Aller au contenu
Encyclopédie informatique Édition 2026

Les formats audio : MP3, AAC, FLAC, Ogg

Partie 2 sur 4

Niveau de lecture :

3Le MP3 : retirer ce que l’oreille n’entend presque pas

Le MP3 est le nom courant du « MPEG Audio Layer III » (couche III de l’audio MPEG). MPEG est le Moving Picture Experts Group, groupe d’experts chargé par les organismes internationaux de normalisation (l’Organisation internationale de normalisation et la Commission électrotechnique internationale) de définir les formats de son et d’image animée. La norme date de 1993. Elle doit beaucoup aux travaux de l’institut allemand Fraunhofer et de l’ingénieur Karlheinz Brandenburg. On annonce un taux de compression de 12 pour 1 par rapport au disque compact ; c’est bien l’ordre de grandeur pour le débit le plus courant, 128 kbit/s.

Un débit est une quantité de bits par seconde. Un disque compact en consomme 1 411 200 (44 100 mesures × 16 bits × 2 voies), soit environ 1 411 kilobits par seconde (kbit/s ; un kilobit vaut mille bits). Un MP3 à 128 kbit/s en consomme onze fois moins. On écrit aussi « kbps » (kilobits per second) ; les deux notations désignent la même unité.

DU DISQUE COMPACT AU FICHIER MP3 : LES ÉTAPES D’UN CODEUR AVEC PERTE Son brut disque compact, 1 411 kbit/s Bandes graves, médiums, aigus séparés Modèle de l’oreille : quels sons sont masqués ? Quantification arrondir peu ou beaucoup Codes courts valeurs fréquentes (Huffman) Fichier MP3 trames de 26 ms, 128 kbit/s ICI SE PERD de l’information ICI RIEN ne se perd Au final, le fichier est environ onze fois plus petit : 1 411 divisé par 128 donne 11. Le décodeur refait le chemin en sens inverse, mais il ne peut pas retrouver ce qui a été arrondi.
Figure 1. Les étapes d’un codeur MP3. Seule la quantification perd de l’information ; les autres étapes la préparent ou la rangent sans perte.

3.1L’idée de départ : un modèle de l’audition

Le MP3 n’essaie pas de reproduire le signal exact. Il cherche à reproduire ce que l’oreille perçoit. Il s’appuie pour cela sur la psychoacoustique, la science qui étudie comment le cerveau interprète les sons. Trois résultats sont employés.

  • Les limites de l’oreille. Une oreille jeune entend de 20 hertz (20 vibrations par seconde) à 20 000 hertz. Elle est la plus sensible entre 2 000 et 5 000 hertz, et très peu sensible aux extrémités ; les courbes qui le montrent s’appellent les courbes d’égale sonie (établies par Fletcher et Munson dans les années 1930). Un son très grave ou très aigu doit être bien plus fort pour être entendu. On place parfois la voix entre 500 et 2 000 hertz ; c’est plutôt la partie de la voix qui porte le sens des mots qui s’étend de 300 à 3 400 hertz environ, la bande du téléphone, tandis que la hauteur de la voix elle-même est plus basse (100 à 250 hertz environ).
  • L’effet de masque. Un son fort empêche d’entendre un son plus faible de fréquence voisine. On peut le comparer à un oiseau qui passe devant le soleil : on ne le voit pas, tant la lumière est forte. Un autre exemple : dans une rue bruyante, on n’entend pas le murmure d’une personne placée à côté de soi. Le codeur calcule, pour chaque morceau de son, quels sons sont ainsi masqués, et il ne les code pas, ou de façon grossière.
  • Le masque dans le temps. Un son fort masque aussi les sons faibles qui le précèdent ou le suivent de quelques millisecondes. C’est ce qui permet de ne pas coder certains détails autour d’un coup de cymbale.
L’EFFET DE MASQUE : UN SON FORT COUVRE LES SONS FAIBLES VOISINS niveau graves aigus fréquence seuil d’audition (dans le silence) courbe de masque : le seuil monte autour du son fort son fort audible : on le code masqué
Figure 2. L’effet de masque. Sous la courbe de masque, un son faible est inaudible : le codeur peut l’ignorer sans que l’oreille s’en aperçoive.

3.2Les étapes du codage

Voici, en simplifiant, ce que fait un codeur MP3 pour chaque trame. Une trame du MP3 regroupe 1 152 échantillons par voie, soit un peu plus de 26 millisecondes de son à 44 100 hertz.

  1. Découpe en bandes de fréquences. Un banc de filtres sépare le son en bandes (graves, médiums, aigus), puis un calcul mathématique décompose chaque bande finement, de façon à connaître la force du son à chaque fréquence.
  2. Analyse du masque. Le modèle psychoacoustique détermine, fréquence par fréquence, le seuil sous lequel un son est inaudible.
  3. Quantification. Chaque valeur est arrondie. Là où l’oreille est exigeante, on garde beaucoup de précision (beaucoup de bits) ; là où un son est masqué, on arrondit grossièrement, parfois jusqu’à zéro. C’est l’étape qui perd de l’information, et c’est elle qui fait baisser le débit.
  4. Codage de Huffman. Les valeurs restantes sont écrites avec un code de longueur variable : les valeurs fréquentes reçoivent de courts codes, les rares de longs codes, sans ambiguïté possible (aucun code n’est le début d’un autre). Cette étape ne perd rien. On la décrit parfois comme « un algorithme de codage (et non de compression) » ; c’est en réalité bel et bien une compression, mais sans perte, qui gagne de l’ordre de 20 % (voir La compression des données pour le principe).
  5. Assemblage. Les trames sont mises bout à bout, chacune précédée d’un petit en-tête qui indique le débit, le taux d’échantillonnage et le mode de voies. Le décodeur sait ainsi lire un fichier même coupé en son milieu : c’est la raison pour laquelle on peut tronquer un MP3 sans l’abîmer.

3.3Les astuces du MP3

Le MP3 emploie en plus deux mécanismes, que l’on décrit souvent de façon approximative.

  • Le réservoir de bits (bit reservoir). Certains passages, riches en détails, demandent plus de bits que la moyenne ; d’autres, presque silencieux, en demandent moins. Le codeur met en réserve les bits économisés dans les passages calmes et les dépense dans les passages difficiles. On parle parfois d’un « réservoir de bytes » ; ce sont bien des bits.
  • Le stéréo conjoint (joint stereo). Dans un morceau, les voies gauche et droite se ressemblent beaucoup. Au lieu de coder deux fois presque le même signal, le codeur code leur somme (le « milieu ») et leur différence (les « côtés ») ; la différence, souvent petite, coûte peu de bits. Une variante, dite d’intensité, ne garde pour les aigus qu’un seul signal accompagné d’un dosage gauche-droite, parce que l’oreille localise mal les sons très aigus. On explique parfois l’idée par l’exemple d’un caisson de basses unique dont on ne localise pas la position. Cette observation est vraie pour les graves, mais le mécanisme du MP3 repose surtout sur la somme et la différence.

3.4Débit constant, variable, moyen

Le MP3 propose plusieurs modes de débit.

  • Le débit constant (CBR, constant bit rate) donne à chaque trame le même nombre de bits. La taille du fichier est prévisible (durée × débit), ce qui convient pour la diffusion en direct, mais des bits sont gaspillés sur les passages simples.
  • Le débit variable (VBR, variable bit rate) laisse le codeur dépenser plus de bits là où le son est complexe, moins là où il est simple, pour viser une qualité constante. À qualité égale, le fichier est plus petit, mais sa taille est imprévisible.
  • Le débit moyen (ABR, average bit rate) est un compromis : le débit varie, mais autour d’une cible.

On présente parfois le débit variable comme une caractéristique de l’AAC et de l’Ogg Vorbis face au MP3. En réalité, le MP3 le permet aussi, et les bons codeurs actuels (le plus connu s’appelle LAME) l’utilisent volontiers : on règle alors un niveau de qualité plutôt qu’un débit.

3.5Le tableau des débits, corrigé

On trouve parfois un tableau qui relie un taux d’échantillonnage, un mode, un débit, une qualité et un taux de compression. Plusieurs lignes en sont fausses. Le rapport de compression se calcule en divisant le débit du son non compressé (taux × 16 bits × nombre de voies) par le débit du fichier. Voici les lignes recalculées.

Tableau 2. Les débits du MP3 : valeurs annoncées et rapports recalculés.
Taux d’échantillonnageVoiesDébit du MP3Qualité annoncéeCompression annoncéeCompression recalculée
11 025 Hzmono8 kbit/strès mauvaise200 pour 122 pour 1
22 050 Hzstéréo64 kbit/smauvaise25 pour 111 pour 1
44 100 Hzstéréo96 kbit/sacceptable16 pour 1environ 15 pour 1
44 100 Hzstéréo128 kbit/sbonne12 pour 111 pour 1
44 100 Hzstéréo196 kbit/strès bonne12 pour 1environ 7 pour 1

Aujourd’hui, 128 kbit/s est jugé tout juste correct par les oreilles exercées ; les débits de 192 à 256 kbit/s, ou le débit variable de bonne qualité, donnent le plus souvent un son indiscernable de l’original à l’écoute normale ; 320 kbit/s est le maximum de la norme. Ces jugements dépendent du morceau, du codeur et de l’écoute (casque ou haut-parleur de téléphone). On confond aussi souvent le taux d’échantillonnage (qui donne les fréquences les plus aiguës que le fichier peut contenir) et la bande de fréquences réellement conservée : le MP3 gère des taux de 8 à 48 kilohertz, mais, selon le débit, le codeur coupe les aigus bien avant (vers 16 kilohertz à 128 kbit/s, par exemple).

3.6Les balises : ID3

Un fichier MP3 ne contient pas par nature le titre du morceau. Pour y ranger titre, artiste, album, année et pochette, on lui ajoute des balises (tags), au format ID3. La première version tient en 128 octets placés à la fin du fichier et ne permet que des champs courts ; la version 2 se place au début et accepte des textes longs, des images et des paroles. Ces balises sont du texte, donc modifiables avec n’importe quel éditeur de balises. Nous verrons au paragraphe sur les risques qu’elles peuvent aussi révéler des informations personnelles.

Pour s’exercer

Exercice 1 : le gain d’un MP3

Un morceau dure 3 minutes. Calculez sa taille en WAV (44 100 Hz, 16 bits, stéréo), puis en MP3 à 128 kbit/s. Quel est le rapport entre les deux ?

Voir la réponse

En WAV : 44 100 × 16 × 2 × 180 secondes / 8 = 31 752 000 octets, soit environ 31,8 Mo. En MP3 : 128 000 bits par seconde × 180 / 8 = 2 880 000 octets, soit environ 2,9 Mo. Le rapport est de 31,75 / 2,88, soit environ 11 : le MP3 est onze fois plus petit. C’est le rapport des deux débits, 1 411 200 et 128 000 bits par seconde.

Exercice 2 : vérifier un taux de compression annoncé

Un tableau annonce pour un MP3 mono à 8 kbit/s, échantillonné à 11 025 Hz, un taux de compression de 200 pour 1. Est-ce plausible ?

Voir la réponse

Non. Le son non compressé en mono, 16 bits, 11 025 Hz, a un débit de 11 025 × 16 × 1 = 176 400 bits par seconde. Divisé par 8 000, cela donne 22 : le rapport est de 22 pour 1, non de 200. La même méthode montre que la ligne à 196 kbit/s (stéréo, 44 100 Hz) correspond à 1 411 200 / 196 000, soit environ 7 pour 1, et non à 12 pour 1.

Exercice 3 : combien de morceaux dans un téléphone ?

Un téléphone a 8 gigaoctets libres (8 milliards d’octets). Combien de morceaux de 4 minutes tiennent-ils en AAC à 256 kbit/s ? Et en FLAC, sachant qu’un morceau de 4 minutes y pèse environ 25 Mo ?

Voir la réponse

Un morceau en AAC fait 256 000 × 240 / 8 = 7 680 000 octets, soit 7,68 Mo. On en loge 8 000 000 000 / 7 680 000, soit environ 1 040. En FLAC, 8 000 / 25 = 320 morceaux. Le FLAC conserve tout, mais divise par trois la capacité par rapport à un bon fichier avec perte.

Exercice 4 : la limite des 4 gibioctets

Quelle est la durée maximale d’un fichier WAV stéréo à 44 100 Hz et 16 bits, sachant que les tailles sont codées sur 32 bits (232 octets au plus) ? Que devient cette durée à 96 000 Hz et 24 bits ?

Voir la réponse

Le débit est de 44 100 × 2 octets × 2 voies = 176 400 octets par seconde. La durée maximale est de 4 294 967 296 / 176 400, soit environ 24 350 secondes, soit près de 6 h 46 min. À 96 000 Hz et 24 bits (3 octets), le débit est de 96 000 × 3 × 2 = 576 000 octets par seconde, d’où 4 294 967 296 / 576 000, soit environ 7 460 secondes, un peu plus de 2 heures. Pour dépasser cette limite, on utilise un format qui écrit les tailles sur 8 octets, comme RF64.

Exercice 5 : lire un en-tête WAV

Voici les 44 premiers octets d’un fichier, en hexadécimal : 52 49 46 46 24 08 00 00 57 41 56 45 66 6D 74 20 10 00 00 00 01 00 01 00 44 AC 00 00 88 58 01 00 02 00 10 00 64 61 74 61 00 08 00 00. Quel est ce fichier, et combien de temps dure-t-il ?

Voir la réponse

Les quatre premiers octets « 52 49 46 46 » épellent RIFF, les octets 8 à 11 épellent WAVE, les octets 12 à 15 « fmt ». Le type de codage est 01 00, soit 1 : du PCM. Le nombre de voies est 01 00 : une seule, donc du mono. Le taux est 44 AC 00 00, à lire à l’envers (octet de poids faible d’abord) : 0xAC44, soit 44 100 Hz. Les octets par seconde valent 0x15888, soit 88 200 : 44 100 × 2 octets. Les bits par mesure sont 10 00, soit 16. Le bloc de données fait 00 08 00 00, soit 0x0800 = 2 048 octets, donc 1 024 échantillons de 16 bits, soit 1 024 / 44 100, environ 23 millisecondes. Vérification : la taille annoncée après RIFF est 0x0824 = 2 084, soit 2 048 + 36.

4L’AAC et le M4A : le successeur du MP3

L’AAC (Advanced Audio Coding, codage audio avancé) a été conçu pour remplacer le MP3 par le même groupe d’experts. Il a été normalisé en 1997 comme extension de la deuxième génération du MPEG, puis repris dans la quatrième. Il a été mis au point par Fraunhofer avec AT&T, Nokia, Sony et Dolby, et c’est aussi un format à brevets, ce qui explique que des sociétés versent une licence pour l’intégrer à leurs appareils.

4.1Ce qui change par rapport au MP3

  • Un codage plus fin. L’AAC emploie des blocs de calcul plus souples (jusqu’à 1 024 valeurs par bloc, ou huit blocs plus courts pour les attaques brusques), un modèle de masque plus précis et des outils de prédiction. À débit égal, il offre une meilleure qualité ; à qualité égale, il demande 20 à 30 % de bits en moins, selon les tests publiés.
  • Plus de voies et de taux. On lit que l’AAC gère « jusqu’à 48 canaux » et une « bande de fréquence 8 Hz – 96 kHz ». Le nombre de voies est correct. Pour le second chiffre, il s’agit des taux d’échantillonnage admis, de 8 à 96 kilohertz, et non d’une bande de fréquences audibles. Le MP3 ne dépasse pas deux voies dans son usage ordinaire.
  • Des profils. L’AAC se décline en versions. La version courante (AAC-LC, basse complexité) vise la musique à 128 kbit/s et plus. Les versions HE-AAC (haute efficacité) reconstituent les aigus à partir des graves, ce qui permet de descendre à 48 ou 64 kbit/s pour la radio sur Internet ou la diffusion mobile.

4.2Fichiers et appareils

L’AAC peut être rangé dans plusieurs conteneurs. Le plus répandu est le MPEG-4 partie 14, plus simplement le MP4, avec l’extension .m4a pour l’audio seul (on rencontre aussi .mp4 et .m4p, ce dernier pour les fichiers « protégés » par un système anticopie). Les fichiers bruts, sans enveloppe, portent l’extension .aac. Le format a été adopté très tôt par Apple pour sa boutique de musique en ligne ouverte en 2003 et pour ses lecteurs ; il est aujourd’hui l’un des formats de la vidéo en ligne, des téléphones et de la radio numérique. Les protections anticopie ont été abandonnées par les grandes boutiques de musique à la fin des années 2000 : elles relevaient d’un état du marché qui a disparu.

Convertir un fichier AAC en MP3 est possible, mais nous le déconseillons dans la plupart des cas : voir la section 7.2 sur la conversion en chaîne.