Pourquoi le cinéma tourne encore à 24 images par seconde

Une marque qui achète de la vidéo IA achète du mouvement autant que des images, et c’est dans le mouvement que les images générées se trahissent le plus souvent. Presque tous les films en salle défilent encore à 24 images par seconde, un chiffre fixé pour des raisons pratiques à la fin des années 1920 et que le public associe aujourd’hui au cinéma. Chaque étape de cette histoire, de la caméra à manivelle au lissage de mouvement des téléviseurs, a son pendant dans la façon dont un modèle dessine le mouvement.

Avant le son, la vitesse était un choix

Le cinéma muet n’avait pas de vitesse fixe. Les caméras se tournaient à la manivelle et, selon The Bioscope, un blogue consacré aux débuts du cinéma, les cadences de l’époque allaient généralement de 14 à 24 images par seconde et ont augmenté jusqu’à la fin des années 1920. Les exploitants accéléraient souvent la projection, tout simplement pour caser plus de films dans une séance. Un film tourné à 18 images et projeté à 24 défile un tiers trop vite. Voilà pourquoi les films muets ont parfois l’air accélérés aujourd’hui.

La vidéo générée a sa propre manivelle. Un modèle n’a aucune horloge branchée sur le monde réel : la vitesse d’un mouvement dans un plan, c’est celle qu’il a appris à dessiner. Une personne qui marche peut flotter comme sous l’eau, un objet échappé peut tomber à la mauvaise vitesse. Une équipe de Google DeepMind qui a soumis des modèles vidéo à des scénarios physiques conclut que « le réalisme visuel n’implique pas la compréhension physique ». La correction commence par regarder chaque plan à vitesse réelle. Le tempo peut aller dans le prompt, une référence de mouvement filmée peut dicter le rythme dans une passe vidéo à vidéo, et un plan presque juste peut être réajusté au montage, même si le ralentir oblige à inventer des images.

Le son a tout figé à 24

Le son synchronisé a mis fin à cette liberté. Film Independent rappelle qu’un écart de vitesse de 14 % passe dans l’image, mais qu’au son, il devient « beaucoup plus perceptible et agaçant ». Chaque projecteur devait désormais tourner à la même vitesse que chaque caméra. L’Encyclopaedia Britannica situe la norme en 1927 : 24 images par seconde, soit 90 pieds de pellicule 35 mm à la minute.

Pourquoi 24 et pas 30 ? La réponse la plus plausible, c’est l’économie. The Bioscope avance que c’était sans doute la vitesse minimale qui donnait un son correct aux premières pistes optiques, et Film Independent pointe des pellicules peu sensibles et coûteuses. Personne n’a choisi 24 pour sa beauté. Le public a grandi avec quand même.

C’est encore le son qui trahit le rythme, et le dialogue généré le montre en premier. Une bouche qui devance la voix de deux ou trois images a l’air d’un mauvais doublage, peu importe le réalisme du visage. Le même genre de technologie peut aussi réparer des images : Variety rapporte que l’équipe du suspense Fall, en 2022, a modifié par IA les mouvements de bouche des acteurs pour remplacer plus de 30 jurons, ce qui a fait passer le film de la cote R à PG-13 sans nouveau tournage. Sur un projet de marque, on fige d’abord la piste de voix, on synchronise l’image dessus à la cadence de référence, et on revérifie après la conformation finale, puisque tout réajustement de vitesse peut décaler la bouche et la voix.

L’autre moitié du look : l’obturateur

La cadence n’est que la moitié de la recette. L’autre moitié, c’est la durée d’exposition de chaque image. Le réglage classique est l’obturateur à 180 degrés, ouvert pendant la moitié du temps de chaque image, soit environ 1/48 de seconde à 24 images par seconde selon RED Digital Cinema. Tout ce qui bouge pendant cette exposition laisse une légère traînée, et c’est cette traînée qui rend 24 images fluides. RED note qu’un angle plus étroit creuse des trous entre les flous, si bien que les images finissent par ressembler à des photos séparées.

Un plan généré n’a pas d’obturateur. Le modèle dessine chaque image, et le flou qu’on y voit est peint, selon l’idée qu’il s’est faite de la traînée d’un tel mouvement. Voilà pourquoi une génération superbe en image fixe peut sonner faux en mouvement, trop propre dans un plan et barbouillée dans le suivant. Le problème frappe surtout en composition : placez un produit filmé avec un obturateur à 180 degrés devant un décor généré net comme un rasoir, et le produit a l’air découpé. On tourne les plans produit à la cadence et à l’obturateur de référence, on accorde le flou à la composition, et on revérifie après la mise à l’échelle, qui peut raffermir des contours censés rester doux.

Quand le public a vu plus d’images

Peter Jackson a tourné Le Hobbit : un voyage inattendu à 48 images par seconde, le double de la norme. À sa sortie, en décembre 2012, la plupart des salles l’ont projeté à 24. Dans sa critique de la version à haute fréquence pour TheWrap, Steve Pond évoquait « l’allure déconcertante d’une production vidéo haute définition ».

Ang Lee est allé plus loin en 2019 avec Gemini Man, tourné à 120 images par seconde, en 3D et en 4K. Selon SlashFilm, seulement 14 écrans aux États-Unis pouvaient le projeter à 120, et son critique trouvait l’action digne d’un jeu vidéo.

Combien d’images par seconde ?

Cadences au cinéma et à la télévision, en images par seconde

Cadences comparées

Format	Images par seconde
Cinéma muet (vitesses variables)	14 à 24
Norme du cinéma parlant, 1927	24
Le Hobbit : un voyage inattendu, version haute fréquence, 2012	48
Vidéo télé américaine, mouvement perçu par le spectateur	60
Gemini Man, 2019	120

James Cameron a pris un autre chemin avec Avatar : la voie de l’eau en 2022. Engadget rapporte que le film utilise 48 images pour les grandes scènes d’action et double les images pour imiter le 24 dans les scènes de dialogue plus calmes. Cameron répète depuis longtemps que la haute fréquence est « un outil, pas un format ».

La critique de Pond tenait à une association : trop de netteté donnait à une épopée fantastique l’allure d’une vidéo. Le mouvement généré provoque la même lecture quand il est trop régulier, avec une caméra qui glisse sans poids et des visages qui ne floutent jamais. Pour une marque, ça fait bon marché avant même que quelqu’un repère un défaut. La logique de Cameron s’applique : on garde le 24 pour le master cinéma, et on choisit un mouvement plus net avant la génération, seulement là où le contenu le justifie.

L’effet feuilleton, au salon et dans les plans générés

Bien des téléviseurs offrent le lissage de mouvement, qui invente des images entre les vraies. What Hi-Fi? donne l’exemple d’un film à 24 images poussé à 60. Le résultat rappelle les téléromans américains, les soap operas, tournés en vidéo, si bien que le spectateur voyait un mouvement échantillonné à 50 ou 60 par seconde. En décembre 2018, Tom Cruise et le réalisateur Christopher McQuarrie ont enregistré un message d’intérêt public pour demander aux spectateurs de le désactiver. Selon Cruise, il donne à la plupart des films l’air d’avoir été tournés en vidéo haute vitesse.

Le même procédé est courant en production de vidéo IA. L’interpolation d’images, qui invente des images intermédiaires, sert à allonger une génération trop courte, à la ralentir ou à en hausser la cadence. C’est aussi ainsi que VBench, un banc d’essai de recherche de l’Université technologique de Nanyang et du Shanghai AI Laboratory, note la « fluidité du mouvement » : il retire une image sur deux et mesure à quel point un modèle d’interpolation les reconstruit bien. Le même article observe que les modèles forts en cohérence temporelle montrent souvent moins de mouvement. Fluide peut simplement vouloir dire qu’il ne se passe pas grand-chose.

Un plan qui semble soyeux en aperçu peut donc cacher un effet feuilleton. Les images interpolées sont des suppositions, et c’est sur les mains rapides, les objets minces et tout ce qui passe derrière autre chose qu’elles se brouillent. Quand un plan est trop court, générer une prise plus longue, ou enchaîner des plans à partir d’une première ou d’une dernière image commune, tient souvent mieux que d’étirer un seul plan.

Quoi demander avant la production

Un film de marque mélange habituellement plans générés, images d’archives et plan produit filmé, parfois chacun à sa cadence. Les ramener sur une seule ligne de temps oblige à répéter, à supprimer ou à inventer des images, et laissé à l’exportation, ça donne des saccades ou une fluidité caoutchouteuse. Le mouvement fait partie du look d’un film autant que sa palette de couleurs, alors on le décide tôt.

Quelle est la cadence de référence ? Pour un film de marque qui doit avoir l’air cinéma, 24 est la réponse sûre. Toute cadence plus élevée doit être un choix délibéré.

Chaque plan y est-il ramené avant le montage ? Images générées, filmées ou d’archives, sans exception.

Quels plans ont été interpolés ou réajustés en vitesse ? Demandez à les voir à pleine vitesse, en regardant d’abord les mains et les contours rapides.

Le flou de mouvement concorde-t-il d’un plan à l’autre ? Vérifiez d’abord les compositions.

La synchro labiale est-elle vérifiée après la conformation finale ? Et les versions pour les réseaux sociaux sont-elles tirées du master et vérifiées sur un téléphone ?