Aller au contenu
Encyclopédie informatique Édition 2026

La vidéo numérique et ses formats

Une vidéo, c’est une suite d’images affichées assez vite pour que l’œil croie voir du mouvement, accompagnée de son. Écrit ainsi, cela paraît simple. Pourtant, une minute de vidéo non compressée en haute définition pèserait plusieurs dizaines de gigaoctets : sans compression, ni le streaming, ni les téléphones, ni la télévision numérique n’existeraient. Cet article explique ce qu’est une vidéo, d’où viennent les anciennes normes de télévision (PAL, SECAM, NTSC) et les câbles d’autrefois, comment on mesure le débit d’une vidéo numérique, comment fonctionne la compression (les familles MPEG, H.264, H.265, AV1), ce qu’est un conteneur comme MKV ou MP4, et ce que dit la loi sur la copie.

Rubrique
Multimédia
Niveau
Intermédiaire
Lecture
33 min (essentiel)
36 min (complet)
Révision
9 novembre 2026
Niveau de lecture :

En bref

  • Une vidéo est une suite d’images (en général de 24 à 60 par seconde) accompagnée de son ; non compressée, elle représente des centaines de mégabits à chaque seconde.
  • La compression exploite deux redondances : à l’intérieur d’une image (zones uniformes) et d’une image à l’autre (ce qui ne bouge pas) ; un codec est le programme qui compresse et décompresse.
  • Un conteneur (MKV, MP4, WebM) range les pistes d’image, de son et de sous-titres ; il ne faut pas le confondre avec le codec qui compresse chaque piste.
  • Les codecs ont évolué par générations : MPEG-2 (DVD), H.264 (le plus répandu), H.265, puis AV1 (libre de redevances) ; chaque génération divise environ par deux le débit pour une qualité voisine.
  • Copier une œuvre pour son usage privé est permis sous conditions, mais la partager sans accord est interdit ; un faux « codec » à installer est un piège classique.

Prérequis conseillés : La compression de données

1Qu’est-ce qu’une vidéo ?

Une vidéo est une succession d’images affichées l’une après l’autre, à une cadence régulière, le plus souvent accompagnée de son. On lit souvent que l’œil humain est capable de distinguer environ 20 images par seconde, et qu’en en affichant davantage on le trompe pour lui faire croire à une image animée. L’idée est juste, mais le chiffre est trop simple : la perception du mouvement commence vers dix ou douze images par seconde, et la sensation de fluidité dépend aussi de la luminosité, de la vitesse des objets et de l’écran. On retient surtout des valeurs d’usage : 24 images par seconde pour le cinéma, 25 pour la télévision européenne, environ 30 pour la télévision américaine, 50 ou 60 pour le sport et les jeux vidéo.

Le nombre d’images affichées chaque seconde s’appelle la fréquence d’images (en anglais frame rate) et se note en images par seconde, ou « i/s ». On emploie aussi le sigle anglais FPS (frames per second) ; il reste très courant dans les jeux vidéo et les logiciels. La fluidité d’une vidéo dépend de cette fréquence, mais une fréquence élevée n’améliore pas une image mal définie : il faut regarder en même temps la définition, c’est-à-dire le nombre de points de l’image (par exemple 1 920 points de large sur 1 080 de haut).

La vidéo ne vit pas seule. Elle s’accompagne presque toujours d’une ou plusieurs pistes sonores (voir le son numérique et le son multicanal), de sous-titres, parfois de chapitres et d’informations descriptives. Cet article suit l’ordre historique : d’abord les images animées « à l’ancienne » (cinéma, télévision analogique, câbles), puis la vidéo numérique, ensuite la compression, qui rend tout cela transportable, puis les fichiers qui rangent le résultat, et enfin la loi.

1.1Trois familles d’images animées

On distingue trois familles, et cette distinction reste utile pour comprendre d’où viennent les normes actuelles.

  • Le cinéma enregistre une succession d’images sur une pellicule. À la projection, une lampe éclaire une copie de la pellicule et chaque image est projetée sur un écran. Le cinéma est discret : il y a des images séparées, 24 par seconde.
  • La vidéo analogique représente l’information comme un signal électrique continu, destiné à un écran de télévision à tube (voir le signal analogique). L’image y est tracée ligne après ligne par un faisceau : c’est le balayage.
  • La vidéo numérique code chaque image sous forme de points (les pixels) dont la couleur est écrite en nombres (voir le binaire). C’est la seule famille qui subsiste aujourd’hui pour la prise de vue et la diffusion ; le cinéma lui-même est projeté depuis des fichiers numériques dans la grande majorité des salles.

2La télévision analogique : PAL, SECAM et NTSC

Pendant plus d’un demi-siècle, la télévision a reposé sur trois normes de signal, que l’on présente encore souvent comme les trois « principales » de la vidéo analogique. Elles ont disparu des antennes (la télévision hertzienne analogique s’est arrêtée en France le 29 novembre 2011), mais leurs chiffres ont laissé des traces dans les vidéos numériques actuelles.

Tableau 1. Les trois normes de la télévision analogique.
NormePays principauxLignes (visibles)Images par secondeChamps par seconde
PALEurope de l’Ouest (sauf France), Chine, Inde625 (576)2550
SECAMFrance, ex-Union soviétique, une partie de l’Afrique625 (576)2550
NTSCÉtats-Unis, Japon, Canada525 (480)environ 30 (29,97)environ 60 (59,94)

Les sigles viennent de l’anglais ou du français : PAL signifie Phase Alternating Line (« ligne à phase alternée »), SECAM « séquentiel couleur avec mémoire », NTSC National Television System Committee (le comité américain qui a défini la norme). Ces trois normes se distinguent par la manière d’ajouter la couleur au signal noir et blanc, et par le nombre de lignes. On indique que 8 % des lignes servent à la synchronisation du récepteur : c’est l’ordre de grandeur correct (625 lignes au total, 576 affichées pour le PAL et le SECAM ; 525 au total, 480 affichées pour le NTSC).

2.1L’entrelacement : une astuce de bande passante

À 25 images par seconde, beaucoup de personnes voient l’écran « battre » (un léger scintillement), surtout sur un tube lumineux. La solution évidente aurait été d’afficher plus d’images, mais le signal envoyé par les antennes ne pouvait pas porter davantage de données : on disait que la bande passante (la quantité de signal qu’un canal peut transporter) était limitée. L’astuce a été d’entrelacer l’image : on envoie d’abord les lignes impaires, puis les lignes paires. Chaque demi-image s’appelle un champ, et l’ensemble des deux champs forme une trame entrelacée. Le téléviseur affiche donc 50 champs par seconde, soit 25 images complètes. Quand toutes les lignes sont envoyées d’un coup, on parle de balayage progressif (on écrit parfois « trame progressive »).

L’entrelacement a une conséquence qui survit à la télévision analogique : sur un écran moderne, qui affiche des images complètes, une vidéo entrelacée doit être « désentrelacée », et quand cela est mal fait on voit apparaître des dents de scie sur les objets en mouvement. Dans les noms de formats, la lettre i signifie entrelacé (1080i) et la lettre p progressif (1080p, 720p).

2.2La vidéo composite : tout dans un seul fil

Le terme vidéo composite désigne un signal où la luminance (la luminosité de chaque point, c’est-à-dire l’image en noir et blanc), la chrominance (l’information de couleur) et les impulsions de synchronisation sont mélangées dans un seul signal, donc un seul fil. Le connecteur est une prise ronde jaune de type RCA (aussi appelée « cinch »), généralement accompagnée de deux prises, rouge et blanche, pour le son stéréo (gauche et droite). Ce mélange a un prix : la chrominance vient brouiller la luminance et inversement, ce qui donne des contours flous, des franges colorées et des détails fins mal rendus. Un exemple, resté juste, le montre : un texte affiché en composite est grossièrement détouré, alors qu’avec un signal à composantes séparées il reste net.

Les alternatives de l’époque étaient les signaux à composantes séparées, qui font circuler les informations par des fils différents : le S-Video, le RGB (rouge, vert, bleu) et le signal YUV, dit aussi YCbCr (une luminance Y et deux différences de couleur). Les prises de télévision à trois connecteurs rouge, vert et bleu, que l’on voyait derrière les lecteurs de DVD, transportaient ce dernier type de signal.

2.3Le S-Video : deux fils au lieu d’un

Le S-Video, appelé aussi Y/C (Y pour la luminance, C pour la chrominance), sépare la luminosité et la couleur sur deux fils distincts, dans un même câble à connecteur rond de quatre broches (de type mini-DIN). On le trouvait sur les magnétoscopes S-VHS et les caméscopes Hi8 (deux types de cassettes vidéo analogiques), de nombreuses cartes graphiques équipées d’une sortie vers la télévision et certaines prises péritel récentes. Deux erreurs circulent sur ce point ; les voici corrigées :

  • On disait que S-Video voulait dire « Sony Video ». Le « S » signifie separate (séparé) : le format désigne la séparation des signaux, il n’est pas une marque de fabricant.
  • On écrivait que le S-Video envoie « simultanément les 576 lignes de l’image, sans entrelacement ». C’est inexact : le S-Video améliore la netteté et les couleurs, mais il transporte le même balayage que les autres signaux de télévision, entrelacé lui aussi. Séparer la luminance et la chrominance n’a aucun rapport avec l’entrelacement.

Le S-Video ne transporte que l’image : le son passe par des câbles séparés. La péritel (aussi appelée prise Scart), prise carrée à 21 broches très répandue en Europe jusqu’aux années 2010, pouvait porter à la fois la vidéo et le son, mais le S-Video ne faisait pas partie de ses spécifications d’origine : certains appareils ne le comprenaient donc pas, et les adaptateurs « péritel vers S-Video » dégradaient encore le signal.

Aujourd’hui, ces prises ont presque toutes disparu au profit de connexions numériques, qui transportent l’image et le son dans un seul câble sans perte de qualité (voir les connecteurs). Elles restent utiles pour brancher d’anciens appareils : numériser des cassettes d’un caméscope Hi8, par exemple, passe souvent par un boîtier qui lit le S-Video.