend la même durée. Dans le cas d’une échelle linéaire, l’octave 20/40Hz sera beaucoup plus rapide et égalisera la durée entre 10 kHz to 10.02 kHz.

B. Les pièges à éviter lors de la mesure de l’isolement

Attention Piège !

Le bruit particulier, c’est le niveau mesuré chez le voisin lorsque la boite de nuit est en activité. Il comprend donc le bruit que fait la musique chez le voisin ET le bruit résiduel habituel. Comme la mesure est effectuée en niveau énergétique équivalent, si le bruit de la musique chez le voisin est aussi fort que le bruit résiduel, alors les signaux se somment a +3 dB. Ainsi on mesure 3 dB d’émergence et non 0 dB. La règlementation vise justement à avoir un niveau de bruit de fond au même niveau que celui généré par la musique, ce qui donne 3dB d’émergence.

Par conséquent, il faut faire très attention lorsque l’on calcule l’isolement (atténuation du son du fait des murs). En pratique, deux cas se présentent :

• Emergence > 10 dB
  Isolement ≈ Musique – Bruit Particulier

• Emergence < 10 dB
  Il faut soustraire la compensation issu de l’addition en niveau énergétique du bruit résiduel avec le bruit de la musique chez le voisin :
  Isolement = Musique – Bruit Particulier + Correction

Nous avons calculé sous Excel à partir de quelles valeurs le bruit résiduel devient négligeable en relatif au bruit particulier. Puis dans un deuxième temps, quelles sont les valeurs des compensations à appliquer dans le cas contraire.

Soit « Bruit Sono » la variable définissant le niveau de bruit généré par la musique de la boîte de nuit chez le voisin sans bruit de fond. On calcule le bruit particulier et la correction à appliquer pour un écart croissant entre BR et Bruit Sono²⁴.

On voit qu’à partir d’une émergence de 10 dB, la correction devient négligeable. Donc si BR est 10 dB moins fort que le bruit de la sono, alors Isolement ≈ Musique – Bruit Particulier

Dans la plupart des situations pratiques, l’isolement permet de calculer le niveau maximum d’émission pour un établissement. La procédure consiste à :

• mesurer le bruit de fond chez le voisin la nuit.
• De manière à éviter toute nuisance sonore, on mesure le bruit particulier en journée.
  • On émet un bruit rose dans la salle de concert
    • Emergence > 10 dB
      • Isolement = Musique – Bruit particulier
    • 3 dB < Emergence < 10 dB et BR stable
      • Isolement = Musique – Bruit particulier + Correction
    • Si Emergence < 3dB ou que le bruit de fond est instable
      • On fait des statistiques avec différents bruits musicaux à différentes périodes
      • Dans le cas ou la mesure est trop perturbée, on utilise un sweep (plus complexe d’interprétation mais permet de gagner jusqu’à 30dB sur un bruit rose)
• Ainsi Niveau_Max = BDF + Isolement car quand les deux niveaux sont équivalents on a bien 3dB d’émergence.

Exemples concrets :

• Cas où le bruit résiduel n’est pas négligeable devant le Bruit Sono

On mesure : 90 dB en salle, 30 dB de BR, 32 dB de bruit particulier. Le bruit résiduel est stable.

Le Bruit particulier est 2 dB plus fort que le Bruit Résiduel, ainsi la correction est de 2,33 dB il y a donc un Bruit de Sono égal à 30 – 2,33 = 27,67 dB Donc l’isolement vaut = 90 – 27,67 = 62,33 dB

• Cas où le bruit résiduel est négligeable
  99dB dans la salle, 45dB de bruit particulier et 20 dB de bruit résiduel. Le bruit particulier est 25 dB au dessus du bruit résiduel, ainsi il est négligeable (cf. 1e tableau).

Donc Isolement = Musique – Bruit Particulier = 99 – 45 = 54 dB

Par exemple, si le Bruit Particulier mesuré est 4 dB plus fort que le Bruit Résiduel, alors le Bruit sono sera 1.80 dB plus fort que le bruit résiduel.

En dessous de 0.5 on estime que la correction est négligeable. Ce qui correspond bien aux 10 dB que l’on a trouvé précédemment.

Utilisations de l’isolement et de l’émergence

En pratique, l’isolement est utilisé pour les études d’impact de nuisance sonore Par exemple pour calculer les niveaux limites applicables la nuit car il permet de mesurer de jour l’isolement et de mesurer le bruit de fond de nuit. Exemple d’une mesure, pour une boîte de nuit, quel est le niveau maximum applicable la nuit ?
Par exemple si l’on calcule un isolement de 30 dB d’atténuation et que l’on a un bruit de fond mesuré la nuit de 40 dB. Le niveau limite à l’émission sera de 40+30 = 70 dB avec 3 dB d’émergence (deux signaux : arrivée + BDF qui s’additionnent se somment à 3 dB)

C’est l’émergence qui est explicitement formulée dans la règlementation, car c’est elle qui reflète et caractérise la gêne occasionnée. Dans les textes de loi que l’on décrit plus précisément ci-dessous, elle est limitée à 3 dB par bande de fréquence et 3 dB A. Cette valeur est déjà très importante ! En effet, prenons un kick qui joue à chaque seconde pendant une durée 100 ms. Un niveau énergétique équivalent se calcule sur une seconde. Comme une seconde contient 10 fois 100 ms, on a donc dix fois plus d’énergie sur 100ms que sur 1s. Par conséquent on a 10 dB de gain en niveau crête en plus des 3dB d’émergence. Ainsi on obtient 13 dB Crête de Kick !

C. Décrets

D. Documents techniques enceintes

E. Limiteur

Limiteur standard AMIX SNA70-3

Remerciements

Je tiens à remercier chaleureusement David Rousseau pour son aide dans mon travail de recherche. J’ai beaucoup appris à ses côtés aussi bien en termes de connaissances techniques qu’en méthodologie scientifique.

Merci infiniment à Laurent Burrus pour sa disponibilité et les moyens mis en œuvre pour la réalisation de la partie pratique du mémoire.

Je remercie toute l’équipe de la grande Halle et particulièrement Benoît Weber.

Merci à Igor Prade, Florent Fourmy pour leur participation lors des mesures et leurs conseils. Le CIDB pour l’accès à son espace documentaire extrêmement complet.
Je remercie tous les ingénieurs du son et directeurs techniques qui ont donné de leur temps pour mon mémoire.
Pour finir, je remercie mes proches pour leurs relectures, leurs conseils et leur soutien.

Notes

1. On utilise le terme « subwoofer » dans le milieu professionnel pour caisson de basse. Nous emploierons ce terme tout le long du mémoire ↩︎
2. David Bowie, 1972 ↩︎
3. SNR : Signal Noise Ratio : Rapport signal sur bruit ↩︎
4. Interview d’un inspecteur de salubrité, intervenant formateur auprès du CIDB sur la thématique «nuisance sonore » ↩︎
5. Article 5 du décret 98-1143 ↩︎
6. Interview d’un inspecteur de salubrité, intervenant formateur auprès du CIDB sur la thématique «nuisance sonore » ↩︎
7. SB28 : subwoofer L-Acoustics. Documents techniques en annexe ↩︎
8. Ce graphique est expliqué plus précisément par la suite. ↩︎
9. Nous avons appelé notre logiciel de simulation Schouf qui signifie « regarde » en arabe. ↩︎
10. Définition précise dans le glossaire ↩︎
11. Volume de charge = volume interne de l’enceinte ↩︎
12. Pile de subs ↩︎
13. La directivité est liée à l’assemblage mais vous trouverez les fiches techniques des K1 Sub, VDOSC et SB28 en annexe ↩︎
14. Point FOH (Front Of House) : point localisant la console de mixage dans la pièce ↩︎
15. Ensemble des enceintes constituant la façade ↩︎
16. AUFFRET, M., Rapport « Préventions des traumatismes sonores des musiques électro-amplifiées», CNRS, février 1998. ↩︎
17. DESCHAUX, R., Cours d’Acoustique du Bâtiment, Repéré à http://www.ac-grenoble.fr/lycee/roger.deschaux/documents/Cours/Acoustique/Acoustique-Cours_1.pdf ↩︎
18. Limiteur en annexe ↩︎
19. Renfort de sonorisation de faible puissance pour les auditeurs placés juste devant et dans l axe de la scène ↩︎
20. Nous n’avons pu avoir une information précise sur la date d’applicabilité de la nouvelle norme au moment de la rédaction car elle n’a pour le moment pas encore été visée dans les textes règlementaires. ↩︎
21. Rousseau D., Gestion des graves vers l’environnement, JAES, 28/10/2010 ↩︎
22. Différence entre le niveau en dBA et en dBC ↩︎
23. Plusieurs enceintes espacées ou non sur lesquelles on applique des retards créant virtuellement un arc. Retarder les enceintes extérieures permet de réduire le lobe présent au centre du système et d’augmenter la cohérence aux extrémités du système. ↩︎
24. BP = 10 * log10 (10^ (Bruit Sono/10) + 10^ (BR/10)) et Correction Isolement = BP – BR ↩︎

CONSERVATOIRE NATIONAL SUPÉRIEUR DE MUSIQUE ET DE DANSE DE PARIS, FORMATION SUPÉRIEURE AUX MÉTIERS DU SON, MÉMOIRE DE FIN D’ÉTUDES

Présenté par: Soutenu en: ETIENNE OURY, Juin 2008

Dirigé par: CORSIN VOGEL

0. Introduction

L’eau recouvre 70% de notre planète, et elle est habitée par une multitude de sons. Dans ce milieu, la lumière se propage très mal et la vue ne tient qu’une place minime. C’est donc l’ouïe qui est le sens le plus développé chez les habitants des mers. Les mammifères marins sont là pour nous le rappeler : une baleine entend dans la bande de fréquence 10 Hz – 200 kHz, et elle est capable d’entendre un chant d’une de ses voisines à des dizaines de kilomètres à la ronde. Notons au passage que sur 2000 chants de baleines enregistrés dans le golfe du Saint- Laurent en 2005, seulement 2 étaient simultanés… Comme quoi les baleines sont des êtres civilisés qui ne se coupent jamais la parole.

Partant du constat que la musique est pour beaucoup de personnes un moment de relaxation et de détente, et que les supports d’enregistrement actuels nécessitent que l’auditeur soit placé à un point d’écoute précis (le sweet spot), écouter de la musique sous l’eau peut s’avérer une expérience très intéressante. Si l’on restreint l’étude à une utilisation domestique, c’est-à-dire un volume de petite taille (une piscine privée, ou même une baignoire), nous avons là une situation qui réunit les points suivants : temps libre, détente, point d’écoute (dans une baignoire)… et bien sûr immersion.

L’intérêt de cette démarche est avant tout de voir s’il est possible d’optimiser l’écoute de musique enregistrée en stéréo (format d’écoute le plus utilisé) et d’apprécier le rendu musical de différents styles de musique. Cela permettrait de répondre à la question suivante: est-il possible d’apprécier sous l’eau un enregistrement prévu pour une écoute aérienne, ou faut-il repenser la musique autrement, en termes de composition mais aussi de mixage.

Les études sur ce sujet sont peu nombreuses, et il n’existe pratiquement pas d’études alliant les aspects physiques, perceptifs et musicaux du sujet. Les études psychoacoustiques sont réalisées en champ libre pour des applications en pleine mer. Il est donc très difficile de prévoir comment va se comporter un bassin. De plus, ces études utilisent essentiellement des stimuli simples (fréquences sinusoïdales pures, bruit blanc), et ne permettent pas de tirer des conclusions quant à la restitution des timbres. Enfin, certaines études montrent qu’il est possible de localiser sous l’eau (Savel, 2001; Bernaschina, 2003), alors que certaines personnes qui sont habituées à écouter de la musique sous l’eau soutiennent que l’on perçoit de la monophonie (discussions lors du Salon de la Piscine et du Spa, nov. 2007). Ce mémoire va donc tenter d’apporter des éléments de réponse à ces questions en abordant l’écoute subaquatique d’un point de vue scientifique et acoustique, mais aussi psychoacoustique et musical.

1. État de l’art

1.1. Historique

Le milieu aquatique est très propice à la propagation d’ondes sonores. Les humains se sont d’ailleurs intéressés au son dans l’eau depuis longtemps. Aristote et Pline le Jeune se demandaient déjà si les poissons entendaient. Dans la Chine antique, les pêcheurs localisaient les bancs de poissons en écoutant le bruit de la mer à l’aide d’une tige de bambou dont l’une des deux extrémités plongeait dans l’eau, pratique qui existe encore dans certaines tribus de Malaisie. Léonard de Vinci avait aussi remarqué que « si l’on se place sur son bateau immobile et si l’on place le bout d’un long tube dans l’eau et l’autre extrémité sur son oreille, on entendra les bateaux éloignés ».

Les premières études scientifiques ont été menées en 1810 dans le port de Marseille par le physicien français François- Sulpice Beudant qui arrive à déterminer la valeur de propagation de 1500 m/s à l’aide d’une cloche et d’un stéthoscope. En 1826, sur le Lac Léman, Jean- Daniel Colladon réalise les premières grandes expériences sur la propagation acoustique.

En 1869, Jules Verne écrira:

« Les moindres Bruits se transmettaient avec une vitesse à laquelle l’oreille n’est pas habituée sur terre. En effet, l’eau est pour le son un meilleur véhicule que l’air, et il s’y propage avec une rapidité quadruple. (…)Des bruits profonds, nettement transmis par ce milieu liquide, se répercutaient avec une majestueuse ampleur. »

Jules Verne,

Vingt Mille Lieues Sous Les Mers

Les premières applications de l’acoustique sous- marine sont envisagées à la fin du XIXᵉ siècle afin de guider les navires transatlantiques aux abords des côtes américaines à l’aide d’émetteurs sonores. Par la suite, la construction des sous-marins fait apparaître un nouveau besoin : repérer les sous- marins en plongée. Le premier sonar est inventé en 1915 par Paul Langevin, et les sonars américains causeront la perte des sous- marins allemands en 1943.

1.2 Recherches scientifiques actuelles

Depuis ce temps, la recherche en acoustique sous- marine est essentiellement restreinte à l’étude des fonds marins et à des applications militaires : détection de sous- marins et de mines.

Les premières études psychoacoustiques sont menées dans les années cinquante, en marge néanmoins des études pour le milieu aérien. Des sous- mariniers appelés « Oreilles d’Or » se sont spécialisés dans la reconnaissance des sons subaquatiques. Il s’agit dans un premier temps de retranscription dans le domaine aérien de sons subaquatiques. Ensuite, des études sur la perception subaquatique montrent assez vite que les mécanismes de l’oreille sont altérés (Sivian, 1947).

Enfin, de nos jours, les recherches ont lieu avant tout au sein de l’armée américaine, mais aussi au LMA (Laboratoire de Mécanique et d’Acoustique) de Marseille, et au laboratoire IFREMER (Institut Français de Recherche pour l’Eploitation de la MER) à Brest. Sophie Savel a présenté une thèse en 2001 sur la localisation auditive subaquatique avec pour objectif d’améliorer l’orientation des plongeurs à l’aide de balises sonores, et François Bernaschina a présenté un travail sur le même sujet en 2003 à Genève.

1.3 La musique subaquatique

Les études scientifiques sont toujours menées avec des signaux sinusoïdaux, quelquefois des bruits blancs, mais guère plus. Si l’on cherche à obtenir des informations sur le rendu musical sous l’eau, c’est vers les compositeurs qu’il faut se tourner. Michel Rédolfi (« La Citta Liquida », Venise 2006, ou « Oniris- The Dream Tank », Nuit Blanche, Paris 2006) donne des explications très intéressantes sur la perception subaquatique car elles sont exprimées d’un point de vue musical et artistique. Il explique notamment que les timbres subaquatiques sont perçus comme médium/aigus (500- 5000 Hz) ce qui leur confère une fragilité cristalline. La perception est monophonique, à l’intérieur du crâne. Il explique qu’il existe un masquage temporel de 50 ms qui masque les premières réflexions et donnent l’impression de champ direct permanent. Selon lui, le milieu aquatique se prête à une musique éthérée, et nécessite qu’elle soit pensée différemment et composée spécialement pour le milieu aquatique.

Noêl Canivenq, fondateur de la société Aquamusique, avance l’hypothèse du « massage intra », soit « la conjonction de deux écoutes: l’une, traditionnelle, amplifiée via l’oreille, et l’autre, corporelle, et non-décodée par l’oreille mais ressentie par le corps sous forme d’une vibration ayant pour origine une tension alternative modulée ».

2. Cadre théorique

Certaines données scientifiques ont été vérifiées à partir des expériences menées dans ce mémoire. Elles seront exposées dans la partie 4.7. Il n’est traité ici que des recherches effectuées a priori.

2.1 Éléments d’acoustique sous-marine

2.1.1 Caractéristiques du milieu

2.1.1.1. Masse Volumique

L’eau a pour masse volumique:

p_eau  =1000 kg/mx

Celle-ci ne varie quasiment pas en fonction de la température, du moins dans la gamme 20°C – 40°C qui nous intéresse (température classique de « baignade »). Le cas de l’eau salée peut être mentionné car il existe de plus en plus de piscines salées. La masse volumique de l’eau salée est p_mer  =1030 kg/mx

2.1.1.2. Célérité

La vitesse de propagation de l’onde est imposée par les caractéristiques du milieu. L’eau étant un fluide incompressible, la célérité c dépend de la masse volumique p et du module d’élasticité E de ce milieu. Elle est donnée par la relation :

Avec      E=2,25.10⁹ Pa , ce qui donne:

c=1500 m.s^—1

La vitesse de propagation augmente avec la salinité de l’eau et avec sa température (+3 m.s^—1 par degré).

2.1.1.3. Impédance acoustique

Nous pouvons ensuite obtenir l’impédance acoustique caractéristique de l’eau :

Z _eau=p_eau  c=1,5. 10⁶ Pa.s.m^—1

Cette impédance est beaucoup plus élevée que celle de l’air. L’impédance de l’air est Z _air =360 Pa.s.m^—1  à 20°C (soit un rapport de 3 500). Comme l’eau est un fluide incompressible, sa densité se rapproche plus des matériaux solides, et aussi de la densité du corps humain. Les impédances sont proches et cela va entraîner des changements dans la transmission des ondes d’un milieu à l’autre. Dans l’eau, les ondes sonores traversent le corps humain et celui-ci est perçu comme transparent par l’onde.

2.1.1.4. Facteur d’amortissement

Voici un tableau du facteur d’amortissement a en fonction de la fréquence:

f (kHz)	0,1	0,3	1	3	10	30	100	300	1000
a (dB/km)	0,001	0,01	0,07	0,1	1	5	30	100	500

Dans le spectre audible on remarque que les pertes sont minimes en fonction de la distance parcourue. L’atténuation sera donc entièrement due aux pertes par divergence (cf § suivant) et aux pertes par transmission au niveau des parois.

2.1.2 Les ondes élastiques de compression

Les ondes acoustiques dans les liquides et les gaz obéissent aux mêmes lois de la mécanique des fluides. Comme pour le milieu aérien, on peut donc partir de l’équation de d’Alembert pour déterminer la pression acoustique p :

Pour une propagation dans une seule direction, l’équation devient :

et admet comme solution :

avec f ₀, la fréquence de l’onde sinusoïdale.

Lorsque l’on considère la propagation selon les trois directions de l’espace supposé isotrope, on montre que la solution est une onde sphérique d’équation :

avec une décroissance en 1/r de l’amplitude de l’onde, soit -6 dB par doublement de distance.

L’intensité acoustique I à une distance R du point d’émission est donnée par la relation:

L’intensité acoustique est une grandeur homogène au carré de la pression acoustique. Elle décroit donc en 1/r² soit -3 dB par doublement de distance.

2.1.3 Échelle de mesure et pression de référence

L’unité de mesure utilisée sera toujours le décibel, et l’abréviation « log » signifie logarithme de base 10. Lorsque l’on souhaite parler d’un niveau absolu de pression, il est nécessaire d’avoir une pression de référence. Sous l’eau, celle- ci n’est pas 20 µPa comme dans l’air (seuil d’audition à 1 kHz) mais de 1µPa, soit 26 dB de plus que pour l’air.

p_ref=1.10^—6 Pa

On ne parle donc plus de dB SPL (Sound Pressure Level), mais de dB SL (Sound Level), à ne pas confondre avec le dB SL (Sensation Level) utilisé en psychoacoustique.

2.2 Perception auditive en milieu aérien

Cette partie a pour objectif d’expliquer brièvement le fonctionnement de l’oreille, ainsi que les facteurs de localisation. En effet, si les mécanismes des différentes parties des oreilles jouent un rôle dans la perception aérienne classique, ce n’est plus vraiment le cas sous l’eau.

2.2.1 Fonctionnement de l’oreille humaine

2.2.1.1. L’oreille externe

L’oreille externe est composée du pavillon (pinna) et du conduit auditif externe.

Elle joue un rôle d’amplification pour certaines bandes de fréquences :

• La forme du pavillon permet d’amplifier un signal sonore de 10 à 15 dB vers 5 kHz.
• Le conduit auditif externe amplifie le signal de 15 à 20 dB vers 2 kHz.

2.2.1.2. L’oreille moyenne

L’oreille moyenne va du tympan à la fenêtre ovale en passant par les osselets qui sont au nombre de trois: le marteau, l’enclume et l’étrier. Elle comprend aussi la trompe d’Eustache, qui permet de rétablir la même pression de part et d’autre du tympan grâce à sa communication avec le pharynx.

La chaîne des osselets est solidaire du tympan. La transmission est donc solidienne et elle joue le rôle d’adaptation d’impédance. Le rapport des surfaces entre le tympan et l’étrier est de 20 pour 1. Si l’on ajoute un effet de levier engendré par les osselets, la pression se retrouve multipliée par 26, soit une hausse de 30 dB environ. Cela nous donne la fonction de transfert suivante:

2.2.1.3 L’oreille interne

L’organe principal de l’oreille interne est la cochlée. C’est là qu’opère la transduction mécanique/électrique. Elle joue le rôle d’analyseur de spectre grâce à la membrane basilaire. Les fréquences s’étalent des aigus aux graves sur cette membrane à rigidité décroissante en forme d’escargot. Elles sont transmises à des cellules ciliées situées dans l’organe de Corti. Les influx nerveux sont ensuite envoyés au cerveau et sont traités dans le système auditif central.

2.2.2 Écoute binaurale

2.2.2.1 Définition

L’écoute binaurale est la capacité de percevoir un stimulus sonore dans les deux oreilles. La localisation se fait par différence interaurale d’intensité (DII), et de temps ou de phase (DIT).

2.2.2.2 Différences interaurales de temps

Les différences interaurales dites de temps correspondent à une différence de temps d’arrivée, ce qui équivaut à une différence de phase. On trouvera donc dans la littérature les deux termes pour désigner les DIT.

La différence de temps d’arrivée peut être calculée pour une source provenant de l’infini (approximation valable pour une distance grande par rapport aux dimensions de la tête) de façon suivante:

Dans la modélisation de Woodworth, la tête est modélisée par une sphère. La différence de temps d’arrivée de l’onde aux deux oreilles est :

Δ t= Δ d / c= r (α+sin α) / c

La différence de phase permet de localiser si la longueur d’onde de l’onde incidente est grande devant la différence de marche  Δ d, c’est-à-dire pour les basses fréquences (jusqu’à 1,5 khz).

2.2.2.3 Différences interaurales d’intensité

Les différences d’intensité (DII) se produisent car les ondes sonores sont partiellement diffractées par la tête, de telle sorte que le signal atteignant l’oreille opposée à la source est atténuée. Ces différences sont donc propres à chaque individu,

et on peut les mesurer en réalisant une fonction de transfert de l’oreille, appelée HRTF (Head- Related Tansfer Function).

Les aigus étant plus diffractés par la tête, les DII permettent donc de localiser plutôt les hautes fréquences à partir de 1,5 kHz. On peut ainsi définir des domaines fréquentiels de localisation qui privilégient l’une ou l’autre méthode:

DIT∈1,5kHz∈DII

2.2.2.4 Localisation dans le plan azimutal

Dans le cas d’une écoute stéréophonique, quel que soit l’espacement des enceintes, celles- ci se trouvent dans le plan azimutal. Voici quelques expériences psychoacoustiques concernant la localisation dans le plan azimutal.

En 1796, Venturi met en évidence des confusions avant/arrière. En 1877, Ralegh note des confusions entre positions symétriques par rapport à l’axe des oreilles : cela crée des cônes de confusion dont l’axe de symétrie est celui des oreilles.

Le MAA (Minimal Audible Angle) a été étudié par Mills à partir de 1958 : il caractérise le pouvoir séparateur du système auditif dans le plan azimutal.

L’oreille arrive à séparer des sons purs dans le plan azimutal espacés de 1 à 3 degrés pour une source frontale, et les performances se dégradent vers l’axe des oreilles (cône de confusion). Les performances se dégradent aussi vers 2 kHz (le son est toujours perçu à l’avant) et vers 8 kHz (le son est perçu en haut).

2.2.3 Indices monauraux

Les cavités pavillonnaires de l’oreille externe créent des réflexions et des résonances. Cela induit une amplification de certaines fréquences (cf § 2.2.1.1.).

La géométrie des pavillons implique également des réflexions du signal incident : une partie de ce signal est réfléchie vers le conduit auditif avec un certain retard. De ce fait, l’addition du signal primaire et de ces réflexions constitue un indice supplémentaire de localisation qui permet notamment de résoudre des ambiguïtés avant/arrière.

2.3 Perception auditive en milieu subaquatique

Sous l’eau, le mode de conduction des ondes sonores est totalement différent du milieu aérien ; cela va entraîner notamment des pertes de sensibilité (au sens des décibels), et des changements dans les mécanismes de localisation.

2.3.1 Mode de conduction

La forte impédance de l’eau (Z_eau =1,5. 10⁶ Pa.s.m^—1 ) est responsable de la perte des mécanismes de l’oreille externe et de l’oreille moyenne. L’énergie est alors transmise à l’oreille interne par conduction osseuse de la boîte crânienne.

2.3.1.1 Détérioration des mécanismes de l’oreille

À partir du milieu du XXᵉ siècle, des travaux montrent l’inactivité des mécanismes de l’oreille (Sivian, 1947, Hamilton, 1957). Trois raisons sont avancées:

1. Z_eau=Z_pavillon  : les pavillons ne jouent plus leur rôle d’amplificateur.
2. Le canal auditif se trouve rempli d’un liquide ayant une vitesse de propagation importante.  Cela provoquerait un raccourcissement du canal, et donc un abaissement des ∆t.
3. L’onde qui arrive aux osselets n’est plus correctement transformée. Hollien (1973) explique cela de la façon suivante: dans l’air, le son se propage sous forme haute amplitude/faible force (Af), alors qu’en milieu liquide, c’est une propagation faible amplitude/haute force (aF). L’oreille moyenne ope$re dans l’air en convertissant la force du signal pour que celui- ci soit proche des propriétés du liquide cochléaire. Ainsi, les adaptations d’impe#dance implique#es dans l’audition ae#rienne sont du type Af-aF. Mais si l’oreille est immerge#e, les transformations subies sont de type aF-Af-aF, a$ cause de la présence d’eau dans le canal en amont des osselets. L’oreille moyenne aurait une fonction de réduction d’énergie dans l’air qui ne pourrait pas être maintenu dans l’eau…

On pourrait aussi penser que c’est la transition eau/air (bulle d’air dans l’oreille) qui ne s’opèrerait pas, mais il se trouve qu’on entend aussi bien avec de l’eau jusqu’au tympan (Hollien & Brandt, 1969). L’expérience a aussi été menée lors de ce mémoire et elle invalide l’hypothèse de la transition eau/air.

2.3.1.2 Conduction osseuse et conduction du crâne

Notre squelette, et particulièrement notre crâne, rentrent en résonance aussi bien dans l’air que dans l’eau. L’énergie est transmise à l’oreille interne via l’os temporal (os pair du crâne situé au niveau de la tempe). Les basses fréquences notamment sont ressenties physiquement à fort niveau en aérien. Seulement, dans l’eau, les seuils de perception de l’oreille sont 30 à 50 dB plus élevés que les seuils de perception « crâniens », ce qui fait que la perception par conduction osseuse prend le dessus dans notre perception.

2.3.1.3 Conséquences sur la sensibilité auditive

Les seuils de sensibilité subaquatiques sont donc de 30 à 50 dB supérieurs aux seuils aériens. La perte de l’amplification par le pavillon et le conduit auditif mettent donc la perception « crânienne » au même niveau que la perception par les oreilles (cf expériences oreilles bouchées/débouchées § 4.6.4). Ces seuils montent encore lorsque le crâne est recouvert d’une capuche, et ils augmentent aussi en fonction de la profondeur.

Le seuil de la douleur sous l’eau est d’environ 160 dB, mais il faut être prudent en pratique car on ne sait pas à quel point des vibrations puissantes (de basses fréquences notamment) peuvent avoir un impact sur le crâne.

2.3.2 Mécanismes de localisation

Les rares études consacrées à la localisation auditive subaquatique ont abordée le sujet à partir d’une estimation théorique de la taille des indices spatiaux, en prenant en compte la célérité et l’impédance de l’eau. D’après cette estimation, les propriétés acoustiques de l’eau causent une telle dégradation des indices de localisation que les auditeurs immergés devraient être incapables de localiser des sources.

Néanmoins, des études récentes ont montré que des plongeurs arrivaient à localiser de façon convenable et bien supérieure au hasard (S. Savel, 2001; F. Bernaschina, 2003), ce qui permet d’aborder les tests à venir avec un certain optimisme.

2.3.2.1 Différences interaurales de temps

La célérité dans l’eau étant de 1500 mètres par seconde, les différences interaurales de temps (DIT) sont divisées par 4,5. Il faut rajouter à cela le fait que la distance à prendre en compte n’est plus la distance interaurale (environ 18 cm) mais la distance inter- cochléaire (10 cm) et qu’il n’y a plus de contournement du crâne puisque les ondes traversent le cerveau, soit un rapport 9 entre les DIT aériennes et subaquatiques.

Pour une onde arrivant avec une incidence θ par rapport à l’axe de la tête, la différence inter- cochléaire de temps est donc donnée par:

Voici une courbe qui compare le modèle aérien et le modèle subaquatique:

Les DIT subaquatiques sont largement inférieures aux DIT aériennes. On retrouve le rapport 9 entre les mesures sous l’eau et hors de l’eau pour un même azimut.

2.3.2.2 Différences interaurales d’intensité

La tête étant « transparente » sous l’eau, il ne peut théoriquement pas y avoir de différence interaurale d’intensité. Cela supposerait, si l’on prend en compte uniquement la perception « crânienne », qu’on localiserait uniquement grâce aux DIT, c’est-à-dire que les basses fréquences seraient localisables, mais pas les aigus. Mais on ne peut pas affirmer que la perception par les oreilles ne fonctionne plus. Si les oreilles jouent encore un rôle, il se peut que les DII existent encore.

2.3.2.3 Localisation dans le plan azimutal

Une des hypothèses serait que les DIT sont perçues comme dans le milieu aérien et qu’un angle réel serait diminué d’un rapport 5 à 10. Ce qui veut dire qu’une base stéréophonique classique de 60° serait ramenée à 10° environ. Il faudrait donc se mettre quasiment entre les enceintes pour pouvoir localiser sous l’eau.

Quoi- qu’il en soit, Fenstein a montré que l’angle minimum audible (MAA) subaquatique était en moyenne de 15° dans l’axe frontal pour des sons sinusoïdaux, et que les performances pouvaient augmenter et atteindre 10° pour des sons complexes et des sinus basse fréquence (Feinstein, 1973)

Sophie Savel a réalisé des tests en 2001 sur la localisation dans le plan azimutal (Savel, 2001). Les plongeurs étaient assis dans une nacelle à 3 mètres de profondeur en Mer Méditerrannée et ils étaient entourés de 8 haut- parleurs répartis régulièrement sur le plan azimutal (0°, 45°, 90°, 135°, 180°, -45°, -90°, -135°). Elle a notamment déduit de ses expériences que les oreilles contribuaient à améliorer la localisation, même si elles n’amplifiaient pas les signaux. L’oreille joue donc encore un rôle dans la perception. Il est donc recommandé de faire des expériences avec les oreilles dégagées. De plus, des mouvements de tête augmentaient de manière significative le pourcentage de bonnes réponses et levaient l’ambiguïté avant/arrière.

2.4 Écoute musicale en petit bassin, contribution acoustique du bassin

2.4.1 État de la recherche

La recherche concernant l’audition dans un bassin rempli d’eau est inexistante, et il est très difficile de prévoir a priori comment va se comporter un tel bassin. Les recherches psychoacoustiques ne portant que sur des expériences en champ libre, à notre connaissance, aucune recherche rendue publique n’a été menée à ce jour sur le sujet.

Les commentaires susceptibles de pouvoir nous aider sont ceux des personnes qui pratiquent régulièrement des écoutes subaquatiques. Le compositeur Michel Redolfi explique que pour lui, les premières réflexions sont masquées car elles nous reviennent avant 50 ms (effet Haas), et que cela donne une impression de champ direct. Les mélomanes subaquatiques parlent de son précis et intracrânien, ce qui correspond plutôt à une acoustique sèche.

2.4.2 Éléments d’acoustique des salles

Voici quelques formules fondamentales d’acoustique des salles. Le tableau suivant donne deux résultats selon l’approche de Sabine ou d’Eyring.

(a : coefficient d’absorption, S : surface,  St  : surface totale, V : volume)

2.4.3 Adaptation au milieu subaquatique

En suivant la même démarche qu’en aérien, il est possible de déterminer par l’expérience des coefficients d’absorption pour les parois du bassin. En tenant compte de la nouvelle célérité, la formule d’Eyring deviendrait:

et ce, seulement au-dessus de la fréquence de Schroeder qui augmenterait. C’est donc une démarche hasardeuse.

Une certitude, cependant est que l’échange à la surface est quasiment nul car l’impédance de l’eau est beaucoup plus élevée que celle de l’air. Toutes les ondes sont donc réfléchies à la surface (facteur de transmission : 0,005). Il existe donc une quantité non négligeable de premières réflexions dans un bassin. De plus, une musique diffusée sous l’eau n’est presque pas audible de l’extérieur, et cela peut être intéressant car un milieu isolé est alors créé.

Lors d’une écoute réalisée dans le SPA musical proposé par Aqua Musique en novembre 2007, j’ai pu constater la présence de nombreux modes propres. Ils peuvent être dus aux dimensions restreintes du SPA, mais aussi à des phénomènes plus complexes de vibration mécanique du fait de l’incompressibilité de l’eau.

Il semble donc prudent d’attendre les commentaires des tests avant d’avancer des théories sur le champ acoustique sous l’eau.

3. Problématique et cadre expérimental

Cette partie traite de la méthodologie qui a conduit à l’élaboration des tests à partir de la problématique du mémoire, et des aspects pratiques nécessaires au bon déroulement de ces tests.

3.1 Problématique

3.1.1 Écoute musicale en bassin

La problématique principale de ce mémoire, comme elle a été mentionnée dans l’introduction, est de travailler sur une écoute la plus représentative possible d’une écoute domestique : piscine privée ou baignoire. C’est seulement dans le cadre d’une écoute confortable avec un auditeur plutôt statique qu’une écoute musicale peut être étudiée et optimisée. Dans l’optique d’expériences avec un nombre suffisant de sujets, le lieu idéal est un petit bassin de piscine municipale (6 mètres par 12 généralement).

3.1.2 Écoute stéréophonique

Même s’il s’agit avant tout de faire une étude sur la perception subaquatique au sens large, à commencer par des questions concernant le ressenti physique et la restitution musicale, la question de la localisation est majeure. Il existe à l’heure actuelle une véritable contradiction entre les études scientifiques qui affirment qu’il est possible de localiser sous l’eau et les personnes qui ont l’habitude d’écouter sous l’eau et qui soutiennent que l’écoute est monophonique. Il semblait donc intéressant de faire quelques expériences sur ce sujet.

Pour le format de diffusion, la stéréo a été choisie pour plusieurs raisons. Tout d’abord, il est très difficile de placer un système multicanal dans une piscine. De plus, les résultats positifs n’étant même pas garantis pour une simple écoute stéréophonique, il serait hasardeux de s’attaquer au multicanal. Enfin, c’est le format le plus employé et qui offre le plus large choix d’enregistrements à diffuser.

3.1.3 Sur une comparaison avec l’écoute aérienne

La problématique d’une comparaison avec un système stéréophonique hors de l’eau, la ne sera pas abordée. En effet, la perception subaquatique est trop différente de la perception traditionnelle.

Plutôt que de comparer avec le milieu aérien, il s’agit d’optimiser une écoute sous l’eau en partant du ressenti des participants et de chercher à valider un système stéréophonique nouveau.

3.2 Partenariat avec Aqua Musique

3.2.1 Domaine d’activité

Aqua Musique est une société franco- espagnole qui développe des haut-parleurs subaquatiques. Elle est fournisseur officiel de l’équipe de France de natation synchronisée, et elle a équipé plus de 15 000 piscines. Elle développe aussi des accessoires pour l’écoute subaquatique comme des nattes de flottaison.

Récemment, cette société est entrée dans une ère nouvelle avec la naissance du SPA musical, une baignoire spécialement dédiée à l’écoute subaquatique (fig 11).

3.2.2 Les haut-parleurs H062m

Ces haut- parleurs sont la version mobile d’Aqua Musique (voir fiche technique en annexe 7.1.2). Les courbes de réponses sont disponibles en annexe 7.1.2. Le système est le même que pour un haut- parleur classique, avec une membrane fixée sur une bobine mobile. L’ensemble est moulé dans un matériau plastique étanche. Un boîtier fusible de 2 ampères (bleu foncé sur la photo) placé à l’extrémité du câble isole les parties sous tension de l’installation (amplificateur) de l’eau afin d’éviter l’électrocution.

Deux haut- parleurs ont été utilisés pour les expériences (un jaune et un rouge).

3.2.3 Les attitudes d’écoute

L’aide d’Aqua Musique a été précieuse pour ce qui est des attitudes d’écoute. En effet, il y a plusieurs façons d’écouter sous l’eau. Le rendu n’est pas le même en fonction de la position de l’auditeur. On peut aussi bien écouter sur le dos en faisant la planche, sur la ventre à la surface, sur le ventre au fond du bassin, assis au fond du bassin. Cela dépend aussi des appréhensions de chacun.

Pour cela, outre les masques et les tubas prêtés par la piscine, Aqua Musique a mis à disposition des nattes de flottaison qui permettent une écoute en surface, sur le dos, particulièrement adaptée pour ceux qui se sentent moins à l’aise dans l’eau, ou qui ne souhaitent pas rester en apnée.

3.3 La Piscine Mathis

C’est dans le petit bassin de la piscine Mathis, 15 rue Mathis dans le XIXᵉ arrondissement de Paris, que se sont déroulés les tests.

Ce bassin fait 6 mètres de large, 12 mètres de long, et le fond est incliné dans le sens de la longueur. La pente est d’inclinaison régulière. La profondeur est de 55 cm d’un côté et de 1,30 m de l’autre. Des marches permettent de rentrer dans l’eau à l’endroit où l’eau est à 55cm. Cela représente un volume de 66,6 m³ et une surface totale de 128 m² de parois (200 m² en comptant la surface de l’eau).

3.3.1 Choix de la piscine

Il fallait avant tout rechercher une piscine avec un petit bassin qui simule le mieux possible une piscine privée. Le choix a été motivé par la proximité avec le Conservatoire National Supérieur de Musique de Paris d’où venaient une grande partie des participants. La piscine Mathis (Métro Crimée) répondait à ces critères. La profondeur d’eau limitée était un atout dans le sens où les participants n’avaient pas à faire d’effort pour flotter et pouvaient se consacrer pleinement à l’écoute.

De plus, le petit bassin se trouvait tout près de locaux pouvant être utilisés (infirmerie, vestiaire pour handicapés), ce qui a permis d’installer une mini- régie à l’abri des éclaboussures et des jets d’eau intempestifs provoqués par certains utilisateurs de tubas…

3.3.2 Les séances de tests

Sachant que de nouvelles questions allaient arriver au fur et à mesure des expériences, il a été décidé de faire une première série de tests comprenant des mesures physiques du bassin ainsi qu’un premier questionnaire afin de donner des pistes de recherches pour la suite. Après observation des résultats de ce premier test, une deuxième série a été programmée avec des nouveaux points à étudier.

Il a été très compliqué d’arriver à trouver des créneaux horaires pour faire les tests. Entre les horaires d’ouverture au public, les plages réservées aux scolaires, et celles réservées aux clubs, nous avons réussi à dégager des créneaux aux dates suivantes :

	Date	Horaires	Motif
Premier test	Vendredi 22 février	13h- 16h	Mesures physiques & 1er questionnaire
Deuxième série de tests	Jeudi 13 mars	14h- 16h	2ᵉ questionnaire
	Vendredi 14 mars	14h- 16h
	Jeudi 20 mars	14h- 16h	3ᵉ questionnaire
	Vendredi 21 mars	14h- 16h	4ᵉ questionnaire

3.4 Déroulement des tests

3.4.1 Description des tests

Il a été convenu que la durée des tests serait d’une heure. Les sujets peuvent difficilement rester statiques dans l’eau plus longtemps sans ressentir le froid.

Il fallait ensuite trouver un moyen de faire remplir à chaque participant un questionnaire à chaud. Les données auraient été moins précises si le questionnaire avait été rempli après la séance. Les séances ont donc été découpées en quatre parties de 15 min environ. Pendant 10 min, les participants faisaient des écoutes dans le bassin, ensuite ils avaient 5 min pour répondre aux questions de la dernière partie écoutée (les questionnaires étaient répartis sur le bord de la piscine à proximité des serviettes pour éviter les flaques et laisser le questionnaire à peu près lisible).

3.4.2 Sujets

Durant cette série de tests, 41 questionnaires ont été remplis, 6 personnes étant passées aux deux séries, cela représente 35 individus âgés de 19 à 43 ans. Les sujets possèdent pour la plupart une formation musicale de haut niveau et/ou une formation d’ingénieur du son.

Il était demandé à chaque participant en début de questionnaire s’il était ingénieur du son ou en formation, et s’il appréhendait un peu le milieu ou s’il se sentait comme un poisson dans l’eau.

3.4.3 Contenu du premier questionnaire

Les questionnaires sont disponibles dans leur intégralité en annexe (cf. § 7.3).

Une attention particulière a été apportée à la formulation des questions dans les questionnaires. Les questions sont ouvertes, posées de façon la plus objective possible, afin que les sujets soient libres de répondre comme ils l’entendent, avec leur propre vocabulaire.

Les principaux thèmes sont abordés ici afin d’avoir une vision globale des expériences, et de voir l’évolution d’un questionnaire à l’autre. (Les nouveautés (bleu) par rapport aux questionnaires précédents et les parties inchangées (orange) sont en couleur).

3.4.4 Contenu du deuxième questionnaire

On notera pour la suite que la première partie est quasiment inchangée. En effet, l’expérience étant nouvelle pour beaucoup, il est nécessaire de passer par une phase de découverte et de familiarisation.

3.4.5 Contenu du troisième questionnaire

On peut voir que l’étude sur la localisation est améliorée

3.4.6 Contenu du quatrième questionnaire

Dans ce quatrième questionnaire, la partie sur la dynamique est abandonnée. L’étude sur la localisation est encore améliorée et elle intègre maintenant une nouvelle partie sur la position d’écoute optimale.

4. Expérimentation

Les mesures réalisées à l’aide de l’hydrophone lors de la première séance ont permis de caractériser l’acoustique du bassin. Les résultats sont exposés au point suivant. Les tests perceptifs sont ensuite résumés et analysés. La totalité des réponses des sujets est disponible en annexe.

4.1 Mesures physiques

4.1.1 Description du matériel de mesure

Lors de la première séance d’expérimentation, quelques mesures ont pu être menées afin de mesurer l’acoustique du bassin et les caractéristiques des haut-parleurs. Ces mesures ont été faites à l’aide de sinus glissants de 30 secondes (générés à l’aide du logiciel Altiverb), et de bruit blanc (généré sur le logiciel Pyramix).

Si l’on cherche à déterminer les « facteurs limitants » de la chaîne audio en termes de qualité, ce sont sans aucun doute les haut- parleurs. Il était donc inutile de chercher à utiliser le matériel le plus performant possible. L’utilisation de matériel Hi-Fi se rapproche d’ailleurs d’une écoute domestique telle qu’on peut la retrouver sur des installations de ce genre. L’hydrophone qui captait le signal étant omnidirectionnel, il était positionné la tête en bas et attaché sur des « frites » en mousse. Il pouvait donc être déplacé à loisir.

4.1.2 Résultats

La remarquable linéarité de la réponse en fréquence de l’hydrophone (voir annexe 7.1.1) permet de n’imputer les résultats qu’aux haut-parleurs et au bassin.

4.1.2.1 Mesures à 1 mètre

La première mesure réalisée est celle d’un sweep de 30s à un mètre et avec un seul haut- parleur. Cela permet d’obtenir le champ acoustique généré par le couple enceinte/acoustique du bassin. Une analyse spectrale réalisée sur Wavelab permet de le visualiser, et permet aussi de comparer les résultats obtenus en fonction des deux méthodes (les fichiers audio ont été calibrés grâce à une impulsion avant chaque sweep).

Cette transformée de Fourier montre un spectre audible très « chaotique ». On note deux bosses de fréquences très marquées vers 120 Hz et entre 400 et 700 Hz. L’hydrophone était positionné à 50 cm de la surface. Cette courbe correspond à ce qu’ont ressenti certains sujets, en particulier à la surface (voir parties suivantes). Elles sont probablement dues à des modes de résonance du bassin (cf. § 4.7), d’autant plus que ces bosses n’apparaissent pas sur les courbes de réponses mesurées en annexe (cf §7.1.2.3).

On peut noter aussi que le bruit de fond est assez élevé dans une piscine municipale (en dessous de 20 Hz, il s’agit uniquement de bruit de fond). Il est dû à la filtration du bassin que nous n’avons pu stopper.

L’amplificateur délivrant une puissance telle que le haut-parleur soit proche de la saturation, on en déduit que la dynamique disponible avec le matériel d’expérimentation se limite à 35/40 dB.

Cette courbe est à comparer avec la FFT du sweep émis:

La courbe théorique devrait être plate puisque qu’un sinus glissant est sensé balayer le spectre de manière uniforme. Or, on voit qu’il existe notamment une atténuation dans les aigus…, contrairement à la transformée de Fourier d’un bruit blanc comme le montre la courbe ci-dessous :

Voici une comparaison de la mesure du bassin avec le sweep d’une part, et avec le bruit blanc d’autre part.

On remarque que les deux courbes sont assez ressemblantes si ce n’est qu’on observe une bosse dans le haut du spectre avec le bruit blanc. Cela peut être dû à deux facteurs :

• Le sweep avait une baisse dans les hautes fréquences: on le retrouve ici.
• Le niveau de diffusion ayant été calibré pour le sweep, le bruit blanc a probablement fait saturer le haut- parleur. Le spectre instantané d’un bruit blanc étant large bande, la puissance efficace est plus élevée à niveau de diffusion égal.

4.1.2.2 Mesures à 8 m

Par comparaison avec le milieu aérien, ce point de mesure est situé dans le champ réverbéré. Il devrait donc permettre de juger de la contribution réelle du bassin.

Les courbes permettent difficilement de tirer une conclusion. Elles sont en effet très ressemblantes, et la légère hausse entre 1,5 kHz et 2,5 kHz est probablement due à la présence de clapotis sur la fin de la mesure. Le peu de différence indique néanmoins qu’on a bien 2 modes de résonance du bassin.

4.1.2.3 Mesures dans une baignoire

Le champ acoustique a aussi été mesuré dans une baignoire. Il s’agit d’une baignoire classique, qui est posée sur des pieds (elle n’est donc pas moulée).

L’analyse spectrale du sweep obtenu montre la très grande « activité vibratoire » de la baignoire. Lors de l’expérience, le sweep était audible aussi fort dans l’eau que hors de l’eau. Il y a deux grands pics vers 100 Hz et vers 4 kHz. En effet, lors des écoutes en baignoire réalisées en marge des expériences à la piscine Mathis, nous avons pu nous rendre compte de l’aspect très « creusé » du spectre, avec beaucoup de basses, peu de médiums, et beaucoup d’aigus (4 kHz- 10 kHz).

4.1.2.4 Implémentation dans l’altiverb

Des réponses impulsionnelles (IR) du bassin ont été déterminées à partir des différents sweeps diffusés dans le bassin. Elles ont été obtenues par déconvolution (il s’agit en fait d’une nouvelle convolution du sweep original avec celui enregistré dans le bassin).

Cinq réponses impulsionnelles ont été implémentées (en mode mono to mono):

• A 1 mètre dans l’axe du haut- parleur
• A 1 mètre à 45° par rapport à l’axe du haut- parleur
• A 1 mètre à 90° par rapport à l’axe du haut- parleur
• A 8 mètres dans l’axe des hauts parleurs
• Dans une baignoire classique

Cela donne une bonne idée du résultat. Même si le mode de perception n’est plus le même, on ressent quand même le resserrement du spectre qui était caractéristique sous l’eau. Les haut-parleurs semblent assez peu directifs, on perçoit néanmoins une légère perte dans les aigus à 45° et à 90°. À 8 mètres, même s’il y a quelques modifications, on garde en effet l’impression d’être dans un champ direct des enceintes, enfin dans la baignoire, le déséquilibre spectral est flagrant. Les bosses de résonance sont très prononcées, mais le rendu garde toujours l’aspect « aquatique » perçu dans la piscine Mathis.

4.2 Introduction aux tests perceptifs

Comme certains points ont été abordés lors de plusieurs séances, voici un tableau récapitulatif des différents points étudiés ainsi que du nombre de personnes qui y ont répondu:

Les expériences sont regroupées par thème, sans tenir compte de l’ordre chronologique des séances de tests. Les points étudiés sont néanmoins exposés dans le même ordre que celui utilisé dans chaque questionnaire.

4.3 Ressenti physique

Cette première question (la toute première du questionnaire) est très importante car elle concerne le premier ressenti des participants après avoir écouté plusieurs extraits de styles différents. Il leur était demandé de réfléchir plus spécialement au ressenti physique mais aussi de donner leurs impressions générales. De ce fait, certains éléments relatifs aux questions ultérieures sont déjà donnés. Les aspects spectraux sont vus dans la partie suivante (partie 4.4).

4.3.1 Analyse

Pour ce test, les auditeurs pouvaient se déplacer à loisir dans le bassin et essayer différentes attitudes d’écoute. Les descriptions du ressenti permettent d’accéder à une représentation mentale des sujets et à leur façon d’aborder l’expérience. Elles ont été retranscrites dans le tableau suivant telles que les 41 participants les ont notées dans le questionnaire. Elles sont classées par ordre décroissant d’apparitions dans deux catégories : points positifs et neutres/points négatifs.  Seuls les mots de racine commune ont été assemblés (ex. surpris/surprenant) ou les synonymes vraiment proches (ex. détendant/relaxant).

Points positifs ou neutres				Points négatifs
Agréable	18	Détendant/  Relaxant	3	Pas de localisation/ Mono	9
Ressenti physique/ Dans le corps	10	Enorme/ Terrible	2	Ressenti physique des basses gênant	5
		Douceur/ Pas agressif	2
Dans la tête	6	Etrange	2	Désagréable à fort niveau	3
Immersion/ Entouré	6	Amusant/ Sympa	2	Inhomogène	2
Surpris	5	Pur	1	Fatiguant	2
Différences oreilles bouchées ou non	4	Pas de bruits extérieurs	1	Est-ce que c’est dangereux pour le cœur?	1
		On se sent bien	1
Comme au casque	3	Écoute naturelle	1	Pas assez fort	1
Même oreilles bouchées	3	Original	1	Bruit du tuba gênant	1
On perçoit la reverb originale	3	Partout	1
		Propre	1

Pour ce qui est du ressenti physique, 74 remarques sont positives, contre 23 négatives, qui plus est si l’on considère que le fait de ne pas localiser est un point négatif. En effet, une véritable question se pose quant à l’utilité de la localisation (cf. discussion § 4.6.).

C’est donc pour beaucoup de participants une expérience « agréable », « surprenante ». Beaucoup de sujets ne s’attendaient pas à ce que la perception subaquatique fonctionne aussi bien. D’ailleurs, sur les 11 personnes qui ont participé au premier test, 6 sont revenues lors de la deuxième série…

Le ressenti dépend aussi de la familiarisation avec le milieu. En effet, les commentaires négatifs ont pour la plupart été écrits par des sujets qui se considéraient comme peu à l’aise dans l’eau. Leur appréhension s’est donc traduite par une crainte vis-à-vis des vibrations.

4.3.2 Conclusions

Il s’agit donc d’une expérience très positive pour la plupart des sujets. C’est une expérience nouvelle, qui est « surprenante » et « agréable ». Les sujets sont

« immergés » et ils « perçoivent la musique physiquement », « dans la tête ». Ces « vibrations » peuvent néanmoins s’avérer « gênantes » dans les basses fréquences et à fort niveau. Enfin la « localisation semble impossible », le son étant perçu « dans le crâne ».

4.4 Rendu spectral, musical et dynamique

4.4.1 Rendu spectral

Comme pour le ressenti physique, le rendu spectral était une des pistes d’écoute lors de la première partie de chaque séance. Les réponses sont donc diverses et variées. Elles traduisent de nouvelles sensations et le vocabulaire employé par chacun et important. Cette partie sera donc traitée comme celle sur le ressenti physique, avec un tableau recensant les mots employés par les sujets et leur fréquence d’apparition. Les participants pouvaient de nouveau se déplacer dans le bassin.

Points positifs ou neutres		Points négatifs
+ de basses au fond	12	Trop de graves	9	Résonances gênantes	1
³ en fonction de la profondeur	8	Pas assez de graves	9	Extrêmement changé	1
		Pas assez d’aigus	7	Basses agressives	1
³ en fonction de la position	7	Les mediums moches en surface	7	Son téléphonique	1
				Aigus trop doux	1
Voix pop bien rendue	3	Trop d’aigus	6	Provenance  floue	1
Audible	2	Pas assez de médiums	4	Mauvaise  précision	1
Reconnaissable	2	Bande passante réduite	4	Filtrage en peigne	1
Écoute de qualité	2	Timbres modifiés	4	Sourd	1
Intelligibilité	2	Saturation/ distorsion	4
Timbres conservés	2	Manque de clarté	2
+ fort près des parois	2	Étouffé/émoussé	2
Large spectre	1	Lointain	2
Fin	1	Inégal/ Déséquilibré 2

Pour ce qui est du rendu spectral, les remarques sont formulées avec la perception aérienne comme référentiel, d’où la présence de nombreuses modifications spectrales qui peuvent apparaître comme « négatives » (62 % des remarques). La perception du timbre sous l’eau est donc très différente de celle en milieu aérien. Il est aussi intéressant de voir qu’il y a souvent une impression et son contraire (trop de graves/pas assez de graves, ou pas assez d’aigus/trop d’aigus). Bien sûr, ce sont des termes assez vagues mais cela montre bien que c’est une approche totalement nouvelle et assez difficile à décrire.

Néanmoins, deux points mis en évidence lors de ce test peuvent expliquer ces contradictions. Il s’agit des différences en fonction de la profondeur (8 fois mentionnées) ainsi que des différences en fonction de la position (7 fois mentionnées). Cela met en évidence le fait qu’un bassin est un volume inhomogène, et que la perception varie en fonction de la position (même indépendamment de la distance aux hauts- parleurs). Les auditeurs ont donc répondu différemment en fonction de leur attitude d’écoute et de leur position dans le bassin. Un fait à peu près certain est qu’il y a beaucoup de médiums à la surface et beaucoup de basses au fond.

4.4.2 Rendu musical

À la question « Trouvez-vous que certains extraits sont moins bien restitués que d’autres ? », 38 sujets ont répondu « oui », soit 93% des participants.

Comme tous les sujets n’ont pas écouté les mêmes extraits, le tableau suivant regroupe les données des différents tests et permet d’établir un classement subjectif des extraits qui ont été perçus comme ayant « le moins bon rendu »:

Genre musical	Moins bon rendu	Sujets interrogés	Pourcentage
Classique	31	41	73 %
Electro	7	41	17 %
Voix Parlée	2	11	18 %
Jazz	1	11	9 %
Techno	2	11	18 %
Chant grégorien	11	28	39 %
Pop	1	28	3%

Les raisons principales évoquées pour expliquer le mauvais rendu de certaines musiques sont :

• La dynamique de certains extraits qui est très mal restituée sous l’eau, ce qui est vrai pour la musique classique (notamment pour l’extrait symphonique qui était un grand crescendo orchestral).
• Les extraits qui demandent de la finesse au niveau de la restitution des timbres, ainsi que de la richesse spectrale. Les transitoires étaient altérées dans l’orchestre.
• Pour la techno et l’électro, les raisons avancées étaient souvent des basses qui étaient désagréables et trop présentes. Ce sont d’ailleurs les mêmes personnes qui ont été sensibles aux vibrations et aux basses fréquences lors de la question sur le ressenti physique.

Lors du premier test, les très bons résultats concernant l’intelligibilité de la voix parlée (10 sur 11 ont tout compris, et le dernier a presque tout compris) ont permis d’abandonner des idées de tests d’intelligibilité pour les séances ultérieures, la qualité d’écoute étant globalement très bonne.

4.3.3 Rendu dynamique

Le premier test avait permis de mettre en évidence le fait qu’une grande dynamique était mal restituée lors d’une écoute subaquatique, d’où l’idée d’un test sur la compression.

Deux extraits (un jazz et un classique) ont été diffusés à trois reprises, dans la version originale, avec une compression de 2:1 (Seuil: -40 dBFS, Attaque: 10 ms, Release: 300 ms) et avec une compression de 10:1 (mêmes réglages). Les trois extraits étaient diffusés dans un ordre pris au hasard et il était demandé aux participants d’identifier les versions. La notion de compression étant délicate pour certains, seuls les résultats des ingénieurs du son (ou ingénieurs du son en devenir) sont exposés ici :

Pour l’extrait Jazz, il y a eu 73 % de bonnes réponses (le probabilité de donner la bonne réponse en répondant au hasard est de 16,6 %). C’était un morceau qui était déjà compressé par ailleurs. Par contre, pour l’extrait classique, il n’y a eu que 46 % de bonnes réponses, alors que les versions compressées à 10:1 en auraient fait bondir plus d’un en aérien. De plus, si l’on considère que deux personnes ne se sont pas prononcées pour l’extrait classique, le pourcentage de réussite passe à 40 %. Cela reste néanmoins supérieur au hasard.

La perception de la dynamique semble donc très limitée sous l’eau. Quant à savoir s’il peut être intéressant de compresser des œuvres avec une grande dynamique, les réponses sont partagées. Certaines personnes ont estimé que la compression était nécessaire sur certains extraits (classique notamment) alors que d’autres pensaient que dans un contexte moins bruyant, une grande dynamique aurait pu être intéressante.

4.4.4 Conclusions

Cette première approche avec l’écoute subaquatique a rencontré un vif intérêt et a permis de fixer les points suivants :

4.5 Contribution du bassin

4.5.1 Acoustique du bassin

Une première expérience sur l’acoustique du bassin a été faite lors de la première série de tests. Comme les références sur la question manquaient cruellement, les questions étaient d’ordre général. Il était demandé aux 11 participants de prêter attention aux notions de champ proche, de champ lointain et de distance critique.

Les enceintes étaient disposées à mi-hauteur, là où il y avait 1m 30 de profondeur, et dirigées vers le reste du bassin. Par analogie avec le modèle aérien, une partie de la piscine était dans un champ supposé proche (près des haut- parleurs), l’autre partie était dans un champ supposé diffus.

La première question posée après 10 minutes d’écoute était :

« Peut-on adapter la théorie aérienne sous l’eau et considérer qu’il y a un champ direct et un champ réverbéré ? »

Sur 11 participants, 7 ont pensé que c’était impossible. Il leur semblait que le « rapport son/direct son réverbéré ne changeait pas », qu’il n’y avait « aucun espace ». La seule différence entre une position proche et une position lointaine était une différence de niveau. Certains sujets ont aussi remarqué que le volume augmentait à proximité des parois.

Ceux qui ont dit que la théorie aérienne pouvait s’appliquer parlaient néanmoins de réverbération « sèche », « assez neutre » ou encore d’« acoustique peu réverbérante ». Les différences entre son direct et son réverbéré étaient perçues comme des modifications spectrales.

Pour tous les sujets qui ont répondu à la question (9 sujets), le point d’écoute optimal se trouvait être dans la zone où il y avait le plus de niveau sonore.

Enfin, un point intéressant qui correspond à la théorie est que la présence de personnes entre l’auditeur et les enceintes ne modifie en rien la perception. Le corps est donc bien perçu comme transparent par l’onde. Cette question était nécessaire au premier test afin de savoir si les écoutes devaient être individuelles ou non par la suite.

4.5.2 Homogénéité du bassin

Lors de la deuxième série de tests, une expérience a été menée pour essayer de caractériser l’inhomogénéité du bassin, et plus particulièrement les différences en fonction de la profondeur qui avaient été mises en évidence lors du premier test.

Deux extraits de 30 s chacun (classique puis jazz latino) ont été diffusés à deux reprises avec deux positionnements d’enceintes différents.

Les participants devaient écouter au fond du bassin et en surface afin de noter les différences entre les 2 placements d’enceintes. Ils devaient ensuite essayer de déterminer une position d’écoute et un positionnement d’enceintes préférés.

Les résultats pour ce qui est des différences de perception en fonction de la profondeur vont dans le même sens que lors des impressions générales à la première question:

• Plus de basses au fond et plus fort
• Médium renforcé en surface
• Immersion meilleure au fond

Néanmoins, la position des enceintes joue un rôle non négligeable:

• Plusieurs personnes trouvent que les enceintes en surface donnent un rendu plus homogène.
• Les personnes en faveur des enceintes au fond font ressortir une meilleure définition ainsi qu’un gonflement des basses agréable.

Peut- on alors déterminer un couple « position d’écoute/placement d’enceintes » qui serait optimal?

On voit que les résultats sont assez variés, et dépendent des goûts de chacun.

Néanmoins, certaines lignes ressortent :

• Préférence pour une écoute au fond (64 %)
  • avec les enceintes en surface (équilibre, immersion)
  • avec les enceintes au fond (volume, immersion, plus de basses)
• Lors d’une écoute en surface il vaut mieux mettre les enceintes au fond (si par exemple les enceintes sont encastrées).
• Certaines personnes ont proposé d’elles- même une version intermédiaire (trop de graves au fond, pas assez en surface)

4.5.3 Conclusions

Les expériences relatives au champ acoustique dans le bassin permettent de tirer les conclusions suivantes:

4.6 Localisation

Les tests de localisation subaquatiques ont été très surprenants. Les adeptes de l’écoute subaquatique affirment que la perception est mono, dans la tête. Une autre question se posait : « Quel intérêt avons-nous à localiser ? » En effet la sensation interne, qui est « laissée pour compte après la naissance » (N. Canivenq), serait peut-être affaiblie en cas de localisation. Les trois points suivants montrent l’évolution qu’ont connu les questionnaires afin d’arriver à des résultats probants.

4.6.1 Localisation frontale

Lors du premier test, quatre extraits ont été proposés:

• Un extrait symphonique diffusé uniquement à gauche ou uniquement à droite (4 fois le même extrait, dans l’ordre G, G, D et D)
• Un extrait de maracas qui passait d’une enceinte à l’autre (aucun indice sur le nombre de changements, le chemin parcouru était G, D, G, D et puis Centre)
• Un extrait de Rock (une guitare à gauche, l’autre à droite)
• Un extrait de musique symphonique (pour essayer de distinguer des plans sonores)

Les 11 sujets étaient placés sur la ligne médiane (autant que possible vu le manque de place).

Les réponses correctes sont uniquement les séquences reconnues dans leur totalité. La réponse G,D,G,D était considérée comme bonne pour les maracas.

Les résultats sont donc très bons (resp. 64 % et 73 % de bonnes réponses), la réponse aléatoire se situant à 12,5%. De plus, ce ne sont pas les mêmes sujets qui n’ont pas trouvé chacune des séquences : en effet, 3 de ceux qui n’ont pas trouvé l’extrait symphonique se sont rapprochés du plan des enceintes pour les maracas et ont donné la bonne réponse. Les réponses sont en effet meilleures pour les personnes situées devant. Certains ont même trouvé cela « facile ». Cela confirme l’idée que l’angle d’écoute sous l’eau est beaucoup plus élevé qu’en aérien, pour obtenir de bons résultats (cf § 2.3.2.3)

Après discussion, il a été mis en évidence qu’on localisait « par hémisphère », mais que cela restait une perception intra- crânienne.

Par contre pour les extraits plus complexes, les réponses sont nettement plus mitigées. En effet, les rares personnes qui ont entendu les guitares en stéréo dans l’extrait Rock ont avoué avoir été influencés car c’est une pratique fort courante, ou encore parce qu’ils connaissaient le morceau. Et en ce qui concerne l’extrait symphonique, personne n’a pu répondre, ou alors c’était encore une fois par connaissance avouée de la disposition d’un orchestre symphonique.

4.6.2 Localisation dans le plan des enceintes

4.6.2.1 Séances du 13 et 14 mars 2008

Comme la localisation se fait par hémisphère, les résultats devraient être maximisés dans le plan des enceintes. C’est ce qui a été fait lors de ces deux séances.

Les 13 sujets passaient par quatre au maximum, en carré, entre les deux enceintes.Les extraits étaient diffusés par ordre de complexité croissante:

• Un duo de guitares acoustiques (pané G/D)
• « Bang Bang » de Nancy Sinatra (guitare électrique à droite, voix à gauche)
• Un extrait électro (voix panées, sons tournants)
• Un extrait symphonique (la difficulté ultime, une fois de plus)

Les réponses s’affinent nettement lorsqu’on se trouve dans le plan des enceintes. Par contre, pour ce qui est de l’intérêt de la localisation, les voix ne sont pas unanimes : 55 % pensent que c’est intéressant, 45 % pensent que cela ne vaut pas la peine. Cela dit, les sceptiques vis-à-vis de la stéréophonie existent aussi pour les écoutes aériennes…

4.6.2.2 Séances du 20 et 21 mars

Pour vraiment entendre quelle était la contribution de la stéréo par rapport à la mono, il a été décidé lors des deux dernières séances de diffuser d’abord chaque extrait en mono, puis en stéréo.

Les résultats ne sont pas meilleurs en termes de localisation avec une écoute monophonique au préalable. Au contraire, les résultats sont moins bons, mais c’est probablement lié au fait que plusieurs sujets n’étaient pas ingénieurs du son. Par contre, les sujets se sont accordés à dire que la stéréo donnait un meilleur rendu (surtout pour la musique classique). Les mots qu’ils ont employés sont restitués par fréquence d’apparition :

Sensation d’espace	4	Précision	1
Aéré	3	Largeur	1
Plus de définition	2	100 fois meilleur	1
Clarifie	2	Plus Ample	1
Profondeur	1	Mieux	1
Enveloppement meilleur	1	Ça respire	1
Plus agréable	1

Ces réponses sont collectées sur les 17 personnes qui ont pu comparer chaque extrait en mono et en stéréo.

4.6.3 Point d’écoute

Une dernière question est survenue suite aux résultats précédents. Maintenant que l’apport de la stéréo a été démontré, rien ne nous oblige à localiser complètement à 180°. Trois sujets ont même dit que la localisation les fatiguait. De plus, nous sommes plus habitués à écouter de la musique en position frontale. Il s’agirait donc de trouver un compromis entre localisation et confort d’écoute et d’essayer de définir un point d’écoute optimal. Cela permettrait de valider l’hypothèse théorique selon laquelle l’angle d’écoute est environ 6 fois plus grand en aérien (cf. § 2.3.2.3).

La formulation de la question il est vrai suggérait une réponse en retrait par rapport à l’axe des enceintes. Voici néanmoins ce que les participants ont noté :

Lorsque l’auditeur n’est plus dans le plan des enceintes, la sensation d’espace est quand même bonne avec une diffusion stéréo, et la localisation est encore possible (le test de localisation frontale l’avait partiellement démontré). Il est donc possible de choisir une position d’écoute plus frontale. Les sujets disent que l’on « perd en définition », mais on « gagne en confort ». La définition peut cependant être améliorée en orientant les enceintes dans l’axe de l’auditeur (forte directivité des enceintes (cf § 4.1.2.4, et page 94).

4.6.4 À propos des oreilles bouchées

Lors de la dernière séance, les sujets ont pu écouter avec une indication supplémentaire : oreilles bouchées ou oreilles libres. Il se trouve que la perception est changée lorsque les oreilles sont bouchées.  Certainesw personnes l’avaient d’ailleurs noté dans les premières impressions:

• Le son est plus défini
• On a une perte de niveau dans les basses fréquences
• On perd une partie de la sensation d’espace

Cela signifie que les mécanismes de l’oreille jouent quand même un rôle dans la perception subaquatique.  La perception solidienne serait doublée d’une perception

« classique », essentiellement dans les basses fréquences, et cela créerait un nouvel espace. La contribution sonore des oreilles serait analysée avec un certain retard par rapport à la perception « crânienne », et c’est ce qui créerait cette nouvelle sensation d’espace.

Ces résultats vont dans le sens de la théorie : puisque les éléments de localisation sont donnés par les différences interaurales de temps, ce sont bien les basses fréquences qui donnent la sensation d’espace (cf. § 2.3.2.1). Cela confirme aussi les résultats de Sophie Savel qui avait noté que les mécanismes de l’oreille jouaient un rôle dans la localisation (cf. § 2.3.2.2).

La sensation d’espace, de réverbération liée au bassin ne serait donc essentiellement qu’une illusion due à notre double perception.

4.6.5 Conclusions

Cette conclusion récapitule les points importants concernant la localisation:

4.7 Recherche post-expérimentale

Les études ci-dessous ont été effectuées a posteriori, après analyse des tests perceptifs, afin d’essayer de faire concorder les dires des participants et les résultats scientifiques.

4.7.1 Étude modale

4.7.1.1 Pour la piscine Mathis

La forme du bassin étant presque parallélépipédique, une étude modale peut apporter des éléments de réponse quant au champ acoustique mesuré dans le bassin.

Les modes sont susceptibles de s’installer :

• Dans la largeur (entre les parois de 6m)
• En hauteur (entre l’eau et le fond). Il existe une pente d’inclinaison très faible, mais cela comprend les deux plus grosses surfaces du bassin
• Dans la longueur, mais les marches du petit bain cassent le parallélisme

L’étude des premiers modes axiaux avec une célérité de 1500 m/s donne:

Le mode suivant la longueur n’est en effet pas présent dans le bassin, par contre, les modes de 125 et 680 Hz correspondent exactement aux deux bosses trouvées avec le sweep à 1 m (il y avait 1m 10 de fond environ au niveau de la prise). Ces modes sont hauts en fréquence en comparaison avec les modes d’acoustique des salles. Cela est dû à la célérité du son dans l’eau qui est 5 fois plus élevée que dans l’air. Le mode qui s’installe en hauteur est même plus fort que celui de la largeur puisque la surface est très réfléchissante.

Néanmoins, on remarque sur le sweep à 8m que la bosse qui correspond au mode propre en hauteur reste à peu près dans la même zone de fréquence, alors qu’elle devrait être plus haute en fréquence (vers 900 Hz pour h=85 cm) ce qui laisse quelques doutes. De plus, on devrait quand même apercevoir des raies correspondant aux modes (0,2,0) à 250 Hz, (0,3,0) à 375 Hz, (0,4,0) à 500 Hz et (0,5,0) à 625 Hz, ce qui n’est pas le cas.

On peut cependant formuler l’hypothèse suivante:

4.7.1.2 Pour la baignoire

Les dimensions de la baignoire sont approximativement de 145 cm dans la longueur (à mi-hauteur), 50 cm dans la largeur (à mi-hauteur toujours), et elle était remplie d’eau à hauteur de 30 cm environ.

L’étude des premiers modes axiaux avec une célérité de 1500 m/s donne:

On remarque que cette fois, l’analyse modale ne donne aucun résultat valable puisque les deux bosses mesurées étaient à 100 Hz et à 4 kHz (cf. § 4.1.2.3). Ces modes tombent en plein dans la zone creusée du spectre. Il s’agit donc bien de phénomènes vibratoires complexes de la structure, plutôt que de modes acoustiques.

4.7.2 Acoustique des matériaux

L’extrême sécheresse de l’acoustique ajouté au fait que la musique s’entend à plusieurs mètres du bassin lorsque l’on pose son oreille contre le sol, a fait germer quelques pistes de recherche en acoustique des matériaux. De plus, la largeur des bosses de présence relevées avec l’hydrophone ne peut pas être due uniquement à des modes propres (la bosse de présence serait plus sélective). D’où l’idée de partir des caractéristiques physiques des matériaux.

La piscine est considérée comme entourée de béton. L’impédance acoustique d’un matériau tel que le beton est :

Z_beton =p_beton c_beton

La masse volumique du béton varie en fonction de la qualité. Pour un béton ordinaire on peut prendre:

p_beton=2200kg.m^—3

Pour ce qui est de la vitesse, elle varie aussi en fonction de la quantité de bulles d’air enfermées dans le béton. Pour un béton ordinaire :

c_beton=3200m.s^—1

soit :

Z_beton = 7.10⁶ kg.m^—2.s^—1

Le facteur de transmission est :

La moitié de l’onde est transmise! En comparaison, le facteur de transmission air beton est 1.10^—4, soit un rapport 3500.

Le libre parcours moyen d’une onde entre deux parois étant :

l_m= 4V / S_beton =2,10 m

En 10 ms, l’onde a parcouru 15 mètres environ. Son amplitude est (1—0,35)⁶=0,075 par rapport à l’amplitude initiale, soit une perte de 23 dB ! Et cela, sans compter les pertes en 1/r dues à la divergence sphérique. Le bassin serait donc un espace anéchoïque, excepté à la surface.

De plus, dans les matériaux solides, le transport d’énergie se fait aussi par ondes transversales, ou ondes de cisaillement, et non plus uniquement par l’onde acoustique longitudinale. Le bassin rentrerait donc en vibration. Cela installerait des résonances aux fréquences qui correspondent aux dimensions du bassin. Il ne s’agit plus de modes au sens acoustique avec des réflexions et une notion temporelle de la résonance, mais d’un état de résonance établi, d’où une deuxième hypothèse:

Les courbes de réponse mesurées à l’Ifremer de Toulon montrent de plus que ces vibrations dépendent de l’encastrement du bassin. Autant le bassin de la piscine Mathis rentre facilement en vibration car il n’est pas ancré dans le sol (une salle des machines se situe juste en dessous), autant le bassin d’essai de l’Ifremer vibre peu car il est en bord de mer et les ondes peuvent donc « s’échapper » vers le large (cf § 7.1.2).

5. Discussions, conclusions et perspectives

5.1 Synthèse des différentes expériences

Lors de chaque expérience, le premier quart- d’heure étaitdestinéé à la familiarisation des sujets avec ce nouveau milieu et cette nouvelle façon d’écouter de la musique.

Ce qui est ressorti de ces premières impressions subaquatiques est que la musique est vraiment ressentie physiquement, organiquement, grâce aux vibrations transmises par l’eau. Les oreilles ne fonctionnent pas sous l’eau de la même manière qu’en aérien. Le son est perçu à l’intérieur de la tête, ce qui augmente l’effet d’immersion qui existe par nature sous l’eau. Les ondes traversent d’ailleurs le corps humain, et le nombre de personnes dans l’eau ne modifie donc pas le champ acoustique dans le bassin;

Plusieurs remarques ont porté sur le rendu spectral. Il est en effet différent en fonction de la position de l’auditeur en profondeur. A distance équivalente des haut-parleurs, il existe une bosse dans les mediums lors d’une écoute en surface, alors que les basses sont renforcées au fond du bassin. De ce fait, les non- linéarités du spectre relevées à l’aide d’un hydrophone sont certes imputables à la réponse en fréquence des haut- parleurs, mais aussi aux caractéristiques du bassin, qui est un milieu inhomogène.

Pour la plupart des participants, les différents styles de musique n’ont pas le même rendu sous l’eau. Le milieu aquatique restitue très mal les dynamiques, et les finesses de timbre ne sont pas toujours perçues. La restitution d’instruments acoustiques est assez délicate.

La contribution acoustique du bassin est originale : ce dernier ne donne aucune impression d’espace, et l’auditeur a l’étrange sensation d’être en permanence dans le champ direct des enceintes, même lorsqu’il est à l’autre bout du bassin. Les seuls indices de l’éloignement par rapport aux haut- parleurs sont des différences de niveau. En plus des différences liées à la profondeur d’écoute citées plus haut, le bassin possède une empreinte acoustique : une bosse de présence entre 100 et 120 Hz, ainsi qu’une bosse vers 600, 700 Hz. Ces deux bosses de présence correspondent aux deux premiers modes axiaux dans le sens de la largeur et de la hauteur. Ils sont néanmoins perçus comme une coloration du son direct et non comme une réverbération. La position d’écoute ainsi que l’emplacement des enceintes est très important car la perception en est vraiment modifiée.

Contrairement aux premières impressions, la localisation sous l’eau est possible. Nous avons sous l’eau l’impression de localiser par hémisphère de cerveau. Cela induit une localisation optimale dans le plan des enceintes, avec un espacement d’enceintes de 180 degrés. La localisation ne marche que pour des morceaux avec des sources très latéralisées. Cependant une écoute stéréophonique apporte une réelle sensation d’espace, comme si les sources se répartissaient dans le cerveau, ce qui augmente l’intelligibilité de la musique et le confort d’écoute.

Enfin, les oreilles semblent quand même jouer un rôle dans la perception subaquatique. Le rendu des basses fréquences est modifié. Lorsque nos oreilles sont dégagées, elles donnent une sensation d’espace supplémentaire grâce à ce nouvel apport de basses fréquences. La perception classique additionnée avec un léger retard à la perception « crânienne » créerait une illusion d’espace.

5.2 Perspectives de recherche

Ce mémoire permet de proposer des idées diverses afin d’optimiser une écoute subaquatique.

Tout d’abord, lestestst perceptifs et les mesures réalisées dans le bassin permettent d’établir plusieurs pistes pour améliorer le système de diffusion et pour l’adapter au volume dans lequel il est immergé:

• La courbe de réponse du système peut être linéarisée, afin de rétablir une écoute plus naturelle, minimisant ainsi les résonances engendrées par le bassin.
• Les résonances engendrées par les vibrations du bassin peuvent être atténuées grâce à une étude sur la composition des matériaux. Les formes de bassin peuvent aussi jouer un rôle et atténuer ces résonances.
• Un travail sur la diffusion stéréophonique ainsi que sur le positionnement des haut- parleurs peutaugmenterr la qualité de la perception, notamment si la position de l’auditeur est fixe.
• Un traitement en fonction de la profondeur est aussi envisageable afin de rendre le champ acoustique plus homogène.

Des pistes de recherche sont aussi lancées pour créer de la musique prévue spécialement pour ce milieu:

• Les morceaux qui ont le meilleur rendu sont ceux qui ont un spectre très large et creusé dans le bas- médium.
• Le bassin ayant peu ou pas d’acoustique, les morceaux qui offrent déjà une grande sensation d’espace et de réverbération sont très bien restitués.
• Les sources gagnent à être panoramisées dans une image sonore, et elles sont d’autant mieux définies qu’elles ont des timbres différents.
• Les morceaux doivent avoir une dynamique assez réduite, excepté si le bruit ambiant est vraiment bas, ce qui est loin d’être le cas dans une piscine municipale.

Le résultat peut être aussi intéressant dans l’autre sens : donner une sensation de morceau aquatique lors d’une diffusion aérienne. Les réponses impulsionnelles du bassin permettent d’implémenter une écoute subaquatique dans des logiciels de réverbération à convolution, et donnent donc un rendu spectral très fidèle à la réalité, même si la sensation est évidemment différente.

5.3 Éléments thérapeutiques

Même si ce n’est pas le sujet du mémoire, l’écoute subaquatique gagne aussi à être étudiée à des fins thérapeutiques. En effet, les bienfaits de l’eau sont utilisés dans bien des domaines médicaux (thalassothérapie, rééducation, pédiatrie…), et ses vertus relaxantes ne sont plus à démontrer. L’écoute subaquatique peut donc ouvrir un nouvel univers de bien- être, un « massage musical » (N. Canivenq, Auamusique).

5.4 Epilogue

« Ça marche! » Comme l’ont si bien décrit certains des sujets qui ont participé avec enthousiasme à ce mémoire, la diffusion musicale sous l’eau fonctionne tout à fait. Les résultats des expériences réalisées donnent de nouvelles pistes pour optimiser une telle écoute et permettre à tout un chacun d’allier deux grands plaisirs terrestres : la musique et le bain.

6. Bibliographie

Blauert (1997), Spatial Hearing :The psychophysics of human sound localization, revised edition, The MIT press

Bernaschina F. (2003), Localisation spatiale acoustique en milieu subaquatique, Thèse présente#e a$ la faculté de Psychologie et des Sciences de l’Éducation de l’Université de Genève

Cailliez J.C.(2005), « Jean Daniel COLLADON (1802-1893) », www.pionnair-ge.com

Feddersen W. E., Sandel T. T., Teas D. C. et Jeffress L. A. (1957), « Localization of high-frequency tones », Journal of the Acoustical Society of America, vol. 29

Feinstein S. (1973), « Acuity of the human sound localisation response underwater », Journal of the Acoustical Society of America, vol. 53

Grau G. (1996), Principes de l’hydroacoustique, Océanis, Documents océaniques vol 22-4, ed. Institut océanographique

Hamilton P. M. (1957), « Underwater hearing thresholds », Journal of the Acoustical Society of America, vol. 29

Hollien H. (1971), « Underwater sound localization in humans », Journal of the Acoustical Society of America, vol. 53

Hurtado A. (2006), Cours d’acoustique des salles, FSMS 2e année

Jouhaneau J. (1994), Notions élémentaires d’acoustique, électroacoustique, Acoustique appliquée, CNAM, ed. Tec & Doc

Landau L., Lifchitz E.(1990), Physique théorique, tome 7 : Théorie de l’élasticité, Ed. MIR, Moscou

Lesueur C. (1988), Rayonnement acoustique des structures, Ed. Eyrolles

Lurton X. (1998), Acoustique sous-marine, présentation et applications, Ingénierie et technologie, ed. IFREMER

Lurton X., Augustin J.M. et Voisset M. (2001), « La cartographie sous-marine », in. Le monde des sons, Pour la Science, Dossier N°32, Juillet/Octobre 2001

Mercier D. (2001), Le livre des techniques du son, notions fondamentales, Coll. Audio-Video, 3e édition, ed. Dunod

Mills, A.W. (1958), « On the minimum audible angle », Journal of the Acoustical Society of America, vol. 30

Poitrenaud N. (2006), Cours d’Acoustique et Sonorisation, FSMS 2e année

Potter J. (2001), « Le bruit de l’océan », in. Le monde des sons, Pour la Science,

Dossier N°32, Juillet/Octobre 2001

Rayleigh Lord J. W. (1877). « Acoustical observations », Phil. Mag.

Salin D., Martin J. (1999), La mécanique des Fluides, Sciences 128, ed. Nathan Université

Savel S.  (2001),   Localisation   Auditive Subaquatique: d l’idendification des mécanismes impliqués à la démonstration de la plasticité du système auditif et à l’application sur les plongeurs, Thèse, ed. Atelier National de reproduction des Thèses

Sivian L. J. (1947), « On hearing in water vs. hearing in air », Journal of the Acoustical Society of America vol. 19.

Urick R.J. (1983), Principles of underwater sound, 3^rd edition, Peninsula pub.

Venturi, J. B. (1796),.Considérations sur la connaissance de l’étendue que nous donne le sens de l’ouïe, Mag. Encycl.

Vogel C. (1999) Etude se#miotique et acoustique de l’identification des signaux sonores d’avertissement en contexte urbain, Thèse ed. Atelier National de reproduction des Thèses

Vogel C. (2005), Cours de Psychoacoustique FSMS 1e année

7. ANNEXES

7.1 Documentation technique, p.67

• 7.1.1 Hyprophone DPA 8010, p.67
• 7.1.2 Le haut-parleur H062m, p.69
  • 7.1.2.1 Description, p.69
  • 7.1.2.2 Conditions expérimentales, p.70
  • 7.1.2.3 Réponses en fréquence, p.71
  • 7.1.2.4 Directivité, p.72
  • 7.1.2.5 Discussions, p.73

7.2 Disques d’écoute, p.74

• 7.2.1 Pour le 22 février 2008, p.74
• 7.2.2 Pour les autres séances, p.75

7.3 Questionnaires, p.76

• 7.3.1 Pour le 22 février 2008, p.76
• 7.3.2 Pour le 13 et 14 mars 2008, p.80
• 7.3.3 Pour le 20 mars 2008, p.83
• 7.3.4 Pour le 21 mars 2008, p.84

7.4 Réponses des sujets, p.87

• 7.4.1 Ressenti Physique/Rendu spectral et musical, p.87
• 7.4.2 Acoustique du bassin/ Homogénéité, p.94
• 7.4.3 Dynamique/ Compression 98
• 7.4.4 Localisation, p.99

7.1 Documentation technique

7.1.1 Hyprophone DPA 8010

7.1.2 Le haut-parleur H602m

7.1.2.1 Description

7.1.2.2 Conditions expérimentales

Trois haut- parleurs de type H062m ont été mesurés le 29 septembre 2008 dans le bassin d’essai du laboratoire IFREMER à la Seyne- sur-Mer, près de Toulon. Ils seront nommés par la suite HP1, HP2 et HP3.

Le bassin d’essai est une fosse de 10 mètres sur 15 avec une profondeur de 6 mètres. Un amplificateur de marque Faze a été utilisé (la réponse en fréquence a été mesurée en sortie pour évaluer la contribution de l’ampli dans la chaîne audio). Pour toutes les mesures, les réglages de l’amplificateur sont identiques. Un hydrophone B&K 8103 a été utilisé pour ces mesures. Le signal excitateur est un sweep de 30 secondes généré par Altiverb, comme pour les mesures dans la piscine Mathis.

7.1.2.3 Réponses en fréquence

Les mesures sont prises à un mètre du haut- parleur, à 2m 50 de profondeur.

7.1.2.4 Directivité

C’est le HP3 qui est représenté ici. Les mesures sont effectuées à 0°, 45° et 90° à 1 mètre.

7.1.2.5 Discussions

Les trois premiers modes axiaux de ce bassin sont aux fréquences 50 Hz, 75Hz et 135 Hz et ils n’apparaissent pas sur les courbes de réponse. Les fréquences 50Hz et 75Hz sont en dessous de la bande passante des haut- parleurs, et la fréquence de 135 Hz (correspondant à la profondeur d’eau de 5,50m) n’apparaît pas.

De plus, le bassin se situe à proximité de la mer et est construit dans une terre gorgée d’eau, ce qui laisse supposer que la transmission des ondes dans le sol se fait assez bien.Il est donc bien ancré et a une activité vibratoire moins importante que le bassin de la piscine Mathis. Le bassin peut être considéré comme relativement neutre, avec une « empreinte acoustique » faible (cf hyp n°2 page 59) et les courbes de réponse mesurées sont donc imputables en grande partie aux haut- parleurs.

Les mesures sont assez différentes d’un haut- parleur à l’autre, notamment le HP2. Les HP1 et 3 sont plus proches, et leurs courbes de réponse réelles (après compensation par rapport à la sortie de l’amplificateur) sont exposées ci-dessous :

Réponses réelles des HP 1 et 3

De 350Hz à 5kHz, les points restent dans une fourchette de 10 dB, par contre les deux haut- parleurs ont une bosse de présence dans le bas médium (entre 100 et 300Hz) et ont une perte prononcée dans les aigus (-12 dB par octave à partir de 5kHz) avec des pics (+10dB) à 8k, 11k et 15kHz..

On remarque enfin que les haut-parleurs sont peu directifs dans le plan horizontal : les courbes dans l’axe, à 45° et à 90° sont quasiment identiques.

7.2 Disques d’écoute

7.2.1 Pour le 22 février 2008

CD D’ÉCOUTE	TRACK
Ecoutes Première Partie
RESSENTI PHYSIQUE / RENDU SPECTRAL / POSITION
D’ECOUTE
Chant du Rossignol- Stravinski	8
All I Need- Air	9
Voix Parlée- Recette des truffes au chocolat	10
Blue in Green- Miles Davis	11
Three Little Birdies- Chemical Brothers	12
Ecoutes Deuxième Partie
ÉTUDEE DU CHAMP ACOUSTIQUE / POINT D’ECOUTE
Passion selon St Matthieu- Bach	13
Tell It Like It Is-Art Blackey	14
Ecoutes Troisième Partie
LOCALISATION STEREOPHONIQUE
Premier espacement d’enceintes
Back In Black- AC/DC	15
Symphonie n°3- Honnegger, écoute aléatoire G/D (4 chgmts)	16
(pause)
Symphonie n°3- Honnegger	16
Maracas n°1	17
Deuxieme espacement d’enceintes
Back In Black- AC/DC	18
Symphonie n°3- Honnegger, écoute aléatoire G/D (4 chgmts) (pause)	19
Symphonie n°3- Honnegger	19
Maracas n°2	20

7.2.2 Pour les autres séances

Pour les deux dernières séances, les morceaux de la dernière partie étaient mono pendant 45 secondes, puis les mêmes extraits étaient diffusés en stéréo pendant encore 45 secondes.

CD D’ÉCOUTE	TRACK
Ecoutes Première Partie
Gustav Holst – Mars, Les Planètes	1
Sting – Hounds of Winter	2
Chant Grégorien – La tradition du chant grégorien	3
Laurent De Wilde – Moaning	4
Écoutes Deuxième Partie
Vivaldi – Griselda	5
Michel Camillo – One More Once	6
Ecoutes Troisième Partie
Brad Mehldau – Blackbird VO	7
Brad Mehldau – Blackbird HC	8
Brad Mehldau – Blackbird LC	9
Stravinski – Le Chant Du Rossignol HC	10
Stravinski – Le Chant Du Rossignol VO	11
Stravinski – Le Chant Du Rossignol LC	12
Ecoutes Dernière Partie
Dialogue Gauche/Droite	13
Mediterranean  Sundance  – Di Meola, Di Luca, Mc Laughlin	14
Nancy Sinatra – Bang Bang	15
Chemical Brothers – Lost in the K-Hole	16
Gustav Holst – Mars, Les Planètes	17
Bonus   Chant Grégorien – La tradition du chant grégorien	18&19

7.3 Questionnaires

7.3.1 Pour le 22 février 2008

7.3.2 Pour le 13 et 14 mars 2008

7.3.3 Pour le 20 mars 2008

7.3.4 Pour le 21 mars 2008

7.4 Réponses des sujets

Les réponses de chaque participant sont exposées ici. D’une part, il aurait été difficile de mettre chaque questionnaire en entier (150 pages en tout), et d’autre part l’écriture manuscrite ainsi que certaines allusions auraient nuit à l’anonymat de certains. Les réponses sont donc triées par questions, indépendamment de chaque questionnaire, et chaque participant est appelé « sujet N », N allant de 1 à 41. L’ordre chronologique de passage est respecté, ce qui donne la répartition suivante:

22 février 2008	Sujets 1 à 11
13&14 mars 2008	Sujets 12 à 24
20 mars 2008	Sujets 25 à 30
21 mars 2008	Sujets 31 à 41

7.4.1 Ressenti Physique/Rendu spectral et musical

Questions:

Quelles sont vos premières sensations, vos impressions générales?

Comment pouvez-vous décrire le rendu spectral et la restitution des timbres?

Sujet 1: Qualité bien supérieure à celle que j’imaginais. Extraits très reconnaissables. La conduction osseuse donne un ressenti très étrange, ainsi que la localisation qui n’est pas possible. Rendu différent selon la profondeur à laquelle on se trouve. Restitution des timbres: est dans la plupart des cas très reconnaissable, également en classique, jazz, plus compliqué sur les sons électro. Voix parlée très audible, on reconnaît même la personne qui parle. Rendu spectral: difficilement descriptible, meilleures sensations dans le grave.

Sujet 2: Ça marche!! De la douceur, pas d’agressivité. « son téléphonique », gêné par les bruits ambiants. Bande passante de téléphone?

Sujet 3: Ecoute agréble, la son est mono dans la tête. En surface (méthode d’écoute plus simple) les graves et les médiums sont très filtrés.

Sujet 4:Physiquement, le fait de devoir rester la tête bien immergée n’est pas super confortable pour moi… mais:

• le buit du tuba est gênant
• le fait de n’entendre vraiment que la musique diffusée est très agréable, sensation d’immersion totale.

Spectralement: assez déséquilibré, bosse vers 100 (dimensions de la piscine peut-être). Il manque le haut évidemment…& pas mal de bas aussi. Impression qu’au fond c’est mieux (que la surface est plus « médiums »). Il y a un temps d’adaptation (1 ou 2 extraits). Pas de sensation de localisation.

Sujet 5 : Étonné, je ne pensais pas qu’on percevait un spectre si large.L’image stéréo me semble inexacte. Tout est localisé à l’intérieur de la tête Impression générale excellente. C’est énorme, Etienne t’es le meilleur. Bande passant réduite.  Bcp de basses lorsqu’on est en contact avec le fond du bassin. Peu d’aigus, impression qu’on écoute derrière une porte…

Sujet 6: Le son n’est pas très fort. Les basses sont désagréables surtout (air et le jazz). Globalement, c’est agréable et relaxant d’avoir cette musique sous l’eau. Rendu spectral: gêne dans les basses qui sont fortes par rapport aux autres sons, on a la sensation que le haut du ventre résonne. Les timbres sont bien reconnaissables.

Sujet 7 : Expériencee agréable, « bonne » diffusion mais pas homogène, en fonction de la localisation (profondeur) et de la hauteur d’eau. Phénomènes bizarres dans les coins. Rendu spectral inégal ++ dans le haut médium et aigus. Surtt pour les basses (7 pour le classique), présente pour electro et techno: agressivité très proche du fond.

Sujet 8 : Écoute agréable, assez naturelle. Les sons sont « à l’intérieur de la tête » et l’écoute globale fait penser à une écoute au casque. Les bosses qui cognent sont bien ressenties physiquement! C’est plutôt agréable, à voir si ce n’est pas fatiguant à long terme. Étonnant aussi : on perçoit très bien la reverb originale, beaucoup beaucoup plus qu’en écoute aérienne, c’est surprenant. Spectre variable selon la profondeur au niveau des basses: proche de la surface on en perd. Médium grave un peu absent.

Sujet 9: C’est agréable d’écouter de la musique sous l’eau, mais cette ambiance semble assez incontrôlable en localisation. Les timbres sont extrêmement changés. Assez reverb « plate »

Sujet 10: Comme au casque, écoute interne, à l’intérieur de la tête. J’entend mieux les oreilles bouchées (ou alors c’est que j’atténue la conduction osseuse en pressant le crâne…) (rendu spectral et restitution des timbres). Pas mal ! Je trouve que les basses ont du mal à être présentes (on n’a pas le ressenti du choc, comme avec un sub). C’est assez fin mais semble toujours un peu lointain (niveau?)

Sujet 11: Jue suis surprise par autant d’intelligibilité, d’aiguës… etc. Par contre on ressent la musique dans tout notre corps. C’est assez désagréable à fort niveau (techno) (on se demande si le cœur ne fait pas n’importe quoi) on sent que ça ne passe pas forcément par les oreilles car lorsqu’on met la tête hors de l’eau, on n’entend plus mais on sent. Intelligibilité, suffisamment d’aigus pour un son correct. Par contre les graves sont BEAUCOUP trop forts. (tessiture de la contrebasse) et du coup c’est insupportable. En gros ça manque de médium.

Sujet 12: C’est surprenant, on a l’impression d’écouter au casque. L’image a l’air centrale et quand je tourne sur moi- même, je n’ai pas la sensation d’avoir le son qui tourne… Super sur le kick de Sting. J’ai l’impression que c’est un peu « trop » doux dans l’aigu. La zone basse par contre dépend de la profondeur + que de l’endroit o on se trouve dans la piscine. C’est agréable de façon générale.

Sujet 13 : Écoute assez facile et agréable. De grandes différences de timbre, d’intensité et de ressenti physique (vibrations sur le corps) selon la position dans le bassin: très intéressant. Le grace très « bouilli » à la surface de l’eau et en règle générale partout dans le bassin, excepté à proximité du fond et le long des côtés (murs). Les aigus et le ht med se transmettent beaucoup mieux. Les caractéristiques de rythme et des instruments se distinguent de moins en moins bien en s’éloignant des HP.

Sujet 14: Terrible. Bravo pensait pas que ça pouvait marcher aussi bien!! En surface « nasillard » le mieux: dans le fond, coins de la piscine +grave (dès qu’on est près d’une paroi!! le meilleur rendu spectral: totalement immergé et = on veut du grave, plus on se rapproche du fond.

Sujet 15: Sensations agréables mais déroutantes: pas de source précise (sauf très près des enceintes). Le son entoure. Variations en fonction de la profondeur. Bande passante limitée, les transitoires sont écrasées (sensible sur le classique). Rendu inhomogène selon la position dans l’eau.

Sujet 16: Sensations agréables!! Entourée de musique, sans pour autant ressentir précisément sa provenance ( à moins d’être proche des HP) On reconnaît aisément le genre musical, néanmoins: par exemple les basses et les sons percussifs du morceau de variété passent aussi par des sensations physiques, et sont rendus bcp + important que les autres composantes du morceau. Intelligibilité des voix moyenne… Dans l’ensemble: précision moyenne (que ce soit des paroles ou des jeux instrumentaux).

Sujet 17: C’est agréable. Au fond on ressent mieux les basses. A la surface c’est plus équilibré, moins de niveau. Hors de l’eau on perçoit surtout les basses physiquement par le corps resté dans l’eau. La variété et l’électro passent mieux: sons = courts, percussifs, rythmés: rendu moins flou. Rendu spectral: + on va au fd = on perçoit les basses. Dans l’eau à la surface on entend que les aigus, on ressent les basses aussi physiquement. Les timbres sont bien conservés pas de sensations désagréables (à la surface l’image sonore est moins bien définie).

Sujet 18: Wahouu! Etrange sensation que cette omniprésence du son quelle que soit la direction dans laquelle on écoute: il est en nous. (d’ailleurs on l’entend aussi oreilles bouchées) Localisation intérieur du crâne. Très variable en fonction de l’endroit:

• pas de basses et de médiums en surface
• augmentation de la bande passante si on va plus en profondeur, qui va jusqu’à une très bonne restitution des basses… Fréquence de coupure 100 Hz environ?

Sujet 19:  Agréable et surpris en bien par la qualité globale de restitution « propre ». Aigu clair mais peut faire un peu penser au résidu de son entendu l à l’extérieur d’un casque. Quand trop de graves, peut être agressant physiquement. Bonne perception des reverbs. Bas et bas médium pas précis, voire même bourdonnant et gênant physiquement. Médium en retrait. Aigu présent précis et plutôt agréable.

Sujet 20: C’est original et amusant de pouvoir écouter de la musique sous l’eau. Mauvais voire médiocre dans le bas du spectre, moyen – dans le medium. Aigus: moyen, dépend de l’emplacement dans la piscine. Violon peu audible ou uniquement en attaque franche. Instruments sonores tels que la trompette passent assez bien.

Sujet 21 : Agréable, le son est audible. On perçoit les ondes au maxi lorsqu’on est entre les haut- parleurs. Le son est clair, meilleur rendu au fond.

Sujet 22 : l’impression globale est la sensation d’homogénéité du volume. Lorsque l’on se déplace, l’amplitude change peu (sauf si on s’approche beaucoup des haut- parleurs évidemment).Une fréquence ressort dans les médiums (do au milieu du piano). Le son est assez sourd (peu d’aigus, et les basses gonflées.

Sujet 23 : Un son étouffé. Je pensais avoir une écoute plus claire. Pas de son régulier dans tout le bassin, pas de son englobant. L’intensité varie peu selon l’endroit de la piscine, en profondeur, mais de peu. De manière générale les basses sont très présentes excepté pour le morceau classique. Là où il y a peu d’eau, j’ai plus ressenti les vibrations.

Sujet 24 : J’imaginais que l’eau était l’endroit idéal pour écouter de la musique, malgré la double sensation auditive et celle des vibrations, j’ai trouvé que ça manquait de clarté. On entend bien plus les graves à la surface et la musique devient plus homogène en profondeur.

Sujet 25 : La sensation d’immersion est vraiment agréable. Sur le classique, brouillon dans le médium filtrage en peigne.

Sujet 26 : Impression générale agréable, comme un poisson. Spectre manquant beaucoup de médium. Basses augmentent en se rapprochant du fond. Mode audible dans le grave (surtout sur la basse variété).

Sujet 27 ; Surprenant, bonne surprise d’ailleurs… Sensation d’enveloppement entre les HP. Bon ressenti des basses, même avec la tête hors de l’eau. Timbre un peu déformé, devient plus nasal… Le timbre change selon la position d’écoute (entre les HP, en face, pas en face).

Sujet 28 : Sensations agréables des vibrations corporelles dues au son. Vibrations fortement ressenties au niveau des reins et des fesses. Manque de basse globalement.  L’extrait du symphonique c’est catastrophique :  timbres méconnaissables.

Sujet 29 : La musique est partout, et surtout dans la tête. Il n’y a que là où il y a très peu de fond (loin des enceintes) qu’on entend moins, et encore. Pas trop de remarques à faire pour le rendu spectral. Les aigus sont assez désagréables (oreilles qui « grésillent »). Les timbres semblent un peu « émoussés ».

Sujet 30 : On a une très bonne immersion, j’ai senti une petite différence en me bouchant les oreilles (un peu moins d’aigus). Bien mais on perçoit les résonances gênantes surtout sur le chant grégorien.

Sujet 31 : (deuxième impression) C’est toujours agréable, mais la 1ère surprise passée, le son est moins top… Très variable selon l’emplacement : près des enceintes beaucoup de grave qui traîne et bave entre les enceintes beau medium mais moins de grave et moins d’aigus (comme à travers une petite paroi).

Sujet 32 : Plus fort près des parois et au fond. Bonne température de l’eau, siège confortable, fil ennuyeux pour passer avec le tuba. Beaucoup de basses, surtout près des coquilles Saint- Jaques. Aigus bien rendus au niveau du timbre mais il faut les chercher. Reverb bien rendue pour le grégorien.

Sujet 33 : Le son est très « pur » (comme une écoute dans un casque). Surtout au fond du bassin. J’ai l’impression qu’il y a une légère distorsion.

Sujet 34 : Surprise. Agréable Détendant Envie de faire la planche et de rester immobile. Plongé dans la musique on n’entend pas du tout le bruit extérieur (il y a un groupe bruyant dans l’autre bassin). Étonnamment complet. J’ai l’impression de tout entendre, des basses aux aigus. Il me semble que ce qui passe le moins bien est le grave. Dans la musique classique, le vrombissement des violons n’est pas clairement audible et provoque un peu de saturation.

Sujet 35 : Sympa d’entendre la musique. Bien sûr pas d’image stéréo. Sonne pas très bon par contre. Sting marche très bien, Holst moche. Graves, à la proximité de l’enceinte, pas si t’es loin. A la surface, pop beaucoup des aigus, pas de fondament. Holst, beaucoup de rumble dans les graves ! Vers 1kHz, tout est plus fort, à la surface, son est « loin ».

Sujet 36 : Une sensation de gêne lors de l’audition des graves (cf sensation dans une boîte de nuit avec des basses surpuissantes). Spectral : graves surdimensionnés. Médiums assez bien définis, aigus relativement audibles. Timbres : instrumentaux amplifiés sonnent bien, mieux qu’acoustiques, et que la voix, les cuivres à l’orchestre sont toujours aussi présents…

Sujet 37 : Immersion géniale, + de bas au fond et médium bizarre en surface, Sting passe ++. Pb des oreilles. Oreilles bouchées : son filtré dans le bas, et aigus acides ! Le bas passe par les oreilles !

Sujet 38 : Je me sens bien. On entend très bien. On entend mieux près des enceintes. C’est agréable, surprenant. Globalement, c’est un peu assourdi (surtout les graves, par exemple dans l’électro) (même pour le chant grégorien…). On entend un peu moins les aigus ?  La voix (pop) me semblait bien « rendue ». (pop= la mieux ?)

Sujet 39 : Classique : pas assez fort, difficile à dire. Le reste, cool ! Tjrs mono dans la tête. Le masque atténuerait-il la sensation ? (il comprime la tête donc amortit les vibrations). Les basses : impression de « saturation » au niveau des enceintes. L’aigu : s’amorti à mesure que l’on s’enfonce en profondeur : + haut = meilleur équilibre spectral. + bas = moins bon équilibre, peu de haut. Collé au sol = tout se brouille (ça se joue à qq centimètres). Les BF perception difficile de la hauteur, et manque la sensation de choc comme en sono.

Sujet 40 : Pas de sensation de localisation.  « environnement sonore », pour moi, meilleures sensations sans masque ni accessoires, plutôt assez immergée (meilleur enveloppement), plus de basses au fond ? Rendu spectral frustrant sur la symphonie (manque de définition et de clarté des timbres) globalement, spectre assez bas-medium.

Sujet 41 : 1. Très agréable sur certains extraits. 2 Assez fatiguant de rester assez de temps en apnée pour avoir le temps d’écouter. La bande passante est réduite en haut (& un peu en bas) Le bas tourne parfois. Timbres « pincés » dans le symphonique. Timbres agréables ds pop (par ex. la voix) & grégorien.

Question : Quelle est votre position d’écoute préférée ? (22fev. 2008)

Sujet 1 : Au fond contre le sol

Sujet 2 : Dans le plan des enceintes : grave et volume Sujet 3 : Au fond du bassin, mais c’est difficile à tenir

Sujet 4 : Vers le fond car : plus de niveau, plus équilibré mais il faut bien se vider les poumons.

Sujet 5 : Plat ventre près du fond. Sensation physique.des basses

Sujet 6 : Allongé sur le dos à l’horizontale

Sujet 7 : Près du fond en eau peu profonde Sujet 8 : Sur le ventre la tête bien immergée Sujet 9 : Près des enceintes

Sujet 10 : N’importe, pourvu qu’on ne soit pas trop près d’une des deux enceintes par rapport à l’autre.

Sujet 11 : Assis par terre avec l’eau au niveau des oreilles

Question : Si elle est différente (de la position d’écoute), quelle est celle qui donne la meilleure écoute ?

(22 fév. 2008)

Sujet 1 : + de détails dans le fond mais pas la plus homogène

Sujet 2 : pas trop loin des enceintes

Sujet 5 : Plat ventre, 50 cm du fond Sujet 10 : j’attends la suite…

Sujet 11 : la même

Question : Si certains morceaux sont moins bien rendus que d’autres, pouvez-vous expliquer pourquoi ?

Sujet 12 : (Symphonique) Peut-être la dynamique. Comme ma nage était elle-même dynamique (je me suis pas mal baladé), je perdais un peu le fil.

Sujet 13 : (Pop) Une prédominance de HM&aigus dans les marqueurs de tempo (over head…), la voix est bien restituée.

Sujet 14 : (Symphonique, chant) moins bien mais ça marche quand même vachement. Trop grande dynamique, passage piano un peu flou. Peu de transitoires, ça définit moins bien. (sympho) trop d’instruments, on perçoit plus facilement si y a juste K+Sn+Bass+Gt+Voix. moins de choses qui s’entrelacent

Sujet 15 : (symphonique, chant) le fait d’entendre de fortes modulations du spectre est gênant sur le chant, et les transitoires manquent au classique.

Sujet 16 : (symphonique) Ts les instrus sont noyés (sans jeu de mot…), je perçois difficilement les différences de timbre globalement

Sujet 17 : (chant) les sons sont trop tenus, masse sonore pas bien définie, brouillée

Sujet 19 : (symphonique) manque de dynamique, médium en retrait, cordes notamment sonnent petit. (electro) bas gênant, trop inhomogène avec le reste du spectre

Sujet 20 : (symphonique, chant) pas vraiment, peut- être pourrait- on adapter les enregistrements pour le subaquatique adapter la dynamique (les – grdes possible) et les fréquences (pas trop de bas medium +de graves et + d’aigus.

Sujet 21 : (symphonique) Symphonie très douce, feutrée

Sujet  23 :  (symphonique) trop de finesse dans l’interprétation  ou trop de complexité pour les instruments utilisés.

Sujet 26 : (symphonique, chant) Pas de sensation de salle, localisation intra crânienne. Dynamique peu audible

Sujet 31 : (symphonique) trop de dynamique sur le classique, on n’entend correctement que les fortissimi.

Sujet 32 : (symphonique, chant) Parce que la pop et l’électro ont besoin de moins de précision dans le spectre car plus rythmique, et moins de dynamique globale. Les graves sont trop présents, grandes dynamiques (classique)

Sujet 34 : (symphonique, chant) je pense que les instruments se détachent d’avantage les uns des autres. il s’agit plus de sons séparés (que l’on reconnaît individuellement) que d’un ensemble sonore.

Sujet 35 : (symphonique) rumble dans les graves, on entend presque que du bruit. Quand ça devient fort on n’a aucune transparence.

Sujet 36 : (chant) rendu du timbre vocal beaucoup moins fidèle dans l’eau. Musique qui demande une plus grande finesse d’écoute.

Sujet 37 : (symphonique) il faut vraiment être dans un calme supérieur pour apprécier les nuances.

Sujet 38 : (electro) les sons dans l’eau sont « bizarres », (problème de timbre) le chant grégorien pas très clair…(en même temps c’est plus ou moins des fréquences et des timbres proches ?) (j’ai mal écouté l’extrait symphonique)

Sujet 39 : (symphonique)  niveau (mastering ?)

Sujet 40 : (symphonique, électro) Peut- être lié aux habitudes d’écoute. On entend souvent du grégorien dans des grandes églises très réverbérantes, donc avec le même type de sensation d’immersion, et on écoute de la pop sur n’importe quel système d’écoute (enfin moi personnellement, donc je suis moins exigeante au niveau spectral que pour du symphonique par exemple.

Sujet 41 : (symphonique) + pop :des sons artificiels= moins déformés. Pas d’espace réel, pas de problème. – symphonique : n’était pas assez fort… Trop complexe et comme il n’y a plus d’espace tout se chevauche comme en mono. Timbres trop altérés. + chant : le signal est bien rendu fréquentiellement & il y a un espace (une reverb) qui rend assez bien dans ce cas là.

7.4.2 Acoustique du bassin/ Homogénéité

Question : Pouvez-vous caractériser l’acoustique du bassin ?

Sujet 1 : Je ne suis pas sûr d’arriver à différencier la part de responsabilité entre ma position d’écoute et l’acoustique du bassin, sur ce que je perçois dans l’eau. Je ne peux donc pas caractériser l’acoustique du bassin.

Sujet 2 : Relativement sec, mais de bonne qualité

Sujet 3 : le champ direct est bien perçu entre les enceintes, mais dès le triangle équilatéral, on a beaucoup de champ diffus.

Sujet 4 : En fait je ne perçois AUCUN espace. La seule « signature » du bassin est cette bosse vers 100Hz (aussi dans les médiums sur les chœurs de l’extrait classique c’était un peu désagréable). Tout ce que je perçois c’est : 1. un changement de niveau (+ près + fort). 2 ; une direction (perte du haut et du bas si je ne suis pas en face). Je ne perçois tellement aucun espace que si je suis loin, j’arrive à imaginer que les HP sont juste à côté de moi et moins fort.

Sujet 5 : Difficilement. On a une différence de niveau en fonction de la distance, et une différence de spectre (pertes de basses et d’aigus en s’éloignant).

Sujet 6 : Plus on va profond plus la sensation d’enveloppement est grande dans la zone « champ proche », on a des sortes de saturation sur les sons forts.

Sujet 7 : Acoustique inhomogène. Peu voir pas réverbérante.

Sujet 8 : Difficile, elle est assez neutre j’ai l’impression. Le son diffus manque juste de pêche et d’extrêmes graves aigus.

Sujet 9 : On a une acoustique qui ressemble un peu à une plate. C’est- à-dire : des aigus claquants et réverbérés assez fortement. Pas d’extrême basse, des basses plutôt colorées, tout comme l’ensemble du spectre.

Sujet 10 :Difficile, la vitesse du son dans l’eau est rapide… Cependant, il y a certains points qui marchent vraiment bien. Pas de notion de réverbération, mais de niveau oui.

Sujet 11 : Le rapport son direct son réverbéré ne varie à aucun moment. Par contre il y a des endroits où il y a globalement un peu plus de niveau.

Question : Avez-vous d’autres remarques ? (partie acoustique du bassin, 22 fév. 2008)

Sujet 1 : Questionnaire assez difficile, je répond par ressenti. Sujet 2 : Il me faut plus de temps pour me faire une idée désolé.

Sujet 5 : L’extrait classique est déjà bien réverbéré, ne nous donne pas d’info sur l’acoustique du bassin. Ceci dit, je n’arrive pas à percevoir d’acoustique sur les autres extraits.

Sujet 8 : La perception change quand on tourne la tête dans le plan horizontal ou dans l’axe du corps. Par contre la localisation est très difficile voire impossible. J’ai perçu de fortes résonances dans le Bach (sur des fréquences de la voix, 2-4kHz). Je ne sais pas si elles viennent des enceintes, de l’acoustique du bassin ou autre.

Sujet 9 : Le son paraît plus grave au centre de la piscine (nœud de résonance ?) la perception solidienne du son est très agréable (vibration des basses dans la tête), et ne dépend pas trop de la position.

Sujet 10 : Etonnant, les bruits humais sont faibles par rapport à la musique !! (bruit de nage, d’eau etc…) Localisations sonnent vers le haut de la tête, un peu vers l’arrière (filtrage ?)

Sujet 11 : Les vaguelettes font de l’aigu en plus, pas autant que ce à quoi je m’attendais, mais quand même un peu. Pas eu le courage de regarder en profondeur, du coup ce que je dis n’est valable qu’à proximité de la surface.

Question : Percevez-vous une différence entre une écoute en surface et une écoute au fond du bassin ?

Sujet 12 : Plus de basse au fond, plus naturel en surface (c’est moi qui suis au fond ou en surface)

Sujet 13 : Une écoute en surface est toujours moins précise et moins agréable qu’une écoute au fond. A la surface, l’éloignement par rapport à l’axe diminue très rapidement la bonne qualité d’écoute.

Sujet 14 : Surface : nasillard. La tête à 30 cm sous l’eau, bosse de 1 à 2kHz assez marquée. Au fond : bosse dans le grave.

Sujet 15 : Différences de spectre : + de basses au fond. Différences du niveau global.

Sujet 17 : À la surface, on perd des basses et de l’intensité : aigus agressifs. Tout au fond : excès de basses, résonances, vibrations

Sujet 19 : En surface, perte de médium et grave boueux. A mi-hauteur, plus équilibré, grave plus propre. Au fond, à nouveau grave boueux, sensation de plus de niveau, mieux qu’en haut, mais un peu comme si on était calé à un mur dans l’air

Sujet 21 : saturation des basses HP en surface et aigus atténués.

Sujet 22 : en surface, on est gêné par les « clapotis », alors qu’en immersion, forcément la restitution est sans parasite, par ailleurs, plus on s’approche du fond plus les graves prennent le dessus.

Sujet 23 : L’écoute est plus forte au fond du bassin. On perçoit mieux les basses (pour les morceaux salsa) et les aigus pour le classique.

Sujet 24 : oui pour le classique la musique est plus limpide, le rendu est plus proche d’une écoute en surface, avec le nid sonore que la piscine peut offrir

Sujet 26 : Nette différence au niveau des basses (+ de basses au fond) si les enceintes sont au fond (trop de basses même)

Sujet 27 : oui 1. Plus on va au fond, plus on arrive à s’affranchir du son extérieur. 2. plus de basses au fond en général.

Sujet 29 : oui, moins « agressif » comme son quand on est en surface, plus agréable. 2 remarques : 1 :le deuxième extrait rend beaucoup mieux que le premier (l’opéra sous l’eau, c’est bof). 2 : En surface on entend les bruits ambiants de la piscine (enfants) alors qu’on ne les entend pas du tout au fond.

Sujet 30 : Au fond on a plus de basses et là on est plus cohérents (en phase ?) En surface, on est un peu détimbré.

Sujet 31 : beaucoup plus de niveau et de grave au fond du bassin à condition d’équilibrer la pression des oreilles au fond !!!

Sujet 32 : + de basses au fond (trop quand enceintes au fond)

Sujet 33 : On entend un peu l’extérieur quand on est à la surface mais le son paraît plus clair, d’où senti plus de graves au fond du bassin.

Sujet 34 : Oui, son plus « plein », plus « enveloppant » en profondeur. Sujet 35 : En bas il y a bien sûr d’autres résonances (modes je crois)

Sujet 36 : L’écoute au fond avec compensation des tympans permet une meilleure définition, surtout dans le medium et l’aigu lorsque les enceintes sont à la surface.

Sujet 37 : En surface, toujours pb de réflexions des mediums. Au fond, équilibré mais manque de corps.

Sujet 38 : Au fond on entend plus fort, mais j’ai l’impression qu’on n’entend pas tout ? On avait un plus grand spectre plus en surface, mais on perd en « puissance ».

Sujet 39 : Le mieux, c’est quand on est placé à mi-hauteur (je l’ai déjà dit à sujet 41, mais il n’est pas d’accord)

Sujet 40 : Oui a priori plus de basses au fond du bassin, plus de définition en surface.

Sujet 41 : J’ai l’impression que lorsqu’on écoute vers la surface, il y a comme une sorte d’accentuation des modes dans les médiums (comme l’apparition d’une mini- acoustique, une réflexion peut- être).

Question : La position des enceintes en hauteur a-t-elle une influence sur ces différences ?

Sujet 12 : Complètement, effet tuning avec gros loudness (100- 200 Hz) qd on est au fond, et en surface, le timbre est moins équilibré (médium 800 Hz renforcé)

Sujet 13 : Faiblement, le champ d’écoute entre les deux HP est plus localisé quand les HP sont en bas. Les localiser en haut n’améliore pas ce phénomène.

Sujet 14 : oui : le rendu des graves est beaucoup plus important avec les enceintes au fond du bassin mais c’est un peu moins défini.

Sujet 15 : oui : résultat plus homogène avec les enceintes en haut. Avec les enceintes en bas, forte différence spectrale entre haut et bas.

Sujet 16 : HP au fond : + grande homogénéité globalement, mais petite amélioration quand on est vers les 2/3 de la profondeur. Pas de préférence entre au fond et à la surface. HP en haut : Attaques molles et peu de précision quand on écoute à la surface. + on se rapproche du fond, + le son est précis et clair : + de dynamique, + de différence entre les sons.

Sujet 17 : Oui je trouve que les enceintes en hauteur augmentent la différence d’homogénéité du spectre et de l’intensité. Enceintes au fond : la musique paraît plus présente on est plus imprégné.

Sujet 18 : Oui a niveau de diffusion égal, le niveau m’a semblé plus important avec les HP posés au fond. Impression que la restitution est plus linéaire avec les HP en surface. Excitation de certains modes propres avec les HP posés au fond.

Sujet 19 : Meilleur équilibre avec les enceintes au fond, mais semble plus homogène hormis extrême grave avec les enceintes en haut.

Sujet 21 : Pour les aigus, meilleure perception. (au fond)

Sujet 22 : Les basses gonflées lorsque les enceintes sont au sol.

Sujet 23 : Oui , l’écoute est marquée par les basses, le son est plus diffus. Sujet 24 : J’imagine que oui

Sujet 26 : Dans les basses en hauteur il manque ce tapis. Si enceintes en hauteur, les diff sont moins perceptibles entre une écoute surface et fond.

Sujet 27 : + de basses lorsque les enceintes sont au fond avec perte de medium lorsqu’on va au fond. Le son est plus précis lorsque l’on reste entre les enceintes dans leur axe de directivité.

Sujet 29 : Que les enceintes soient au fond ou en surface, c’est toujours au fond que le son est le plus fort. Par contre c’est possible que le son soit plus homogène lorsque les enceintes sont au fond (mais c’est très vague comme impression).

Sujet 30 : On entend plus les détails quand on est à la même hauteur que les enceintes

Sujet 31 : La position près de la surface me paraît plus homogène car le son est meilleur en surface. (au fond, c’est assez proche de la position au fond de l’eau).

Sujet 32 : Non, tjs plus de basses au fond, mais plus de basses globalement pour les enceintes au fond. (spectre petit pour une écoute surface (enceintes surface)

Sujet 34 : Oui, lorsqu’elles sont au fond du bassin, on a la sensation que le son est plus fort. J’ai trouvé les basses saturées

Sujet 35 : oui comme j’ai essayé de décrire en haut.

Sujet 36 : Oui, grande différence de rendu global des dynamiques     pas musicales au fond  (les enceintes), l’écoute est bien meilleure, mais les basses sont surdimensionnées.

Sujet 37 : Carrément ! Enceintes au fond plus de niveau, notamment en écoutant en surface.

Sujet 38 : Enceintes en bas, on entend encore plus fort quand on est au fond, j’ai l’impression que les enceintes en surface améliorent la qualité (la puissance) de l’écoute en surface.

Sujet 39 : J’ai l’impression que ça change moins (que c’est plus homogène en fonction de la hauteur) avec les enceintes en bas, au fond mais bon.

Sujet 40 : J’ai eu l’impression qu’une position des enceintes au fond du bassin accentuait le côté « boumy ». Moins de définition et plus de basses globalement. (Mais c’est peut-être dans ma tête !!)

Sujet 41 : Difficile à dire, peut-être plus de basses quand les HP sont au fond : le son paraît alors moins medium…

Question : Percevez-vous une éventuelle directivité des enceintes ? Pouvez-vous évaluer un angle de directivité ?

Sujet 13 : HP près du fond du bassin je dirais un angle de 60° environ.

Sujet 14 : Bof, qd in se décale, on sent des résonances selon la position, genre des modes selon l’angle.

Sujet 15 : Oui, on perçoit une directivité, mais de là à la chiffrer.

Sujet 16 : Pas de là à définir un angle de directivité ! Disons que dans l’axe des 2 enceintes, on a plus de niveau et de son… c’est plutôt égal partout ailleurs.

Sujet 18 : Oui, surtout au niveau du bas medium (étonnamment ?) 45° Sujet 22 : Non pas vraiment

Sujet 23 : NON Sujet 24 : NON

Sujet 26 : Environ 30° (+/- 15°), en étant proche des enceintes. Sujet 27 : environ 90°.

Sujet 28 : Non

Sujet 30 : La directivité dans l’aigu me paraît très étroite (+/-20°, difficile à estimer)

7.4.3 Dynamique/ Compression

Question : Pensez-vous qu’il soit intéressant de compresser certaines musiques sous l’eau ?

Sujet 12 : Pas eu le temps d’écouter, mais en tout cas ça marche plus sur Sting que sur de la musique classique…

Sujet 13 : Non, je pense que plus om compresse un morceau, moins l’écoute sous l’eau est précise. On a ce sentiment de bouillie, les fréquences ce mélangent.

Sujet 14 : oui : un peu classique trop de dynamique. Non, si on peut rester immobile sous l’eau pour écouter sans perturbation.

Sujet 15 : Oui car certains pics sont très désagréables.

Sujet 16 : Classique : je ne vois pas beaucoup de différence, en même temps, j’étais gênée dans la première partie par les nuances faibles du sympho… Ok pourquoi pas un peu de compression. Jazz : non ! à la compression des trois extraits, je préfère de loin le 2e.

Sujet 17 : Les basses rendent mieux un peu compressées, mais trop de compression rend l’image plate – vivante, les son plus aigus sont moins intéressants (piano par exemple).

Sujet 18 : À part protéger les HP…

Sujet 21 : Par rapport à un phénomène de distorsion de basses, la compression peut devenir un facteur limitant de qualité d’écoute.

Sujet 22 : Pas vraiment

Sujet 26 : Sincèrement non ! Les différences sont difficilement perceptibles. Sujet 27 : Pour l’extrait classique, la compression détériore beaucoup le signal,

moins bonne compréhension de la musique, mauvaise intelligibilité. Pour le jazz, les différences sont moins flagrantes.

Sujet 28 : Peut-être moins pour le classique.

Sujet 29 : Je ne suis pas sûre que ce soit lié à la compression, mais dès qu’il y a un orchestre et surtout beaucoup de violons, le classique sonne un peu soupe. D’un autre côté, dès qu’on s’éloigne un peu de la surface, il y a très peu de bruits qui viennent parasiter la musique. Tout est net, et la compression n’apporte peut-être pas grand- chose (surtout pour le jazz).

Sujet 30 : J’ai l’impression que les forts niveaux font mal plus vite que dans l’air, donc oui pour protéger les oreilles. J’ai aussi l’impression que les Haut- parleurs saturent vite, donc oui à cause de la qualité des HP

7.4.4 Localisation

Troisième partie 22 fév. 2008 :

Sujet 1 : AC/DC : pouvez-vous donner des éléments de localisation ? Caisse claire ?

Connaissiez-vous ce mix auparavant ? oui Extrait symphonique : DDGG

Extrait symphonique stéréo, percevez-vous des plans sonores ? Pas du tout Extrait de maracas : GDGD facile à localiser

Sujet 2 : AC/DC : pouvez-vous donner des éléments de localisation ? NON Connaissiez-vous ce mix auparavant ? non

Extrait symphonique : CCCC

Extrait symphonique stéréo, percevez-vous des plans sonores ? Localisé dans la tête ??

Extrait de maracas : Droite

Sujet 3 : AC/DC : pouvez-vous donner des éléments de localisation ? Non Connaissiez-vous ce mix auparavant ? non

Extrait symphonique : DDGG

Extrait symphonique stéréo, percevez-vous des plans sonores ? Extrait de maracas : GDGDG, pas de problème

Sujet 4 : AC/DC : pouvez-vous donner des éléments de localisation ? Non, éventuellement j’entends les guitares doublées donc je les sépare G/D parce que je connais ?

Connaissiez-vous ce mix auparavant ?oui Extrait symphonique : DDGG

Extrait symphonique stéréo, percevez-vous des plans sonores ? Pas vraiment de localisation sur l’image diffusée.

Extrait de maracas : très difficile à localiser, ponctuel, mais partout en même temps. Ça me fait penser : 1. Aux effets de phase qui rendent la localisation difficile. 2. Quand tu diffuses le même signal sur les 5 HP en 5.1.

Sujet 5 : AC/DC : pouvez-vous donner des éléments de localisation ?non Connaissiez-vous ce mix auparavant ?oui

Extrait symphonique 😕 J’étais derrière

Extrait symphonique stéréo, percevez-vous des plans sonores ? Extrait de maracas : GDGD

Sujet 6 : AC/DC : pouvez-vous donner des éléments de localisation ? non

Connaissiez-vous ce mix auparavant ? non

Extrait symphonique : DDGG position milieu du groupe

Extrait symphonique stéréo, percevez-vous des plans sonores ? Extrait de maracas : GDGD

Sujet 7 :  AC/DC :  pouvez-vous donner des éléments de localisation ?  Très rapidement, semblant de localisation de guitares

Connaissiez-vous ce mix auparavant ? Extrait symphonique : GGGG

Extrait symphonique stéréo, percevez-vous des plans sonores ? non Extrait de maracas : Au point proche, localisation possible GDGD

Sujet 8 : AC/DC : pouvez-vous donner des éléments de localisation ? Peut-être la guitare à gauche ?

Connaissiez-vous ce mix auparavant ? non

Extrait symphonique : DDGG (j’étais à 2m du plan des enceintes). Extrait symphonique stéréo, percevez-vous des plans sonores ? Extrait de maracas : GDGDC

Sujet 9 : AC/DC : pouvez-vous donner des éléments de localisation ? J’étais à peu près à 2m du bord de la piscine, tout est un peu flou.

Connaissiez-vous ce mix auparavant ?oui Extrait symphonique : DDGG

Extrait symphonique stéréo, percevez-vous des plans sonores ? Aucun plan sonore Extrait de maracas : J’entend tout sur la droite, sauf le dernier sur la gauche.

Sujet 10 : AC/DC : pouvez-vous donner des éléments de localisation ?

Connaissiez-vous ce mix auparavant ?non Extrait symphonique : DDGG (j’étais derrière)

Extrait symphonique stéréo, percevez-vous des plans sonores ? Extrait de maracas : GDGD (j’étais devant)

Sujet 11 : AC/DC : pouvez-vous donner des éléments de localisation ?non Connaissiez-vous ce mix auparavant ?non

Extrait symphonique : DDG ?

Extrait symphonique stéréo, percevez-vous des plans sonores ?

Extrait de maracas : GDGDCentre Ouais, on sent que ça se déplace mais pfou ! Faut être concentré.

Question : Pouvez-vous donner des éléments de localisation ?

Sujet 12 : Duo Guitaristes : Localisation des QR OK

Bang Bang : voix à gauche (jaune) et guitare à droite. Je me suis éloigné du centre vers le bord, ça marche encore.

Chemical Brothers : HH à droite (j’ai eu l’impression), puis synthé qui se ballade clairement. J’ai pas fait attention aux voix.

Mars Gustav Holst : Trompette à gauche légèrement (jaune)

Sujet 13 : Duo Guitaristes : 1ère gt jaune, 2e guitare rouge Bang Bang : Voix jaune, guitare rouge

Chemical Brothers : Bass Drums centre, Voix 1 HP jaune, Voix 2 HP rouge, Key se ballade

Mars Gustav Holst :

Sujet 14 : Duo Guitaristes : oui 1 gt solo rouge Bang Bang : Nancy vers jaune, gt vers rouge

Chemical Brothers : Rythmique Mono FX se promènent Mars Gustav Holst : Violons vers rouge, cuivres vers jaune

Sujet 15 : Duo Guitaristes : 1 guitare de part et d’autre Bang Bang : Voix côté jaune

Chemical Brothers : Rien si ce n’est plus de basses côté rouge Mars Gustav Holst : Répartition normale d’orchestre

Sujet 16 : Duo Guitaristes : Je galère pr les guitares… y en avait combien ?

Bang Bang : guiatre d’un côté, voix de l’autre

Chemical Brothers : Batterie à 30°, 1 voix de chaque côté, pas de mémoire pour le reste… Rien de très flagrant pour moi quoi.

Mars Gustav Holst : oulala ! Gros Pb… C’est très large et l’harmonie est à droite. Je devais être face vers l’arrière.

Sujet 17 : Duo Guitaristes : Guitare aigue à droite, + grave à gauche. Percus Bang Bang : Voix à gauche guitare à droite

Chemical Brothers : Voix à droite, mvt gauche droite (je crois). Batterie, je ne me souviens plus, pt-être plutôt centré

Mars Gustav Holst : Position orchestre classique Violon à gauche, cuivres percus à droite

Sujet 18 : Duo Guitaristes : 1 gtr de chaque côté

Bang Bang : Voix sur hp jaune (très clairement) gtr sur hp rouge (un peu moins c) Chemical Brothers : Globalement mono,     élément mélodique  en arpège (genre mélotron) se baladant g/d

Mars Gustav Holst : Globalement mono, violons un peu sur HP jaune

Sujet 19 : Duo Guitaristes : Deux Gt 1J 1R Bang Bang : Voix a Gauche J guitare droite R Chemical Brothers : Scratch mvt

Mars Gustav Holst : violon et cor enceinte R

Sujet 20: Duo Guitaristes : bof Bang Bang : voix à droite, reste ?

Chemical Brothers  😕

Mars Gustav Holst : violon légèrement à gauche Timbale/ Cor à droite

Sujet 21 : Duo Guitaristes :

Bang Bang : On entend bien les guitaristes dialogues G/D

Sujet 22 : Duo Guitaristes : Deux guitare, une à gauche une à droite Bang Bang : Nancy, jaune, guitare rouge

Chemical Brothers : La voix et le clavier qui se balade de droite à gauche

Sujet 23 : Duo Guitaristes : guitare plutôt ampli jaune Bang Bang : Voix ampli rouge/ musique ampli jaune

Chemical Brothers :Voix ampli jaune/ Instrument ampli rouge Mars Gustav Holst : désespérément mono

Sujet 24 : Duo Guitaristes : Droite

Bang Bang : voix à gauche, instrument à droite Chemical Brothers : à droite

Mars Gustav Holst : au centre et à droite

Sujet 25 : Duo Guitaristes : Ok, un à gauche, l’autre à droite Bang Bang : idem

Chemical Brothers : Pas flagrant. OK pour les voix G/D, pas pour le synthé Mars Gustav Holst : Un peu plus d’air en stéréo, sur réponse cuivres

Sujet 26 : Duo Guitaristes : au début, rythmique rouge, mélodie jaune Bang Bang : Gtr plus large, voix également Gt vers l’enceinte rouge Chemical Brothers : Voix comme avec un traitement HRTF

Mars Gustav Holst : Difficile à définir, mais incomparablement mieux en stéréo

Sujet 27 : Duo Guitaristes : 1ère gt sur rouge Bang Bang : Nancy sur rouge

Chemical Brothers : Mvt Rouge- Arrière- Jaune sur les voix

Sujet 29 : Duo Guitaristes : 1 guitare à J, 1 gt à R Bang Bang : Nancy est à Jaune

Chemical Brothers : Aucune idée pour la localisation, mais c’est carrément mieux en stéréo.

Mars Gustav Holst : C’est un peu de la soupe dans l’eau, cuivres à jaune

Sujet 30 : Duo Guitaristes : 1 guitare de chaque côté, solo à J, rythmique à R Bang Bang : Nancy est à J, la guitare à R

Chemical Brothers :Difficile à localiser

Sujet 31 : Duo Guitaristes : Gauche/Droite assez bien définie Bang Bang : voix jaune, guitare rouge

Chemical Brothers : ? déplacements rouge vers jaune ?

Mars Gustav Holst : Localisation difficile mais sensation d’espace

Sujet  32 :  Duo  Guitaristes :  Gt  grave  sur  R  aigue  sur  J  (+  de  sensation d’espace)

Bang Bang : Voix sur jaune

Chemical Brothers :Bruitages sur rouge

Mars Gustav Holst : Violons, cors sur R, tp sur J Sujet 33 : Bang Bang : voix côté jaune

Sujet  34 : Duo  Guitaristes : Je ne perçois  pas  l’origine  gauche  ou  droite  des sons.

Bang Bang : Idem

Chemical Brothers : Le son grave est très saturé dans les deux cas, encore plus en stéréo

Mars Gustav Holst : Petit son, un peu saturé en mono et beaucoup en stéréo. Très mauvaise qualité d’écoute (je me demande si je n’ai pas les oreilles bouchées).

Sujet 35 : Duo Guitaristes : Localisation guitares vers gauche et droite, le son général est plus transparent.

Bang Bang : Gt d’un côté, voix de l’autre côté, donc localisation Chemical Brothers : pas trop stéréo

Mars Gustav Holst : résonant vers 1 kHz, et pas qu’en mono, localisation pas trop.

Sujet 36 : Duo Guitaristes : Impossible de localiser Bang Bang : Idem

Chemical Brothers : Idem Mars Gustav Holst : Idem

Sujet 38 : Duo Guitaristes :

Bang Bang : La voix côté jaune, le guitariste plutôt rouge (mais bouge un peu) Chemical Brothers : les graves plutôt jaune, voix 1 jaune, Voix 2 rouge

Mars Gustav Holst : Impression des cuivres graves plutôt jaune. J’ai localisé plusieurs sons, mais comment l’écrire ?

Sujet 39 : Duo Guitaristes : Il y a de l’espace, mais difficile à décrire Bang Bang : fille à droite, le reste plus au milieu

Chemical Brothers : Il y a de l’espace mais difficile à décrire

Mars Gustav Holst : les cuivres sont facilement localisables, le reste moins

Sujet 40 : Duo Guitaristes : Bonne stéréo, large sur dialogues guitares

Bang Bang : Basses floues, bonne localisation en fin d’extrait, dans les voix gauche/droite

Chemical Brothers  :

Mars Gustav Holst : Localisation assez floue. Impression de largeur sur l’orchestre

Sujet 41 : Duo Guitaristes : Clairement g/d, même quand on s’éloigne

Bang Bang : les sons sont artificiels (pas acoustiques je veux dire, dc c’est plus difficile de percevoir un espace, donc de localiser

Chemical Brothers : ? encore plus dur, Par contre dans la version mono,on entend vraiment les masquages du mono.

Mars Gustav Holst : Cette fois j’ai l’impression de percevoir une image avec un peu de profondeur… (illusion ?), par contre, pas de G/D

Question : Avez-vous des remarques concernant la localisation ?

Sujet 12 : C’est moins évident que dans l’air, mais on y arrive, même loin des HP (dans l’axe)

Sujet 13 : Je trouve dans cet exercice, la localisation est relativement facile à distinguer.

Sujet 14 : Ça marche bien !!

Sujet 16 : Ce n’est pas évident mais c’est possible.

Sujet  17 : On la ressent vraiment dans la tête : côté gauche ou droit qui résonne, c’est étrange comme sensation, pas habituel mais sympa.

Sujet 18 : Des questionnements …! Les règles doivent être différentes Les Δt sont peut-être plus importants que les Δi ? Donc à établir.

Sujet 19 : Meilleure en immersion qu’en surface !!

Sujet 20 : PAN à 100% marche bien, du stéréo mélangé moyen

Sujet 23 : De manière générale, la musique est plutôt englobante et je distingue mieux la provenance des voix.

Sujet 26 : La stéréo, c’est plus aéré ! C’est ça l’avantage de localiser un minimum.

Sujet 27 : Rendu 100 fois meilleur en stéréo.

Sujet 28 : Bien meilleure restitution de l’espace, sensation d’enveloppement, et meilleure précision en stéréo.

Sujet 29 : La stéréo est plus agréable

Sujet 31 : La localisation est très floue, par contre la sensation d’espace est largement meilleure en stéréo (peut- être le problème de repli de la stéréo en mono est-il à incriminer)

Sujet 32 : Il y a une énorme différence lorsqu’on bouche les oreilles : le son devient plus précis et avec moins de graves, la reverb de la piscine doit être perçue via le conduit auditif…

Sujet 33 : La stéréo donne plus d’espace, de sensation de volume, de reverb, même si on ne détermine pas la localisation. Même sensation de « respirer » que l’écoute hors de l’eau (mono/ stéréo)

Sujet 34 : la localisation est plus spatiale qu’en aérien, j’ai eu l’impression d’entendre des bruits en haut et en bas en plus de droite et gauche.

Sujet 35 : J’ai eu du mal à localiser sur l’exemple du dialogue (j’ai dû me concentrer), et sur les autres morceaux, une sensation globale, mais impossible de localiser. Le son stéréo semble plus fort, plus « ample »

Sujet 36 : Je localisais pas grand- chose. Orchestre : presque rien. Selon moi, la localisation n’a pas d’importance dans la piscine, plutôt il faut essayer d’améliorer le son en général, et trouver une solution pour essayer d’avoir un son à peu près égal/ pareil dans tout le bassin.

Sujet 37 : Grosse différence de dynamique et de définition entre mono et stéréo au profit de la stéréo.

Sujet 38 : Je localise peu précisément (est difficile à retranscrire sur papier).

Sujet 39 : C’est un peu comme au casque mais moins large. Il faut que cela soit marqué pour être prégnant.

Sujet 40 : Localisation des basses assez floues.

Sujet 41 : Je crois que pour bien localiser il faut que gauche et droite soient bien séparés (rien au centre) que les sons soient plutôt acoustiques et plutôt simples.

Question : Avez-vous des remarques pour finir ?

Sujet 8 : La musique dans l’air ça sonne c’est clair, dans l’eau c’est beau.

Sujet 12 : C’est super. Bosse dans le bas medium (200, 300Hz) faiblesse un peu dans les aigus, mais c’est agréable.

Sujet 23 : L’écoute sous l’eau demande de la concentration et peu d’activité physique.

Sujet  28 : Expérience très agréable physiquement, détente et massage corporel.

Sujet 31 : Le son est essentiellement dans la tête (surtout oreilles bouchées) avec un espace autour (oreilles débouchées) qui brouille un peu, surtout pour niveau fort.

Sujet 32 : Il finit par faire froid (d’où écriture tremblante). Oreilles bouchées= moins de graves.

Sujet 33 : J’ai senti des différences importantes dès que ma tête était complètement immergée.

Sujet 34 : C’est quand je suis entre les enceintes que le son est le plus distordu.

Sujet 35 : Je ne me sentais pas trop bien dans l’eau à cause de manque d’air et mal aux yeux donc en pratique, pour le confort dans une piscine, on veut se détendre, se relaxer plutôt, c’est-à-dire on veut rester à la surface – là, symphonique ne marche pas, la variété marche mieux, rumble dans les graves. Si on bloque les oreilles avec les doigts, la différence entre bloqué et ouvert n’est pas du tout très grande en comparaison avec dans l’air.

Sujet 36 : Boucher les oreilles coupe les graves de façon spectaculaire (cf. chemical brothers).

Sujet 39 : oreilles bouchées, on perd les graves mais on éclairci le discours, débouchées, on a + de niveau : intéressant. À voir aussi la fréquence de résonance dans le bassin : ça brouille le bas, pb de sensation de hauteur, ça bave, ça sature.

Sujet 40 : Oreilles bouchées : pas de localisation, perte de toutes les basses.

Remerciements

Merci à Corsin Vogel, mon directeur de mémoire, qui m’a accompagné tout au long de l’année avec enthousiasme et clairvoyance.

Merci à Noël Canivenq, fondateur de la société Aquamusique, qui a cru en ce projet, et qui m’a prêté le matériel nécessaire au déroulement des tests. Son aide a aussi été précieuse pour trouver une piscine pour les expériences.

Merci à Bernard Boulet, de la Fédération Française de Natation, et au personnel de la piscine Mathis, pour leur accueil et leur disponibilité. Merci plus particulièrement à Mme Linh Do, la responsable du Service du Sport de Proximité de la ville de Paris.

Merci à Cédric Joder, qui a attrappé une bonne bronchite en m’aidant à faire des expériences préliminaires dans ma baignoire, et qui est quand même revenu à la piscine par la suite.

Merci enfin à tous ceux qui se sont mouillés dans ce projet, et qui m’ont rendu des questionnaires tout trempés, à peine lisibles mais fort intéressants.

Dans l’ordre alphabétique : Romain Allender, Alexis Anerilles, Elise Boisseau, Julien Bourdin, Virginie Burgun, Natacha Canton, Sophie Canton, Sebastien Chonion, Baptiste Chouquet, Clément Damès, Jeanne Delacroix, Mariette Girard, Camille Giuglaris, Mireille Faure, Pierre Favrez, Aurélie Ferrière, Axelle Ferrière, Géraldine Foucault, Julien Hulard, Cédric Joder, Laurent Malys, Aurélie Martin, David Menke, Pierre Merle, Cyrille Métivier, Sylvain Morizet, Matthias Muracciole, Christian Oury, Aude- Marie Piloz, Benjamin Ribolet, Roland Seilhes, Corsin Vogel, Jacques Warnier

UNIVERSITÉ DE BOURGOGNE FRANCHE-COMTÉ : ÉCOLE DOCTORALE SEPT (Société, Espace, Pratiques, Temps) LEAD UMR 5022

Doctorat de MUSICOLOGIE par Sandrine PERRAUDEAU

Introduction

Au cours de la deuxième moitié du XXᵉ siècle, l’émergence de la notion de texture a ouvert de nouvelles perspectives en matière de composition et d’appréhension de la musique. Le terme apparaît dans le discours de musiciens, analystes, compositeurs et musicologues, chacun lui donnant sa propre définition : nous le trouvons chez Ligeti « Textur » (en langue allemande) dans plusieurs articles de référence¹, chez Peter Niklas Wilson à propos de Ligeti (1992)² et de façon beaucoup plus systématique chez les anglo-saxons avec l’ouvrage « Analytic Approaches to Twentieth-Century Music » de Joel Lester (1989)³ notamment. L’exploration de nouveaux territoires sonores au cours du XXe siècle a bouleversé la perception des auditeurs et des compositeurs, habitués aux règles syntaxiques énoncées dans le cadre du système tonal. Les compositeurs ont alors envisagé l’écriture sous un angle nouveau : l’élargissement de l’instrumentarium (particulièrement dans les familles des vents et percussions), l’emploi de nouvelles techniques instrumentales et vocales, l’influence de la musique électroacoustique fonctionnant avec des masses sonores et des trames autour de l’écriture instrumentale, ainsi que le recours aux nouvelle technologies ont permis de développer une réflexion innovante autour de la matière sonore et de sa spatialisation.

« La musique de demain sera spatiale. »⁴ À cette déclaration du compositeur Edgar Varèse, Zao Wou-Ki, son ami de toujours, répondra en réalisant un tableau « hommage », un an avant la mort du musicien en 1964. Dans cette toile, nous pouvons voir une texture singulière, laissant suggérer la

« collision entre les sons », recherchée par Varèse, où Zao Wou-Ki jouera avec des effets picturaux et des masses colorées grâce à l’utilisation de multiples techniques, de l’aplat au graphisme le plus brut. D’une certaine manière, le tableau produit une partition visuelle engageant une musicalité. Zao Wou-Ki déclarait lui-même : « Vaincre la surface était devenu mon obsession, un défi qui me posait de nombreux problèmes. […] Ainsi, d’une peinture du sentiment, j’étais passé à une peinture de l’espace. »⁵

De même, la réflexion du compositeur, théoricien et musicologue, Hugues Dufourt nous semble particulièrement intéressante d’être mentionnée afin de mieux comprendre le contexte :

En 1970, la scission du sonore et du musical était totale. Les musiciens emportaient avec eux le formalisme, les règles, la syntaxe, les lois de la combinatoire, mais ils n’avaient plus prise sur un monde sonore en pleine effervescence. De leur côté les électroacousticiens libéraient les puissances du son, réabsorbant dans de larges trames le bruit, les sonorités complexes et le raz de marée des mixtures inharmoniques. Mais sans accès à l’écriture, ils ne pouvaient formaliser intégralement leurs opérations ni par conséquent contrôler leurs trouvailles. Tel était le dilemme : ou bien une écriture condamnée à fonctionner à vide, dans l’autarcie des systèmes formels ; ou bien une production sonore effective, mais frappée d’une inintelligibilité de principe.⁶

Dès lors, la sensibilité auditive évolue, elle se focalise sur les transitoires d’attaque et d’extinction, les oscillations, le grain, la rugosité et résonancence. À ce propos, la texture bouleversera les codes de l’écriture instrumentale et vocale avec pour représentants des compositeurs comme Morton Feldman, György Ligeti, Gérard Grisey, Iannis Xenakis et Hugues Dufourt. Les musicologues ont alors élargi leur palette analytique en s’emparant de la notion de texture. Les œuvres sont analysées en termes de trames, de lignes, d’étendue spectrale, de masses, de densité, de rugosité, etc. Le musicologue américain Leonard Meyer dans son ouvrage de référence Emotion and Meaning in Music (1956)⁷ consacre un chapitre entier à la texture. L’approche essentielle de ce dernier a permis de mettre en lumière les processus cognitifs et émotionnels de la musique, en faisant référence au jeu des tensions et détentes induites par la matière musicale. Dans ce contexte, « la texture correspond à l’émergence de propriétés à un niveau supérieur. On peut imaginer qu’elle est la manifestation d’un processus d’auto-organisation guidé par diverses contraintes cognitives et attentionnelles. Le cerveau procéderait à des choix, des groupements, des hiérarchies selon des contraintes attentionnelles et mnémoniques et selon l’acculturation et les stratégies d’écoute de l’auditeur. »⁸ Mais c’est surtout les études dans le cadre de « l’analyse de scène auditive », compilées dans le célèbre ouvrage de Bregman, qui vont apporter un cadre théorique à l’analyse de la texture (1990).⁹

Au regard de tout cela, comment étudier et comprendre les fondements cognitifs de la perception de la texture ? Il nous semble intéressant de voir également comment nous pourrions utiliser la texture pour l’analyse d’œuvres de musique contemporaine.

« J’imagine être au bord d’un lac où tout est paisible, lisse. » Ce témoignage d’enfant sourd n’est pas isolé quand il s’agit d’expliquer leur savoir-faire pour classer des textures musicales. Pour certains, la texture est assimilée à une « onde visuelle » qui serait la réunion entre « le sentiment et le mouvement ». Dans notre enseignement au quotidien, l’intérêt porté pour la matière sonore et sa perception chez des enfants sourds nous a toujours fasciné et interrogé : car d’une part, le fait d’écouter de la musique contemporaine ne les rebute pas du tout, contrairement à leurs camarades normo-entendants du même âge, elle semble même stimuler leur imagination, d’autre part, leur musicalité se traduit spontanément par le mouvement car elle est le produit intérieur et instinctif imaginé par leur conscience visio-spatiale tout à fait singulière. Cette capacité d’entrer en résonance corporelle avec des contenus musicaux ou avec les gestes de l’autre nous a permis de changer de point de vue et de remettre en cause notre enseignement pour nous diriger vers des méthodes axées sur les aspects psychomoteurs de l’apprentissage et de l’expression musicale. L’utilisation du corps comme premier instrument repose sur des principes pédagogiques énoncés dans les années 1920 avec des pédagogues comme Jacques-Dalcroze, Orff et Martenot notamment. Ces méthodes actives musicales nous semblent tout à fait adaptées à des enfants sourds. Partant de cela, l’ensemble de nos travaux de recherches ont tenté de comprendre et d’expliquer leur perception de la texture et leur attrait pour la musique contemporaine. Est-ce que la texture ne serait pas un formidable levier pour l’éducation musicale de ces enfants ?

Dans un premier temps, nous nous sommes donc consacrés à faire une revue de la texture d’un point de vue pluridisciplinaire. Par exemple, en synthèse d’image, une texture correspond à une région dans une image numérique ayant des caractéristiques homogènes. Ces caractéristiques sont par exemple un motif basique qui se répète, ou des caractéristiques fréquentielles. Ici, une texture est composée de textels, l’équivalent des pixels. En science des matériaux, et en particulier en métallurgie, la texture désigne une orientation cristalline préférentielle, par rapport à une distribution isotrope des orientations. En science des aliments, la texture est l’ensemble des propriétés rhéologiques (résistance à l’écoulement) et de structure (géométrie et surface) d’un produit alimentaire perceptible par les mécano-récepteurs, les récepteurs tactiles et éventuellement les récepteurs visuels et auditifs. En peinture, la texture désigne la consistance de la toile ou du support sur lequel est réalisée l’œuvre.

Puis, dans notre second chapitre, nous exposerons la texture du point de vue des musicologues et compositeurs, pour définir ensuite les principes d’organisation auditive qui permettent de comprendre sa perception (chapitre 3).

Après l’exposition des implications de la texture d’un point de vue pluridisciplinaire, musicologique et cognitiviste, nous aborderons son statut auprès des enfants sourds. Pour cela, dans notre quatrième chapitre, nous présenterons la surdité et ses conséquences sur leur développement ainsi que les différents moyens de réhabilitation existants. Au regard des multiples travaux expliquant les bienfaits de la musique sur notre cerveau (Kirschner et al., 2009¹⁰ ; Herholz et al., 2012¹¹ ; Tillmann et al., 2014¹² ; Bigand, 2018¹³), nous postulons que la musique pourrait être un outil de stimulation auditive pertinent pour ces enfants. Selon Jacques-Dalcroze, « on n’écoute pas uniquement la musique avec les oreilles, on l’entend résonner dans le corps tout entier, dans le cerveau et dans le cœur. »¹⁴ C’est particulièrement cette écoute corporelle qui nous intéresse aujourd’hui et qui nous a poussé à enseigner la musique tout autrement. Il suffit de penser à la percussionniste et compositrice sourde Evelyn Glennie qui explique : « entendre plus avec son corps qu’avec ses oreilles »¹⁵. Sa déficience auditive lui a permis de mieux comprendre la musique qu’elle aime et de mieux s’y connecter. Elle est le sujet du documentaire Touch the Sound, qui explore cette approche peu conventionnelle et intriguante de la percussion.¹⁶

Dans la première partie du cinquième chapitre, nous nous sommes attachés à donner notre point de vue sur cette notion en proposant deux axes : un axe vertical qui correspondrait aux dimensions de la texture, la densité versus aéré, l’étendue, la couleur, le bruit, etc. et un axe horizontal qui lui se conformerait à la trame, la dimension temporelle, le grain ou la nature (strié ou lisse), etc. C’est pourquoi il nous a semblé intéressant de présenter dans le cadre de ce travail de recherche, quatre analyses texturales à l’aide de l’informatique, en nous limitant aux techniques de visualisation du signal audio. Puis la deuxième partie se focalisera sur les résultats de nos deux expérimentations menées autour de la perception de la texture chez des enfants sourds implantés versus enfants et adultes normo-entendants.

Toute notre démarche musicale auprès des enfants sourds s’est largement nourrie des « méthodes actives » entièrement centrées sur l’enfant, comme celles de Orff, Jacques-Dalcroze, Martenot, etc., que nous détaillerons dans notre dernier chapitre. Chercher tout ce qui permet à l’enfant d’acquérir ce qui lui est nécessaire : recherche par tâtonnement, exploration du mouvement, le corps comme premier instrument. Comme l’écrit si justement Monique Désy Proulx, « la musique nous lie les uns aux autres. En chantant, en jouant ou en dansant à plusieurs, nous ressentons en même temps les mêmes émotions, ce qui nous révèle à quel point nous sommes semblables et nous faisons partie d’un tout. »¹⁷ La musique est avant tout source de plaisir, de sensations, d’expressivité et de création. C’est dans cette perspective que nous avons élaboré nos expérimentations en suggérant que la texture permettrait de stimuler l’expérimentation d’autres pratiques pédagogiques, davantage liées à la découverte du corps, de l’expression du mouvement et de la voix dans toutes ses potentialités.

Chapitre 1 : La texture d’un point de vue pluridisciplinaire

Pour tenter de construire une réflexion intéressante autour de la notion de texture, il nous semble nécessaire de proposer un état de l’art afin de montrer son importance dans des domaines fort variés, car dans notre environnement, la texture est omniprésente. Elle contient des informations visuelles importantes sur un objet et nous permet de distinguer les animaux, les plantes, les aliments et les tissus. Cela fait de la texture une partie importante de l’apport sensoriel que nous recevons chaque jour. Dans les arts visuels, la texture est la qualité de surface perçue d’une œuvre d’art. C’est un élément de conceptions bidimensionnelles et tridimensionnelles qui se distingue par ses propriétés visuelles et physiques perçues.¹⁸ Du point de vue de la recherche, les textures sont classées en textures tactiles et visuelles. Les premières, également appelées textures réelles ou textures physiques, sont des variations de surface comme la fourrure, le sable et les surfaces lisses de la toile, du métal, du verre, ou encore du cuir. La texture physique se distingue de la texture visuelle par une qualité physique qui peut être ressentie au toucher.¹⁹ La texture visuelle est l’illusion de la texture physique. Chaque matériau a sa propre texture visuelle. Les photographies, les dessins et les peintures utilisent une texture visuelle pour représenter de manière réaliste et avec interprétation leur matière. Nous parlerons également dans ce chapitre des textures physiques telles que la géologie, l’anatomie et de l’immensément grand avec la cosmologie. La métaphore du tissu associée à la littérature ou aux arts plastiques questionnera la notion de texture. De plus, l’aspect multidimensionnel de la texture dans la cosmétique et dans la science des aliments sera tout autant abordé dans ce chapitre.

Au demeurant, il s’agit de proposer un parcours autour de la notion de texture à travers une lecture pluridisciplinaire.

1. La texture en cosmologie

En cosmologie, la texture est un défaut topologique de l’univers. Le cosmologiste, Neil Turok est un grand pionnier dans ce domaine. Il a émis une théorie nouvelle sur l’origine du Big-bang. Il propose que le Big Bang ne représente juste qu’un stade d’un cycle infiniment répété de l’expansion de l’Univers et de ses contractions. Ainsi, cela implique que ni le temps ni l’univers n’ont de commencement ni de fin. Des physiciens pensent que cette théorie mérite que l’on s’y intéresse car les équations sur les lois qui régissent l’univers vont à l’infini. Le scientifique est proche de la Théorie des Cordes, développée par Edward Witten, en 1995.

Les défauts topologiques tels que les textures et les cordes cosmiques (à ne pas confondre avec les cordes de la théorie des cordes) sont des structures hypothétiques présumées stables qui se seraient formées dans les premiers instants de l’univers. Les théories impliquant la formation de défauts topologiques prédisent qu’ils seraient apparus à l’issue de la période inflationnaire. Ces textures expliqueraient la formation des grandes structures.

Joseph Silk nous explique que la texture correspondrait à un nœud topologique tridimensionnel. Il considère que le cas des textures est particulièrement intéressant :

Dès lors que la distance parcourue par la lumière depuis le big-bang devient comparable au rayon d’une texture, celle-ci s’effondre et emporte avec elle toute la densité d’énergie associée. Lorsque sa taille atteint environ 10-30 centimètres, le nœud se défait. Ce phénomène s’accompagne de l’émission d’une salve de particules interagissant faiblement connues sous le nom de « bosons de Goldstone ». La densité d’énergie associée à la texture et à la couche en expansion de ces bosons pousse la matière ordinaire environnante, qui forme alors les structures

que l’on observe aujourd’hui. La matière ambiante répond par des fluctuations en densité qui conduisent à la formation de galaxies, d’amas de galaxies et de structures plus vastes encore.²⁰

Néanmoins pour le moment, depuis les observations du satellite Cobe, les modèles basés sur des cordes cosmiques et les textures sont considérés en général comme non viables. Les observations ne permettent pas d’expliquer majoritairement l’apparition des grandes structures de l’Univers à partir de zones de surdensité créées par des cordes cosmiques, ou en liaison avec les textures. Mais cela ne veut pas dire qu’il n’en existe pas ! Simplement, leur rôle ne peut être que très minoritaire.

2. La texture et l’anatomie

L’anatomie humaine se divise en deux grandes parties : l’anatomie physiologique qui étudie les organes sains, et l’anatomie pathologique qui étudie les organes malades. « Lorsque l’anatomie s’occupe de toutes les qualités des organes qu’on peut observer sans les diviser, elle prend le nom d’Anatomie des formes, des connexions, ou d’Anatomie descriptive. Quand elle s’occupe de leur texture intime, elle est désignée sous le nom d’Histologie ou d’Anatomie de texture. »²¹

Aujourd’hui, l’Histologie fait référence à l’étude des tissus biologiques. Elle étudie la structure de ces tissus à un niveau microscopique et permet de comprendre leur fonctionnement normal ou pathologique. Elle se situe au carrefour de la biologie cellulaire, de l’anatomie, de la biochimie et de la physiologie. Le terme de tissu désigne un ensemble de cellules présentant une structure semblable et remplissant une (ou des) fonction commune. Un tissu peut être un tissu simple ou un tissu composé. Dans le corps humain, il existe quatre tissus simples ou primaires : le tissu épithélial, le tissu conjonctif, le tissu musculaire et le tissu nerveux. Un tissu composé est une combinaison de tissus simples associés morphologiquement et fonctionnellement.

Ainsi, « la plupart de nos organes contiennent des tissus des quatre groupes primaires, la disposition de ces derniers au sein de l’organe, avec la participation d’éléments vasculaires et d’éléments nerveux, déterminant sa structure et ses capacités fonctionnelles. »²²

3. La texture en géologie

La texture, observable au microscope, concerne la disposition élémentaire des minéraux, définie par leur taille (granulométrie), leur forme et leur arrangement. La texture d’une roche est comme une empreinte digitale car elle nous renseigne sur son environnement de formation.

Nous distinguons ci-après une liste des principales textures souvent associées à des roches magmatiques et métamorphiques.²⁴ Toutefois la variété des textures est si grande qu’il n’est pas envisageable dans le cadre de notre recherche d’en faire un catalogue exhaustif.

• Texture phanéritique (ou grenue) : concerne les roches magmatiques dont le grain est visible à l’œil nu. La taille des minéraux varie entre 1 et 5 mm et sont le plus souvent équigranulaires. La texture phanéritique indique un refroidissement lent du magma. Le granit en est l’exemple le plus courant.

• Texture aphanitique : concerne les roches magmatiques qui ne montrent pas de cristaux visibles à l’œil nu, ni même au microscope. La taille de ces minéraux est généralement plus petite que 1 mm.

• Texture vitreuse : cela correspond aux roches magmatiques qui sont entièrement ou en grande partie constituées de verre.

• Texture pegmatitique : texture d’une roche magmatique ayant des minéraux de dimension centimétrique, décimétrique ou exceptionnellement métrique. La texture pegmatitique indique un refroidissement très lent du magma.

3.2. Les roches métamorphiques

• Texture granoblastique : C’est une texture sans orientation des minéraux. Les roches sont formées de minéraux en granules, comme par exemple les quartzites et les marbres.

• Foliation : Texture avec orientation des minéraux. Alternance de lits de minéraux différents. La roche présente des feuillets alternés de divers minéraux, tantôt clairs, tantôt sombres.

• Schistosité : C’est une texture avec orientation privilégiée des minéraux. Disposition orientée des minéraux en plans parallèles, plus ou moins marqués.

Depuis longtemps en géologie-géophysique, l’analyse quantitative de textures a pu fournir des informations essentielles sur l’histoire des déformations des roches et pour interpréter l’anisotropie observée dans la propagation sismique.²⁵ L’obtention de matériaux texturés a subi, de fait, un essor sans précédent. Il nous semble par conséquent important de faire le point sur les textures cristallographiques.

4. Texture et Cristallographie

La cristallographie est la science qui se consacre à l’étude des substances cristallines à l’échelle atomique. Les propriétés physico-chimiques d’un cristal sont étroitement liées à l’arrangement spatial des atomes dans la matière. Elle étudie la formation, la croissance, la forme extérieure, la structure interne, et les propriétés physiques de la matière cristallisée. Après avoir fait partie de la minéralogie, la cristallographie est devenue, depuis la fin du XIXᵉ siècle, une science indépendante apte à pouvoir mener l’étude de la morphologie, de la texture et de la structure des cristaux. Elle est le fondement de plusieurs autres domaines, dont la physique, la chimie, les mathématiques, la biophysique, la métallurgie en général, l’électronique, etc. Comme le souligne l’historien Denis Guthleben, « En pénétrant la structure des matériaux, la cristallographie a ouvert un champ immense de connaissances. Et ce champ n’a fait que s’élargir à mesure de l’amélioration des générateurs de rayons X, puis de la découverte de nouvelles méthodes pour l’étude de structures toujours plus complexes. »²⁶ Cette science trouvait déjà ses racines dans la philosophie grecque antique avec Platon et ses disciples, en grande admiration devant la perfection de la forme de ces cristaux.

Dans ce domaine, la texture est la description de la forme, des dimensions, et de l’orientation mutuelle des monocristaux dans un matériau polycristallin (constitué d’un ensemble de monocristaux) comme un métal, une poudre, un sol, une céramique, etc. La diffraction des rayons X ou des neutrons permet d’accéder à cette texture. Il apparaît essentiel aujourd’hui de développer un maximum de techniques afin de caractériser au mieux la texture pour une bonne maîtrise des propriétés d’usage des matériaux.²⁷

Dans le domaine de la science des matériaux, un grand nombre de travaux ont pour objectif de décrire et d’optimiser le comportement macroscopique des métaux et alliages, à partir de la caractérisation et de l’analyse de leur microstructure et de leurs mécanismes fins de déformation. Pour cela, les scientifiques ont alors besoin de mesurer la texture, les déformations, pour suivre au plus près le comportement du matériau étudié. Nous ne détaillerons pas ici les différents principes des mesures de ces textures, car ce domaine d’étude scientifique fort complexe n’est pas le nôtre.

5. Texture et sciences des aliments

La texture et la sensation en bouche sont des propriétés sensorielles fondamentales des aliments. Datant d’un siècle environ, l’analyse de la texture des aliments est un domaine scientifique qui a réellement pris son essor au début des années 1960, notamment grâce aux travaux de R.H. Scott Blair et A.S. Szczesniak.²⁹ La définition donnée par Szczesniak en 1998 est la plus représentative :

La texture est la manifestation sensible et fonctionnelle des propriétés structurales et mécaniques des aliments, détectées par les sens de la vision, l’ouïe, ainsi que le toucher et les perceptions kinesthésiques.³⁰

L’analyse de la texture dépendra donc de la sensation ressentie lorsque ce produit est mis en bouche avant son ingestion. « Un des premiers travaux de l’analyse de texture va consister à nommer ces sensations le plus objectivement possible, c’est-à-dire à interpréter un champ sensoriel par la parole. »³¹ La texture est un des critères principaux utilisés par les consommateurs pour juger de la qualité et de la fraîcheur des produits. Dans le domaine alimentaire, la texture est considérée essentiellement comme une propriété sensorielle et regroupe un grand nombre de termes. Nous pouvons citer, entre autres, la tendreté pour la viande, l’onctuosité ou la fermeté pour des fromages, l’aspect collant pour des pâtes ou encore les caractères craquant, friable, dur et croustillant pour des biscuits, etc.

Le développement de nouvelles textures peut être considéré comme une source d’innovation majeure pour le secteur alimentaire. Lors de la dégustation, la texture est appréciée en trois phases : une phase d’attente, de mastication et de déglutition. Au cours de cette dernière phase, les informations de textures peuvent être de nature très variée. Selon ses caractéristiques de surface, la texture peut se révéler rugueuse, lisse, fibreuse, humide, grasse, etc. Elle peut avoir des caractéristiques mécaniques primaires comme la dureté, l’élasticité, la viscosité, etc., ou encore des caractéristiques géométriques telles que la granulosité ou la forme et l’arrangement des particules dans le produit en question.

Divers travaux autour de l’évaluation sensorielle de la texture ont démontré l’importance des sensations acoustiques pour la perception du croustillant.³² La hauteur du son émis lors de la morsure et de la mastication nous permet par exemple de différencier le croustillant (bruit aigu, correspondant à une fréquence élevée) du croquant (bruit grave, correspondant à une faible fréquence). Les stimulus auditifs ont donc une importance capitale dans la perception de la texture.

Quant à la vue, elle nous permet d’anticiper la texture de l’aliment qui va être consommé : elle nous prépare à mordre avec une vigueur appropriée.

Ainsi, tous les sens sont concernés : le toucher lors de la prise du produit et dans la mise en bouche, la vue lors du choix, l’ouïe lors de la mastication. Le goût et l’odorat interviennent également dans notre perception des différentes saveurs. Le goût permet d’identifier les substances chimiques sous forme de solutions par l’intermédiaire de chémorécepteurs. Quant à l’odorat, il permet de détecter les substances chimiques volatiles.³³

De plus, il existe également des méthodes instrumentales. Elles révèlent de la rhéologie. Il existe trois grandes catégories de mesures de la texture : des méthodes fondamentales (mesure de la viscosité, de la dureté, de la résistance ou de la fragilité d’un matériau alimentaire), des méthodes empiriques basées sur trois principes fondamentaux de la déformation (la flexion, le cisaillement et la compression) et enfin les méthodes imitatives (imitation de l’action des dents par exemple).³⁴ L’analyse instrumentale peut conforter l’analyse sensorielle dans le cadre du respect de certaines réglementations, voire en matière d’innovation.

6. La cosmétique et la texture

La texture d’un produit est une notion complexe et multidimensionnelle. Comme nous l’avons exposé précédemment pour le domaine alimentaire, avec la définition de Szczesniak notamment (1963), elle peut être définie de manière similaire pour l’évaluation de produits cosmétiques. Ainsi, la perception de la texture de produits cosmétiques, types crème ou lait, peut être divisée en 4 étapes, correspondant à l’ensemble des sensations perçues au fur et à mesure qu’elles apparaissent lors de l’évaluation d’un produit (Schwartz, 1975³⁵ ; Civille & Dus, 1991³⁶) :

• L’apparence, comprenant les propriétés visuelles d’un produit avant toute manipulation,

• Le pick-up, correspondant aux propriétés sensorielles du produit perçues avant application, lorsque le produit est prélevé dans son contenant,
• L’application ou pénétration, comprenant les propriétés du produit développées durant son application sur la peau,
• L’apparence résiduelle et la sensation au toucher, correspondant aux effets visuels, tactiles, olfactifs et kinesthésiques du produit sur la peau, après application.

Ainsi, la perception globale de la texture est rendue possible par l’intégration de nombreux stimuli rendant compte de cette muldimensionnalité.³⁷

Le secteur de la cosmétique adapte les textures de ses produits et innove avec des expériences sensorielles surprenantes. L’efficacité d’un produit de soin cosmétique passe aussi par sa texture. D’ailleurs, les acteurs de ce marché l’ont très bien compris. Depuis quelques années, l’innovation dans ce domaine consiste à créer des textures à transformation : par exemple, une mousse qui se transforme en huile, une crème qui devient un masque caoutchouteux ou encore un gel qui se métamorphose en mousse pétillante. Toutes ces années de recherche scientifique payent et donnent des résultats tout à fait surprenants.

Cette autre école du geste amène un sentiment de profondeur, une sorte d’expérience spirituelle. De son côté, la sémioticienne Anne Beyaert définit la texture comme une « répétition d’unités produisant une discontinuité tonale ».⁷¹ Cette conception est intéressante car elle permet de dégager la texture de toutes les connotations d’épaisseur qui lui sont attachées : « une texture peut être épaisse et satisfaire une conception « matiériste » à la façon de Tàpies, par exemple, mais elle peut tout aussi, sans sacrifier sa définition, présenter la fine granulosité d’une peinture de Rothko ».⁷²

Elle poursuit en soulignant que « Dubuffet s’est efforcé de rendre compte de cette coopération qui caractérise la texture en peinture. »⁷³ « L’art doit naître du matériau et de l’outil et doit garder la trace de l’outil et de la lutte de l’outil avec le matériau. L’homme doit parler mais l’outil aussi et le matériau aussi ».⁷⁴ La texture correspondrait ici à « la trace ».

Avant de terminer ce chapitre, il nous semble important de mentionner un autre illustre représentant de la texture-matière, Pierre Soulages. Pendant des décennies, il a travaillé avec un même et unique noir, qu’il a nommé « l’outrenoir ». Il l’applique à la brosse et au spalter pour dessiner la matière, lui donner une texture. C’est la lumière qui donne toute sa force au travail de Soulages : elle accroche la peinture et, à travers les différentes textures créées, dessine d’infinies variations. Le spectateur est également impliqué dans cette perception de la texture car les reflets du tableau changent avec ses déplacements. La mobilité du spectateur a pour effet de multiplier les points de vue et contribue à élargir l’espace de rencontre entre le spectateur et la peinture.

Chapitre 2 : Texture et musique du point de vue musicologique classique

Selon Thomas Messenger, la notion de texture serait apparue dès l’époque de la Renaissance. Des compositeurs de la période Tudor, tels que Robert Fayrfax (1464-1521), Nicholas Ludford (1485-1557) ou encore John Taverner (1490-1545), pensent déjà la texture dans leur écriture, sans pour autant se référer au concept. Ici elle serait plus comparable à l’idée de « couleur ». Cette association Texture-couleur est utilisée pour apporter des éléments d’analyse dans la messe de Fayrfax : « La messe de Fayrfax composée durant les vingt premières années du XVIᵉ siècle montre une utilisation très sophistiquée du traitement de la texture-couleur, ce qui a une importance vitale pour la compréhension de la structure à quatre mouvements de la messe », selon Messenger.⁷⁵

Ce terme est tout à fait novateur, ce qui pourrait expliquer le temps qu’il a fallu pour le définir. Il n’apparaît pas dans les dictionnaires de référence que nous connaissons, comme dans le Oxford English dictionary (1933) ni dans le Grove Dictionary of Music and Musicians (1954), ni dans l’Encyclopédie Fasquelle (1958-1961). Ce sera seulement dans les années 1980 qu’une première définition claire de la texture sera énoncée dans le New Grove Dictionnary of Music and Musicians, édité par Stanley Sadie : « Texture is a term used loosely when referring to any of vertical aspect of a musical structure, usually with regards to the way in which individual parts or voices are put together ».⁷⁶ Cette définition tardive est probablement corrélée avec le plein essor de la musique contemporaine.

Au sein de ce courant, la texture décrirait la manière dont les éléments d’une chose se combinent, s’interconnectent ou s’entrelacent. Elle se réfère tant à la structure d’un corps ou d’une œuvre (forme) qu’à la disposition ou à l’interaction entre les particules qui le constituent (procédures), ou encore à la nature de celles-ci (paramètres). D’un point de vue linguistique, le terme « texture » ne comporte aucun antonyme. Il se présente comme un substantif associé à des adjectifs tels que « transparente », « claire », « foncée », « uniforme », « dense », « opaque », « rugueuse », « âpre », « diaphane » etc., et apparaît le plus souvent associé au concept de timbre. Si la polysémie de ce dernier nous permet d’approcher les qualités physiques d’un son et les aspects sémantiques d’une pièce ou d’un fragment musical, l’analyse des propriétés de la trame d’une texture polyphonique suscite une certaine ambiguïté conceptuelle.

1. La texture comme combinaison de lignes musicales : Dunsby, Benward and Saker, Berry, Lester

De manière générale, la texture concerne la manière dont les parties individuelles ou les voix sont assemblées (Benward & Saker, 2003).⁷⁷ Quatre types de textures émergent de cette définition :

• La monophonie ou monodie : une seule voix, un chant à l’unisson ou à l’octave, un solo d’instrument monodique.
• La polyphonie : superposition de deux ou de plusieurs voix indépendantes formant un ensemble homogène. L’indépendance porte principalement sur les mouvements mélodiques.
• L’homophonie : plusieurs voix émises à l’unisson strict, avec aussi parfois des doublures à l’octave.
• L’hétérophonie : superposition d’une mélodie à ses propres variations (nuances, ornements, légers décalages rythmiques, mélismes étendus, etc.). Ce type de texture est courante dans la musique orientale et africaine. Elle peut être utilisée comme procédé d’improvisation notamment dans le jazz.

Par exemple dans le Scherzo de la Sonate en si majeur pour piano de Schubert, nous pouvons retrouver plusieurs types de textures s’enchaînant rapidement.

La monodie et la polyphonie correspondent plus à la dimension horizontale de l’écriture. Leur organisation est linéaire comme dans l’écriture contrapuntique (canon et fugue). En revanche, l’homophonie et l’hétérophonie se rapportent à la dimension verticale, elles privilégient la pensée harmonique (cf., exemple de Schubert).

Afin d’illustrer au mieux notre propos, voici d’autres exemples présentés dans Music: In Theory and Practice de Benward & Saker⁷⁸:

–       Texture monodique :⁷⁹

–       Texture polyphonique : ⁸⁰

–       Texture homophonique :

Plusieurs théoriciens ont tout particulièrement développé cette notion de texture. Dans son ouvrage Analytic Approaches to Twentieth-Century Music,⁸¹ Joel Lester envisage les origines de la texture chez Mozart et chez Malher. Chez Dyson,⁸² l’écriture contrapuntique de Bach est un modèle textural exemplaire. Même approche chez Larry Starr de l’université de Washington mais autour de la musique de Bartok.⁸³ Quant à Piston, dans son traité d’orchestration,⁸⁴ il a dénombré sept types de textures différentes : unisson orchestral, mélodie et accompagnement, mélodie secondaire, écriture en parties, texture contrapuntique, texture en accords, texture complexe.

Wallace Berry lui consacre un chapitre entier dans son ouvrage Structural functions in music (chapitre 2). Il considère que « la Texture est en partie conditionnée par le nombre de ses composants intervenant simultanément ou de manière consécutive, ses qualités étant déterminées par les interactions, interrelations ainsi mises en jeu ».⁸⁵ À partir d’exemples musicaux éclectiques allant de la Renaissance avec Josquin Desprez jusqu’à la musique du XXᵉ avec Elliott Carter, Berry envisage différents cas de progression, récession et variation de texture en tant que facteurs structurels. Il explique que ces différents cas peuvent s’appliquer aussi bien au rythme qu’à l’espace, à la densité, à la délinéation de la forme, voire au style.⁸⁶

Berry a distingué l’aspect qualitatif de la texture de ses aspects quantitatifs. Pour cela, il a établi une typologie en dix catégories : polyphonique, homophonique, harmonique (accords avec des voix souvent homorythmiquement liées), doublure (homorythmiquement, homodirectionnellement et homointervalliquement associées), miroir (homorythmiquement, homointervalliquement associées), miroir (homorythmique, homointervalliquement, contradictoire), hétérophonique (homodirectionnel et hétérointervallique), hétérorythmique, sonorité (caractère sonore global), contrepoint (interaction interlinéaire) et monophonique (une seule voix).⁸⁷

Quant à Charles Rosen, dans son ouvrage sur Schœnberg, il énonce « les innovations de textures les plus remarquables du compositeur autrichien qui intéressent trois aspects différents de cette notion à savoir : le rythme, la couleur orchestrale et l’espacement ou au contraire le resserrement de l’harmonie. »⁸⁸

2. La texture du point de vue des compositeurs

2.1. Arnold Schoënberg (1874-1951)

Dans son essai Du Spirituel dans l’art, le peintre Kandinsky affirme que « l’audition des couleurs est tellement précise qu’on ne trouverait certainement personne qui tente de rendre l’impression de jaune criard sur les basses d’un piano ou compare le carmin foncé à une voix de soprano. »⁸⁹ Le foisonnement de ses réflexions synesthésiques trouve évidemment de multiples échos dans les innovations techniques de l’époque, qui permettent l’entrée en jeu de la lumière dans la quête de visions sonores. À travers ces mots, Vassily Kandinsky nous révèle sa conviction au sujet des étroites résonances existant entre les arts. Une très belle rétrospective a particulièrement mis en évidence cela, au Centre Pompidou Metz en 2017, où de nombreuses textures sonores ont été intimement liées aux arts plastiques, depuis l’héritage du Bauhaus notamment (école d’art dont l’enseignement est basé sur le décloisonnement des pratiques artistiques et techniques). Un parcours Musicircus, en hommage à John Cage, a été créé par Emma Lavigne et Anne Horvath, commissaires de cette exposition : « D’Alexander Calder à Arman, de Marcel Duchamp à Yves Klein, de Nicolas Schöffer à Cerith Wyn Evans, l’exposition est traversée de flux, dans un esprit de jubilation qui convoque et réactive l’esprit de l’œuvre collective et chaotique Musicircus de John Cage créée en 1967, où tout musicien est invité à jouer ou à performer dans une totale liberté au sein d’un orchestre ouvert à tous. »⁹⁰ Selon elles :

Parmi les nombreuses métaphores musicales employées par Kandinsky, le concept de « contrepoint » est décisif dans l’analyse de la composition, art de combiner la forme et la couleur. Réalisée au Bauhaus, Accent en Rose révèle la grammaire picturale esquissée alors par l’artiste,

inspiré par son dialogue permanent avec Arnold Schœnberg qui le sensibilise à la théorie musicale.⁹¹

Ainsi, l’opposition jaune-bleu est ici équilibrée grâce à la présence du cercle rose, rassurant et apaisant, tout en déplaçant la composition vers le haut, créant une tension qualifiée par Kandinsky de « lyrique ». Schoënberg échangera une longue et précieuse correspondance avec son ami Kandinsky (1911-1936). Ensemble, chacun à leur manière, ils ont concrétisé leur idée de « l’Audition Colorée ».⁹² Le drame musical, Die glückliche Hand (« La main heureuse ») de Schoënberg (1913) et Der gelbe Klang (« La Sonorité Jaune ») de Kandinsky (1909) illustrent singulièrement leur amitié et la richesse de leurs points de vue artistiques à travers une correspondance marquante pour l’Histoire des Arts.⁹³ Philippe Albéra traite justement de la texture chez Kandinsky et Schoënberg au sujet de Die glückliche Hand.⁹⁴

2.2. Claude Debussy (1862-1918)

Dans un autre registre, nous pensons tout particulièrement à Claude Debussy, qui est sans conteste le compositeur du tournant du XIXᵉ siècle qui trouva une grande partie de son inspiration dans le domaine des arts visuels. D’emblée, lui aussi, il s’intéressa aux artistes les plus en marge des académismes en cours : Degas, Whistler, Turner, Redon, Camille Claudel. « Moi qui aime les images presque autant que la musique », s’écrie Debussy dans une lettre, et cette déclaration, si singulière chez un musicien, exprime le rôle central de l’inspiration visuelle dans sa création. Dans les années 1890, il fréquente assidûment les milieux symbolistes en pleine ébullition. Aux Mardis de Mallarmé, il rencontre Whistler, Verlaine et les jeunes poètes du groupe symboliste. Dans le programme des premières auditions de son triptyque symphonique Nocturnes, Claude Debussy parle de « l’agonie grise, doucement teintée de blanc » pour introduire Nuages, la première des trois pages.⁹⁵

Son écriture texturale, impressionniste, proche de la conception texture-couleur décrite en ce début de chapitre avec la messe Fayrfax, est directement inspirée d’un tableau de Whistler. Chez Debussy, le rêve, les associations d’images, se substituent à la cohérence traditionnelle du discours musical. Avant de penser écriture, il pense sonorités, espaces sonores. « Je veux chanter les paysages intérieurs » disait-il.⁹⁶

Nous savons que Debussy est une des références majeures de Pierre Boulez (1925-2016) car il est fréquemment cité dans ses écrits. Boulez le considère comme l’un des pères de la modernité musicale. Il s’est intéressé tout particulièrement à la conception de la forme chez Debussy :

Ce que nous trouvons chez le dernier Debussy, c’est un sens, d’abord de la forme vécue non plus comme architecture. Mais c’est la forme dans laquelle, pour la comprendre, on doit passer au travers. En somme, une espèce de forme tressée, par tuilage des objets qui la composent. Il y a, chez Debussy, un souci constant du renouvellement du matériel sonore à partir soit d’un intervalle, soit d’une idée génératrice formant ce matériau. Certes dans les études, on trouve des pièces conçues suivant une architecture déjà assimilée. Quelques études, en particulier, sont construites sur la forme bien connue ABA, mais dans la plupart, la forme se crée au fur et à mesure de son engendrement.⁹⁷

Lorsque Boulez commente l’œuvre de Debussy, il déclare qu’« on pourrait parler là encore de narration, mais ce serait une narration très condensée, […], elliptique par essence ».⁹⁸ Les écrits de Debussy ont énormément influencé les écrits de Boulez. Laurent Feneyrou, dans Debussy au miroir des écrits de Boulez⁹⁹, en fait une analyse détaillée. Boulez se sert singulièrement de Debussy pour annoncer son propre programme esthétique. Boulez a également été un grand interprète de la musique de Debussy tout d’abord en tant que pianiste, notamment au début des années soixante en duo avec Yvonne Loriod, puis bien sûr, en tant que chef d’orchestre. Jeux et Iberia figurent dans son tout premier concert symphonique donné, le 16 juin 1956 à Caracas, avec l’orchestre symphonique du Venezuela. Un enregistrement radio historique de ce concert a d’ailleurs été conservé. Suivront de nombreux enregistrements dédiés à la musique de Debussy, grâce à son contrat avec la maison de disque CBS.

Dans Jeux (poème dansé, 1913), appelée « la forme tressée ou tissée » par Boulez, l’organisation générale est aussi instantanée qu’homogène dans son développement. L’analyse d’Herbert Eimert, publiée en 1959, rejoint la pensée de Boulez. Il considère que « le caractère « sériel » de Jeux dépend de la façon dont ornement, tempo, mètre, dynamique, timbre et texture participent de manière égale aux configurations de la forme ».¹⁰⁰ Boulez l’enregistrera à deux reprises : en 1966 avec le New Philharmonia et en 1995 avec l’orchestre de Cleveland.

2.3. Pierre Boulez (1925-2016)

Dans son livre Le pays fertile : Paul Klee,¹⁰¹ Pierre Boulez condense ses réflexions autour des principes de composition du peintre et la nourriture que ceux-ci ont pu apporter à sa composition musicale. Dans son analyse de la peinture de Paul Klee, il établit des liens entre structure et composition musicales. Ce qui donna naissance en 1952 à une pièce musicale intitulée Structure 1a, inspirée du tableau de Paul Klee Monument à la limite du pays fertile, organisé en barres parallèles avec parfois une rupture qui réintroduit le chaos dans l’équilibre structural. Ainsi, les relations entre peinture et musique sont d’abord de nature structurale, avec cette différence que la perception d’un tableau est toujours globale puis s’oriente vers le fond ou les détails.

Comme l’écrit le musicologue Robert Piencikowski :

Le premier livre de Structures pour deux pianos (1952) marque une étape importante non seulement dans l’évolution de Pierre Boulez, mais également dans le développement de la conscience musicale occidentale, par l’extension du phénomène sériel aux quatre composantes sonores (hauteurs, durées, attaques, intensités) et la fonctionnalité de la conception sérielle désormais responsable de l’espace acoustique et formel à l’intérieur duquel elle est destinée à se mouvoir.¹⁰²

Ce dernier propose une analyse de l’œuvre en s’appuyant sur la première division du mode de valeurs et d’intensités d’Olivier Messiaen :

• Ia. Brève succession de séquences exposant différents éclairages possibles du matériau sériel réduit à sa plus simple expression.
• Ib. Vaste opposition de textures faisant alterner une trame dépouillée avec des développements à densité croissante jusqu’à l’épuisement de la matière sonore.
• Ic. Concluant sur un flux rapide et ininterrompu de figures imprévisibles.

Ici, la série se transpose sur elle-même et l’objet sonore définit l’espace dans lequel il évolue. Car si l’objet sonore entretient des relations inharmoniques avec ses composantes, l’espace acoustique sera relatif. Il s’agit véritablement de démultiplier l’instrument, le piano, grâce à ses propriétés acoustiques. Structure Ia est souvent présentée comme l’exemple de l’école de Darmstadt et l’apogée de l’impasse du modernisme dans une rationalisation extrême : le sérialisme total. Il existe de nombreuses analyses approfondies sur les compositions de Boulez, dont plusieurs touchent des idées esthétiques. La première étude majeure de l’un de ses travaux est l’analyse de Structure Ia en 1958 de Ligeti.¹⁰³

Les théorisations bouléziennes seront concrétisées dans Penser la musique aujourd’hui ¹⁰⁴ en 1963, résumant l’ensemble des techniques d’écriture utilisées dès 1949. Boulez insiste sur la notion de texture afin de définir les critères de combinaisons ou d’arrangements des organismes sériels. Il décrit avec beaucoup de détails l’hétérophonie, la structure la plus éloignée de nos habitudes, dans un souci d’expliciter le caractère fragile des dimensions traditionnelles du vertical et surtout de l’horizontal, le régime sériel polarisant la perception vers l’oblique. En effet, Boulez cherche à s’éloigner de la typologie classique afin d’introduire de nouvelles catégories qui lui permettent de classer toutes les combinatoires imaginables.

Jusqu’à ma rencontre avec Klee, je ne raisonnais qu’en musicien, ce qui n’est pas toujours le moyen de voir clair. C’est parce qu’un problème identique avait été simplifié de manière exemplaire par Klee que j’ai été amené à réfléchir autrement, sous un autre angle. Et il me semble possible, avec un élargissement de l’hétérophonie, d’appliquer ses idées sur la perspective.¹⁰⁵

De ce fait, Boulez considère deux dimensions : d’une part, la dimension dans laquelle se produisent les événements (horizontale, verticale, diagonale), et d’autre part, celle qui se rapporte au type d’utilisation des événements (individuel, collectif). Il utilise ces deux paramètres afin d’élargir son écriture. Il distingue le contrepoint libre (horizontal-individuel/collectif) du contrepoint rigoureux (horizontal-individuel/individuel), ainsi que l’harmonie fonctionnelle de l’harmonie non fonctionnelle.¹⁰⁶

2.4. György Ligeti (1923-2006)

L’esthétique de György Ligeti, l’un des premiers compositeurs à employer le terme texture dans ses écrits théoriques, prend sa source dans une critique du sérialisme. Ainsi, s’exprimant sur Apparitions et Atmosphères, dans un entretien avec Peter Varnai, en 1978, Ligeti déclarait explicitement avoir écrit ces œuvres en complète réaction au sérialisme et à l’aléatoire de Cage. Tout comme la conception de Lewis Rowell que nous détaillerons dans le chapitre sur la texture comme matière, le compositeur hongrois recourt à la métaphore du « tissage » lors de son analyse détaillée de Structure Ia pour deux pianos de Boulez :

À l’écoute de cette composition, donc, se déploie une structure en trame d’un tissage plus ou moins grossier ou fin d’une perceptibilité auditive changeante. Elle consiste en une quantité de “points” sonores intelligemment ordonnés qui s’assemblent pour constituer des fils d’une épaisseur variable, qui parfois se profilent et parfois se fondent. Les fils à leur tour sont tissés de manière plus ou moins serrée. […] Vu de plus près, c’est l’aspect de la détermination, de la régularité qui prédomine ; à distance, en revanche, la structure – résultat de nombreuses régularités distinctes – se présente comme quelque chose d’extrêmement variable et fortuit, comparable à l’éclairage clignotant du réseau d’enseignes lumineuses de la rue d’une grande ville.¹⁰⁷

Dans sa propre musique, Ligeti emploie différents types de textures qui constituent à la fois le matériau mélodique des parties instrumentales (traité le plus souvent en contrepoint) et le matériau harmonique des superpositions verticales. Ses textures sont variées, transformées, grâce à plusieurs procédés techniques opérant sur l’ambitus, la densité, le degré de changement, la fusion ou l’individualisation des parties instrumentales. Au demeurant, Pierre Michel souligne l’importance des aspects dynamiques de cette « écriture en trame » en partant cette fois-ci du premier mouvement du Concerto de Chambre (1969/70). Le musicologue distingue deux familles de textures qui se dégagent à l’audition : « l’une, caractéristique de la première partie, faite de lignes instrumentales savamment mêlées au point qu’il est souvent impossible de distinguer les timbres individuels (même lorsqu’il y a peu d’instruments) et l’autre, caractéristique de la seconde partie, représentée par des textures beaucoup plus éclatées et agitées où les instruments ressortent nettement de l’ensemble (mais le plus souvent de façon très ponctuelle). »¹⁰⁸ Nous reviendrons plus longuement sur cette œuvre dans notre cinquième chapitre, car nous proposerons une analyse de la texture du troisième mouvement du Concerto de Chambre.

Quelques années plus tôt, Ligeti compose son œuvre manifeste Atmosphères, pour orchestre, en 1961 : « Ma musique donne l’impression d’un courant continu qui n’a ni début ni fin. Sa caractéristique formelle est le statisme, mais derrière cette apparence, tout change constamment… »¹⁰⁹ Il ne recherche ni mélodie ni harmonie, mais des couleurs sonores dans une musique « statique » dont la densité est héritée de Bartòk. Clusters, micro-changements, micro-intervalles, micro-polyphonie transforment, sans césure, une matière sonore perpétuellement mouvante. Ce travail sur la matière sonore, les textures et le rapport au temps se retrouve dans la plupart de ses œuvres. Le compositeur cherche un équivalent musical aux leçons de peinture de Paul Cézanne, où la couleur remplace les contours, et où les contrastes de poids et de volumes engendrent les formes.

Dans son entretien avec Pierre Michel en 1981, Ligeti soulignait l’importance de la texture dans son écriture : « […] je pense toujours en voix, en couches, et je construis mes espaces sonores comme des textures, comme les fils d’une toile d’araignée, la toile étant la totalité et le fil l’élément de base. […] Si vous me demandez : « Pourquoi le canon ? », je vous répondrai : pour l’unité horizontale/verticale. »¹¹⁰

De plus, Marc Chemillier aborde d’une façon très détaillée et inventive les textures de Ligeti à partir de l’œuvre Melodien (1971, pour petit orchestre) en parlant de « logique des textures » directement inspirée des règles de la croissance minérale ou organique.¹¹¹

2.5. Morton Feldman (1926-1987)

De même, Morton Feldman (1926-1987) a toujours entretenu des liens étroits avec les arts visuels. Célestin Deliège souligne le fait que pour Feldman, « Il ne s’agissait plus de composer mais de projeter le son dans le temps, comme le geste pictural dont il était témoin, projetait la couleur sur la toile. »¹¹² Projection 1 pour violoncelle solo (1950) témoigne de ses influences artistiques. Il est vrai qu’il a toujours tissé des liens professionnels et amicaux avec des peintres de l’expressionnisme abstrait new-yorkais. C’est d’ailleurs John Cage qui le présentera à Pollock, de Kooning et Rothko, ce qui influencera considérablement son travail de compositeur. Ces rencontres donneront naissance à des pièces comme Music for the film Jackson Pollock (1951), de Kooning (1961), Rothko Chapel (1971). Très souvent, Feldman aimera employer des termes relevant du domaine de l’image pour faire référence à sa musique, préférant parfois, comme nous l’avons vu avec Deliège, utiliser des gestes plus appropriés à un peintre qu’à un musicien. Du reste, il se plaît à nommer ses œuvres « des toiles de temps » teintées « d’empreintes musicales ». De plus, l’artiste nous relate ceci : « J’avais appris que plus on compose ou on construit, plus on empêche le temps non encore troublé de devenir la métaphore de contrôle de la musique. »¹¹³ De façon systématique, Feldman préfère utiliser une terminologie visuelle pour décrire sa musique. Son intérêt pour la peinture ainsi que pour les tapis du Moyen-Orient lui permettra de développer un vocabulaire singulier. Des problématiques telles que la surface, le relief, la texture, les structures, le degré de symétrie des matériaux, etc., toutes ces questions contribueront à définir l’esthétique de ses œuvres. Son approche de la texture y est tout à fait singulière. D’ailleurs pour exemple, en introduction à la partition de Coptic Light (1985), Felman écrit ceci :

Ayant un intérêt avide pour toutes les variétés de tissages du Moyen-Orient, j’ai récemment contemplé les étonnants tissus coptes anciens à l’exposition permanente du Louvre. Ce qui m’a frappé dans ces fragments d’étoffes colorées, c’est la façon dont ils transmettent l’atmosphère essentielle de leur civilisation. Transposant cette idée dans un autre domaine, je me suis demandé quels aspects de la musique depuis Monteverdi pourraient restituer leur atmosphère, si on les écoutait dans deux mille ans. Selon moi, l’analogie serait une des figures instrumentales de la musique occidentale. Telles sont quelqu’unes des métaphores qui occupaient mes pensées tandis que je composais Coptic Light.¹¹⁴

La texture y est tout particulièrement dense, serrée car toutes les familles d’instruments jouent tout du long ensemble formant un tissage orchestral complexe, comme le « tissage de la musique » décrit par Lewis Rowell. (Cf. partitions en annexes)

Nous nous sommes particulièrement intéressés à cet espace particulier qu’est Rothko Chapel (1970). C’est une pièce pour alto, célesta, percussions, chœur, soprano et alto, une œuvre destinée à être jouée dans l’édifice qui abrite quatorze grandes toiles du peintre disparu en 1970. À partir d’un dessin de Rothko, l’architecte Phil Johnson s’est occupé de la construction de cette structure minimaliste que représente cette grande salle octogonale. Selon le critique d’art Vladimir Safatle

« Tous les tableaux de Rothko dans la chapelle sont marqués par la manifestation d’une hétérogénéité interne au champ même de chaque couleur. Aucun champ chromatique n’est plat. Tous sont marqués par des oppositions et des conflits qui dévoilent une conscience de la dissolution de l’unité. »¹¹⁵ A sa manière, Feldman a bien compris tout cela car dans ses textures, nous percevons bien ces champs sonores remplis de micro-variations.

De plus, Rothko réussissait à amincir la matière jusqu’à ce que les particules de pigments soient dissociées de la fine pellicule et adhèrent à la surface de façon à laisser la lumière pénétrer la couche de peinture. Le procédé spécifique de Rothko pour préparer ses toiles a été décrit par Youssef Ishaghpour : « En variant les textures, les gradations tonales et la profondeur des couches, en expérimentant des degrés de transparence avec des mixtures d’huile, de tempéra à l’œuf et du diluant, Rothko portait ses couleurs au seuil de la désintégration pour créer leur luminosité. »¹¹⁶ En effet, dans une émission radio consacrée à Rothko sur France Culture, Une vie, une œuvre, présentée par le journaliste Matthieu Garrigou-Lagrange, le plasticien invité Didier Mencoboni, décrivait ce mélange tempera à l’œuf, procédé de la Renaissance, et pratiqué par Piero Della Francesca, comme étant une préparation secrète à laquelle Rothko « ajoutait de l’acrylique pour obtenir des couleurs lumineuses d’une grande finesse. »¹¹⁷

Joseph Delaplace affirme que « la prise en compte très précise de la lumière, dans le travail de Rothko, trouve une réplique musicale dans la gestion de l’intensité chez Feldman. De même, l’utilisation de la brosse et du chiffon, le travail sur les frontières entre différentes zones picturales, peuvent être mis en relation avec le gommage de l’attaque de certains sons, ainsi qu’avec la suppression après-coup de matériaux sonores. »¹¹⁸ C’est un remarquable travail autour de la texture. A propos de la distribution des toiles dans la chapelle, Rothko avait précisé qu’« il n’était pas intéressé par un caractère symétrique ou asymétrique quelconque, mais plutôt par des proportions et des formes ».¹¹⁹ Selon Steven Johnson, qui a fait l’une des premières analyses musicales de Rothko Chapel, la « symétrie et l’asymétrie jouent un rôle majeur en tant que thème narratif » dans la spatialisation des toiles.¹²⁰

Il en fait une remarquable description :

La chapelle présente une progression d’états affectifs mis en mouvement entre deux arcs symétriquement liés. La progression commence avec un état de statisme neutre, continue à travers des états de plus en plus sombres et tragiques, pour finalement arriver à des états brillants, élevés. Le triptyque de l’abside nord et le panneau sud – les seules images isolées (sans une contre-représentation en face) – forment un axe. Le triptyque fonctionne comme point d’origine car il est face à l’entrée et parce que l’abside, encastrée six pieds à partir des murs, reçoit la plupart de la lumière zénithale. Étant donné que les panneaux extérieurs du triptyque (nord) contiennent le même pourpre noirâtre et le panneau central un pourpre légèrement éclairé, le triptyque est en soi symétrique. (…) La chapelle arrive à un obscur climax avec la forme en croix établie par les presque identiques triptyques Est et Ouest, où le noir profond prédomine.¹²¹

Ainsi, que ce soit en termes de forces utilisées, d’équilibre, de timbre et de texture, le choix instrumental de Feldman fut tout autant conditionné par l’espace de la chapelle que par les peintures. Feldman explicite son rapport à l’espace de la chapelle : « L’image plastique de Rothko va droit jusqu’au bout de la toile, et je voulais atteindre le même effet avec la musique ; c’est-à-dire qu’elle emplisse l’espace global, de forme octogonale, et qu’elle ne puisse pas être entendue à une certaine distance ».¹²³ Feldman a également conçu la forme musicale de sa pièce d’après la chapelle :

Le rythme d’ensemble des peintures de Rothko, telles qu’il les a disposées, créait une continuité sans faille. Tandis qu’il était possible, avec les peintures, de répéter couleurs et gammes tout en maintenant un intérêt dramatique, je sentais que la musique devait appeler une série de sections enchaînées fortement contrastées. Je voyais une procession immobile semblable aux frises des temples grecs.¹²⁴

Alex Ross souligne dans son ouvrage de référence The Rest is Noise que « la fixité apparente de Rothko Chapel incite à se concentrer sur des détails qui semblent insignifiants, de telle sorte que le moindre changement est perçu comme un véritable cataclysme : un simple chromatisme descendant dans une ligne de basse suffit à donner le frisson. »¹²⁵ Cette œuvre empreinte de spiritualité, est certainement la plus personnelle et la plus émouvante de Feldman. « Comme Messian, Feldman s’attachait à créer par sa musique une sorte d’ailleurs spirituel […].¹²⁶

2.6. Iannis Xenakis (1922-2001)

Au début des années soixante, l’ancienne fascination pour le sérialisme et la musique aléatoire a laissé une grande place à l’intérêt des compositeurs pour la texture, le son, la matière sonore. Avec Metastasis (1954) et Pithoprakta (1955-1956), Xenakis fut l’un des pionniers de la musique de textures. En ce sens l’analyse de Pithoprakta du compositeur Panayiotis Kokoras¹²⁷ nous semble particulièrement intéressante. Le but de Pithoprakta était de fusionner les sons individuels en un ensemble cohérent. Kokoras propose une analyse en s’appuyant sur les travaux de Bregman¹²⁸ et de McAdams.¹²⁹ L’un des facteurs les plus importants, qui affectent la perception des textures, dépend de la fusion de composants séparés du passage musical. Une telle fusion est possible dans certains cas. Les propriétés principales, qui favorisent la fusion dans un passage musical, comprennent les densités d’attaques et les similarités timbrales des sons joués. Ce dernier élément comprend diverses caractéristiques spectrales des sons. De plus, le registre des parties instrumentales et leur gamme dynamique favorisent la fusion texturale. Il serait intéressant d’analyser les différents types de texture musicale utilisés dans Pithoprakta en fonction de leur degré de fusion ou de séparation. Xenakis a certainement été l’un des premiers compositeurs à utiliser de façon systématique la fusion entre la matière et la forme. Makis Solomos qualifie le produit de cette fusion forme/matériau de « sonorité ». Il propose une tout autre analyse de Pithoprakta qui nous semble intéressante de citer.

Le musicologue insiste sur le fait que Xenakis métamorphose continuellement les textures sonores par des transformations continues ou discontinues de toutes sortes. Le compositeur explore des textures bruitées avec des techniques instrumentales singulières comme des coups sur la caisse des cordes par exemple pour conduire progressivement l’auditeur vers des sons purs avec les harmoniques finales. Ses œuvres sont réellement conçues comme des expériences perceptives du son. Il proposera des expériences de l’espace en architecture, des expériences visuelles-sonores avec les polytopes. Il nous semble intéressant de mentionner ce qu’écrit Xenakis à propos du son justement :

Le son en acoustique s’analyse en équations physico-mathématiques (il est une vibration élastique de la matière) qui se mesurent : intensité, couleur, temps. Dans la couleur entrent la hauteur, les harmoniques, les sons additifs et soustractifs, les ondulations, etc. Par conséquent, le son est une grandeur quantitative. Mais dès qu’il franchit le seuil de l’oreille, il devient impression, sens, grandeur qualitative par conséquent. La psychophysiologie de la musique n’est pas encore une science. Le bon compositeur pourra exprimer les sens qu’il désire.¹³¹

Solomos écrit sur cette dichotomie quantitatif/qualitatif. Pour le musicologue, l’aspect qualitatif reste flou dans sa définition, alors que l’aspect quantitatif est clairement explicité, à savoir le son. « Celui-ci n’est plus défini comme un simple niveau d’articulation, un matériau neutre. Posé comme le lien entre toutes les musiques, il constitue pour Xenakis le « fond même » de la musique : son fondement, pourrait-on ajouter. »¹³²

Le travail d’Anne-Sylvie Barthel-Calvet autour de la conception texturelle chez Iannis Xenakis apporte un autre éclairage de perspective analytique.¹³³

3. La Texture comme matière

Une autre compréhension de la texture fut développée par certains théoriciens de la musique, dans le souci d’analyser les œuvres après 1945. Ainsi, la texture est tantôt comparée à un grain, une toile, ou bien à une surface ou une nappe (Morgan, 1991¹³⁴, Smith-Brindle, 1966). Voici ce qu’écrit à ce sujet le compositeur britannique Smith-Brindle :

Texture, en un sens, peut être définie comme structure, ou arrangement des parties constituantes. Toutefois, bien que l’on puisse parler de texture contrapuntique, le genre précis ou la nature du contrepoint ne peut être décrit par une telle terminologie. On se réfère au caractère général du son, plutôt qu’au type précis de construction. La définition alternative de texture comme « grain, réseau, surface ou nappe » est plus juste. Elle définit le « sentiment » extérieur de la musique, plutôt que la structure interne. Les adjectifs habituellement utilisés en relation avec la texture musicale confirment cette définition rude, lisse, épais, fin, chaud, froid, lourd, riche, maigre, léger, soyeux, velouté, dentelé toutes décrivent des sensations extérieures.¹³⁵

De la même manière, Jonathan Dunsby, dans son article Considerations of Textures, écrit à ce sujet : « Lewis Rowell écrit à propos de la distinction entre focus et interaction, entre économie et saturation, entre le mince et le dense, entre le lisse et le rugueux, dans lequel on peut discerner l’étymologie du terme musical « texture » au sens physique. »¹³⁶ En effet, Lewis Rowell a dédié dans son chapitre Values, un sous chapitre sur la texture dans son ouvrage de référence Thinking about Music : An Introduction to the Philosophy of Music où il caractérise la texture comme étant « le tissage de la musique » si on conçoit celle-ci comme « une surface esthétique » ou comme « la fibre (les hauteurs, l’axe vertical, la simultanéité) et la trame (le temps, l’axe horizontal, la séquentialité) du tissu musical. »¹³⁷ Nous en avons montré un exemple dans Coptic Light de Morton Feldman précédemment. Comme le suggère Robert Erickson, dans Sound Structure in Music (chap.6 Timbre in Texture) bien que la texture puisse être avant tout considérée comme une description de la sensation d’un objet, l’interaction imaginée ou tangible de la sensation avec sa matière, c’est aussi un moyen de décrire l’aspect tactile des mondes sonores.

La texture dénote toujours une qualité globale, la sensation des surfaces, le tissage des tissus, l’apparence des choses. Les mots pour les modalités sensorielles visuelles et tactiles sont souvent adaptés aux descriptions des sons et de leur combinaison: acéré, rugueux, terne, lisse, mordant, clair, brillant, cassant, grossier, épais, mince, sec, diaphane, aéré, effilé, flasque, fluide, vaporeux, pailleté, granuleux, dur, brumeux, lourd, glacé, incomplet, déchiqueté, limpide, liquescent, luxuriant, doux, trouble, souple, décontracté, ondulant …¹³⁸

Le point de vue de Robert Strizich est très spécifique et nous apparaît également important d’être mentionné :

À mon avis, nos concepts, définitions et termes traditionnels sont inadéquats pour la discussion et l’analyse de nouvelles textures dans la musique de l’après-Seconde Guerre mondiale. En effet, une grande partie de la musique écrite depuis 1945 est complètement hors de la portée de la terminologie analytique standard, principalement parce que beaucoup de ces travaux utilisent exclusivement des textures et des procédures de textures qui s’écartent significativement des pratiques conventionnelles.¹³⁹

Après avoir analysé plusieurs exemples de textures dans la musique après 1945, Strizich propose une typologie où les textures sont regroupées en trois grandes catégories générales : polyphonie complexe (disjointe, multicouches), textures pointillistes (trois types nommés a, b, c) et texture de masse (nuage, polyphonie dense, micropolyphonie, bandes de fréquences). Les textures sont caractérisées selon leur densité verticale (opacité relative ou transparence) et leur composition constitutive (homogénéité ou hétérogénéité).

Dans la création de musiques populaires enregistrées, l’organisation des timbres et des textures est une préoccupation essentielle, car elle est déterminante dans l’appréciation des auditeurs, plus que les hauteurs ou le rythme. Plusieurs études ont d’ailleurs montré que les musiques pop étaient davantage appréciées pour leur sonorité, pour leur couleur, que pour leur structure¹⁴⁰ Les outils de l’analyse musicale traditionnelle ne sont pas toujours appropriés pour dégager les éléments intéressants de la musique populaire (Tagg, 1979¹⁴¹, Middleton, 1990¹⁴², Lacasse, 2000¹⁴³). Richard Middleton soutient que « Les musicologues qui s’intéressent aux musiques populaires doivent entendre l’harmonie autrement, repenser l’analyse rythmique, porter une attention particulière aux nuances de timbres et aux fluctuations de hauteurs et saisir les textures et les formes en les associant aux caractéristiques d’un genre et à des fonctions sociales. » ¹⁴⁴

Quant au musicologue Albin Zak, il définit la texture comme la qualité du son qui réside dans les relations créées par l’interaction des éléments constitutifs d’une piste. Cette qualité générale est le caractère général des gestes musicaux. Il comprend entre autres le timbre, la dynamique, le rythme, l’ambiance, la gamme de hauteur, l’espace harmonique et le placement spatial des sons constitutifs. Le concept de texture musicale chez Zak est multiforme et bien adapté à l’analyse des enregistrements rock.¹⁴⁵ Son travail commence à partir du studio d’enregistrement, où il se demande quels effets esthétiques pourraient être obtenus par les manipulations que les preneurs de son appliquent dans le processus d’enregistrement.¹⁴⁶ Au sujet de la musique populaire, Simon Zagorski-Thomas nous expose le lien entre le développement des technologies et la complexification de notre univers sonore :

Le développement des technologies peut avoir une influence, de plusieurs façons, sur le caractère des sons enregistrés. Par exemple, une série de modifications techniques sur un produit peut générer une plus large palette d’options sonores, comme le démontre le développement des technologies liées aux microphones ou des compresseurs dynamiques depuis des années.¹⁴⁷

Certains auteurs ont explicité l’importance du timbre et de la texture au sein du mix en fonction de leur importance hiérarchique. C’est le cas d’Allan Moore qui a proposé un modèle représentant un espace virtuel en trois dimensions afin de désigner les principaux paramètres d’un mix.¹⁴⁸ « La Sound-Box de Moore et Dockwray est un modèle de représentation de l’espace stéréophonique interne d’un enregistrement musical. »¹⁴⁹ Elle se présente comme un pavé droit (qui représente la scène virtuelle (Cf. figure ci-après). Nous pouvons y placer les différentes sources sonores du titre en fonction de leur emplacement dans la stéréophonie. C’est actuellement le modèle de représentation le plus employé lorsque nous effectuons des analyses d’espaces internes dans les œuvres phonographiques. Selon Moore, « Bien que l’analyse musicale soit normalement l’analyse de la partition, une analyse du Rock ne peut suivre cette même procédure. Elle doit se référer au « Primary text », qui est, dans ce cas, ce qui est entendu. »¹⁵⁰

Ce modèle a le mérite d’offrir une terminologie pratique qui décrit les aspects considérés prioritaires dans l’agencement d’un mix : soit la répartition des fréquences et la localisation spatiale notamment. De ce fait, grâce à l’importance que revêt le son, de nombreux grands producteurs verront le jour tels que Phil Spector, George Martin, Brian Eno, Quincy Jones, etc.

William Moylan développe dans The Art of Record Production¹⁵² , une méthode de transcription tout à fait adaptée pour analyser la texture dans la musique populaire. Cet ouvrage propose un cadre de référence et un vocabulaire qui permet de décrire les principaux paramètres importants dans la production de ce type de musique, à savoir les caractéristiques de l’espace, le contour, l’enveloppe spectrale et l’intensité. L’approche de Moylan se révèlera une source d’inspiration pour Lacasse, notamment autour du concept de « mise en scène phonographique ». Celle de Lacasse apporte une vision intéressante pour l’étude du traitement sonore de toutes formes de sons enregistrés, malgré le fait que son approche s’intéresse particulièrement au traitement de la voix.¹⁵³ Cette réflexion autour de la notion de texture à travers les propos d’analystes, compositeurs et musicologues, nous apporte un éclairage intéressant sur les multiples façons de se l’approprier. D’une part, nous avons pu comparer et confronter des points de vue divers, notamment, chez les anglo-saxons avec l’ouvrage Analytic Approaches to Twentieth-Century Music de Joel Lester,¹⁵⁴ et celui de Wallace Berry, Structural Functions in Music. D’autre part, chez les français, les articles de référence de Marc Chemillier, Jean-Baptiste Barrière et Anne-Sylvie Barthel-Calvet, réunis dans la revue Analyse musicale, réalisé et coordonné par Pierre Michel, ont bien évidemment enrichi notre vision de la texture.

Chapitre 3 : Principes d’organisation auditive et perception de la texture

Différentes étapes de traitement de l’information auditive ont été distinguées (McAdams et Bigand, 1993).¹⁵⁵ L’une d’elles semble directement reliée à la notion de texture : l’analyse des scènes auditives. En effet, notre environnement auditif quotidien est composé de mixtures de sources sonores diverses. La complexité des scènes auditives et la densité des textures acoustiques auxquelles nous sommes régulièrement confrontés, nous empêche de tout traiter de manière pertinente. Pour des sujets sourds, ce traitement demande un entrainement spécifique pour obtenir des résultats significatifs. Nous développerons ultérieurement cette question. C’est pourquoi un apprentissage spécifique devra être mis en place de façon régulière afin d’améliorer leurs performances. L’analyse de scènes auditives s’avère cruciale pour comprendre au mieux le monde environnant. La psychologie cognitive a décrit des principes fondamentaux pour la perception visuelle, ainsi que pour la perception auditive, notamment des règles de groupement que nous détaillerons dans notre second sous-chapitre sur l’analyse de scènes auditives chez Bregman¹⁵⁶ et Mc Adams.¹⁵⁷ Dans une perspective Gestaltiste, l’organisation perceptive procède par ségrégations des différents flux sonores. « La formation des flux est un phénomène complexe dont les nombreuses recherches de Bregman ont permis l’analyse. »¹⁵⁸ En guise d’introduction, nous expliciterons en quoi consiste la théorie de la Gestalt. La notion de fond/figure a surtout été repris d’un point de vue compositionnel et musicologique, dans des domaines comme l’orchestration ou le mixage notamment. La perception visuelle est la mieux connue car la plus étudiée. Les lois de l’organisation perceptive sont les règles qui imposent de voir des éléments de notre environnement comme un tout. Lorsque nous voyons un objet, nous en voyons simultanément la forme, la couleur, la texture, les contours, la position et éventuellement le mouvement. L’approche essentielle de Meyer (1956) a permis de mettre en lumière les processus cognitifs et émotionnels de la musique. Le fonctionnement de la musique repose sur les lois générales relatives aux relations de tension/détente. Les structures cognitives, en lien avec ces phénomènes de tension/détente, ont été formalisées sur la plan théorique et expérimental (Bigand, 1993¹⁵⁹, 2006¹⁶⁰, 2009¹⁶¹ ; Bigand, Parncutt et Lerdahl, 1996¹⁶²). Selon Emmanuel Bigand (2009), ce type de relations serait d’ailleurs, un aspect central de l’écoute musicale, permettant de lier intimement cognition et émotion.

1. La théorie de la Gestalt

1.1. Définition

Gestalt est un terme relativement complexe qui n’a pas vraiment d’équivalent dans les autres langues. En français, ce terme désigne tout autant la théorie de la forme, la gestalt-théorie, qu’une thérapie comportementale humaniste : la gestalt-thérapie. Gestalten en allemand, signifie mettre en forme, donner une structure signifiante. Gestalt désigne un ensemble ou une totalité organisé qui transcende ses parties constituantes. En musique, des parties d’une mélodie sont perçues dans une succession ou une séquence temporelle, mais ces parties sont perçues comme un tout, ou une Gestalt.

1.2. Historique

Au début du XXᵉ siècle, ont émergé deux courants opposés : le behaviorisme et la psychologie de la forme. Il est important de noter que la psychologie cognitive dès la fin des années 1940, par ses fondements objectifs et formels, les remplacera et continue aujourd’hui à définir le cadre théorique des recherches en psychologie. Néanmoins, les théories du formalisme et de la Gestalt sont utiles pour comprendre la perception et l’expérience musicales car ce sont des principes primordiaux qui ne dépendent pas seulement d’une époque donnée. Nous verrons comment cette théorie a inspiré certains compositeurs et musicologues au cours de ce chapitre.

Conduit par Max Wertheimer¹⁶³, Kurt Koffka¹⁶⁴ et Wolfgang Köhler¹⁶⁵, la psychologie de la forme est un courant d’idées qui se développa en Allemagne dans les années 1920 et 30. Ils émigrèrent par la suite aux États-Unis, à cause de la montée du nazisme en Allemagne. La théorie de la Gestalt trouve cependant son origine avant le début du XXᵉ siècle. Ce fut le philosophe autrichien Christian Von Ehrenfels qui développa cette théorie dans son article de 1890 « Über Gestaltqualitäten » (sur les qualités de formes). La question centrale réside dans le fait d’affirmer que le tout est supérieur à la somme des parties. Nous percevons d’abord un objet de façon globale avant d’en voir les parties constituantes. En musique par exemple, lorsque nous nous rappelons d’une mélodie, nous nous souvenons de sa structure globale et non d’une suite successive de notes prises isolément. De plus, la reconnaissance d’une mélodie est possible malgré l’altération de nombreux paramètres, comme la hauteur, le tempo ou le timbre. Les lois de la Gestalt, que nous détaillerons ci-après, mettent en forme une mélodie, grâce à une diversité de moyens sans qu’elle perde néanmoins son identité.

Ainsi, ces propriétés dites « émergentes » sont omniprésentes dans tout ce qui nous entoure : un visage est plus qu’une paire d’yeux, un nez et une bouche par exemple.¹⁶⁶ En France, Köhler sera de loin le plus connu grâce à son ouvrage publié chez Gallimard, La psychologie de la forme. L’ouvrage de Paul Guillaume (1878-1962), également intitulé La Psychologie de la forme, paru chez Flammarion à la veille de la Seconde Guerre mondiale reste encore à ce jour un ouvrage de référence pour certains psychologues.¹⁶⁷ Merleau-Ponty, également, ne cessera tout au long de sa vie de penser la forme. Dans La structure du comportement, son projet est de construire une véritable philosophie de la forme qui serait en quelque sorte le prolongement de la psychologie de la forme.¹⁶⁸

1.3. Perception : une approche systémique

D’après la théorie de la Gestalt, comme nous venons de le décrire, nous percevons essentiellement des formes globales et non des détails. Notre cerveau réalise très rapidement une synthèse, un assemblage qui rend l’ensemble compréhensible et cohérent. L’observateur cherche à percevoir une « bonne forme ». Ainsi, il va regrouper des données similaires afin d’y chercher une continuité. Prenons le cas des étoiles : lorsque nous admirons le ciel étoilé, notre cerveau s’organise de telle manière à percevoir des groupes et à les structurer. Il essaie d’en dégager des formes. L’étoile, unité première, sera associée à d’autres étoiles pour s’organiser en forme (gestalt), ce qui correspondra à la constellation. Cette approche, telle qu’elle a été définie par la Gestalt est systémique. C’est-à-dire multiple et globale.

1.4. Les principes de la Gestalt dans le domaine visuel

« La théorie de la Gestalt propose des lois pour rendre compte de la formation des groupements et des configurations. »¹⁶⁹ Claude Bonnet explique qu’une « scène visuelle se compose de formes et de surfaces que l’organisme doit discriminer les unes des autres. Phénoménalement, certains éléments vont ensemble en ce qu’ils appartiennent par exemple au même objet. »¹⁷⁰

Voici les principales lois de la Gestalt : bonne forme, continuité, proximité, similitude, destin commun et clôture. Ces mêmes lois seront reprises par Albert S. Bregman au sujet de l’analyse de scènes auditives. Nous reviendrons en détail sur ces principes perceptifs s’appliquant également dans le domaine auditif et comment ils peuvent être illustrés à l’aide de la musique.

– Loi de la bonne forme ou prégnance : c’est le principe fondamental de la Gestalt. Nous préférons les choses simples, claires et ordonnées. Selon cette loi, les éléments s’organisent en une forme plutôt qu’une autre. C’est le cas par exemple des figures géométriques simples comme le carré, le cercle ou le triangle formant ensemble l’icône du Bauhaus.

– Loi de la continuité : notre œil suit les lignes que nous percevons. Lorsque la proximité des éléments visuels est importante, nous les voyons dans une continuité comme s’ils ne formaient plus qu’une seule et unique partie.

• Loi de proximité : les éléments les plus proches sont spontanément associés à un même groupe. Dans cet exemple, la série de points consécutifs sera perçue comme étant un enchaînement de séries de deux points.

• Le groupement par similarité : Nous avons tendance à regrouper les éléments qui se ressemblent. Notre cerveau regroupe ces éléments semblables ayant des traits communs (forme, taille, couleur, etc.).

• Loi de destin commun : Lorsqu’un ensemble d’objets se déplace dans une direction commune, cet ensemble est perçu comme appartenant à un même groupe. Ces éléments n’ont pas nécessairement besoin de bouger pour qu’on leur attribue une synchronicité. Le plus important, c’est la destination commune.

Dans cette photo, le mouvement de ce groupe d’oiseaux va dans la même direction.

• Loi de Clôture : comme pour la loi de la bonne forme, la loi de clôture cherche la simplicité. Elle est l’opposé du résultat de la loi de prégnance, car nous simplifions un ensemble, en un groupe de formes simples. Tandis qu’avec la loi de clôture, nous remplissons les vides d’une forme ou d’un ensemble de formes pour former un tout cohérent.

Comme nous l’avons souligné précédemment, ces lois de l’organisation perceptive n’interviennent pas seulement pour la vision mais également pour l’audition. Quand nous écoutons une œuvre musicale, nous avons alors tendance à regrouper les sons similaires. Il est intéressant de remarquer que le groupement par similarité a été exploité par les musiciens compositeurs bien avant qu’il soit étudié par les psychologues. On a aussi tendance à regrouper les sons qui se suivent très rapidement dans le temps. Il s’agit d’un groupement par proximité. L’apport intéressant des gestaltistes à travers les lois de l’organisation perceptive est d’avoir montré que la perception n’est pas une copie du réel mais possède ses propres lois d’organisation pouvant conduire à des rajouts ou à des suppressions dans le réel perçu.

Nous verrons dans le chapitre suivant, à travers les travaux de Bregman notamment, que les principes de l’analyse de scènes auditives, semblent mettre en évidence des principes analogues aux principes de groupements décrits par les psychologues gestaltistes. Nous nous appuierons majoritairement sur le cadre de référence théorique proposé par Bregman.

2. Analyse de scènes auditives : Bregman et McAdams

La psychoacoustique se révèle être un outil puissant pour comprendre comment le système auditif parvient à classifier les sources sonores et à les séparer. Les sons que nous percevons proviennent généralement d’un ensemble de sources acoustiques. Les ondes acoustiques émises par chacune de ces sources se propagent jusqu’à l’entrée de l’oreille où elles se combinent pour former un signal sonore unique appelé « mixture ».¹⁷¹ Cette mixture sonore qui atteint nos oreilles doit être interprétée par notre système auditif. Lorsque nous sommes entourés de signaux sonores provenant de différentes sources, ce qui entre dans l’oreille est un agrégat de vibrations complexes où toutes les sources sont entremêlées. Le rôle du système auditif est alors de déterminer ce qui appartient à quoi, et de bâtir une image cohérente du monde sonore environnant. En résumé, l’analyse de scène auditive se réfère à la capacité des auditeurs à analyser des scènes acoustiques complexes en objets cohérents. Selon Laurel Trainor, cette aptitude auditive aurait des fondements très anciens dans l’évolution.¹⁷²

La situation d’écoute la plus courante correspond à une situation où l’auditeur cherche à comprendre ce qu’un locuteur dit alors que ses paroles sont noyées dans un bruit de fond. C’est l’effet « Cocktail Party »¹⁷³ qui a été décrit en 1953 par Colin Cherry où il étudie l’attention auditive à l’aide d’un protocole d’écoute dichotique qui sera réutilisé plus tard par Diana Deutsch. Il consiste à faire entendre des signaux acoustiques distincts à chaque oreille à l’aide d’écouteurs. Pour Deutsch, cette situation artificielle d’écoute permettra la découverte d’illusions auditives, alors que pour Cherry il s’agit d’appréhender le pouvoir inhibiteur dans une situation de filtrage d’information. Nous reviendrons sur les illusions perceptives avec les travaux notamment de Pressnitzer dans notre quatrième sous-chapitre.

Les questions sur cette capacité essentielle de la perception auditive sont bien plus anciennes : Helmholtz s’interrogeait déjà sur notre capacité à percevoir les qualités individuelles des instruments de l’orchestre.¹⁷⁴ « Selon lui [Helmholtz], l’observateur met en œuvre des lois perceptives qui donnent naissance à l’interprétation la plus efficace de l’environnement. Ce type de raisonnement pourrait expliquer pourquoi les lois gestaltistes ont été élaborées. »¹⁷⁵ Pour réaliser cette analyse, l’auditeur utilise des informations qui doivent caractériser les différentes sources acoustiques qu’il tente d’isoler. C’est la représentation perceptive de ces traits acoustiques que l’on appelle « indices perceptifs ». Grâce à ces indices, l’auditeur peut séparer la mixture en flux auditifs. Pour parvenir à effectuer cette séparation, Bregman rend compte des processus d’analyse des scènes auditives, qui expliquent les lois décrites intuitivement par les gestaltistes : bonne forme, continuité, proximité, similitude, destin commun et clôture. Avec la collaboration du musicologue James Wright (1987)¹⁷⁶, Bregman introduit la notion essentielle de « propriété émergente ». Steve McAdams nous explique à ce sujet que « les propriétés des événements émergent de la fusion simultanée des informations acoustiques alors que les propriétés des flux émergent de l’intégration séquentielle des événements. »¹⁷⁷

Vingt années de recherches sont alors réunies et publiées sous l’intitulé Auditory Scene Analysis : Perceptual Organization of Sound ¹⁷⁸, où Bregman condense tous les principes de l’analyse de scènes auditives (ASA) sur les bases de deux grandes classes de mécanismes : les mécanismes de ségrégation simultanée, qui traitent les événements sonores simultanés et les mécanismes de ségrégation séquentielle, qui traitent les événements sonores ne se recouvrant pas dans le temps. En étudiant ces mécanismes, certaines caractéristiques acoustiques permettant à des sons d’être séparés ont pu être associées à des variables ou fonctions auditives. Ainsi, il a été montré que la sélectivité fréquentielle était un des facteurs déterminants pour la perception de la hauteur fondamentale. Outre la clarification de nos connaissances sur le fonctionnement de l’appareil auditif, ces études ont ouvert des pistes de réflexion pour améliorer la réhabilitation des malentendants, et plus particulièrement en milieu bruyant. Bregman explique :

Forgée par des informaticiens dans le domaine de la vision […] l’« analyse de scènes » désigne la stratégie par laquelle l’ordinateur regroupe l’ensemble des propriétés visibles – pourtours, textures de surface, couleurs, distances, etc. – d’un même objet. Ce processus permet de déterminer la forme globale et les propriétés correctes d’un objet. Par analogie, l’analyse de scènes auditives est le processus réunissant en une unité perceptive l’ensemble des signaux provenant, dans une période de temps donnée, d’une seule source sonore de l’environnement.¹⁷⁹

Les processus d’organisation séquentielle suivent plutôt les principes de similarité et de continuité alors que les processus d’organisation simultanée reposent surtout sur le principe de destin commun.

Bregman propose également une autre catégorisation de ces mécanismes. Lorsque le processus de groupement/séparation se fait en groupant les éléments qui partagent un même indice, nous parlons plutôt de processus « primaire ». Ce type de processus est communément étudier comme bottom-up (ascendant), c’est-à-dire que l’information permettant la ségrégation circule de la cochlée vers le cerveau. Ces mécanismes devraient permettre d’exploiter de façon automatique les indices extraits par les voies auditives primaires. Par contre, il ne faudrait pas mettre de côté une possible contribution de processus basés sur des schémas de type top-down (decendants). Ce type de mécanisme doit permettre d’exploiter nos connaissances a priori des sons qui nous sont familiers. L’auditeur effectue un aller-retour entre les étapes perceptives élémentaires et les processus de traitement de haut niveau (représentations mentales, prise de décision, inférence, interprétation).

Stephen McAdams résume sous forme d’organigramme les cinq processus de traitement de la reconnaissance auditive :

2.1. Le groupement simultané

Les mécanismes du groupement simultané reflèteraient le mieux notre capacité à comprendre la parole dans le bruit par exemple. Spontanément, les auditeurs groupent ensemble les composants acoustiques simultanés qui commencent et s’arrêtent en même temps. Les fréquences entendues sont liées harmoniquement. Nous sommes par exemple capables de fusionner les harmoniques d’un saxophone pour former une image auditive cohérente et reconnaissable de l’instrument.¹⁸¹

Les processus de ce type de groupement font appel aux indices suivants :

• L’harmonicité : lorsqu’un ensemble de sons présente des fréquences harmoniques (multiples entiers de la fréquence fondamentale), celles-ci fusionnent. La perception de la hauteur en est un bon exemple, car toutes les harmoniques fusionnent en une seule hauteur. Ce processus « consiste plus en l’annulation d’un masque harmonique qu’en l’extraction d’une cible harmonique. »¹⁸²
• La localisation : « le système auditif tend à grouper les éléments acoustiques de même provenance spatiale et à séparer ceux qui proviennent d’azimuts différents »¹⁸³. Le système auditif utilise donc des processus de localisation pour l’analyse des scènes auditives. La spatialité s’avère être un indice majeur dans l’acte d’écoute d’un individu entouré d’autres personnes conversant.
• Le synchronisme des attaques et des chutes : les sources concurrentes sont rarement synchrones (sons commençant, variant et se terminant simultanément). Ainsi, une asynchronie d’attaque donnera l’impression d’une perception d’objets multiples.
• Le synchronisme de modulation : quand plusieurs sources simultanées sont concurrentes, les sons modulés en amplitude et/ou en fréquence de façon identique sont regroupés.

2.2. Le groupement séquentiel

Comme le souligne le musicologue Philippe Lalitte, « le groupement séquentiel se fonde soit sur le principe de similarité ou de continuité des évènements (hauteur, timbre, sonie ou position spatiale), soit sur le principe de proximité temporelle entre les évènements. »¹⁸⁴ L’organisation séquentielle crée certains aspects de l’expérience musicale comme le rythme et la mélodie.

• Le premier principe est la similarité : le système auditif interprète deux évènements sonores évoluant dans le temps comme appartenant à deux sources sonores distinctes si les sons appartiennent à deux régions fréquentielles éloignées comme une flûte et un piano par exemple. Cet éloignement conduit de fait, à la perception de timbres différents. Par contre si les sons sont proches du point de vue fréquentiel, il ne percevra qu’une seule source. Les tâches de streaming sont le plus souvent utilisées pour l’étudier.¹⁸⁵ Enfin, deux événements séparés dans l’espace seront plus facilement séparés en flux distincts que deux évènements rapprochés. Il peut donc s’agir d’une similarité de hauteur, de timbre, de position spatiale, de sonie, etc.
• Le deuxième principe est associé à la proximité temporelle : le rythme et le tempo jouent également un rôle important dans la perception de l’organisation auditive séquentielle. Selon Bregman et Campbell, si une suite de six sons est présentée lentement, on entendra un seul flux auditif de six notes ; a contrario, si le tempo est rapide, une fission perceptive se produit et deux flux de trois sons seront perçus.¹⁸⁶ Les indices temporels sont donc mobilisés dans ce processus qui s’établit suivant les modifications des propriétés acoustiques des événements acoustiques au cours du temps.

2.3. Le groupement segmentationnel

McAdams distingue un groupement supplémentaire impliqués dans la formation d’une scène auditive, à savoir le groupement segmentationnel ou segmental.¹⁸⁷

Ce groupement affecte le « découpage » des flux en unités musicales plus larges, telles que les motifs, les phrases et les thèmes. Les principes de similarité et d’invariance (tonalité, mode, métrique, rythme, harmonie, texture…) et le principe de familiarité (ce que l’auditeur a déjà entendu au cours de la pièce musicale notamment) sont employés dans ce groupement par segmentation. Dans ce contexte, les processus de groupement auditif sont impliqués dans de nombreuses pratiques d’orchestration, notamment la fusion de timbres d’instruments due à un groupement simultané, la ségrégation de mélodies basée sur des différences de timbre dans le groupement séquentiel, et des échanges de type réponse ou écho par le biais de contrastes orchestraux pour le groupement segmentationnel. Tout comme dans le groupement séquentiel, il met en œuvre également les principes de similarité et d’invariance (tonalité, mode, harmonie, métrique, rythme, texture…) et le principe de familiarité (ce qui a déjà été entendu au cours du déroulement d’un morceau ainsi que les reprises).

Dans une perspective analytique, on pourrait rapprocher la dimension verticale de la texture du groupement simultané et la dimension horizontale des groupements séquentiel (échelle temporelle locale) et segmental (échelle temporelle plus large). Dans la musique après 1945, et notamment dans les musiques qui accordent une importance majeure au timbre, à la texture et à l’espace, le groupement segmentationnel correspond à des qualités sonores émergentes telles que la densité (opacité vs transparence), l’étendue (large vs étroite), le centre de gravité tonal (léger vs lourd), la brillance (clair vs sombre), la dissonance sensorielle (rugueux vs soyeux) pour la dimension verticale. Alors que la striation (pulsé vs lisse), la régularité (fluide vs saccadé), la vitesse (rapide vs lent), la stabilité (mouvant vs statique) et la densité temporelle (aéré vs compact) illustrent plutôt la dimension horizontale.

2.4. Les processus de concurrence entre ces trois groupements

Nous avons énoncé précédemment chez Bregman et McAdams, les différents principes perceptifs concernant les groupements simultanés, séquentiels et segmentationnels. En musique, ces trois ensembles de principes opèrent en même temps afin de créer une représentation mentale cohérente avec la conduite des sources sonores de notre environnement.¹⁸⁹ Le processus d’analyse de scène auditive est considéré comme réussi lorsque l’image auditive formée est cohérente en séparant correctement chaque source et chaque flux auditif. Cependant, il peut arriver que les indices ne soient pas cohérents entre eux ce qui conduit à tromper le cerveau qui fait alors émerger une image auditive ne correspondant pas aux sources et aux flux du monde physique, et qui, par voie de conséquence, crée des ambiguïtés perceptives ou des chimères auditives. Le phénomène de concurrence a été étudié par Bregman et Pinker.¹⁹⁰ Ils ont élaboré des stimuli sonores afin de comprendre comment interagissaient ces principes d’organisation séquentielle et simultanée. Il en résulte que plusieurs principes opèrent en compétition : d’une part, la proximité fréquentielle (sons conjoints) concernant l’organisation séquentielle et d’autre part l’harmonicité et le synchronisme des attaques pour l’organisation simultanée. En musique, d’autres principes peuvent potentiellement entrer en concurrence comme la comodulation des fréquences et des amplitudes ainsi que la proximité des timbres. Une autre étude du musicologue Wright et de Bregman a montré comment les compositeurs et théoriciens du XVIᵉ siècle se servaient intuitivement de ces principes d’organisation auditive dans leurs compositions¹⁹¹. Par exemple, les principes du contrepoint soulèvent les mêmes problématiques qu’ont rencontré Bregman et Pinker, car nous retrouvons une compétition entre synchronisme harmonique et proximité mélodique. Nous reparlerons de cela en détail dans notre chapitre sur les liens entre la texture, l’ASA et les illusions auditives.

3. Application des principes de la Gestalt à la musique

3.1. Chez Meyer

Dans son ouvrage, Emotion and meaning in music¹⁹², Léonard B. Meyer, en exposant le fondement musical essentiel de la musique tonale, à savoir la relation tension/détente au cœur des émotions, est véritablement le premier à intégrer les principes psychologiques de la gestalt à un discours sur la musique. Bien que son travail soit centré sur l’aspect émotionnel, il s’agit assurément d’un travail d’analyse musicale et non pas d’esthétique. C’est justement cette caractéristique qui rend son travail exceptionnel et fait de lui un pionnier. Il tente de se distinguer du courant dominant de l’analyse de la musique de son époque en intégrant le sujet ou la perception et non pas seulement l’objet, c’est-à-dire la partition. « Les théoriciens de la musique, en règle générale, se sont attachés à élucider la grammaire et la syntaxe de la musique plutôt que les significations ou les expériences affectives auxquelles elle donne lieu. »¹⁹³

Nous pensons tout particulièrement aux travaux d’Ernst Kurth, avec notamment Musikpsychologie écrit en 1931.¹⁹⁴ Ce dernier ouvrage publié par le théoricien vise à jeter les fondements de la psychologie de la musique, prolongeant la « Tonpsychologie » de Carl Stumpf et synthétisant les trois grand livres grâce auxquels Kurth s’est fait connaître : le premier sur Bach, le deuxième sur Wagner et le dernier sur Bruckner. Il s’est d’ailleurs beaucoup intéressé à la musique de Debussy car cette nouvelle écoute, totalement affranchie du modèle cognitif propre à la musique tonale, ne s’applique plus à l’accord pris isolément mais aussi à la succession des accords. Ce qui signifie que cette succession d’accords entendue ne s’inscrit plus dans un réseau de relations syntaxiques gouvernés par un principe général, celui de la logique tonale, mais forme une progression qui justifie sa seule couleur, sa texture propre.¹⁹⁵ Kurth parlait déjà de « flux de forces » parcourant la matière acoustique et de « traits sonores fusionnés » pouvant être déchirés par « des lignes qui ressortent »¹⁹⁶, ce qui n’est pas sans rappeler la notion de texture chez Meyer.

La grande originalité de Meyer a été d’appliquer les grands principes de la Gestalt dans le domaine de l’écoute musicale et non pas seulement dans celui de l’audition. L’écoute musicale s’inscrit alors dans un véritable processus communicationnel. Ainsi les notions de style et d’acculturation inscrivent ce processus dans une dimension culturelle et écologique, multipliant ainsi les paramètres pertinents dans l’étude de l’écoute musicale. Meyer va donc considérer les principes de groupement dans les termes d’une « attente perceptive ». Dans son deuxième chapitre, il nous explique que « les attentes nées de la nature même des processus mentaux humains sont toujours conditionnées par des possibilités et probabilités inhérentes aux matériaux et à leur organisation tels qu’ils se présentent dans un style musical donné. »¹⁹⁷ Car, selon Meyer, l’émotion musicale serait le résultat de nos attentes : elles peuvent être provisoirement inhibées, voire complètement frustrées. Nous pouvons dire que Meyer adapte ici à l’écoute musicale, la loi de la continuité, puisque ces attentes déterminent la valeur affective que l’auditeur attribue à la musique. Selon le philosophe Gaston Bachelard, « l’action musicale est discontinue, (et) c’est notre résonance sentimentale qui lui apporte la continuité. »¹⁹⁸ La continuité s’exprime comme une tendance au prolongement de l’organisation la plus simple. Une « bonne continuation » est celle qui est attendue.

Afin d’expliquer cela, le musicologue américain se réfère aux travaux de Koffka et à la Gestalt en nous renseignant sur la texture musicale notamment et pour démontrer comment le fonctionnement des structures musicales (rythme, régularité, symétrie) est à la base de l’évocation des émotions, en contribuant à la satisfaction de l’esprit (loi de prégnance). Par exemple, Meyer souligne la nécessité d’une répartition figure-fond dans le domaine visuel, tandis que dans « l’espace auditif, en musique, il n’y a pas de fond établi ; il n’existe pas de stimulation continue et nécessaire par rapport à laquelle toutes les figures devraient être perçues ».¹⁹⁹ Selon lui, notre cerveau est capable d’organiser de multiples façons les données que nous percevons. Pour cela, il énonce cinq manières distinctes :

• Une figure unique sans fond, comme une composition pour instrument seul,

• Plusieurs figures sans fond, comme une polyphonie où nous percevons clairement les différentes parties séparément,
• Une figure accompagnée par un fond, comme les textures homophoniques du XVIIIᵉ et XIXᵉ,
• Un fond seul, comme dans l’introduction d’une œuvre,

• Une superposition de petits motifs similaires sans être identiques, comme dans les textures hétérophones.²⁰⁰

3.2. Chez James Tenney et Larry Polansky

A la suite de Meyer, d’autres musicologues se sont intéressés à la théorie de la Gestalt et en ont tiré des fondements pour élaborer leurs propres théories analytiques. Par exemple dans le modèle de James Tenney et Larry Polansky²⁰¹, les auteurs proposent quatre niveaux hiérarchiques de la Gestalt temporelle :

• Element : il n’est pas divisible perceptuellement en plus petite unité.

• Clang : correspond à une succession de deux éléments, ou plus.

• Segment : correspond à une succession de deux Clang, ou plus.

• Section : correspond à une succession de deux segments, ou plus.

La pièce entière correspond quant à elle à un autre niveau.

Dans cet article, Tenney et Polansky ont réalisé une analyse segmentationnelle de Densité 21,5 de Varèse en comparant avec celle de Nattiez. La seule pièce pour instrument soliste de Varèse, Densité 21,5, crée en 1936, est sa pièce la plus jouée et la plus représentée de son catalogue discographique. Elle est également sa pièce la plus analysée. L’analyse de Nattiez, une des plus complètes sur le sujet, repose sur une analyse paradigmatique.²⁰² Il a mis en évidence notamment l’alternance systématique des mouvements intervalliques ascendants et descendants. Quant à Tenney et Polansky, ils se basent sur deux lois de la Gestalt-theory afin d’établir des critères de segmentation perceptivement plausibles, tels que la proximité temporelle et la similarité intervallique : « La formation perceptuelle des

Gestalt temporelles à n’importe quel niveau hiérarchique est déterminée par un certain nombre de facteurs de cohésion et de ségrégation, dont les plus importants sont la proximité et la similarité. »²⁰³

Les différentes lois de la Gestalt sont repérées spontanément par l’auditeur. Elles lui permettent de grouper et de séparer les flux auditifs. Les expériences référées à ces modes de discrimination ont été synthétisées par Diana Deutsch.²⁰⁴ Célestin Deliège explique à ce sujet : « De telles règles ne sont sans doute pas limitatives des normes de groupement, mais leur seule énumération constitue un guide précieux pour la psychologie, la pédagogie, mais surtout, on voudrait l’espérer, pour la composition musicale : leur apparente consistance et leur universalité semblent pouvoir inspirer une démarche imaginative. » ²⁰⁵

3.3. La Théorie Générative de la Musique Tonale (TGMT)

En 1973, le compositeur Leonard Bernstein donne une série de conférences à Harvard et appelle les chercheurs à proposer une grammaire musicale comparable à la théorie de la « grammaire générative » de Noam Chomsky. Ce dernier propose une nouvelle théorie du langage basée sur le postulat d’une grammaire universelle par définition dépourvue de contraintes sémantiques. En réponse à cela, dès l’année suivante, l’institut de technologie du Massachusetts, le célèbre MIT, organise un séminaire sur musique et langage où le compositeur musicologue Fred Lerdahl s’associe au linguiste Ray Jackendoff pour proposer une théorie générative de la musique tonale.²⁰⁶ Cette théorie, appelée TGMT, travaille également sur la question de groupement des structures musicales selon les principes de la Gestalt. Cette théorie propose un ensemble de règles formelles expliquant comment les auditeurs pourraient dégager la structure d’une pièce de musique sous forme d’une hiérarchie d’événements. Il est important de souligner qu’autant Meyer que Lerdahl et Jackendoff partagent l’idée selon laquelle une pièce de musique tonale possède une structure fortement hiérarchisée où chaque évènement s’intègre dans un réseau de relations. La TGMT décrit la façon dont les processus mentaux d’un « auditeur expérimenté » répondent à la structure musicale, reprenant l’idée du linguiste américain Chomsky d’un « parleur écoutant idéal ». Les unités de base de la grammaire musicale de Lerdahl et Jackendoff correspondent à des notes ou à des accords, alors que nous parlons de phonèmes en langage. Le développement de cette théorie a été influencé par la théorie d’Heinrich Schenker (1935), notamment par le concept des structures sous-jacentes à la surface musicale.²⁰⁷ Sa théorie s’apparente également à la théorie de la Gestalt, qui lui est contemporaine, et plus généralement, elle se rattache au développement de la phénoménologie et du structuralisme du début du XXᵉ siècle.

Ainsi, quatre types de structures sont définies et décrivent l’organisation d’une pièce de musique :

• La structure de groupe (« grouping structure ») : l’auditeur perçoit un ensemble de notes qu’il regroupe intuitivement en unités de différentes longueurs. Ces unités proposent une hiérarchie de groupements mélodico-rythmiques : motifs, périodes, phrases, etc…

Les accolades représentent les différents groupes d’éléments et leur hiérarchie.

• La structure métrique (« metrical structure ») : à partir de la pulsation, l’auditeur dégage une hiérarchie d’accents qui dépend de la mesure, tels que les temps forts et les temps faibles.

• La réduction des trames temporelles (« time-span reduction ») : elle s’appuie sur les deux niveaux hiérarchiques précédents pour former un arbre temporel avec plusieurs niveaux d’enchâssements.

La TGMT repose sur l’interaction entre structures de groupes et structures métriques. Celle-ci peut conduire à certaines ambiguïtés, notamment dans un contexte d’écoute de musique contemporaine. Les structures métriques et de groupement servent à l’auditeur à hiérarchiser les événements en laps de temps afin de déterminer quels événements sont les plus importants structurellement parlant. C’est là qu’intervient la notion de réduction empruntée à la théorie de Schenker : certaines notes sont ornementales, d’autres sont structurelles. Cependant, Lerdahl et Jackendoff ne reprennent pas à leur compte l’idée que toute composition est prolongation d’une structure fondamentale (Ursatz).

–    La réduction prolongationnelle (« Prolongational Reduction ») : elle est fondée sur l’augmentation ou la réduction de la tension tonale. Elle exprime les relations de tension et de détente entre les éléments musicaux ainsi que la stabilité des événements en termes de continuité et de progression, de degré d’ouverture et de fermeture.

Ces deux dernières catégories sont essentiellement basées sur le principe de la stabilité tonale.

Pour chacune de ces structures, la TGMT définit un nombre limité de règles permettant de prédire les structures hiérarchiques perçues par les auditeurs : règles de bonne formation, règles préférentielles et règles transformationnelles.

En conclusion, la TGMT a posé un cadre de référence dans l’étude de la perception musicale en décrivant des principes de structuration des événements musicaux au cours du temps. Cette théorie repose sur un ordre très précis d’opérations. Emmanuel Bigand en a proposé une représentation schématique :

La TGMT a révolutionné la recherche en sciences cognitives de la musique en servant de base théorique à de nombreuses études expérimentales (Bigand²⁰⁹, Deliège²¹⁰, Krumhansl²¹¹). Selon Sloboda notamment, cette théorie marque l’âge de maturité de cette discipline.²¹² Elle a permis une meilleure compréhension de la perception des structures syntaxiques de la musique tonale, néanmoins la TGMT a complètement laissé de côté les aspects sonores de la musique : dynamique, timbre, texture et espace. Cela reste une vision très graphocentrique de la musique.

Afin de visualiser l’ensemble de la TGMT, voici le diagramme général proposé par les auteurs :

3.4. Le modèle Implication-Réalisation de Narmour

Eugene Narmour, disciple de Léonard Meyer, développe le concept d’implication proposé par ce dernier. Pour cela, Narmour propose une théorie de la cognition des structures mélodiques simples sous le nom de Implication-realization model.²¹⁴ Ce modèle d’implication-réalisation s’inspire lui aussi des principes d’organisation de la psychologie de la Gestalt. Cette théorie postule deux systèmes perceptuels distincts: les systèmes d’implication mélodique ascendants et descendants. Tandis que les principes des premiers sont considérés comme étant câblés, innés et universels, les principes des seconds sont censés être appris et donc dépendants de l’expérience musicale. Ce modèle est centré sur les intervalles. En particulier, les petits intervalles mélodiques impliquent un processus (l’intervalle réalisé va dans le même sens que l’intervalle implicatif et sera de taille similaire), tandis que les grands intervalles mélodiques impliquent un renversement (l’intervalle réalisé est dans une direction différente de celle de l’intervalle implicatif et est de taille plus petite). Bien que ce modèle soit présenté de manière très analytique, il a une pertinence psychologique car il avance des hypothèses sur des principes de perception généraux qui sont spécifiés de manière précise et quantitative et peuvent donc faire l’objet d’une investigation empirique (Krumhansl, 1995²¹⁵; Schellenberg, 1996²¹⁶, 1997²¹⁷ ). Narmour considère que la tonalité est un intervalle de seuil assumant la fonction d’un intervalle petit ou grand (c’est-à-dire impliquant un prolongement ou un renversement) en fonction du contexte. Les cinq principes sur lesquels se base Narmour sont : la « direction liée au registre », la « différence d’intervalle », le « retour au registre », la « proximité », et la « fermeture ».

De ce fait, Narmour développe ses arguments à partir d’un ensemble d’axiomes de base, presque sous la forme d’une preuve mathématique. Il interprète finalement la mélodie comme un assemblage de structures mélodiques élémentaires pouvant être identifiées à plusieurs niveaux hiérarchiques. Les structures mélodiques individuelles ne comprennent que quelques notes séquentielles et sont supposées émerger d’implications mélodiques déterminées de manière innée. Narmour insiste sur le fait que les principes fondamentaux d’implication qui génèrent une structure mélodique sont déterminés de manière innée et reflètent les lois de la Gestalt. Cette affirmation suggère que le modèle devrait être applicable à toutes les mélodies : tonales occidentales, post-tonales, pré-tonales et non occidentales.

Enfin, le modèle de Narmour a été une source d’inspiration pour plusieurs autres modèles d’attentes musicales qui ont repris en partie les principes sur lesquels il est basé ( Schellenberg et al., 2002²¹⁸ ; Margulis, 2005²¹⁹; Pearce & Wiggins, 2006²²⁰).

4. Application de l’ASA dans la musique

Les principes de l’analyse de scènes auditives ont été utilisés pour l’analyse de la texture musicale, quelles que soient les périodes dans l’histoire de la musique. Comme l’a affirmé Bregman bien que l’organisation de la texture puisse résulter d’un style musical particulier « elle est basée sur l’organisation générale de l’audition ».²²¹ Dans la littérature scientifique, il n’existe que relativement peu de travaux appliquant les principes de l’ASA à la musique. David Huron (1989)²²² a proposé une catégorisation des quatre textures de base en se fondant sur la co-modulation de fréquence (mouvement similaire ou parallèle) et sur la synchronie des attaques. Dans son récent ouvrage, Voice leading, The Science behind a Musical Art. (2016),²²³ nous détaillerons comment Huron a étudié les bases perceptives de la conduite des voix en s’appuyant sur les principes de l’ASA.

4.1. L’analyse de la texture dans Eight Lines de Steve Reich (1983)

Steve Reich a posé les fondements de son esthétique dans son ouvrage de référence Music as Gradual Process (1968)²²⁴ dans lequel il explique ceci : « Je veux pouvoir entendre le processus se produire tout au long du déploiement sonore de la musique. Pour faciliter une écoute d’une grande précision, le processus musical doit être extrêmement progressif. »²²⁵ Il s’agit du premier texte théorique de la musique minimale répétitive dont la critique et les études consacrées à Reich, se sont le plus inspirées :

Je ne veux pas parler du processus de composition, mais plutôt de morceaux de musique qui sont, littéralement, des processus. Le trait pertinent des processus musicaux, c’est qu’ils déterminent simultanément l’ensemble des détails note après note et la totalité de la forme. Ce qui m’intéresse, ce sont les processus que l’on puisse percevoir. Je veux être à même d’entendre un processus dans son déroulement sonore. Pour que l’écoute soit fine et précise, un processus musical devrait se produire très graduellement.²²⁶

Nous utiliserons pour mettre en avant les propos du compositeur, l’œuvre Eight Lines, où la texture et les processus sont singulièrement fusionnés. De plus, Philippe Lalitte souligne le fait que « La texture est l’un des moyens privilégiés par Steve Reich pour manipuler des indices perceptifs afin de créer des fusions ou des ségrégations de flux auditifs, des patterns virtuels, des percepts bistables et des attentes musicales. »²²⁷

Eight Lines a été composée entre 1978 et 1983, et créé par le Steve Reich Ensemble, orchestre exclusivement destiné à sa musique, qu’il a fondé en 1966. Elle a été écrite pour deux quatuors à cordes, deux pianos, deux flûtes et piccolo, deux clarinettes en si bémol et deux clarinettes basses. Cette pièce se compose de procédés canoniques et implique la déconstruction et la reconstruction de motifs répétés.

L’écoute d’une pièce musicale implique des processus perceptifs et des focus attentionnels différents selon l’échelle de temps concernée (locale, intermédiaire ou globale). La texture est l’un des moyens privilégiés par Steve Reich pour manipuler des indices perceptifs afin de créer des fusions ou des ségrégations de flux auditifs, des patterns virtuels, des percepts bistables et des attentes musicales.²²⁸

Philippe Lalitte a proposé une analyse centrée sur l’écriture de la texture chez le compositeur minimaliste américain Steve Reich pour qui le souci d’induire des stratégies d’écoute spécifiques chez l’auditeur est primordial. En accord avec la description de la texture proposée par Bregman, dans l’analyse de scènes auditives²²⁹, Lalitte nous expose une analyse pertinente basée sur trois niveaux hiérarchiques différents :

• « Les primitives de la texture à échelle de temps locale »,

• « La stratification et échelle de temps intermédiaire »,

• « Le regroupement de plusieurs types de textures à une échelle de temps globale ».

Concernant le premier niveau, Reich favorise une ambiguïté perceptive en multipliant les instruments et les timbres identiques, ce qui aboutira à une ambiguïté sur la position des temps forts, et à l’émergence d’un flux auditif dans le registre grave. « À une échelle de temps locale, la texture des primitives est donc conçue pour produire des ambiguïtés perceptives ou des patterns virtuels (non écrits dans la partition) qui offrent à l’auditeur différentes possibilités d’orienter son écoute. »²³⁰ Selon Deutsch, en référence à la règle de proximité de la Gestalt psychologie et aux travaux sur l’ASA de Bregman :

La proximité est une puissante loi d’organisation dans la perception des structures de hauteur des sons. C’est particulièrement vrai pour des séquences de notes présentées à un tempo rapide. Lorsque les notes d’une telle séquence sont issues de registres de hauteurs différentes, l’auditeur perçoit deux lignes mélodiques en parallèle, l’une qui correspond aux notes les plus aiguës, l’autre aux notes les plus graves. Les compositeurs ont fréquemment exploités ce phénomène perceptif.²³¹

C’est pourquoi dans le cas des parties de piano combinées d’Eight Lines, le cerveau tend à regrouper les notes les plus graves des deux parties de piano. (Cf figure ci-dessous, les cellules entourées de pointillés). Ce flux émergeant n’est pas écrit spécifiquement sur la partition, c’est pourquoi nous pouvons parler d’illusions auditives. Nous développerons cette notion dans notre chapitre suivant dédié à ce sujet.

Dans le second niveau hiérarchique, l’échelle temporelle semi-globale correspond à ce que l’on pourrait nommer un « présent perceptif élargi ». Philippe Lalitte fait ici référence au « présent perceptif » défini par Paul Fraisse comme étant un acte mental unifié, indispensable à la perception du successif.²³³ Selon Lalitte, « le procédé de remplacement graduel des silences par des notes se situe dans un temps semi-global qui pourrait correspondre au « présent perceptif élargi ». Ce procédé consiste à ne pas présenter un pattern complet dès son apparition dans la pièce, mais à le construire note après note jusqu’à sa complétude. » Dans cette œuvre, Philippe Lalitte souligne le fait que Reich compose la texture en offrant à l’auditeur différentes possibilités de focalisation auditive. À une échelle temporelle semi-globale, en utilisant des procédés tels que le remplacement des silences par des notes, l’étirement temporel d’accords, les fondues d’entrée et de sortie ou la répétition sans changement d’une mélodie, Reich agit sur le degré de prégnance des patterns qui seront perçus, selon la stratégie d’écoute choisie, comme une figure ou un fond.

Pour finir, dans la troisième partie de cette analyse, au sujet du regroupement de plusieurs types de textures à une échelle de temps globale, selon le compositeur, « le trait sans doute le plus intéressant, cependant, consiste en ce que la transition entre les sections a été rendue aussi peu abrupte que possible, par des chevauchements entre les parties, ce qui fait qu’il est parfois difficile de savoir quand une section finit et quand la suivante commence ».²³⁴ En effet, le fait de délimiter précisément les frontières à l’audition, en raison des chevauchements de sections, se révèle être fort complexe. Philippe Lalitte nous explique que « la transition entre les sections est réalisée avec la technique du fondu d’entrée ou de sortie qui fait progressivement émerger ou disparaître une ou plusieurs strates de la texture. » Ainsi Reich, grâce aux éléments de continuité, de retour, de renouvellement ou de rupture qui jalonnent sa pièce, induit chez l’auditeur des phénomènes d’attente et de tension/relâchement, largement décrit par Leonard Meyer.

4.2. Voice leading, The Science behind a Musical Art de David Huron

Dans Voice leading ²³⁵, David Huron fournit une explication scientifique en démontrant pourquoi certaines textures musicales sont plus convaincantes que d’autres pour l’oreille humaine. En s’appuyant sur les règles de l’analyse de scènes auditives, Huron développe une argumentation convaincante sur les principes fondamentaux du système auditif humain régissant la perception des textures musicales. Les musiciens et les auditeurs doivent pouvoir entendre le mieux possible les voix d’une polyphonie, d’un motet, d’une fugue, d’une symphonie, etc. Une texture claire, avec des parties distinctes, qui ne se masquent pas ou qui ne fusionnent pas facilite la ségrégation des flux auditifs et donc la construction mentale d’une image auditive cohérente. Si un musicien choisit de créer une musique dans laquelle deux ou plusieurs parties ou voix simultanées sont destinées à être perçues distinctement, certaines règles de préférences doivent être observées. Huron souligne que les règles du contrepoint ne se sont pas formées de manière arbitraire, elles correspondent aux principes de l’organisation auditive humaine. Au total, douze principes de l’analyse de scène auditive sont évoqués : tonicité, fusion harmonique, masquage auditif, continuité, proximité de la hauteur, co-modulation de la hauteur, asynchronisme des attaques, densité limitée, différenciation du timbre, localisation de la source, attention et attente.

De plus, Huron a établi 37 règles préférentielles de conduite des voix, parmi lesquelles :

• La règle d’étendue : préférer les notes situées entre Mi 1 et Sol 4, centrées autour de Ré 3.

• La règle du son soutenu : préférer des sons continus ou en succession serrée, avec peu de longs silences.
• La règle d’espacement : préférer un espacement large entre les notes les plus graves d’un accord.
• La règle des intervalles parallèles : éviter les unissons, quintes et octaves parallèles.

• La règle des attaques asynchrones : préférer des attaques asynchrones entre les voix.

• La règle du mouvement conjoint : éviter les grands intervalles.

• La règle de préparation oblique : à l’approche d’un unisson, d’une quinte ou d’une octave, il est préférable de conserver la même hauteur dans l’une des voix, etc.

Dans ce livre, Huron revient sur le concept d ’« attention », introduit par l’auteur une décennie plus tôt, pour expliquer comment, parmi de nombreux autres principes de perception, les auditeurs peuvent se concentrer sur différents niveaux de la structure musicale hiérarchique (Huron 2007).²³⁶ Nous reviendrons longuement sur ce concept au cours du chapitre dédié aux émotions.

Par exemple, nous savons que la séparation des sources sonores est l’un des moyens les plus efficaces d’améliorer la ségrégation des flux (Divenyi et Oliver 1989)²³⁷. Bien que ce principe soit assez évident dans les œuvres électroacoustiques, il a été beaucoup moins exploré dans les périodes précédentes, à l’exception remarquable des œuvres antiphonales de Giovanni Gabrieli. Le terme de « Cori Spezzati », littéralement « chœurs rompus », était utilisé pour décrire la division des effectifs utilisés (voix et/ou instruments) et la séparation dans l’espace des groupes qui en résultent. Cet effet antiphonal est caractérisé par un aller-retour alternatif du son, d’un bout à l’autre de la pièce, ou d’un haut-parleur à l’autre sur une chaîne stéréo. Dans la Venise de la fin du XVIᵉ et du début du XVIIᵉ siècle, Giovanni Gabrieli a largement utilisé cet effet en divisant le chœur en deux afin de créer une sorte de polychoralité. Cette disposition s’est répandue après la publication des « Salmi spezzati » d’Adrien Willaert (1550) dont les deux groupes étaient installés dans les deux tribunes d’orgue de la basilique Saint-Marc à Venise. Pour des raisons pratiques, Huron développe ce principe en soulignant le fait que les musiciens ont besoin d’un bon retour visuel et auditif pour pouvoir jouer ensemble.

Ainsi, Voice leading permet de créer des outils d’analyse et de conception de scènes musicales allant au-delà des règles de la musique instrumentale occidentale canonique. Les œuvres de Tristan Murail (Gondwana et L’esprit des Dunes) en sont des exemples typiques.²³⁸ Ces œuvres bénéficient en particulier d’une analyse de la musique fondée sur la perception et une analyse de la texture où la ségrégation des flux est révélée grâce à un renouvellement de l’espace sonore. Dans Gondwana (1980, pour grand orchestre), Murail s’appuie sur le modèle de la synthèse par modulation de fréquence, inventé par le compositeur John Chowning, « pour constituer des champs harmoniques et développer des processus d’interpolation entre divers spectres instrumentaux. »²³⁹ L’idée principale est de transformer un son de cloche en un son de trombone. Dans L’esprit des Dunes (1993-94) pour onze instruments et sons de synthèse, Philippe Lalitte nous relate le fait qu’une « grande part de la magie qui émane de L’Esprit des dunes provient de ces illusions sonores qu’a su distiller Murail au sein de sa partition. On croit entendre des sons réels – le vent, la tempête, des voix -, mais ce ne sont que des mirages, des sons entièrement synthétisés dont l’ambiguïté ne fait que renforcer l’impression de mystère. »²⁴⁰

4.3. Le monde du studio d’enregistrement

Dans une tout autre perspective, les principes de l’ASA peuvent être appliqués aux techniques de l’enregistrement musical. Par exemple, une des techniques importantes utilisées par l’ingénieur du son est l’emplacement spatial des nombreuses pistes enregistrées dans deux, trois, ou plusieurs haut-parleurs espacés. L’un des aspects de l’art du mixage consiste à décider quelles pistes enregistrées seront mélangées dans le même haut-parleur, ou seront séparées en plusieurs haut-parleurs, etc. Les solutions sont multiples. Dans cette perspective, Woszczyk et Bregman (2005)²⁴¹ nous explique qu’il serait normal de postuler qu’en mélangeant deux sons A et B, dans le même haut-parleur ou dans tous les haut-parleurs, ils se mélangeront aisément et si on désire les mélanger dans des haut-parleurs séparés, ils seront perçus comme plus distincts. Cependant, séparer deux sons stables dans l’espace ne les rend pas plus faciles à séparer. La séparation spatiale semble fonctionner en accentuant la ségrégation qui repose sur d’autres différences entre les sons. De façon judicieuse, leurs attaques ne se chevauchent pas exactement dans le temps, leurs hauteurs ne changent généralement pas en parallèle. Par conséquent, Bregman et Woszczyk soulignent le fait que l’ingénieur du son peut utiliser efficacement les différences spatiales pour séparer les signaux, en particulier lorsqu’ils diffèrent par leurs caractéristiques temporelles et lorsque leur différence de distance ou de séparation angulaire est grande.

Dans le quatrième chapitre sur le filtrage et l’équalisation, ces chercheurs mettent en avant que :

Le groupement séquentiel des sons est affecté par leurs timbres : cela signifie que l’oreille pourra plus facilement suivre le même instrument ou la même voix au fil du temps si son timbre est unique. Le timbre peut affecter la perception de deux manières : (a) en fournissant des fonctionnalités que l’auditeur peut suivre volontairement dans le temps; et (b) en influençant le regroupement automatique des sons dans une séquence. Il n’est pas du tout certain que chaque fonctionnalité autorisant le suivi volontaire constitue également une base pour le groupement séquentiel automatique.²⁴²

Chaque instrument musical a une structure de formant distincte, qui lui fournit une « signature auditive » pouvant être suivie dans le temps. Cependant, la structure transitoire (début et décalage) ainsi que l’enveloppe dynamique et les fluctuations sont également très importantes pour l’identification et le suivi d’une source sonore. De plus, la « luminosité », la « netteté » et la « rugosité » sont des caractéristiques d’identification essentielles. L’utilisation de filtres et d’égaliseurs peuvent jouer un rôle dans l’accentuation des différences de luminosité et peuvent modifier l’équilibre spectral des formants et des transitoires.

Dans le cas de la synchronisation temporelle (chapitre 5)²⁴³, Woszczyk et Bregman parle de l’intérêt de l’utilisation de « l’effet rubato » où l’ingénieur du son peut décaler dans le temps certaines pistes par rapport à d’autres. Par exemple, retarder ou avancer une piste par rapport aux autres pendant la post-production peut être utilisé pour synchroniser des pistes enregistrées sans synchronisation avec d’autres. Cela peut augmenter l’intégration perceptuelle du groupe d’instruments lorsque cela est souhaité notamment. Les auteurs ont l’espoir que les recherches dans ce domaine aideront les ingénieurs du son à améliorer leur technicité.

Nous avions déjà abordé la question de l’enregistrement musical dans notre chapitre précédent, avec entre autre le modèle de la Sound Box d’Allan Moore, et l’analyse de la texture chez Zak et Moylan où les principes de groupement chez Bregman et McAdams (1979)²⁴⁴ ont été repris dans leurs travaux. Dans son ouvrage Understanding and Crafting the Mix : The Art of Recording²⁴⁵, William Moylan nous expose sa conception du son et de l’enregistrement en se focalisant dès le début sur la nature acoustique du son et de ses différents paramètres physiques. Il poursuit en décrivant comment notre système auditif transforme ce son lors de l’écoute et quelles sont les implications pour notre perception. Dans son troisième chapitre, il est question de forme et de structure musicale, d’organisation et de hiérarchie sonore. En s’inspirant de la théorie de l’analyse de scène auditive de Bregman, Moylan met particulièrement en avant les caractéristiques timbrales, qu’il nomme « sound quality », car selon lui, elles peuvent déterminer si une source sonore pourra se détacher des autres ou au contraire se fondre dans un ensemble. Il a recours à des modes de transcription alternatifs qui reflètent concrètement les préoccupations d’un créateur de musique pop. Pour l’étude des timbres et des textures, Moylan avait déjà exposé cette méthode d’analyse dans The Art of Record Production en 1992.²⁴⁶ Cet ouvrage propose un cadre de référence et un vocabulaire qui décrit les principaux paramètres considérés dans la production de musiques populaires enregistrées tels que les caractéristiques de l’espace, le contour, l’enveloppe spectrale et l’intensité. Sa démonstration est appuyée par une série de graphiques décrivant ces paramètres à partir de la manière dont l’auditeur ou le créateur devrait les percevoir. Voici un graphique illustrant la perception des distances fréquentielles pour chaque strate sonore de la pièce « A Day in the Life » :

Un autre psycho-acousticien William Yost a fourni une liste similaire en décrivant ces indices de fusion : la séparation spectrale, le profil spectral, l’harmonicité, la séparation temporelle, la synchronisation des attaques et des chutes ainsi que les modulations d’amplitude et de fréquence.²⁴⁷

5. Texture, ASA et illusion auditive

« La vie a besoin d’illusions, c’est-à-dire de non-vérités tenues pour des vérités. » Friedrich Nietzsche (1844-1900), Le livre du philosophe.

Notre connaissance du monde est façonnée par nos sens qui nous renseignent sur notre environnement. Mais nos sens peuvent être trompés. La question des illusions est au cœur de l’approche occidentale depuis l’antiquité. Les illusions auditives ont commencé à susciter l’intérêt des communautés scientifiques et musicales,                          essentiellement à partir de la seconde moitié du XXème siècle. Par définition, « la perception est une interaction de l’information extraite du monde par les sens avec des connaissances déjà acquises sur ce monde. Lorsque ces deux types d’informations ne coïncident pas, une illusion perceptive en résulte. »²⁴⁸ Au tout début des années cinquante, les recherches de George Miller et Joseph Licklider²⁴⁹, de Richard Warren²⁵⁰ ont mis en évidence les phénomènes de nature illusoire, notamment les effets de continuité et de complétion ou l’effet « Picket Fence ».

Par exemple pour illustrer l’effet de continuité, lorsqu’un son pur est coupé par un ou plusieurs silences, il sera logiquement perçu comme interrompu. Par contre, lorsque des bruits d’intensité supérieure à celle du son pur remplacent le silence, le son semble ne pas s’interrompre (a) et l’alternance de sons purs et de bruits brefs génère le même effet (b). Et lorsque le son pur se poursuit pendant le bruit et s’arrête en même temps que lui, le son pur paraît s’arrêter quand le bruit commence (c).

En 1957, la naissance de la synthèse sonore par ordinateur sous l’impulsion de Max Mathews²⁵¹ marque un tournant capital dans l’histoire des illusions auditives.²⁵² Le premier programme de synthèse Music III (1959) est réalisé par une équipe de la Division Recherche de la Bell Telephone Laboratories dirigée par Mathews, dont fait partie le compositeur Jean-Claude Risset : l’informatique musical est née. Cette synthèse par ordinateur donne l’accès au « son organisé » dont Edgar Varèse rêvait depuis le début du XXème siècle. Au demeurant, le compositeur s’est véritablement passionné pour ces travaux.

Il nous semble important de mentionner une œuvre singulière de Varèse, Poème électronique (1958), quelquefois nommée L’homme et la machine, même si elle a été totalement conçue de manière analogique (magnétophone) et non pas avec des ordinateurs. Varèse utilisa des voix, des cloches, de l’orgue, un ensemble de free jazz (avec Charlie Mingus, Teo Macero, etc.) ainsi que des sons électroniques à travers une série de filtres, modulateurs en anneau, distorsions, fondus et diverses manipulations de la bande magnétique telles que mises à l’envers et changements de vitesse. Cette pièce musicale a été composée pour le spectacle « lumière, couleur, rythme, son, image » conçu par Le Corbusier et Xenakis (en tant qu’architecte) dans le cadre de la construction du Pavillon Philips à l’exposition universelle de Bruxelles en 1958. Théoriquement divisé en sept séquences, l’ouvrage place le spectateur au centre d’émotions et de sensations visuelles, fruit d’une collaboration fructueuse entre photographes, cinéastes, éclairagistes, tandis que l’électroacoustique permettait à Varèse de déclencher une composition sonore et mobile conçue en fonction de l’espace. Il fut composé en 3 pistes, et spécialement conçu pour le lieu où il devait être joué sur 450 haut-parleurs. Grâce à la synthèse sonore, explique Jean-Claude Risset, il est devenu possible de « faire surgir des illusions en construisant des structures sonores spécialement conçues pour faire jouer certains mécanismes perceptifs ».²⁵³ De même, Ligeti s’est passionné pour la musique-machine. Avec des œuvres comme Poème symphonique pour 100 métronomes et Continuum pour clavecin, Ligeti a créé des illusions auditives. Joseph Delaplace nous relate que « l’utilisation des mécanismes qui se détraquent […] montre l’importance que revêt pour Ligeti la question d’une musique- machine ».²⁵⁴ Lorsque Ligeti compose Poème symphonique pour 100 métronomes en 1962, Pierre Michel nous explique que « les décalages et transformations dus à la superposition de différents tempi, ainsi que les illusions d’accélération et de ralentissement qui en résultent auront une influence capitale sur la conception rythmique de certaines œuvres ultérieures. »²⁵⁵ Dans Continuum pour clavecin, crée en 1968, Ligeti joue délibérément sur ces trompe-l’oreille en proposant une organisation perceptive basée sur la ségrégation des flux auditifs.²⁵⁶ Cette œuvre a fait l’objet de nombreuses analyses : nous pensons tout particulièrement à celle d’ Emilios Cambouropoulos et Costas Tsougras²⁵⁷ et à celle de Douglas, Noble et McAdams²⁵⁸, plus récente, basées sur les principes de l’ASA de Bregman. Ces principes nous semblent un point d’entrée fondamental pour une analyse approfondie de la texture musicale et pour comprendre la façon dont l’auditeur la perçoit. Le fait d’utiliser une seule valeur rythmique répétée régulièrement à un tempo extrêmement rapide permet à Ligeti d’opérer des subtils changements de hauteurs de manière imprévisible, brisant cette régularité rythmique initiale. En s’appuyant sur les recherches de son temps en psycho-acoustique, Ligeti postulait que pour qu’une succession de notes jouées au clavecin soit perçue comme un continuum sonore, le nombre de notes devait être de 18 par seconde.²⁵⁹

Selon Douglas et al., d’autres facteurs entrent en ligne de compte dans la perception de ce continuum. Le taux d’attaque requis pour la perception de la masse sonore n’est pas une valeur absolue, comme cela a été suggéré par le compositeur lui-même. Il interagit avec d’autres facteurs musicaux et psychoacoustiques tels que la durée, le registre, le timbre et l’organisation musicale. La structure de la hauteur et le contexte subjectif semblent également pertinents, comme le laissaient prévoir les principes de l’analyse de scène auditive.

Ce processus compositionnel produit de magnifiques illusions auditives. Pressnitzer, Suied et Shamma (2001)²⁶⁰ ont également abordé la question de l’illusion auditive dans la musique chez Ligeti. Ils ont appliqué un modèle de calcul de l’ASA (modèle de cohérence) inspiré de la neurophysiologie du système auditif afin de comparer le degré de cohérence temporelle dans deux extraits de pièces d’orchestre de Ligeti : Lontano (1967) et San Francisco Polyphony (1973-1974) Ligeti disait lui-même : « Oui, c’est vrai, je travaille souvent avec les illusions acoustiques, très analogues aux illusions d’optique, à de fausses perspectives, etc. Nous ne connaissons pas très bien les illusions acoustiques. Mais elles sont très analogues et on peut faire des choses très intéressantes dans ce domaine. »²⁶¹

Ces phénomènes sonores insolites ont beaucoup fasciné les compositeurs, qui ont cherché à les imiter avant de les placer, pour certains d’entre eux, au cœur même de leur démarche compositionnelle. Ainsi, la synthèse numérique a permis l’invention de sons très particuliers donnant lieu à des illusions acoustiques, comme les mouvements illusoires des sources sonores de John Chowning (1971)²⁶² , la gamme chromatique perpétuelle de Roger N. Shepard (1964)²⁶³ , les accélérations perpétuelles de Kenneth Knowlton (1964)²⁶⁴ ou encore les glissandi infinis ou paradoxaux de Jean-Claude Risset.²⁶⁵ Le scientifique américain Shepard réalise un équivalent auditif à l’escalier perpétuel de Penrose (cf. figure ci-après).²⁶⁶ Ce procédé s’appuie sur la synthèse préalable par ordinateur des « Shepard tones », des sons périodiques complexes qui résultent de l’addition de signaux sinusoïdaux de même intensité, séparés par des intervalles d’octave. La structure spectrale correspond à un empilement d’octaves, « ce qui a pour effet de rendre la tessiture de chaque son ambiguë (il est difficile d’estimer à quelle octave se situe la note).²⁶⁷ Quand plusieurs sons se succèdent pour former les degrés d’une gamme ascendante ou descendante, et si nous la répétons plusieurs fois, nous obtenons alors l’illusion d’un mouvement perpétuellement ascendant ou descendant.

Quant à Jean-Claude Risset, il a réussi à le transcrire dans le domaine rythmique en s’inspirant des travaux de Kenneth Knowlton.²⁷⁰ Le compositeur nous éclaire sur ce processus de synthèse sonore :

Dans le processus de synthèse, on est à la source des choses : on peut composer les timbres comme des accords ; on peut transformer intimement les sons de synthèse en modifiant l’évolution dans le temps de leurs composantes. On peut ainsi orienter à son gré l’écoute vers une appréhension fusionnée, focalisée, globale, synthétique, ou au contraire dissociée, distribuée, locale, analytique. On peut fondre des objets sonores en textures fluides, strier ou lisser le temps, plonger dans les profondeurs du timbre dissocié par l’asynchronie temporelle comme la lumière blanche est dispersée par le prisme, et le scinder en constituants élémentaires qui s’allient en mélodie et harmonie.²⁷¹

Les paradoxes sonores créés par Jean-Claude Risset s’inscrivent dans une réelle nécessité esthétique. La réalisation de sons hybrides comme dans son œuvre Sud (1985) par exemple, lui permet de faire cohabiter des oiseaux de métal à côté de grillons de bois.

En 1972, le compositeur et théoricien John Chowning a fait sensation avec son œuvre Turenas et ses impressionants mouvements sonores illusoires, entièrement réalisée par ordinateur avec le programme Music IV de Max Mathews. Turenas est une pierre angulaire de la musique cinétique.

L’œuvre musicale de John Chowning ne peut être séparée de ses recherches sur la localisation et le mouvement des sons dans l’espace.²⁷² Il a utilisé la synthèse des sons par ordinateur, afin de produire des illusions de sons en mouvement très efficaces : rapprocher ou éloigner des sources sonores, les déplacer de droite à gauche, de haut en bas, leur faire remplir une pièce. Des sources individuelles peuvent tourbillonner au-dessus de la tête. Pour cela, certains effets, comme la simulation de l’effet Doppler (léger changement de fréquence lié au mouvement des sources) seront exploités.

Dans son avant-propos à l’ouvrage collectif La spatialisation des musiques électroacoustiques, John Chowning souligne son intérêt conjoint pour la création sonore et la conception d’espaces électroacoustiques : « j’étais convaincu que le contexte spatial du son est tout aussi important que le son lui-même, on entend le son, mais on sent aussi l’espace ».²⁷³

Dans cette période de foisonnement intellectuel, Bregman débute ses recherches sur l’analyse de scènes auditives. Peu de temps après, en 1974, Diana Deutsch découvre une illusion spatiale surprenante : l’illusion d’octave.²⁷⁴ Pour obtenir cela, elle propose l’alternance à plusieurs reprises de 2 tons séparés par une octave, de telle sorte que lorsque l’oreille droite reçoit la tonalité aiguë, l’oreille gauche reçoit la tonalité grave, et vice versa. Diana Deutsch a constaté dans ses expériences que la perception de ce phénomène varie selon les individus : en général, les gauchers et droitiers n’entendent pas la même chose. Puis en 1979, Les illusions auditives seront même référencées pour la première fois dans l’Encyclopaedia universalis, dans un célèbre article réalisé par David Wessel et Jean-Claude Risset.²⁷⁵ Ils dénombrent 6 grandes catégories afin de décrire au mieux ce phénomène : la restitution perceptive des sons, la polyphonie à une seule voix, les paradoxes liés à la dissociation de la hauteur sonore, les paradoxes de rythmes, l’intégration auditive et la localisation auditive.

Il nous semble intéressant de clore ce chapitre sur les illusions auditives en prenant pour exemple un phénomène acoustique singulier issu d’un chant religieux polyphonique du nord de la Sardaigne, principalement à Castelsardo : celui de la quintina. Littéralement « la petite quinte » est un terme générique utilisé pour désigner toute fusion d’harmoniques dans la partie aiguë du spectre. Contrairement à ce que le mot laisse supposer, elle n’est pas nécessairement en relation de quinte avec l’une ou l’autre des voix qui la produisent. La quintina consiste en l’apparition, au sein d’un chœur d’hommes (appelés du grave vers l’aigu : bassu, contra, bogi, falzittu) d’une cinquième voix aiguë qui se situe à l’octave supérieure de la voix principale, celle à laquelle est confié le cantus firmus (Fig. 66).

Cette technique vocale est de tradition orale, transmise depuis des générations. Ce chant qui scande les temps forts de la vie collective (funérailles, fêtes religieuses et patronales) trouve son apogée et sa plus belle manifestation dans les rituels de la Semaine sainte. Cette voix quasi féminine qui naît des quatre voix masculines prend alors dans le contexte dramatique de la « Passion », un sens singulier : « la voix de la vierge » est entendu, dit-on sur place à ce sujet.²⁷⁶

Selon Stephen McAdams, la perception de cette cinquième voix est construite de toute pièce par notre cerveau car elle n’est pas une simple source sonore, elle est tributaire d’un « patron acoustique correspondant à nos connaissances catégorielles des registres vocaux. »²⁷⁷

Cela suppose de la part des chanteurs une grande maîtrise vocale afin que la quintina émerge, notamment la justesse spectrale de la voix qui cherche la consonance de l’accord en concordance avec les harmoniques de la fondamentale, la qualité du répertoire musical liturgique et de l’écriture (technique de faux-bourdon, octave, quinte et quarte), la transformation de la couleur vocalique par l’altération des voyelles du texte chanté afin de privilégier certains formants du spectre harmonique, ainsi que la puissance sonore de la voix dans un espace réverbérant. Bernard Lortat-Jacob, ethnomusicologue et chercheur au CNRS, a analysé les spécificités du chant choral de ces chanteurs sardes de la Confraternità de Castelsardo dans le très bel ouvrage Chant de passion, au cœur d’une confrérie de Sardaigne.²⁷⁸

Bernard Lortat-Jacob explique :

Pour que le phénomène se produise les chanteurs doivent satisfaire à une double exigence : une parfaite intonation (fusion harmonique) et un ajustement précis des voyelles. Seuls quatre chanteurs très avertis, en interaction étroite, capables de s’écouter tout en percevant le résultat d’ensemble peuvent parvenir à une telle perfection, et donner naissance à la mystérieuse quintina.²⁷⁹

6. Texture et émotions

« L’émotion étant le but de toute bonne musique […], je me suis donc attaché avec une application et des efforts non négligeables à le retrouver ».

Claudio Monteverdi.²⁸⁰

6.1. La musique, qu’est-ce que ça nous fait ?

Depuis l’antiquité, les relations entre musique et émotion sont constamment étudiées par une multitude d’auteurs provenant de disciplines très diverses : musicologues, philosophes, sociologues, psychologues, écrivains, historiens, etc. Dans le remarquable ouvrage de Francis Wolff, « Pourquoi la musique ? », le philosophe nous renseigne sur ce que la musique nous fait, en proposant une analyse approfondie, conceptuelle et argumentée sur ce sujet.²⁸¹ En s’introduisant par tous les pores de notre peau, la musique nous fait vibrer. Elle nous agite, nous secoue, nous soulève : « Le son vient d’un corps qui vibre, et lorsque l’onde nous en parvient, elle fait vibrer le nôtre. Les deux corps entrent en sympathie. La musique tient d’abord de ce corps à corps. »²⁸² Distinguant pulsation, mesure et rythme, Wolff analyse avec beaucoup d’intelligence et de finesse, le rythme du discours musical qui contrarie la mesure en nous : « notre attente de l’accent sur le temps fort de « notre » mesure est déjouée par la musique elle-même qui accentue le temps faible. »²⁸³ Pour Eduard Hanslick, à la moitié du XIX^ème siècle, « la forme, par opposition au sentiment, est le vrai contenu, le vrai fond de la musique, elle est la musique même : le sentiment provoqué en nous on ne peut l’appeler ni forme ni fond, il n’est qu’un effet, qu’une résultante ».²⁸⁴ Alors que pour Schopenhauer, la musique rejoint l’âme avec le langage universel du sentiment, en exprimant non un sentiment particulier et déterminé mais l’essence d’un sentiment : la joie, la douleur, etc., une véritable « métaphysique de la musique » en somme. La position d’Hanslick ou de Schopenhauer donne finalement la même place centrale à l’émotion : soit pour l’éviter et rejoindre la forme musicale pure soit, au contraire, pour en souligner l’importance.

Ainsi, probablement de par sa nature répétitive, la musique a servi de support privilégié à de nombreuses études en psychologie cognitive avec un focus particulier sur les attentes de l’individu (Bissell, 1921, Meyer, 1956, Narmour, 1990, Eerola²⁸⁵, 2003, Huron, 2006). Francis Wolff souligne également qu’une grande partie du plaisir musical réside dans la répétition :

La musique est une affaire de répétition, c’est là sa caractéristique la plus constante et la plus propre. Une chanson, c’est souvent un refrain qui revient à l’identique entre les couplets, et les couplets se répètent tous sur le même air. De là la forme rondo B-A-C-A-D-A, etc. Et puis il y a la ritournelle. « Encore ! Encore ! » exige l’enfant. Dans la forme sonate, on expose au début et on réexpose à la fin du mouvement. On répète ou on varie, on imite, on module, que ce soit dans le contrepoint ou dans l’écriture harmonique.²⁸⁶

En général, les études citées précédemment, traitent des attentes suscitées par la musique comme une source de significations et d’émotions chez l’auditeur. En 1921, Arthur Dart Bissel écrivait déjà ceci :

[…] la musique possède un grand avantage sur tous les autres arts – à l’exception possible de la danse – en ce qui concerne la question de l’attente dans sa position unique en ce qui concerne la répétition. Les autres arts admettent la répétition (la danse en particulier), mais la musique l’exige ; elle [la répétition] entre dans la musique comme un facteur essentiel.²⁸⁷

La théorie proposée par Meyer en 1956 est certainement l’étude sur les attentes la plus citée. Elle est devenue une référence incontournable. D’ailleurs, David Huron et Elizabeth Hellmuth Margulis écrivent à ce propos que « Meyer a été bien en avance sur son temps en intégrant les aspects cognitifs et affectifs du fonctionnement mental. En attirant l’attention sur la notion d’attente, il a anticipé d’un demi-siècle les conclusions de la neuroscience cognitive. »²⁸⁸

Etant donné l’immensité des recherches existantes autour de l’émotion en psychologie cognitive et sachant que ce n’est pas le cœur de notre sujet, nous ne pourrons malencontreusement pas être exhaustifs à ce propos. Nous présenterons néanmoins un cours chapitre sur la définition de l’émotion chez les psychologues ainsi que son lien avec le langage musical. Notre objectif n’est pas de faire une synthèse de tout ce que nous savons aujourd’hui des émotions musicales, mais bien de présenter les théories principales dans ce domaine en lien avec la texture. Nous nous servirons pour cela du brillant ouvrage de David Huron, Sweet Anticipation (2006)²⁸⁹ et de l’ouvrage de référence de Meyer largement cité, Emotion et Signification en Musique.²⁹⁰

6.2. Définition de l’émotion musicale

La musique est un stimuli particulièrement puissant. Elle pénètre dans notre corps par les voies auditives et nous sommes tout simplement obligés de donner du sens à ce signal sonore. Cette interprétation se fait à une vitesse extrêmement importante : 500 millièmes de seconde suffisent pour identifier la valence d’un extrait musical (par exemple Vieillard, Peretz, Gosselin, Khalfa, Gagnon et al., 2008).²⁹¹ Et chez Bigand et collaborateurs (2005)²⁹² seulement 250 ms d’un stimuli sonore suffit à notre cerveau pour se synchroniser. Le terme d’« émotion », pour les psychologues, correspond à:

[…] une très brève mais intense réaction affective qui implique généralement un certain nombre de sous-composantes – sentiment subjectif, l’excitation physiologique, l’expression, l’action et tendance, et la régulation – qui sont plus ou moins « synchronisées ». Les émotions se concentrent sur des « objets » spécifiques et durent de quelques minutes à plusieurs heures (par exemple le bonheur, la tristesse).²⁹³

Avec l’émotion et le comportement, l’émotion est l’un des concepts clés de la psychologie expérimentale, car les principales émotions comme la colère, la peur, le bonheur ou encore la tristesse guident et dynamisent les comportements humains dans des situations de vie cruciales. La théorie de Darwin est l’une des premières à avoir posé les bases scientifiques des émotions. Selon l’auteur, elles sont d’une grande utilité pour assurer la survie des individus et les divers aspects expressifs et biologiques des émotions sont indissociables. Pour cela, Darwin a sélectionné huit émotions fondamentales : la tristesse, la joie, la colère, la peur, le dégoût, la honte, le mépris et la surprise.²⁹⁴ A sa suite, les psychologues de la musique se sont notamment appuyés sur les travaux d’Ekman (1980) portant pareillement sur les émotions dites de base que sont la joie, la tristesse, la colère et la peur.²⁹⁵ Tout comme Darwin, ce dernier a en effet démontré qu’il était possible de corréler ces émotions avec des indices faciaux de manière universelle.

Le modèle de Plutchik est également intéressant d’être mentionné : il a abordé le problème d’analogie avec les couleurs en proposant un dictionnaire d’émotions similaires au dictionnaire de couleurs.²⁹⁶

De ce fait, tout comme il existe des couleurs primaires et des nuances de celles-ci variant en intensité et constituant le spectre des couleurs, il existerait des émotions primaires et des nuances qui varieraient en intensité. Ce qui aboutitait à des combinaisons possibles entre certaines émotions de base. Ce modèle est défini par le circumplex ci-dessus qui représente un modèle multidimensionnel basé sur des émotions primaires de base dont vont découler des émotions secondaires. Plutchik considère qu’il existe huit émotions de base faites de 4 paires opposées : joie-tristesse, acceptation-dégoût, peur-colère, surprise et anticipation.

De même, plus récemment, dans l’article de Nathalie Fernando et al. (2014), ces chercheurs ont souligné que « la catégorisation de ces émotions repose sur le postulat d’un substrat biologique commun relevant de l’innéité, et sur la différenciation des comportements physiologiques qu’elles engendrent. »²⁹⁷ Les nombreux travaux de Panksepp²⁹⁸(1995-1998)²⁹⁹ et de Peretz (2010)³⁰⁰ y font également références.

6.3. L’émotion dans le langage musical

« La musique est une structure sonore composée qui met en œuvre des systèmes complexes de relations entre les signaux acoustiques. Pour de nombreux auteurs, ces systèmes de relations, plus encore que les propriétés immanentes des sons, sont porteurs d’expression et d’émotion. »³⁰¹ La musique n’est pas seulement destinée au divertissement et au plaisir, mais elle a été utilisée à diverses fins en raison de ses effets sociaux et physiologiques. Nous savons par exemple que la musique agit sur les composantes neurophysiologiques associées à l’état de stress en diminuant le taux de cortisol sécrété par les glandes salivaires. Et, ces effets sont présents dès les premiers stades du développement.³⁰² David Huron souligne que, les fonctions prééminentes de la musique étant sociales et psychologiques, la caractérisation la plus utile serait basée sur quatre types d’informations : le style, l’émotion, le genre et la similitude.³⁰³ Pour Isabelle Peretz, c’est la fonction première de la musique que de renforcer la cohésion sociale³⁰⁴ : « la musique répond à un besoin biologique : un besoin d’appartenance. L’humain est une espèce éminemment sociale. Pour préserver ce trait, elle aurait conservé, dans une petite partie de son cerveau, la musique comme moyen unificateur. Encore plus qu’à communiquer, la musique sert à communier ».³⁰⁵

Rappelons que « le cerveau humain et le reste du corps constituent un organisme dont la cohésion est assurée par des circuits biochimiques et neurorégulateurs mutuellement interactifs, et soulignant l’indissociabilité du corps et de l’esprit »³⁰⁶, Damasio écrit : « La perception des émotions est à la base de ce que les êtres humains appellent, depuis des millénaires, l’âme ou l’esprit » (Damasio, 1995).³⁰⁷

Ainsi, la musique interfère dans nos émotions et provoque dans notre cerveau une sorte de « chorégraphie de neurotransmetteurs », comme l’appelle Daniel Levitin. « La satisfaction et le plaisir liés à la musique découlent de l’augmentation de la dopamine dans le noyau accumbens, à laquelle participe le cervelet en régulant les émotions grâce à ses connexions avec le lobe frontal et le système limbique »³⁰⁸ Cet effet est fortement lié au plaisir éprouvé et corrélé à la sensation de « frisson musical ».³⁰⁹

Le musicologue Léonard Meyer a beaucoup travaillé autour du lien unissant les émotions à la syntaxe musicale. Selon lui, l’émotion se produit lorsqu’une tendance à répondre est provisoirement arrêtée, bloquée ou détournée. Meyer considérait notamment que les émotions en musique étaient provoquées par la façon dont les pièces musicales manipulent les attentes des auditeurs, en lien, comme nous l’avons souligné précédemment, avec les travaux de l’école de la Gestalt. Il considérait les attentes des auditeurs comme étant au centre de l’expérience musicale. Finalement, l’auditeur est amené à se soucier du quoi et du quand (Imberty, 1969³¹⁰; Bharucha, 1987³¹¹; Huron, 2006³¹²). Rappelons que Meyer écrivait à une époque où la recherche sur la cognition musicale était inexistante. Mais depuis de très nombreuses études théoriques et expérimentales se sont intéressées aux attentes musicales, comme celles de Narmour et d’Huron notamment. Le philosophe Schopenhauer « insistait longuement sur le fait qu’un certain type d’émotions spécifiquement musicales peut naître de la beauté formelle, de la dynamique des intensités, du jeu des tensions et des détentes, des attentes et des résolutions. »³¹³ Il insistait sur le fait « qu’une série de purs accords serait fastidieuse, fatigante et vide », que « la musique consiste toujours dans la perpétuelle succession d’accords qui nous troublent plus ou moins, c’est-à-dire qui excitent nos désirs, et d’accords qui nous apportent plus ou moins de calme et de contentement ».³¹⁴ De plus, Michel Imberty en prolongeant la pensée de Bachelard issue de La dialectique de la durée, affirme avec lui que « L’action musicale est discontinue ; c’est notre résonance sentimentale qui lui apporte la continuité ».³¹⁵

La perception de la continuité de la durée musicale ne se réduit pas aux seuls mécanismes cognitifs qui permettent au musicien d’organiser et de mémoriser l’œuvre lors de l’écoute ou de l’exécution : au-delà, il y a aussi une intuition initiale, une émotion personnelle qui vient donner à l’ensemble une unité, une continuité, un « mouvement », un sens, quelque chose qui n’est plus de l’ordre de la cognition abstraite […] ».³¹⁶

Un mot ou une note musicale apparaît rarement seul, mais dans un contexte précis : une phrase ou une mélodie. Le contexte donne des informations essentielles qui permettent à l’auditeur de développer des attentes perceptives sur les évènements sonores à venir. Lors de l’écoute, les connaissances musicales implicites de l’auditeur guident la perception musicale via le développement d’attentes musicales (Tillmann, 2008).³¹⁷ Si l’on compare avec le langage, les connaissances syntaxiques et sémantiques permettent également le développement d’attentes qui guident la compréhension. Cette attention particulière portée à l’écoute se retrouvera par la suite, et jusqu’à aujourd’hui, dans des nombreuses approches analytiques, comme celle d’Eric Clarke.³¹⁸ Dans Ways of Listening, il propose une approche écologique de l’écoute où la notion d’attente décrite par Meyer est également traitée. Pour Clarke, l’acte d’écoute est la clé de sa théorie de la signification musicale, contrairement à la sémiotique de Kofi Agawu³¹⁹ ou à l’herméneutique de Lawrence Kramer.³²⁰ Mais dans le même temps, cette théorie de la perception ne repose pas uniquement sur la hiérarchie de traitement ascendant soulignée par la plupart des théories sur la cognition musicale telles que Narmour³²¹ (1999) et Temperley³²² (2001). Comme l’explique Clarke, « la perception doit être comprise comme une relation entre des informations disponibles sur l’environnement et les capacités, les sensibilités et les intérêts d’un observateur. »³²³ Avec David Huron, soulignons le fait que la valence émotionnelle de la musique dépend de trois types de traits : les traits de la performance liés à l’identité et l’habileté de celui qui produit le message musical, les traits de l’écoute qui dépendent de l’identité individuelle et socioculturelle (et éventuellement de l’expertise musicale) du receveur et les traits contextuels inhérents à la situation d’écoute.³²⁴

Finalement, les attentes qui relèvent de la mémoire immédiate ou à court terme, sont celles qui ont le plus été étudiées par la psychologie de la musique. Un terme équivalent à celui d’attente, et celui d’anticipation. David Huron a d’ailleurs consacré en 2006 un ouvrage sur cette notion d’anticipation.³²⁵ Il propose que les émotions évoquées par les attentes prennent en compte cinq « Perception must be understood as a relationship between environmentally available information and the capacities, sensitivities, and interests of a perceiver. » systèmes distincts : l’Imagination, la Tension, la Prédiction, la Réaction et l’Appréciation (ITPRA). Nous détaillerons ci-après son modèle ITPRA en lien avec la texture après celui de Meyer.

Nous verrons que le point commun central entre les méthodes de Meyer et d’Huron réside dans le fait que l’expérience musicale s’appuie principalement sur la façon dont les attentes de l’auditeur sont satisfaites ou contrariées. Quant à Tan et collaborateurs³²⁶, ils ont mis en avant une différence notable entre ces deux méthodes : à savoir que celle de Meyer serait fondamentalement déterministe, tout comme celle de son disciple Narmour, alors que celle d’ Huron serait basée sur les régularités statistiques de la musique. En parallèle, dans la littérature, nous trouvons particulièrement saisissant le concept « d’horizon d’attente » des œuvres littéraires, à partir des attentes du lecteur, exposé par Jauss dans les années 1970.³²⁷ Pour cet historien allemand, la lecture d’une œuvre littéraire est conçue sur une existence nommée « horizon d’attente » composée de connaissances d’un lecteur potentiel et les présupposés de ce dernier sur la littérature. Cette notion, auparavant utilisée par d’autres comme Gadamer³²⁸ et Husserl³²⁹, joue un rôle essentiel dans la théorie de la réception de Jauss, car pour comprendre l’effet d’une œuvre, il est nécessaire de reconnaître l’horizon antécédent avec ses valeurs. En effet, une œuvre se situe en continuité ou en rupture par rapport à une tradition. « L’expérience des lecteurs renvoie à la perception d’une conformité ou d’un écart par rapport à cette tradition. »³³⁰

De même, étudier en détails les attentes musicales d’un auditeur, comme nous l’expliciterons chez Huron et Meyer, se révèle être une étude esthétique fondamentale par rapport à ce qui nous anime.

6.4. Le pouvoir émotionnel de la texture

Meyer avait tout à fait compris le pouvoir émotionnel de la musique, ce qui explique pourquoi nous la pratiquons, nous l’écoutons et nous l’aimons. Meyer souligne que « tout se passe en art comme dans la vie de tous les jours. »³³¹ En effet, la musique, par ses mouvements, ses vibrations, nous transporte, nous meut et nous émeut. « La musique reflète la forme fondamentale de l’expérience humaine » écrit Meyer.³³²

La texture occupe une place centrale dans son oeuvre car elle est au cœur du processus émotionnel musical. Selon l’auteur, la texture ne se résume pas à une catégorie de l’écriture, mais elle résulte de l’interaction entre le signal acoustique et la perception de l’auditeur. D’ailleurs, dans Emotion and Meaning in Music, Meyer lui consacre un chapitre entier : « La texture concerne l’opération du cerveau qui consiste à regrouper des stimuli musicaux concomitants en plusieurs figures simultanées, une figure et un accompagnement (fond), et ainsi de suite. »³³³ Selon lui, les changements de texture peuvent générer des tensions et des attentes perceptives chez l’auditeur notamment dans des situations telles que l’attente du retour de la texture initiale, une texture trop étirée dans les registres appelant à un rétrécissement ou un fond sans figure, ou encore plusieurs figures sans fond (composition polyphonique avec des parties bien distinctes), etc. Ainsi, « la texture donne lieu à des phénomènes d’émergence perceptive, le terme émergence étant pris dans son sens fort, sous la condition que l’image sonore émergente ne soit pas réductible aux entités fondamentales. »³³⁴ En d’autres termes, la perception de la texture résulte de l’interaction des différentes composantes de sorte que le résultat dépasse leur simple addition selon le principe bien connu de la Gestalt psychologie : « le tout est différent de la somme de ses parties ».³³⁵

Comme expliqué en début de ce chapitre sur les applications de la Gestalt en musique, Léonard B. Meyer nous a prouvé que la musique était un art du temps et qu’à chaque moment d’une œuvre, l’auditeur est placé en situation d’attente par rapport à ce qui va suivre. Il attend « que les formes soient aussi « bonnes » que possible, c’est-à-dire qu’elles satisfassent aux critères de régularité, de symétrie et de simplicité dont les études gestaltistes démontrent qu’ils contribuent à la satisfaction de l’esprit ».³³⁶ Quand un système tonal est établi, nous discernons de la récurrence, une forme de répétition distincte de la réitération qui implique toujours une attente dont la satisfaction est retardée, puis enfin résolue. La réitération est la répétition consécutive d’un terme sonore, qui même s’il est prolongé, est perçu comme un tout. L’attente d’un retour dépend de la compréhension du morceau. Ainsi, nous ne pouvons pas avoir d’attentes musicales si nous n’avons pas compris le cheminement du morceau. Que se passe t-il lors de l’écoute d’un morceau de musique contemporaine atonale ? Nous tenterons de répondre à cette question dans notre partie expérimentale notamment.

Dans son livre Sweet anticipation (2006)³³⁷, Huron décrit plusieurs mécanismes psychologiques liés aux attentes dans la vie quotidienne de l’individu et il illustre comment ces mécanismes fonctionnent. Tout comme Meyer, Huron construit une théorie générale des attentes et l’applique à la musique de concert et à des chansons. Beaucoup d’affects musicaux comme la surprise, le frisson, la tension, etc. sont liés au rapport qui se tisse entre la forme musicale et nos attentes qui dépendent notamment de nos connaissances. L’attente, dans ce sens, implique des représentations mentales, lesquelles sont constamment examinées et réactualisées par nos expériences musicales quotidiennes.

Huron commence par s’interroger en se demandant pourquoi la musique réussit si bien à susciter des émotions alors que ses capacités de représentation du monde semblent si limitées. Il reconnaît le travail fondateur de Meyer, réalisé cinquante ans auparavant, Emotion and Meaning in Music, dans lequel Meyer affirmait que le principal contenu émotionnel de la musique découlait de la manipulation des attentes du compositeur. Au demeurant, Huron propose que les émotions évoquées par les attentes prennent en compte cinq systèmes distincts: l’Imagination, la Tension, la Prédiction, la Réaction et l’Appréciation (ITPRA)³³⁸.

Ces cinq systèmes de réponse peuvent être regroupés en deux périodes différentes : les réponses avant le résultat (les sentiments qui se manifestent avant un événement attendu / inattendu) incluent les réponses d’imagination et de tension. Les réponses post-résultat incluent les réponses de prédiction, de réaction et d’appréciation.

La première, la réponse de l’imagination, est quelque peu éloignée de l’événement et consiste à prédire ce qui va arriver et ce que ressentira l’auditeur, quand et après l’événement musical. Cette réponse peut motiver l’auditeur à prendre le contrôle de l’action, ce qui augmente la probabilité d’une issue positive. Par contre, la réponse en tension fait référence à la préparation mentale et physiologique des auditeurs lorsque l’événement prévu est imminent. La préparation d’un événement attendu implique généralement une préparation motrice et une préparation perceptive.

Une fois que l’événement s’est produit, les auditeurs reçoivent du plaisir ou du mécontentement de la précision de leur prédiction, qui est la réponse de la prédiction. Lorsque le stimulus est attendu, la réaction émotionnelle a une valence positive et quand le stimulus est inattendu, la réaction émotionnelle a une valence négative. Les auditeurs évaluent également le caractère agréable ou désagréable du résultat, ce qui entraîne une réaction. Ainsi, immédiatement après un événement négatif mais néanmoins prévu, l’auditeur peut ressentir un mélange de plaisir et de déplaisir. Enfin, la réaction d’évaluation découle de l’activation de la pensée consciente et implique une évaluation à un niveau plus élevé de l’événement et de ses conséquences.

L’ensemble de ce processus peut conduire à des réponses affectives spécifiques. Lorsque les attentes sont satisfaites, les auditeurs obtiennent un certain degré de plaisir, qui est renforcé si l’événement est positif. Néanmoins, il est important de souligner que les attentes non satisfaites ne sont pas nécessairement négatives. Si l’événement est jugé positif dans son ensemble, le résultat peut être un rire, une crainte ou des frissons.

Le livre se termine par un résumé précieux de la théorie ITPRA et une discussion des implications pour la composition, la performance, la musicologie, l’ethnomusicologie et l’esthétique musicale.

Chapitre 4 : L’enfant sourd, un modèle pour tester la perception de la texture

« Toute science touche à l’art. Tout art a son côté scientifique. Le pire savant est celui qui n’est pas artiste. Le pire artiste est celui qui n’est jamais savant ». Armand Trousseau.³⁴⁰

Au regard de notre présentation et approfondissement autour de la notion de texture, nous nous sommes longuement questionnés sur son utilisation et sa perception auprès d’une population d’enfants avec laquelle nous travaillons depuis une quinzaine d’années : les enfants sourds.

La déficience auditive est le déficit sensoriel le plus fréquent chez l’enfant : environ un cas de surdité congénitale pour 1000 naissances et la même proportion de surdités acquises. Depuis le décret du 23 avril 2012, le dépistage universel systématique néonatal se met progressivement en place en France.³⁴¹ Le diagnostic précoce, la prise en charge ainsi que l’implant cochléaire en cas de surdité bilatérale sévère à profonde constituent des atouts essentiels pour le développement harmonieux d’un enfant sourd.

L’apparition de la surdité peut revêtir des aspects cliniques très divers et peut survenir à tout âge de la vie. La variabilité de plusieurs facteurs comme l’âge d’apparition de la perte auditive (avant, pendant ou après la période d’acquisition du langage), mais également son siège (oreille externe, moyenne ou interne) ainsi que de son degré de sévérité va engendrer des conséquences perceptives, cognitives, neurologiques et langagières diverses. Le développement du langage chez l’enfant, loin d’être un processus linéaire, suit un ordre selon lequel chaque nouveau savoir s’appuie sur des formes ou des fonctions déjà exercées par l’enfant, dans lesquelles l’audition joue un rôle central (Chapman, 2000³⁴² ; Karmiloff-Smith & Karmiloff-Smith, 2012³⁴³). La première partie de ce chapitre sera consacrée à la présentation des critères de la surdité et de ses différents moyens de réhabilitation. Nous exposerons ensuite l’état des connaissances actuelles sur les conséquences cognitives, langagières, sociales et neurologiques de la surdité profonde congénitale. Pour finir, nous présenterons l’émergence des dimensions musicales chez l’enfant normo-entendant et sourd, et pourquoi la musique constitue un véritable outil de stimulation auditive pour ces enfants.

1. Présentation générale de la surdité et les différents moyens de réhabilitation

1.1. L’âge d’apparition de la surdité

La surdité est qualifiée de congénitale lorsqu’elle touche l’enfant dès sa naissance. La boucle audiophonatoire est nécessaire pour le développement du langage et de la parole de l’enfant. Son interruption a donc des conséquences différentes selon l’âge d’apparition de la surdité.  Nous distinguons les pertes auditives pré-, péri- et post-linguale. La surdité est qualifiée de pré-linguale ou péri-natale, si elle survient avant l’âge de 2 ans, de péri-linguale ou péri-linguistique, si elle survient entre 2 et 4 ans, et de post-linguale ou post-linguistique, si elle survient après cette période. Il existe également des surdités évolutives responsables d’une régression de l’audition à plus ou moins long terme.

Les auteurs soulignent l’importance de ces deux premières années de la vie, jugées particulièrement sensibles pour l’acquisition du langage parlé, au regard de la plasticité cérébrale et des capacités d’apprentissages fondamentales.

1.2. Le siège de l’atteinte auditive

De façon générale, les troubles de l’audition sont classés selon la région atteinte du système auditif. Nous distinguons trois types de surdité : les surdités de transmission, de perception et les surdités mixtes. Les surdités de transmission correspondent à une atteinte de l’oreille externe et/ou de l’oreille moyenne. Le degré de perte auditive maximal s’élève à 60 dB et sont en général moins invalidantes sur le plan du développement langagier notamment que les surdités de perception (dont la perte peut atteindre 120 dB). Les surdités de perception se traduisent par une atteinte uni ou bilatérale de l’oreille interne, des voies ou des centres nerveux auditifs. Une surdité de transmission et une surdité de perception peuvent se combiner sur la même oreille, constituant ainsi une surdité mixte. La surdité centrale semble beaucoup plus rare chez l’enfant car elle résulte d’un dommage ou d’une déficience au niveau du système nerveux central et peut se situer dans les connexions nerveuses du cerveau (surdité verbale, surdité corticale et agnosie auditive).

1.3. Le degré de surdité

Il n’existe pas une surdité mais des surdités, classées selon un nombre de critères fort divers (Mondain et al., 2005)³⁴⁵

La Figure ci-dessus représente schématiquement ces critères dans une perspective de prise en charge pluridisciplinaire.

La classification des degrés de surdité et de leurs conséquences perceptives proposée par le Bureau International d’Audio-Phonologie (BIAP, 2008)³⁴⁶ est exposée dans le tableau ci-dessous.

Classification audiométrique des déficiences auditives
Audition normale	La perte tonale moyenne ne dépasse pas 20 dB.
Déficience auditive légère	La perte tonale moyenne est comprise entre 21 dB et 40 dB. La parole est perçue à voix normale. La plupart des bruits familiaux sont perçus.
Déficience auditive moyenne	Premier degré : la perte tonale moyenne est comprise entre 41 et 55 dB. Deuxième degré : la perte tonale moyenne est comprise entre 56 et 70 dB. La parole est perçue à voix élevée. Le sujet comprend mieux en regardant parler. Quelques bruits familiers sont encore perçus.
Déficience auditive sévère	Premier degré : la perte tonale moyenne est comprise entre 71 et 80 dB. Deuxième degré : la perte tonale moyenne est comprise entre 81 et 90 dB. La parole est perçue à voix forte près de l’oreille. Les bruits forts sont perçus.
Déficience auditive profonde	Premier degré : la perte tonale moyenne est comprise entre 91 et 100 dB. Deuxième degré : la perte tonale moyenne est comprise entre 101 et 110 dB. Troisième degré : la perte tonale moyenne est comprise entre 111 et 119 dB. Aucune perception de la parole. Seuls les bruits très puis-sants sont perçus.
Déficience auditive totale	La perte moyenne est de 120 dB et plus. Rien n’est perçu.

Plus la déficience auditive est importante, plus la quantité et la qualité des informations sonores de l’environnement qui parviennent à l’enfant sourd sont restreintes ; ce qui entrave l’enfant dans son accès au langage oral. Bien évidemment, les conséquences sur le développement du langage seront différentes selon le degré de surdité. Cette classification résulte du calcul d’une perte moyenne sur les fréquences conversationnelles. Dans le schéma ci-après, le son est caractérisé par deux dimensions : la fréquence et l’intensité. Dans l’absolu, il en manque cependant deux autres : les dimensions de durée et de timbre.

La fréquence basse (pour les sons graves) et élevée (pour les sons aigus) est exprimée en Hertz (Hz). Notre oreille est sensible à une gamme spécifique de fréquences (sons graves et aigus) et d’intensités (sons faibles et forts) définissant le champ auditif humain. L’oreille humaine entend des fréquences comprises entre 20 Hz (fréquence la plus grave) et 20 000 Hz (fréquence la plus aiguë). Elle capte des niveaux d’intensité acoustique compris entre 0 et 120 dB. Pour qu’un son pur de fréquence 1000 Hz soit perceptible par l’oreille humaine, il faut qu’il soit au-dessus de 0 dB. A cette même fréquence, 120 dB est le niveau d’intensité acoustique le plus fort qui puisse être supporté par notre oreille. Au-delà, l’oreille peut subir des lésions irréversibles au niveau de ses structures internes. La zone conversationnelle définit les sons utilisés pour la communication par la voix humaine. Lorsque cette zone est affectée, le handicap auditif apparaît vraiment.

1.4. Étiologie des surdités

Selon une expertise collective réalisée par l’Inserm (Institut National de la Santé et de la Recherche Médicale) en 2006, mais toujours d’actualité, il s’avère que les surdités de l’enfant peuvent être isolées (non syndromiques) ou syndromiques (c’est-à-dire associés à des anomalies d’autres organes).³⁴⁸ Il est à noter également que 90% des enfants sourds naissent de parents entendants (Albertini 2010³⁴⁹ ; Roberts 2018³⁵⁰). La synthèse faite par l’Inserm nous informe précisément sur l’étiologie des différentes surdités :

La prévalence de la surdité augmente avec l’âge. Certains types de surdité, en particulier les surdités génétiques, apparaissent durant l’enfance ou même à l’âge adulte. La répartition des surdités prélinguales dans les pays développés est aujourd’hui estimée à 10-15% de surdités syndromiques héréditaires, 60-65% de surdités isolées héréditaires et 20-25% de surdités d’autre origine (infections, médicaments, complication de la prématurité…).³⁵¹

Les différentes recherches menées dans ce domaine depuis une vingtaine d’années permettent petit à petit l’identification des gènes responsables sur l’origine des déficits auditifs. Le premier gène responsable de la surdité héréditaire congénitale a été identifié en 1995 par Christine Petit, pionnière dans ce domaine, à l’Institut Pasteur (la connexine 26).³⁵² Depuis de jour, une centaine de gènes ont été découvert. L’équipe de Sandrine Marlin³⁵³, médecin spécialiste en génétique de la surdité à l’Hôpital Necker-Enfants Malades – Institut Imagine, contribue énormément à faire avancer la recherche dans ce domaine. Les cahiers de l’Audition ont d’ailleurs dédié un numéro complet autour de ce sujet fondamental en 2013.³⁵⁴

1.5. Les adaptations prothétiques

Selon la recommandation du BIAP, « Chez le jeune enfant, la maturation des voies et des centres auditifs est subordonnée à une stimulation sonore précoce, adaptée et régulière. »³⁵⁵ Toute réhabilitation auditive repose sur un même principe actif : apporter de l’énergie acoustique aux tympans.³⁵⁶ D’où la nécessité d’adapter un appareillage dès le diagnostic posé sans délai. Pour cela, il existe différents moyens de réhabilitation auditive comme : la prothèse auditive conventionnelle et l’implant cochléaire. L’implant cochléaire du tronc cérébral et l’implant électromagnétique d’oreille moyenne sont beaucoup moins fréquents.³⁵⁷ Il est tout à fait primordial de comprendre que l’appareillage évolue au fur et à mesure des progrès de l’enfant. Comme le rappelle Eric Bizaguet, « il s’agit donc d’une démarche interactive dans un cadre pluridisciplinaire où les choix initiaux seront modifiés progressivement à la recherche de la solution la plus adaptée. »³⁵⁸

1.5.1. La prothèse auditive

Il s’agit d’un matériel électronique destiné à amplifier les sons et à améliorer le traitement du signal sonore à partir des capacités résiduelles de l’oreille interne. L’appareil auditif se compose de 3 éléments principaux : un microphone, un écouteur et un amplificateur. Le son est converti en signaux électriques à l’aide du microphone. Ceux-ci sont analysés et traités par le microprocesseur. Les signaux sont ensuite amplifiés et reconvertis en ondes sonores au moyen d’un haut-parleur puis transmis dans le conduit auditif.

1.5.2. L’implant cochléaire

Depuis la fin du XX^ème siècle, Les implants cochléaires ont considérablement évolué. Les premières recherches ont débuté en France et aux Etats-Unis dans les années 1960 pour aboutir à l’essor de cette technologie en 1993.³⁶⁰ L’implant cochléaire pédiatrique s’adresse aux enfants présentant une surdité sévère à profonde bilatérale. Celui-ci a permis une avancée considérable dans le développement du langage oral de l’enfant sourd.³⁶¹ Il existe actuellement quatre fabricants d’implants cochléaires : Cochlear®, Med-El®, Advanced Bionics® et Neurelec®. Chacun de ces fabricants perfectionnent sans cesse leur technologie. Ce qui explique en partie l’orientation de notre recherche auprès d’enfants sourds porteurs d’implants : d’une part, les stratégies de codage de l’implant sont en perpétuelle évolution et demandent une collaboration pluridisciplinaire afin d’améliorer significativement la perception auditive des enfants ; d’autre part, c’est aussi un outil de plus en plus choisi par les familles, au vu des résultats sur la communication des enfants sourds notamment. Une enquête menée par le CISIC (Centre d’Information sur la Surdité et l’Implant Cochléaire) en 2012 en faisait déjà le constat : « 10 % des personnes ont été implantées avant 1996. A partir de 1999, la courbe s’accélère avec un petit ralentissement en 2006 et 2008, avant que les dispositifs d’implants cochléaires ne relèvent d’une prise en charge de la sécurité sociale à partir de 2009. »³⁶² Actuellement on estime à environ 130 000 le nombre de patients sourds bénéficiant d’un implant cochléaire dans le monde, dont environ 1/3 d’enfants.

1.5.2.1 Principe et fonctionnement

L’implant cochléaire est une prothèse auditive particulière qui nécessite un acte chirurgical (ANDEM, 1994³⁶³ ; Preisler, 2001³⁶⁴). C’est un dispositif électro-acoustique qui permet de restaurer partiellement la fonction cochléaire, dans le cadre de surdités de perception endocochléaires, profondes et bilatérales (cf. représentation schématique ci-dessous)³⁶⁵.

Le processus entier, de l’arrivée d’un son au traitement par le cerveau, est si rapide que l’utilisateur entend le son au moment où il se produit et ce, de manière continue. A l’inverse de la prothèse auditive, basé uniquement sur l’amplification des sons, l’implant permet de stimuler directement et électriquement le nerf cochléaire par des électrodes implantées chirurgicalement dans la rampe tympanique de la cochlée (jusqu’à 22 électrodes).

L’intérêt de cette technique est de remplacer l’organe de Corti défaillant et de restaurer la résolution spectrale ou tonotopie qui permet la discrimination fréquentielle (Govaerts et al., 2004)³⁶⁶, c’est-à-dire la capacité de différencier les sons selon leur fréquence. C’est une capacité essentielle pour la compréhension de la parole.

L’implant est préconisé pour des patients sourds qui ne retirent que peu de bénéfices des prothèses conventionnelles. Il est donc systématiquement précédé d’un essai prothétique. Ainsi, seules 22 électrodes vont remplacer les 3500 cellules ciliées internes absentes ou défaillantes. L’implant permet donc de rétablir une audition efficace mais la perception demeure toujours imprécise, la qualité et la précision des informations sonores s’en trouvent réduites. La gamme de stimulation fréquentielle est similaire entre les quatre constructeurs d’implants, à savoir de 100 à 8000 Hz.

Dès lors, pour compléter les apports de l’implant, une prise en charge rééducative alliant l’éducation auditive à l’utilisation d’informations visuelles (lecture labiale, LPC, français signé…) sera nécessaire pour permettre un bon développement linguistique (Hage, Charlier, & Leybaert, 2006).³⁶⁸

1.5.2.2. Les différents types de stratégie de codage existant

Selon Catherine Hage et collaborateurs, les stratégies de codage de l’implant sont divisées en trois grandes catégories : les stratégies temporelles, les stratégies spectrales et les stratégies hybrides.³⁶⁹

Les stratégies temporelles ont pour but de privilégier le traitement de l’information temporelle du message acoustique (stratégie CIS Continuous Interleaved Sampling).³⁷⁰ Cette stratégie effectue un transcodage numérique afin de restituer fidèlement l’enveloppe temporelle dans chaque bande de fréquence. Les électrodes sont stimulées de façon séquentielle afin de réduire les interactions électriques entre les différents canaux. Actuellement, cette stratégie est utilisée chez Cochlear®, Med-El® et Advanced Bionics®. Par exemple, chez ce dernier constructeur, cette stratégie est nommée HiRes.

La stratégie la plus répandue chez Cochlear®, avec leur modèle d’implant Nucleus®, Multipeak (ou MPEAK) a apporté à la cochlée une information supplémentaire sur les hautes fréquences. Le processeur réalise une extraction des estimations des formants F0, F1, F2. Puis, il utilise 3 bandes de filtres pour transmettre des informations supplémentaires entre 2000 et 8000Hz. La fréquence de stimulation reste fixe. Cette stratégie de codage correspond à la stratégie spectrale.

Enfin, les stratégies hybrides plus récentes, correspondent à la combinaison de ces deux types de stratégies précedemment cités : la stratégie spectrale et temporelle. Les stratégies de codage de la parole traitent principalement la représentation la plus pertinente des différents composants fréquentiels de la parole (statégie SPEAK).³⁷¹

Pour une description plus détaillée sur ces questions, nous pouvons faire référence aux travaux de Wilson & Dorman (2008)³⁷² et également très récemment à cet article de Wilson (2019).³⁷³

A l’heure actuelle, les personnes porteurs d’implants cochléaires possèdent généralement plusieurs réglages, avec différentes stratégies de codage, leur permettant de s’adapter à différentes situations acoustiques de la vie quotidienne. Mais la question d’une stratégie de codage permettant à la fois la restitution des informations essentielles à la compréhension de la parole et celle d’autres informations acoustiques n’est pas encore résolue. Il s’agirait de savoir si cela serait plus pertinent d’améliorer la résolution spectrale (nombre d’électrodes disponibles) ou les stratégies de codages.

1.6. Les moyens de communication

Tout d’abord, il faut prendre en compte le fait que la majorité des familles entendantes ayant un bébé sourd, préfère communiquer en utilisant la langue orale, puisque c’est le mode le plus aisé pour les parents.³⁷⁴ Le plus souvent, cela s’avère insuffisant à plus ou moins long terme car l’enfant sourd a besoin d’un étayage supplémentaire afin d’accéder à toutes les subtilités de la langue. En fonction de l’âge de l’enfant, de son niveau de langage, de la fonctionnalité de son audition, de ses capacités d’apprentissage, du contexte familial dans lequel il évolue, différentes aides pourront lui être proposées. Ces aides devront être adaptées au plus près de son évolution.

1.6.1. Le motherese ou Mamanais : procédure naturelle

La première communication du tout petit reste une communication basée sur le regard, les mimiques et les gestes. Le bébé possède dès la naissance des capacités communicationnelles et une volonté d’interagir avec son entourage.³⁷⁵ Ces échanges l’amènent naturellement à explorer la sonorité de sa voix. Le motherese utilisé par les Anglo-Saxons, appelé en France le Mamanais, est une façon courante et instinctive de s’adresser à son petit, présent dans toutes les langues et cultures du monde.³⁷⁶ C’est un très beau moyen de communiquer également avec un enfant sourd. Pour cela, les adultes utilisent un registre de voix plus aigüe que d’habitude avec une gamme de contours d’intonation plutôt restreinte mais dont les modulations de hauteur sont particulièrement exagérées. Le débit est ralenti, l’articulation plus précise et le rythme beaucoup plus marqué. Les différentes pauses proposées permettent au bébé d’intervenir à son tour et de relancer le dialogue. Les répétitions sont nombreuses et le plus souvent pertinentes. Le motherese n’est en aucun cas « une simplification appauvrissante du langage, mais l’expression d’un style particulier, précieux support et renforçateur des éléments paraverbaux. »³⁷⁷ Comme le soulignent Michel Soulé et Boris Cyrulnik, « toutes ces caractéristiques sont parfaitement adaptées aux capacités perceptives et aux capacités d’attention des jeunes nourissons et leur facilitent la perception de la parole. »³⁷⁸ Cet étayage aura pour principale fonction de capter l’attention de l’enfant et de développer « l’attention conjointe ». Cette notion a été étudiée par le psychologue américain Jérome Bruner. « L’attention conjointe » est un élément fondamental de ce qu’il nomme les « formats ».³⁷⁹ Bruner les définit comme étant les « échanges habituels qui fournissent un cadre pour l’interprétation concrète de l’intention de communication entre mère et enfant ».³⁸⁰ C’est l’interaction majeure du développement social décrit par Mundy et Newell.³⁸¹ Pour clore ce chapitre, voici un très beau témoignage d’une maman d’enfant sourd qui illustre notre propos :

Les mots de la mère, du père forment une bulle autour de l’enfant, une enveloppe vibratoire qui l’atteint sur toute la surface de sa peau. Les éléments comme le souffle, la parole brève ou

chantante de la mère, les lignes mélodiques des voix de l’entourage, les onde graves et aigües qui viennent frapper la surface de sa peau vont devenir des repères organisateurs, indispensables à la mise en place des apprentissages ultérieurs.³⁸²

1.6.2. Comptines mimées et chansons gestuées

Nous reparlerons en détails de l’importance de la musique et des comptines tout particulièrement dans notre dernier chapitre dédié aux méthodes d’apprentissages musicaux (chapitre 6). Dans ce moment affectif privilégié, la comptine contribue à développer des compétences essentielles pour l’enfant sourd et sa famille. Le chant stimulerait le développement d’habiletés préalables à l’acquisition du langage, tel que le tour de rôle, l’utilisation de gestes et le maintien du contact visuel. D’après Daniel Stern, le rythme, la forme et l’intensité sont perçus par l’enfant quel que soit le mode sensoriel utilisé : visuel, tactil ou auditif.³⁸³ L’enfant développe et élabore une véritable construction intérieure, qui va lui permettre de développer des capacités d’anticipation grâce à la structure même de la comptine avec la présence d’un début, d’un milieu et d’une fin. De plus, une comptine ou chanson est basée sur une alternance couplet/refrain qui développeront également les mêmes types de compétences. Cela fait particulièrement écho avec Meyer et notre chapitre précédent.

1.6.3.   La Langue Française Parlée Complétée (LPC)

C’est grâce à la syllabe que le bébé reconnaît sa langue maternelle. La Langue française Parlée Complétée (LPC) repose sur un code manuel visuel. Son but est de favoriser la compréhension de la parole, en associant à celle-ci des mouvements de mains (des clés). Ainsi, il s’agit de compléter la langue (française, par exemple) pour qu’elle soit perçue finement, malgré une défaillance de l’audition. Initialement, le Cued Speech ³⁸⁴ fut inventé par le physicien Orin Cornett en 1967 pour compléter les informations visuelles apportées par la lecture labiale. Afin d’éliminer les sosies labiaux, cet outil permet de lever toutes les ambiguïtés de la lecture labiale et rend visible toute la chaîne parlée. Certaines études mettent en évidence le fait que la majorité des enfants qui utilisent couramment la LPC sont des enfants qui perçoivent et développent plus facilement leur langage oral (Leybaert & LaSasso, 2010)³⁸⁵ et ce, d’autant plus facilement que le début d’exposition à la LPC a été précoce (Leybaert & Alegria, 2003)³⁸⁶. L’utilisation de la LPC présente des avantages qui vont au-delà de la perception de la parole. En spécifiant tous les contrastes phonologiques de la langue et en la présentant comme une succession de phonèmes, la LPC permet à l’enfant sourd de se construire des représentations phonologiques robustes et précises.

1.6.4. La langue des Signes Française (L.S.F.)

Avant toute chose, il est important de préciser que contrairement à une croyance assez répandue, la langue des signes n’est pas universelle. Il existe une langue des signes française (LSF), une langue des signes américaine (ASL), une langue des signes britanniques (BSL), etc … La langue des signes française est officiellement inventée par l’abbé de l’Epée dans les années 1760. Aujourd’hui, la LSF est reconnue comme une langue à part entière depuis février 2005.³⁸⁷ De ce fait, elle possède un vocabulaire propre et des règles de grammaire. Comme une langue orale, la Langue des Signes est composée de signes arbitraires qui diffèrent d’un pays à l’autre.

Interprétée par les mains, le visage et le corps dans son ensemble, la Langue des Signes (LSF) est une langue à part entière et constitue un des piliers de la culture sourde. Etant entièrement visuelle, elle met en valeur le non-verbal. Cette langue accorde aussi une place très importante à l’expression du visage pour exprimer sans ambiguïté les objets, les actions ou les sentiments.

La LSF possède un alphabet dactylologique et utilise la lecture sur les lèvres. Chaque lettre de l’alphabet latin que nous utilisons à l’écrit possède une retranscription signée. Il permet d’épeler les noms propres ou les mots n’existant pas encore en LSF (cf. Figure ci-dessous).

Elle possède une grammaire. Bien qu’il n’y ait pas de conjugaison, cette langue précise le moment où se déroule l’action. On situe l’action sur la ligne du temps par la position du corps, en particulier celle de l’épaule.

Comme toute langue, elle véhicule bien sûr une culture. Choisir de communiquer avec la LSF ne signifie pas pour autant un isolement du reste de la société. C’est choisir de la connaître pour s’ouvrir aux autres et mieux la comprendre. L’enfant aura donc le choix de « signer » afin d’échanger, de communiquer avec les autres.

Dans les années 80, le programme Baby Sign Language s’est développé aux Etats-Unis afin d’aider les familles entendantes à communiquer avec leur bébé, avant l’apparition des premiers mots. Linda Acredolo et Susan Goodwyn (1982), spécialistes en développement de l’enfant, sont partis de l’aptitude naturelle des bébés à utiliser des gestes simples pour des mots qu’ils ne savent pas encore dire. Elles sont arrivées à la conclusion que les bébés initiés à cette méthode par leurs parents apprenaient à parler plus tôt, faisaient moins de colères, réalisaient des gains précieux dans leur développement intellectuel, exprimaient leurs émotions plus efficacement et développaient des liens plus solides avec leurs parents. L’équivalent en France « Signe avec moi » a été mis au point par Nathanaëlle Bouhier-Charles en 2006.³⁸⁹ Cette méthode a été largement développée en France depuis peu, dans les lieux d’accueil de la petite enfance : crèches, jardin d’enfants, écoles maternelles. Elle rencontre un franc succès auprès des familles et des professionnels, car cette méthode donne la possibilité aux tout-petits d’exprimer clairement leurs besoins et permet aux parents de les comprendre. Tout ceci avant même l’acquisition de la langue orale.

2. Les conséquences de la surdité profonde congénitale

Nous pouvons observer une grande variabilité dans le développement psychologique des enfants sourds. Celle-ci peut s’expliquer de par l’hétérogénéité existant au sein de la population, en termes de capacités et performances auditives, mais aussi selon des critères non auditifs tels que l’association éventuelle avec d’autres handicaps, l’étiologie de la déficience, le degré d’atteinte, l’âge de survenue ou encore le contexte familial et social (Guidetti & Tourrette, 2002³⁹⁰; Lina-Granade & Truy, 2005).³⁹¹

Tout au long du développement pré-linguistique, les productions vocales de l’enfant sourd et son comportement communicatif vont se différencier de celui de l’enfant normo-entendant. La conséquence de la surdité la plus invalidante est l’accès au langage oral.

2.1. Les troubles langagiers

2.1.1. L’impact de la surdité sur la communication précoce

Cette partie aborde les difficultés que rencontrent les familles d’enfants sourds pour mettre en place une communication précoce et favoriser l’apparition du langage chez leur enfant. Nous envisagerons cette partie en comparaison avec le développement de l’enfant entendant. Le bébé entre en communication de différentes façons avant d’entrer dans le langage : regard, mimique, intonations signifiantes. Nous verrons que la restriction des premières productions de l’enfant sourd entraîne une modification des interactions qu’il a avec son entourage sur les plans quantitatif et qualitatif. D’où l’installation de difficultés supplémentaires à celles directement liées à la déficience auditive, et qui ont des répercussions non négligeables dans le domaine de l’acquisition du langage.

2.1.1.1. Restriction des premières productions

Au niveau prosodique, quelle que soit l’importance de la perte auditive, tous les enfants au cours des premiers mois suivant la naissance, produisent des vocalisations en faisant varier la hauteur, l’intensité, le rythme, le timbre… Ainsi, dès les premiers mois de vie, on retrouve déjà les différents paramètres de la voix. Nous avons pu voir précédemment que l’environnement linguistique des jeunes enfants est composé, en grande partie, de formes particulières du langage appelées motherese et baby-talk dans la littérature anglaise (De Boysson-Bardies, 2005).³⁹² Cependant, chez l’enfant sourd, ces émissions sonores sont en général retardées et différentes, qualitativement et quantitativement. A partir de deux mois, nous observons une réduction de la dynamique vocale, des durées d’énoncés plus courtes, une courbe mélodique peu variée ainsi qu’un répertoire phonique stéréotypé (Vinter 2005).³⁹³ De même, des auteurs comme Bertoncini et De Boysson-Bardies (2000)³⁹⁴ ou Eilers et Ollers (1994)³⁹⁵ relèvent que les enfants sourds ne babillent pas comme les enfants entendants étant donné que le babillage est lié à la perception des sons d’une langue. Ainsi, les nourrissons sourds n’atteindraient jamais le stade de babillage canonique à l’âge attendu et leur parole présenterait des perturbations de rythme, de mélodie, d’intonation, de contrôle phonatoire et articulatoire. Toutefois, de nombreux facteurs viennent moduler ces caractéristiques, telles que l’appareillage précoce et les interactions avec l’environnement familial conduisant à l’observation de fortes différences entre enfants.

Le babillage canonique est acquis entre 5 et 10 mois chez l’enfant normo-entendant. L’enfant sourd vocalise lui aussi, quelle que soit l’importance de sa déficience auditive. Néanmoins, ses productions sont retardées et déviantes par rapport à celles des enfants entendants. Chez l’enfant sourd, le babillage canonique ne se manifeste qu’aux alentours de 15 mois chez l’enfant dont la perte auditive avoisine les 90 dB, vers 25 mois si la déficience est comprise entre 90 et 100 dB et au-delà de cette perte auditive, ce sera vers 30 mois seulement. Les travaux de Shirley Vinter montrent le lien entre le retard d’apparition du babillage canonique et le degré de surdité. Si au départ, les bébés sourds ont un fondamental comparable à celui des enfants entendants, la voix aura tendance à se dégrader au fil des ans, plutôt qu’à s’améliorer (Dumont, 1997).³⁹⁶ A l’âge de six mois, un enfant normo-entendant distingue deux sons éloignés d’un ton. Nous savons également qu’il est particulièrement sensible aux sons aigus. Pour le bébé sourd c’est l’inverse. En effet, la surdité atteint d’abord et avec un plus grand déficit les fréquences aiguës (Carré, 2008).³⁹⁷ De plus, Valérie Alis et Nicole Jubien (2009) nous explique que le « tapping est un mode exploratoire psychomoteur qui survient pendant la période de babillage : l’enfant explore le monde et les objets en tapant sur ou avec les jouets. Le frapper précède toujours le babillage canonique. Chez le bébé sourd profond, tapping et productions syllabées sont dissociés. »³⁹⁸

2.1.1.2. Modification des interactions parentales

L’avenir linguistique de l’enfant sourd, et ce quel que soit le type d’appareillage choisi, repose majoritairement sur la capacité de la famille à construire un cadre interactif avec leur enfant. Même si aujourd’hui l’importance de la communication précoce avec un tout jeune enfant sourd est bien intégrée dans les représentations des professionnels de la surdité, grâce à la contribution de l’implant cochléaire notamment, Catherine Hage soulève malgré tout le fait que les parents d’un bébé sourd « sont rarement conscients de l’importance des interactions précoces en tant que catalyseur du développement du langage. »³⁹⁹ Chez l’enfant sourd, la période pré-linguistique est compromise par différents facteurs. Il n’est pas rare en effet que les parents d’un bébé sourd s’arrêtent de lui parler, omettant du même coup de renforcer les comportements susceptibles de soutenir la communication avec leur enfant. D’autre part, et ce à la décharge des parents, nous avons vu que la pauvreté des émissions vocales des bébés sourds – productions de durée réduite, schémas mélodiques plats et stéréotypés – n’encourage pas ces derniers à les intégrer au sein des échanges interpersonnels ni à interpréter ces vocalisations en tant qu’actes de communication. Ainsi, l’absence de réponses vocales peut modifier les interactions qu’ont les parents avec leur enfant, soit en n’apportant pas assez de stimulations, soit en exerçant une pression trop forte. Or, nous connaissons l’importance de ces interactions dans le développement des productions vocales et de l’intonation.

Par conséquent, une guidance familiale associée à un appareillage précoce et à une éducation spécifique permet à l’enfant, même sourd profond, un développement des échanges et de la communication avec son entourage. En l’absence de toute remédiation, la privation sensorielle précoce va, par la suite, entrainer de nombreuses répercussions sur la voix et la prosodie de l’enfant sourd, celle-ci constituant « la matrice des futures compétences langagières, pragmatiques et linguistiques, c’est-à-dire des futures compétences à la fois conversationnelles et linguistiques (Vinter 2005).

Chez l’enfant sourd profond, bien que les structures neurologiques spécialisées dans le langage existent dès la naissance, celles-ci ne sont pas suffisamment alimentées par les informations auditives. L’input linguistique des enfants sourds est donc nécessairement visuel. Avec un enfant sourd, la communication repose essentiellement sur le regard. En situation duelle, à chaque fois que l’enfant détourne les yeux, il y a rupture de la communication. En situation d’observation conjointe d’un même objet avec l’adulte, l’enfant doit mettre en place des mécanismes d’attention divisée. Cette attention est répartie entre le message oral audiovisuel et l’objet de l’interaction. Les informations lui parviennent donc de façon séquentielle (regard de l’adulte / objet / regard de l’adulte / objet…) et non simultanée. Ce problème d’attention amène l’adulte à passer plus de temps à attirer l’attention de son bébé qu’à jouer avec lui. Les routines interactives chez l’enfant sourd restent le plus souvent centrées sur le « faire faire » quelque chose à l’adulte plutôt que le « faire savoir » (Deleau & Le Maner-Idrissi, 2005).⁴⁰⁰ Par conséquent, à partir de 18 mois, les habiletés proprement linguistiques des enfants sourds sont inférieures à celles des entendants du même âge (Lepot-Froment & Clerebaut, 1996).⁴⁰¹ À cet égard, la construction d’un « lien d’attachement sécurisant » constitue un prérequis nécessaire à l’utilisation la plus adaptée des divers moyens de communication, par les parents et les professionnels de la petite enfance. Il s’agit d’un processus complexe qui va se développer pendant tout le développement de l’enfant. Claudia Gold a mis en évidence cela dans son ouvrage de référence À l’écoute des émotions de l’enfant (2014).⁴⁰²

Au demeurant, les interactions comportementales servent de support aux interactions affectives. Le psychiatre américain, Daniel Stern (1989) parle d’« accordage affectif » entre le parent et l’enfant.⁴⁰³ Dans cette expérience partagée, le parent répond à un affect exprimé par le bébé par un affect équivalent : par exemple, un geste du parent répondra à une vocalise de l’enfant. Cet accordage au travers des interactions va aider l’enfant à organiser son vécu et ses sensations et à leur donner du sens. Edward Tronick⁴⁰⁴ partage le point de vue de Stern en affirmant que « cette expérience émotionnelle basale du bébé » se traduit par une entrée multimodale des différentes voies sensorielles, sous forme de boucle rétroactive partant des actions du bébé, différente de la seule boucle audio-phonatoire, nuancés par les signaux de contrôle de ce dernier.⁴⁰⁵

2.2. L’impact de la surdité sur le développement du langage

La conséquence la plus importante de la surdité profonde est l’accès au langage oral. Nous avons vu que l’accès au langage peut commencer après la mise en place d’un appareillage efficace, sous l’effet conjoint de la stimulation auditive et de la prise en charge spécifique de l’enfant sourd.

L’apprentissage de la langue s’apprendra surtout de manière explicite, contrairement à l’enfant normo-entendant qui est capable d’extraire les régularités structurelles de la langue de manière implicite : les mots, leur agencement, les usages et habitudes linguistiques. Nous nous intéresserons plus particulièrement aux enfants sourds porteurs d’implant cochléaire, car notre travail expérimental, présenté dans notre cinquième chapitre, s’est focalisé sur cette population.

Concernant l’accès au lexique de l’enfant sourd, les enfants implantés présentent un âge de développement lexical en réception inférieur à ceux des enfants entendants de même âge (Blamey et al., 2001).⁴⁰⁶ Des résultats ultérieurs soulignent que le retard accumulé ne désigne pas une famille de mots en particulier et correspond très sensiblement à la période de surdité. Ce qui permet d’établir un âge de développement analogue à la période d’audition fonctionnelle (Fagan & Pisoni, 2010).⁴⁰⁷ D’autre part, ce développement lexical est positivement corrélé à l’âge d’implantation, avec un net avantage pour les enfants implantés précocement (Hayes, Geers, Treiman, & Moog, 2009).⁴⁰⁸ Une implantation avant l’âge de deux ans serait comparable à celui des enfants entendants pour le vocabulaire en reception (Connor, Craig, Raudenbush, Heavner, & Zwolan, 2006).⁴⁰⁹ De manière plus spécifique, l’enfant sourd rencontre des difficultés pour certains champs lexicaux (mathématiques, mots abstraits, marqueurs temporels, mots fonctions) et pour la catégorisation (Rinaldi & Caselli, 2009).⁴¹⁰ Certains auteurs ont démontré une augmentation significative des capacités conversationnelles des enfants sourds implantés dès les six premiers mois post-implantation (Briec et al., 2012⁴¹¹ ; Le Maner-Idrissi et al. 2008, 2010).⁴¹² En effet, lorsqu’ils sont implantés précocement, ces enfants présentent rapidement un bon niveau d’autonomie dans l’initiation des échanges vocaux et gestuels. (Tait, De Raeve et al., 2007). Ils peuvent par exemple prendre leur tour de parole sans avoir forcément besoin de contact visuel avec autrui. L’implant cochléaire leur permet d’être plus actifs dans les interactions.

Comme le souligne Barbara Tillmann, la surdité engendre différents troubles d’origine centrale, souvent reliés à une difficulté de traitement temporel. De ce fait, les enfants sourds ont des difficultés à maîtriser les aspects langagiers reliés à ces aspects temporels, ce qui les empêchent de prédire et d’anticiper les évènements multisensoriels (Bedouin et al. 2016⁴¹³, 2018⁴¹⁴). Finalement, un déficit fondamental d’apprentissage séquentiel statistique chez les enfants sourds les conduiraient à traiter les phrases comme des suites de mots non reliés (Eisenberg, Martinez, Holowecky, & Pogorelsky, 2002).⁴¹⁵ Cela empêcherait l’apprentissage implicite de règles morphosyntaxiques et limiterait le recours aux stratégies impliquant la syntaxe pour mieux identifier des mots, y compris en lecture (Gallego, Martin-Aragoneses, Lopez-Higes, & Pison, 2016).⁴¹⁶

De plus, Lorenzi et collaborateurs (2006)⁴¹⁷ ont démontré que des sujets malentendants, et ce quelque soit leur âge, semblent peu capable de tirer profit des informations de structure temporelle fine pour identifier les signaux, alors qu’ils obtiennent de très bons résultats pour identifier des logatomes avec l’enveloppe seule. En fin de compte, « un déficit dans les capacités d’encodage et/ou d’utilisation des informations de structure fine semble être systématiquement associé à un déficit d’intelligibilité dans le bruit ».⁴¹⁸

2.3. Les conséquences sur la Cognition

2.3.1. Les facultés intellectuelles

Bien évidemment, la surdité en elle-même ne retentit pas sur l’intelligence d’un enfant. Néanmoins, les conséquences directes de la surdité (telles que les troubles ou retard de langage) et un manque de soutien de l’environnement de l’enfant peuvent rendre difficiles certaines acquisitions. En effet, l’insuffisance langagière que peut engendrer la surdité entraîne parfois un retard dans le développement cognitif, notamment dans les acquisitions intellectuelles liées à la perception du temps et de l’espace sur le plan du raisonnement et de l’abstraction.

Pour certains auteurs, une période de privation auditive chez des enfants sourds, bien que compensée par un implant cochléaire par exemple, aurait de réelles conséquences sur l’apprentissage implicite, et ce dans différentes modalités sensorielles (Conway & Christiansen, 2009)⁴¹⁹. Selon ces auteurs, c’est l’expérience sonore qui permet de construire les fondations servant à développer les habiletés cognitives temporelles et séquentielles dans toutes les modalités. La modalité auditive prime cependant en matière de traitement séquentiel. Ainsi, les enfants sourds implantés présenteraient un déficit du traitement séquentiel, impliqué dans l’apprentissage implicite, ayant pour conséquence des difficultés langagières persistantes malgré la compensation de l’appareil auditif. Ces difficultés se retrouvent notamment en grammaire, car l’extraction des régularités de la langue se fait moins efficacement que chez un enfant entendant.

2.3.2. La mémoire

La mémoire à court terme et la mémoire de travail sont essentielles dans le maintien et le traitement des informations. Elles sont un élément primordial entre l’input sensoriel et le stockage de l’information en mémoire à long terme (Baddeley, 1992).⁴²⁰ La mémoire joue un rôle majeur dans la perception et le traitement du langage. Étant donné que certains mots ne sont pas ou mal perçus, la mémorisation est forcément plus difficile. Ce qui peut entraîner une reconnaissance plus lente puisque l’enfant sourd a besoin de comparer le son entendu à ceux enregistrés dans sa mémoire auditive. Ainsi, le développement de la mémoire verbale sera affecté à plusieurs niveaux par la surdité prélinguale, car elle dépend en partie de l’expérience auditive de l’enfant.

Des études sur la mémoire de travail ont montré dans des tâches usuelles d’empan de chiffres que les enfants implantés cochléaires présentaient des capacités inférieures à celles d’enfants normo-entendants (Harris et al., 2011).⁴²¹ Ces résultats sont corrélées à la modalité linguistique dans laquelle les enfants évoluent, à leur score de vocabulaire en réception (Pisoni & Cleary, 2003⁴²². ; Pisoni et al., 2011).⁴²³ Dans ce cas, plus les scores de perception sont bas, plus la longueur de l’empan est faible. L’ensemble de ces études suggèrent que les fonctions cognitives impliquant la modalité-spécifique auditive, sont davantage impactées chez les enfants sourds implantés que chez les enfants normo-entendants.

2.3.3. Les adaptations du cerveau à la surdité

Il nous apparaît primordiale la question de la surdité et des difficultés qu’elle provoque selon les multiples connexions existantes dans le cerveau. D’une part, les mécanismes de synaptogenèse dépendants de l’expérience auditive ne sont pas utilisés dans le cas de la surdité profonde. Comme les synapses non appropriées ne sont pas éliminées, les connections essentielles ne peuvent pas se former et être redistribuer dans l’arborescence dendritique (Kral & Eggermont, 2007)⁴²⁴ du fait que les modes de réhabilitation deviennent moins efficaces si la période critique est dépassée.⁴²⁵ D’autre part, l’information délivrée par l’implant est cependant appauvrie. Les enfants sourds doivent donc développer des stratégies d’adaptation dans lesquelles les informations visuelles ont un rôle fondamentalement complémentaire. Comparativement aux personnes normo-entendantes, les enfants sourds utilisent la lecture labiale bien plus efficacement par exemple. Cette compensation inter-modalitaire, basée ici sur la vision, est appelée « vicariance sensorielle » et existe également chez les sujets privés d’un autre sens. Au niveau comportemental, « la vicariance sensorielle se manifeste par des capacités accrues dans les modalités épargnées et au niveau cérébral par une réorganisation fonctionnelle des régions cérébrales privées d’informations auditives »⁴²⁶, zones qui sont activées par la présentation de stimuli visuels (Finney Fine & Dobkins 2001)⁴²⁷ et même tactiles (Levänen Jousmäki & Hari, 1998).⁴²⁸ La ré-afférentation auditive est limitée en cas de surdité prolongée, ce qui va entraîner une réorganisation du cerveau de l’enfant sourd pré-lingual. De ce fait, les aires auditives ne peuvent pas récupérer leurs fonctions initiales car le réseau auditif va devoir traiter d’autres informations. Chez l’adulte sourd profond, une surdité précoce affecterait la taille des neurones du noyau cochléaire de moitié par rapport aux sujets entendants (Moore, Niparko, Miller & Linthicum, 1994)⁴²⁹. De plus, au niveau cortical, l’onde P1, marqueur de la maturité des voies auditives (myélination et croissance axonale) est très retardée chez les sujets implantés tardivement (Sharma, Dorman & Spahr, 2002a)⁴³⁰. Cette information implique un ralentissement de la conduction de l’information. Nous remarquons également que cette onde n’apparaît que dans l’hémisphère controlatéral à la stimulation, alors qu’une stimulation neuronale est censée stimuler bilatéralement les cortex auditifs (Gilley, Sharma & Dorman, 2008).⁴³¹ Il semblerait qu’une période de surdité précoce et prolongée pourrait engendrer un découplage des voies auditives. De plus, l’onde N1, autre marqueur de la maturité corticale, apparaît chez l’enfant entendant vers l’âge de 5 ans et se développe jusqu’à l’adolescence. Chez les enfants implantés tardivement ou tirant peu de bénéfices de leurs prothèses auditives (Eggermont & Ponton, 2003), cela n’apparaîtrait pas.⁴³² Cette absence s’expliquerait par un arrêt ou une altération de la maturation des couches corticales concernées, dont la maturation se traduit au niveau comportemental par l’habileté à traiter la parole dégradée ou la parole dans le bruit. Ainsi « les couches corticales profondes pourraient suivre une maturation autonome en l’absence d’input auditif, tandis que la maturation des couches plus superficielles est soumise à l’expérience auditive. »⁴³³ La plasticité des voies auditives centrales aurait tendance à diminuer avec la durée de la surdité. Ces mécanismes de neuroplasticité sont fondamentaux dans le cas de la surdité.

Chez l’enfant sourd congénital, la réhabilitation de l’audition, par le port de prothèses auditives et/ou d’implant cochléaire, est effectuée dès le diagnostic posé. Cette stratégie thérapeutique permet de faire fonctionner les différents relais de la transmission de l’information sonore et d’agir sur les mécanismes de plasticité cérébrale. Toutefois, le succès des aides prothétiques est fortement soumis à la période du développement auquel elles sont effectives (âge de correction auditive) et négativement corrélé à la durée de la surdité. La rééducation en orthophonie et en particulier l’éducation auditive sont indispensables. Une multitude d’arguments permet d’envisager la musique comme moyen privilégié de l’éducation auditive. Les effets de l’éducation musicale sont immenses. Tout d’abord, l’universalité et surtout l’ancienneté des pratiques musicales suggère leur ancrage biologique (Mithen, 2009)⁴³⁴ et son importance dans la cohésion sociale (Peretz, 2010).⁴³⁵ Grâce aux aptitudes très précoces du traitement des stimuli musicaux, la musique jouerait un rôle crucial dans la communication mère-enfant (Trehub, 2003)⁴³⁶ et influencerait le développement langagier. Les études menées chez les experts en perception auditive (musiciens) ont montré que le système auditif, comme les autres systèmes sensoriels d’ailleurs, est plastique et réagit à l’expérience sensorielle par des modifications à la fois neuroanatomiques (Schlaug, Jäncke, & Huang, 1995 (b)⁴³⁷; Schneider et al., 2002⁴³⁸) et neurofonctionnelles (Patel, 2008⁴³⁹.; Herholz et Zatorre, 2012⁴⁴⁰). Dans le cadre de notre étude, nous retenons que des effets spécifiques de la pratique musicale au niveau de compétences langagières accrues ont également été mis en évidence (Oechslin, Meyer & Jäncke, 2010⁴⁴¹; Wong, Skoe, Russo, Dees & Kraus, 2007⁴⁴²). Enfin, dès leur réhabilitation auditive réalisée, les enfants sourds semblent démontrer des comportements émotionnels face à la musique comparables à ceux des enfants entendants. Nous envisagerons dans le chapitre suivant les arguments en faveur de l’utilisation de la musique comme outil de stimulation auditive chez des enfants sourds profonds.

3. La musique : un outil de stimulation auditive pour un enfant sourd

L’enfant présente des compétences très précoces pour le traitement de toutes les informations sonores, comme la musique (Trainor & Heinmiller, 1998⁴⁴³ ; Trehub, 2003⁴⁴⁴), les voix (Decasper & Fifer, 1980), le langage, en particulier la langue à laquelle ils ont été exposés (De Boysson- Bardies, 2005 ; Mandel, Jusczyk, & Kemler-Nelson, 1994) qui vont d’une part se développer spécifiquement sous l’influence de l’expérience. D’autre part, le développement de ces différentes compétences s’influenceraient mutuellement. La première section de ce chapitre fait état du développement des compétences auditives, des modèles développementaux et des répercussions de la musique sur le développement linguistique et communicationnel dans la population tout venant. La façon dont l’expérience de la pratique musicale modifie structurellement et fonctionnellement les aires cérébrales ainsi que les effets de transfert seront présentés dans la deuxième section. Enfin, nous aborderons le comportement de l’enfant sourd face aux stimuli musicaux.⁴⁴⁵

3.1. Aspects développementaux du traitement auditif

Les sciences cognitives de la musique ont mis en évidence des compétences perceptives très précoces pour la perception et la cognition musicales (Trainor & Hannon, 2013⁴⁴⁶ ; Bigand, Tillmann, Peretz et al. 2015)⁴⁴⁷. Nous savons que la cochlée est fonctionnelle à la fin du 5ème mois de la vie fœtale et que les sons qui parviennent au fœtus sont traités et mémorisés. Par exemple, l’équipe de Winkler et collaborateurs ont montré que le fœtus pouvait mémoriser toute sa vie durant, la chanson « Ah, vous dirai-je maman » présentée de manière répétée durant le dernier trimestre de grossesse.⁴⁴⁸ L’expérience auditive prénatale explique la sensibilité particulière pour certains stimuli acoustiques comme en témoignent les études faites sur les nouveaux-nés : préférence des mélodies entendues in utero (Deliège & Sloboda, 1995⁴⁴⁹ ; Nakata & Trehub, 2004⁴⁵⁰) qui sont reconnues même un an après leur naissance sans ré-écoute. Ce qui suggère que le cerveau humain naît avec « un précâblage » pour la musique, pour reprendre le terme d’Isabelle Peretz.⁴⁵¹

3.1.1. Modèles du développement des compétences musicales

A la naissance, le bébé possède donc déjà un vécu musical. Nous avons vu précédemment que ces dispositions musicales vont être encouragées par l’entourage s’adressant spontanément à l’enfant dans un motherese ou mamanais qui implique l’accentuation des éléments rythmiques et prosodiques (Papousek, Papousek, & Haekel, 1987).⁴⁵² Il faut rappeler que le chant est un véritable instinct chez l’Homme. Les premières années de vie de l’enfant sont berçées de chants maternels. C’est un comportement universel. Même après l’annonce précoce du handicap de surdité, la majorité des mères entendantes chantent spontanément pour leur bébé que ce soit dans les moments du change, du bain ou encore pour l’endormissement. Le très bel ouvrage de l’orthophoniste Monique Delaroche, Au fil des regards et des caresses, encourage avec beaucoup de bienveillance et de délicatesse les parents du tout petit à accepter son handicap et propose de manière pragmatique un véritable livre de bord pour entrer en communication avec leur bébé.⁴⁵³

L’équipe de Sandra Trehub a mis en évidence le fait que les bébés savaient faire la différence entre le mamanais et le chant. Grâce à l’écoute d’une voix enregistrée, soit en motherese, soit en chantant, ils ont observé qu’avec le chant, les bébés pouvaient attendre deux fois plus longtemps le retour de l’adulte, avant de donner des signes de détresse.⁴⁵⁴ Ces chercheurs ont également montré que les chants maternels augmentent le taux de cortisol chez les nourissons dont le taux de référence est bas, et au contraire les diminuent, pour ceux dont le taux de référence est haut. Ce qui suggère que le chant aide les bébés à réguler leur état émotionnel. De plus, les travaux de Standley et collaborateurs ont démontré que chez les bébés prématurés, le chant pouvait aider à stabiliser les fonctions physiologiques telles que le rythme cardiaque et les niveaux de saturation en oxygène.⁴⁵⁵ Ces expériences musicales soulignent également l’importance des interactions entre le bébé et son entourage mettant en jeu une communication polysensorielle : l’ouïe, la vue, le toucher et le mouvement. Nous pensons tout particulièrement au travaux réalisés par l’équipe de Laurel Trainor au sujet des interactions en synchronie. Elle explique que les bébés, dès l’âge de 14 mois, lorsqu’ils agissent en synchronie avec un expérimentateur, cela les rend plus enclin à vouloir aider ce dernier (Trainor et Cirelli, 2015).⁴⁵⁶ Ainsi, « le mouvement synchrone rendu possible par la musique, joue un rôle important dans le développement social précoce, en aidant les bébés à établir des relations de confiance et d’amitié et à construire un réseau de sociabilité. »⁴⁵⁷

Dès les premiers jours de vie, le bébé a la capacité d’absorber toutes les musiques du monde. Peretz affirme que « les compétences précoces permettent d’extraire les propriétés quasi universelles de la musique comme : son petit nombre de hauteurs (de 5 à 7 notes) dans un morceau, ses petits intervalles inégaux entre les notes, son nombre limité de durées marquant des temps réguliers et pouvant se grouper. Ces caractéristiques propices à l’organisation hiérarchique, en accordant à certains sons un plus grand poids, sont renforcés par la répétition. »⁴⁵⁸

Par la suite, le développement musical va suivre plusieurs étapes jusqu’à l’adolescence, comme le suggère le modèle à cinq phases de Hargreaves & Galton (1992) qui s’inscrit dans la démarche piagétienne.⁴⁵⁹ La phase sensori-motrice (0-2 ans) se distingue par la capacité de l’enfant à reconnaître les contours mélodiques, les variations d’intensité et à répondre au chant sur le plan moteur. A 6 mois, l’enfant, sensibilisé à la structure de la phrase musicale, est alors capable de discriminer les violations des contours (Trehub, Bull, & Thorpe, 1984).⁴⁶⁰ Il développe également pendant cette période, des compétences temporelles essentielles lui permettant de se balancer et de se synchroniser en rythme. La phase suivante, dite figurale (2-5 ans) se caractérise par la capacité de l’enfant à discriminer différents intervalles (hauteur et contour), et par des expressions vocales fusionnant les chants spontanés et les chants de sa culture. Il se focalise plus sur le texte et les mots que sur la mélodie. Les chansons sont articulées et reconnaissables mais sans cohérence tonale. C’est entre 5 et 8 ans (phase schématique) que tous les aspects de la mélodie sont reproduits convenablement, le respect de la tonalité et l’acquisition de la pulsation apparaissent simultanément. A 6 ans, l’enfant se montre capable de reproduire fidèlement des structures mélodico-rythmiques par exemple. Cependant, il est à noter que les tempi lents sont plus difficiles à appréhender que les tempi rapides. Il aime tout particulièrement imiter l’adulte. A 8 ans, l’enfant a intégré les fonctions tonales comme la cadence parfaite et la demi-cadence (Deliège & Sloboda, 1995).⁴⁶¹ Il découvrira pendant cette période les diverses règles du système tonal. La phase de système de règles (8-15 ans) est caractérisée par la capacité à analyser les éléments musicaux. Elle correspond à l’apprentissage formel de la musique. Enfin, la phase professionnelle (à partir de 15 ans) se caractérise par la capacité de l’adolescent à créer des morceaux de musique et à utiliser la musique comme véritable outil de réflexion.

Nous ne détaillerons pas tous les modèles psychologiques du développement musical. Néanmoins il conviendra de citer les travaux de Sloboda (1985)⁴⁶², Swanwick et Tillmann (1986)⁴⁶³, Zenatti (1967⁴⁶⁴, 1990⁴⁶⁵) et Gordon (1988⁴⁶⁶, 2003⁴⁶⁷). De plus, Pierre Zurcher (2010)⁴⁶⁸ a proposé une autre approche du développement musical qui dépendrait du développement du langage, en quatre étapes.

3.2. Les effets de la musique sur le développement de l’enfant sourd

Les enfants sourds, après réhabilitation de leur fonction auditive, réussissent à développer rapidement des aptitudes perceptives musicales et démontrent en définitive, des patterns comportementaux identiques à ceux des enfants normo-entendants. Ils peuvent également reconnaitre et mémoriser des mélodies (Mitani et al., 2007⁴⁶⁹ ; Nakata, Trehub, Kanda, Shibasaki, & Schellenberg, 2005).⁴⁷⁰ Ces observations soulignent l’automaticité de la mise en place des processus de traitement de la musique dès que l’audition est fonctionnelle.

Indépendamment de la problématique de l’implant cochléaire, de nombreuses études ont mis en évidence le fait que les enfants sourds pouvaient profiter des bienfaits de la musique. Ils apparaissent à trois niveaux : au niveau du développement du langage oral, des capacités d’écoute et des habiletés sociales. Concernant le développement du langage oral, nous savons aujourd’hui qu’un entraînement musical entraîne des résultats positifs sur la parole de l’enfant. Il a été montré notamment que les contours prosodiques seraient plus naturels après un entraînement de discrimination rythmique (Darrow, 1985)⁴⁷¹ et de chant (Walczyk, 1993).⁴⁷² Par ailleurs, l’apprentissage de comptines et de chansons participe activement à l’augmentation et à l’enrichissement du stock lexical. Concernant les capacités d’écoute, des entraînements spécifiques, comme la discrimination de différents timbres et l’apprentissage de séquences rythmiques notamment, produiraient des effets positifs sur la capacité d’analyse du pitch, la capacité d’écoute dans le bruit, et la mémoire de travail impliquée dans le traitement séquentiel. Pour finir, faire de la musique, à travers le partage du chant et de la danse, permettrait l’amélioration des habiletés sociales et du comportement émotionnel. Du reste, ce lien entre musique et mouvement sera détaillée dans notre dernier chapitre à travers l’exposé des différentes méthodes actives musicales. L’étude de Laurel Trainor et collaborateurs, The primal role of the vestibular system in determining musical rhythm (2009)⁴⁷³, nous montre comment s’unissent le rythme et le mouvement dès le déplacement du liquide présent dans le système vestibulaire de nos oreilles, grâce aux vibrations. Ce lien contine à l’intérieur de notre cerveau, et cela même si nous ne bougeons pas. En effet, il a été démontré que le rythme active le cortex auditif mais aussi le cortex moteur, notamment les noyaux de la base responsables de

la libération de dopamine (réseau du plaisir et de la récompense).⁴⁷⁴ De plus, l’activité musicale contribuerait au développement de la confiance en soi (Hummel, 1971)⁴⁷⁵, de la confiance en l’autre également (Anshel & Kipper, 1988)⁴⁷⁶, de la responsabilité à l’égard du groupe (McDermott, 1971)⁴⁷⁷ et de la sociabilité (Cirelli et al., 2014).⁴⁷⁸

L’aptitude manifeste des enfants sourds dans les activités musicales et le plaisir qu’elles procurent, pourraient s’expliquer par une sollicitation cognitive moindre pour le traitement musical, par rapport au traitement linguistique plus coûteux cognitivement dans la mesure où il suppose une analyse sémantique. Par conséquent, cela expliquerait le fait qu’il serait plus facile pour l’enfant sourd, de percevoir une voix chantée qu’une voix parlée (Carré, 2008).⁴⁷⁹ Ainsi, l’entraînement musical prend alors tout son sens dans l’éducation auditive des enfants sourds. Il est empiriquement reconnu comme un outil privilégié dans l’éducation auditive. Les effets positifs sur le développement du langage oral sont illustrés notamment par de meilleurs capacités de traitement des différents paramètres acoustiques comme la durée, la fréquence, l’intensité, le timbre. En orthophonie, il existe diverses méthodes utilisant la musique. Elles méritent d’être mentionnées dans ce chapitre car elles contribuent à soutenir la communication de l’enfant sourd et à construire son langage : la méthode verbo-tonale, la Dynamique naturelle de la parole et la méthode Borel-Maisonny. Les mouvements de la main sont en étroite relation avec ceux de la bouche et de la langue. Ce sont des aires motrices voisines qui sont alors sollicitées. La motricité manuelle favoriserait la motricité bucco-faciale notamment.

3.2.1. La méthode Verbo-tonale (MVT)

Le graphisme phonétique, le rythme corporel et musical sont issus de la méthode verbo-tonale développée par le linguiste croate Petar Guberina dans les années cinquante. Les fondements de cette méthode sont partis de la constatation que la motricité générale pouvait influencer celle des organes phonatoires. Sa grande idée a été de solliciter le corps tout entier afin de stimuler et de favoriser une production vocale riche. Le corps est émetteur et récepteur de la communication. Ces activités sont présentées de façon ludique et plaisante pour l’enfant. La MVT part des potentialités de l’enfant et non de ses manques. Dans cette méthode, l’éducation auditive est mise au premier plan. On se préoccupe de ce que perçoit l’enfant, plutôt que des positionnements articulatoires dans la sphère buccale. La comptine est au centre de cette méthode. Cette méthode utilise des appareils spécifiques à amplificateurs et filtres : un vibrateur, un SUVAG et un plancher vibrant.⁴⁸⁰

3.2.2. La Dynamique naturelle de la parole (DNP)

Cette méthode conçue par M. Dunoyer de Ségonzac, s’inspire de la méthode verbo-tonale, de l’anthropologie du geste de Marcel Jousse et de la méthode Martenot, dont nous parlerons en détails dans notre sixième chapitre, alliant ainsi une dimension artistique aux éléments techniques et sensoriels. De façon ludique, cette méthode utilise des canaux visuel, tactile, kinesthésique et auditif pour développer la conscience phonologique.

3.2.3. La méthode Borel-Maisonny

Suzanne Borel-Maisonny, pionnière de l’orthophonie, a mis au point une méthode phonétique et gestuelle, ainsi qu’une méthode de lecture constituée de 37 gestes très utiles pour tous les enfants et en particulier pour les enfants sourds. Elle a travaillé entre autres avec Denise Sadek-Khalil, linguiste et orthophoniste et brillante élève de Gustave Guillaume (Sadek-Khalil, 1997).⁴⁸¹ La méthode est publiée initialement en 1949 puis en 1956 dans le Bulletin mensuel de la Société Alfred Binet. En 1960, elle trouve une forme aboutie dans la publication des ouvrages de référence Langage oral et écrit 1 et 2 (Borel-Maisonny, 1960)⁴⁸² et connaît un retentissement manifeste à la suite de sa collaboration avec Clotilde Sylvestre de Sacy. Cette dernière, fondatrice du Centre de Rééducation de dyslexie-dysorthographie décide d’adapter à l’enseignement traditionnel, la méthode de Borel-Maisonny. Le geste est en rapport avec la forme de la bouche lors de l’articulation ou bien avec la forme de la lettre. C’est une méthode multi sensorielle d’apprentissage de la lecture, qui propose une aide au déchiffrage. A chaque son correspond un geste symbolique. Il y a un geste par son et non par graphie.

Par exemple, pour le son [o] le même geste est associé à toutes les graphies de ce son : au, eau, os, ot, aut, aux, ault, etc.

Construite autour de trois axes, phonème, graphème et articulation, cette méthode permet à l’enfant sourd de mieux appréhender le décodage. Dans cette méthode, les consonnes sont en noire et les voyelles en rouge (cf. exemple ci-dessous).

Chapitre 5 : Approche empirique de la perception de la Texture chez l’enfant et l’adulte

1. Vers une classification psycho-musicologique pertinente de la Texture

1.1. Les propriétés émergentes : définitions

Au lendemain de la seconde guerre mondiale, les compositeurs se sont emparés de la texture, afin de s’éloigner de la complexité grandissante des systèmes proposés comme le sérialisme notamment, qui séparait de manière significative les compositeurs de leur public. Ainsi, utiliser la texture était susceptible d’être mieux perçue par les auditeurs. Comme le souligne Philippe Lalitte, « la texture apporte donc aux compositeurs une dimension supplémentaire qui tout en leur offrant la possibilité de sortir d’une pensée musicale trop paramétrique, les engage vers une écriture du virtuel. »⁴⁸⁴

Analyser la texture en musique contemporaine, à savoir analyser les différents types de tissage, de grain, de matière, de strates, revient à considérer la texture comme étant un tout plus ou moins homogène, constituée de la fusion d’éléments séparés. Comme nous l’avons souligné dans le troisième chapitre, « l’émergence » se présente d’abord comme un phénomène perceptif relevant du domaine de la psychoacoustique. Cette notion de « propriétés émergentes » a été élaborée grâce aux travaux de Bregman notamment. Jean François Augoyard (philosophe, urbaniste et musicologue) et Henry Torgue (sociologue, urbaniste et compositeur) en donnent une définition pertinente dans leur ouvrage, À l’écoute de l’environnement : répertoire des effets sonores :

Effet générique regroupant la totalité des occurrences sonores qui apparaissent nettement dans un contexte donné. Très souvent couplée avec un autre effet, l’émergence ne concerne pas seulement l’irruption d’un son fort dans un contexte de plus faible intensité ; elle caractérise aussi l’apparition de sons différents par leurs hauteurs, leurs timbres ou leurs rythmes. C’est plus l’affirmation d’un nouveau son qui marque la singularité de cet effet que ses modalités d’apparition, celles-ci relevant plutôt des effets avec lesquels il se conjugue.⁴⁸⁵

Cette définition explicite clairement la situation dans laquelle nous nous trouvons, car ce concept d’émergence est un phénomène psychoacoustique lié à la capacité de l’oreille à fusionner ou à discerner certains événements sonores selon le contexte dans lequel ils apparaissent. Ce qui nous renvoie directement à l’analyse de scènes auditives de Bregman. C’est pourquoi nous retiendrons cette conception de « l’émergence » car elle nous permettra d’appréhender au mieux des œuvres musicales contemporaines basées sur la notion de textures sonores avec des compositeurs comme Grisey, Lachenmann, Reynolds, Ligeti pour ce chapitre. Ce dernier affirmait d’ailleurs au sujet des capacités de la composition texturale « qu’une structure s’analyse en fonction de ses composantes ; une texture se décrit mieux à l’aide de caractéristiques globales et statistiques. »⁴⁸⁶

Pour cela, nous utiliserons les informations audio provenant d’enregistrements. Nous nous servirons du logiciel Sonic Visualiser⁴⁸⁷ afin de visualiser au mieux les différents types de textures de quatre pièces emblématiques du répertoire contemporain après 1945 : Partiels (1975) de Gérard Grisey, Mouvement (- vor der Erstarrung) d’Helmut Lachenmann (1983-1984), Symphony [Myths] de Roger Reynolds (1990) et le Concerto de chambre (Kammerkonzert) de György Ligeti (1969-1970). Nous étudierons comment ces compositeurs ont développé chacun à leur façon, une écriture texturale singulière. Sonic Visualiser nous permettra de croiser les informations contenues de la partition avec celles obtenues par l’analyse informatique du signal audio. C’est un logiciel gratuit, multi-plateformes et open source, qui offre la possibilité de visualiser et d’étudier la structure d’un signal audio en affichant une analyse visuelle de celui-ci sous forme de spectre(s). Ce logiciel a été développé par le Centre for Digital Music de l’Université Queen Mary à Londres. Il propose un large choix de sonagrammes (Spectrogram, Melodic Range Spectrogram, Peak Frequency Spectrogram, Adaptative Spectrogram, Constant-Q Spectrogram…) et d’autres types de visualisations (chromagramme, extraction de mélodie, coefficients d’énergie dans les bandes critiques, autocorrélation, etc.).

La description verbale de la texture complètera la description visuelle. Elle sera décrite ci-après en fonction de sa dimension verticale et horizontale.

1.1.1. Dimension verticale

• Densité : Dans sa dimension verticale, nous parlerons de la densité d’une texture, opacité versus diaphane, trouble versus transparente par exemple, ce qui correspond au nombre de lignes, de sources ou d’évènements simultanés ainsi que d’autres paramètres tels la hauteur, les alliages de timbres, l’intensité et les modes de jeux utilisés (sons harmoniques, pressions de l’archet, pizzicatti…).
• Étendue : La largeur fréquentielle (large vs étroite) correspond à la façon dont l’espace des hauteurs est utilisé ou la répartition d’évènements simultanés dans les différentes bandes de fréquences (homogène vs hétérogène).
• Centre de gravité spectral : Cela correspond au rapport entre le registre et les timbres utilisés au sein de la texture (sombre vs lumineux).
• Dissonances sensorielles : Nous nous focalisons sur les rapports d’intervalles et le timbre utilisé (mode de jeux bruités) et/ou le nombre de lignes (rugueux vs soyeux).
• Enveloppe spectrale : Nous qualifions ici l’enveloppe spectrale de la texture avec des termes comme : doux, souple, détendue, chaleureuse vs acérée, métallique, dur, rigide, tendue, glacée, etc.
• Fusion versus ségrégation des flux : L’interaction des indices de synchronisme des attaques, de comodulation des amplitudes (lors d’un crescendo par exemple) et des alliages de timbres sont de bons indicateurs de fusion de plusieurs sources en une seule entité perceptive (le groupement simultané dans l’ASA de Bregman). A l’inverse, en manipulant les indices de groupement séquentiel, nous avons la possibilité de rendre plus lisible une polyphonie complexe, de surligner une voix secondaire, de suivre le sujet d’une fugue (groupement sequentiel).

1.1.2. Dimensions horizontales

• Les striations : Cela correspond à la nature des évènements au niveau temporel : évènements brefs versus longs par exemple, donnant tantôt une texture pulsée ou au contraire lisse.
• Les régularités : Nous faisons référence ici à la fréquence d’apparition des évènements : périodique, fluide, liquescent ou au contraire apériodique, déchiqueté, fragmenté.
• La vitesse du changement : Par rapport au déroulement temporel, la texture se présente plutôt mouvante ou au contraire statique (rapide vs lent).
• La densité temporelle : Ce qui correspond au nombre d’évènements par seconde (aérée vs compacte) et la présence ou non de silences.
• La fusion vs ségrégation des flux : C’est plus une aptitude à former différents flux auditifs qui correspondent à une ou plusieurs lignes au sein de la texture.

2. Analyse de Textures

2.1 Partiels (1975) de Gérard Grisey

2.1.1. Présentation

Cette œuvre emblématique de la musique spectrale a été composée en 1975 par Gérard Grisey (1946-1998) et créée le 4 mars 1976 à Paris par l’ensemble l’Itinéraire sous la direction de Boris de Vinogradov. Ce collectif musical a réuni des compositeurs comme Tristan Murail, Michaël Lévinas, Hugues Dufourt, et aussi un ensemble d’interprètes et surtout un instrumentarium électronique qui a servi de laboratoire de nouvelles technologies musicales. Partiels est écrit pour un ensemble de chambre de dix-huit musiciens, mettant particulièrement en valeur les bois. La partition peut être exécutée avec un seul corniste et un seul percussionniste moyennant quelques adaptations que Grisey précise dans la notice ci-dessous.

Notons la présence inhabituelle de l’accordéon, certainement explicable par le fait que le compositeur soit accordéoniste lui-même, mais aussi parce que c’est un instrument qui possède une étendue spectrale fort intéressante.

Partiels est extrait des Espaces acoustiques, cycle de six pièces pour diverses formations, écrit entre 1974 et 1985. Ce cycle est constitué d’un Prologue pour alto seul (1976), Périodes pour sept musiciens (1974), Partiels pour 18 musiciens (1975), Modulations pour 33 musiciens (1976-1978), Transitoires pour grand orchestre (1980-1981) et l’Epilogue pour quatre cors solo et orchestre (1985). Normalement, ces six pièces doivent être jouées à la suite, car elles ne sont pas simplement juxtaposées : elles forment un processus à grande échelle, constitué lui-même de processus qui recouvrent chaque pièce puis chaque section à l’intérieur même de ces pièces.

Selon Grisey, à propos de son cycle Espaces acoustiques (1974-1985), « les paramètres n’y sont qu’une grille de lecture et la réalité musicale réside au-delà, dans les seuils où s’opère une tentative de fusion. Liminal est l’adjectif que je donnerais volontiers à ce type d’écriture : plus volontiers en tout cas que celui de spectral, entendu souvent aujourd’hui et qui me semble trop limitatif »⁴⁸⁸. Partiels illustre parfaitement ce type d’écriture, car Grisey manipule savamment nos seuils perceptifs. En qualifiant son écriture de liminale (limen signifie seuil) Grisey nous explique « qu’elle s’applique à déployer les seuils où s’opèrent les interactions psycho-acoustiques entre les paramètres et à jouer de leurs ambiguïtés »⁴⁸⁹. En effet, Grisey distingue deux types de seuil : le premier est notre « capacité d’intégrer les composantes spectrales»⁴⁹⁰ et donc de percevoir un spectre synthétique et non un accord, le deuxième est d’ordre compositionnel : les instruments traditionnels résistent à la fusion, le spectre « forme une sorte de synthèse additive qui ne ressemble ni à un spectre instrumental ni à un accord orchestré ».⁴⁹¹

Jean-Marc Chouvel a proposé un modèle intéressant autour de la structuration du temps et des évènements sur Partiels de Grisey. Pour lui, la construction de diagrammes formels permet de se pencher sur les distances entre les événements, qui révèlent les liens entre les positions temporelles et mémorielles de chaque événement.

En abscisses le temps, exprimé approximativement en pages de la partition et en ordonnées les éléments de matériau sonore suivant la liste suivante :

1. trombone f> 2. contrebasse Arco Sul Ponte sf> sf>…. 3. “harmoniques” sons tenus <> 4. irrégularités de modes de jeu (vibrato… etc.) 5. glissando d’harmoniques 6. jeté 7. pulsations régulières – trémolo 8. sons grincés ASP 9. micro glissandi 10. polyphonie éclatée arythmique 11. tam-tam 12. trilles 13. figures (fusées) 14. ±13 fusées périodiques descendantes (avec oscillation sur les notes d’arrivée) 15. pizz 16. tutti > 17. multiphoniques 18. brosse sur grosse caisse 19. bruits divers d’instruments 20. geste de la cymbale.⁴⁹²

Pour Grisey, « Si les sons ont un corps vivant, le temps est à la fois leur espace et leur atmosphère. »⁴⁹³ A ce propos, Chouvel nous explique dans son ouvrage Analyse musicale, Sémiologie et cognition des formes temporelles, sa conception du temps :

La représentation de la temporalité s’effectue, pour la musique, depuis l’invention de la partition jusqu’à celle du sonagramme, sous la forme d’une trace qui reporte directement le temps sur un espace affine. D’autres représentations sont possibles, connues en physique sous le vocable d’« espace de phase ». Ce concept conduit dans le cas de la musique à une représentation particulièrement utile pour l’analyse mélodique, où positions (hauteurs, échelles…) et transitions (intervalles, modes…) deviennent immédiatement lisibles.⁴⁹⁴

L’œuvre procède par processus de transformation progressive modélisés sur le cycle de la respiration humaine (inspiration, expiration, repos). Grisey nous éclaire encore sur sa conception spectrale : « Nous venons de créer un être hybride pour notre perception, un son qui sans être encore un timbre, n’est déjà plus tout à fait un accord, sorte de mutant de la musique d’aujourd’hui, issu de croisements opérés entre les techniques instrumentales nouvelles et les synthèses additives réalisées par ordinateur. »⁴⁹⁵ Jérôme Baillet propose un tableau récapitulatif du processus compositionnel de Grisey.⁴⁹⁶ En se basant sur le rythme respiratoire, Grisey réussit à créer une alternance de tension et de détente. Les zones de repos correspondent à quelques mesures répétées ad libitum dans la partition. Ce sont les seuls moments où il n’y a pas de processus.