Deux mille hertz. C'est l'écart, minuscule sur le papier, qui décide si la voix d'une vidéo traverse la musique clairement ou si elle s'y noie complètement. Le mixage audio, c'est souvent le moment où les autodidactes du montage vidéo bloquent, et moi le premier, sans formation ni école derrière moi, juste des heures passées à corriger mes propres ratés, projet après projet.
La vraie astuce, ce n'est pas de couper le son de la musique dès que quelqu'un parle. C'est de creuser un trou dedans, exactement là où l'oreille a besoin d'entendre les mots. Concrètement : un passage par l'égaliseur sur la piste musicale, une petite chute autour de 3 kHz, et la voix vient se glisser dans cet espace sans que la musique perde toute son énergie. La suite, c'est le tuto complet de la méthode, EQ et ducking compris, telle que je l'utilise maintenant sur chaque montage.
Le réflexe qui ne marche jamais bien : juste baisser le volume
Pendant longtemps, ma méthode tenait en une phrase : dès qu'une réplique importante arrivait, je créais des dizaines de points clés sur la piste de musique pour faire chuter le volume à la main. Le curseur descendait à l'oreille, quelque part entre moins quinze et moins vingt décibel (dB), puis remontait dès que la personne se taisait. Ça s'entendait à chaque fois : la musique tombait d'un coup, comme un robinet qu'on coupe, avant de revenir en force quelques secondes plus tard. Ce genre de manip bouffe un temps fou, un peu comme quand on doit faire du montage vidéo avec un PC lent sans que le logiciel plante : on passe plus d'énergie à lutter contre l'outil qu'à avancer sur le fond.
Le vrai souci, ce n'est même pas le volume global. La voix humaine se loge surtout entre 85 et 255 Hz pour sa base, mais ce qui la rend compréhensible se joue plus haut, entre 2 et 5 kHz. Si la musique occupe cette zone-là à fond, baisser le volume général ne change presque rien : la voix et la musique se battent exactement sur les mêmes fréquences, et personne ne gagne.
Creuser la musique plutôt que la faire taire
Une fois qu'on a compris ça, la manip devient presque simple. Sur la piste de musique, j'ouvre un égaliseur et je baisse légèrement les fréquences autour de 3 kHz, la zone où l'oreille humaine est la plus sensible. Ça crée une sorte de niche : la musique garde son impact, on sent toujours l'énergie du morceau, mais la voix vient se loger dans cet espace vidé et devient nettement plus nette. Fini l'effet de vide qu'on entend quand tout le volume tombe d'un coup sur un mot.
Et le ducking automatique, il sert à quoi ?
Opaline, une lectrice qui commente régulièrement ici avec des captures d'écran de ses timelines (elle ne jure que par DaVinci Resolve, gratuit oblige), m'a demandé récemment comment automatiser tout ça sans y passer la soirée. La réponse, c'est le ducking automatique : la plupart des logiciels, même gratuits, permettent de désigner une piste comme musique et une autre comme voix, et le logiciel baisse tout seul la musique dès qu'il détecte de la parole. C'est plus régulier que des points clés posés à la main, même si un coup d'égaliseur reste utile en complément, pas à la place. Et ce n'est pas non plus la même chose que retirer un bruit de fond parasite (souffle, ventilo, circulation) qui est un traitement à part, à faire avant même de penser à l'équilibre entre voix et musique.
Les repères que j'utilise à chaque mixage
Côté réglages, il y a trois choses que je vérifie systématiquement. La fréquence d'échantillonnage d'abord : mes fichiers doivent être en 48 kHz, le standard vidéo, sinon on récolte des petits décalages ou des craquements au moment de l'export. Le niveau de la voix ensuite : je cale la crête autour de moins 6 dB, ce qui laisse de la marge sans risquer la saturation. Et l'écoute au casque plutôt qu'aux haut-parleurs de l'ordinateur portable, ensuite : impossible de juger des basses ou d'une fréquence qui sature si le matériel ne les restitue pas correctement. (Hadrien, un copain de lycée qui filme surtout ses sorties vélo de route, me pose presque toujours des questions sur les couleurs après coup, jamais sur le son, alors qu'il mixe encore avec les haut-parleurs de son ordi portable posé sur la table de la cuisine.) Un casque neutre, pas forcément un modèle de studio hors de prix, change déjà beaucoup de choses.
Et l'export vers YouTube, ça change quoi ?
YouTube normalise le son autour de moins 14 LUFS, une unité qui mesure le volume perçu plutôt que les décibels bruts. Si le mixage est trop faible, la plateforme ne corrige rien. S'il est trop fort, elle compresse fort et le résultat sonne plat. Le réglage du débit et des paramètres d'export, c'est tout un autre sujet, presque aussi casse-tête que la différence entre un codec et un conteneur vidéo (deux notions qu'on confond sans arrêt), donc je n'y reviens pas ici. Ce qui compte côté son, c'est de viser un mixage équilibré où la voix garde toujours le dessus, quel que soit le traitement que la plateforme applique ensuite.
La règle que je ne romps plus jamais
Il y a une règle que je ne romps plus : je ne travaille jamais directement sur les fichiers originaux. Ça vient d'un soir où j'ai modifié les pistes sources sans faire de copie de sauvegarde, en plein milieu d'une nuit de travail, et le projet a fini corrompu avant que j'aie pu exporter quoi que ce soit. Depuis, une copie de travail systématique, rangée à part des fichiers bruts, fait partie de mon organisation de base, au même titre que trier mes rushs avant même de penser au son.
Le test que je fais maintenant sur chaque mixage terminé, c'est d'écouter la vidéo à la suite, sans sauter aucun passage : le premier plan doit rester couvert par le son sans coupure sèche, le deuxième pareil, et ainsi de suite jusqu'à la fin, aucun trou dans le récit, aucun silence qui fait tiquer l'oreille entre deux plans. Si un seul passage accroche, le travail sur les fréquences n'est pas fini.
Si un mixage est vraiment trop abîmé pour être sauvé à temps, il reste toujours la solution d'ajouter des sous-titres sur une vidéo sans y passer des heures comme filet de sécurité. Mais un bon mixage reste bien plus agréable à regarder qu'une vidéo qu'on doit lire pour la comprendre.
Je fais l'essentiel de ces réglages depuis un coin bureau installé dans mon appart, quartier Charles-III à Nancy : un vieux moniteur IPS de 24 pouces d'occasion, calé sur une planche de bois brut, un disque dur externe qui tourne en permanence à côté du clavier. Le soir, quand il ne reste que la lueur bleutée des deux écrans dans une pièce sinon plongée dans le noir, c'est là que les défauts d'un mixage s'entendent le mieux, allez savoir pourquoi : l'oreille semble plus attentive dans le noir.
C'est aussi en pratiquant sur de vrais projets, comme quand j'explique comment apprendre le montage vidéo pratique pour lancer sa chaîne YouTube, qu'on finit par avoir l'oreille qui repère ces détails plus vite. Ce n'est pas non plus le moment de recoller les couleurs, de peaufiner des transitions ou de recadrer une vidéo en vertical pour Instagram : chacun de ces chantiers mérite son propre article, pas un paragraphe glissé ici.
La prochaine fois qu'un mixage sonne bouché, ne touchez pas au volume en premier réflexe. Ouvrez l'égaliseur, creusez la zone entre 2 et 5 kHz sur la piste de musique, et laissez la voix respirer dans cet espace-là.