L’évolution des formats audio numériques

Introduction 

Vous êtes musicien, mélomane, et vous attachez de l’importance à la qualité de ce que vous écoutez ? Comment choisir un casque, des enceintes, ou encore son support d’écoute (plateforme de streaming, CD, fichier téléchargé) ? 
Pas toujours facile de s’y retrouver quand on n’est pas spécialiste. Cet article est là pour vous donner quelques-unes des notions fondamentales pour mieux comprendre comment fonctionne la chaîne de reproduction sonore… car chaque étape compte ! 

Rien ne sert en effet d’acquérir du matériel d’écoute haut de gamme si vous lisez des fichiers de piètre qualité ; à l’inverse, il n’est pas très concluant de lire des fichiers en haute définition sur un téléphone portable, par exemple. Il est donc important de commencer par le commencement… le format audio et ses caractéristiques. 

L’ère numérique a profondément transformé notre rapport à la musique, tant dans sa production que dans sa consommation. Cette évolution s’est accompagnée d’une diversification des formats audio, répondant à des besoins variés en termes de qualité sonore, de compression des données et de compatibilité avec les systèmes de lecture.  
Nous vous proposons un tour d’horizon des formats audio numériques, en mettant l’accent sur leurs caractéristiques techniques, leurs avantages et leurs limites, jusqu’à l’émergence récente de l’audio haute résolution. 

Avant toute chose, pour bien comprendre les différents formats audio numériques, il est important d’être familier avec trois notions fondamentales qui les caractérisent, et qui sont étroitement liées :  

• La fréquence d’échantillonnage 

• La profondeur de bits ou résolution 

• Le débit binaire 
   

I. La fréquence d’échantillonnage audio 

La fréquence d’échantillonnage est un paramètre qui influence directement la qualité sonore et la bande passante des enregistrements, c’est-à-dire la plage de fréquences reproduites. 
Bien que des fréquences d’échantillonnage plus élevées offrent théoriquement une meilleure fidélité, le choix optimal dépend de nombreux facteurs, incluant l’application visée, les contraintes de stockage et de traitement, et les considérations perceptuelles.  
La compréhension approfondie de ce concept est essentielle pour les ingénieurs du son, les producteurs, et tous les professionnels impliqués dans la création et la manipulation de contenu audio numérique. 

La fréquence d’échantillonnage représente le nombre d’échantillons prélevés par seconde lors de la conversion d’un signal analogique en signal numérique.  
Ce paramètre joue un rôle crucial dans la fidélité de la reproduction sonore et influence directement la qualité des enregistrements numériques. 

En effet, plus on prélève d’échantillons, plus la reconstitution du signal original, à partir des points prélevés reliés les uns aux autres, sera fidèle.

C’est l’équivalent, en audio, du fameux “24 images par secondes” du cinéma, c’est-à-dire la vitesse de défilement de la pellicule 35 mm dans le projecteur permettant de créer l’illusion d’un mouvement fluide. 

En dessous d’un certain nombre d’images capturées par seconde, estimé à 16, l’œil voit un mouvement saccadé et non continu. Cette notion, à l’ère de la projection numérique, est désormais quasiment obsolète, mais elle permet par analogie de mieux appréhender ce qui fait la qualité d’un signal audio. 

1. Définition et principes fondamentaux 

1.1. Définition formelle 

La fréquence d’échantillonnage, notée Fe ou Fs (sampling frequency en anglais), s’exprime en Hertz (Hz) et représente le nombre d’échantillons capturés par seconde lors de la numérisation d’un signal audio analogique. 

1.2. Théorème de Nyquist-Shannon 

Ce théorème, pierre angulaire du traitement du signal, stipule que pour reproduire fidèlement un signal analogique, la fréquence d’échantillonnage doit être au moins deux fois supérieure à la fréquence maximale présente dans le signal original. 

Fe > 2 * Fmax 

Où Fmax est la fréquence maximale du signal analogique. 

2. Implications sur la qualité audio 

2.1. Bande passante 

La fréquence d’échantillonnage détermine directement la bande passante maximale du signal numérisé. Selon le théorème de Nyquist-Shannon, la bande passante maximale est égale à la moitié de la fréquence d’échantillonnage. 

2.2. Repliement spectral (aliasing) 

Si le signal analogique contient des fréquences supérieures à la moitié de la fréquence d’échantillonnage, un phénomène de repliement spectral se produit, introduisant des distorsions indésirables. Pour éviter ce problème, un filtre anti-repliement est généralement appliqué avant la numérisation. 

3. Fréquences d’échantillonnage courantes 

3.1. 44,1 kHz 

Fréquence standard pour les CD audio, choisie pour couvrir l’intégralité du spectre audible humain (généralement considéré comme s’étendant jusqu’à 20 kHz). 

3.2. 48 kHz 

Couramment utilisée dans l’audio professionnel et la production vidéo, offrant une marge supplémentaire par rapport à 44,1 kHz. 

3.3. 96 kHz et 192 kHz 

Utilisées pour l’audio haute résolution, ces fréquences permettent théoriquement de capturer des harmoniques au-delà du spectre audible, bien que leur utilité soit débattue. 

3.4. Autres fréquences 

• 8 kHz : Utilisée dans la téléphonie (bande passante limitée à 4 kHz) 

• 22,05 kHz : Parfois utilisée pour l’audio de faible qualité ou les applications à bande passante limitée 

4. Impact sur la qualité et la taille des fichiers 

4.1. Relation avec la qualité 

Nous avons vu en introduction qu’une fréquence d’échantillonnage plus élevée permet de capturer plus d’informations par seconde, améliorant la fidélité de la reproduction sonore. 
Il est à noter que ceci est particulièrement vrai pour les hautes fréquences, dont la longueur d’onde est très petite. 

4.2. Taille des fichiers 

La fréquence d’échantillonnage influence directement la taille des fichiers audio non compressés. Doubler la fréquence d’échantillonnage double la quantité de données à stocker. 

II. La profondeur de bits 

La profondeur de bits, également appelée résolution numérique ou quantification, est un autre paramètre fondamental dans la représentation numérique du son. Elle définit la précision avec laquelle l’amplitude d’un signal audio analogique est convertie en valeurs numériques discrètes. Ce concept est crucial pour comprendre la qualité et la dynamique des enregistrements audio numériques. 

1. Définition et principes fondamentaux 

1.1. Définition formelle 

La profondeur de bits correspond au nombre de bits utilisés pour représenter chaque échantillon audio. Elle détermine le nombre de niveaux d’amplitude distincts pouvant être encodés. 

Nombre de niveaux = 2^(profondeur de bits) 

Par exemple, une profondeur de 16 bits permet 2^16 = 65 536 niveaux distincts. 

1.2. Processus de quantification 

La quantification est le processus par lequel les valeurs d’amplitude continues du signal analogique sont arrondies aux valeurs discrètes les plus proches permises par la profondeur de bits choisie.

2. Implications sur la qualité audio 

2.1. Plage dynamique 

La profondeur de bits détermine directement la plage dynamique théorique du signal audio numérique. La plage dynamique en décibels (dB) peut être calculée comme suit : 

Plage dynamique (dB) = 6,02 × (profondeur de bits) + 1,76 

Par exemple, pour une profondeur de 16 bits : Plage dynamique = 6,02 × 16 + 1,76 ≈ 96,33 dB 

2.2. Bruit de quantification 

L’erreur introduite par le processus de quantification se manifeste sous forme de bruit. Plus la profondeur de bits est élevée, plus le niveau de ce bruit est bas par rapport au signal. 

3. Résolution ou profondeurs de bits courantes 

3.1. 16 bits 

Standard pour les CD audio et de nombreuses applications grand public. Offre une plage dynamique théorique d’environ 96 dB. 

3.2. 24 bits 

Largement utilisée dans l’audio professionnel et la production musicale. Offre une plage dynamique théorique d’environ 144 dB. 

3.3. 32 bits (point flottant) 

Utilisée principalement dans le traitement audio numérique pour sa plage dynamique étendue et sa précision accrue dans les calculs. 

4. Impact sur la qualité et la taille des fichiers 

4.1. Relation avec la qualité perçue 

Une profondeur de bits plus élevée permet une représentation plus fidèle des nuances sonores, particulièrement dans les passages à faible niveau sonore, où le bruit de quantification peut devenir perceptible. 

4.2. Taille des fichiers 

Augmenter la profondeur de bits accroît proportionnellement la taille des fichiers audio non compressés. Par exemple, passer de 16 à 24 bits augmente la taille du fichier de 50%. 

5. Débats et considérations psychoacoustiques 

5.1. Audibilité des différences 

La capacité de l’oreille humaine à discerner les différences entre 16 et 24 bits dans des conditions d’écoute réelles fait l’objet de débats continus dans la communauté audiophile et scientifique. 

5.2. Contexte d’écoute 

L’environnement d’écoute, y compris le bruit ambiant et la qualité du matériel de reproduction, influence significativement la perception des avantages d’une profondeur de bits accrue. 

III. Le débit binaire  

Le débit binaire, également connu sous le terme anglais « bit rate », représente la quantité de données numériques transmises ou traitées par unité de temps, généralement exprimée en bits par seconde (bps) ou ses multiples (kbps, Mbps). 

1. Définition et concepts fondamentaux 

1.1. Définition formelle 

Le débit binaire (D) peut être défini mathématiquement comme le produit de la fréquence d’échantillonnage (Fe), de la profondeur de bits (B), et du nombre de canaux (C) : 

D = Fe × B × C 

Cette formule s’applique aux formats audio non compressés, tels que le PCM (Pulse Code Modulation) utilisé dans les fichiers WAV ou AIFF. 

1.2. Types de débits binaires 

On distingue deux catégories principales de débits binaires : 

a) Débit binaire constant (CBR – Constant Bit Rate) : Le flux de données maintient un débit constant tout au long du fichier. 

b) Débit binaire variable (VBR – Variable Bit Rate) : Le débit s’adapte dynamiquement en fonction de la complexité du signal audio. 

2. Implications du débit binaire sur la qualité audio 

2.1. Relation entre débit binaire et qualité 

En général, un débit binaire plus élevé permet de représenter le signal audio avec une plus grande précision, ce qui se traduit potentiellement par une meilleure qualité sonore. Cependant, cette relation n’est pas strictement linéaire et dépend de nombreux facteurs, notamment l’efficacité de l’algorithme de compression utilisé. 

2.2. Théorème de Nyquist-Shannon 

Ce théorème fondamental de la théorie de l’information stipule que la fréquence d’échantillonnage doit être au moins deux fois supérieure à la fréquence maximale du signal à échantillonner. Ainsi, pour capturer l’intégralité du spectre audible humain (généralement considéré comme s’étendant de 20 Hz à 20 kHz), une fréquence d’échantillonnage minimale de 40 kHz est nécessaire. 

3. Débits binaires dans différents formats audio 

3.1. Formats non compressés 

• CD Audio : 1411 kbps (44.1 b kHz, 16 bits, stéréo) 

• DVD Audio : jusqu’à 9216 kbps (192 kHz, 24 bits, 6 canaux) 

3.2. Formats compressés avec perte 

• MP3 : typiquement de 128 à 320 kbps 

• AAC : généralement de 96 à 256 kbps 

• Ogg Vorbis : variable, souvent de 80 à 500 kbps 

3.3. Formats compressés sans perte 

• FLAC : variable, généralement 50-70% du débit PCM original 

• ALAC : similaire au FLAC 

4. Impact du débit binaire sur la taille des fichiers 

La taille d’un fichier audio peut être calculée en multipliant le débit binaire par la durée du  
fichier : Taille (octets) = Débit (bits/s) × Durée (s) / 8 

Cette relation souligne l’importance du choix du débit binaire dans le compromis entre qualité audio et taille de fichier, particulièrement crucial dans les contextes de streaming ou de stockage limité. 

5. Considérations psychoacoustiques 

Les codecs audio modernes exploitent les principes de la psychoacoustique pour optimiser l’allocation du débit binaire. Des phénomènes tels que le masquage fréquentiel et temporel sont utilisés pour allouer moins de bits aux composantes du signal moins perceptibles, permettant ainsi d’atteindre une qualité perçue élevée avec des débits relativement bas. 

6. Implications pour le streaming et la diffusion 

6.1. Adaptation au débit (Adaptive Bitrate Streaming) 

Les technologies de streaming modernes ajustent dynamiquement le débit binaire en fonction de la bande passante disponible, garantissant ainsi une expérience d’écoute optimale dans des conditions réseau variables. 

6.2. Normes de diffusion 

Les organismes de radiodiffusion et les services de streaming ont établi des normes de débit binaire minimal pour assurer une qualité audio acceptable. Par exemple, de nombreux services de streaming musical utilisent un minimum de 128 kbps pour la diffusion en qualité standard. 

IV. L’ère de la compression audio

La démocratisation de la musique numérique s’est initialement appuyée sur des techniques de compression du son, visant à réduire la taille des fichiers pour faciliter leur stockage, leur transfert et leur lecture sur des appareils aux capacités limitées.

1. Les formats compressés avec perte de qualité 

1.1. Le MP3 : un standard 

Le format MP3 (MPEG-1/2 Audio Layer 3), dont la norme internationale ISO/CEI 13818-3 fut publiée pour la première fois en 1995, s’est imposé comme le standard de la musique numérique compressée, grâce à : 

• sa large compatibilité entre différents systèmes et appareils, 

• sa capacité à réduire significativement la taille des fichiers (facteur 10 à 12), 

• un équilibre acceptable entre compression et qualité sonore perçue. 

1.2. Principes techniques du MP3 

Le MP3 utilise un encodage perceptuel basé sur les limites de l’audition humaine : 

• Suppression des fréquences inaudibles (masquage fréquentiel), 

• Réduction de la précision des sons moins perceptible 

• Débit variable de 8 kbps à 320 kbps, avec une qualité proche du CD à 256-320 kbps 

1.3. Limites de la compression avec perte 

Malgré ses avantages pratiques, la compression MP3 entraîne : 

• une perte irréversible d’informations audio, 

• une réduction de la dynamique et de la spatialisation sonore, 

• une potentielle altération du timbre des instruments. 

2. Les formats audio sans perte (lossless) 

En réponse aux limitations des pertes engendrés par la compression audio, de nouveaux formats de compression sans perte, préservant l’intégralité des données sonores, ont été développés, coexistant avec des formats non compressés. 

2.1. WAV (Waveform Audio File Format) 

Le format WAV (Waveform Audio File Format) est un standard de fichier audio non compressé développé conjointement par Microsoft et IBM en 1991, parallèlement aux recherches ayant abouti à la publication de la norme MP3. Il s’agit d’un format conteneur basé sur la structure RIFF (Resource Interchange File Format), capable d’encapsuler des données audio sous diverses formes de codage. Cependant, son utilisation la plus courante concerne le stockage de données audio PCM (Pulse Code Modulation) non compressées. 
Une de ses principales limitations, au regard des standards de l’industrie musicale moderne, est que le format WAV permet la saisie d’assez peu de métadonnées.  

Le format WAV supporte divers arrangements de canaux : 

• Mono (1 canal) 

• Stéréo (2 canaux) 

• Multicanal (jusqu’à 18 canaux dans certaines implémentations) 

Les valeurs courantes de fréquences d’échantillonnage du format WAV incluent : 

• 44.1 kHz (standard CD) 

• 48 kHz (standard pour l’audio professionnel et la vidéo) 

• 96 kHz et 192 kHz (pour l’audio haute résolution) 

Les valeurs typiques de profondeur de bits sont : 

• 16 bits (standard CD, offrant une plage dynamique théorique de 96 dB) 

• 24 bits (audio professionnel, plage dynamique théorique de 144 dB) 

• 32 bits (utilisé principalement en studio pour le traitement audio) 

En raison de l’absence de compression, les fichiers WAV sont généralement volumineux. Par exemple, une minute d’audio stéréo en qualité CD (44.1 kHz, 16 bits) occupe environ 10 Mo. 

Calcul de la taille : Taille (octets) = Durée (s) × Fréquence d’échantillonnage × Profondeur de bits × Nombre de canaux / 8 

En résumé, les principales caractéristiques du format WAV à retenir sont :  

• Format non compressé développé par Microsoft et IBM 

• Format permettant une haute résolution 

• Poids important des fichiers 

• Prise en charge limitée des métadonnées comparé à certains formats modernes (FLAC, AIFF, MP3) 

2.2. FLAC (Free Lossless Audio Codec) 

Le format FLAC (Free Lossless Audio Codec) représente une avancée significative dans le domaine de la compression audio sans perte : cela signifie que le signal sonore peut être reconstruit à l’identique après décompression. Le FLAC atteint cet objectif en exploitant les redondances inhérentes aux signaux audio. 

Le processus débute par une segmentation du flux audio en blocs. La taille de ces blocs est généralement configurable, avec une valeur par défaut de 4096 échantillons. Cette segmentation permet une analyse et un traitement localisés du signal. 
L’étape clé du processus FLAC est la prédiction linéaire. Cette technique s’appuie sur l’hypothèse que chaque échantillon audio peut être approximé par une combinaison linéaire des échantillons précédents.  
La différence entre les valeurs prédites et les valeurs réelles constitue le signal résiduel. Ce signal résiduel contient généralement moins d’information que le signal original, ce qui facilite sa compression. FLAC utilise diverses techniques de codage entropique pour représenter efficacement ces résidus. 
Les résidus sont ensuite encodés à l’aide d’un codage entropique, généralement le codage de Rice ou une variante. Cette étape compresse davantage les données en attribuant des codes plus courts aux valeurs les plus fréquentes. 

Pour les signaux stéréo, le FLAC peut exploiter la corrélation entre les canaux gauche et droit pour améliorer la compression. 

Le FLAC peut également subdiviser les blocs en sous-blocs si cela améliore la compression. Cette technique est particulièrement efficace pour les signaux présentant des transitions rapides ou des caractéristiques spectrales variables. 

Enfin, le format FLAC intègre un système flexible de métadonnées, permettant l’incorporation d’informations telles que les tags ID3, les pochettes d’album, et d’autres métadonnées spécifiques.  

En résumé, voici les caractéristiques principales du format FLAC :  

• Codec open source compressant les données audio sans perte de qualité 

• Utilise la prédiction linéaire pour réduire la redondance des échantillons audio 

• Taux de compression variant de 30% à 70% par rapport au WAV 

• Préservation des métadonnées (tags) 

2.3. Formats spécifiques à l’écosystème Apple 

• AIFF (Audio Interchange File Format) : Équivalent du WAV pour macOS 

• ALAC (Apple Lossless Audio Codec) : Format compressé sans perte propriétaire d’Apple 

IV. L’émergence de l’audio haute résolution (Hi-Res Audio) 

L’audio haute résolution vise à dépasser les limitations du format CD en offrant une qualité sonore supérieure. Selon un consortium d’acteurs majeurs de l’industrie, le Hi-Res Audio se définit comme :  » Un audio sans perte, capable de reproduire tout le spectre sonore des enregistrements masterisés à partir de sources musicales de qualité supérieure à celle du CD. » 

1. Spécifications techniques 

Les formats Hi-Res se distinguent par : 

a) Fréquence d’échantillonnage élevée : 

• CD standard : 44.1 kHz 

• Hi-Res : 88.2 kHz, 96 kHz, 176.4 kHz, 192 kHz, voire au-delà 

b) Profondeur de bits accrue : 

• CD standard : 16 bits 

• Hi-Res : 24 bits, parfois 32 bits 

c) Débit binaire supérieur : 

• CD standard : 1411 kbps 

• Hi-Res : Variable, généralement > 2000 kbps 

2. Avantages théoriques 

• Réponse en fréquence étendue (jusqu’à 96 kHz pour un échantillonnage à 192 kHz) 

• Gamme dynamique accrue (jusqu’à 144 dB pour 24 bits) 

• Réduction du bruit de quantification 

• Reproduction plus fidèle des transitoires et des harmoniques 

• Amélioration de la précision de l’image stéréophonique 

3. Formats Hi-Res courants 

a) PCM linéaire : 

• WAV et AIFF (non compressés) 

• FLAC et ALAC (compressés sans perte) 

b) DSD (Direct Stream Digital): 

• DSD (DFF) : utilisé dans les équipements professionnels et les SACD 

• DSD (DSF) : variante adaptée à l’utilisation sur PC 

L’évolution des formats audio numériques reflète une quête continue de l’équilibre optimal entre praticité et qualité sonore. Si les formats compressés comme le MP3 ont permis une démocratisation sans précédent de la musique numérique, l’émergence de l’audio haute résolution témoigne d’une volonté de retrouver, voire de dépasser, la fidélité des supports analogiques. Bien que ses bénéfices fassent l’objet de débats au sein de la communauté audiophile, l’audio haute résolution offre indéniablement une alternative de haute qualité aux formats compressés traditionnels, répondant aux attentes des auditeurs les plus exigeants et ouvrant de nouvelles perspectives pour l’industrie musicale. 

4. Avantages perçus de l’audio haute résolution 

• Richesse sonore accrue 

• Meilleure spatialisation 

• Préservation des nuances et des détails subtils 

5. Controverses scientifiques 

• Pertinence des fréquences ultrasonores (> 20 kHz) pour la perception humaine 

• Capacité réelle de l’oreille à discriminer les différences de dynamique au-delà de 16 bits 

La haute résolution ne serait-elle qu’un argument marketing ? L’objet de cet article n’étant pas de trancher sur la question, mais plutôt de faire un tour d’horizon complet des différents formats pour que chacun puisse se faire sa propre idée, voici le lien d’un site permettant d’effectuer des tests en aveugle entre des fichiers audio MP3 encodés à 320 kbps et les mêmes fichiers en version non compressée. 

V. Écosystème du streaming musical 

Maintenant que vous savez tout sur les formats audio, voici une liste des principales plateformes de streaming, et leurs caractéristiques techniques :  

1. Spotify 

• Débits binaires : 

• 96 kbps : utilisé en mode  » Normal  » sur mobile. 

• 160 kbps : qualité  » Standard  » Standard sur ordinateur et mobile. 

• 320 kbps : qualité  » Élevée » pour les abonnés Spotify Premium. 

• Format audio : Ogg Vorbis. 

2. Apple Music 

• Débits binaires : 

• 256 kbps : AAC (Advanced Audio Codec), utilisé pour la qualité standard. 

• ALAC (Apple Lossless Audio Codec) : pour l’audio sans perte (lossless) avec des débits allant jusqu’à 24 bits/192 kHz. 

• Format audio : AAC pour le streaming standard, ALAC pour le lossless. 

3. Amazon Music 

• Débits binaires : 

• SD (Standard Definition) : 128 kbps (AAC). 

• HD (High Definition) : 850 kbps (16 bits/44.1 kHz, FLAC). 

• Ultra HD : jusqu’à 3730 kbps (24 bits/192 kHz, FLAC). 

• Format audio : AAC pour la qualité standard, FLAC pour HD et Ultra HD. 

4. Deezer 

• Débits binaires : 

• 128 kbps : pour les utilisateurs gratuits (MP3). 

• 320 kbps : pour les abonnés Deezer Premium (MP3). 

• 1411 kbps : qualité CD pour les abonnés Deezer HiFi (16 bits/44.1 kHz, FLAC). 

• Format audio : MP3 pour les abonnés standard, FLAC pour les abonnés HiFi. 

5. YouTube Music 

• Débits binaires : 

• 128 kbps : pour la qualité standard. 

• 256 kbps : pour la qualité élevée. 

• Format audio : AAC. 

6. Qobuz 

• Débits binaires : 

• 320 kbps : MP3. 

• FLAC 16 bits/44.1 kHz : qualité CD. 

• FLAC 24 bits/192 kHz : Hi-Res Audio. 

• Format audio : MP3 pour la qualité standard, FLAC pour Hi-Res. 

7. Tidal 

• Débits binaires : 

• 96 kbps : pour le mode  » Normal  » (AAC). 

• 320 kbps : qualité  » Haute  » (AAC). 

• 1411 kbps : Lossless (16 bits/44.1 kHz, FLAC). 

• MQA (Master Quality Authenticated) : variable, jusqu’à 9216 kbps pour l’audio haute résolution. 

• Format audio : AAC pour la qualité standard, FLAC pour lossless, MQA pour les fichiers haute résolution. 

8. Napster 

• Débits binaires : 

• 64 kbps : pour les réseaux mobiles lents. 

• 192 kbps : qualité standard. 

• 320 kbps : qualité élevée. 

• Format audio : AAC. 

9. Pandora 

• Débits binaires : 

• 64 kbps : pour les utilisateurs gratuits (AAC+). 

• 192 kbps : pour les abonnés Pandora Plus et Premium (AAC). 

• Format audio : AAC.