La télévision a longtemps plafonné au 5.1. La vague qui monte, celle du Next-Gen Audio, change la donne : son immersif avec hauteur, dialogues réglables par le spectateur, mixage qui s’adapte à l’équipement de chacun. Derrière les sigles Dolby AC-4 et MPEG-H se cache une vraie rupture pour la chaîne de production broadcast. Voici de quoi il s’agit, et ce que ça change concrètement en régie.
Du 5.1 à l’immersif : pourquoi maintenant
Le 5.1 a rendu service pendant vingt ans, mais il montre ses limites : un nombre de canaux figé, aucune information de hauteur, et un mixage unique censé convenir à tout le monde — de la barre de son du salon au casque du smartphone. Or les usages ont explosé. Le Next-Gen Audio répond à trois besoins en même temps : ajouter la dimension verticale pour envelopper le spectateur, personnaliser l’écoute (monter les dialogues, choisir une langue, un commentaire), et livrer un seul flux qui se décline proprement sur tous les équipements. On passe d’un son figé à un son qui s’adapte.
C’est le prolongement naturel de notre article sur le son 5.1 en télévision : mêmes principes de canaux et de placement, mais une couche d’intelligence par-dessus.
Canaux, objets et scène : les trois façons de porter le son
Pour comprendre l’immersif, il faut distinguer trois approches, souvent combinées :
- Basé canaux (channel-based) : le son est assigné à des haut-parleurs précis, comme en 5.1 ou 7.1.4. Simple, prévisible, mais rigide.
- Basé objets (object-based) : chaque élément sonore (une voix, un effet, l’ambiance) est transporté avec des métadonnées de position. Le décodeur place ensuite l’objet dans l’espace selon les haut-parleurs réellement présents. C’est ce qui rend le même programme cohérent sur un système 7.1.4 comme sur un casque.
- Basé scène (scene-based) : le champ sonore est encodé globalement (façon ambisonique), puis restitué selon le dispositif d’écoute.
La bascule majeure, c’est l’objet. Un dialogue n’est plus « collé » au canal central : c’est un objet que le spectateur peut monter ou baisser, et que le rendu place correctement quel que soit son salon. Même logique que le mixage en Dolby Atmos côté studio musical : des beds et des objets.
Les systèmes et les normes
Deux grandes familles se partagent le terrain. Dolby AC-4, codec de nouvelle génération associé à Dolby Atmos pour le broadcast, et MPEG-H Audio, standard ouvert développé notamment pour la diffusion. Les deux portent l’audio immersif et l’interactivité ; le choix dépend surtout des normes régionales. Côté transport, ces codecs s’inscrivent dans les standards de diffusion de nouvelle génération : ATSC 3.0 (l’Amérique du Nord, la Corée), DVB en Europe, et les plateformes de streaming qui adoptent progressivement l’immersif. Le point commun : on transporte moins de canaux bruts et davantage de métadonnées, ce qui allège la bande passante tout en enrichissant l’expérience.
Le rendu et la personnalisation
La vraie nouveauté pour le téléspectateur tient en un mot : choix. Le dialogue enhancement permet de remonter la voix par rapport à la musique et aux effets — une fonction d’accessibilité majeure, très attendue par les publics malentendants. On peut proposer plusieurs pistes (version originale, audiodescription, commentaire sportif alternatif) dans le même flux, et laisser le décodeur composer. Côté niveaux, tout cela reste encadré par les règles de loudness broadcast : la cible de loudness s’applique au programme rendu, et les métadonnées garantissent la cohérence d’un appareil à l’autre, un enjeu que nous détaillons dans notre comparatif des indicateurs de niveau à l’antenne.
Produire et livrer en immersif
Pour la régie, le Next-Gen Audio ajoute une couche de travail sans jeter l’existant. Il faut un monitoring capable de restituer la hauteur (configurations 7.1.4 ou rendu binaural au casque), une console et un workflow qui gèrent les objets et leurs métadonnées de position, et une rigueur nouvelle sur l’authoring : on ne mixe plus seulement des niveaux, on décrit une scène. Le transport interne reste celui que connaissent les équipes — audio-sur-IP Dante et AES67, ou son embarqué dans le SDI — mais la charge utile embarque désormais la description de la scène sonore. La bonne nouvelle : la plupart des outils récents savent déjà produire un livrable immersif et son downmix stéréo compatible dans la même passe.
Mon avis
L’immersif en broadcast, ce n’est pas la hauteur qui compte le plus — c’est l’objet et le réglage de dialogue. Pouvoir remonter une voix sur sa télé, c’est le genre de fonction qui paraît anecdotique jusqu’au jour où un proche malentendant comprend enfin un film sans sous-titres. Le défi n’est pas technique, il est méthodologique : décrire une scène au lieu d’empiler des canaux demande un vrai changement d’habitude en régie. Les diffuseurs qui s’y mettent tôt prennent de l’avance, parce que la chaîne complète — captation, mixage, encodage, livraison — met du temps à se roder. Pour une fois, la techno sert d’abord le confort du public, pas la fiche produit.
