Pourquoi deux vidéos de même extension se comportent-elles différemment ?

Parce que l'extension n'indique que le conteneur, pas le codec qu'il renferme. De deux fichiers MP4, l'un peut transporter de la vidéo H.264 et fonctionner partout, tandis que l'autre transporte du H.265 et ne s'ouvre pas sur un appareil ancien. De même, si un MKV contient de l'AV1, la plupart des lecteurs matériels peinent. Pour établir un diagnostic, il faut demander « quel codec » et non « quel format ».

Qu'est-ce qu'une image clé (keyframe) et pourquoi est-ce important ?

Une image clé (I-frame) est une image contenant une image complète en elle-même ; elle peut être décodée sans regarder les autres. Les images intermédiaires ne stockent que les changements. C'est pourquoi, en avançant dans une vidéo, le lecteur saute à l'image clé la plus proche — si les images clés sont rares, l'avance rapide paraît grossière. De plus, si les coupes se font aux limites d'images clés, aucun réencodage n'est nécessaire.

Si le H.265 est bien meilleur que le H.264, pourquoi tout le monde ne l'utilise-t-il pas ?

Pour trois raisons : les appareils anciens n'ont pas de décodeur matériel et le décodage logiciel consomme la batterie ou provoque des à-coups, certains navigateurs ne le prennent pas en charge, et la structure des licences de brevets est complexe. Le H.264, lui, bénéficie d'une prise en charge matérielle sur pratiquement tous les appareils jamais produits. C'est pourquoi le H.264 reste le choix le plus sûr et le H.265 s'emploie surtout quand l'économie de stockage est déterminante.

Pourquoi la fréquence d'images variable (VFR) provoque-t-elle des problèmes de synchronisation ?

En VFR, les images n'arrivent pas à intervalles réguliers ; les logiciels de capture d'écran et certaines caméras de téléphone économisent de la place en sautant des images quand il n'y a pas de mouvement. Beaucoup d'outils de montage et de conversion supposent une fréquence constante et peuvent mal interpréter les horodatages d'une source VFR. Le résultat est un décalage audio-vidéo qui augmente à mesure que la vidéo avance.

Qu'est-ce qu'un conteneur et un codec vidéo ? La vraie source des problèmes de compatibilité

Pourquoi un fichier vidéo s'ouvre-t-il sur un appareil et pas sur un autre ? Pourquoi peut-il y avoir un écart de taille d'un facteur dix entre deux vidéos de même durée ? La réponse à ces questions tient à la structure à deux couches des fichiers vidéo. Dans cet article, nous expliquons la distinction entre conteneur et codec, le fonctionnement des codecs et la véritable source des problèmes de compatibilité.

Une structure à deux couches

Un fichier vidéo est en réalité un paquet. Il contient :

Une ou plusieurs pistes vidéo
Une ou plusieurs pistes audio (différentes langues, différentes configurations de canaux)
Des pistes de sous-titres
Des métadonnées (titre, durée, date de création, marqueurs de chapitres)
Des horodatages — quelle image doit être affichée à quel moment

Le conteneur est la structure qui réunit ces éléments. L'extension du fichier indique le conteneur : .mp4, .mkv, .avi, .mov, .webm.

Le codec détermine comment les pistes sont compressées. Pour la vidéo : H.264, H.265, VP9, AV1 ; pour l'audio : AAC, MP3, Opus, AC3.

La conséquence la plus pratique de cette distinction : l'extension ne dit pas si le fichier sera lisible. De deux fichiers MP4, l'un peut fonctionner partout et l'autre ne pas s'ouvrir sur un vieux téléviseur — parce que les codecs qu'ils renferment diffèrent.

Les caractéristiques des conteneurs

| Conteneur | Point fort | Point faible | Usage typique | |---|---|---|---| | MP4 | Prise en charge universelle, adapté au streaming | Prise en charge limitée des codecs/sous-titres | Web, partage, mobile | | MKV | Transporte tout, pistes multiples, sous-titres souples | Moins bien pris en charge par le matériel | Archive, collection de films | | MOV | Natif dans l'écosystème Apple, adapté au montage | Moins répandu que le MP4 | Production vidéo, macOS | | AVI | Très ancien, large prise en charge héritée | Transporte mal les codecs modernes | Anciennes archives | | WEBM | Ouvert, optimisé pour le web | Codecs limités | Vidéo dans le navigateur |

Le MP4 et le MOV partagent en réalité la même structure de base (format de fichier média fondé sur ISO). C'est pourquoi la conversion MOV → MP4 peut le plus souvent se faire par remux, c'est-à-dire sans aucun réencodage.

Le MKV est le conteneur le plus souple : il transporte presque tous les codecs, un nombre illimité de pistes et des formats de sous-titres riches. Son prix : une moins bonne prise en charge par les lecteurs matériels.

L'AVI est une structure des années 1990 qui fonctionne mal avec les codecs modernes — la prise en charge des images B (images à prédiction bidirectionnelle) y est problématique et il rencontre des problèmes de synchronisation avec l'audio à débit variable.

Comment fonctionnent les codecs vidéo

Une seconde de vidéo 1080p non compressée occupe environ 150 Mo. Une minute atteint 9 Go. Sans compression, la vidéo serait pratiquement impossible.

Les codecs vidéo exploitent deux types de redondance :

La redondance spatiale (au sein d'une image) : dans une image, les pixels voisins se ressemblent généralement. Des milliers de pixels d'une zone de ciel ont presque la même valeur. Cela se réduit par une technique proche de la compression photographique (découpage en blocs, transformée fréquentielle, quantification).

La redondance temporelle (entre les images) : des images successives se ressemblent beaucoup. Avec une caméra fixe, l'arrière-plan ne change pas du tout ; seuls les objets en mouvement diffèrent. Plutôt que de stocker chaque image intégralement, le codec stocke la différence par rapport à l'image précédente.

Ce second mécanisme est la véritable puissance de la compression vidéo et il donne naissance aux types d'images.

Types d'images et structure GOP

Image I (Intra, image clé) : c'est une image complète en elle-même. Elle peut être décodée sans regarder les autres. Voyez-la comme une photographie. C'est le type d'image le plus volumineux.

Image P (Predicted) : elle stocke la différence en se référant aux images précédentes. Elle dit « ce bloc est identique à celui situé là dans l'image précédente, décalé de 3 pixels vers la droite ». Elle occupe bien moins de place qu'une image I.

Image B (Bi-directional) : elle se réfère à la fois aux images précédentes et suivantes. C'est le type le plus efficace, mais il exige de traiter les images dans un ordre différent au décodage.

Ces images sont organisées en groupes appelés GOP (Group of Pictures). Un GOP typique peut ressembler à ceci :

I B B P B B P B B P B B I ...

La longueur du GOP (la distance entre deux images I) est un réglage important :

GOP court (images clés fréquentes) : fichier plus lourd, mais avance rapide précise, montage facile, récupération d'erreur rapide.
GOP long (images clés rares) : fichier plus léger, mais avance rapide grossière, montage difficile.

Cela explique pourquoi, en avançant dans une vidéo, vous ne pouvez pas aller exactement à la seconde voulue : le lecteur saute à l'image I la plus proche, car il ne peut pas partir du milieu.

La même raison se présente quand vous coupez et fusionnez une vidéo. Si le point de coupe tombe sur une image I, aucun réencodage n'est nécessaire ; sinon, ce GOP doit être réencodé.

L'écart d'efficacité entre codecs

| Codec | Année | Efficacité relative | Prise en charge matérielle | |---|---|---|---| | MPEG-4 Part 2 (DivX/Xvid) | 1999 | Référence | Appareils anciens | | H.264 (AVC) | 2003 | ~50 % de mieux | Quasi universelle | | VP9 | 2013 | ~30 % de mieux que le H.264 | Bonne sur le web, moyenne en matériel | | H.265 (HEVC) | 2013 | ~40 % de mieux que le H.264 | Sur les appareils récents | | AV1 | 2018 | ~20 % de mieux que le H.265 | Limitée mais en hausse |

D'où vient ce gain d'efficacité ? D'un découpage en blocs plus souple (là où le H.264 utilise des macroblocs fixes de 16×16, le H.265 emploie des tailles variables jusqu'à 64×64), de davantage de modes de prédiction, d'une meilleure estimation de mouvement et d'un codage entropique plus évolué.

Le prix est la charge de calcul. L'encodage H.265 est nettement plus lent que le H.264 ; l'AV1 l'est encore plus. Côté décodage, les appareils sans prise en charge matérielle connaissent des problèmes de consommation de batterie et d'à-coups.

Pourquoi le H.264 reste-t-il la norme ? Parce que pratiquement tous les appareils jamais produits disposent d'un décodeur matériel. Votre téléphone, votre téléviseur, votre navigateur, votre écran embarqué décodent tous efficacement le H.264. Dans la plupart des scénarios, cette universalité vaut mieux que 40 % de gain de taille.

Les modes de débit

CBR (débit constant) : la même quantité de données chaque seconde. Employé pour la diffusion et le direct ; la prévisibilité y est importante.

VBR (débit variable) : les données sont réparties selon la complexité des scènes. Une scène de dialogue statique reçoit peu de bits, une scène d'action rapide en reçoit beaucoup. À débit moyen égal, il donne un résultat nettement meilleur que le CBR.

CRF (facteur de qualité constante) : vous fixez une cible de qualité plutôt qu'un débit (typiquement entre 0 et 51, une valeur basse signifiant une meilleure qualité). L'encodeur ajuste lui-même le débit nécessaire pour tenir cette qualité. La taille du fichier n'est pas connue à l'avance mais la qualité reste cohérente.

Pour l'archivage et l'usage général, le CRF est généralement la meilleure approche — chaque scène reçoit les données dont elle a besoin. Pour le H.264, la plage CRF 18-23 est couramment employée ; 18 est visuellement proche du sans perte, 23 constitue un bon équilibre.

Fréquence d'images et problème VFR

La fréquence d'images (frame rate) est le nombre d'images affichées par seconde. Le cinéma utilise 24 ips, la télévision 25 ou 30 ips, et 60 ips pour un mouvement fluide.

Fréquence constante (CFR) : les images arrivent à intervalles réguliers. Traditionnel et prévisible.

Fréquence variable (VFR) : les images n'arrivent pas à intervalles réguliers. Les logiciels de capture d'écran et certaines caméras de téléphone économisent de la place en sautant des images quand il n'y a pas de mouvement.

La VFR est une source de problèmes concrets : beaucoup d'outils de montage et de conversion supposent une fréquence constante et interprètent mal les horodatages d'une source VFR. Le résultat est un décalage audio-vidéo qui augmente à mesure que la vidéo avance.

Si vous rencontrez un problème de synchronisation lors d'une conversion, c'est la première chose à suspecter. La solution consiste à forcer une fréquence constante pendant la conversion.

Pourquoi certaines vidéos ne s'ouvrent pas

Points à examiner dans l'ordre pour établir un diagnostic :

1. Le codec n'est pas pris en charge. La cause la plus fréquente. L'appareil ne sait peut-être pas décoder le H.265 ou l'AV1. Solution : réencodage en H.264.

2. Le conteneur n'est pas pris en charge. Plus rare. Certains appareils anciens ne savent pas lire le MKV. Solution : remux en MP4 (si les codecs sont compatibles).

3. Le codec audio n'est pas pris en charge. L'image arrive mais pas le son. Des codecs comme l'AC3 ou le DTS ne fonctionnent pas sur certains appareils. Solution : conversion du son en AAC.

4. Le profil/niveau est trop élevé. Le H.264 comporte ses propres profils (Baseline, Main, High) et certains appareils anciens ne prennent en charge que les profils bas. Une résolution et un débit élevés peuvent également dépasser les limites.

5. Le fichier est corrompu ou incomplet. Le téléchargement a pu s'interrompre.

En résumé

Un fichier vidéo comporte deux couches : le conteneur réunit les pistes, le codec les compresse. La plupart des problèmes de compatibilité viennent du codec et non du conteneur, si bien que le conseil « convertis-le en MP4 » est incomplet à lui seul — il faut aussi préciser le codec. Les codecs exploitent la redondance entre images, ce qui donne naissance à la structure d'images I/P/B et à la notion de GOP ; la précision de l'avance rapide et la facilité de coupe en dépendent directement. Le H.265 et l'AV1 sont plus efficaces, mais la prise en charge matérielle universelle du H.264 vaut mieux dans la plupart des scénarios. Enfin, la fréquence d'images variable est la cause cachée la plus fréquente des décalages audio-vidéo lors des conversions.