Aller au contenu
Encyclopédie informatique Édition 2026

Le son numérique

Partie 2 sur 4

Niveau de lecture :

3L’échantillonnage

Pour représenter un son sur un ordinateur, il faut arriver à le convertir en valeurs numériques. Il s’agit de relever de petits échantillons de son, ce qui revient à relever des différences de pression, à des intervalles de temps précis. On appelle cette action l’échantillonnage ou la numérisation du son. L’intervalle de temps entre deux échantillons détermine le taux d’échantillonnage.

Pour restituer un son qui semble continu à l’oreille, il faut des échantillons tous les quelques cent-millièmes de seconde. Il est donc plus pratique de raisonner sur le nombre d’échantillons par seconde, exprimé en hertz (Hz), ou en kilohertz (kHz, mille hertz). Trois valeurs reviennent souvent : 44 100 Hz pour la qualité d’un disque compact, 22 000 Hz pour la qualité d’une radio, 8 000 Hz pour la qualité d’un téléphone (figure 2).

TAUX D’ÉCHANTILLONNAGE ET USAGES (EN HERTZ, ÉCHELLE LINÉAIRE) 8 000 Hz téléphone 22 050 Hz radio, vieux jeux 44 100 Hz disque compact, musique 48 000 Hz vidéo, studio, cinéma 96 000 Hz enregistrement haute résolution Règle de Nyquist-Shannon : prendre au moins deux fois la plus haute fréquence à garder. L’oreille va jusqu’à 20 000 Hz, d’où 44 100.
Figure 2. Les taux d’échantillonnage usuels et leurs usages.

3.1Pourquoi 44 100 ? Le théorème de Nyquist-Shannon

La valeur du taux d’échantillonnage d’un disque compact n’est pas arbitraire : elle découle du théorème de Shannon, aussi appelé théorème de Nyquist-Shannon, du nom de deux ingénieurs américains, Harry Nyquist et Claude Shannon. Il affirme que, pour préserver la forme d’un signal, la fréquence d’échantillonnage doit être égale ou supérieure au double de la fréquence maximale contenue dans ce signal. Si l’on veut garder des sons jusqu’à 20 000 hertz, il faut donc au moins 40 000 mesures par seconde pour obtenir une qualité satisfaisante. Le choix de 44 100 laisse une marge, car les filtres qui éliminent les fréquences trop hautes avant la numérisation ne coupent jamais net : il leur faut un peu d’espace entre ce que l’on garde (20 000 Hz) et la moitié du taux d’échantillonnage (22 050 Hz).

Que se passe-t-il si l’on ne respecte pas la règle ? Le phénomène s’appelle le repliement (en anglais aliasing). Les fréquences trop élevées pour être suivies sont « repliées » vers des fréquences plus basses, où elles sonnent comme des fausses notes parasites qui n’existaient pas dans l’original. L’effet est le même que celui des roues de diligence qui semblent tourner à l’envers dans les vieux films : l’image n’est prise que 24 fois par seconde, trop peu pour suivre le mouvement. Voilà pourquoi la téléphonie à 8 000 Hz ne transmet que les sons jusqu’à 4 000 Hz environ : la voix reste compréhensible, mais perd ses aigus, ce qui rend les « s » et les « f » difficiles à distinguer, et la musique y sonne pauvrement.

3.2Les fréquences normalisées

Il existe un certain nombre de fréquences d’échantillonnage normalisées, c’est-à-dire fixées par des standards pour que les appareils se comprennent. En voici trois :

  • 32 kHz : la radio FM numérique, dont la bande passante est limitée à 15 kHz ;
  • 44,1 kHz : l’audio professionnel et les compact-disques ;
  • 48 kHz : les enregistreurs numériques multipistes professionnels et l’enregistrement grand public (cassettes numériques DAT, MiniDisc, etc.).

Aujourd’hui, le 48 kHz est devenu la fréquence de la vidéo et du cinéma, et donc de la plupart des applications de visioconférence et des plateformes vidéo ; le 44,1 kHz reste celui de la musique distribuée selon l’héritage du disque compact. Les studios enregistrent volontiers à 96 kHz ou 192 kHz, non parce que l’oreille les perçoit (les sons au-dessus de 20 kHz sont inaudibles) mais pour disposer de marges lors des traitements. Pour écouter, la différence entre 44,1 et 96 kHz est, dans les tests en aveugle, rarement perceptible.

Convertir de l’un à l’autre, par exemple passer un enregistrement de 48 kHz vers 44,1 kHz, exige un calcul de ré-échantillonnage qui, mal fait, ajoute de petites déformations. C’est pourquoi les logiciels sérieux travaillent à une fréquence fixe pendant tout le projet.

Pour s’exercer

Exercice 1 : la taille d’un morceau

Un morceau dure 4 minutes. Calculez sa taille non compressée en qualité disque compact (44 100 Hz, 16 bits, stéréo).

Voir la réponse

4 minutes = 240 secondes. 44 100 × 16 × 240 × 2 = 338 688 000 bits, soit 42 336 000 octets, environ 42,3 mégaoctets. Vérification : une minute pèse 10,6 mégaoctets, donc 4 minutes en font 42,3.

Exercice 2 : le téléphone

Une ligne téléphonique numérise la voix à 8 000 Hz sur 8 bits en mono. Quel est le débit en bits par seconde ? Quelle fréquence maximale peut-on transmettre ?

Voir la réponse

8 000 × 8 × 1 = 64 000 bits par seconde, soit 64 kilobits par seconde. D’après le théorème de Nyquist-Shannon, la fréquence maximale est la moitié du taux d’échantillonnage : 4 000 Hz. En pratique la voix est filtrée vers 3 400 Hz. C’est la raison pour laquelle les aigus manquent au téléphone.

Exercice 3 : choisir un taux d’échantillonnage

Un ingénieur veut enregistrer des sons contenant des fréquences jusqu’à 18 000 Hz. Quel est le taux minimum ? Pourquoi choisit-on quand même 44 100 Hz ?

Voir la réponse

Le minimum est le double : 36 000 Hz. On prend davantage parce que les filtres qui retirent les fréquences trop hautes avant la numérisation ne coupent pas net : il faut une marge, ce qui donne 44 100 Hz (marge jusqu’à 22 050 Hz). Cela permet aussi de couvrir toute la bande audible, jusqu’à 20 000 Hz.

4La représentation informatique du son

À chaque échantillon, correspondant à un intervalle de temps, est associée une valeur qui détermine la pression de l’air à ce moment. Le son n’est donc plus représenté comme une courbe continue présentant des variations, mais comme une suite de valeurs, une par intervalle de temps. Mais combien de valeurs différentes peut prendre chaque échantillon ?

L’ordinateur travaille avec des bits ; il faut donc fixer le nombre de bits sur lequel on code les valeurs des échantillons. C’est la quantification. Avec un codage sur 8 bits, on a 28 possibilités, c’est-à-dire 256 valeurs possibles. Avec un codage sur 16 bits, on a 216, soit 65 536 valeurs possibles. Avec la seconde représentation, on aura bien évidemment une qualité de son bien meilleure, mais aussi un besoin en mémoire beaucoup plus important.

4.1Ce que change le nombre de bits

L’échantillonnage découpe le son dans le temps ; la quantification le découpe en hauteur. On peut se représenter la courbe sur une feuille quadrillée : le taux d’échantillonnage fixe la finesse des colonnes, le nombre de bits la finesse des lignes. Un codage sur 8 bits n’offre que 256 niveaux : les nuances faibles sont écrasées, et on entend un souffle de fond, le bruit de quantification, qui vient de l’écart entre la vraie valeur et celle, arrondie, que l’on a notée. Chaque bit supplémentaire double le nombre de niveaux et réduit ce bruit d’environ 6 décibels. Un codage sur 16 bits donne une plage dynamique (l’écart entre le son le plus faible et le plus fort que l’on peut noter) d’environ 96 décibels, ce qui suffit à la musique de salon. Les studios enregistrent sur 24 bits, soit environ 16,7 millions de niveaux et 144 décibels, pour conserver de la marge lors du mixage, quand on amplifie ou atténue les pistes. Certains logiciels travaillent sur 32 bits en nombres à virgule, afin qu’aucune saturation ne soit possible en cours de traitement.

4.2Les voies : mono, stéréo, multicanal

Enfin la stéréophonie nécessite deux canaux, que l’on enregistre individuellement : un son fourni au haut-parleur de gauche, ainsi qu’un son diffusé sur celui de droite. L’oreille humaine, qui localise les sons grâce aux petites différences entre ce qui arrive à gauche et à droite, y reconnaît un espace sonore. Un son est donc représenté, informatiquement, par plusieurs paramètres : la fréquence d’échantillonnage, le nombre de bits d’un échantillon, et le nombre de voies. Une seule voie correspond à du mono, deux à de la stéréo, quatre à de la quadriphonie (quatre haut-parleurs répartis aux coins de la pièce, qui fut une mode éphémère dans les années 1970). Les systèmes actuels peuvent aller bien au-delà, comme nous le verrons pour le home cinéma (partie 8).

Pour s’exercer

Exercice 4 : le nombre de niveaux

Combien de valeurs différentes peut prendre un échantillon codé sur 8 bits, 16 bits, 24 bits ? Quel gain pour chaque bit ajouté ?

Voir la réponse

28 = 256 ; 216 = 65 536 ; 224 = 16 777 216. Chaque bit supplémentaire double le nombre de niveaux et réduit le bruit de quantification d’environ 6 décibels. Passer de 16 à 24 bits fait gagner 8 bits, donc environ 48 décibels de plage dynamique.