Salle de formation et enseignement hybride : filmer sans studio

Quatre différences mesurables séparent les deux univers. La distance : dans une salle de réunion pour huit personnes, l’orateur le plus éloigné est à trois ou quatre mètres de la caméra ; dans une salle de cours de trente places, le fond de salle est à neuf ou dix mètres, et dans un amphithéâtre de deux cents places, à vingt mètres ou plus. Or le FOVField of View (champ de vision de la caméra)Angle couvert par l'objectif, exprimé en degrés, souvent annoncé en diagonale alors que seul l'horizontal compte pour savoir qui entre dans le cadre. Un champ horizontal de 82 degrés couvre 5,2 m à trois mètres de distance, soit environ huit personnes assises côte à côte. d’une barre tout-en-un est optimisé pour la première configuration : un champ horizontal de 82° couvre 5,2 m de large à trois mètres de distance — la première rangée, pas la salle. Le déplacement : un participant de réunion bouge de quelques centimètres, un formateur parcourt cinq à huit mètres par heure de cours, ce qui impose soit un cadrage large permanent (et un formateur minuscule à l’image), soit un suivi motorisé. L’acoustique : une salle de réunion est petite, moquettée, souvent tapissée de mobilier absorbant ; une salle de classe est haute, carrelée ou vitrée, avec un temps de réverbération deux à trois fois supérieur. La finalité : une réunion se vit en direct et s’oublie, un cours se rediffuse, s’indexe, se sous-titre et se conserve — ce qui fait entrer dans le projet une plateforme de gestion vidéo et un LMSLearning Management System (plateforme de gestion de l'apprentissage)Logiciel qui héberge les cours, les inscriptions, les devoirs et les notes : Moodle est le plus répandu dans les universités. C'est lui qui donne un cours enregistré son contexte pédagogique ; sans rattachement au LMS, une vidéo n'est qu'un fichier de plus dans un dossier partagé., deux briques absentes de tout catalogue de constructeur de barres.

Cette dernière différence est la plus coûteuse à découvrir après coup. Une salle de réunion se termine à l’achat du matériel ; une salle de formation ne se termine qu’à la publication du cours. Entre les deux : le stockage, l’indexation, les droits, l’archivage, le sous-titrage et le lien avec la plateforme pédagogique. Beaucoup d’établissements équipent trois salles avant de se poser la question de savoir où iront les fichiers — et découvrent alors qu’une seule salle produit près d’un téraoctet de vidéo par année universitaire. Notre guide d’équipement d’une salle de réunion traite l’autre moitié du problème ; si votre besoin est vraiment une salle de réunion filmée, il vous fera économiser un budget entier.

Il existe une zone grise, et il vaut mieux la nommer : la salle mixte, celle qui sert le lundi de salle de comité de direction et le mardi de salle de formation. C’est la configuration la plus fréquente dans les PME et dans les directions régionales d’administration. Elle se traite en partant du cas le plus exigeant — la formation — et en acceptant deux compromis assumés : un cadrage un peu large pour les réunions, et un pupitre fixe pour le formateur. Le pire choix consiste à dimensionner sur la réunion et à espérer que la formation « passera quand même ». Nos méthodes d’équipement d’une salle Teams ou Zoom détaillent la partie commune aux deux usages : chaînage caméra-écran-audio, mode autonome ou piloté par ordinateur, contrôleur tactile.

Enfin, le vocabulaire commercial du secteur entretient une confusion utile à connaître. Les constructeurs parlent de « petites, moyennes et grandes salles » en désignant des surfaces de réunion : petite = jusqu’à environ 12 m², moyenne = 20 à 30 m², grande = 40 à 50 m². Une salle de formation de trente places fait 50 à 70 m², un amphithéâtre 150 à 400 m². Autrement dit, ce que le marché appelle une « grande salle » correspond à la plus petite salle de formation. Les catégories Logitech (Rally Bar Huddle, Rally Bar Mini, Rally Bar, Rally Plus), Poly (Studio X30, X52, X70, X72), Yealink (MeetingBar A10, A20, A30, A40) ou Neat (Neat Bar, Neat Bar Pro, Neat Board Pro) suivent toutes cette échelle de réunion : il faut mentalement décaler d’un cran, voire de deux, quand on les lit pour une salle de cours.

La norme américaine ANSI/ASA S12.60, qui reste la référence internationale sur l’acoustique des salles de classe, fixe deux limites que tout projet devrait vérifier avant d’acheter le moindre micro : un temps de réverbération — le RT60Temps de réverbération (durée de décroissance de 60 décibels)Temps que met un son pour perdre 60 décibels après l'arrêt de la source, c'est-à-dire pour devenir inaudible. La norme ANSI/ASA S12.60 recommande 0,6 seconde au maximum en salle de classe ; une salle carrelée aux murs nus dépasse couramment la seconde, ce qui rend la parole floue au fond de la pièce. — inférieur ou égal à 0,6 seconde pour les salles de moins de 283 m³, 0,7 seconde jusqu’à 566 m³, et un bruit de fond inférieur à 35 dB(A) salle vide. Elle recommande par ailleurs un rapport signal sur bruit — le SNRSignal-to-Noise Ratio (rapport signal sur bruit)Écart, en décibels, entre le niveau de la voix et celui du bruit ambiant. Il faut au moins 15 dB pour comprendre sans effort ; comme la voix perd 6 dB à chaque doublement de distance et que le bruit de fond ne bouge pas, le dernier rang tombe vite sous ce seuil sans micro porté. — d’au moins 15 dB pour que la parole soit comprise sans fatigue. Or une salle de classe algérienne typique — sol carrelé, murs peints, grandes fenêtres, plafond nu — dépasse couramment la seconde de réverbération, et une climatisation murale en fonctionnement produit facilement 45 à 50 dB(A) au premier rang. Autrement dit : dans beaucoup de salles, la norme est manquée de 60 à 100 % sur la réverbération et de 10 à 15 dB sur le bruit de fond, avant même qu’un seul micro soit branché.

Cette réalité change l’ordre des priorités. Trois panneaux absorbants au fond de la salle et un rideau épais sur la baie vitrée améliorent davantage l’intelligibilité qu’un système de micros de plafond haut de gamme installé dans une salle réverbérante. La raison est technique : les micros de plafond fonctionnent par formation de faisceau, c’est-à-dire qu’ils privilégient la direction d’où vient la voix. Dans une salle très réverbérante, la voix arrive de partout à la fois, réfléchie par les murs — le faisceau ne sait plus quoi privilégier, et le traitement numérique embarqué, le DSPDigital Signal Processor (processeur de traitement du signal)Circuit ou logiciel qui nettoie l'audio en temps réel : formation de faisceau vers la voix, réduction du bruit, contrôle automatique du gain, annulation d'écho. Un bon traitement compense un environnement moyen, mais il ne peut pas défaire la réverbération d'une salle mal traitée., ne peut pas défaire ce que l’architecture a fait. Un micro porté, lui, se moque de la salle : il est à vingt centimètres de la source, il gagne d’emblée 20 à 30 dB sur toutes les réflexions.

D’où la hiérarchie que nous recommandons, dans cet ordre. Premièrement, le micro porté du formateur : serre-tête de préférence au cravate, parce que la distance bouche-capsule y reste constante quand la tête tourne, et parce qu’il ne frotte pas sur les vêtements. Les références du marché sont bien identifiées : émetteurs ceinture Sennheiser EW-D et série evolution wireless, Shure BLX14/CVL et GLXD+, Sony UWP-D, RODE Wireless PRO côté systèmes compacts ; capsules Countryman E6, DPA 4066 et 4166, Shure SM35, Sennheiser HSP côté serre-têtes. Deuxièmement, la reprise des questions de l’audience : sans elle, les stagiaires distants entendent le formateur répondre à une question qu’ils n’ont pas entendue — l’expérience la plus frustrante qui soit. Trois solutions : les micros intégrés de la barre si la salle est petite, un réseau de micros de plafond si elle est grande, ou un micro sans fil que l’on se passe — le « micro cube » lancé de main en main, popularisé par Catchbox, résout le problème dans les amphithéâtres pour un investissement dérisoire. Troisièmement seulement, le système de salle.

Sur les micros de plafond, les chiffres publiés permettent de comparer sérieusement. Le Shure MXA920 couvre automatiquement une zone de 9 × 9 m sans qu’il faille orienter les faisceaux à la main, et sait définir jusqu’à huit zones ajustables avec son traitement IntelliMix intégré. Le Sennheiser TeamConnect Ceiling 2 aligne 28 capsules, une bande passante de 160 Hz à 18 kHz, un niveau maximal de 104 dB SPL, un bruit propre de 11 dB(A) et une consommation de 8,8 W — donc alimentable en PoEPower over Ethernet (alimentation par le câble réseau)Technique qui fait passer le courant électrique dans le câble Ethernet, en plus des données. Elle évite de tirer une prise secteur au plafond pour un réseau de micros, une borne Wi-Fi ou une caméra de tableau : un réseau de micros de plafond consomme moins de dix watts et s'alimente ainsi. par un switch, sans prise secteur au plafond. Biamp avec la gamme Parlé, Audio-Technica avec les ATND1061, Yealink avec ses modules plafond et Nureva avec ses barres à microphone virtuel jouent la même partition avec des philosophies différentes. Il faut le dire clairement : sur ce terrain, les spécialistes de l’audio font mieux que les constructeurs de barres de visioconférence, Logitech compris. Une barre tout-en-un intègre quatre à huit capsules et couvre quatre à six mètres ; un réseau de plafond couvre une salle entière. Ce sont deux catégories de produits, pas deux niveaux de qualité.

Reste la moitié oubliée du problème : le retour audio. Les stagiaires distants doivent être entendus dans la salle, faute de quoi la classe hybride devient une diffusion à sens unique. Les haut-parleurs de la barre y suffisent jusqu’à cinq ou six mètres — la Logitech Rally Bar embarque deux haut-parleurs de 8 W, ce qui remplit une salle de réunion mais pas un amphithéâtre. Au-delà, il faut des enceintes distribuées et un amplificateur. Et dès qu’on amplifie la voix du formateur dans la salle où se trouve son propre micro, on entre dans le domaine du voice lift : un renforcement discret de quelques décibels, calé sous le seuil d’accrochage, qui aide le dernier rang sans transformer la salle en sonorisation de concert. C’est un réglage d’acousticien, pas un bouton de volume ; l’annulation d’écho — l’AECAcoustic Echo Cancellation (annulation d'écho acoustique)Traitement qui empêche le son sorti par les haut-parleurs de la salle de repartir dans les micros. Sans lui, le premier participant distant qui parle s'entend revenir avec un décalage, puis la boucle s'amorce et le système se met à siffler. — doit y être irréprochable, sinon le premier stagiaire distant qui parle déclenche une boucle. Pour les participants qui suivent depuis leur bureau, un bon casque à réduction de bruit reste le maillon le plus rentable de la chaîne : notre guide des casques professionnels explique comment choisir entre micro-perche et micros à formation de faisceau selon l’environnement de travail.

Trois grandes plateformes se partagent le marché de la capture de cours, avec des philosophies distinctes. Panopto se positionne d’abord comme une bibliothèque vidéo : recherche assistée par l’intelligence artificielle jusque dans le texte des diapositives et la parole transcrite, sous-titrage automatique dans plus de vingt langues, intégration avec Zoom, Webex et Teams, et un parc annoncé autour de treize millions d’utilisateurs. Echo360 vient de la salle : matériel de captation propriétaire et couche d’apprentissage actif — sondages en cours de séance, questions, signalement d’incompréhension par les étudiants. Kaltura est une plateforme vidéo généraliste, plus large que la seule capture : diffusion en direct, interfaces de programmation ouvertes, flux vidéo sur mesure. À côté de ces trois, YuJa, Mediasite et le projet libre Opencast tiennent une place réelle dans les universités, et beaucoup d’établissements algériens s’appuient déjà sur Moodle couplé à BigBlueButton — une combinaison gratuite, honnête, qui enregistre correctement mais indexe mal. Aucun constructeur de matériel de salle, Logitech, Poly, Yealink ou Neat, ne propose d’équivalent : ces marques fabriquent des yeux et des oreilles, pas des bibliothèques.

Quand la salle doit produire un vrai double flux — le formateur d’un côté, le contenu de l’autre, mixés en direct et enregistrés en local — l’encodeur matériel reste la solution la plus robuste. Le Epiphan Pearl Nano prend jusqu’à deux sources audiovisuelles et les compose dans une mise en page personnalisée, accepte le 12G-SDI et le HDMI 1080p à 60 images par seconde ainsi que des sources réseau en SRTSecure Reliable Transport (protocole de transport vidéo fiable)Protocole ouvert conçu pour transporter un flux vidéo sur une liaison Internet imparfaite : il retransmet les paquets perdus et chiffre le contenu. Les encodeurs de captation l'utilisent pour envoyer un cours d'un bâtiment à un autre sans lien dédié. ou RTSP, enregistre sur carte SD ou sur un disque M.2 SATA interne, et fournit une sortie HDMI de programme plus un renvoi sans latence vers un moniteur local. Son grand frère, le Pearl-2, monte à quatre entrées HDMI, deux entrées 12G-SDI et deux entrées USB — jusqu’à six sources — pour produire un programme 4K ou six programmes 1080p simultanés, avec 500 Go de stockage interne. C’est l’outil qui permet d’enregistrer un cours en pleine qualité même quand Internet tombe, ce qu’aucune solution entièrement infonuagique ne sait faire. Dans un pays où les coupures de connexion et d’électricité font partie du quotidien, ce point n’est pas un détail : un onduleur et un enregistrement local sauvent la séance.

Le volume de données se calcule à l’avance, et il surprend toujours. Un cours en 1080p encodé à 3 Mbit/s pèse 1,35 Go par heure ; en 720p à 1,5 Mbit/s, 0,68 Go ; en 4K à 12 Mbit/s, 5,4 Go. Un double flux — caméra plus contenu — se situe autour de 2,2 à 2,7 Go par heure en 1080p. Une salle qui tourne vingt heures par semaine sur trente semaines produit six cents heures, soit environ 810 Go par année scolaire ; dix salles équipées, c’est 8,1 To par an, à doubler si vous appliquez une vraie règle de sauvegarde. À ce stade, la question du stockage cesse d’être un détail informatique et redevient une ligne du projet, avec son serveur, ses disques et son plan de purge. Notre guide du câblage réseau et des baies de brassage couvre l’infrastructure qui porte tout cela.

Le sous-titrage, enfin, mérite d’être abordé sans naïveté. La reconnaissance automatique de la parole — l’ASRAutomatic Speech Recognition (reconnaissance automatique de la parole)Transcription du son en texte par un moteur logiciel, base des sous-titres automatiques et de la recherche par mot prononcé dans un catalogue de cours. Ses résultats chutent dès qu'il y a de l'accent, du bruit de fond ou un passage d'une langue à l'autre dans la même phrase. — atteint en 2026 des taux de 95 à 98 % de mots corrects sur un audio propre, en anglais, avec un locuteur natif et sans bruit de fond. Dès qu’on s’écarte de ces conditions, le taux d’erreur sur les mots — le WERWord Error Rate (taux d'erreur sur les mots)Mesure de qualité d'une transcription : pourcentage de mots substitués, insérés ou oubliés par rapport à ce qui a réellement été dit. Un taux de 20 % signifie un mot faux sur cinq, ce qui ne produit pas un sous-titre imparfait mais un sous-titre trompeur. — grimpe fortement : des travaux universitaires mesurent encore 20 à 26 % de mots erronés sur du français dans certaines configurations, et l’accent, le bruit ambiant et l’alternance de langues sont les trois facteurs qui dégradent le plus les résultats. Or un cours algérien alterne couramment français, arabe et parfois tamazight dans la même phrase : c’est le cas de figure le plus difficile qui soit pour un moteur de transcription. Un mot sur cinq faux, ce n’est pas un sous-titre imparfait, c’est un sous-titre trompeur.

Cela a une conséquence réglementaire directe. Les règles d’accessibilité des contenus web, les WCAG, exigent la présence de sous-titres mais ne fixent pas de seuil d’exactitude ; l’initiative pour l’accessibilité du W3C est en revanche explicite : des sous-titres produits automatiquement ne satisfont pas l’exigence d’accessibilité tant que leur exactitude n’a pas été vérifiée. La conclusion pratique est simple et peu coûteuse : générer automatiquement, puis faire relire. Une heure de cours se relit en vingt à quarante minutes par une personne qui connaît le vocabulaire du domaine — infiniment moins que de tout saisir. Et un glossaire de termes métier fourni au moteur (noms propres, sigles, marques) fait souvent gagner plusieurs points de taux d’erreur d’un seul coup.

Les besoins publiés par les éditeurs donnent le cadre. Microsoft indique que Teams monte jusqu’à 1080p à 30 images par seconde pour la vidéo et 15 images par seconde pour le contenu partagé, et recommande de l’ordre de 4 Mbit/s en montée pour obtenir la meilleure qualité ; les recommandations de terrain convergent vers une base de 10 à 25 Mbit/s en descente et au moins 5 Mbit/s en montée par salle active. Zoom fonctionne dès 0,6 Mbit/s en mode dégradé, mais réclame environ 3 Mbit/s en descente et 3,8 Mbit/s en montée pour tenir le 1080p. La règle de dimensionnement qui en découle est simple : comptez 5 à 8 Mbit/s montants par salle en double flux, et multipliez par le nombre de salles susceptibles de diffuser en même temps. Un centre de formation à quatre salles a donc besoin de 20 à 32 Mbit/s montants garantis — un ordre de grandeur qui exclut d’emblée les vieux raccordements cuivre et qui plaide pour la fibre optique, désormais largement déployée en Algérie avec des offres qui s’échelonnent de quelques dizaines de mégabits à plus d’un gigabit.

Trois autres grandeurs comptent autant que le débit, et personne ne les regarde. La latence : au-delà d’environ 150 millisecondes de temps de transit aller, la conversation cesse d’être naturelle et les interlocuteurs se coupent la parole. La gigue, c’est-à-dire l’irrégularité des délais : au-delà de quelques dizaines de millisecondes, le son se met à hacher même si le débit est excellent. La perte de paquets : à partir de 1 %, l’image commence à se figer. Ces trois indicateurs se lisent dans les tableaux de bord d’administration de Teams et de Zoom, et ce sont eux, et non le débit brut, qu’il faut consulter après un cours qui s’est mal passé.

Côté salle, deux règles sans exception. Un système de salle se raccorde en filaire, jamais en Wi-Fi : c’est le seul moyen d’obtenir un débit montant stable et une gigue faible. Le Wi-Fi reste réservé aux appareils des stagiaires et à la projection sans fil. La qualité de service — la QoSQuality of Service (qualité de service réseau)Ensemble de règles qui priorisent certains flux sur le réseau local. Sans elles, une mise à jour lancée sur un poste voisin passe devant le flux du cours et fige l'image des stagiaires distants — un problème que ni la caméra ni l'abonnement Internet ne peuvent résoudre. — doit être configurée sur le commutateur, faute de quoi une simple mise à jour lancée sur un poste voisin passera devant le flux du cours. Un réseau local segmenté en VLAN isole les salles du reste du trafic et facilite la supervision. Notre guide du choix d’un commutateur manageable détaille ces réglages, et le guide des générations Wi-Fi explique quelle densité de bornes prévoir pour trente stagiaires connectés simultanément dans la même pièce.

L’alimentation par le câble réseau — le PoEPower over Ethernet (alimentation par le câble réseau)Technique qui fait passer le courant électrique dans le câble Ethernet, en plus des données. Elle évite de tirer une prise secteur au plafond pour un réseau de micros, une borne Wi-Fi ou une caméra de tableau : un réseau de micros de plafond consomme moins de dix watts et s'alimente ainsi. — mérite d’être planifiée dès le plan de câblage, car elle supprime des dizaines de mètres de saignées électriques. Un réseau de micros de plafond consomme moins de dix watts et s’alimente ainsi sans prise au plafond ; un contrôleur tactile de salle, une caméra tableau, une borne Wi-Fi et un panneau de réservation de salle suivent la même logique. Concrètement, une salle de formation bien pensée n’a besoin que de deux prises secteur — l’écran et l’ordinateur — et de quatre à six prises réseau. Prévoyez enfin un onduleur : il ne s’agit pas seulement d’éviter une coupure de cours, mais de garantir que l’enregistrement local en cours d’écriture ne soit pas corrompu.

Dernier point, souvent découvert trop tard : diffuser en direct vers un large public n’a rien à voir avec une visioconférence. Deux cents spectateurs connectés à un flux ne peuvent pas être servis par la sortie Internet de votre salle — il faudrait deux cents fois le débit d’un flux. C’est le rôle de la plateforme de diffusion ou du réseau de distribution de contenu : la salle envoie un seul flux montant vers le service, qui se charge de le dupliquer. Confondre les deux, c’est saturer sa propre connexion et couper l’établissement d’Internet pendant toute la durée du cours.