Un présentateur ouvre la bouche, la voix arrive une fraction de seconde trop tôt, et tout le journal paraît faux. La synchronisation labiale, le fait que le son colle aux lèvres, est l’un des défauts que l’œil repère le plus vite. Elle ne tient pourtant pas à un réglage unique mais à une course entre deux signaux, l’image et le son, qui ne traversent pas la chaîne à la même vitesse. Comprendre cette course, c’est déjà savoir la gagner.

Un défaut que l’œil pardonne mal
Notre perception n’est pas symétrique. Dans la nature, la lumière arrive avant le son : on voit l’éclair, puis on entend le tonnerre. Le cerveau accepte donc assez bien un son qui suit l’image, mais supporte très mal un son qui la précède. Un présentateur dont la voix devance les lèvres paraît doublé, presque faux, bien avant qu’on mette un mot sur le problème. Cette asymétrie guide tout le reste : on préfère toujours un léger retard du son à une légère avance.
Pourquoi l’image prend du retard
Le traitement de l’image coûte du temps. Un mélangeur de production, une mise à l’échelle, un désentrelacement, un encodage, un décodeur en bout de chaîne, un téléviseur avec son propre traitement d’image, chaque étape ajoute sa latence. Le son, lui, suit un chemin plus léger et sort plus vite. Sans correction, l’audio arrive donc en avance sur la vidéo, et c’est précisément le cas que l’oreille déteste. Le travail consiste à retarder le son juste ce qu’il faut pour rattraper l’image, étape après étape.
Les seuils à connaître
Les normes mettent des chiffres sur cette tolérance. La recommandation ITU-R BT.1359 fixe un seuil de détectabilité : le décalage commence à se voir quand le son devance l’image de plus de 45 millisecondes environ, ou qu’il la suit de plus de 125 millisecondes. Au-delà d’un second seuil, dit d’acceptabilité, situé vers 90 millisecondes d’avance et 185 millisecondes de retard, le défaut devient franchement gênant. On retrouve l’asymétrie : la marge tolérée en retard est près de trois fois plus large qu’en avance. Côté européen, la recommandation EBU R37 vise un écart de bout en bout plus serré, de l’ordre de 40 millisecondes d’avance et 60 millisecondes de retard, en répartissant un petit budget par étape pour que l’accumulation reste maîtrisée.
Où le décalage s’installe
Le point fort du flux télé classique, c’est que l’audio voyage à l’intérieur du signal vidéo. Tant que le son reste embarqué dans le SDI, image et son restent verrouillés, comme l’explique notre article sur le son embarqué dans le SDI. Le décalage naît quand on désembarque l’audio pour le traiter, sur une console ou un processeur, puis qu’on le ré-embarque : pendant ce détour, la vidéo a continué d’avancer, souvent d’une ou plusieurs trames. Le Dolby E, par exemple, impose son propre décalage d’une trame qu’il faut intégrer au budget.
Mesurer le décalage
On ne corrige bien que ce que l’on mesure. La méthode la plus ancienne reste le clap de cinéma : un geste qui marque au même instant une image et un son, et dont on lit l’écart au montage. En exploitation, on utilise des générateurs de test qui émettent un éclair visuel accompagné d’un bip, puis des analyseurs qui comparent l’arrivée des deux et affichent l’écart en millisecondes. Mesurer en bout de chaîne, au plus près du téléviseur, donne le chiffre qui compte vraiment, car c’est là que toutes les latences se sont additionnées.
Corriger et prévenir
La correction passe par des lignes à retard sur l’audio, réglées pour coller l’image, et par des synchroniseurs de trame qui recalent la vidéo. La meilleure prévention consiste à garder le son embarqué le plus longtemps possible et à limiter les allers-retours. Dans un réseau SMPTE ST 2110, l’approche change de nature : la vidéo et l’audio voyagent en flux séparés, mais chaque paquet porte un horodatage calé sur une horloge PTP commune. L’alignement ne dépend plus de la longueur des câbles mais de ces estampilles temporelles, ce qui simplifie la synchronisation de bout en bout. Chez le spectateur, enfin, le réglage « retard audio » d’un téléviseur ou d’une barre de son corrige les derniers millisecondes ajoutés par le traitement d’image du poste.
Mon avis
La synchro labiale est un bon révélateur de la santé d’une chaîne : quand elle dérape, c’est souvent qu’un détour audio a été oublié dans le budget de latence. Le réflexe utile n’est pas de corriger à l’aveugle au bout, mais de savoir, à chaque étape, qui ajoute quoi. Garder le son dans le SDI tant qu’on le peut règle la moitié des problèmes avant qu’ils n’arrivent. Et quand tout est bon, personne n’en parle, ce qui est la juste récompense d’un poste qui ne se remarque que lorsqu’il échoue.