Convertir le signal audio analogique continu en points de données numériques — détermine la qualité sonore et la taille du fichier. Base de tout enregistrement digital.
Sur le plateau ou en postproduction, nous rencontrons quotidiennement le chantillonnage — et le plus souvent sans trop y réfléchir. Le son capté par un microphone est continu, analogique. Pour le convertir en numérique, il faut "échantillonner" ce flux continu à intervalles réguliers — c'est-à-dire prendre des instantanés. Ces points de mesure s'appellent des échantillons. Plus la fréquence d'échantillonnage par seconde est élevée, plus nous reproduisons fidèlement l'onde originale.
La fréquence d'échantillonnage — mesurée en Hertz ou Kilohertz — détermine la base. 48 kHz est la norme dans le cinéma : nous prenons donc 48 000 mesures par seconde. Le théorème de Nyquist nous impose ici : la fréquence la plus élevée que nous pouvons capturer correctement se situe à la moitié de la fréquence d'échantillonnage — soit un maximum de 24 kHz. C'est largement suffisant pour les oreilles humaines (nous entendons jusqu'à environ 20 kHz), mais : échantillonner en dessous de 48 kHz — par exemple 44,1 kHz comme pour l'audio CD — entraîne déjà une perte notable de brillance dans les hautes fréquences. Inversement, 96 kHz n'apporte que peu d'avantage dans un film dramatique ; le volume de données augmente cependant considérablement.
En pratique, l'erreur se manifeste immédiatement en cas de mauvaise échantillonnage. C'est le phénomène de l'aliasing : les sons à haute fréquence, supérieurs à la limite de Nyquist, sont mal interprétés et génèrent des artefacts perturbateurs — un bourdonnement métallique, des grondements inexpliqués. C'est pourquoi les interfaces audio utilisent un filtre anti-aliasing qui limite les fréquences entrantes. Lors du montage, cela s'est déjà produit depuis longtemps ; la fréquence d'échantillonnage détermine la précision avec laquelle nous pouvons calculer les effets, changer la hauteur des sons (pitch) ou étirer le temps.
La deuxième dimension est la résolution ou profondeur de bits : 16 bits (norme CD) ou 24 bits (professionnel). Elle détermine la finesse avec laquelle nous pouvons graduer l'amplitude de chaque échantillon — le nombre de niveaux de volume entre le silence et le maximum. 24 bits nous donnent 16 millions de niveaux, 16 bits seulement 65 536. En enregistrement de dialogues, surtout avec des sources faibles ou dynamiques, 24 bits s'avèrent avantageux : plus de marge, un contrôle plus fin en postproduction, moins de bruit de quantification visible.
En synchronisation ou en enregistrement multipiste, il est crucial que toutes les pistes fonctionnent à la même fréquence d'échantillonnage. Un mix de matériel en 48 kHz et 44,1 kHz entraîne des erreurs de phase et des problèmes de synchronisation qui ne peuvent être réparés qu'avec difficulté. Les désirs, les plugins et les stations de travail audio numériques (DAW) — tous fonctionnent à cette fréquence. Ce n'est qu'au mixage final ou lors du rendu vers le format de diffusion que l'on peut convertir, mais même dans ce cas, on perd un peu de transparence.