La compression de données
Partie 4 sur 4
7Les outils d’aujourd’hui
Les méthodes de base se combinent, car elles agissent à des niveaux différents : LZ77 traite les répétitions de suites, Huffman traite la fréquence des symboles restants. En les enchaînant, on obtient de meilleurs résultats que chacune seule.
7.1Deflate : ZIP, gzip et PNG
Deflate, conçu à la fin des années 1980 par Phil Katz pour le format ZIP, enchaîne LZ77 puis Huffman. Il est à la base des archives ZIP, des fichiers gzip (très employés sous Linux et sur le Web), des images PNG, et de nombreux autres formats comme les documents de la suite bureautique (un fichier « .docx » ou « .odt » est en réalité une archive ZIP d’un document). C’est la méthode la plus répandue au monde, gratuite et sans brevet. On attribue parfois à LZ77 les formats ZIP, ARJ et LHA : c’est exact pour l’esprit, à la nuance près que ZIP a ajouté Huffman à LZ77.
7.2Les compresseurs récents
- bzip2 (1996) et xz (2009, algorithme LZMA) compressent mieux que Deflate, au prix d’une durée plus longue ; xz sert à diffuser de nombreux logiciels sous Linux.
- zstd (Zstandard, 2015, de la société Facebook) offre un très bon taux avec une vitesse élevée, et s’est imposé dans les systèmes de fichiers, les bases de données et les sauvegardes.
- Brotli (2015, de Google) est conçu pour le Web : navigateurs et serveurs l’emploient pour compresser les pages, grâce à un dictionnaire intégré de mots courants du Web.
- LZ4 sacrifie le taux pour la vitesse, et sert quand le temps compte plus que l’espace (mémoire d’un téléphone, bases de données).
Tous restent sans pertes et reposent sur les idées vues plus haut : renvois vers ce qui précède, codage statistique des symboles. Ils diffèrent par le compromis entre taux, vitesse et mémoire utilisée.
7.3Avec pertes : les images, le son, la vidéo
La compression avec pertes suit un schéma commun : on transforme les données de façon à séparer l’important du négligeable, on supprime le négligeable (c’est la perte), puis on compresse sans pertes ce qui reste, souvent avec Huffman ou un codage arithmétique.
- JPEG découpe l’image en petits blocs de 8 × 8 points, les décompose en variations lentes et rapides, et arrondit fortement les variations rapides, auxquelles l’œil est peu sensible. Plus on arrondit, plus le fichier est petit et plus on voit apparaître des « blocs » et des halos.
- MP3, AAC et Ogg Vorbis suppriment les sons que l’oreille ne perçoit pas : sons trop aigus ou trop graves, sons faibles masqués par un son fort. Un fichier MP3 est typiquement dix fois plus petit que le CD d’origine.
- Les formats vidéo (H.264, H.265, AV1) ajoutent une idée décisive : d’une image à la suivante, la plus grande partie ne change pas. Ils ne codent donc que les différences, avec des images complètes de loin en loin.
Ces formats sont traités dans les articles sur les formats d’image, les formats audio et la vidéo. Retenez seulement le principe : les pertes sont choisies pour être, autant que possible, invisibles, mais elles sont définitives, et elles s’accumulent si l’on recompresse plusieurs fois.
Pour s’exercer
Exercice 7 : choisir le bon format
Pour chacun, choisissez avec ou sans pertes, et justifiez : une facture en PDF, une capture d’écran de menu, une photo de famille, un enregistrement de conférence, un programme à installer.
Voir la réponse
Facture : sans pertes (un chiffre altéré serait une erreur). Capture d’écran : PNG, sans pertes, car les aplats et le texte nets se compriment très bien en RLE et Deflate, alors que JPEG ferait apparaître des halos. Photo : JPEG ou équivalent avec pertes, car l’œil tolère la perte et le gain est important. Conférence : avec pertes (AAC ou Opus pour la voix), le MP3 ou l’AAC étant largement suffisants pour de la parole. Programme : sans pertes obligatoirement, puisqu’un seul bit altéré peut le rendre inutilisable.
8La compression au quotidien
8.1Archives et regroupement de fichiers
Une archive (ZIP, 7z, tar.gz…) regroupe plusieurs fichiers en un seul et les compresse (voir les archives compressées). Regrouper aide la compression : la répétition entre fichiers voisins est exploitée. On peut aussi y ajouter un mot de passe, mais attention : l’ancien chiffrement du format ZIP est faible, et seul le chiffrement AES, proposé par les outils modernes, offre une protection sérieuse.
8.2Compression transparente
Beaucoup de systèmes compressent sans que vous le sachiez : certains systèmes de fichiers (voir les systèmes de fichiers), les serveurs web qui envoient des pages compressées, les téléphones qui compressent les photos à l’enregistrement, les logiciels de messagerie. Quand le travail de compression est caché, il faut garder en tête que la taille affichée est celle des données compressées, qui peut varier selon leur contenu.
8.3Que choisir ?
- Documents, programmes, données : sans pertes, toujours (ZIP pour la compatibilité, zstd ou xz pour l’efficacité).
- Images de type dessin, capture d’écran, logo : PNG (sans pertes).
- Photographies : JPEG ou WebP/AVIF, avec un niveau de qualité raisonnable (entre 75 et 90 %).
- Musique : FLAC pour conserver sans pertes ; AAC ou Ogg Vorbis pour les usages courants.
- Fichiers déjà compressés (JPEG, MP3, vidéos, ZIP) : ne les recompressez pas.
9Erreurs courantes et évolutions
Les bases sont solides, avec quelques approximations à corriger.
- Les mesures. Le quotient, le taux et le gain étaient définis dans un ordre qui prête à confusion ; l’usage courant est le rapport taille compressée sur taille d’origine.
- L’exemple de Huffman. Le tableau de fréquences de « COMMENT_CA_MARCHE » comptait deux C au lieu de trois.
- LZ78 et les images. Il n’est pas spécialisé dans les images : c’est un compresseur général.
- LZW « travaille sur des bits ». Il manipule des octets et émet des codes de largeur croissante.
- PNG et LZ77. PNG utilise Deflate, qui combine LZ77 et Huffman.
- Le brevet de LZW est expiré depuis 2003-2004.
- Les compresseurs récents (zstd, Brotli, LZ4) et les codages ANS n’existaient pas ; la compression vidéo est devenue la première consommatrice de ces techniques.
- Ce qui reste vrai : la compression échange du calcul contre de la place et du temps de transmission ; la méthode dépend du type de données ; on ne peut pas tout compresser.