Dans une enquête, il y a des preuves qui claquent comme une porte et d’autres qui chuchotent. Un message vocal saturé, un enregistrement de réunion au fond d’un sac, une vidéo dont on n’entend “presque rien”… C’est souvent là que commence l’audio forensique : au moment où quelqu’un se penche sur un fichier sonore et se demande s’il dit vrai, s’il a été trafiqué, et surtout s’il peut être expliqué de façon rigoureuse devant d’autres oreilles que les siennes.
Oubliez l’image télévisuelle du curseur magique qui transforme un brouhaha en confession limpide. En réalité, l’expert travaille comme un restaurateur d’archives et comme un scientifique à la fois. Son objectif n’est pas de “rendre beau”, mais de rendre audible sans trahir, et de documenter chaque geste pour que le résultat soit reproductible et défendable.
De la piste sonore à la pièce à conviction
La première étape ressemble moins à une écoute qu’à une mise sous scellés. On préserve l’original, on travaille sur des copies, on note l’origine du fichier, son format, son historique connu, et on garde une trace de qui manipule quoi, quand et comment. Dans le monde de la preuve numérique, cette discipline a un nom : la chaîne de possession (ou chaîne de conservation). Elle évite qu’un simple doute sur la manipulation d’un fichier ne fasse s’écrouler tout le reste.
Ensuite vient l’examen : que contient le signal ? Quels bruits masquent la voix ? L’audio est-il compressé, ré-encodé, extrait d’une messagerie, recomposé à partir de plusieurs fragments ? L’expert peut améliorer l’intelligibilité par des méthodes classiques (filtrage, réduction de bruit, atténuation de réverbération, égalisation), mais il doit aussi garder en tête une règle cardinale : chaque traitement peut créer des artefacts. Autrement dit, en voulant éclaircir une scène sonore, on peut aussi y ajouter de fausses “ombres”. C’est pourquoi les meilleures pratiques insistent sur la traçabilité des opérations et sur une interprétation prudente.
Si vous voulez voir l’audio forensique à l’œuvre dans un cas concret, je vous recommande la lecture de Crack et Bang, l’enquête sonore de Butler sur LaSonotheque.org : l’article raconte comment une signature acoustique apparemment banale – un crack très sec suivi d’un bang plus rond – peut devenir un fil d’Ariane.
Authentifier : la chasse aux coutures invisibles
L’audio forensique ne se limite pas à “nettoyer”. Une grande part du métier consiste à répondre à une question simple, mais explosive : l’enregistrement est-il authentique ? Chercher une coupe, c’est parfois repérer une respiration qui disparaît, une ambiance de fond qui change imperceptiblement, une réverbération qui saute comme si la pièce avait bougé de quelques mètres. À l’ère du numérique, on regarde aussi les signatures de compression (les traces laissées par certains codecs), les discontinuités dans le bruit de fond, ou des incohérences temporelles.
Et il existe une technique à la fois discrète et fascinante : l’ENF (Electric Network Frequency). Dans certains enregistrements, un très léger “bourdonnement” lié au réseau électrique peut se retrouver capté, puis comparé à des références pour aider à vérifier une chronologie ou détecter des montages. Ce n’est pas une baguette magique, mais un outil de plus dans la boîte, utile dans certains cas et inopérant dans d’autres.
Identifier une voix, oui… mais avec méthode
Autre demande fréquente : “Est-ce bien cette personne qui parle ?” Là encore, prudence. La comparaison de locuteurs (speaker comparison) s’appuie sur des approches phonatoires et statistiques, et parfois sur des systèmes automatiques adaptés au contexte judiciaire. Mais le résultat dépend énormément de la qualité audio, de la durée de parole, du stress, de la langue, du micro, et même de la distance bouche-micro. C’est pourquoi un expert sérieux explique autant les limites que les indices : l’audio forensique n’est pas une machine à certitudes, c’est une discipline de degrés, d’hypothèses, et d’arguments.
Il y a aussi un aspect souvent oublié : le contexte acoustique. Une pièce résonne d’une certaine manière, une voiture a sa signature, un téléphone coupe certaines fréquences. Ces détails peuvent aider à comprendre comment et où un son a été capté, ou au contraire signaler une incohérence.
Le nouveau vertige : deepfakes et voix synthétiques
Depuis quelques années, une menace a changé l’ambiance dans les laboratoires : la voix peut se fabriquer. Et pas seulement en “imitant” : en clonant des caractéristiques vocales à partir de quelques secondes d’exemples. Résultat : une piste audio peut être douteuse non parce qu’elle a été coupée, mais parce qu’elle a été générée.
Face à cela, deux familles de réponses se dessinent. D’un côté, la détection : chercher des indices de synthèse, des irrégularités, des signatures statistiques. De l’autre, la provenance : prouver l’origine d’un média en attachant des informations vérifiables à la création et aux modifications (les Content Credentials, portées par le standard C2PA, vont dans ce sens). Problème : si ces informations sont supprimées lors d’un upload ou d’une recompression, la chaîne se casse. On comprend alors pourquoi l’audio forensique devient aussi une affaire d’écosystème : outils de capture, plateformes, journalistes, enquêteurs, et grand public doivent apprendre à préserver ce qui atteste.
Un métier d’écoute… et de pédagogie
Au final, l’expert en audio forensique fait deux choses : il écoute le signal et il écoute le doute. Il transforme une sensation (“on dirait que c’est coupé”) en constat technique (“voici les discontinuités observées, voici les tests, voici les limites”). Il écrit, il schématise, il explique. Car une preuve sonore n’existe vraiment que si elle peut être comprise par des non-spécialistes sans perdre sa rigueur.
Et c’est peut-être ça, la beauté paradoxale du métier : dans un monde saturé de sons, l’audio forensique rappelle qu’une oreille humaine, outillée et méthodique, peut encore faire la différence entre un récit et une réalité.
À votre avis, avec la montée des voix synthétiques, qu’est-ce qui vous inspirera le plus confiance demain : de meilleurs détecteurs, ou des enregistrements “signés” dès la capture ?