Ce chapitre, en fait, rassemble ce que nous avons vu dans les chapitres précédents autour d’un objet très concret, qu’on manipule tout le temps : le fichier vidéo. On ne le touche pas, mais presque. Quand je filme avec mon téléphone, c’est un fichier vidéo que j’obtiens, et quand je monte, j’assemble des fichiers pour en exporter un autre, qui sera lu par un vidéoprojecteur, par un site, par l’écran d’une exposition, et maintenant aussi par des intelligences artificielles, qui en reçoivent et en exportent. C’est vraiment notre réalité, c’est-à-dire que tout le monde en manipule, tous les jours, et c’est pour ça que, dans les formations professionnelles que j’anime, je pars souvent du fichier vidéo pour aborder toutes les bases techniques de la vidéo. Je vais rester général ici, parce que le détail de chacune des choses dont je parle est traité dans d’autres articles, ceux d’avant, et d’autres qui viendront après.
La boîte et son contenu
Il faut d’abord distinguer le conteneur et le codec, ça c’est important. Le conteneur, c’est ce que désigne l’extension du fichier, .mp4, .mov, .mkv, .avi, c’est-à-dire en fait une boîte, dans laquelle on met une piste d’image, une piste de son, parfois des sous-titres. Dans mes formations, je dis que le .mov, c’est Steve, parce qu’il vient de QuickTime, chez Apple, et que le .avi, c’est Bill, parce qu’il vient de Windows. Et le codec, c’est la manière dont l’image et le son ont été compressés dans cette boîte, que l’ordinateur doit connaître pour pouvoir les décompresser, d’où son nom, codeur-décodeur. Les deux sont très souvent confondus, parce que les menus d’export les présentent ensemble.
Ça explique beaucoup de choses. Un .mp4, par exemple, peut contenir du H.264, qui se lit à peu près partout, ou du H.265, que certains ordinateurs ne savent pas lire. Les iPhone filment en H.265 depuis 2017, c’est le réglage « Haute efficacité », et si on choisit « Le plus compatible », on revient au H.264. Donc quand on me dit qu’une vidéo « ne marche pas » sur un ordinateur, c’est très souvent le codec qui n’est pas reconnu, et pas la boîte. Et à l’inverse, un .mov peut contenir du ProRes, qui est très lourd, ou du H.264, qui est beaucoup plus léger.
Pourquoi on compresse
Et pourquoi est-ce qu’on compresse ? Il faut faire un petit calcul. Une image Full HD, c’est un peu plus de deux millions de pixels, et pour chaque pixel il y a trois nombres, pour le rouge, le vert et le bleu, donc à peu près 6 Mo par image, et comme il y en a 25 par seconde, ça fait 155 Mo par seconde, et plus de 9 Go pour une minute de film.
Et il faut bien comprendre que ça ne passe pas par les connexions internet. 155 Mo par seconde, c’est environ 1 200 mégabits par seconde, alors qu’une connexion 4G, en pratique, c’est quelques dizaines de mégabits par seconde, et la fibre, souvent quelques centaines, qu’on partage avec toute la maison. Un téléphone de 128 Go, d’ailleurs, serait plein au bout d’un quart d’heure. Donc on est obligé de compresser, et pas qu’un peu, puisque pour mettre un film en ligne je conseille de rester autour de 20 Mo par minute, soit plus de quatre cents fois moins.
Dans les années 2000, j’ai fabriqué beaucoup de DVD, pour Agnès Varda, qui éditait alors elle-même ses films, pour les rééditions des films de Jacques Tati, ou pour l’éditeur de films expérimentaux Re:Voir. Sur un DVD, la définition était fixée, le débit avait une limite, et tout le travail sur la qualité de l’image passait par l’encodage. Il y a toute une histoire, du JPEG au MPEG-4, chaque nouveau codec allégeant les fichiers mais demandant plus de puissance de calcul. Je la raconterai dans un autre article.
Les codecs ne compressent pas tous de la même manière. Le MJPEG, par exemple, est un codec vidéo où chaque image est une image JPEG, isolée des autres : on dit qu’il est intra-image. Le ProRes d’Apple marche pareil, et ses fichiers sont énormes, mais l’image reste impeccable.
La famille MPEG fait autrement, et c’est assez malin. D’une image à la suivante, la plupart du temps, presque rien ne change, alors le codec ne réécrit pas tout : il note ce qui a bougé, et il reprend le reste à l’image d’avant. Le MPEG-2, à partir de 1997, c’était le DVD. Pour internet, c’est le MPEG-4 qui est aujourd’hui le plus employé, avec le H.264, et maintenant le H.265, qu’on appelle aussi HEVC, encore plus efficace. Le revers, c’est qu’il peut y avoir de la pixellisation sur les mouvements : un arbre dans le vent, une foule, un panoramique rapide, et l’image se met à faire de gros carrés, comme je l’ai raconté à propos du DVD dans le Chapitre 6 : La définition de l’image.
Le bon codec dépend du moment. Mon téléphone filme en H.264 ou en H.265, pour économiser sa mémoire. À la fin du montage, j’exporte un master de la meilleure qualité possible, souvent en ProRes. Pour diffuser, j’encode des fichiers en H.264, dans un .mp4 que tout le monde peut lire. C’est la distinction que je fais dans Créer des fichiers vidéo légers et de bonne qualité entre le fichier master, qu’on garde précieusement en deux exemplaires, et les fichiers de diffusion, encodés chacun pour un usage.
Le débit, que personne ne regarde
Pour un fichier compressé, ce qui compte le plus pour la qualité, c’est le débit : combien d’informations le codec s’autorise pour chaque seconde de film. On le mesure en mégabits par seconde, et presque personne ne le regarde. Pourtant, deux fichiers de même définition, avec des débits différents, ne donnent pas du tout la même image. Une vidéo 4K avec un petit débit peut être moins belle qu’une vidéo Full HD bien encodée, parce que le codec n’a pas eu assez de place pour décrire tous ses pixels.
Handbrake, le logiciel libre que j’utilise pour encoder mes fichiers de diffusion, ne demande pas de débit. On lui donne un niveau de qualité, et il calcule lui-même le débit dont chaque plan a besoin. Plus le chiffre est bas, meilleure est la qualité. À 18, c’est excellent, mais les fichiers sont vraiment lourds. À 20, c’est très bon. À 22, c’est très correct, et les fichiers sont plus légers. À 25, ils sont très légers, mais ça pixellise sur les mouvements rapides. Si vous voulez comprendre ce que fait un codec, je ne connais rien de mieux : encodez le même plan à 18, puis à 25, et regardez.
Le débit joue aussi sur la lecture par internet. Si le débit est raisonnable et que l’index du fichier est placé au début, la vidéo commence à se lire pendant qu’elle se télécharge encore. Dans Handbrake, il suffit de cocher une case, appelée « Web Optimized » dans la version anglaise. Le film démarre alors dès qu’on clique, sans passer par une plateforme, comme je l’explique dans Bonnes pratiques pour la mise en ligne de vidéos.
Combien de nuances
Dans le fichier, chaque pixel a une valeur, et cette valeur a un certain nombre de nuances possibles : c’est la profondeur de couleur. Prenons d’abord une image en noir et blanc. Dans la vidéo courante, comme dans une photographie JPEG, elle est codée sur 8 bits, c’est-à-dire qu’il n’y a que 256 nuances de gris entre le noir et le blanc. Notre œil est capable d’en distinguer beaucoup plus. On le voit très bien quand on fait un fondu lent : au lieu de s’assombrir doucement, l’image passe d’une nuance à la suivante par petits sauts, elle saccade, tout simplement parce qu’il n’y a pas assez de nuances. Pour une image en couleur, c’est la même chose pour chacune des trois couleurs primaires, le rouge, le vert et le bleu : 256 nuances chacune, ce qui fait environ 16 millions de couleurs, un chiffre qui semble énorme et qui ne suffit pourtant pas toujours.
En cinéma numérique, chaque couleur est codée sur 12 bits, soit 4096 nuances entre le noir et le blanc, et cela change beaucoup de choses. Imaginons un plan où il y a, dans la même image, des zones très sombres, un sous-bois par exemple, et un ciel très lumineux. En 12 bits, on peut avoir des détails partout, dans les ombres, dans les lumières moyennes et dans le ciel. En 8 bits, il faut choisir. Si l’on garde des détails dans les ombres, le ciel sera tout blanc, et si l’on garde des détails dans le ciel, ce qui est dans l’ombre sera tout noir. La profondeur de couleur n’est donc pas seulement une affaire de justesse des couleurs, c’est la nuance même de l’image. Après le nombre de pixels, il y a la nuance de chaque pixel.
Je pense à la peinture. Selon les pigments et la manière de les poser, un tableau peut avoir des nuances incroyables, comme dans le sfumato des peintres italiens, ces passages si doux de la lumière à l’ombre qu’on n’en voit pas la limite. En 8 bits, une image vidéo est faite plutôt d’aplats, avec des nuances à l’intérieur de ces aplats, bien sûr ; en 12 bits, elle peut aller vers des nuances beaucoup plus fines. On peut pourtant faire des images magnifiques avec peu de nuances, des aplats, des formes simples, des contrastes francs : ce sont des choix esthétiques. Entre les deux, le 10 bits, avec 1024 nuances par couleur primaire, est proposé par beaucoup de téléphones et d’appareils récents. L’histoire de la profondeur de couleur fera, elle aussi, l’objet d’un autre article.
L’espace colorimétrique, lui, décrit l’étendue des couleurs que le fichier peut représenter : jusqu’où va le rouge le plus saturé, le vert le plus vif. La vidéo HD utilise une norme appelée Rec. 709, le cinéma numérique un espace plus large, et la vidéo HDR un espace plus large encore. Beaucoup de téléphones filment aujourd’hui en HDR, et c’est un piège. Si l’on montre ces images sur un écran, un vidéoprojecteur ou avec un logiciel qui ne gère pas le HDR, elles paraissent ternes, délavées. Le fichier n’a rien, ce sont les couleurs qui sont lues dans le mauvais espace. Quand on ne sait pas encore où le film sera montré, mieux vaut désactiver le HDR du téléphone.
Le son dans le fichier
On l’oublie souvent, mais un fichier vidéo contient aussi du son, et il a lui aussi ses caractéristiques. J’ai décrit la nature du son dans le Chapitre 5 : Les techniques du son. Le micro transforme la vibration de l’air en un courant électrique qui varie, et, pour l’enregistrer en numérique, il faut transformer cette courbe en une suite de nombres.
Pour cela, on découpe d’abord le temps en tranches très fines. Combien de tranches par seconde ? C’est la fréquence d’échantillonnage. Le CD audio en prend 44 100, on dit 44,1 kHz. En vidéo, on travaille presque toujours à 48 kHz, et certains studios montent à 96, voire 192 kHz. Ensuite, chaque tranche, on la mesure, et toute la question est de savoir avec quelle finesse : 256 nuances de valeur, ou 16 millions ? C’est ce qu’on appelle la quantification. Le CD audio est en 16 bits, ça fait environ 65 000 valeurs pour chaque tranche, et aujourd’hui on enregistre souvent en 24 bits, plus de 16 millions, ce qui laisse énormément de marge entre un chuchotement et un cri.
Et puis il y a le nombre de pistes, autant que d’enceintes : une en mono, deux en stéréo. Au cinéma, on travaille en 5.1 : une enceinte au centre, derrière l’écran, pour les voix, deux enceintes à gauche et à droite de l’écran pour la musique et les bruitages, des enceintes sur les côtés et à l’arrière pour les ambiances, et un caisson pour les basses. Le 7.1 sépare les côtés de l’arrière. Comme l’image, le son est compressé dans le fichier, le plus souvent en AAC dans un .mp4, alors qu’un fichier .wav ou .aiff le garde sans compression.
Bien plus que des pixels
Quand on parle de la qualité d’une vidéo, on pense d’abord au nombre de pixels, parce que c’est le chiffre que les appareils mettent en avant. Mais pour la personne qui regarde, la qualité, c’est tout le fichier, et la manière dont il est lu. Les pixels comptent, bien sûr, mais tout dépend de la distance entre l’œil et l’écran, comme je l’ai expliqué dans le Chapitre 6 : La définition de l’image. Je pense aussi à tous ces films dont les mouvements saccadent parce que la cadence a changé entre le tournage et l’export, ce que j’ai montré dans le Chapitre 7 : La cadence des images, ou à ces archives étirées dans les musées, avec des visages élargis, dont je parle dans le Chapitre 8 : Les proportions de l’image. Un débit trop faible, et l’image fait des carrés dès que ça bouge. Pas assez de nuances, et le ciel est blanc. Et si le film tarde à démarrer, ou s’il s’arrête au milieu, on ne le regarde pas jusqu’au bout.
Le lieu compte aussi. Une vidéo très fine sur un écran mal placé, dans une salle trop éclairée, donnera une moins bonne expérience qu’une vidéo plus modeste bien installée.
Ouvrir le fichier
Pour savoir ce qu’il y a dans un fichier, on peut l’ouvrir avec MediaInfo, un logiciel libre qui affiche tout ce dont j’ai parlé ici, ou avec le lecteur VLC, dans le menu Outils, sous « Informations sur les codecs ». Je conseille de faire l’essai avec trois fichiers : un rush de votre téléphone, un export de votre logiciel de montage, et une vidéo téléchargée sur internet. On voit tout de suite pourquoi l’un pèse dix fois plus que l’autre, ou pourquoi il y en a un qui ne se lit pas.
Je sais bien que tout ça, ça a l’air d’être du jargon, et je l’oublie parfois, parce que ce sont des choses qui me sont familières depuis très longtemps. Mais en fait, ce n’est pas réservé aux spécialistes : il faut une heure pour le comprendre, et quelques minutes pour le vérifier dans un menu d’export. C’est le même pari que j’ai fait pour le web, dans Pourquoi comprendre la technique du web : quand on comprend ce qu’on manipule, on peut choisir soi-même. Alors avant d’installer une vidéo dans une exposition, je vérifie le codec, la définition par rapport à la distance du public, la cadence, les proportions par rapport à l’écran, et puis le poids du fichier, parce que c’est de lui que dépendent à la fois la fluidité de la lecture et la possibilité de le garder.




