Avec une HRTF générique de la tête artificielle KEMAR, les auditeurs d’une étude VR de 2026 ont confondu l’avant et l’arrière dans 17,2% des essais, soit plus du double des 8,1% obtenus avec leurs propres HRTF mesurées (Pirard et Poole, conférence AES sur l’audio pour la réalité virtuelle et augmentée 2026). La même étude a constaté que les jugements gauche-droite variaient à peine entre les cinq types de HRTF, ce qui concorde avec des décennies de travaux antérieurs. Le suivi de tête est la correction unique la plus efficace des données : les confusions avant-arrière pondérées sont passées de 16,5% en lecture au casque statique à 6,3% avec un rendu à suivi de tête (Oberem et al., bioRxiv 2020). L’entraînement aide aussi, l’erreur sphérique ajustée tombant de 43,4 à 25,5 degrés en moins de deux heures de pratique (Steadman et al., Scientific Reports 2019). Nous avons agrégé des données issues du Journal of the Acoustical Society of America, du Journal of the Audio Engineering Society, de Scientific Reports, de Trends in Hearing, de PLOS Computational Biology, d’Applied Sciences et de communications de conférences AES. Pour les chiffres de marché et d’adoption, consultez notre tour d’horizon distinct des statistiques de l’audio spatial ; cette page ne traite que de la précision avec laquelle on perçoit la direction.
Un bref glossaire, car ces termes reviennent plus bas. Une HRTF (fonction de transfert relative à la tête) est le filtrage dépendant de la direction que la tête, le torse et les oreilles externes appliquent au son avant qu’il n’atteigne le tympan ; le 7.1 virtuel et l’audio spatial fonctionnent en appliquant une HRTF au casque. Une HRTF générique provient d’une tête artificielle (comme KEMAR ou la Neumann KU100) ou d’une autre personne. L’angle latéral désigne l’écart d’un son vers la gauche ou la droite ; l’angle polaire désigne sa position sur le cercle autour de l’axe des oreilles, ce qui couvre le haut-bas et l’avant-arrière.
TL;DR
- L’erreur d’angle polaire était de 48,8° avec une HRTF KEMAR générique contre 30,1° avec la HRTF mesurée propre à l’auditeur (Pirard et Poole, AES AVAR 2026).
- Une HRTF générique a produit 21 confusions avant-arrière sur 78 réponses (27%) contre 0% avec des HRTF individualisées (Jenny et Reuter, JMIR Serious Games 2020).
- La lecture avec suivi de tête a fait passer les confusions avant-arrière pondérées de 16,5% à 6,3% (Oberem et al., bioRxiv 2020).
- Une seule rotation de tête de 10° a réduit les confusions avant-arrière de 10,7% à 1,5% avec de vrais haut-parleurs (McLachlan et al., PLOS Computational Biology 2025).
- Des mouvements de tête sur environ 32° d’azimut ont presque éliminé les confusions avant-arrière (McAnally et Martin, Frontiers in Neuroscience 2014).
- Avec des HRTF non individuelles, les confusions avant-arrière partaient de 40,7% et l’erreur de localisation a été divisée par deux après environ 19 minutes d’entraînement (Steadman et al., Scientific Reports 2019).
- Les erreurs de quadrant sont passées de 27,5% à 18,3% au cours des 400 premiers essais d’entraînement (Majdak et al., Attention, Perception and Psychophysics 2010).
- L’externalisation frontale est passée de 25,56 à 65,15 sur 100 après ajustement du niveau et des réflexions (Shen et Wang, Trends in Hearing 2026).
- 81% des participants de SADIE II ont préféré les HRTF de tête artificielle aux leurs (Université de York, Applied Sciences 2018).
- Le choix parmi des HRTF non individuelles regroupées en classes a réduit l’erreur de localisation de 22% (So et al., Ergonomics 2010).
1. Erreur angulaire : HRTF génériques contre HRTF individualisées
Le résultat principal est très déséquilibré. Remplacer la HRTF propre d’un auditeur par une HRTF générique dégrade fortement la dimension haut-bas et avant-arrière, alors que la précision gauche-droite ne change presque pas. Dans l’étude de 2026 portant sur cinq HRTF, l’erreur d’angle polaire est passée de 30,1° avec des HRTF mesurées à 48,8° avec KEMAR (p < 0,001), tandis que les métriques latérales n’ont montré aucun effet significatif (p > 0,05) (Pirard et Poole, arXiv 2026).
Pour les joueurs, cela explique pourquoi le surround virtuel permet de situer facilement un sniper sur votre gauche, mais rend difficile la lecture d’un pas au-dessus ou derrière vous. Les indices gauche-droite viennent surtout des différences de temps et de niveau entre les deux oreilles, que toutes les têtes partagent à peu près. Les indices d’élévation et d’avant-arrière résident dans les fines encoches spectrales de l’oreille externe de chaque personne, et celles-ci diffèrent d’un individu à l’autre.
| Métrique | Valeur | Source |
|---|---|---|
| Erreur absolue d’angle polaire, HRTF KEMAR générique contre HRTF mesurée propre à l’auditeur | 48,8° contre 30,1° (p < 0,001) | Pirard et Poole, AES AVAR 2026 |
| Erreur absolue d’angle polaire, HRTF d’une autre personne tirée au hasard contre HRTF synthétique issue d’un scan haute résolution | 41,8° contre 35,6° | Pirard et Poole, AES AVAR 2026 |
| Erreur non signée moyenne d’azimut local : HRTF propre mesurée, HRTF propre modélisée, tête artificielle générique KU100 | 17°, 21°, 20° (aucun effet principal significatif) | Rummukainen et al., Applied Sciences 2021 |
| Erreur non signée moyenne d’élévation locale, HRTF propre mesurée contre HRTF générique KU100 | 21° contre 21° | Rummukainen et al., Applied Sciences 2021 |
| Auditeurs dont la précision horizontale avec la HRTF d’une autre personne égalait celle de vraies sources en champ libre | 12 sur 16 | Wenzel et al., JASA 1993 |
| Erreur verticale avec des HRTF mesurées ou estimées contre KEMAR générique, 24 participants, lecture avec suivi de tête | Nettement plus faible ; différences horizontales non significatives | Frankenbach et al., JAES 2025 |
| Meilleure précision humaine avec de vraies sources sonores (champ libre) : azimut contre élévation | 1-2° contre 3-4° | Carlini et al., Frontiers in Psychology 2024 |
Remarque de contexte : l’étude de Rummukainen n’a testé que 8 auditeurs dans son expérience statique, et ses écarts d’azimut de 3° à 4° n’ont pas atteint la significativité. Le résultat de Wenzel est la référence classique pour ce schéma (données les plus récentes disponibles pour ce protocole : Wenzel et al., JASA 1993), et l’étude de Frankenbach de 2025 (JAES) a reproduit la même séparation avec un rendu dynamique moderne.
2. Confusion avant-arrière et erreurs de quadrant
Une confusion avant-arrière est l’erreur dont les joueurs se plaignent le plus : un ennemi derrière vous semble se trouver devant. Une erreur de quadrant est un décompte plus large qui inclut aussi les inversions haut-bas. Ces taux varient fortement d’une étude à l’autre selon le type de stimulus, l’entraînement et la rigueur de la définition d’une confusion ; comparez donc les lignes au sein d’une même source avant de comparer les sources entre elles.
Dans une étude d’évaluation en VR, une HRTF KEMAR générique a produit 21 confusions avant-arrière sur 78 réponses (27%), alors que les HRTF individualisées n’en ont produit aucune (χ²(1,77)=22,0, P<0,001) (Jenny et Reuter, JMIR Serious Games 2020). Le même schéma ressort des données de 2026 : la HRTF d’une personne tirée au hasard était proche de celle de l’auditeur pour les confusions avant-arrière, mais restait moins bonne pour les erreurs de quadrant.
| Métrique | Valeur | Source |
|---|---|---|
| Taux de confusion avant-arrière : KEMAR, HRTF propre mesurée, HRTF d’une autre personne tirée au hasard | 17,2% contre 8,1% contre 9,1% | Pirard et Poole, AES AVAR 2026 |
| Taux d’erreur de quadrant, HRTF d’une autre personne tirée au hasard contre HRTF propre mesurée | 22,6% contre 15,4% (p = 0,039) | Pirard et Poole, AES AVAR 2026 |
| Confusions avant-arrière, HRTF KEMAR générique contre HRTF individualisée | 21 réponses sur 78 (27%) contre 0% | Jenny et Reuter, JMIR Serious Games 2020 |
| Confusions avant-arrière, HRTF non individuelle la plus éloignée contre la moins éloignée de la base de données ARI | 19 sur 78 (24%) contre 5 sur 78 (6%) | Jenny et Reuter, JMIR Serious Games 2020 |
| Confusion avant-arrière avec une HRTF non individuelle au casque contre de vraies sources en champ libre | 31% contre 19% | Wenzel et al. 1993, tel que rapporté dans Rummukainen et al., Applied Sciences 2021 |
| Erreur de quadrant en passant de HRTF génériques à des HRTF individuelles | 21% à 8% | Middlebrooks 1999, tel que rapporté dans Rummukainen et al., Applied Sciences 2021 |
| Erreur de quadrant pour la parole virtuelle, niveau du hasard d’environ 50% | 59% | Begault et al. 2001, tel que rapporté dans Majdak et al., Attention, Perception and Psychophysics 2010 |
| Erreur de quadrant pour des auditeurs entraînés avec de vraies sources par haut-parleurs | 6% | Makous et Middlebrooks 1990, tel que rapporté dans Majdak et al., Attention, Perception and Psychophysics 2010 |
Remarque sur la valeur aberrante : le chiffre de 59% pour la parole virtuelle est supérieur au hasard, et deux articles ultérieurs (Majdak et al. 2010 et Rummukainen et al. 2021) rapportent la même valeur. Il montre à quel point la parole virtuelle peut échouer sur cette métrique. Les lignes citant des études de 1990 à 2001 correspondent aux données les plus récentes disponibles pour ces protocoles précis.
3. Suivi de tête : la meilleure correction à elle seule
Le suivi de tête signifie que la scène virtuelle reste fixe dans le monde pendant que la tête tourne, comme le fait un vrai son. C’est le rendu binaural « dynamique » des casques VR et de certains écouteurs à suivi de tête, et il est absent de tout mode 7.1 virtuel qui ne suit pas la tête. Les données suggèrent qu’il compte davantage que le choix de la HRTF.
Passer d’une lecture statique à une lecture avec suivi de tête a fait baisser l’erreur horizontale non signée de 38,7° à 21,2° et les confusions avant-arrière pondérées de 16,5% à 6,3% (Oberem et al., bioRxiv 2020). Plus révélateur encore, l’écart entre HRTF individuelles et non individuelles est passé de 6,8 points de pourcentage en lecture statique à 1,7 point avec le suivi de tête. Le mouvement fait une grande partie du travail que ferait autrement une HRTF personnelle.
| Métrique | Valeur | Source |
|---|---|---|
| Confusions avant-arrière pondérées, lecture statique contre lecture avec suivi de tête (résolution HRTF de 5°) | 16,5% contre 6,3% | Oberem et al., bioRxiv 2020 |
| Erreur horizontale non signée, lecture statique contre lecture avec suivi de tête | 38,7° contre 21,2° | Oberem et al., bioRxiv 2020 |
| Écart de confusion avant-arrière entre HRTF individuelles et non individuelles, lecture statique contre lecture avec suivi de tête | 6,8 contre 1,7 points de pourcentage | Oberem et al., bioRxiv 2020 |
| Confusions avant-arrière sans une rotation de tête de 10° contre avec (vrais haut-parleurs, 8 auditeurs) | 10,7 ± 6,3% contre 1,5 ± 1,2% | McLachlan et al., PLOS Computational Biology 2025 |
| Erreur quadratique moyenne polaire sans la rotation de tête de 10° contre avec | 25,1 ± 3,2° contre 20,5 ± 5,2° | McLachlan et al., PLOS Computational Biology 2025 |
| Amplitude de rotation de tête ayant réduit significativement contre presque éliminé les confusions avant-arrière | 4° contre 32° d’azimut | McAnally et Martin, Frontiers in Neuroscience 2014 |
| Amplitude de rotation de tête nécessaire pour réduire significativement l’erreur d’élévation | 16° d’azimut | McAnally et Martin, Frontiers in Neuroscience 2014 |
Remarque de contexte : les études de McLachlan et de McAnally ont utilisé de vrais haut-parleurs et non des casques ; elles montrent donc ce que le mouvement de tête peut apporter en principe (McLachlan et al. 2025 ; McAnally et Martin 2014). L’erreur latérale n’a pas changé avec le mouvement de tête dans les deux études (erreur quadratique moyenne latérale de 8,1° contre 8,2° chez McLachlan).
4. Externalisation : son hors de la tête contre son dans la tête
L’externalisation désigne le fait qu’un son semble provenir d’un point de l’espace situé hors de la tête, plutôt que de l’intérieur. Une mauvaise externalisation explique pourquoi un mixage surround virtuel peut donner l’impression d’un « son entre les oreilles » même quand les directions sont correctes. Les sources frontales sont le cas le plus difficile, et l’écran, où se déroule l’essentiel de l’action d’un jeu, se trouve devant le joueur.
Pour une source frontale à 0° avec une réponse de salle non individualisée, l’externalisation a obtenu 25,56 sur 100, valeur passée à 65,15 après ajustement du niveau et des réflexions (d de Cohen = 2,32) (Shen et Wang, Trends in Hearing 2026). Cette réponse de salle est une BRIR (réponse impulsionnelle binaurale de salle : une HRTF qui contient aussi les réflexions d’une salle). Les réflexions sont un outil à double tranchant : elles aident les sons à quitter la tête mais peuvent brouiller la direction.
| Métrique | Valeur | Source |
|---|---|---|
| Taux de localisation dans la tête, lecture statique contre lecture avec suivi de tête | 6,4% contre 0,5% | Oberem et al., bioRxiv 2020 |
| Note d’externalisation (0-100) pour une source frontale à 0°, réponse de salle non individualisée d’origine contre ajustée | 25,56 contre 65,15 | Shen et Wang, Trends in Hearing 2026 |
| Note d’externalisation à 15° et 30° d’azimut, réponse de salle d’origine contre ajustée | 42,33 contre 67,66 (15°) ; 60,04 contre 85,67 (30°) | Shen et Wang, Trends in Hearing 2026 |
| Auditeurs choisissant la réponse de salle davantage modifiée lors de tests à choix forcé à 0° et 15° | 84 sur 100 et 83 sur 100 (p < 0,001) | Shen et Wang, Trends in Hearing 2026 |
| Score d’externalisation, réponses de salle individuelles contre non individuelles | 53,4% contre 51,2% | Leclère et al. 2019, tel que rapporté dans Shen et Wang, Trends in Hearing 2026 |
| Longueur de queue de réverbération qui améliore l’externalisation avant que les gains ne cessent | Jusqu’à environ 80 ms | Best et al., Trends in Hearing 2020 (revue de la littérature) |
| Erreur moyenne d’élévation pour la parole virtuelle sans contre avec réverbération | 17,6° contre 28,7° | Begault et al. 2001, tel que rapporté dans Carlini et al., Frontiers in Psychology 2024 |
| Auditeurs de SADIE II ayant jugé leur propre HRTF mesurée comme la plus externalisée | 1 sur 16 | Université de York, Applied Sciences 2018 |
Remarque de contexte : l’externalisation dépend à peine du caractère personnel de la HRTF (53,4% contre 51,2%), mais elle dépend fortement du suivi de tête, des réflexions et de l’angle de la source. La revue de Best et al. note aussi que les sources qui suivent la tête tendent à s’internaliser, tandis que les sources fixes dans le monde s’externalisent mieux. Le chiffre d’élévation de Begault correspond aux données les plus récentes disponibles, issues d’une étude de 2001.
5. Entraînement et adaptation à une HRTF générique
Le cerveau est plastique, et une HRTF mal appariée peut être en partie apprise. C’est une bonne nouvelle pour les joueurs qui ne feront jamais mesurer leurs oreilles : la question passe de « quelle HRTF » à « combien de pratique délibérée avec retour d’information ».
Dans une étude portant sur 36 participants, l’erreur de localisation sphérique ajustée est passée de 43,4° à 25,5° en moins de deux heures d’entraînement (neuf blocs de 12 minutes), les erreurs étant divisées par deux après environ 19 minutes (Steadman et al., Scientific Reports 2019). La ludification seule n’a pas fait mieux que le groupe témoin non entraîné (p = 0,940) ; la version qui ajoutait l’écoute active avec suivi de tête y est parvenue. L’adaptation varie aussi selon les personnes, comme le montrent les résultats de Stitt ci-dessous.
| Métrique | Valeur | Source |
|---|---|---|
| Erreur sphérique ajustée avant contre après un entraînement avec des HRTF non individuelles (108 minutes au total) | 43,4° contre 25,5° | Steadman et al., Scientific Reports 2019 |
| Taux initial de confusion avant-arrière avec des HRTF non individuelles, et réduction moyenne après l’entraînement | 40,7% ; environ 15% | Steadman et al., Scientific Reports 2019 |
| Entraînement ludifié sans écoute active contre groupe témoin non entraîné, erreur sphérique | Non significatif (p = 0,940) | Steadman et al., Scientific Reports 2019 |
| Amélioration médiane de l’erreur polaire sur les quatre premières séances hebdomadaires avec une HRTF mal appariée | 11,9° | Stitt et al., Scientific Reports 2019 |
| Amélioration totale de l’erreur polaire sur 10 séances, groupe à HRTF mal appariée contre groupe témoin avec sa propre HRTF | Environ 25° contre environ 10° | Stitt et al., Scientific Reports 2019 |
| Auditeurs mal appariés ayant atteint l’erreur polaire du groupe témoin après 10 séances | 3 sur 8 | Stitt et al., Scientific Reports 2019 |
| Erreur de quadrant avant contre après les 400 premiers essais d’entraînement avec les HRTF mesurées propres aux auditeurs, désignation de la tête contre désignation manuelle | 27,5% à 18,3% ; 28,8% à 18,4% | Majdak et al., Attention, Perception and Psychophysics 2010 |
| Réduction de l’erreur après 60 secondes d’exposition audiovisuelle avec des HRTF génériques contre exposition audio seule | t(16) = 2,87, p = 0,011 contre p = 0,53 (n.s.) | Berger et al., Frontiers in Neuroscience 2018 |
Remarque de contexte : Stitt et al. attribuent environ 15° du gain de 25° de ce groupe à l’adaptation à la HRTF, puisque les témoins avec leur propre HRTF se sont aussi améliorés d’environ 10°. Une expérience en conditions réelles avec des moulages physiques d’oreille (et non des casques) a observé une adaptation complète aux nouvelles oreilles en 20 minutes, avec environ 10 minutes d’entraînement audio-moteur (Parise et al., iScience 2024). Les données d’entraînement de Majdak datent de 2010 et correspondent aux données les plus récentes disponibles pour ce protocole ; comme elles utilisaient les HRTF propres à chaque auditeur, elles montrent quelle part de tout gain relève du simple apprentissage de la tâche, que toute étude sur HRTF générique contient également.
6. Raccourcis de personnalisation et bases de données de HRTF
La mesure complète d’une HRTF est lente et confinée au laboratoire : le protocole de type ARI a mesuré 1550 HRTF par auditeur en environ 20 minutes dans un dispositif spécialisé (Majdak et al. 2010). C’est pourquoi la recherche s’est tournée vers des raccourcis : choisir la meilleure correspondance dans une base de données, remodeler une HRTF générique ou en synthétiser une à partir d’un scan.
Laisser les auditeurs choisir parmi six classes construites à partir de 196 HRTF non individuelles a réduit l’erreur de localisation sonore de 22%, et 65% des auditeurs ont réduit leur taux de confusion avant-arrière (So et al., Ergonomics 2010). Des bases de données plus grandes rendent ce type d’appariement plus réaliste. Notez le revers révélé par les données de SADIE II : les gens préfèrent souvent l’équilibre tonal d’une tête artificielle à celui de leurs propres mesures, si bien que « sonne le mieux » et « localise le mieux » sont deux cibles différentes (notre tour d’horizon des préférences de courbe cible des casques traite du côté tonal).
| Métrique | Valeur | Source |
|---|---|---|
| Réduction de l’erreur de localisation en choisissant parmi 6 HRTF non individuelles regroupées en classes | 22% ; 65% des auditeurs ont aussi réduit la confusion avant-arrière | So et al., Ergonomics 2010 |
| Meilleurs résultats en amplifiant ou atténuant des bandes de fréquences choisies de la HRTF de 12 ou 18 dB, 32 participants | Jusqu’à 70% d’erreur de localisation en moins et 66% de confusion avant-arrière en moins | So et al., Human Factors 2011 |
| Erreur médiane d’élévation, meilleure HRTF unique contre meilleure HRTF choisie par direction (8 auditeurs) | 27,8° contre 22,2° (p = 0,056) | Goldring et al., AES AVAR 2024 |
| Erreur médiane d’azimut, meilleure HRTF unique contre meilleure HRTF par direction | 18,13° contre 15,74° (p = 0,12) | Goldring et al., AES AVAR 2024 |
| Effet de la mise à l’échelle en fréquence des fonctions de transfert de l’oreille d’une autre personne | A plus que divisé par deux la pénalité liée à l’utilisation des fonctions de transfert de l’oreille d’un autre sujet | Middlebrooks, JASA 1999 |
| Jeu de données HRTF SONICOM, version initiale contre version étendue (sujets mesurés) | 120 contre 300 | Engel et al., JAES 2023 ; Poole et al., arXiv 2025 |
| Version étendue de SONICOM : sujets disposant de HRTF synthétisées, et grille de mesure | 200 sur 300 ; 793 positions | Poole et al., arXiv 2025 |
| Participants (16) au test d’écoute SADIE II ayant préféré les HRTF de la tête artificielle KU100 aux leurs | 81% (la base de données elle-même compte 20 sujets) | Université de York, Applied Sciences 2018 |
Remarque de contexte : les résultats de So et al. et de Middlebrooks correspondent aux données les plus récentes disponibles pour ces méthodes (2010, 2011 et 1999). Le jeu de données SONICOM étendu et l’évaluation de SADIE II sont les ressources publiques les plus susceptibles d’alimenter la prochaine génération d’outils d’appariement de HRTF.
7. Ce que disent les données pour le 7.1 virtuel et l’audio de jeu
Les études menées dans de vrais jeux restent rares et de petite taille, mais elles vont dans le même sens que les données de laboratoire. La personnalisation aide le plus là où les HRTF génériques échouent le plus (élévation et avant-arrière), tandis que le placement gauche-droite est déjà suffisant avec presque n’importe quelle HRTF. Dans un test de jeu de tir à la première personne sur ordinateur, les 22 participants ont obtenu des résultats significativement meilleurs à la tâche de localisation avec leur HRTF individualisée qu’avec une HRTF générique, en azimut comme en élévation (Andersen et al., I3DA 2021).
Les gains n’exigent pas toujours une HRTF complète. Une équipe du KAIST n’a ajusté que la différence interaurale de temps (ITD : le minuscule écart de temps d’arrivée entre les deux oreilles) et a tout de même observé des temps de réponse significativement plus rapides qu’avec deux HRTF génériques (Kim et al., AES Show 2024). Pour le contexte matériel des casques qui intègrent ces fonctions, consultez nos statistiques sur les casques gaming.
| Métrique | Valeur | Source |
|---|---|---|
| Conditions de rendu comparées dans une tâche de localisation sur jeu de tir pour ordinateur, 22 participants | 3 (panoramique stéréo, binaural générique, binaural individualisé) ; l’individualisé est nettement meilleur | Andersen et al., I3DA 2021 |
| Temps de réponse avec une HRTF optimisée sur l’ITD contre MIT KEMAR et une HRTF par défaut du moteur de jeu | Réduit de façon significative (chiffre non fourni dans le résumé) | Kim et al., AES Show 2024 |
| Précision latérale (gauche-droite) selon cinq types de HRTF, de la HRTF mesurée à la tête artificielle | Aucun effet significatif (p > 0,05) | Pirard et Poole, AES AVAR 2026 |
| Différences deux à deux dans la localisation évaluée entre HRTF mesurées, modélisées et génériques en VR à 6 degrés de liberté, 12 auditeurs | Aucune significative aux tests post-hoc | Rummukainen et al., Applied Sciences 2021 |
| Réponses jugeant le timbre naturel, HRTF individualisée contre HRTF KEMAR générique | 62 sur 78 (79%) contre 1 sur 78 (1%) | Jenny et Reuter, JMIR Serious Games 2020 |
| Erreur de localisation horizontale, HRTF mesurées ou estimées contre KEMAR avec lecture à suivi de tête | Aucune différence significative | Frankenbach et al., JAES 2025 |
Remarque de contexte : aucune de ces études sur les jeux n’a publié de chiffres d’erreur par condition dans son résumé ; considérez-les donc comme des preuves du sens de l’effet. La lecture pratique est cohérente d’une section à l’autre : le suivi de tête (section 3) et moins de deux heures d’entraînement avec retour d’information (section 5) comblent une grande partie de l’écart qu’une HRTF personnelle comblerait.
Résumé : la précision de localisation HRTF des casques gaming en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Taux de confusion avant-arrière, KEMAR générique contre HRTF propre mesurée | 17,2% contre 8,1% | Pirard et Poole, AES AVAR 2026 |
| Confusions avant-arrière, KEMAR générique contre HRTF individualisée en VR | 27% contre 0% | Jenny et Reuter, JMIR Serious Games 2020 |
| Erreur moyenne d’azimut local, HRTF propre mesurée contre KU100 générique | 17° contre 20° | Rummukainen et al., Applied Sciences 2021 |
| Confusions avant-arrière pondérées, lecture statique contre lecture avec suivi de tête | 16,5% contre 6,3% | Oberem et al., bioRxiv 2020 |
| Erreur horizontale non signée, lecture statique contre lecture avec suivi de tête | 38,7° contre 21,2° | Oberem et al., bioRxiv 2020 |
| Confusions avant-arrière sans contre avec une rotation de tête de 10° | 10,7% contre 1,5% | McLachlan et al., PLOS Computational Biology 2025 |
| Rotation de tête ayant presque éliminé les confusions avant-arrière | Environ 32° d’azimut | McAnally et Martin, Frontiers in Neuroscience 2014 |
| Note d’externalisation frontale, réponse de salle d’origine contre ajustée | 25,56 contre 65,15 sur 100 | Shen et Wang, Trends in Hearing 2026 |
| Longueur de queue de réverbération qui favorise l’externalisation | Jusqu’à environ 80 ms | Best et al., Trends in Hearing 2020 |
| Erreur sphérique ajustée avant contre après moins de deux heures d’entraînement | 43,4° contre 25,5° | Steadman et al., Scientific Reports 2019 |
| Durée d’entraînement pour diviser par deux l’erreur de localisation | Environ 19 minutes | Steadman et al., Scientific Reports 2019 |
| Auditeurs mal appariés atteignant l’erreur polaire du niveau témoin après 10 séances | 3 sur 8 | Stitt et al., Scientific Reports 2019 |
| Erreur de quadrant avant contre après 400 essais d’entraînement (désignation de la tête) | 27,5% contre 18,3% | Majdak et al., Attention, Perception and Psychophysics 2010 |
| Réduction de l’erreur de localisation en choisissant parmi des HRTF regroupées en classes | 22% | So et al., Ergonomics 2010 |
| Erreur médiane d’élévation, meilleure HRTF unique contre meilleure HRTF par direction | 27,8° contre 22,2° | Goldring et al., AES AVAR 2024 |
| Sujets mesurés SONICOM, version étendue | 300 | Poole et al., arXiv 2025 |
| Participants de SADIE II préférant les HRTF de tête artificielle aux leurs | 81% | Université de York, Applied Sciences 2018 |
Méthodologie et sources
- Pirard et Poole, Evaluation of Head-Related Transfer Functions Across Five Levels of Individualisation in Virtual Reality, AES AVAR 2026 (prépublication arXiv) : 19 auditeurs, casques Meta Quest, 297 essais de test par expérience.
- Jenny et Reuter, Usability of Individualized HRTFs in Virtual Reality, JMIR Serious Games 2020 : 39 sujets, HRTF ARI et MIT KEMAR.
- Rummukainen, Robotham et Habets, Head-Related Transfer Functions for Dynamic Listeners in Virtual Reality, Applied Sciences 2021 : également l’intermédiaire pour les chiffres de comparaison de Wenzel 1993 et de Middlebrooks 1999.
- Wenzel, Arruda, Kistler et Wightman, Localization Using Nonindividualized Head-Related Transfer Functions, JASA 1993.
- Middlebrooks, Virtual Localization Improved by Scaling Nonindividualized External-Ear Transfer Functions in Frequency, JASA 1999.
- Frankenbach, Herzog, Seitz et Fels, Evaluating Localization Accuracy of Dynamic Binaural Synthesis, JAES 2025.
- Majdak, Goupell et Laback, 3-D Localization of Virtual Sound Sources, Attention, Perception and Psychophysics 2010 : également l’intermédiaire pour les chiffres d’erreur de quadrant de Begault et al. 2001 et de Makous et Middlebrooks 1990.
- Oberem, Richter, Setzer, Seibold, Koch et Fels, Localization Accuracy with Non-Individual and Individual HRTFs Comparing Static and Dynamic Reproduction, bioRxiv 2020 : 11 auditeurs, hémisphère droit uniquement.
- McLachlan, Majdak, Reijniers, Mihocic et Peremans, Bayesian Active Sound Localisation, PLOS Computational Biology 2025.
- McAnally et Martin, Sound Localization with Head Movement: Implications for 3-D Audio Displays, Frontiers in Neuroscience 2014.
- Shen et Wang, Enhancing Externalization of Frontal Virtual Sound Sources, Trends in Hearing 2026 : également l’intermédiaire pour les chiffres de Leclère et al. 2019.
- Best, Baumgartner, Lavandier, Majdak et Kopčo, Sound Externalization: A Review of Recent Research, Trends in Hearing 2020.
- Carlini, Bordeau et Ambard, Auditory Localization: A Comprehensive Practical Review, Frontiers in Psychology 2024 : références en champ libre et chiffres de réverbération de Begault 2001.
- Steadman, Kim, Lestang, Goodman et Picinali, Short-Term Effects of Sound Localization Training in Virtual Reality, Scientific Reports 2019.
- Stitt, Picinali et Katz, Auditory Accommodation to Poorly Matched Non-Individual Spectral Localization Cues Through Active Learning, Scientific Reports 2019.
- Berger et al., Generic HRTFs May Be Good Enough in Virtual Reality, Frontiers in Neuroscience 2018.
- Parise et al., Happy New Ears: Rapid Adaptation to Novel Spectral Cues in Vertical Sound Localization, iScience 2024.
- So et al., Toward Orthogonal Non-Individualised HRTFs for Forward and Backward Directional Sound, Ergonomics 2010.
- So et al., Effects of Spectral Manipulation on Nonindividualized HRTFs, Human Factors 2011.
- Goldring, Ben Hur, Alon et Rafaely, Assessing the Potential Impact of Direction-Dependent HRTF Selection on Sound Localization Accuracy, AES AVAR 2024 (arXiv).
- Engel et al., The SONICOM HRTF Dataset, JAES 2023.
- Poole et al., The Extended SONICOM HRTF Dataset and Spatial Audio Metrics Toolbox, arXiv 2025.
- University of York AudioLab, A Perceptual Evaluation of Individual and Non-Individual HRTFs: A Case Study of the SADIE II Database, Applied Sciences 2018.
- Andersen, Miccini, Serafin et Spagnol, Evaluation of Individualized HRTFs in a 3D Shooter Game, I3DA 2021.
- Kim et al., Investigating the Role of Customized Interaural Time Differences on First-Person Shooter Gaming Performance, AES Show 2024.
- Note sur les données : les métriques d’erreur ne sont pas normalisées. Les études rapportent l’erreur polaire ou l’erreur d’élévation, la moyenne ou la médiane, la confusion avant-arrière ou l’erreur de quadrant (qui compte aussi les inversions haut-bas), et certaines pondèrent les confusions selon l’angle ; comparez donc les valeurs au sein d’une même source avant de comparer entre sources. Plusieurs chiffres clés proviennent de prépublications ou de communications de conférence pas encore parues dans une revue (Pirard et Poole 2026, Oberem et al. 2020, Goldring et al. 2024, Poole et al. 2025). L’erreur de quadrant de Middlebrooks avec HRTF individuelle apparaît à 8% chez Rummukainen et al. et à 7,7 ± 8,0% pour les sujets entraînés chez Majdak et al., ce qui est cohérent aux arrondis près. Les sources SONICOM divergent sur la taille de la version initiale (120 sujets dans le résumé JAES de 2023 contre 200 HRTF décrites dans l’article de 2025 sur le jeu de données étendu) ; nous citons 120 pour l’article original et 300 pour la version étendue. L’article de Steadman et al. indique 36 participants par groupe mais donne une répartition par sexe dont la somme est 38, et quelques-unes de ses valeurs p sont altérées dans le texte ; nous ne citons donc que les résultats au niveau des groupes assortis de statistiques claires. Les chiffres de McLachlan et de McAnally sur les mouvements de tête proviennent d’expériences avec haut-parleurs, et non au casque. Plusieurs lignes reposent sur des études de 1990 à 2011 et sont signalées comme les données les plus récentes disponibles. Aucun chiffre de fabricant ou de vendeur n’est utilisé dans ce tour d’horizon.
Dernière mise à jour : 25 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lors de la publication des actes évalués par les pairs de la conférence internationale AES 2026 sur l’audio pour la réalité virtuelle et augmentée et les jeux immersifs, ainsi que de la prochaine version du jeu de données SONICOM.