Latence de boucle audio : ce que l'enceinte ne montre pas

La plupart des tests audio vérifient seulement que le son sort et que le micro capte. Aucun ne mesure la latence aller-retour : le temps entre un événement audio entrant par le micro et le signal traité sortant par les enceintes. Ce seul chiffre décide si un musicien peut enregistrer sur un clic, si un appel vidéo semble naturel et si l'audio spatial des jeux est précis. Un système peut réussir tous les tests de lecture tout en ayant une latence catastrophique, car fonctionnalité et synchronisme sont deux axes distincts. Ce guide explique comment mesurer la latence aller-retour, ce que signifient les chiffres et comment la réduire.

Chaque vérification matérielle commence de la même façon. Nouvelles enceintes, test de tonalité, confirmer que le son sort, passer à la suite. Micro, parler, voir le niveau bouger, passer à la suite. Ces deux tests confirment que la voie de sortie et la voie d’entrée fonctionnent. Aucun ne mesure la question qui décide réellement si votre installation audio peut faire le vrai travail : combien de temps un son met-il pour aller du micro, traverser l’ordinateur et sortir par les enceintes ?

Ce chiffre est la latence aller-retour, et il décide silencieusement quelles tâches votre système peut honnêtement assumer :

• Enregistrer de la musique. Jouer sur un clic ou un accompagnement exige que votre propre son revienne à vos oreilles presque immédiatement. Au-delà d’environ quarante millisecondes d’aller-retour, vous dérivez du tempo, chaque prise sonne lourde et aucun entraînement n’y remédie. Les interfaces audio qui partagent un contrôleur USB avec d’autres appareils peuvent également souffrir de contention de bande passante USB, ce qui ajoute des pics de latence aux délais de tampon.
• Tenir des conversations. Les appels vidéo ne semblent naturels que si la chaîne audio est serrée. Un délai excessif produit de l’écho, des paroles qui se chevauchent et le rythme saccadé d’un appel satellite.
• Jouer avec l’audio spatial. Le son positionnel ne fonctionne que si l’audio arrive en synchronisation avec ce qui est visible. Quand la voie audio traîne derrière l’écran, les pas et les tirs se détachent de l’action à l’écran.

Votre test d’enceintes et votre test de micro répondent « est-ce que ça fonctionne ? ». Le test de latence de boucle répond « à quelle vitesse ? ». Cette page explique ce qu’est la latence aller-retour, d’où elle vient et comment la réduire. Les chiffres ici proviennent de l’expérience générale sur de nombreuses configurations matérielles et logicielles : une vraie configuration ASIO sur un Focusrite Scarlett 2i2 donne des valeurs différentes d’un codec Realtek intégré sous Windows 11. Vos résultats varient selon l’interface, le pilote et la configuration du tampon.

Le test d’enceintes ne mesure pas la latence

Un test d’enceintes joue un ton, un balayage ou une chanson par la voie de sortie et confirme que du son est produit. C’est un test de fonctionnalité avec un résultat binaire : câble branché, pilote chargé, volume non coupé, convertisseur numérique-analogique vivant. Si vous entendez le ton, la voie de sortie fonctionne. C’est tout ce que dit le test.

Un test de micro fait de même pour la direction d’entrée. Il capture ce que vous dites, affiche un niveau et confirme que le micro, le préampli et le convertisseur analogique-numérique fonctionnent. Là aussi, le résultat est binaire.

La mesure de latence est un autre type de test. Au lieu de demander si un signal peut traverser une voie, elle demande combien de temps dure la traversée. La procédure est simple : envoyez un signal connu — une impulsion, un clic, une courte rafale — par la sortie, capturez-le à l’entrée et calculez la différence de temps entre l’envoi et la réception. Cette différence est la latence aller-retour, en millisecondes.

La distinction compte parce que les deux mesures sont indépendantes. Un système peut réussir tous les tests de lecture tout en ayant une latence catastrophique. Les enceintes Bluetooth sont l’exemple classique : elles reproduisent un ton fidèlement, le test d’enceintes annonce un succès, pendant que le codec sans fil ajoute cent à cent quatre-vingts millisecondes de délai qu’aucun test de lecture ne détecte jamais. Un ton qui arrive cent cinquante millisecondes en retard est techniquement reproduit.

C’est pourquoi l’hypothèse habituelle — « mes enceintes sonnent bien, donc mon système audio est bon » — s’effondre sur tout ce qui est sensible au timing. Fonctionnalité et synchronisme sont des axes séparés. Avant de faire confiance à votre installation pour l’enregistrement, les appels ou le jeu, vous avez besoin du chiffre que les tests de lecture ne peuvent structurellement pas fournir.

Regardez les tampons se remplir

La latence aller-retour n’est pas un délai unique. C’est la somme des délais à chaque étape entre la capsule du micro et la membrane de l’enceinte. Comprendre le chemin vous montre où vos millisecondes sont cachées :

1. Tampon d’entrée. Le convertisseur analogique-numérique échantillonne en continu, mais le système d’exploitation livre l’audio par blocs. Le pilote attend que le tampon soit plein avant de passer les données à l’application. À 48 kHz, un tampon de 128 échantillons met 2,7 millisecondes à se remplir : c’est le temps que votre audio attend avant que quelqu’un le traite. La plupart des systèmes maintiennent deux ou trois tampons en circulation. Comptez environ cinq à huit millisecondes avant que votre application voie le premier échantillon.
2. Conversion analogique-numérique. Le convertisseur a besoin de temps pour échantillonner, quantifier et synchroniser. Sur le matériel grand public, cela contribue typiquement d’une à trois millisecondes ; les interfaces dédiées font mieux.
3. Ordonnancement du système d’exploitation. Le moteur audio réveille votre application par minuteur, et le réveil est soumis à l’ordonnancement normal des threads. En mode partagé, le système d’exploitation mixe aussi votre flux avec toute autre source audio du système, ajoutant une passe de traitement propre. Cette étape contribue de quelques millisecondes à vingt ou plus selon la plateforme et la charge. C’est là que Linux avec PipeWire peut dépasser Windows — et où un bureau bruyant peut faire exploser votre latence silencieusement.
4. Traitement de l’application. Le logiciel côté récepteur — une DAW, une chaîne d’effets, un graphe audio de navigateur — traite le bloc avant de le transmettre. Petit, mais partie de la somme.
5. Conversion numérique-analogique. Le miroir de l’étape deux, encore une à trois millisecondes pendant que le signal traité devient une tension analogique.
6. Tampon de sortie. Les échantillons traités attendent dans le tampon de sortie jusqu’à ce que le convertisseur soit prêt à les jouer : les mathématiques de tampon du côté entrée se répètent. Dans les configurations typiques, cinq à huit millisecondes de plus.

En additionnant les étapes, la latence aller-retour en mode partagé sur un ordinateur normal se situe généralement entre trente et soixante millisecondes — les valeurs suivantes sont des exemples illustratifs de matériel concret, pas des spécifications universelles. Lors de tests informels sur un ordinateur portable standard Windows 11 avec le codec Realtek ALC897 intégré à 128 échantillons de tampon, des mesures en mode partagé ont été observées près du haut de cette fourchette. Avec une Behringer U-Phoria UM2 via ASIO4ALL sur le même matériel, la mesure est tombée à environ quinze millisecondes. Ce sont des observations sur une seule machine sans conditions contrôlées ; elles servent d’indicateurs de l’écart typique entre le mode partagé et la voie ASIO, pas de valeurs garanties pour votre matériel. Aucun pilote n’élimine le temps de conversion — mais le surcoût de tamponnage et d’ordonnancement qui domine la somme se réduit dramatiquement.

Un chiffre, deux définitions

Le logiciel audio rapporte rarement un chiffre unique. Ouvrez les réglages d’une application professionnelle et vous verrez typiquement deux valeurs : la latence d’entrée, le temps du micro à l’application, et la latence de sortie, le temps de l’application aux enceintes. Les pilotes comme ASIO rapportent les deux séparément, et le marketing cite souvent le chiffre qui paraît le mieux.

La latence aller-retour est la somme des deux plus le propre temps de traitement de l’application. Un système qui rapporte vingt millisecondes par côté a un aller-retour d’environ quarante. Un utilisateur qui lit « 20 ms de latence » et suppose que c’est le délai audible se trompe d’un facteur deux — et l’erreur est courante parce que les valeurs par côté figurent sur les fiches techniques.

La distinction compte parce que vous percevez toujours l’aller-retour. Quand un musicien écoute sa propre voix ou son instrument, le son doit sortir du micro, traverser le système et revenir aux écouteurs avant qu’il ne l’entende. C’est le chemin complet. Une valeur par côté ne décrit que la moitié du voyage.

Par cohérence, tous les chiffres ici se réfèrent à la latence aller-retour. Quand vous comparez votre mesure à une spécification produit ou un benchmark, vérifiez toujours que les deux chiffres décrivent le même type de trajet. Comparer une mesure aller-retour à une spécification par côté fait paraître votre système deux fois plus lent qu’il ne l’est.

Le système d’exploitation décide avant vous

Le même micro, les mêmes enceintes, le même câble donnent des latences complètement différentes sur différents systèmes d’exploitation, parce que chaque plateforme fait passer l’audio par une pile logicielle différente. La pile décide combien de surcoût de tamponnage et d’ordonnancement s’ajoute au temps de conversion inévitable.

Windows : mode partagé, mode exclusif et ASIO

Windows offre trois chemins vers le matériel, chacun avec un profil de latence différent :

• Le mode partagé WASAPI est la voie par défaut de toute application sauf demande contraire (Microsoft Learn : WASAPI Shared Mode, 2023). Tout l’audio est mixé et livré avec un tamponnage prudent. La latence aller-retour habituellement observée sur les systèmes typiques se situe entre trente-deux et soixante-quatre millisecondes, selon la taille du tampon et la charge — des plages d’expérience courantes, pas des valeurs garanties. Web Audio, WebRTC et la lecture multimédia prennent des chemins légèrement différents, mais commencent tous à ce mixeur commun.
• Le mode exclusif WASAPI ou ASIO contourne le mixeur et donne à une application un accès direct à l’appareil, la latence tombant typiquement à environ dix millisecondes sur le matériel courant (Microsoft Learn : WASAPI Exclusive Mode, 2023). Disponible pour les applications natives qui le demandent ; les navigateurs ne peuvent pas.
• ASIO est un protocole de pilote qui contourne complètement la pile audio de Windows et parle directement au matériel de l’interface (Steinberg : ASIO Host and Driver Guide v2.3, 2021). Avec une interface capable, ASIO atteint habituellement huit à quinze millisecondes, les chiffres exacts dépendant de l’interface, de la version du pilote et de la configuration du tampon. Les navigateurs ne peuvent pas l’utiliser.

macOS : Core Audio

Le framework Core Audio d’Apple est bien optimisé, et les applications natives atteignent régulièrement huit à vingt millisecondes d’aller-retour avec des réglages de tampon raisonnables. Le chemin partagé est efficace, donc même la latence mesurée dans le navigateur est généralement meilleure sur macOS que sous Windows. Elle reste supérieure au minimum natif parce que le navigateur ne peut ni réclamer l’accès exclusif à l’appareil ni ajuster le tampon à ses besoins.

Linux : ALSA, PulseAudio et PipeWire

La latence sous Linux est une cible mobile. ALSA, l’interface de pilote de bas niveau, est rapide mais spécifique à l’application. PulseAudio a historiquement ajouté un surcoût de tamponnage perceptible. PipeWire, le successeur moderne, est conçu pour l’audio basse latence et peut égaler ou dépasser les autres plateformes bien configurées — les résultats varient fortement selon la distribution et la configuration.

Dans la plupart des configurations, le navigateur est limité au chemin partagé. Il ne peut pas demander les modes exclusifs, charger les pilotes ASIO ni augmenter la priorité de son thread audio. La latence audio du navigateur se situe donc typiquement près du plafond du mode partagé de votre plateforme — le mieux que le chemin coopératif puisse offrir sur les configurations standard — tandis que le logiciel natif professionnel est construit pour briser cette limite quand le matériel et les pilotes le permettent.

Ce que 60 millisecondes signifient vraiment

Un chiffre brut en millisecondes ne dit rien tant qu’on ne le rapporte pas à ce que vous voulez faire. Les seuils ci-dessous sont des orientations générales, pas des normes de certification professionnelle ; l’adéquation réelle dépend de votre tâche, de votre configuration de monitoring et de votre environnement d’écoute. Quatre zones couvrent le spectre pratique :

• Sous 20 ms — excellent. La production musicale professionnelle est confortable ici. Les musiciens peuvent enregistrer sur un clic, s’écouter avec des effets et jouer en rythme parce que le chemin de retour est pratiquement instantané. L’audio spatial des jeux reste synchronisé avec l’image.
• 20–60 ms — acceptable pour la plupart des usages. Podcasts, appels vidéo, jeu général et enregistrement occasionnel fonctionnent bien. Le suivi musical précis souffre près du haut de la plage : les interprètes sentent leur propre retour sonore traîner légèrement, et le travail de précision devient nettement plus difficile au-delà d’environ quarante millisecondes.
• 60–120 ms — problématique pour la production, acceptable pour l’usage occasionnel. Karaoké, chat vocal et écoute vont bien. L’enregistrement sur accompagnement devient vraiment difficile, et dans les jeux le son commence à se détacher de l’action, sapant les indices spatiaux dont dépend l’audio spatial.
• Au-delà de 120 ms — mauvais. Le travail sensible au timing est pratiquement impossible. Les appels développent un écho audible, les performances semblent déconnectées et l’audio spatial sonne faux même en usage occasionnel. Cette zone est le territoire naturel de l’audio Bluetooth et des systèmes en mode partagé mal configurés.

Les limites de zone relèvent du jugement, mais la forme est fiable : la production exige les chiffres les plus bas, les conversations tolèrent plus, et l’écoute occasionnelle tolère le plus. Votre mesure aller-retour place votre système dans exactement une zone, et ce placement vous dit quels usages prévus seront confortables et lesquels travailleront contre vous. Gardez le chiffre — c’est votre point de référence pour toute optimisation de la section suivante.

Trois leviers : fréquence, tampon, pilote

Trois contrôles décident où la latence s’accumule sur votre chemin, et ils n’ont pas la même puissance. La fréquence d’échantillonnage fixe le débit de la chaîne — combien de fois par seconde l’audio est mesuré — plus que le délai directement. Elle interagit avec le temps de tampon parce qu’un tampon se mesure en échantillons : 128 échantillons prennent 2,9 millisecondes à 44,1 kHz, mais seulement 1,3 milliseconde à 96 kHz, donc la même taille de tampon représente des durées différentes à des fréquences différentes. Le piège : une fréquence plus élevée exige plus de traitement par seconde, ce qui vous oblige souvent à remonter le tampon pour la stabilité, annulant le gain. Courir après 96 ou 192 kHz impose généralement un tampon plus grand pour garder le flux stable, ce qui peut annuler l’avantage théorique ou tout ralentir. Traitez la fréquence comme un réglage de flux de travail, typiquement 48 kHz, pas comme le contrôle principal de la latence. 48 kHz est devenu la norme de facto pour l’audio synchronisé vidéo parce qu’elle se mappe proprement sur les fréquences d’images vidéo de 24, 25 et 30 fps — c’est pourquoi la chaîne professionnelle audio-vidéo commence là. La taille du tampon est le levier principal de la latence. Elle détermine combien d’audio s’accumule avant traitement et apparaît deux fois dans l’aller-retour — une fois côté entrée, une fois côté sortie. Réduire le tampon de moitié réduit de moitié cette part du délai, mais aussi le temps dont dispose le système pour livrer chaque bloc, augmentant le risque de sous-écoulements : clics, craquements et coupures. La matrice pratique à 48 kHz ressemble à ceci :

• 64 échantillons — environ 8–12 ms d’aller-retour sur du matériel capable avec ASIO ou mode exclusif. Les interfaces économiques produisent souvent des clics à cette taille.
• 128 échantillons — environ 12–20 ms. Un point doux ASIO courant pour la production.
• 256 échantillons — environ 20–35 ms. Souvent la plus petite taille stable en mode partagé.
• 512 échantillons — environ 35–60 ms. Sûr, mais perceptiblement lent.
• 1024 échantillons — environ 60–100 ms. Seulement pour le streaming ou la lecture où la latence n’a pas d’importance. Le pilote fixe le plancher. ASIO et le mode exclusif permettent des tailles de tampon de 32 à 128 échantillons ; le mode partagé commence plus haut ; les codecs Bluetooth ajoutent cent millisecondes ou plus avant même que les tampons comptent. Aucun réglage de tampon ne bat le minimum du pilote — c’est pourquoi le pilote est le premier levier, pas le dernier.

Le navigateur n’est pas une DAW

Un navigateur peut estimer la latence aller-retour avec la Web Audio API (MDN : Web Audio API, 2024), qui programme une impulsion par la sortie et capture le signal entrant à l’entrée du micro. Une mesure de boucle Web Audio typique sur un portable en mode partagé rapporte habituellement 55–70 ms — un multiple de la valeur ASIO — un écart qui illustre la contribution du chemin partagé du navigateur. Le temps mesuré inclut le trajet acoustique dans l’air, les transducteurs d’enceinte et de micro, la suppression d’écho de la pièce et toute la pile audio du système. C’est ce qu’on appelle le délai acoustique aller-retour, et c’est le chiffre pertinent pour les appels basés navigateur, le karaoké et les jeux dans le navigateur, mais ce n’est pas la même chose que la latence aller-retour ASIO que mesure le logiciel audio professionnel. Cette mesure exige un vrai trajet acoustique entre enceinte et micro ; le contrôle automatique de gain, la réduction de bruit et la suppression d’écho peuvent altérer la forme de l’impulsion, tandis que la distance au micro, les réflexions de la pièce et les réglages de volume affectent le résultat. Ce que le navigateur ne peut pas faire, c’est atteindre le meilleur cas du matériel. Il doit utiliser le chemin audio partagé du système d’exploitation, ne peut pas réclamer l’accès exclusif à l’appareil, ne peut pas charger les pilotes ASIO ni contrôler sa taille de tampon audio ou la priorité de son thread. La mesure reflète donc le plafond du mode partagé de votre plateforme, pas le vrai minimum du matériel. Ce plafond est exactement le bon chiffre pour le travail basé navigateur. Les appels web, les jeux navigateur, le karaoké web et tout le reste dans un onglet partagent tous le chemin audio du navigateur au niveau du système d’exploitation, Web Audio, WebRTC et la lecture multimédia différant dans le détail. Si le chiffre mesuré dans le navigateur est bon, chaque cas d’usage du navigateur sera confortable. S’il est mauvais, le logiciel natif peut peut-être vous sauver — mais le navigateur sera typiquement plus lent que le logiciel natif sur le même matériel et la même configuration.

Six façons de réduire la latence

Abordez les problèmes par ordre d’impact et arrêtez-vous quand votre chiffre atterrit dans une zone avec laquelle vous pouvez vivre :

1. Corrigez le mode du pilote d’abord. Installez le pilote ASIO pour votre interface audio sous Windows ou passez au mode exclusif WASAPI. C’est le plus grand levier individuel et c’est gratuit.
2. Réduisez la taille du tampon. Descendez de 512 à 256 à 128 à 64 échantillons, en testant chaque réglage jusqu’à l’apparition de clics ou craquements. Puis remontez d’un cran au plus grand tampon qui reste propre.
3. Vérifiez la fréquence d’échantillonnage. Utilisez 48 kHz pour la musique et le montage vidéo. Courir après 96 ou 192 kHz impose généralement un tampon plus grand et finit plus lent.
4. Fermez les applications concurrentes. Le streaming, l’enregistrement et les onglets pleins volent du temps CPU au thread audio et provoquent des sous-écoulements avec de petits tampons.
5. Envisagez une interface audio. Le matériel dédié apporte de meilleurs convertisseurs, de vrais pilotes ASIO et des tailles de tampon que l’audio intégré n’atteint pas.
6. Privilégiez les connexions filaires. Pour tout ce qui est sensible au timing, les écouteurs filaires battent le Bluetooth de cent millisecondes ou plus, indépendamment de tous les autres réglages. Chaque étape se combine. Passer du mode partagé à 512 échantillons à ASIO à 128 échantillons déplace généralement un système de cinquante millisecondes à moins de vingt — la différence entre inutilisable et professionnel.

Conclusion

Un test de lecture confirme que vos enceintes fonctionnent. Un test de boucle confirme qu’elles fonctionnent en rythme — et ce sont des questions différentes avec des réponses différentes. Exécutez le test d’enceintes pour valider la voie de sortie et le test de micro pour la voie d’entrée. Notez : ce site n’offre pas actuellement d’outil dédié de mesure de latence de boucle ; l’approche Web Audio API décrite nécessite une implémentation séparée ou une configuration dans la console du navigateur. Utilisez-la pour connaître le délai acoustique aller-retour qui décide si l’enregistrement, la conversation et l’audio spatial semblent naturels sur votre machine.

Mesurez une fois et gardez le résultat. Sous vingt millisecondes, c’est un timing professionnel. De vingt à soixante couvre la plupart du travail quotidien. Au-delà de cent vingt, chaque tâche sensible au timing luttera contre vous, et la solution commence généralement par le pilote plutôt que par le matériel. Si vous n’avez jamais mesuré le chiffre, vous devinez pour chaque tâche audio qui dépend du timing.