Enregistrer un podcast : trois décisions entre la voix et le fichier publié

Entre la voix et le fichier qu’un auditeur télécharge, le son traverse une pièce, une capsule, un préampli, un montage et un encodeur. Enregistrer un podcast revient à tenir cette chaîne de bout en bout, et trois de ses maillons coûtent cher quand la décision y est mauvaise : l’état de la pièce, le type de micro, et le niveau du fichier livré, qui relève d’une valeur publiée par les plateformes. La première se prend avant le moindre achat.

Une voix arrive toujours avec sa pièce

Ce qu’un micro entend n’est jamais une voix seule, mais une voix additionnée du local qui l’entoure. Shure place l’obstacle avant tout achat, dans son guide aux podcasteurs du 1er février 2025 : « The room is a sonic hurdle for most DIY podcasters ». Deux nuisances s’y superposent : le bruit de fond des bouches d’aération et des ventilateurs, puis les réflexions des murs, du plafond et d’un sol sans tapis, que le fabricant résume ainsi : « You sound like you’re in a box because you are in a box. » Frapper une fois dans les mains suffit à trancher : si le claquement se prolonge en un battement entre deux parois qui se font face, la voix subira le même sort, et notre guide du home studio indique où poser les premiers panneaux.

Le textile passe avant l’achat. Dans Sound On Sound de juillet 2005, Hugh Robjohns tient une couette épaisse pour plus efficace que les dalles de mousse, puisqu’elle « works over a wider bandwidth than most foam tiles will ». Bibliothèque, rideaux tirés et lit dans le champ font autant, à coût nul.

Le placement décide ensuite, et les sources divergent. Toutes écartent le milieu géométrique du volume, Sound On Sound plaçant le locuteur « near (but not exactly at) the centre of the room ». Sur le coin, Neumann conseille de s’en éloigner, quand Robjohns y installe un arc d’absorbant derrière le locuteur. Nous ne tranchons pas : les deux se testent. Le bruit continu ouvre un chantier distinct, où distinguer un souffle d’une ronflette conditionne ce qu’on pourra retirer.

Un dynamique de près, un statique en pièce tenue

Shure expose l’arbitrage sans le trancher. Un statique répond mieux dans l’aigu, d’où un son détaillé, « however, it can be a problem for podcasters who record at home » : le risque est de capter « too much of the shhh sound from air vents » et les bruits de bouche, là où les dynamiques « naturally mask these irritants ». Rode, lui, désigne un favori : le dynamique est « ideal for most podcasters as their lower sensitivity means they pick up less background noise ».

La distance de travail pèse autant que la capsule. Shure en fait un levier contre la pièce, rapprocher le micro « within two to 12 inches » rendant la voix plus forte par rapport au bruit et aux réflexions. Les chiffres publiés ne concordent pas : de deux ou trois pouces chez Shure pour le seul SM7B, à six ou huit pouces chez Rode pour un statique. Le cardioïde fait consensus, « less sensitive to sound from the sides and back », au détriment des directivités plus serrées, qui obligent à garder la bouche dans une zone étroite.

Le dynamique se paie au préampli, ces micros sortant peu de signal : notre article sur les trois dynamiques qui ont fait la radio détaille ce besoin de gain. Le statique garde son intérêt dès que la pièce est tenue : les statiques australiens de Rode en donnent la famille, et quel micro pour quel usage range les deux camps par budget. Pour une voix seule, se passer d’interface audio tient encore.

Appuyer sur rouge avec de la marge

Un épisode s’enregistre en 24 bits, WAV ou AIFF, le format compressé étant réservé à la fin de la chaîne. Le préampli se règle pour que les pointes de voix passent sous le plafond numérique avec de la réserve : cette marge ne s’entend pas, son absence ne se rattrape pas.

Deux personnes dans la même pièce demandent deux micros, deux entrées et deux pistes, chaque cardioïde visant son locuteur : un micro unique posé entre deux chaises fige l’équilibre des voix, et aucun montage ne le rouvre. Un invité à distance impose, lui, de faire enregistrer chacun en local, la liaison compressant et hachant sans réparation possible.

Le casque se porte fermé dès qu’un retour circule dans la pièce, sous peine de le retrouver dans les micros : notre sélection de casques par usage et les critères qui séparent deux modèles couvrent ce poste.

Au montage, la coupe fait plus que les plugins

Le gros du travail sur un épisode parlé se fait avec un outil de découpe : retirer les hésitations, les redites et les trois minutes qui n’avancent à rien améliore un podcast plus sûrement que n’importe quel traitement. Les processeurs viennent après, dans un ordre qui ne s’inverse pas.

• Couper d’abord, parce qu’un passage supprimé n’a plus besoin d’être nettoyé, égalisé ni compressé.
• Traiter le bruit ensuite, avant les processeurs qui le remontent, selon la méthode de notre guide du nettoyage d’une prise.
• Égaliser avec parcimonie : Mike Senior, dans Sound On Sound de juin 2020, signale qu’un micro très rapproché réclame souvent quelques décibels de moins sous 300 Hz, et déconseille de pousser l’aigu, qui rend les consonnes fatigantes. Le détail est dans notre article sur l’égaliseur et ses usages.
• Compresser en dernier, une fois le signal propre. Senior en fait la tâche principale d’un mixage de parole, l’auditeur écoutant dans le bruit, en faisant autre chose ; les réglages sont dans notre page sur la compression.

La musique jouée dans un épisode se traite à part

Un générique ou un extrait joué au piano ne se cale pas sur la parole à la mesure. Senior décrit le piège : la musique délivre des crêtes bien plus hautes que la parole, et le traitement final qui aligne la voix sur les podcasts du marché écrase les exemples musicaux. Sa conclusion est contre-intuitive : « if you plan to use music tracks in your podcast and you want them to sound good, you’ll have to keep the speech level lower. »

L’AES y arrive par un autre chemin : à valeur mesurée égale, ses essais en écoute donnent une parole 2 à 3 dB plus forte qu’une musique, et son document technique place la parole de 3 à 6 LU sous les passages les plus forts d’une musique à grande dynamique. Un piano capté dans une pièce vivante garde ainsi ses écarts.

La musique reçoit donc sa piste, sa compression, plus légère, et son propre niveau. Si le morceau doit vivre hors de l’épisode, il relève d’une autre étape et d’autres cibles, que notre article sur ce que la finalisation traite expose. Côté droits, employer sa propre musique évite la question des licences, comme le note Sound On Sound, là où un enregistrement du commerce suppose des autorisations en cascade et tombe sous les conditions de Spotify, qui interdit de déposer un audio appartenant à quelqu’un d’autre. Pour un générique, une troisième porte existe, les fonds sonores libres et leurs conditions d’emploi.

Le niveau final est une valeur publiée

Les services de diffusion mesurent le niveau perçu d’un fichier et appliquent un gain à la lecture pour l’amener vers leur cible. Un épisode écrasé au limiteur sera baissé d’autant, sans rien gagner en présence.

La cible d’Apple sert de valeur de travail, chiffrée et assortie d’une tolérance étroite ; Sound On Sound a ajouté une note à son article de 2020 pour signaler que la profession s’est depuis alignée sur ces -16 LUFS. Celle de l’AES vise plus bas et s’adresse aux diffuseurs. Viser -16 LUFS avec une crête réelle sous -1 dBTP place un épisode en règle à peu près partout. La mesure se prend sur le fichier tel qu’il partira : l’AES chiffre à 3 LU l’écart introduit quand un contenu mono est reproduit sur deux canaux identiques.

Le fichier qui part chez l’hébergeur

Apple accepte le WAV, le FLAC et le MP3 au dépôt, et refuse le monocanal pour les deux premiers. Sa page des exigences audio recommande 44,1 ou 48 kHz, 96 à 128 kbps en MP3 mono, 128 à 256 kbps en stéréo, et conseille l’AAC dans le flux RSS. La spécification de Spotify, version 1.10, demande un MP3 « high bitrate (128kbps+) » ou un MP4 en AAC-LC, pour douze heures au maximum.

Une voix seule tient en mono et le fichier pèse moitié moins, ce qu’Apple présente comme une variable d’ajustement quand le débit est contraint, sa règle allant dans l’autre sens : « If a stereo audio source exists, it must be used. » Un dernier geste ferme la chaîne ouverte au premier paragraphe, mesurer le fichier encodé, dans son nombre de canaux définitif, plutôt que le projet de montage.

Questions fréquentes