Comment l'oreille perçoit le son amplifié : sonie, localisation et fatigue auditive

L'oreille n'est pas un microphone

Quand un technicien parle de réponse en fréquence ou de niveau SPL, il décrit ce que produit le système. Ce qui compte pour le client d'un restaurant ou d'un bar est ce que son oreille en fait, et les deux ne se recouvrent pas.

L'oreille intègre le niveau dans le temps, se fatigue quand il dure, localise d'après le premier son arrivé, trie les réflexions selon leur retard et compare ce qu'elle entend à sa mémoire des sons. Elle perçoit des défauts que l'analyseur n'isole pas et ignore des détails que l'analyseur mesure. La conception d'un système ne s'arrête donc pas à une courbe de réponse : elle tient compte de ces cinq mécanismes.

La sonie : niveau et durée

La sonie est la force perçue d'un son. On tend à l'assimiler au niveau SPL : plus le chiffre est élevé, plus cela semble fort. C'est vrai en partie.

Sous 100 à 200 ms, l'oreille additionne l'énergie qu'elle reçoit : deux sons de même énergie, l'un bref et intense, l'autre plus faible et plus long, paraissent aussi forts. Un pic bref paraît donc moins fort qu'un son tenu au même niveau. Cette propriété explique le rôle du facteur de crête, le rapport entre le niveau de crête et le niveau continu d'un signal. Un signal musical a un facteur de crête élevé : de courts moments intenses, une attaque de caisse claire, un accord plaqué, émergent au-dessus d'un niveau de fond plus bas. Cette dynamique donne au son sa vivacité. C'est pourquoi la sonie se lit sur un niveau moyen intégré dans le temps, comme le niveau équivalent du sonomètre ou le LUFS, et pas sur un indicateur de crête : celui-ci dit seulement à quelle distance le signal se trouve de l'écrêtage.

Un système en surcharge, poussé au-delà de ses limites, bridé par un limiteur mal réglé ou simplement trop sollicité, réduit ce facteur de crête. Les crêtes sont écrêtées, les moments doux relevés, la dynamique disparaît. Le son semble fort en permanence, par la durée que prennent les signaux écrêtés, et il est perçu comme moins vivant et plus fatigant. Monter le niveau pour retrouver l'excitation aggrave le phénomène : la dynamique perdue ne revient pas avec plus de pression. Sur la durée, un petit système en surcharge fatigue davantage qu'un système puissant et dynamique, et finit même par paraître plus fort.

La sensibilité de l'oreille varie aussi avec la fréquence, et de façon différente selon le niveau. À bas niveau, l'oreille est moins sensible au grave et à l'extrême aigu. À niveau élevé, la réponse s'aplatit. Ces variations, décrites par les courbes d'égale sonie, expliquent pourquoi un système qui sonne creux à faible volume peut sembler équilibré en soirée, et pourquoi le grave paraît envahissant quand le niveau monte. Elles relèvent de l'oreille, pas du système : le calage, c'est-à-dire le réglage du système à la mesure dans la salle finie, vise d'abord un même niveau en tout point de la salle, pas une correction de ces courbes. Les scénarios à bas niveau, un déjeuner par exemple, peuvent ensuite recevoir un léger relèvement du grave, pour que la musique garde son assise.

Le réflexe stapédien et la fatigue auditive

L'oreille a un limiteur, mais partiel. Au-delà de 80 à 90 dB, le muscle de l'étrier, ou muscle stapédien, se contracte, rigidifie la chaîne des osselets et atténue surtout le grave et le bas médium. Il réagit en quelques dizaines de millisecondes : les transitoires brefs passent avant lui. Et il ne tient pas : au bout de quelques secondes d'exposition continue, il s'adapte et se relâche.

L'exploitant qui monte le volume parce que « le son ne semble pas assez fort » agit donc sur des oreilles que ce réflexe ne protège plus. Le niveau supplémentaire s'ajoute à la dose que reçoit la cochlée, et cette dose dépend du niveau comme de la durée. La règle d'égale énergie la chiffre : 80 dB(A) pendant huit heures font une dose, et chaque hausse de 3 dB divise par deux le temps qu'il faut pour la recevoir. La même dose tombe en deux heures à 86 dB(A), en un quart d'heure à 95 dB(A), et en 3 minutes environ à 102 dB(A), la limite du décret. La fatigue auditive n'est pas celle d'un muscle : c'est une élévation temporaire du seuil d'audition, d'origine cochléaire. Les sons paraissent plus sourds, des acouphènes peuvent apparaître, et la répétition rend la perte permanente. Dans la salle, les clients parlent plus fort et peuvent écourter leur visite, et le confort se dégrade sans cause visible. C'est ce risque que fixent les valeurs du décret de 2017 et les zones de repos auditif, pour le public comme pour le personnel.

Un système calé avec de la réserve (headroom), c'est-à-dire assez de marge pour que les crêtes passent sans distorsion, n'ajoute pas de dureté à l'exposition : à niveau moyen égal, il agresse moins. La dose, elle, ne dépend que du niveau moyen et de la durée : c'est un niveau de fond tenu qui permet une écoute prolongée sans accumuler de fatigue.

La localisation : différences interaurales de temps et de niveau

La localisation est la capacité à identifier d'où vient un son. Elle repose sur deux mécanismes, l'un temporel, l'autre de niveau.

Le premier est la différence interaurale de temps (ITD) : le son arrive un peu plus tôt à l'oreille la plus proche de la source. Cet écart, inférieur à la milliseconde, suffit au cerveau pour calculer la direction horizontale ; il domine dans le grave, dont les longueurs d'onde contournent la tête. Le second est la différence interaurale de niveau (ILD) : la tête fait écran et l'oreille éloignée reçoit moins, surtout dans l'aigu. Pour une source unique, les deux mécanismes concordent et la localisation est immédiate.

Ce mécanisme se laisse tromper, et la diffusion sonore en tire parti. Dans un restaurant ou un bar, un système de diffusion vise un champ sonore qui ne vient d'aucun point en particulier, où l'auditeur n'identifie aucune enceinte. On parle de ventriloquie sonore : placer l'image sonore là où aucune enceinte ne se trouve.

L'effet de précédence (effet Haas) : 10 ms, 10 dB

Le mécanisme de localisation qui pèse le plus sur la conception est l'effet de précédence.

Quand deux signaux corrélés arrivent à l'oreille avec un décalage temporel, le premier arrivé détermine la localisation. Le gros de l'effet se joue dans la première milliseconde et il atteint son plein effet à 10 ms : à ce point, il faut au second signal 10 dB de plus que le premier pour ramener l'image entre les deux. Au-delà de 10 dB d'écart de niveau, aucun retard ne la recentre.

Pour un système à plusieurs zones, bar, salle, terrasse, couloir, cette fenêtre conditionne le réglage du delay, le retard appliqué à chaque sortie. Si une enceinte de renfort dans un couloir n'est pas retardée par rapport aux enceintes principales, son signal arrive avant ou après le leur selon la position du client. L'oreille perçoit alors une image qui saute, un son flou ou un écho, sans en identifier la cause. Un delay calculé et programmé dans le processeur rétablit la cohérence temporelle et l'impression d'un son sans source identifiable.

Fusion tonale, élargissement, écho : trois zones de perception

Quand une enceinte et une surface réfléchissante, un mur, un plafond, un sol carrelé, envoient deux copies du même signal à l'oreille, la perception change avec le décalage.

Dans les 20 à 30 premières millisecondes environ, plus longtemps dans le grave et moins dans l'aigu, les deux signaux sont fusionnés et perçus comme un seul, modifié dans son timbre. C'est la zone de fusion tonale : l'oreille entend une coloration, parfois agréable, parfois gênante. Un égaliseur en corrige en partie la tendance d'ensemble, commune à toute une zone d'écoute ; les creux, qui changent d'une place à l'autre, lui échappent.

Entre 30 et 50 à 60 ms, l'oreille perçoit un élargissement : le son semble venir d'une zone plutôt que d'un point. C'est le sentiment d'ampleur dans une salle à l'acoustique maîtrisée, ou de confusion dans une salle aux réflexions non traitées.

Au-delà de 60 ms, les deux signaux sont perçus comme des événements séparés : c'est l'écho. L'égalisation ne corrige rien à ce stade. Il reste le traitement acoustique, le repositionnement des enceintes ou un delay. Ces seuils dépendent de la fréquence et du signal : un transitoire aigu bascule en écho bien avant une note grave tenue.

Ces zones ont des conséquences directes sur un espace. Dans un restaurant au sol dur et au plafond bas, les réflexions précoces produisent un filtrage en peigne perçu comme une coloration. Dans un club aux grandes surfaces réfléchissantes, les réflexions tardives produisent de la confusion. Le choix des enceintes, leur orientation et leur placement se font en fonction de ces interactions, avant le calage.

Comment l'oreille détecte un système

L'oreille et le cerveau conservent une mémoire des sons : à quoi ressemble un violon à dix mètres, une voix dans une pièce. Quand le système contredit cette mémoire, l'auditeur le remarque.

La distorsion est le signe le plus évident : harmoniques non musicaux, intermodulation, écrêtage. La coloration tonale est plus discrète : un pic étroit appliqué à toute la musique donne au son une qualité artificielle que personne ne nomme mais que chacun perçoit. La fausse perspective est la plus insidieuse : l'oreille attend d'une source lointaine un niveau plus bas, moins d'aigu et davantage de salle. Si des enceintes de renfort sous une mezzanine sonnent proches, beaucoup d'aigu et peu de grave, pendant que les enceintes principales sonnent loin, le cerveau reçoit deux perspectives à la fois, ce qu'on appelle une double perspective. L'inconfort est net, la cause ne l'est pas.

L'image déplacée est une autre forme de détection : si l'enceinte principale est au fond de la salle et que la musique semble venir de là plutôt que de l'espace, le champ sonore cesse d'être naturel. Les clients se retournent, la conversation perd son aisance.

Un système conçu pour ne pas être détecté donne un son qui arrive sans qu'on identifie d'où, sans coloration marquée, sans perspective incohérente. Il remplit l'espace et personne ne pense à l'enceinte.

Ce que cela change dans un projet

Ces mécanismes sont des paramètres de conception. Le positionnement des enceintes, leur orientation, leur hauteur, les delays entre zones, le réglage des niveaux et de l'égalisation agissent directement sur ce que l'oreille perçoit.

Concrètement, l'étude anticipe les surfaces réfléchissantes et les copies qu'elles produisent, calcule les delays nécessaires à l'alignement entre zones, choisit des enceintes dont la directivité limite les réflexions, et dimensionne l'amplification pour que le facteur de crête soit conservé à tous les niveaux d'écoute. Le calage à la mesure, une fois la salle finie, vérifie que les delays tombent dans la fenêtre de précédence et que les réflexions restantes ne font que colorer le son, dans la zone de fusion tonale : l'égaliseur en adoucit alors la tendance d'ensemble, à défaut des creux, qui changent d'une place à l'autre.

Sources : Bob McCarthy, « Sound Systems: Design and Optimization ». Gary Davis et Ralph Jones, « Yamaha Sound Reinforcement Handbook ». ISO 226:2023. Merlijn van Veen, « Know Your Noises », Live Sound International.