Grâce à cette page, j'espère expliquer ce qu'on est en droit d'attendre, en termes de qualité sonore, d'un fichier audio : ce que veulent dire « échantillonnage », « résolution » et « débit », et pourquoi un WAV et un MP3 du même son n'ont ni le même poids, ni le même usage.
La source

Imaginez une seule vague en mer, coupée dans la tranche : elle est basse à un endroit, haute à un autre, plus ou moins entre les deux... Il est possible de mesurer sa hauteur à plein d'endroits différents sur cette seule et même vague. Plus on prend de mesures, plus on peut redessiner cette vague fidèlement, et ainsi partager le dessin de son profil. Mais plus il y a de mesures, plus le fichier informatique qui les contient est lourd.
Sur l'illustration, on voit d'abord la vague d'origine. Puis une vague très approximative, redessinée grâce à 3 points de mesure. Et enfin une vague plutôt convaincante, redessinée grâce à 14 points de mesure. La vague d'origine est rappelée en pointillés gris, pour comparer.
Pour le son, c'est le même principe, à une différence près : on ne mesure pas une forme dans l'espace, mais la pression de l'air qui varie dans le temps, toujours au même endroit (celui du micro), et à intervalles parfaitement réguliers. Deux questions décident donc de la qualité : combien de mesures prend-on chaque seconde, et avec quelle précision note-t-on chacune d'elles ? Réponse plus bas, dans Le numérique.
L'utilisateur (vous ?)
Un scientifique aura peut-être intérêt à enregistrer de nombreux points. Un marin se satisfera de l'échelle de Douglas, de mer 0 (calme) à mer 9 (énorme). Le vacancier se contentera de la couleur du drapeau sur la plage. Et moi, je raconte à mes enfants que la mer, c'est le point 0 mètre, en oubliant carrément les marées. Nous avons tous une utilisation différente de cette même source, c'est pourquoi nous n'avons pas besoin de la même précision.
Appliqué à l'audio : un usager des transports en commun qui écoute un podcast politique sera moins exigeant qu'un audiophile qui découvre, au calme, la nouvelle interprétation d'une œuvre majeure.
Deux familles de supports d'enregistrement
- L'analogique (ou physique) : les rouleaux de cire, les disques vinyles, les bandes magnétiques, etc. Le son y est gravé ou aimanté sous une forme qui suit directement l'onde sonore : c'est la matière même du support qui définit l'enregistrement. Le grand public est passé au numérique, même si le vinyle connaît un vrai retour, pour son grain et pour l'objet. Je n'en parlerai pas ici.
- Le numérique : les ordinateurs, les smartphones, les clés USB, les disques compacts (le CD est un objet physique, mais le son y est enregistré sous forme de nombres), etc. Le son y est converti en nombres, puis rangé dans un format audio, que l'on reconnaît à son extension (ou suffixe) : .WAV, .MP3, .M4A, .FLAC, etc.
Le numérique
Parce que le numérique a maintenant largement supplanté l'analogique, intéressons-nous seulement à cette famille. C'est aussi la plus facile à mesurer et à comparer.
Pour être enregistrée sur un disque dur, une clé USB ou autre, une onde sonore physique, donc analogique, doit être convertie en nombres faciles à stocker (comme les points sur notre vague). On parle de conversion A/N (Analogique / Numérique). À l'écoute, l'opération inverse, la conversion N/A, retransforme ces nombres en onde pour vos enceintes ou votre casque.
L'échantillonnage

Le fichier contient une quantité de mesures, appelées échantillons, pour chaque seconde de son. On parle d'« échantillonnage » ou de « fréquence d'échantillonnage », exprimée en « Hz » ou en « kHz ». C'est le nombre de points enregistrés chaque seconde sur l'onde sonore : 44,1 kHz pour un CD audio, ce sont 44 100 points chaque seconde. 48 kHz, la norme de l'audiovisuel, ce sont 48 000 points chaque seconde. Imaginez que c'est un peu comme le nombre de mots qui composent la phrase décrivant cette seconde.
Une règle à retenir : un échantillonnage ne peut restituer que des sons allant jusqu'à la moitié de sa fréquence (c'est le théorème de Nyquist-Shannon). 44,1 kHz permet donc d'aller jusqu'à 22 050 Hz, juste au-dessus des 20 000 Hz qu'entend une oreille humaine dans le meilleur des cas. Ce n'est pas un hasard : c'est pour cela que cette valeur a été choisie pour le CD. À l'inverse, 8 000 Hz, comme au téléphone, ne permet pas de dépasser 4 000 Hz : d'où cette voix « étouffée ».
La résolution

Chaque point est enregistré avec plus ou moins de précision : on parle de « résolution » (ou de profondeur), exprimée en « bits ». Un bit, c'est un 0 ou un 1. Ce chiffre est en général un multiple de 8, car l'informatique range les données par paquets de 8 bits, les octets : 16 bits = 2 × 8 bits, soit 2 octets. Un échantillon en 16 bits ressemble donc à ça : « 01100101 01001110 ».
Pour reprendre l'image des mots : la résolution, c'est la richesse du vocabulaire dans lequel on choisit chacun de ces mots. Avec 8 bits, on n'a que 256 mots possibles. Avec 16 bits, 65 536. Avec 24 bits, plus de 16 millions. Plus le vocabulaire est riche, plus chaque mot est juste, du plus familier au plus subtil. 16 bits pour un CD audio, 24 bits dans l'audiovisuel...
Concrètement, la résolution fixe la « dynamique » : l'écart entre le son le plus fort et le plus faible que l'on peut enregistrer au-dessus du léger souffle créé par la conversion. Comptez environ 6 dB par bit, soit 96 dB en 16 bits et 144 dB en 24 bits.
Les canaux
Puis on multiplie par le nombre de pistes, appelées « canaux » : 1 canal (mono) pour un appel téléphonique, 2 canaux (stéréo) pour un CD audio, et bien plus pour le multicanal (6 canaux en 5.1, comme au cinéma).
Du studio au smartphone
Un studio d'enregistrement peut se permettre de stocker une quantité colossale de données : de nombreuses pistes, de multiples versions, dans une qualité exceptionnelle. Un studio travaille couramment en 48 ou 96 kHz, en 24 ou 32 bits. En 96 kHz / 32 bits stéréo, le débit est plus de 4 fois supérieur à celui du CD, et les fichiers plus de 4 fois plus lourds. Cette marge sert surtout au travail, pas à l'écoute : elle permet de traiter, transformer ou ralentir le son sans l'abîmer. Une fois le travail terminé, la version que l'on écoute est souvent ramenée à la qualité CD, voire en dessous.
Nos smartphones, eux, ont une capacité de stockage limitée. Surtout, les sons y sont de moins en moins stockés : ils voyagent en direct sur internet ou sur le réseau téléphonique, c'est le streaming. Il faut donc réduire leur taille, pour ne pas saturer les réseaux ni épuiser votre forfait.
Le format
Pour que tous les appareils se comprennent, il a fallu créer des formats audio, que l'on reconnaît facilement à leur extension. Chaque format a été créé dans un but précis. On les range en trois familles :
- Non compressé : le WAV, l'AIFF (et le CD audio, qui contient le même genre de données qu'un WAV). Toutes les mesures sont gardées telles quelles.
- Compression sans perte (ou réversible) : le FLAC, l'ALAC (souvent en .m4a). Le fichier est plus léger, et on retrouve exactement les mêmes mesures à l'écoute.
- Compression avec perte (ou irréversible) : le MP3, l'AAC (le plus souvent en .m4a), l'OGG. Le fichier est beaucoup plus léger, mais une partie du son est définitivement jetée.
Aucun format ne restitue parfaitement la source enregistrée : dès la conversion A/N, le son est réduit à un nombre fini de points, notés avec une précision finie. Un format non compressé ou sans perte garde fidèlement tout ce que la conversion a capté. Un format avec perte fait en plus des choix, pour gagner de la place.

Un exemple : l'oreille humaine ne perçoit pas les sons trop graves (les infrasons, en dessous de 20 Hz) ni trop aigus (les ultrasons, au-dessus de 20 000 Hz). On n'a donc aucun intérêt à les garder. Avec un échantillonnage de 44,1 kHz, les ultrasons sont exclus d'office (voir la règle de la moitié, plus haut). Les formats avec perte vont souvent plus loin : à débit modeste, un encodeur MP3 coupe les aigus bien avant 20 000 Hz, vers 16 000 à 17 000 Hz à 128 kbps, car c'est là que l'oreille les entend le moins.
Un autre exemple : certains formats permettent une spatialisation grâce au multicanal (4, 6, 10 pistes ou plus), comme au cinéma. Pour un album de musique, qu'on écoute au casque ou en voiture, avec nos deux oreilles, on choisit généralement la stéréo. Passer de 4, 6 ou 10 pistes à 2 divise la taille par 2, 3 ou 5.
Encore un exemple : un podcast sur l'économie ne contient que de la voix. Inutile de garder les graves profonds et les aigus extrêmes : on privilégie les fréquences de la voix. On choisira une compression avec perte, comme le MP3, et même du mono à faible débit. Le fichier sera tout petit, facile à écouter en streaming, et la voix restera parfaitement compréhensible.
La compression sans perte (comme le FLAC) range les données plus intelligemment : le fichier devient moins lourd, mais peut être décodé à l'identique. Pour imager simplement : l'encodage remplace tous les « aa » par « 2a », les « aaa » par « 3a », les « aaaa » par « 4a ». On gagne un peu de place, et on sait reconvertir « 4a » en « aaaa » au moment de l'écoute : on décode. En pratique, un FLAC pèse en général 50 à 70 % du WAV d'origine.
La compression avec perte (comme le MP3) simplifie tellement le fichier source qu'il n'est plus possible de revenir en arrière. Pour imager simplement : l'encodage remplace tous les « aa », « aaa » et « aaaa » par un seul « a ». On gagne beaucoup de place, mais on ne peut plus savoir si « a » voulait dire « a », « aa », « aaa » ou « aaaa ».
Tout l'art du MP3 est de bien choisir ce qu'il jette. Il s'appuie sur le fonctionnement de l'oreille (la psychoacoustique) : par exemple, un son faible couvert au même moment par un son fort n'est pas entendu, il peut donc disparaître. Plus le débit est bas, plus il faut jeter, et plus cela s'entend.
Le débit
Une fois le format choisi, on s'intéresse au « débit », c'est-à-dire à la quantité de données par seconde. Il est exprimé en « kbps » (ou kb/s), c'est-à-dire en kilobits par seconde : des milliers de 0 et de 1, chaque seconde. Pour reprendre notre image, c'est la longueur de la phrase qui décrit chaque seconde de son.
Pour un format non compressé, le débit découle directement de trois choix : l'échantillonnage, la résolution et le nombre de canaux. Contrairement à un amateur, un professionnel ne regarde pas le débit, mais ce qui le compose : il choisit ces trois paramètres selon son projet, et en les multipliant, on obtient le débit.
Ainsi, pour un CD audio, on traite chaque seconde 44 100 échantillons de 16 bits sur 2 canaux (stéréo), soit 1 411 200 bits par seconde : un débit de 1 411 kbps.
Pour un format avec perte, c'est l'inverse : on choisit directement le débit, et l'encodeur se débrouille pour faire tenir le son dedans. Un amateur choisira par exemple un MP3 à 320 kbps, le débit le plus élevé prévu par le format, et tout est dit. Le son reste en général en 44,1 kHz stéréo, mais le calcul « échantillonnage × résolution × canaux » ne s'applique plus : c'est l'encodeur qui décide de ce qu'il garde. Il existe aussi des débits variables (VBR), où l'encodeur donne plus de bits aux passages complexes et moins aux passages simples ; je ne les détaille pas ici.
Autre exemple : une norme de téléphonie, le G.711, échantillonne en 8 000 Hz, sur 8 bits, en mono : 8 000 × 8 × 1 = 64 kbps. Et elle ne garde que les fréquences de la voix, entre 300 et 3 400 Hz ! Dans ce format, une conversation d'une minute pèserait 0,48 Mo, soit à peine un demi-mégaoctet.
Formules
Débit (en kbps) = Fréquence d'échantillonnage (en Hz) × Résolution (en bits) × Nombre de canaux (1 en mono, 2 en stéréo, etc.) / 1 000
Cette première formule ne vaut que pour les formats non compressés (WAV, AIFF, CD audio). Pour un MP3 ou un AAC, le débit est choisi au moment de l'encodage.
Poids (en Mo) = Débit (en kbps) × Durée (en secondes) / 8 (8 bits = 1 octet) / 1 000 (1 000 ko = 1 Mo)
Cette seconde formule vaut pour tous les formats, à quelques ko près (les informations ajoutées au fichier : titre, pochette...).
Un détail : avant 1998, on écrivait « ko » pour 1 024 octets (une puissance de 2, pratique pour l'informatique), en contradiction avec le reste du système métrique, où « kilo » veut dire 1 000. La norme CEI a alors réservé le « ko » à 1 000 octets, et créé le « kio » (kibioctet) pour 1 024 octets. Dans la pratique, les deux cohabitent encore : Windows compte toujours en 1 024 (tout en affichant « Ko »), alors que macOS compte en 1 000. Un même fichier n'affiche donc pas tout à fait le même poids sur les deux. Plus d'infos sur la page « Octet » de Wikipédia.
Autre détail : attention, je parle bien de « bits », avec un petit « b ». À ne pas confondre avec les « bytes », avec un grand « B », qui veut dire « octets » en anglais : 1 octet = 8 bits. Un débit de 1 411 kbps, c'est donc environ 176 ko par seconde. Si un débit est donné en « kBps » (kilo-octets par seconde), on ne divise plus par 8.
Exemple :
Un CD audio contient du son non compressé (le même genre de données qu'un WAV), échantillonné en 44,1 kHz (44 100 échantillons par seconde), de 16 bits chacun, sur 2 canaux.
Soit 44 100 × 16 × 2 = 1 411 200 bits par seconde, un débit de 1 411 kilobits par seconde (kbps).
Une heure de musique représente alors 1 411 200 × 3 600 = 5 080 320 000 bits, divisés par 8 = 635 040 000 octets, soit 635 Mo ! Une minute de musique pèse donc 10,6 Mo. Voilà pourquoi un CD audio ne contient pas plus de 74 à 80 minutes de musique, soit environ 780 à 850 Mo de son (un peu plus que les 700 Mo annoncés pour un CD de données, qui réserve davantage de place à la correction d'erreurs).
Le même calcul pour un MP3 à 320 kbps : 320 × 60 / 8 / 1 000 = 2,4 Mo par minute.
Résumons
| Studio | CD audio (WAV) | Meilleur MP3 | Téléphone (G.711) | |
|---|---|---|---|---|
| Échantillonnage | 96 000 Hz | 44 100 Hz | 44 100 Hz (en général) | 8 000 Hz |
| Résolution | 32 bits | 16 bits | Sans objet (compressé) | 8 bits |
| Canaux | 2 (stéréo) | 2 (stéréo) | 2 (stéréo) | 1 (mono) |
| Débit | 6 144 kbps | 1 411 kbps | 320 kbps | 64 kbps |
| Poids | 46 Mo/minute | 10,6 Mo/minute | 2,4 Mo/minute | 0,48 Mo/minute |
Verdict

Un MP3 à 320 kbps contient donc 320 000 bits par seconde de son, bien moins que les 1 411 200 bits d'un CD audio : 4,4 fois moins de données. La même minute de musique ne pèse plus que 2,4 Mo au lieu de 10,6 Mo.
Attention : 4,4 fois moins de données ne veut pas dire un son 4,4 fois moins bon. Comme le MP3 jette en priorité ce que l'oreille entend le moins, à 320 kbps la différence avec le CD est très difficile à entendre pour la plupart des auditeurs et sur la plupart des musiques. Elle devient évidente quand le débit baisse : écoutez l'exemple plus bas.
Là où le MP3 montre vraiment ses limites, c'est au travail. Chaque nouvel encodage en MP3 jette encore un peu plus de son, et les traitements (égaliseur, ralenti, effets) peuvent faire ressortir des défauts jusque-là cachés. C'est pourquoi, pour un montage, mieux vaut toujours partir d'un WAV, et n'encoder en MP3 qu'à la toute fin.
Autre piège : avec un MP3, c'est le débit seul qui fixe le poids. Un MP3 mono à 320 kbps pèse autant qu'un MP3 stéréo à 320 kbps (son unique canal reçoit simplement plus de bits). Passer en mono ne divise donc le poids par 2 que si l'on divise aussi le débit par 2.
Le reste de la chaîne

Outre le format, de nombreux éléments comptent dans l'écoute d'un son. C'est le principe du maillon faible : c'est le moins bon élément de la chaîne qui fixe la qualité de l'ensemble.
- La source : il faut d'abord un bon son à enregistrer (la voix, l'instrument, le lieu).
- La chaîne d'enregistrement : ce qui s'intercale entre la source et l'enregistreur : microphones, câbles, préamplificateurs, convertisseur, etc.
- Le format : celui dont on a parlé dans ce dossier.
- La chaîne d'écoute : ce qui s'intercale entre le fichier et l'oreille de l'auditeur : le lecteur et son convertisseur, l'amplificateur, les enceintes ou le casque, les câbles, etc.
- Le lieu d'écoute : l'acoustique de la pièce et le bruit ambiant (dans un bus, le moteur couvre une bonne partie du son).
- L'auditeur : son audition et sa sensibilité. Avec l'âge, on perd naturellement une partie des aigus.
Premier exemple, excessif : tout peut être parfait, si l'auditeur est sourd, c'est peine perdue. La qualité finale tombe à 0 !
Second exemple, moins excessif : si vous écoutez de la musique avec des écouteurs standard, depuis votre smartphone, un MP3 suffira largement, car ce sont le smartphone et les écouteurs qui limitent la qualité. D'ailleurs, avec des écouteurs sans fil (Bluetooth), le son est de toute façon recompressé avant de vous parvenir, même si vous lisez un WAV.
Troisième exemple : si vous avez une chaîne haute fidélité de qualité audiophile qui vous a coûté un rein, l'enregistrement sur dictaphone du groupe de musique du petit cousin de votre nièce ne sonnera jamais correctement.
Il faut donc bien comprendre que c'est l'élément (technique ou non) le moins bon qui sert d'étalon à l'ensemble. Pour progresser, il faut améliorer en priorité les éléments les plus faibles, afin d'obtenir une chaîne cohérente et équilibrée, de la source (la voix, le groupe, les bruitages...) jusqu'à l'écoute.
Écoutez
Comparez ces extraits d'une minute du même morceau : le WAV en qualité CD, puis le même en MP3, du débit le plus haut au plus bas. Écoutez de préférence au casque, au calme.
Pour reprendre l'image des mots : plus le débit baisse, moins il reste de mots, et des mots moins précis, pour décrire le même morceau. Le jugement reste le même, mais les nuances disparaissent une à une.
- Entre le WAV et le MP3 à 320 kbps, la différence est très difficile à entendre, pour un fichier plus de 4 fois plus léger.
- À 128 kbps, une oreille attentive remarque des aigus moins nets, coupés vers 16 000 Hz.
- À 32 kbps, l'encodeur a dû descendre l'échantillonnage à 16 000 Hz : plus rien au-dessus de 8 000 Hz, le son devient terne.
- À 8 kbps, il a dû passer en mono et en 8 000 Hz : plus aucun son au-dessus de 4 000 Hz, et des défauts audibles partout. Le fichier pèse 60 ko, 175 fois moins que le WAV.
WAV, qualité CD (10,5 Mo)
MP3 en 320 kbps (2,4 Mo)
MP3 en 128 kbps (0,95 Mo)
MP3 en 32 kbps (0,24 Mo)
MP3 en 8 kbps (0,06 Mo)
Il s'agit d'un extrait de « Nisi Dominus » (Allegro), RV 608, d'Antonio Vivaldi.
Conclusion
En matière de son, il n'existe pas de solution universelle : tout dépend de l'usage, des attentes et du contexte d'écoute. Le MP3 et les formats compressés ont rendu la musique légère et facile à partager ; les formats non compressés ou sans perte restent indispensables pour enregistrer, monter et archiver.
L'important est de choisir en connaissance de cause : un podcast écouté dans les transports n'a pas les mêmes exigences qu'une symphonie sur une chaîne hi-fi. En résumé : WAV (ou FLAC) pour travailler le son et le conserver, MP3 à un bon débit pour l'écouter et le partager. Pour les sons de LaSonotheque.fr, voir aussi quel format choisir au téléchargement.
Et vous, quel équilibre entre qualité et praticité choisissez-vous pour écouter vos sons préférés ?