Essai · Essais
La transformée de Fourier : du temps à la fréquence
Pourquoi le son peut se comprendre comme une somme de fréquences, ce que fait la transformée de Fourier avec cette idée et comment le spectre explique les accordeurs, les égaliseurs et les spectrogrammes.
Il existe une idée mathématique qui, une fois comprise, change la façon dont on entend. La transformée de Fourier affirme quelque chose qui semble impossible : tout son, aussi complexe soit-il, peut se décomposer en une somme de tonalités pures. Une note de gaita et la même note au piano partagent la même fréquence fondamentale, mais leur spectre harmonique est différent — et c’est dans cette répartition d’énergie que vit le timbre. Cet essai porte sur la raison pour laquelle c’est vrai et sur ce que cela implique.
Deux façons de regarder le son
Quand un microphone capte un son, il enregistre une seule chose : comment la pression de l’air varie dans le temps. C’est la forme d’onde — cette ligne ondulante visible dans n’importe quel éditeur audio. C’est la représentation temporelle : à chaque instant, une valeur.
La forme d’onde est honnête mais peu bavarde. En la regardant, on sait qu’il y a du son et à quel volume, mais elle ne dit pas facilement quelles notes elle contient ni quel timbre elle a. Cette information est là, mais cachée dans la forme des oscillations.
La transformée de Fourier offre l’autre regard : la représentation en fréquence. Au lieu de « quelle valeur à chaque instant », elle répond « combien d’énergie à chaque fréquence ». C’est le même son vu sous un angle différent.
L’intuition de fond
Le cœur de l’idée, formulé par Joseph Fourier au début du XIXe siècle, est le suivant : tout signal périodique peut s’écrire comme une somme d’ondes simples — sinus et cosinus — de fréquences et d’amplitudes différentes. Changer la « recette » — quelles fréquences, dans quelle proportion — change le son.
La transformée fait le chemin inverse : elle part du son mélangé et récupère la recette. On lui donne la forme d’onde et elle renvoie la liste des fréquences présentes avec leur poids respectif. Cette liste est le spectre. Ce qui permet de reconnaître un instrument sans voir qui joue vit là : dans la répartition de l’énergie entre fréquences.
Du tableau noir à l’ordinateur
La version qu’utilisent les ordinateurs est la transformée de Fourier rapide, la FFT : un algorithme qui calcule le spectre d’un fragment audio de manière efficace. Sans cette efficacité, une grande partie de l’audio numérique quotidien ne serait pas possible. Avec elle, le calcul tient largement dans n’importe quel appareil.
Et elle apparaît, presque toujours sans qu’on le remarque, dans des outils du quotidien :
| Outil | Ce qu’il fait avec la FFT |
|---|---|
| Accordeur | Mesure la fréquence fondamentale et calcule l’écart d’accordage |
| Égaliseur | Sépare des bandes de fréquence pour les monter ou les descendre indépendamment |
| Spectrogramme | Dessine le spectre image par image : axe Y = fréquences, couleur = énergie |
| Transcription automatique (AMT) | Détecte des notes à partir des pics d’énergie dans le spectre |
Pourquoi je l’aborde ici
Je place la transformée de Fourier dans les essais, et non dans un tutoriel, à dessein. Ce n’est pas une recette : c’est l’une des idées de fond qui soutiennent presque tout ce que l’on fait quand l’informatique musicale quitte le niveau symbolique — celui des notes et du MIDI — et entre dans le son réel, celui du signal.
Jouer d’un instrument, c’est produire un spectre qui change dans le temps. Que les mathématiques sachent le lire — passer du temps à la fréquence et revenir — est ce qui permet de l’analyser, de le transformer et, parfois, de mieux le comprendre. Inutile de calculer une FFT à la main pour que cela change la façon dont on écoute ; il suffit de savoir que, sous chaque son, des fréquences attendent qu’on les compte.