Une chapelle de village, une nef de dix-huit mètres, trois heures un mardi matin pendant que personne n’y entre. Il faut une enceinte, un micro, un ordinateur portable et l’autorisation de la personne qui détient les clés. À la sortie, on emporte un fichier de quatre secondes qui contient la salle entière, réutilisable pendant des années.

La capture d’une réponse impulsionnelle est l’une des rares opérations techniques dont le rapport entre l’effort et le résultat soit aussi favorable. Elle ne demande pas de matériel coûteux, elle se maîtrise en deux ou trois sorties, et elle donne accès à des acoustiques que personne ne vend sous forme de bibliothèque commerciale.

Elle produit aussi, très facilement, des résultats inutilisables. Ce qui suit décrit le procédé, le protocole complet, et surtout la raison la plus fréquente pour laquelle une convolution parfaitement correcte sonne faux une fois posée sur une captation musicale.

Matériel, temps et niveau de difficulté

• Émission : une enceinte active à réponse large, posée sur pied. L’idéal théorique est une source omnidirectionnelle, rarement disponible.
• Captation : un micro omnidirectionnel, ou un couple stéréophonique si vous voulez une image. Un statique de mesure convient parfaitement.
• Signal : un sinus glissant de dix à trente secondes, de vingt hertz à vingt kilohertz, et son filtre inverse.
• Temps sur place : deux à trois heures pour une salle, en comptant l’installation et cinq à huit positions.
• Traitement : une demi-heure par position, déconvolution comprise.
• Difficulté : moyenne. Le protocole est simple, les erreurs viennent presque toujours du placement et du niveau.

Ce qu’est une réponse impulsionnelle, exactement

Une réponse impulsionnelle est ce qu’une salle renvoie quand on y produit une impulsion parfaite, c’est-à-dire un son infiniment bref contenant toutes les fréquences. Elle décrit intégralement le comportement acoustique du lieu entre un point d’émission et un point de réception.

Ce fichier contient trois choses distinctes. Le son direct d’abord, qui arrive le premier. Les premières réflexions ensuite, arrivées de quelques millisecondes à quelques dizaines de millisecondes plus tard, et qui portent l’essentiel de l’information sur la taille et la forme du lieu. La queue de réverbération enfin, dense et décroissante.

La convolution consiste à appliquer ce comportement à n’importe quel autre son. Mathématiquement, chaque échantillon du signal d’entrée déclenche une copie de la réponse impulsionnelle, pondérée et décalée dans le temps ; la somme de toutes ces copies constitue le signal traité. Le résultat n’imite pas la salle, il applique sa réponse.

La limite tient dans une phrase : cette description vaut pour un couple de points précis. Déplacez la source d’un mètre, la réponse impulsionnelle change. C’est pourquoi on en capture plusieurs, et pourquoi une bibliothèque sérieuse indique les positions employées.

Le sinus glissant, et pourquoi pas un ballon

La méthode impulsive directe existe : un ballon qu’on crève, un claquoir, une planche qu’on laisse tomber. Elle est immédiate et donne un résultat exploitable dans les cas simples. Elle a deux défauts sérieux.

Le premier est le rapport signal sur bruit. Une impulsion contient peu d’énergie totale, et la queue de réverbération disparaît vite sous le bruit de fond du lieu. Dans une salle calme, on obtient peut-être quarante décibels de dynamique utile, ce qui est insuffisant pour une longue traîne.

Le second est la répartition spectrale. Un ballon produit beaucoup d’énergie dans le médium et l’aigu, très peu dans le grave. La réponse obtenue décrit donc mal le comportement du lieu dans le bas du spectre, précisément là où les salles diffèrent le plus.

Le sinus glissant résout les deux problèmes. Il étale l’énergie dans le temps, ce qui permet d’en injecter beaucoup plus sans saturer, et il la répartit sur tout le spectre selon une loi connue. La déconvolution reconcentre ensuite cette énergie en une impulsion, avec un gain de dynamique considérable. Les protocoles de mesure de ce type sont documentés en détail dans la littérature technique publiée par l’Audio Engineering Society.

La chaîne de mesure, poste par poste

L’enceinte doit descendre raisonnablement bas et ne pas saturer au niveau employé. Une enceinte de contrôle active de taille moyenne convient, à condition de la poser sur pied à hauteur d’oreille et loin des murs. Sa directivité constitue le principal écart avec le protocole idéal, et il faut le savoir plutôt que l’ignorer.

Le micro doit être omnidirectionnel. Une directivité cardioïde capte moins d’énergie réverbérée et introduit un effet de proximité qui n’a rien à faire dans une mesure. Pour une réponse stéréophonique, un couple de deux omnis espacés donne un résultat utilisable, plus large qu’un couple coïncident.

L’interface doit fonctionner en boucle fermée, entrée et sortie sur le même appareil, ce qui garantit une horloge unique et une latence constante. Enregistrer sur un appareil et diffuser depuis un autre introduit une dérive qui rend la déconvolution inexploitable sur des mesures longues.

Un dernier poste souvent négligé : le niveau. Il doit être assez élevé pour couvrir largement le bruit de fond, assez bas pour ne saturer ni l’enceinte ni le préamplificateur. Un contrôle sur une mesure d’essai, avec relevé des crêtes, évite de découvrir le problème une fois rentré.

Le protocole de capture, étape par étape

1. Relevez la salle. Dimensions approximatives, matériaux, présence de tapis, de rideaux, de public. Notez tout, ces informations serviront à nommer les fichiers et à comprendre les résultats.
2. Mesurez le bruit de fond. Trente secondes, micro en place. Si le lieu dépasse largement le niveau d’un local calme, la queue de réverbération sera courte et bruitée quoi que vous fassiez.
3. Installez la source. Enceinte à l’endroit où se tiendraient les musiciens, sur pied, à un mètre cinquante environ, dirigée vers la salle.
4. Installez le micro. Première position à la place d’un auditeur du milieu de salle. Notez la distance exacte à la source, elle vous servira au nettoyage.
5. Faites une mesure d’essai. Un balayage court, vérification des niveaux, écoute rapide de la queue. Corrigez avant d’enchaîner.
6. Enchaînez trois balayages par position, séparés par un silence complet. Vous garderez le meilleur et les deux autres serviront de secours en cas de bruit parasite.
7. Déplacez le micro et recommencez : proche, milieu, fond, latéral, tribune si elle existe. Cinq à huit positions couvrent bien une salle moyenne.
8. Refaites une mesure de bruit de fond à la fin, pour documenter d’éventuels changements. Puis remettez tout en place et remerciez la personne qui vous a ouvert.

Une règle absolue : silence total pendant les balayages. Un pas, une porte, une respiration proche du micro suffisent à ruiner une prise, et le défaut ne s’entend qu’après déconvolution.

Le placement source et micro décide de tout

Le couple de positions détermine tout ce que le fichier contiendra. Une source proche du micro donne un son direct dominant et des premières réflexions tardives, ce qui produit une réverbération légère. Une source éloignée donne l’inverse.

La distance minimale à respecter est celle qui vous éloigne des surfaces. Une enceinte ou un micro à moins d’un mètre d’un mur capte une réflexion très précoce qui se traduira, à l’usage, par une coloration fixe et désagréable. Deux mètres constituent un minimum raisonnable.

Le sol pose un problème particulier puisqu’on ne peut pas s’en éloigner. La réflexion qu’il produit arrive toujours, et elle est d’autant plus gênante que le sol est dur. C’est une des raisons pour lesquelles les mesures en position haute, sur une tribune ou un balcon, donnent souvent des résultats plus utilisables.

Un conseil issu de l’expérience : capturez systématiquement une position que vous jugez trop proche et une que vous jugez trop lointaine. Au moment du mixage, six mois plus tard, ce sont souvent celles-là qui servent, parce qu’on cherche rarement une salle vraisemblable mais un effet précis. La même logique vaut pour les captations musicales elles-mêmes, comme nous l’avions vu à propos de l’enregistrement de quatuors à domicile.

La déconvolution, et le fichier obtenu

L’opération consiste à appliquer au signal enregistré un filtre inverse dérivé du balayage émis. Le résultat concentre en une impulsion l’énergie étalée pendant les vingt secondes, et fait apparaître la réponse de la salle avec une dynamique très supérieure à celle d’une mesure impulsive.

Un effet secondaire mérite d’être connu. La distorsion produite par l’enceinte se retrouve, après déconvolution, sous forme d’artefacts situés avant l’impulsion principale. Ils sont donc faciles à supprimer par simple troncature, ce qui constitue un avantage supplémentaire du procédé.

Le fichier obtenu est un son ordinaire, un fichier audio que vous pouvez écouter. Cette écoute directe est le premier contrôle qualité : on doit entendre un claquement suivi d’une queue régulière, sans souffle audible avant l’impulsion ni bruit parasite dans la traîne.

Conservez toujours l’enregistrement brut à côté du fichier déconvolué. Les traitements se refont, les captations non, et une salle n’est pas toujours accessible une seconde fois. Cette discipline d’archivage vaut pour tous les projets, comme nous l’avons souligné à propos de l’impact des outils numériques sur la création.

Le nettoyage : troncature, fondu, niveau

Quatre opérations, dans cet ordre. La première est la troncature du début : on coupe tout ce qui précède l’arrivée du son direct, artefacts compris, en laissant deux ou trois millisecondes de marge.

La deuxième est la décision sur le son direct. Si vous voulez un effet de réverbération à mélanger avec un signal sec, il faut le supprimer et ne garder que les réflexions, faute de quoi la source sera doublée. Si vous voulez placer entièrement un son dans la salle, gardez-le.

La troisième est le fondu de sortie. La queue se termine toujours dans le bruit de fond ; on applique un fondu progressif sur les dernières centaines de millisecondes, à l’endroit où le niveau rejoint ce bruit. Une coupure brutale s’entend immédiatement, sous forme de clic ou de fermeture nette.

La quatrième est le niveau. Normalisez à une valeur constante d’un fichier à l’autre, afin de pouvoir comparer deux salles sans que la différence de gain ne fausse le jugement. Vérifiez également l’absence de composante continue, fréquente sur les enregistrements très graves.

Pourquoi une convolution sonne faux sur une prise trop proche

C’est le problème principal, et il n’a rien à voir avec la qualité de la mesure. Une captation rapprochée contient déjà l’acoustique du lieu où elle a été faite, sous forme de réflexions précoces d’un petit local, souvent traité et sec.

Y ajouter la réponse d’une grande salle superpose deux acoustiques incompatibles. L’oreille reçoit des premières réflexions courtes, typiques d’une pièce de quinze mètres carrés, suivies d’une queue de trois secondes qui suppose un volume cent fois supérieur. Le cerveau détecte l’incohérence sans pouvoir la nommer, et le résultat paraît artificiel.

Deuxième cause, la directivité. Un instrument rayonne différemment selon la fréquence et selon la direction, et une captation proche ne prend qu’une portion de ce rayonnement. La salle, elle, aurait reçu l’ensemble. Convoluer une prise proche revient à envoyer dans la salle un instrument qui ne sonne que dans une direction.

Trois correctifs fonctionnent. Reculer le micro à la prise, ce qui reste la meilleure solution. Ajouter un léger retard avant la réverbération, pour éloigner artificiellement les premières réflexions. Filtrer la réponse impulsionnelle en atténuant l’aigu, ce qui imite le rayonnement réel d’une source vers le fond d’une salle.

Le tableau des erreurs et de leur signature

Les trois premières lignes représentent la grande majorité des mesures ratées. Les vérifier sur place, avant de plier le matériel, économise une seconde visite.

Où capturer, et ce qu’il faut demander avant

Les lieux intéressants ne sont pas les plus prestigieux. Une chapelle, une salle des fêtes, une cage d’escalier, un préau, un couloir de parking, une citerne désaffectée : les acoustiques inhabituelles sont les plus utiles, parce qu’aucune bibliothèque commerciale ne les propose.

La demande d’autorisation se fait auprès de la personne responsable du lieu, et elle passe mieux quand elle est précise : la date, l’heure, la durée, le matériel apporté, le fait qu’aucune modification ne sera faite et que le niveau sonore restera modéré. Beaucoup de refus tiennent à une demande vague.

Pensez à demander aussi ce que vous pourrez faire du résultat. Un usage personnel ne pose généralement aucune question ; une diffusion sous forme de bibliothèque publique mérite un accord explicite, écrit, avec mention du lieu.

Un dernier mot sur la documentation. Les paramètres acoustiques d’une salle, dont le temps de réverbération, font l’objet de méthodes de mesure normalisées publiées par l’Organisation internationale de normalisation. Vous n’avez pas besoin de vous y conformer pour un usage musical, mais y jeter un œil apprend à décrire proprement ce qu’on a capturé.

Questions fréquentes

Peut-on capturer une réponse impulsionnelle avec un téléphone ?

Pour se faire une idée, oui. Pour un usage musical, non : le micro d’un téléphone est fortement traité, avec réduction de bruit et compression, ce qui détruit la queue de réverbération. Un enregistreur portable avec micros omnidirectionnels constitue le premier niveau réellement utilisable.

Combien de positions faut-il pour une salle ?

Cinq à huit suffisent pour disposer d’un choix utile au mixage. Au-delà, on accumule des fichiers très proches les uns des autres. Mieux vaut varier fortement les positions, y compris celles qui semblent aberrantes, que multiplier les variantes autour d’un même point.

Une réponse impulsionnelle stéréophonique est-elle indispensable ?

Elle est très utile pour placer une source dans un espace crédible. Une réponse monophonique reste employable pour des effets, et elle a l’avantage d’être plus légère en calcul. Commencez par le mono si vous découvrez le procédé, la méthode est identique.

Combien de temps de queue faut-il conserver ?

Jusqu’au moment où le niveau rejoint le bruit de fond, pas au-delà. Conserver artificiellement une traîne noyée dans le souffle ajoute du bruit à chaque note traitée. Dans une salle moyenne, on garde couramment entre une et trois secondes.

Pourquoi ma convolution consomme-t-elle autant de ressources ?

Parce que l’opération est coûteuse par nature, proportionnellement à la longueur de la réponse. Les algorithmes actuels la découpent en blocs pour limiter la latence, mais une réponse de quatre secondes appliquée à huit pistes reste lourde. Traitez sur une piste auxiliaire unique plutôt que piste par piste.

Une salle capturée est un objet durable : elle ne se démode pas, elle ne demande pas de mise à jour, et elle porte la trace d’un lieu précis à une date précise. Choisissez la prochaine sortie en fonction de ce que vous n’avez pas dans votre dossier, pas en fonction de ce qui a l’air impressionnant.