Une chanteuse s’installe, met le casque, chante huit mesures et s’arrête. Elle ne dira pas que la latence est de neuf millisecondes ; elle dira qu’elle s’entend en retard et qu’elle n’arrive pas à poser sa voix. Le réglage responsable tient dans une case de boîte de dialogue, quelque part entre 32 et 2048, et la plupart des gens y touchent au hasard jusqu’à ce que le bruit cesse.

Ce chiffre n’est pas un curseur de qualité. Il fixe la quantité d’échantillons que la machine traite en un bloc, donc le temps qui sépare le geste du son entendu, et il s’échange contre de la stabilité. Le régler correctement demande dix minutes une fois, un câble et un peu de méthode. Ensuite, on n’y revient qu’en changeant de matériel.

La procédure qui suit est celle que j’applique à chaque nouvelle installation, chez moi comme chez les ensembles que j’enregistre. Elle vaut pour un ordinateur portable comme pour une machine fixe, avec une interface d’entrée de gamme comme avec une carte à huit préamplis.

Les quatre nombres qui décident de tout

• La taille du bloc, en échantillons : 32, 64, 128, 256, 512, 1024. C’est le seul réglage réellement en jeu.
• La fréquence d’échantillonnage : 44,1 kHz, 48 kHz, 96 kHz. Elle divise ou multiplie la durée d’un bloc.
• Le temps aller-retour, en millisecondes : ce que le musicien ressent. Il vaut à peu près deux fois le bloc, plus les convertisseurs.
• La marge de sécurité ajoutée par le pilote, invisible et parfois supérieure au bloc lui-même.

Un repère physique, utile pour arrêter de raisonner en abstrait : le son parcourt environ trente-quatre centimètres par milliseconde dans l’air. Dix millisecondes de retard équivalent donc à se placer à trois mètres quarante d’un amplificateur. Personne ne trouve cela dramatique dans une salle de répétition, et pourtant tout le monde le trouve insupportable au casque.

Trois latences qu’on confond en permanence

La latence d’entrée compte le temps que met un signal à traverser le convertisseur analogique-numérique puis à remplir un bloc avant d’être remis à la station de travail. La latence de sortie fait le trajet inverse, du bloc traité vers le convertisseur numérique-analogique. Aucune des deux ne se ressent isolément.

Ce que le musicien perçoit, c’est la somme, appelée temps aller-retour. Elle se compose des deux buffers, des deux convertisseurs, qui coûtent chacun de l’ordre d’une milliseconde, et d’une marge que le pilote ajoute pour éviter les décrochages. Les chiffres affichés par les stations de travail sont souvent optimistes parce qu’ils oublient cette dernière part.

S’y ajoute une latence dont personne ne parle : celle des traitements. Un égaliseur à phase linéaire, un limiteur à anticipation ou un correcteur de hauteur travaillent en regardant le signal à venir, et introduisent donc un retard fixe. Sur la lecture, la station compense automatiquement. Sur la voie qu’on est en train d’enregistrer, elle ne peut rien compenser du tout, puisque le futur n’existe pas encore.

Le calcul, du bloc en échantillons aux millisecondes

La formule tient en une ligne : durée du bloc en millisecondes égale nombre d’échantillons divisé par la fréquence d’échantillonnage, multiplié par mille. À 48 kHz, un bloc de 256 échantillons dure 256 divisé par 48 000, soit 5,33 millisecondes. Le tableau donne les valeurs utiles, arrondies au centième.

La colonne de droite reste une estimation, parce que la marge du pilote et le temps des convertisseurs varient d’un modèle à l’autre. C’est précisément pour cette raison que la mesure au câble, décrite plus bas, vaut mieux que n’importe quelle valeur annoncée.

Choisir la taille de buffer selon la tâche du jour

Il n’existe pas de valeur unique, et chercher un réglage qui conviendrait à tout est la source principale de frustration. Enregistrer et mixer sont deux régimes opposés : le premier exige un retard court et tolère peu de traitements, le second réclame de la puissance et se moque complètement du retard.

Pour une prise de voix ou d’instrument acoustique au casque, visez 64 ou 128 échantillons et coupez tout traitement sur la voie enregistrée. Pour un enregistrement où l’interprète a besoin d’entendre un effet, une réverbération d’ambiance par exemple, montez à 256 et acceptez le compromis. Pour mixer, mettez 512 ou 1024 sans hésiter : la puissance récupérée vaut mieux que des millisecondes qui ne servent à rien.

Une bonne station de travail permet de changer cette valeur sans fermer la session. Prenez l’habitude de le faire à chaque bascule, comme on change d’objectif sur un appareil photo. Ce réflexe évite à la fois les décrochages en mixage et les prises inconfortables. La logique est la même que pour l’installation d’écoute décrite dans notre article sur la production musicale à domicile : on adapte l’outil à l’étape, pas l’inverse.

La procédure de calibration, du premier lancement au réglage définitif

Comptez dix à quinze minutes, une seule fois, avec un câble court pour boucler une sortie sur une entrée. Le résultat se note et ne se recalcule qu’au changement de matériel ou de version de pilote.

1. Branchez l’interface directement sur la machine, sans concentrateur et sans rallonge, avec le câble fourni.
2. Installez le pilote du constructeur et non la couche générique du système, puis redémarrez avant toute autre manipulation.
3. Fixez la fréquence d’échantillonnage dans le panneau du constructeur, puis la même valeur dans la station de travail. Deux valeurs différentes produisent un resampling silencieux et coûteux.
4. Réglez le bloc sur 128, ouvrez une session vide, armez une piste et jouez trente secondes. S’il n’y a aucun craquement, poursuivez.
5. Mesurez le vrai aller-retour : reliez une sortie à une entrée avec le câble, enregistrez une impulsion brève renvoyée par la boucle, puis comparez sa position à celle de l’original. L’écart, lu en échantillons, est votre latence réelle.
6. Comparez ce chiffre à celui qu’annonce le pilote. Un écart de quelques dizaines d’échantillons est normal ; un écart de plusieurs milliers signale une compensation mal renseignée, à corriger dans les préférences.
7. Descendez d’un cran, à 64, puis à 32 si le pilote le propose, jusqu’au premier craquement audible. Remontez ensuite d’un cran et restez-y.
8. Rechargez une session lourde, avec le nombre de pistes que vous utilisez réellement, et refaites l’essai. Une valeur stable sur session vide ne prouve rien.
9. Notez la valeur retenue, la fréquence, la version du pilote et la date dans un fichier texte rangé avec vos sessions.

La cinquième étape est celle que presque personne ne fait, et c’est la seule qui donne un chiffre vrai. Elle sert aussi à renseigner la compensation d’enregistrement de la station, sans quoi toutes vos prises arriveront décalées de la même quantité.

Le seuil à partir duquel un musicien décroche

En pratique, un instrumentiste au casque cesse de sentir le retard en dessous de cinq millisecondes aller-retour. Entre cinq et dix, la plupart s’adaptent sans le formuler, en jouant très légèrement en avant. Au-delà d’une quinzaine, le jeu se dégrade nettement, d’abord sur la précision rythmique, ensuite sur la justesse.

Ces seuils ne sont pas identiques pour tout le monde ni pour tous les instruments. Les percussionnistes et les pianistes réagissent au plus court, parce que leur attaque est nette et leur repère temporel très fin. Les chanteurs sont plus sensibles encore, pour une raison différente : ils entendent leur propre voix par conduction osseuse, immédiatement, et le décalage crée une double image de leur son.

Un test simple vaut mieux qu’une théorie. Faites jouer une croche régulière sur deux réglages, sans dire lequel est lequel, et demandez lequel est le plus confortable. La réponse arrive en dix secondes et elle est stable d’une session à l’autre. Les travaux publiés par l’Audio Engineering Society restent la meilleure porte d’entrée pour qui veut creuser la question au-delà de l’empirique.

Le monitoring direct contourne le problème sans le régler

La plupart des interfaces proposent un renvoi analogique de l’entrée vers le casque, sans passer par l’ordinateur. Le retard devient alors nul, quel que soit le réglage du bloc, et l’on peut mixer confortablement à 1024 tout en enregistrant une voix. C’est la solution la plus robuste, et souvent la moins utilisée.

Elle a deux limites. La première tient au mélange : le musicien entend son signal brut, à côté de la lecture qui vient de la machine, et l’équilibre entre les deux se règle sur la face avant de l’interface, pas dans la session. La seconde tient aux effets : impossible de faire entendre une réverbération logicielle, sauf si l’interface en embarque une, ce que font désormais plusieurs modèles.

Il existe une erreur classique à éviter avec ce mode : oublier de couper l’écoute logicielle de la piste armée. Le musicien entend alors deux fois le même signal, l’un instantané et l’autre retardé, ce qui produit un filtrage en peigne très reconnaissable et beaucoup plus gênant qu’une latence franche.

Les pilotes, dans l’ordre où il faut les éliminer

Sur une machine sous Windows, la hiérarchie est nette. Le pilote à faible latence fourni par le constructeur de l’interface arrive en premier. Vient ensuite une couche universelle qui rend ce type d’accès disponible pour du matériel qui n’en a pas, avec une pénalité. Puis le mode exclusif du système, acceptable pour la lecture, moyen pour l’enregistrement. Les anciens modes partagés arrivent en dernier et n’ont plus leur place dans une chaîne de travail.

Sur macOS, la couche audio native suffit et se règle peu. Le point de vigilance concerne les appareils agrégés, qui combinent plusieurs interfaces : sans une horloge commune, elles dérivent lentement l’une par rapport à l’autre, et le défaut ne se voit qu’après plusieurs minutes d’enregistrement. Sur les distributions Linux, la chaîne s’appuie sur ALSA, avec un serveur de son par-dessus, et les valeurs se règlent en périodes plutôt qu’en blocs uniques.

Trois habitudes règlent la majorité des cas insolubles : n’installer qu’un seul pilote par interface, fermer les applications qui verrouillent la carte en arrière-plan, et refuser les connexions sans fil pour tout ce qui touche à l’audio. Ces contraintes matérielles rejoignent celles que nous évoquions à propos de l’impact des technologies sur la création musicale.

Craquements et décrochages : le bloc n’est pas toujours coupable

Augmenter la valeur fait souvent disparaître le symptôme sans traiter la cause, et l’on se retrouve à 1024 échantillons pour enregistrer une guitare. Avant d’en arriver là, passez en revue les suspects habituels.

• Un seul traitement très lourd sur une voie : la charge d’une piste ne se répartit pas sur plusieurs cœurs, donc un plugin gourmand sature un cœur pendant que les autres dorment.
• La gestion d’énergie : un profil d’économie fait varier la fréquence du processeur et provoque des micro-coupures régulières.
• Un adaptateur sans fil ou un pilote graphique qui monopolise le noyau par à-coups. Le symptôme est un craquement périodique, pas aléatoire.
• Le stockage : une session à quarante pistes lues depuis un disque mécanique externe déclenche des décrochages à la lecture, jamais à l’enregistrement.
• Deux horloges maîtresses déclarées en même temps sur une chaîne numérique, ce qui produit des clics nets et espacés.
• Un concentrateur non alimenté ou un câble trop long entre l’interface et la machine.

Le diagnostic se fait par élimination, une variable à la fois, en gardant la même session de test. Changer trois choses ensemble garantit de ne rien apprendre.

Fréquence d’échantillonnage : ce qu’elle change, ce qu’elle ne change pas

Doubler la fréquence divise par deux la durée d’un bloc, à nombre d’échantillons constant. Passer de 48 à 96 kHz avec un bloc de 256 revient donc au même retard qu’un bloc de 128 à 48 kHz, mais avec deux fois plus de calculs par seconde. Le gain est réel et le prix aussi ; à charge égale, descendre le bloc coûte moins cher que monter la fréquence.

Le choix se fait donc pour d’autres raisons : 48 kHz pour tout ce qui côtoiera de l’image, 44,1 kHz pour un projet destiné au disque compact, une fréquence supérieure quand on prévoit des transpositions importantes ou un travail d’analyse fine. Ce qui coûte vraiment, c’est de changer en cours de route et d’empiler les conversions.

La résolution, elle, n’a aucun effet sur la latence. Travailler en 24 bits à l’enregistrement et en virgule flottante en interne apporte de la marge avant écrêtage, rien de plus. Confondre les deux réglages conduit à des projets lourds sans bénéfice audible.

Deux configurations types, l’une pour enregistrer, l’autre pour mixer

Ces quatre lignes couvrent l’immense majorité des séances. Collez-les au mur au-dessus de l’écran, avec la valeur mesurée de votre installation à côté, et la question ne se reposera plus.

Questions fréquentes

Un bloc plus grand dégrade-t-il le son ?

Non. Le calcul effectué est identique, seule la taille des paquets change. La qualité restituée est strictement la même à 64 et à 1024 échantillons. Le seul effet audible d’un bloc trop grand est le retard, et le seul effet d’un bloc trop petit est le craquement.

Pourquoi la station affiche-t-elle une latence plus faible que celle que je mesure ?

Parce qu’elle relaie le chiffre annoncé par le pilote, qui ignore souvent une partie de la chaîne, notamment les convertisseurs et une marge interne. La mesure par bouclage donne la seule valeur qui compte, et sert aussi à corriger la compensation d’enregistrement.

Faut-il un processeur puissant pour descendre à 64 échantillons ?

La puissance brute aide moins que la régularité. Une machine modeste mais correctement configurée, sans économie d’énergie ni périphérique parasite, tient un bloc court plus sûrement qu’une machine rapide surchargée de logiciels résidents.

Le câble ou le port utilisé changent-ils quelque chose ?

Oui, plus qu’on ne l’imagine. Un concentrateur partagé avec un disque externe, un câble long ou un port occupé par plusieurs périphériques provoquent des décrochages qu’aucun réglage de bloc ne corrige. Un port dédié et le câble d’origine règlent beaucoup de situations réputées insolubles.

Comment enregistrer avec un chanteur qui a besoin d’entendre de la réverbération ?

Trois options, dans l’ordre de préférence : une réverbération embarquée dans l’interface, un petit processeur externe inséré dans le circuit d’écoute, ou une réverbération logicielle très légère avec un bloc à 128. La dernière solution est la plus fragile et la première la plus confortable.

Un réglage bien posé se remarque à ceci qu’on l’oublie. La séance commence sans dix minutes de bricolage, le musicien ne demande pas à réécouter, et la question ne revient qu’au prochain changement d’interface. Mesurez une fois, notez, et passez à la musique.