Audio haute résolution vs. audio standard : la science de l’échantillonnage et de la perception

Avant d'analyser la psychoacoustique, examinons les données brutes. Vous trouverez ci-dessous une comparaison directe des trois niveaux de distribution audio numérique les plus courants. Notez que si le débit de données augmente de façon exponentielle, la question demeure : la fidélité audible suit-elle la même progression ?

| Caractéristique | Standard (Qualité CD) | Audio haute résolution | Compression avec perte (MP3/AAC) |

| :--- | :--- | :--- | :--- |

| Profondeur de bits | 16 bits | 24 bits (ou 32 bits flottants) | N/A (Variable) |

| Fréquence d'échantillonnage | 44,1 kHz | 96 kHz / 192 kHz | 44,1 kHz |

| Plage dynamique | 96 dB | 144 dB | Variable (limitée par masquage) |

| Limite de fréquence | 22,05 kHz | 48 kHz / 96 kHz | ~16-20 kHz |

| Débit binaire | 1 411 kbit/s | 4 608 - 9 216 kbit/s | 320 kbit/s (Max) |

| Taille du fichier (5 min) | ~50 Mo | ~150 - 300 Mo | ~10 Mo |

Le principal point de désaccord

L'argument principal en faveur des différences audio haute résolution repose sur deux piliers : une réponse en fréquence étendue (grâce à des fréquences d'échantillonnage plus élevées) et une plage dynamique accrue (grâce à une profondeur de bits plus élevée). Les partisans affirment que cela permet de capturer l'« air » et l'« atmosphère » d'un enregistrement. Les sceptiques, s'appuyant sur le théorème de Nyquist, soutiennent que toute information capturée au-delà de la norme CD de 44,1 kHz/16 bits est intrinsèquement inaudible pour l'oreille humaine et ne sert qu'à augmenter la taille des fichiers.

L'un des mythes les plus tenaces en audio est celui de « l'effet d'escalier ». Vous avez probablement déjà vu des schémas comparant une onde analogique lisse à une représentation numérique en escalier, laissant entendre que l'audio numérique est intrinsèquement « pixellisé » et que des fréquences d'échantillonnage plus élevées atténuent ces irrégularités. En tant que physicien, je tiens à préciser : cette représentation visuelle est scientifiquement fausse concernant le signal de sortie.

Le théorème d'échantillonnage de Nyquist-Shannon

Selon le théorème de Nyquist, un signal analogique à bande passante limitée peut être parfaitement reconstruit à partir d'un signal numérique, à condition que la fréquence d'échantillonnage soit supérieure à deux fois la fréquence la plus élevée du signal.

1. Les calculs : Pour l'audition humaine, dont la limite théorique est de 20 kHz, une fréquence d'échantillonnage de 40 kHz est mathématiquement suffisante pour capturer chaque nuance de la forme d'onde.

2. La norme : La norme industrielle de 44,1 kHz a été choisie afin de ménager une petite marge (la bande de transition) pour les filtres anti-repliement.

3. La reconstruction : Lors de la conversion d'un signal audio numérique en signal analogique (conversion N/A), un filtre de reconstruction lisse parfaitement les variations du signal. Le signal de sortie n'est pas en escalier ; il s'agit d'une courbe identique à celle du signal d'entrée, dans les limites de la bande passante.

Par conséquent, augmenter la fréquence d'échantillonnage à 96 kHz ou 192 kHz ne rend pas le signal plus lisse dans la bande audible. Cela permet simplement au système d'enregistrer des fréquences jusqu'à 48 kHz ou 96 kHz, des fréquences que les chauves-souris pourraient apprécier, mais que les limites de l'audition humaine nous empêchent de percevoir directement.

Si la fréquence d'échantillonnage détermine la bande passante, la profondeur de bits détermine la plage dynamique, c'est-à-dire la différence entre les sons les plus faibles et les plus forts. C'est là que les différences en matière d'audio haute résolution sont mathématiquement indéniables, bien que discutables en pratique.

16 bits vs 24 bits

• Audio 16 bits : Offre une plage dynamique théorique de 96 dB. Dans une pièce parfaitement silencieuse (ce qui est rare), le bruit de fond de l'audio 16 bits est à peine audible, même en poussant le volume à des niveaux dangereux.

• Audio 24 bits : Offre une plage dynamique de 144 dB. Pour vous donner une idée, 144 dB représentent la différence entre le bourdonnement d'un moustique et le décollage d'un réacteur d'avion à proximité de votre tête.

Application pratique

Pour les ingénieurs du son et du mixage, le 24 bits (ou 32 bits flottants) est essentiel. Cela nous permet d'enregistrer à des niveaux plus faibles afin d'éviter l'écrêtage (distorsion) sans pour autant augmenter le bruit de fond audible lors du traitement. Cependant, pour le format de lecture grand public, le 16 bits couvre toute la gamme dynamique de la musique. La plupart des morceaux pop et rock modernes ont une gamme dynamique inférieure à 10 dB en raison de la compression. Même la musique classique enregistrée avec la plus grande précision dépasse rarement 60 dB de gamme dynamique.

Par conséquent, l'avantage des formats de diffusion 24 bits est surtout théorique pour l'auditeur final. Vous payez simplement pour un bruit de fond déjà masqué par le bruit ambiant de votre pièce d'écoute.

On ne peut aborder la fidélité audio sans évoquer les mécanismes biologiques sous-jacents : l’oreille et le cerveau. La psychologie de l’audiophile influence considérablement notre perception de la qualité sonore.

Limites de l’audition humaine

La plage de fréquences audibles par l’oreille humaine est généralement comprise entre 20 Hz et 20 kHz. Cependant, il s’agit d’une limite supérieure optimiste pour les enfants. Dès l’âge de 30 ans, la plupart des adultes n’entendent plus les sons au-delà de 16 kHz. À 50 ans, cette limite descend souvent à 14 kHz, voire moins.

• Contenu haute résolution : Un fichier de 192 kHz est capable de reproduire des fréquences jusqu’à 96 kHz.

• La réalité : Si vos oreilles ne peuvent physiquement pas détecter les fréquences supérieures à 16 kHz, les données supplémentaires comprises entre 20 kHz et 96 kHz vous sont biologiquement invisibles.

L’effet placebo et le biais d’attente

En psychoacoustique, le biais d’attente est un facteur important. Si l'on dit à un auditeur qu'il écoute une source de qualité supérieure, « haute définition », son cerveau amplifie l'expérience, percevant davantage de détails et de clarté là où il n'y en a objectivement pas.

Lors de tests ABX rigoureux en double aveugle – où les auditeurs alternent entre la haute résolution et la qualité CD sans savoir laquelle est laquelle – l'analyse statistique montre systématiquement que même des ingénieurs du son expérimentés peinent à distinguer les deux une fois les niveaux parfaitement identiques. L'amélioration perçue disparaît souvent dès que le logo « Haute résolution » est retiré.

Existe-t-il une quelconque validité scientifique à l'affirmation selon laquelle les fréquences ultrasonores influencent notre perception sonore dans le spectre audible ? Ceci nous amène au concept de distorsion d'intermodulation (DIM).

Certains chercheurs avancent que, bien que nous ne puissions pas entendre une tonalité de 40 kHz, l'interaction de cette tonalité avec une tonalité de 20 kHz pourrait créer des fréquences de différence (par exemple, 40 kHz - 20 kHz = 20 kHz) qui, elles, sont audibles. De plus, des théories existent concernant la conduction osseuse et la résolution temporelle des transitoires.

Cependant, cet argument est à double tranchant. La plupart des équipements audio grand public (haut-parleurs et amplificateurs) deviennent non linéaires aux fréquences ultrasonores. Injecter un contenu ultrasonore à haute énergie (présent dans les fichiers haute résolution) dans des tweeters non conçus pour cela peut en réalité engendrer une distorsion plus importante dans la gamme audible que si ces fréquences avaient été filtrées. Dans ce cas, les différences audio haute résolution pourraient en fait se traduire par une fidélité moindre en raison des limitations matérielles.

Le débat est encore complexifié par les systèmes d'encodage propriétaires comme le MQA (Master Quality Authenticated). Le MQA prétend « replier » les données haute résolution dans un fichier plus petit, rétrocompatible avec les systèmes de lecture standard, tout en corrigeant le « flou temporel » lors de la conversion numérique-analogique.

La controverse autour du MQA

D'un point de vue physique, le MQA est un processus avec perte comparé au FLAC ou au PCM purs. Il modifie les données originales pour optimiser son « dépliage ».

• Les partisans affirment que la correction du flou temporel offre une réponse transitoire plus naturelle.

• Les détracteurs analysent les spectres et constatent que le MQA introduit un bruit de fond accru et des artefacts non linéaires.

Lorsqu'on compare l'encodage audio MQA au FLAC sans perte standard (qualité CD), la différence réside souvent davantage dans le mastering spécifique utilisé pour la version MQA que dans la technologie elle-même. Souvent, une version « Haute Résolution » sonne mieux simplement parce que le studio a utilisé une meilleure bande master avec une compression de la plage dynamique moindre, et non à cause de la fréquence d'échantillonnage.