"Extraction audio" et "conversion audio" sont-elles la même chose ?

Pas exactement, mais en pratique les deux vont le plus souvent ensemble. L'extraction audio consiste à séparer la piste audio de la piste vidéo à l'intérieur du conteneur ; prise isolément, c'est une opération de copie. La conversion consiste à changer le format de cette piste audio. Si le MOV contient de l'audio AAC et que vous voulez du MP3, une extraction et une conversion sont toutes deux effectuées, car vous ne pouvez pas placer telles quelles des données AAC dans un fichier MP3.

Si le son du MOV est en PCM, la conversion vers le MP3 est-elle sans perte ?

Non. Le PCM est une donnée audio brute non compressée, tandis que le MP3 est un format de compression avec perte. Transformer du PCM en MP3 signifie que le son est compressé pour la première fois et, par définition, une certaine quantité d'information est écartée. Ce scénario est toutefois plus avantageux que la conversion en MP3 d'une piste AAC déjà compressée, car la compression avec perte part d'une source propre et les pertes de deux algorithmes différents ne se superposent pas.

Pourquoi ne peut-on pas placer directement l'AAC dans un fichier MP3 ?

Parce que le MP3 n'est pas un conteneur mais aussi le codec lui-même. Alors que des conteneurs comme le MP4 ou le MOV peuvent transporter différents codecs, un fichier .mp3 contient par définition uniquement des données audio compressées avec le codec MP3. Écrire des données AAC dans un fichier MP3 est impossible ; le son doit d'abord être décodé puis réencodé en MP3. C'est exactement la raison technique de la perte de qualité.

Un fichier MOV peut-il contenir plusieurs pistes audio ?

Oui, c'est possible. Dans les fichiers MOV issus de caméras et d'enregistreurs professionnels en particulier, des microphones distincts peuvent être inscrits comme des pistes distinctes ; par exemple, une piste pour le micro-cravate et une autre pour le micro de la caméra. Dans ce cas, l'extraction audio prend généralement la piste par défaut ou la première. Si vous voulez toutes les pistes séparément, vous devez ouvrir le fichier dans un logiciel de montage vidéo et exporter les pistes une par une.

Comment sépare-t-on la piste audio d'un MOV ? La logique conteneur, piste et codec

Qu'y a-t-il dans un fichier vidéo ?

L'expression « extraire le son d'un fichier MOV » peut donner l'impression, la première fois qu'on l'entend, qu'il se passe quelque chose de magique — comme si l'outil écoutait la vidéo et reproduisait le son. La réalité est bien plus simple et, une fois comprise, toute la logique de conversion se met en place.

Un fichier MOV est un conteneur. Le conteneur est la structure qui maintient ensemble différents types de flux de données dans un seul fichier et qui enregistre où chacun commence et se termine. On y trouve typiquement :

Une piste vidéo : les données d'image animée
Une ou plusieurs pistes audio
Des pistes de sous-titres ou de code temporel, s'il y en a
Des métadonnées : durée, résolution, fréquence d'images, date de prise de vue
Des informations de synchronisation : quelle image sonore correspond à quelle image vidéo

Le point essentiel est celui-ci : le son est déjà là. Il est stocké à l'intérieur du fichier vidéo, comme un flux autonome, séparé de l'image. Ce que nous appelons « extraction audio » est donc en réalité une opération de séparation — prendre l'un des deux objets de la boîte et laisser l'autre.

Sous quel format est le son contenu dans un MOV ?

Il y a ici une particularité propre au MOV. Le MOV est le conteneur QuickTime d'Apple et, comme il est utilisé aussi bien dans le monde grand public que professionnel, le format audio qu'il renferme varie sensiblement selon la source.

L'AAC est le plus répandu. Les vidéos d'iPhone et d'iPad, les enregistrements d'écran macOS, la plupart des caméras grand public inscrivent le son en AAC. L'AAC est un format avec perte : il réduit le fichier à l'enregistrement en écartant les informations difficilement perceptibles par l'oreille humaine.

Le PCM est le second format le plus fréquent. Les caméras professionnelles, les enregistreurs audio externes et certains logiciels d'enregistrement d'écran inscrivent le son à l'état brut, sans aucune compression. Les pistes PCM occupent beaucoup de place mais aucune information n'a été écartée.

Plus rarement, un MOV peut aussi contenir des formats compressés sans perte comme l'ALAC ou d'autres formats particuliers, mais les deux possibilités principales que vous rencontrerez en pratique sont l'AAC et le PCM.

La différence entre séparation et réencodage

C'est ici le cœur du sujet, et comprendre cette distinction explique pourquoi le résultat sort de telle ou telle façon.

Séparation pure (copie) : si le format cible que vous souhaitez est identique à celui de la piste audio contenue dans le conteneur, la seule chose à faire est d'extraire les données du conteneur et de les écrire dans un nouveau fichier. Les données audio restent identiques bit pour bit. Il n'y a aucune perte de qualité et l'opération est très rapide.

Réencodage : si le format cible est différent, la piste audio doit d'abord être décodée (ramenée à sa forme d'onde numérique) puis recompressée depuis le début avec le nouvel algorithme. C'est une véritable charge de traitement et, si vous encodez vers une destination avec perte, une certaine quantité d'information est inévitablement écartée.

Dans le scénario MOV→MP3, où en sommes-nous ? Presque toujours dans le second cas. Si le son du MOV est en AAC, il n'existe aucun moyen d'écrire telles quelles des données AAC dans un fichier MP3, car un fichier .mp3 ne transporte par définition que des données compressées avec le codec MP3. Si c'est du PCM, comme le PCM n'est pas compressé, une destination MP3 signifie automatiquement une compression.

La réponse honnête est donc la suivante : extraire un MP3 depuis un MOV est en pratique toujours un réencodage et comporte une certaine perte de qualité.

Pourquoi l'AAC→MP3 demande-t-il une attention particulière ?

La situation qui apparaît lorsqu'on convertit entre deux formats avec perte s'appelle techniquement un double encodage, et sa logique est la suivante.

Quand l'AAC compresse le son, il écarte certaines informations — il détermine lesquelles selon son propre modèle psychoacoustique. Le modèle du MP3 est différent et il écarte d'autres choses. Quand vous convertissez une piste AAC en MP3, l'encodeur MP3 reçoit un son déjà appauvri et applique par-dessus son propre appauvrissement. Les deux pertes ne s'annulent pas, elles se superposent.

Cela ne signifie pas que le résultat sera inutilisable. Au contraire, effectuée à un débit binaire raisonnable, la plupart des gens n'entendent pas la différence. Mais il faut savoir deux choses :

Une conversion ne peut jamais améliorer le son. Si la piste AAC source est faible, produire un MP3 à 320 kbps ne la corrigera pas ; cela ne fera que stocker un son faible dans un gros fichier.
Les conversions répétées s'accumulent. Convertir le même son du MP3 vers l'AAC puis de nouveau vers le MP3 l'érode un peu plus à chaque fois. Si possible, convertissez toujours depuis la source originale.

Pourquoi parle-t-on autant du choix du débit binaire ?

Le débit binaire indique à l'encodeur MP3 combien de bits par seconde il peut dépenser. Plus le budget est large, moins l'encodeur est contraint d'écarter d'informations.

L'approche pratique peut se résumer ainsi : les enregistrements essentiellement parlés — entretien, cours, podcast — restent intelligibles même à des débits binaires faibles, car la voix humaine se concentre dans une plage de fréquences étroite. La musique, une performance live ou une ambiance sonore riche utilisent en revanche un spectre plus large, et ce qui se dégrade d'abord à faible débit binaire, c'est généralement le détail dans les hautes fréquences et le naturel des instruments aigus.

Si la source est en PCM, il est utile de se montrer généreux, car vous disposez d'une source propre et vous la compressez pour la première fois. Si la source est déjà un AAC à faible débit binaire, choisir un débit MP3 très élevé n'apporte aucun gain ; vous ne pouvez pas dépasser la limite de la source.

Vous n'êtes pas obligé de faire ce diagnostic à la main — notre outil d'extraction audio MP3 depuis un MOV lit lui-même la piste audio contenue dans le conteneur et effectue la conversion en conséquence ; la seule chose que vous avez à faire est de choisir un débit binaire cible raisonnable.

La question de la durée et de la taille de fichier

Un dernier point pratique : la durée d'une extraction audio est liée moins à la longueur de la piste audio qu'à la taille totale du fichier. L'outil doit lire le fichier pour atteindre la piste audio, et un fichier MOV professionnel peut peser plusieurs gigaoctets. Sur un tel fichier, les étapes d'envoi et de traitement peuvent durer plusieurs minutes — ce n'est pas une erreur, c'est la conséquence naturelle de la taille du fichier.

En revanche, le MP3 obtenu occupe généralement quelques pour cent de la place de l'original. Si la version MOV d'une vidéo d'entretien remplit un disque alors que sa version MP3 tient sur un téléphone, c'est justement pour cela : les données d'image ont été retirées, il ne reste que le son compressé.

En résumé

Le MOV est un conteneur, le son y existe déjà comme une piste distincte, et l'« extraction audio » est l'opération qui sépare cette piste. Le son contenu dans un MOV est généralement de l'AAC, parfois du PCM ; ni l'un ni l'autre n'est du MP3. C'est pourquoi la conversion MOV→MP3 n'est pas une copie mais un véritable réencodage, qui comporte une petite perte de qualité. Vous ne pouvez pas supprimer cette perte, mais vous pouvez la maintenir à un niveau inaudible en choisissant un débit binaire adapté à la source et en évitant les conversions intermédiaires inutiles. Et la règle valable en toutes circonstances est celle-ci : une conversion ne peut jamais rendre un son meilleur que sa source.