Entendre sa propre voix avec seulement 25 à 30 millisecondes de retard est déjà jugé ‘gênant’ par des personnes qui lisent à voix haute, selon une étude de 32 participants parue dans Ear and Hearing, et ce chiffre explique en grande partie pourquoi les retours d’oreillette des présentateurs en télévision en direct sont conçus pour retirer la voix du présentateur. L’image est jugée tout aussi sévèrement : l’EBU autorise un son en avance d’au plus 40 ms sur l’image ou en retard d’au plus 60 ms, sur toute sortie destinée à l’émission. Pendant ce temps, la production elle-même s’éloigne du lieu de l’événement, puisque les deux tiers des services à distance réservés aux Jeux olympiques de Paris 2024 ont transité par une plateforme cloud plutôt que par satellite. Nous avons agrégé des données de l’UIT, de l’EBU, de l’ATSC, des recherches sur l’audition publiées dans Ear and Hearing et PLoS ONE, d’une étude de terrain de BBC R&D, de l’University of Strathclyde et de TV2, de l’alliance AIMS, de mesures satellitaires d’IFIP Networking et de l’enquête sectorielle 2026 de Haivision. Pour le versant antenne du commentaire en direct, voir notre synthèse complémentaire sur l’audio de diffusion des commentateurs esport.
Deux termes traversent cet article. Le talkback (aussi appelé intercom, ou ordres) est le canal vocal privé entre la régie, que les diffuseurs britanniques appellent la galerie, et l’équipe. L’IFB, abréviation de interruptible foldback (retour interruptible), est le signal dans l’oreillette d’un présentateur : normalement le son du programme, qu’un producteur peut interrompre pour donner des instructions. Ce signal est généralement un mix-minus, c’est-à-dire le mixage complet moins la propre voix du présentateur, afin qu’il ne s’entende jamais revenir avec retard.
TL;DR
- Les téléspectateurs commencent à détecter une erreur de synchronisation son/image à environ +45 ms (son en avance) jusqu’à -125 ms (son en retard) (ITU-R BT.1359-1, 1998).
- Sur toute sortie destinée à l’émission, le son peut précéder l’image de 40 ms au plus et la suivre de 60 ms au plus (EBU R37-2007).
- À l’entrée des encodeurs DTV, le son ne devrait jamais être en avance de plus de 15 ms ni en retard de plus de 45 ms (ATSC IS-191).
- En lecture à voix haute, 32 participants ont jugé gênant un retard de 25 à 30 msec sur leur propre voix (Stone et Moore, Ear and Hearing 2002).
- Le seuil de détection d’un retard sur sa propre voix se situait à environ 100 ms, avec un écart type de 66,54 ms (Yamamoto et Kawabata, PLoS ONE 2011).
- Les systèmes de talkback DECT actuels atteignent moins de 40 ms vers un beltpack sans fil et moins de 70 ms d’un beltpack à l’autre (BBC R&D, Strathclyde et TV2, IBC2024).
- Les niveaux B et C du SMPTE ST 2110-30 utilisent des paquets audio de 125 microsecondes, contre 1 ms au niveau A (AIMS, introduction à l’AES67 et à l’ST 2110-30).
- La latence médiane de poignée de main TLS de Starlink était d’environ 80 ms en 2024 (Richter, Ververis et Bajpai, IFIP Networking 2025).
- 41% de plus de 1 300 professionnels interrogés ont cité la production à distance comme leur première priorité technologique pour 2026 (Haivision Broadcast Transformation Report 2026).
- Les deux tiers des services à distance réservés auprès de 54 diffuseurs à Paris 2024 ont utilisé OBS Live Cloud (Olympic Broadcasting Services, 2024).
1. Tolérances de synchronisation labiale : ce que les normes de diffusion autorisent
Chaque décision de talkback et d’IFB s’inscrit dans un budget de synchronisation de l’image que les téléspectateurs surveillent sans le savoir. L’asymétrie est l’enseignement clé : les téléspectateurs tolèrent bien mieux un son qui arrive en retard (jusqu’à environ -125 ms avant de le détecter) qu’un son qui arrive en avance (environ +45 ms), un schéma qui correspond à l’expérience quotidienne, où la vue d’un événement nous parvient avant son son. Dans ces normes, un nombre positif signifie que le son est en avance sur l’image et un nombre négatif qu’il est en retard.
Les normes répartissent ensuite ce budget perceptif le long de la chaîne. Les chiffres de l’EBU ont été fixés à partir de tests subjectifs portant sur le moment où une discordance entre mouvements des lèvres et parole devient perceptible pour 50% des observateurs, et l’EBU ne demande que de 5 ms d’avance à 15 ms de retard à chaque étape individuelle, afin que les erreurs de nombreuses étapes ne s’accumulent pas au-delà de la limite de bout en bout. L’ATSC a été plus strict encore à l’entrée de l’encodeur, car une seconde moitié de la chaîne, de l’encodeur au récepteur, doit encore tenir dans la tolérance du téléspectateur.
| Métrique | Valeur | Source |
|---|---|---|
| Seuil de détectabilité d’une erreur de synchronisation son/image (positif = son en avance sur l’image) | Environ +45 ms à -125 ms | ITU-R BT.1359-1 (1998) |
| Seuil d’acceptabilité d’une erreur de synchronisation son/image | Environ +90 ms à -185 ms | ITU-R BT.1359-1 (1998) |
| Erreur de synchronisation autorisée entre le point final de sélection de la source du programme (par exemple la régie finale) et l’entrée de l’émetteur | +22,5 ms à -30 ms | ITU-R BT.1359-1 (1998) |
| Limite de bout en bout sur toute sortie destinée à l’émission : son avant l’image et son après l’image | 40 ms ou moins et 60 ms ou moins | EBU R37-2007 |
| Précision requise à chaque étape de la chaîne de programme | Son de 5 ms en avance à 15 ms en retard | EBU R37-2007 |
| Synchronisation du son aux entrées des dispositifs d’encodage DTV | Jamais plus de 15 ms en avance ni de 45 ms en retard | ATSC IS-191, selon TV Technology, 7 janvier 2004 |
| Plage globale de bout en bout du système DTV | +30 ms à -90 ms | ATSC IS-191, selon TV Technology, 2004 |
Note de contexte : ces documents sont anciens mais restent les références de travail. Données disponibles les plus récentes : la Recommandation BT.1359-1 (1998), la R37 (publiée pour la première fois en 1986, rééditée en 2007) et l’ATSC IS-191 (rapportée en 2004). Le texte de la R37 précise qu’une attention particulière est nécessaire en production HD ; il faut donc lire les limites comme des plafonds, non comme des objectifs.
2. Entendre sa voix avec retard : seuils de retard d’auto-écoute
C’est le chiffre qui façonne la conception de l’IFB. La recherche sur les aides auditives fournit les meilleures preuves contrôlées de la façon dont un locuteur réagit à sa propre voix retardée, et elle converge vers une fenêtre étroite : les retards deviennent gênants quelque part entre 20 et 30 msec, bien avant que la parole elle-même ne se dégrade. Pour un présentateur, cela signifie qu’un mix-minus n’est pas un luxe. Tout chemin qui ramène la voix du présentateur par un codec, un réseau et un retour franchira ce seuil bien des fois (comparez avec les chiffres de satellite à sens unique de la section 5).
Le second enseignement est que remarquer un retard et en être gêné sont deux choses différentes. Dans une petite expérience au casque, les participants ne percevaient de façon fiable que leur voix était en retard qu’autour de 100 ms, alors que les études sur la gêne situent l’inconfort à une fraction de cette valeur. L’adaptation aide un peu, mais seulement après des minutes à une heure, ce dont les invités d’une émission en direct ne disposent jamais. Les producteurs qui gèrent l’écoute en studio reconnaîtront la même arithmétique dans les tampons audio informatiques, abordés dans notre synthèse sur la taille de tampon des stations audio numériques (DAW) et la latence audio.
| Métrique | Valeur | Source |
|---|---|---|
| Retard à partir duquel l’écho de sa propre voix a été jugé gênant (20 auditeurs normo-entendants avec une perte auditive légère à modérée simulée) | Entre 20 et 30 msec | Stone et Moore, Ear and Hearing 1999 |
| Lecture à voix haute avec une aide auditive numérique en temps réel, 32 participants (16 hommes, 16 femmes) : retard jugé gênant et retard à partir duquel les mesures de production de la parole changent | 25 à 30 msec et plus de 30 msec | Stone et Moore, Ear and Hearing 2002 |
| 25 locuteurs malentendants : plage de retards notée 3 (probablement à peine acceptable) et durée pendant laquelle une certaine acclimatation s’est produite | 14 à 30 msec ; environ 1 heure | Stone et Moore, Ear and Hearing 2005 |
| Point où une voix retardée a été perçue comme simultanée, avec des retards de 0 à 200 ms au casque (6 adultes de 21 à 24 ans répétant un même son vocal) | 98,41 ms (écart type 66,54 ms) ; seuil de détection d’environ 100 ms | Yamamoto et Kawabata, PLoS ONE 2011 |
| Même étude : point de simultanéité perçue après 3 minutes d’adaptation à 0, 66 ou 133 ms de retard | 67,60, 92,23 et 112,10 ms (F(2,10) = 15,80, p<0,001) | Yamamoto et Kawabata, PLoS ONE 2011 |
| Retard de traitement testé sur 20 participants normo-entendants et 20 malentendants évaluant la gêne sur une échelle de 7 points | Jusqu’à 50 ms ; tolérance nettement supérieure avec une perte auditive dans deux conditions vocales sur trois | Goehring, Chapman, Bleeck et Monaghan, International Journal of Audiology 2018 |
Note de contexte : les échantillons sont petits et spécifiques (adultes normo-entendants, locuteurs malentendants, six jeunes adultes de 21 à 24 ans), les retards ont été créés par des processeurs d’aides auditives ou des casques, et aucun des participants n’était présentateur de télévision ou de radio. Données disponibles les plus récentes : Stone et Moore, 1999 à 2005 ; Yamamoto et Kawabata, 2011 ; Goehring et al., 2018.
3. Budgets de latence du talkback, de l’IFB et de l’intercom
Les différentes personnes d’une production en direct vivent dans des budgets de latence très différents. Le retour intra-auriculaire d’un artiste nécessite environ 4 ms, un membre de l’équipe sur un beltpack de talkback sans fil (le boîtier d’intercom porté à la ceinture) peut travailler avec quelques dizaines de millisecondes, et un opérateur de mélangeur d’images à distance (la personne qui coupe entre les caméras) peut tolérer plus d’une demi-seconde tant que personne sur le site n’a besoin de voir le résultat en temps réel. Les budgets diffèrent parce que les boucles de retour diffèrent : un chanteur entend sa propre voix, un cadreur n’entend que des instructions.
C’est aussi pourquoi l’IFB est conçu comme un mix-minus plutôt que comme un retour complet du programme. Un rapport international de 2004 sur les boucles de contribution cite l’utilisation d’un mix-minus ou d’un signal propre (clean feed) pour le retour, la coupure du retour lorsque les micros sont ouverts, ainsi que le casque fermé ou l’écoute intra-auriculaire parmi les pratiques d’exploitation qui évitent l’écho dans la boucle (ITU-R Report BT.2044). À titre de comparaison avec un autre réseau où la voix est critique, la radio push-to-talk des primo-intervenants fonctionne avec des budgets similaires, ce que traite notre synthèse sur la latence du push-to-talk critique.
| Métrique | Valeur | Source |
|---|---|---|
| Objectif de latence des retours intra-auriculaires des artistes et latence à sens unique des microphones sans fil et des retours intra-auriculaires actuellement utilisés | 4 ms et moins de 3 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
| Talkback de production numérique (DECT) : de la base au beltpack sans fil et d’un beltpack à l’autre | Moins de 40 ms et moins de 70 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
| Beltpack Clear-Com FreeSpeak Edge 5 GHz : latence audio et d’un beltpack à l’autre | Moins de 35 ms et 60 ms (annonce du fabricant) | Fiche technique Clear-Com FSE-BP50, révision d’août 2023 |
| Délai bouche-oreille en dessous duquel la plupart des applications vocales et non vocales offrent une interactivité essentiellement transparente (400 ms est le plafond général de planification des réseaux) | 150 ms | ITU-T G.114 (2003) |
| Délai entre l’action et la réponse de l’opérateur : point où la précision et la vitesse chutent et point où le sentiment de contrôle diminue nettement | Environ 100 ms et au-delà de 300 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
| Délai caméra-mélangeur d’images que les opérateurs de mélangeur d’images à distance peuvent tolérer lorsqu’aucun retour vers le site n’est nécessaire | Plus de 600 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
Note sur les valeurs aberrantes : le chiffre de 150 ms de la téléphonie est une référence de conversation, pas une référence d’IFB. Un présentateur qui s’entend réagit à 20 à 30 msec (section 2), tandis que deux personnes qui se parlent par une liaison tolèrent environ cinq fois plus (150 ms contre 30 msec).
4. Transport AoIP : synchronisation de l’AES67 et du SMPTE ST 2110-30
À l’intérieur du bâtiment, le transport lui-même a cessé d’être le goulot d’étranglement. Les normes d’audio sur IP (AoIP) définissent des temps de paquet en millisecondes ou moins, de sorte que le choix entre un temps de paquet de 1 ms et de 125 microsecondes est désormais une décision de configuration, et non une limite de la technologie. La vraie latence se trouve ailleurs : dans les codecs, les tampons et les liaisons longue distance (section 5).
Le second sujet est l’interopérabilité. Les systèmes AoIP propriétaires utilisaient chacun leur propre découverte, leur propre horloge et leurs propres formats de flux, si bien qu’une matrice de talkback d’un fabricant ne pouvait pas simplement s’abonner à une console d’un autre. L’AES67 définit un mode de fonctionnement commun, et le SMPTE ST 2110-30 le contraint davantage pour la diffusion, ce qui permet aux pupitres d’intercom IP et aux stations de base de beltpacks de partager un réseau avec les caméras et les consoles. Notre synthèse sur la migration des studios vers l’AoIP, Dante et l’AES67 montre jusqu’où cette migration est avancée.
| Métrique | Valeur | Source |
|---|---|---|
| Première publication de l’AES67 et mises à jour ultérieures | 2013 ; mise à jour en 2015 et 2018 | AIMS, Introduction to AES67 and its relationship with SMPTE ST 2110-30 |
| Suite SMPTE ST 2110 : publication des premières parties | Décembre 2017 | AIMS, introduction à l’AES67 et à l’ST 2110-30 |
| Point de fonctionnement principal de l’ST 2110-30 (niveau A) : temps de paquet et canaux par flux | 1 ms ; 2 et 8 canaux | AIMS, introduction à l’AES67 et à l’ST 2110-30 |
| Niveaux B et C de l’ST 2110-30 : temps de paquet et nombre maximal de canaux par flux | 125 microsecondes ; jusqu’à 8 (niveau B) et jusqu’à 64 (niveau C) | AIMS, introduction à l’AES67 et à l’ST 2110-30 |
| Mode de compatibilité AES67 : format audio commun | Linéaire 24 bits (L24), jusqu’à 8 canaux par flux, 48 kHz | AIMS, introduction à l’AES67 et à l’ST 2110-30 |
| Limites des flux natifs avant le mode AES67 : Dante et RAVENNA | Jusqu’à 4 canaux par flux et jusqu’à 64 canaux par flux | AIMS, introduction à l’AES67 et à l’ST 2110-30 |
Note de contexte : l’AIMS (Alliance for IP Media Solutions) est une alliance sectorielle dont la feuille de route repose sur ces normes. Les chiffres ci-dessus sont des paramètres de conception issus des normes, et non des mesures de terrain d’une installation particulière.
5. Liaisons de contribution : satellite, 5G privée, cellulaire et LEO
Une fois le signal sorti du bâtiment, la physique et les codecs prennent le relais. Un seul saut par satellite géostationnaire ajoute environ 239 à 281 ms à sens unique, rien qu’en raison de la distance, soit environ dix fois les 20 à 30 msec à partir desquelles un locuteur trouve sa propre voix retardée gênante (section 2). Le codage audio de qualité broadcast peut ajouter 170 à 400 ms de plus. Le même rapport de 2004 note que les deux moitiés d’une boucle de contribution sont rarement identiques : les diffuseurs mettent couramment un circuit de haute qualité sur la ligne du programme, un circuit de moindre qualité sur la ligne de retour, et envoient souvent un retour audio seul même sur des liaisons vidéo.
Les options plus récentes réduisent le délai mais ajoutent de la variabilité. Un service satellite en orbite terrestre basse (LEO) comme Starlink a ramené la latence médiane autour de 80 ms, mais avec deux groupes de latence distincts et une perte de paquets qui variait de plus de dix fois entre pays voisins. Les réseaux 5G privés peuvent transporter de la vidéo de production avec environ 80 à 105 ms de délai total, tandis que les équipes d’information qui utilisent le cellulaire agrégé (l’envoi d’un seul flux caméra sur plusieurs réseaux mobiles publics à la fois) acceptent jusqu’à deux secondes et renoncent de ce fait à la conversation bidirectionnelle en direct.
| Métrique | Valeur | Source |
|---|---|---|
| Délai du trajet par satellite géostationnaire dû à la seule distance : satellite à la verticale et à l’horizon | Environ 239 ms et environ 281 ms | ITU-R Report BT.2044 (2004) |
| Délai de codage audio : MPEG AAC de qualité broadcast et AAC-LD à faible délai | 170 à 400 ms et environ 60 ms | ITU-R Report BT.2044 (2004) |
| Latence médiane de poignée de main TLS de Starlink en 2024 (RIPE Atlas, 146 sondes) et second groupe de latence | Environ 80 ms ; second groupe autour de 150 à 250 ms | Richter, Ververis et Bajpai, IFIP Networking 2025 |
| Perte de paquets de Starlink, janvier 2022 à juin 2024 : Allemagne et Autriche | 10,52% et 0,73% | Richter, Ververis et Bajpai, IFIP Networking 2025 |
| Temps de transit en liaison montante de la 5G privée sur 10 configurations testées (20 Mb/s sauf indication contraire) : plage des moyennes et plage des maximums | 6,4 à 13,8 ms et 10,2 à 53,6 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
| Latence vidéo, de l’entrée de l’encodeur à la sortie du décodeur : 5G privée typique et optimisée, comparée aux liaisons de caméras sans fil DVB-T COFDM | Environ 100 à 105 ms et 80 ms et typiquement environ 50 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
| Délai vidéo toléré pour une contribution d’information agrégée sur des réseaux mobiles publics | Jusqu’à 2 secondes | BBC R&D, University of Strathclyde et TV2, IBC2024 |
Note sur les valeurs aberrantes : les chiffres de Starlink sont des durées de poignée de main TLS vers des serveurs racine, et non un trajet audio à sens unique, et les auteurs notent que leur résultat contredit des études antérieures rapportant des médianes bien inférieures à 80 ms. Les résultats 5G proviennent de réseaux privés à cellule unique, et les auteurs ajoutent qu’un transfert intercellulaire (handover) interrompt les données pendant environ 20 ms. Données disponibles les plus récentes pour le délai satellite et de codec : Report BT.2044, 2004.
6. Production à distance et adoption du cloud
Les chiffres d’adoption expliquent pourquoi les chiffres de latence comptent davantage chaque année. La production à distance (souvent appelée REMI, pour remote integration model, modèle d’intégration à distance : caméras et micros sur le site, régie et équipe ailleurs) fait passer la boucle de talkback d’un câblage dans un car-régie à un réseau étendu. 41% de plus de 1 300 professionnels interrogés ont cité la production à distance comme leur première priorité technologique pour 2026, et la part de ceux qui utilisent les réseaux cellulaires pour la contribution en direct est passée de 46% à 54% en un an.
Les plus grandes productions en direct ont déjà franchi le pas. À Paris 2024, les deux tiers des services à distance réservés ont fonctionné via le cloud, prenant le relais du satellite, introduit aux Jeux de Tokyo en 1964. Les données d’enquête demandent toutefois de la prudence : les deux enquêtes ci-dessous reposent sur des répondants auto-sélectionnés, et la plus grande est menée par un fournisseur d’équipements de contribution.
| Métrique | Valeur | Source |
|---|---|---|
| Répondants citant la production à distance comme première priorité technologique pour 2026 (plus de 1 300 répondants) | 41% | Haivision Broadcast Transformation Report 2026, selon SVG, mars 2026 (enquête de fournisseur) |
| Répondants utilisant les réseaux cellulaires pour la contribution vidéo en direct, rapport 2026 et rapport 2025 | 54% et 46% | Haivision Broadcast Transformation Report 2026 (enquête de fournisseur) |
| Répondants utilisant les réseaux cellulaires en secours de la fibre | 61% | Haivision Broadcast Transformation Report 2026 (enquête de fournisseur) |
| Répondants utilisant le protocole de transport SRT, rapport 2020 et rapport 2026 | 47% et 78% | Haivision Broadcast Transformation Report 2026 (enquête de fournisseur) |
| Professionnels de la diffusion et des médias mettant en œuvre des outils de production cloud (312 lecteurs auto-sélectionnés, novembre 2024 à janvier 2025) | 60% | Enquête sectorielle NewscastStudio, février 2025 |
| Principaux freins à la production cloud : coût, complexité des flux de travail et préoccupations de sécurité | 33%, 25% et 17% | Enquête sectorielle NewscastStudio, 2025 |
| Paris 2024 : part des services à distance réservés utilisant OBS Live Cloud | Deux tiers, auprès de 54 diffuseurs | Olympic Broadcasting Services et Alibaba Cloud, selon TV Technology, 2024 |
| Flux transportés sur OBS Live Cloud à Paris 2024, et diffuseurs abonnés lorsque le service est devenu standard à Pékin 2022 | 379 flux vidéo (11 UHD, 368 HD) et 100 flux audio et 22 diffuseurs | Olympic Broadcasting Services, selon TV Technology, 2024 |
Note de contexte : la part d’OBS compte les services à distance réservés, et non tous les diffuseurs détenteurs de droits, et les chiffres ont été annoncés au début des Jeux plutôt que mesurés après coup.
Résumé : latence du talkback et de l’IFB en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Seuil de détectabilité d’une erreur de synchronisation son/image | Environ +45 ms à -125 ms | ITU-R BT.1359-1 (1998) |
| Seuil d’acceptabilité d’une erreur de synchronisation son/image | Environ +90 ms à -185 ms | ITU-R BT.1359-1 (1998) |
| Limite de synchronisation labiale de bout en bout sur toute sortie destinée à l’émission (son avant et après l’image) | 40 ms ou moins et 60 ms ou moins | EBU R37-2007 |
| Synchronisation du son aux entrées des encodeurs DTV | Jamais plus de 15 ms en avance ni de 45 ms en retard | ATSC IS-191 (rapportée en 2004) |
| Retard sur sa propre voix jugé gênant en lecture à voix haute (32 participants) | 25 à 30 msec | Stone et Moore, Ear and Hearing 2002 |
| Plage de retard sur sa propre voix jugée probablement à peine acceptable (25 locuteurs malentendants) | 14 à 30 msec | Stone et Moore, Ear and Hearing 2005 |
| Seuil de détection d’un retard sur sa propre voix (6 participants) | Environ 100 ms (écart type 66,54 ms) | Yamamoto et Kawabata, PLoS ONE 2011 |
| Retard de traitement testé sur 20 participants normo-entendants et 20 malentendants | Jusqu’à 50 ms | Goehring et al., International Journal of Audiology 2018 |
| Objectif de latence des retours intra-auriculaires pour les artistes | 4 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
| Latence du talkback DECT : vers le beltpack et d’un beltpack à l’autre | Moins de 40 ms et moins de 70 ms | BBC R&D, University of Strathclyde et TV2, IBC2024 |
| Latence audio d’un beltpack sans fil, annonce du fabricant | Moins de 35 ms | Fiche technique Clear-Com FSE-BP50, 2023 |
| Temps de paquet de l’ST 2110-30 : niveau A et niveaux B et C | 1 ms et 125 microsecondes | AIMS, introduction à l’AES67 et à l’ST 2110-30 |
| Latence médiane de poignée de main TLS de Starlink, 2024 | Environ 80 ms | Richter, Ververis et Bajpai, IFIP Networking 2025 |
| Perte de paquets de Starlink en Allemagne, janvier 2022 à juin 2024 | 10,52% | Richter, Ververis et Bajpai, IFIP Networking 2025 |
| Production à distance citée comme première priorité technologique pour 2026 | 41% | Haivision Broadcast Transformation Report 2026 (enquête de fournisseur) |
| Professionnels mettant en œuvre des outils de production cloud | 60% | Enquête sectorielle NewscastStudio, 2025 |
| Services à distance réservés sur OBS Live Cloud à Paris 2024 | Deux tiers, auprès de 54 diffuseurs | Olympic Broadcasting Services, 2024 |
Méthodologie et sources
- Union internationale des télécommunications : Recommendation BT.1359-1, Relative timing of sound and vision for broadcasting (1998) ; Report BT.2044, Tolerable round-trip time delay for sound-programme and television broadcast programme inserts (2004) ; Recommendation G.114, One-way transmission time (2003).
- Union européenne de radio-télévision : R37-2007, The relative timing of the sound and vision components of a television signal.
- Conclusion IS-191 du sous-comité de mise en œuvre de l’ATSC, rapportée par TV Technology, ATSC Recommends AV Sync Rules, 7 janvier 2004.
- Stone et Moore, Tolerable hearing aid delays, Ear and Hearing : partie I, 1999 ; partie II, 2002 ; partie IV, 2005.
- Yamamoto et Kawabata, Temporal Recalibration in Vocalization Induced by Adaptation of Delayed Auditory Feedback, PLoS ONE 2011.
- Goehring, Chapman, Bleeck et Monaghan, Tolerable delay for speech production and perception, International Journal of Audiology 2018.
- Waddell et al. (BBC R&D, University of Strathclyde et Neutral Wireless, TV2), Optimising 5G for low latency broadcast production, IBC2024.
- Clear-Com, fiche technique du beltpack FSE-BP50 FreeSpeak Edge, révision d’août 2023 (spécification propre au fabricant).
- AIMS (Alliance for IP Media Solutions), Introduction to AES67 and its relationship with SMPTE ST 2110-30, présenté à la convention AES de New York.
- Richter, Ververis et Bajpai (HPI, University of Potsdam), Breaking Through the Clouds: Performance Insights into Starlink’s Latency and Packet Loss, IFIP Networking 2025.
- Haivision, Broadcast Transformation Report 2026, rapporté par Sports Video Group, 4 mars 2026.
- NewscastStudio, enquête sectorielle, 7 février 2025, 312 répondants, réalisée de novembre 2024 à janvier 2025.
- Olympic Broadcasting Services et Alibaba Cloud, annonce d’OBS Cloud 3.0, rapportée par TV Technology, 2024.
- Note sur les données : la plupart des données de perception et de normalisation sont anciennes (1998 à 2018) parce que les limites sous-jacentes n’ont pas été retestées ; elles sont signalées comme données disponibles les plus récentes dans chaque section. Le sous-comité de mise en œuvre de l’ATSC a jugé la recommandation internationale de 1998 sur la synchronisation labiale inadaptée à la DTV, de sorte que les deux séries de chiffres diffèrent volontairement, sans conflit de mesure. Les résultats de Haivision et de NewscastStudio proviennent d’échantillons auto-sélectionnés, et le fournisseur décrit la hausse du SRT de 47% à 78% comme une « augmentation de 31% », ce qui est en réalité une différence en points de pourcentage entre deux échantillons distincts. Les médianes de Starlink mesurent des poignées de main TLS et contredisent des études antérieures qui rapportaient des médianes plus basses. Le chiffre de beltpack de Clear-Com est une spécification nominale de conception, et non une mesure indépendante. Aucun jeu de données public et indépendant de latence aller-retour mesurée de l’IFB dans des productions à distance en direct n’a été trouvé ; nous en ajouterons un si un diffuseur ou un organisme de normalisation en publie un.
Dernière mise à jour : 8 novembre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque Haivision publiera son Broadcast Transformation Report 2027.