Un soir de février dernier, j'étais peinard dans mon petit appart à Nancy, en train de finir le montage d'un vlog pour un pote. J'avais passé des heures sur l'image, les couleurs étaient nickels, le rythme tenait la route. Mais quand j'ai fait une écoute sur les enceintes du salon, la douche froide. Dès que la musique montait un peu, on ne comprenait plus un traître mot de ce qu'il racontait. C'était un vrai pâté sonore, inaudible et frustrant.
Le pire, c'est que dans mon casque, ça passait à peu près. Mais sur des enceintes normales, c'était la catastrophe. C'est là que j'ai compris que le mixage audio, c'est pas juste une question de « j'entends ou j'entends pas ». C'est une histoire d'équilibre et de place. J'ai longtemps cru que c'était réservé aux ingénieurs du son avec des consoles à mille boutons, mais en fait, avec deux-trois réflexes de bricoleur, on peut sortir un truc propre sans y passer la nuit.
Ma vieille méthode de « bourrin » (et pourquoi elle était nulle)
Pendant des années, ma technique était simple, mais super laborieuse. Dès qu'il y avait une phrase importante, je créais des dizaines de points clés sur ma piste de musique pour baisser le volume manuellement. Je descendais le curseur au pif, genre à -15 ou -20 décibel (dB), et je le remontais dès que la personne s'arrêtait de parler. C'était long, c'était moche, et surtout, ça s'entendait.
On sentait physiquement la musique qui « tombait » d'un coup, comme si quelqu'un coupait le robinet, puis qui revenait en force. Ça créait un effet de pompage super désagréable. En plus, si j'avais le malheur de déplacer un clip de voix de trois secondes, je devais me retaper tous mes points clés à la main. Une horreur. C'est le genre de truc qui me faisait perdre un temps fou, un peu comme quand on essaie de faire du montage vidéo avec un PC lent sans que le logiciel plante : on passe plus de temps à lutter contre l'outil qu'à créer.
Le crash-test qui m'a fait changer de méthode
Au milieu du printemps, j'ai filé un coup de main à une petite asso locale pour monter une vidéo de présentation. J'ai fait mon mixage habituel, un peu à l'arrache, et j'ai exporté. Résultat ? Le président de l'asso m'a rappelé le lendemain en me disant que sur son smartphone, on n'entendait absolument rien. La musique couvrait tout, et la voix semblait étouffée, lointaine.
J'ai dû réexporter cette vidéo de 20 minutes pour la quatrième fois. À chaque fois, je changeais un petit truc, mais ça ne marchait jamais vraiment. J'ai même fini par avoir ce grésillement désagréable dans mon casque à force de pousser le gain trop fort pour compenser une musique mal réglée. C'est là que j'ai arrêté de tâtonner et que j'ai commencé à chercher comment les pros faisaient vraiment pour que la voix « perce » sans forcément éteindre la musique.
J'ai réalisé que le problème n'était pas forcément le volume global, mais les fréquences. La voix humaine, sa zone de base, sa « fondamentale » comme disent les experts, ça se balade entre 85 Hz et 255 Hz environ. Mais la clarté, ce qui fait qu'on comprend les mots, ça se joue beaucoup plus haut, entre 2 kHz et 5 kHz. Si ta musique sature cette zone-là, tu peux baisser le volume autant que tu veux, la voix restera brouillonne.
L'astuce qui change tout : creuser la musique au lieu de la baisser
Il y a environ trois semaines, j'ai enfin trouvé le déclic. Au lieu de systématiquement baisser le curseur de volume de la musique dès que quelqu'un parle, j'utilise maintenant un égaliseur (un EQ) sur la piste musicale. L'idée est simple : je crée un petit « creux » dans la musique exactement là où la voix a besoin de place.
Je prends ma piste de musique, j'ouvre l'égaliseur, et je baisse un peu les fréquences autour de 3 kHz (là où l'oreille humaine est la plus sensible). En faisant ça, je crée une sorte de « niche » pour la voix. La musique garde son impact, on sent toujours l'énergie du morceau, mais la voix vient se loger dans ce trou et devient instantanément plus intelligible. C'est magique et ça évite cet effet de vide quand on baisse trop le son d'un coup.
Mes nouveaux réglages de base
Depuis que j'ai compris ça, mes projets sonnent beaucoup plus pro. Voici ce que je fais systématiquement maintenant, sans réfléchir :
- La fréquence d'échantillonnage : Je vérifie toujours que mes fichiers sont en 48 kHz. C'est le standard vidéo et ça évite les petits décalages ou les craquements bizarres à l'export.
- Le niveau de la voix : Je cale ma crête de modulation recommandée pour la voix à -6 dB. C'est un bon repère pour avoir de la marge sans saturer.
- L'audio ducking (automatique) : La plupart des logiciels modernes (même les gratuits) ont une fonction d'auto-ducking. Tu lui dis « ceci est de la musique » et « ceci est de la voix », et il baisse la musique tout seul quand ça parle. C'est bien plus propre que mes points clés à la main.
Si vous galérez encore un peu avec la structure de vos vidéos, j'avais écrit un truc sur comment ajouter des sous-titres sur une vidéo sans y passer des heures, ce qui est souvent le plan B quand le mixage est foiré. Mais croyez-moi, un bon mixage, c'est quand même plus agréable pour celui qui regarde.
Gérer l'export pour YouTube sans mauvaises surprises
Un autre truc qui m'a rendu dingue, c'est la différence de volume entre mon logiciel et YouTube. Tu finis ton montage, tu es content, tu uploades, et là... ta vidéo est deux fois moins forte que celle de Squeezie. C'est parce que YouTube normalise le son autour de -14 LUFS (c'est une unité de mesure du volume perçu, pas juste les décibels bruts).
Avant, je montais au jugé. Maintenant, je jette un œil à mes niveaux de sortie. Si mon mixage est trop faible, YouTube ne fera rien. S'il est trop fort, il va le compresser violemment et ça va sonner tout plat. Le secret, c'est de viser un son équilibré où la voix reste la reine. C'est en pratiquant sur des projets concrets, comme j'en parle souvent quand j'explique comment apprendre le montage vidéo pratique pour lancer sa chaîne YouTube, qu'on finit par avoir l'oreille qui s'affine.
Ce que j'ai arrêté de faire (et que vous devriez arrêter aussi)
Avec le recul de ces six derniers mois, il y a des erreurs que je ne fais plus. Par exemple, j'ai arrêté de vouloir mixer avec des écouteurs bas de gamme ou, pire, les haut-parleurs de mon ordi portable. Pour régler les basses de la musique, c'est impossible si ton matos ne les restitue pas. J'utilise maintenant un casque un peu plus neutre, même si ce n'est pas un truc de studio à 500 balles.
J'ai aussi arrêté de mettre trop d'effets. Au début, je mettais de la réverbération partout, des compresseurs dans tous les sens... Finalement, un bon EQ pour faire de la place et un petit réglage de volume bien géré, c'est 90 % du boulot. Le mixage, c'est comme la cuisine : si tu mets trop d'épices, on ne sent plus le goût des aliments. Ici, l'aliment, c'est votre message, la voix.
Aujourd'hui, je boucle mes mixages en 10 ou 15 minutes, là où je passais deux heures avant à galérer avec mes points clés. Ce n'est sans doute pas parfait aux yeux d'un pro d'Hollywood, mais pour mes potes et les assos avec qui je bosse, la différence est énorme. On comprend tout, la musique accompagne sans agresser, et je n'ai plus peur de lancer un export le soir en me demandant si ça va grésiller sur un téléphone.
Bref, si vous devez retenir un truc : ne vous battez pas seulement avec le volume. Battez-vous avec les fréquences. Laissez la voix respirer, et votre musique vous remerciera.