Que cache-t-on derrière le terme de compression MP3 (on parle aussi d'encodage MP3) et quelle est la technique de compression utilisée ?

En fait, on devrait plutôt parler d'un ensemble de techniques utilisées pour arriver au résultat final. Ce résultat final, c'est le fichier MP3 contenant le morceau de musique que l'on a compressé. Parmi ces techniques, certaines sont dites destructrices d'autres non. Une compression destructrice, c'est une compression qui est réalisée en perdant de l'information. Cela signifie que si l'on décompresse (ou décode) le signal compressé (ou encodé) à l'aide d'une technique d'encodage destructeur (en anglais, on parle de lossy codec), on ne retrouvera pas le signal de départ. On a perdu des données lors de l'encodage. Le MP3 est donc un codage destructeur.

Parmi les techniques de compression destructrices, on a essentiellement des méthodes qui exploitent les propriétés de l'oreille humaine. On dit que l'on utilise un modèle psycho-acoustique. Expliquons-nous un peu... Normalement, notre oreille entend les fréquences situées dans la gamme [20 Hz - 20 kHz] comme on peut le voir sur la figure ci-dessous. En fait, il faudrait moduler ce diagramme car cela dépend aussi de l'âge.

Si un morceau de musique contient des fréquences hors de cette gamme, on peut purement et simplement les supprimer sans perte de qualité audio puisque l'oreille humaine ne les entend pas. Pour aller plus loin, on peut dire que l'on entend surtout correctement les fréquences situées dans la gamme [2 kHz - 5 kHz]. En effet, moins de 5dB de niveau sonore suffit pour entendre les fréquences situées dans cette bande alors qu'il faut plus de 20dB pour entendre les fréquences situées en dessous de 100Hz ou au dessus de 10kHZ. Ces constatations peuvent être exploitées pour réduire la taille des fichiers. On peut par exemple décider que toutes les fréquences au dessus de 15kHz seront supprimées. Voilà donc une technique de compression toute simple.

Autre technique de compression utilisée pour encoder un fichier audio en MP3, le principe des fréquences masquées. Si dans un groupe de fréquences, certaines ont un niveau sonore beaucoup plus élevé que d'autres, il n'est pas nécessaire de conserver les fréquences de niveau sonore faible : on ne les entendra pas. Pour utiliser une comparaison plus marquante, imaginez que vous êtes dans votre jardin et que vous entendez des oiseaux. Si un avion passe au dessus de votre tête (même très haut), vous n'entendrez plus les oiseaux car le son qu'ils produisent est beaucoup plus faible que celui généré par l'avion. C'est comme si les oiseaux n'existaient plus ou avaient arrêté de chanter. On voit bien qu'il n'est pas nécessaire de coder toutes les fréquences présentes dans un morceau pour que l'oreille humaine le perçoive correctement quand même. Enfin, si les deux voies d'un son stéréo présentent des séquences semblables, au lieu de dupliquer ces séquences, on stocke une seule voie et l'information qu'à ce moment là, voie droite et voie gauche sont identiques.

Au rang des techniques non destructrices, que trouve-t-on ? Principalement des techniques de codage. Expliquons-nous... Un son, c'est une fréquence. Une seconde de musique, c'est donc une succession de fréquences. Imaginons que dans la suite d'échantillons composant une seconde de musique (rappelons qu'il y a 44100 échantillons dans une seconde de musique issue d'un CD audio), on ait plusieurs fois de suite la même fréquence, par exemple 10 fois. Si au lieu de stocker ces 10 points, on en stocke 1 seul et le nombre de fois où il se répète, on a besoin de coder 2 nombres et non 10. Si, de plus, on applique cette méthode à des fréquences non plus identiques mais très proches les unes des autres (si proches que l'oreille humaine moyenne ne puisse les distinguer), on peut encore gagner en place. Attention, cette fois, la compression est destructrice puisque l'on remplace une fréquence par une autre presque identique.

Le MP3 utilise également l'algorithme de Huffman (1952) comme méthode de codage des informations. Cette méthode est utilisée dans tous les algorithmes de compression (compression de fichiers texte, compression d'images, compression de sons). Elle repose sur l'utilisation d'un code de longueur variable et la probabilité d'apparition d'un événement (en l'occurrence ici d'une fréquence). Plus une fréquence apparaît souvent, plus son code sera court (nombre de bits faible pour la représenter). Le fichier est lu une 1ère fois et on dresse un tableau des fréquences apparaissant et le nombre de fois où elles apparaissent. On en déduit le code approprié. Ce codage est utilisé en dernier lieu. C'est la phase finale de la compression. C'est un codage non destructeur.

Le MP3 exploite en 1^er lieu les propriétés de l'oreille pour réduire la taille d'un morceau, puis on traite l'aspect stéréo et enfin on applique des codages en terminant par le codage de Huffman.

L'utilisation de toutes les possibilités de réduction évoquées dépend de la place que l'on souhaite accorder à une minute de son compressé et donc du taux de compression que l'on va devoir appliquer. Pour l'encodage de fichiers son en MP3 on parle plutôt en terme de bitrate que de taux de compression. Le bitrate est le nombre de bits autorisés en 1 seconde. On aura donc la relation suivante : plus on veut compresser un morceau (pour qu'il prenne le moins de place possible) plus le bitrate à choisir devra être faible.