Compression de données : comment ça marche et pourquoi c’est utile

La puissance des processeurs progresse plus vite que les capacités de stockage, et beaucoup plus vite que le débit des réseaux, qui dépend d’infrastructures physiques longues et coûteuses à faire évoluer. La compression de données contourne ce déséquilibre : au lieu d’agrandir les disques ou les tuyaux, elle réduit la taille des fichiers en exploitant justement cette puissance de calcul disponible.

Un compresseur applique un algorithme qui exploite les régularités propres à un type de données pour réduire la place qu’il occupe. Un décompresseur applique ensuite l’opération inverse pour retrouver l’information d’origine, ou une version très proche selon la méthode utilisée. La façon de compresser une image n’a rien à voir avec celle d’un fichier audio, parce que les deux contiennent des régularités différentes que l’algorithme doit repérer.

Comment on mesure l’efficacité d’une compression

Deux notions reviennent pour comparer des méthodes de compression. Le taux de compression indique le rapport entre la taille du fichier compressé et celle du fichier d’origine : plus ce taux est bas, plus le gain de place est important. Le gain de compression, souvent exprimé en pourcentage, indique directement l’espace économisé, par exemple un gain de 75 % pour un fichier ramené au quart de sa taille initiale.

Compression physique et compression logique

La compression physique travaille directement sur la suite de bits, en repérant les séquences répétées d’un train de données à un autre, sans se soucier de ce que ces bits représentent. La compression logique, à l’inverse, remplace une information par une équivalence plus courte grâce à un raisonnement sur le sens des données, par exemple en associant un code court aux motifs qui reviennent le plus souvent dans un texte.

Compression symétrique et compression asymétrique

Dans une compression symétrique, la même méthode sert à compresser et à décompresser, et les deux opérations demandent à peu près le même travail au processeur. C’est le choix habituel pour les transmissions de données en temps réel, où la vitesse compte des deux côtés de la liaison.

Une compression asymétrique demande davantage de travail à l’une des deux étapes. On recherche parfois un algorithme dont la compression est plus lente que la décompression, notamment pour l’archivage de données consultées rarement : le temps passé à compresser une fois compte moins que la place gagnée sur la durée.

La compression avec pertes, et pourquoi elle ne convient pas à tout

La compression avec pertes, dite lossy en anglais, accepte de supprimer une partie de l’information pour obtenir un meilleur taux de compression, tout en gardant un résultat très proche de l’original à l’usage. C’est le principe du MP3 pour le son ou du format Ogg Vorbis, qui suppriment des fréquences peu perceptibles à l’oreille humaine. Ce type de méthode est dit irréversible, puisque l’information retirée ne peut plus être reconstituée.

Un fichier exécutable ne peut pas être compressé de cette façon : il doit conserver chaque bit intact pour fonctionner, et le moindre octet manquant ou modifié le rend inutilisable. Les données multimédias, elles, tolèrent une certaine dégradation, parce que l’œil et l’oreille ne perçoivent pas toujours la différence entre l’original et la version compressée.

Encodage adaptif, semi-adaptif et non adaptif

Certains algorithmes s’appuient sur un dictionnaire déjà préparé pour un type de données précis : on parle d’encodeurs non adaptifs, utiles par exemple quand on connaît à l’avance la fréquence des lettres dans une langue donnée. Un encodeur adaptif, à l’inverse, construit ses correspondances au fur et à mesure qu’il traite les données, sans dictionnaire de départ. Un encodeur semi-adaptif fait les deux à la suite : il parcourt d’abord le fichier pour bâtir son dictionnaire, puis compresse dans un second passage.

Pourquoi cela reste utile aujourd’hui

La compression continue de jouer un rôle dans presque tous les usages numériques courants : un fichier envoyé par messagerie, une vidéo diffusée en streaming, une sauvegarde stockée dans le cloud. Le choix de la bonne méthode dépend toujours du même arbitrage entre la place gagnée, le temps de calcul disponible et la tolérance ou non à une perte d’information.