Bernard Couty

Maître de Conférences (retraité) en Information-Communication.

Éléments pour une analyse ergologique des techniques numériques

Résumé / Abstract

Le monde « numérique » est essentiellement le produit de la technique, même si l’on a l’impression qu’il relève d’une « science appliquée ». Le propos de cet article est de faire la distinction entre la modélisation mathématique et ce qui relève de manière autonome de la technique, capacité humaine à analyser et produire de l’outil.



Production et traitement numérique des signaux

Cet article se veut une introduction et une incitation à la lecture des documents en prépublication disponibles sur HAL archives ouvertes [1]. L’on ne doit cependant pas s’attendre à un travail de recherche en ergologie à proprement parler, d’une part parce que l’auteur de ces lignes, même s’il a reçu un éclairage sur la rationalité technique, n’est pas ergologue et, d’autre part, parce que ses connaissances théoriques et sa pratique en matière de « numérique » le portent davantage à l’exercice des mal nommées « sciences de l’ingénieur » qu’à un retour épistémologique sur la dialectique qui lui permet de produire, par exemple, un convertisseur analogique-numérique puis d’opérer une transformée de Fourier rapide sur les séries de valeurs numériques ainsi obtenues.

D’emblée, « le numérique » se révèle à l’analyse comme un phénomène hétérogène ; il semblerait que tous les plans de rationalité distingués par le modèle de la Médiation soient concernés. Il faut distinguer :

  • « L’outil numérique », c’est-à-dire l’ensemble des appareils, et ils sont nombreux, faisant appel à des procédés automatiques de calcul. Le champ est vaste, de l’ordinateur à la carte de crédit équipée d’une « puce » en passant par l’iPhone et la montre connectée en 4G, sans oublier l’immense domaine de la commande des robots industriels. Nous trouvons ici l’essentiel de notre propos.
  • « La technologie », soit l’intervention des savoirs scientifiques dans le domaine de la technique. Cette approche n’est pas neutre, dans la mesure où elle prolonge souvent la vieille croyance en un ars fabricandi (la fabrication d’objets) asservi à un logos jugé supérieur. Nous examinerons également ces rapports de la science à la technique en essayant de montrer l’autonomie de l’analyse technique.
  • « La Révolution numérique », c’est-à-dire les conséquences sociologiques de l’adoption des techniques numériques. Les remaniements politiques de la donne sociologique consécutifs à l’introduction de techniques nouvelles ne sont pas inédits, on l’a déjà vu avec l’invention de l’imprimerie et l’avènement du machinisme industriel. Par ailleurs, la puissance publique est concernée par la gestion des canaux de transmission. Quant à prétendre que c’est également une révolution dans la communication, c’est confondre naïvement communication et transmission.
  • Cependant, les conséquences de la « révolution numérique » se remarquent aussi dans l’économique, l’échange des biens permise par la communication. On ne peut pas ignorer l’influence du coût dans le choix de l’appareillage et des modes d’acheminement des signaux, ni même la valeur d’ophélimité et la satisfaction que procurent la possession et la manœuvre de tels ustensiles. Mais on peut penser, à rebours d’un économisme étroit, que cela ne détermine pas le processus technico-industriel aboutissant à la production de signaux dans ce secteur que Jean Gagnepain appelait « industries déictiques » (Gagnepain, 1990, p. 187).

Nous laisserons de côté l’aspect sociologique et l’aspect économique du « numérique » pour concentrer le propos sur la technique, qui intéresse à la fois l’ingénieur et l’ergologue.

1 Définir « le numérique » comme champ d’étude en ergologie

Un retour épistémologique sur les pratiques industrielles dans le domaine du « numérique » est nécessaire si l’on veut comprendre en quoi la production « numérique » ne relève ni plus ni moins de la dialectique de l’Outil que la menuiserie, ou la chaudronnerie, la fabrication d’allumettes ou de TGV. L’arbre « technologique » ne doit pas cacher la forêt technique. L’entreprise est ardue, pour plusieurs raisons :

  • L’observateur est placé d’emblée en « causation déverse » selon l’expression du linguiste Gustave Guillaume, c’est-à-dire – pour les médiationnistes – dans le réinvestissement performantiel d’une analyse formelle implicite qui lui échappe d’abord. Un effort d’analyse (« déconstruction ») est indispensable pour remonter à la « causation obverse », et cet effort est d’autant plus contrarié que le processus industriel se passe en principe sans anicroche, au bureau d’études, au laboratoire d’expérimentation, à l’atelier.
  • Tout ouvrage, au contraire de l’instrument, est complexe, et singulièrement lorsqu’il s’agit d’ustensiles « numériques » comme un ordinateur ou une commande de robot. Le technicien exploitant dispose de sous-ensembles industriels disponibles qu’il est facile d’interpréter hâtivement comme des composants basiques à l’instar des cubes du jeu de Lego ou des pièces du Meccano. Pourtant, le technicien exécutant « sait » implicitement, tout aussi bien que l’exploitant, qu’il s’agit en fait de dispositifs ordonnés à des tâches qu’en retour ils définissent. Par exemple, une « porte logique » ET (And) fait intervenir plusieurs engins analysés, réinvestis industriellement sous la forme d’une résistance – par exemple au carbone – et deux diodes lesquelles sont des cristaux de germanium, ou de silicium ou d’arséniure de gallium, dopés d’atomes porteurs de charges. Autrement dit : ces engins, telle la diode, constituent des unités techniquement minimales regroupant des matériaux. La tâche est alors de forcer le passage du courant en un seul sens – ce que faisait naguère le tube à vide appelé « valve ». L’analyse, par conséquent, devrait opérer récursivement jusqu’à arriver à des points d’insécabilité, taxinomiquement le matériau, générativement l’engin. On mesure l’ampleur de l’entreprise ! Faut-il remonter si loin ? L’exploitant peut fort bien prendre la porte logique pour unité (ou réalisation d’engin), tout en sachant que ce n’est là qu’un niveau d’analyse masquant des profondeurs. Conséquence : il convient de décider à quel niveau l’on s’arrête... avec des arrière-pensées.
  • Notons toutefois que si l’on analyse du matériau dans le quartz ou le silicium, de l’engin dans la diode, on ne peut pas à proprement parler dire que celui-ci est un matériau, un engin. Nous manquons de vocables propres à distinguer ce qui relève de l’analyse de fabrication, pour laquelle les termes ont été nettement fondés par Jean Gagnepain, de ce qui relève du réinvestissement industriel de celle-ci. Ces lacunes apparaissent clairement en comparant un schéma élaboré par Hubert Guyard dans sa thèse (Guyard, 1987, p. 535) et un schéma analogue appliqué à l’ergologie. En glossologie les vocables sont clairement posés, il resterait à faire de même en ergologie (schéma 1). Faute de mieux, en attendant, nous devrons utiliser les vocables de la mécanologie et de la téléologie en précisant dans quelle phase de la dialectique ils sont employés.

  • Dans le champ du « numérique », comme dans bien d’autres, nous sommes dans le domaine de la « technologie », c’est à-dire de « la production scientifiquement calculée » (Bruneau et Balut, 1997, p. 122), non point descriptive mais épitactique (Bruneau et Balut, ibidem), impérative. En somme, les modélisations mathématiques (ou algébriques) sont quelque peu comparables à la partition en musique : si la partition d’orchestre indique ce qu’il faut faire, chaque voix le fait spécifiquement pour tel groupe ou sous-groupe d’instruments en fournissant le tempo, la hauteur et la durée des notes. Il n’empêche que l’exécution demeure strictement du ressort de l’exécutant qui manœuvre un instrument. En prenant beaucoup de précautions, et en se méfiant des analogies, on pourrait faire l’hypothèse que les algèbres appliquées à la technologie « technicisent » le fabriqué, ou du moins une partie de celui-ci (s’il avait une dimension !) par l’écriture et réduisent le tâtonnement pour assembler des dispositifs : « A ⊕ B » fait choisir une « porte » Ou Exclusive (Xor), de même qu’un calcul permet de doser le dopage d’un semi-conducteur. L’inconvénient pour l’ergologue est que l’on finirait par confondre la logique transcrite par les algèbres avec la technique des dispositifs industriels permettant d’arriver aux résultats escomptés. Voici un énorme obstacle épistémologique, qui culmine lexicalement dans le vocable de « porte logique » appliqué à ce qui n’a rien de logique en soi, mais tout de technique.

2 Le signal, les signaux numériques

Il y a sans doute bien d’autres obstacles épistémologiques se dressant sur le chemin de l’ergologue voulant étudier « le numérique » : n’ont été indiqués supra que ceux dont nous avons pris conscience lors de la rédaction du document évoqué. Il est temps, maintenant, de préciser ce que l’on entend par « numérique » (« digital » en anglais).

L’étymologie est trompeuse : on pourrait croire qu’il ne s’agit ni plus ni moins que de quantification. C’est incontestable : la numérisation quantifie. Mais aussi elle chiffre, c’est-à-dire qu’elle codifie sous forme de chiffres et de nombres. « 01000001 » peut, selon le contexte, être en base deux le nombre écrit « 65 » ou « +65 » en base dix, ou le code de la lettre « A » dans les codes ASCII ou ANSI des ordinateurs. On peut aussi chiffrer bien des choses, par exemple une couleur vert émeraude selon l’instruction codée « 9174581 » en base dix ou « 100010111111111000110101 » en base deux. Mais dans chacun de ces cas, nous nous trouvons face à un signal, sous forme de tensions électriques correspondant à 1 ou 0, qui sera traité de manière spécifique [2] ; par exemple 65 pourra être mis en rapport avec une autre quantité au moyen d’un opérateur arithmétique, une instruction telle affichera la lettre A, une autre comme allumera le pixel en x,y sur l’écran en vert émeraude. Nous pouvons donc avancer, sans courir trop de risques, que « le numérique » recouvre les procédés industriels d’obtention et de traitement des signaux.

Jean Gagnepain (1990, p. 187) écrivait : « Par signal […] j’entends ce que cet investissement particulier de l’outil [...] comporte de forgé, non de conventionnel. » Plus loin : « Ce qui fait le signal ce qu’il est, ce n’est point le consensus, mais le rapport qu’en tant que reproduction il entretient à l’objet, le symbole ou le signe indiqués et qui est, ergologiquement, du même ordre que celui de la chaussure aux pieds ou de la fourchette à la main. ». Cette définition recouvre l’ensemble du secteur déictique de l’industrie : le signal reproduit et entretient un certain rapport avec ce qu’il reproduit. Nous sommes proches de ce que les ingénieurs considèrent comme signal : « Généralement dans les métiers de l’Électronique, on désigne par signal la représentation temporelle, graphique ou visuelle d’une grandeur physique en fonction du temps [3]. » Il s’agit, bien sûr, non de représentation conceptuelle par le langage (Vorstellung en allemand), mais d’ostension à l’aide d’une icône (Darstellung), qu’elle soit image, dessin, courbe sur l’écran d’un oscilloscope, etc. Tous ces signaux sont susceptibles de faire l’objet d’un traitement numérique. Nous y ajouterons les signaux obtenus à partir des phénomènes physiques du monde qui nous entoure : vibrations, rayonnements et autres, certains interceptés par les organes sensoriels spécifiques à notre espèce et indispensables à la Gestaltung, par exemple les sons, la lumière, d’autres hors de notre portée immédiate mais interceptés par des capteurs calibrés ad hoc : infrasons, rayonnement infrarouge, radioactivité et ainsi de suite. Cette catégorie de phénomènes a d’abord été traitée de manière analogique dans un état ancien des industries, en suivant exactement leurs variations puisqu’ils déclenchaient eux-mêmes les mouvements de l’appareillage de mesure – par exemple un courant traversant un galvanomètre. Ils sont aujourd’hui traités numériquement, les valeurs obtenues par échantillonnage étant des mesures, donc « numérisées ». Il est facile d’obtenir des signaux : que l’on choisisse un intervalle incrémentiel de temps et une série de valeurs numériques, reportées en abscisse et ordonnée sur un graphe, que l’on joigne les points ainsi obtenus, et l’on obtient le graphe d’un signal. C’est vrai pour le tracé d’une sinusoïde, pour le graphe d’évolution du cours de l’or, les variations barométriques... D’une manière ou d’une autre, à l’opposé d’un phénomène naturel tel un rayonnement, un signal est toujours fabriqué [4].

Dès qu’il s’agit de représenter numériquement un phénomène : rayonnement naturel, objet (lequel n’est visuellement perçu qu’en raison d’un rayonnement photonique), on opère nécessairement par fragmentation d’un continuum en unités discrètes. Ainsi fonctionne un appareil photographique contemporain : les photons renvoyés par l’objet atteignent (à travers des microlentilles et des filtres de Bayer) des récepteurs photosensibles, les photosites [5], disposés selon une matrice [x,y] convertissant l’énergie photonique en charges électriques. D’une manière voisine, un convertisseur analogique-numérique (CAN) intercepte les vibrations d’un rayonnement à des intervalles de temps bien définis. On parle d’unités discrètes parce qu’elles sont isolées, délimitées, ne prenant de valeurs que dans un intervalle fini. Il apparaît nécessairement une solution de continuité entre deux unités, temporelles ou spatiales, si proches soient-elles par une distance Δt ou Δd. Autrement dit, la technique numérique introduit des discontinuités dans les phénomènes, ce qui, en termes d’ingénierie, constitue une « perte d’information » [6]. L’enjeu, pour l’exécutant comme pour l’exploitant, étant que cette perte soit asymptotiquement négligeable ; dans le cas de la photographie, par exemple, on peut augmenter la quantité de photosites par unité de surface, dans celui des vibrations augmenter la fréquence d’échantillonnage, mais on se heurte toujours à des limites de complexité (et de coût).

3 L’empirie : l’exemple de la compression d’images

Comme la visée scientifique remanie le langage pour le rendre plus adéquat au monde à dire, l’empirie remanie l’outil pour le rendre plus adéquat au monde à transformer : les considérations précédentes tendent à le montrer. Nous donnons un aperçu de cela dans le second document annexé, qui traite d’une part de la compression d’une image numérique, d’autre part des techniques de préservation de l’intégrité des signaux malgré les perturbations possibles occasionnées par des aléas – bruits, parasites et autres – durant leur transmission.

Dans le cadre de l’empirie, considérons en premier lieu la compression d’image. Une image native, « bitmap », s’écrit numériquement sous la forme d’un tableau de valeurs correspondant aux tensions émises par les photosites d’une caméra ou à des couleurs choisies à l’aide d’un logiciel de création d’images comme Paint ou Photoshop. Le plus souvent, le codage de ces valeurs s’effectue sur trois octets [7], chacun contenant la valeur d’une couleur fondamentale, rouge, vert, bleu (codage RVB). La couleur résultante est obtenue par synthèse additive de ces trois couleurs. Ce système de codage autorise 16 777 216 nuances, mais en contrepartie il demande beaucoup de place en mémoire (mémoire vive ou mémoire de stockage) ; par exemple un bitmap de 10 * 10 pixels codé sur trois octets (24 bits) occupe 2,34375 kilooctets [8] alors qu’un bitmap de même dimension codé seulement en 255 nuances de gris n’occupe que 0,78125 ko, le rapport est de 3 à 1. Encore ne s’agit-il que d’une toute petite image, à peine de la taille d’une émoticône. Cela pose donc deux contraintes techniques : d’une part essayer de diminuer l’espace occupé pour le stockage, d’autre part et corrélativement diminuer le temps de transmission (on télécharge beaucoup d’images !).

De là l’intérêt des techniques de compression, qui ne concernent pas seulement les images. On les retrouve avec des variantes dans le domaine sonore (MP3) ou dans les textes (par exemple les fichiers LZH). Concernant les images, on rencontre très fréquemment les fichiers JPEG et le MP4 pour la vidéo. Le second document en annexe développe un algorithme de compression JPEG, qui permet des observations intéressantes.

L’ensemble des manipulations vise à réduire la taille du fichier-image sans trop perdre « d’information ». Dans ce but, on va jouer sur la redondance. Il est évident qu’à l’examen, une image comporte des zones de couleur distinctes, correspondant à des surfaces et des volumes différents. Mais dans chaque région, les pixels adjacents prennent des valeurs égales, ou très voisines : c’est la redondance, que l’on peut constater en traitant une image pour en faire ressortir les contours, comme illustré ci-dessous (illustration 1).

Les ruptures de redondance délimitent précisément surfaces et volumes. Sans entrer ici dans le détail, indiquons que l’algorithme de compression fonctionne d’autant mieux que le tableau des valeurs de pixels comporte peu de valeurs distinctes : on peut ainsi exploiter la redondance.

Il faut sept étapes non commutatives [9] de traitement pour obtenir une image JPEG ; il n’est pas question de toutes les décrire dans cet article, nous ne concentrerons notre intérêt que sur celles qui, à notre avis, permettent de mieux comprendre les efforts d’adaptation aux contraintes (empirie).

(A) [10]. Le codage de couleur RVB est changé en un codage à la fois qualitatif et quantitatif : luminance – quantité de lumière, perçue par les bâtonnets de la rétine – et chrominance – couleur perçue par les cônes de la rétine. On pourrait mesurer la luminance, et la transmettre à l’aide d’un quatrième octet en plus des octets RVB, mais le codage serait alors effectué sur 32 bits, donc on obtiendrait un fichier plus volumineux. Pour éviter cet inconvénient, on remplace le codage RVB de chaque élément d’image par un codage YCbCr, toujours sur trois octets. La luminance Y calculée par l’addition de 30 % R+60 % V+10 % B occupe le premier octet, la valeur du bleu est convertie en Cb=B-Y et celle du rouge en Cr=R-Y. Au décodage, on retrouvera B=Cb+Y, R=Cr+Y, et V=60 % de Y-(B+R). Il arrive cependant que la valeur calculée de V ne coïncide pas avec sa valeur d’origine : elle peut être plus basse d’environ une ou plusieurs unités, arrondi ou non [11]. Intervient donc une légère perte « d’information », sans grande conséquence : lorsque le contraste de couleur entre l’image originale et l’image décodée est suffisamment réduit, l’œil humain ne le perçoit pas. Cet artifice permet de conserver les valeurs de luminance et de chrominance sur seulement trois octets : économie de place et de temps de transmission. Toutefois, la taille du fichier n’est pas encore diminuée.

(C). Après une étape (B) dite de « sous-échantillonnage » (downsampling) qui remplace les chrominances des blocs adjacents de pixels par la moyenne de leurs chrominances Cb et Cr (il y a encore une petite perte d’information, mais la redondance augmente), on applique la transformation cosinus discrète (anglais : DCT) dont on trouvera encore la description algorithmique dans le document annexe. Or une image ordinaire comporte une grande continuité entre les valeurs de pixels adjacents (voir supra), les sauts quantitatifs entre deux pixels adjacents correspondant à des changements de volume (les traits du dessin). Des pixels adjacents présenteront donc une fréquence de couleur, fréquence qui variera lors d’un changement de volume. La transformation cosinus discrète permet d’évaluer l’amplitude des changements d’un pixel à l’autre afin d’identifier les hautes fréquences, zones de contrastes, et les basses fréquences, zones unies où les couleurs sont proches. On transfère ainsi « l’information » du domaine spatial au domaine fréquentiel. La transformée est effectuée sur une matrice carrée N * N de valeurs de pixels et donne une matrice carrée N*N de coefficients de fréquence. Comme il est difficile d’appliquer la transformation sur la matrice entière, celle-ci est donc décomposée en blocs de taille plus petite 8 * 8 pixels. Mais les valeurs calculées sont en décimales – avec une approximation, π étant comme on le sait un nombre « irrationnel » employé dans les calculs de fonctions trigonométriques convergeant à infini – puis arrondies : nous rencontrons de nouveau une « perte d’information », très faible et encore négligeable à ce stade dans la mesure où la sensation produite (esthématopée, voir Bruneau et Balut, 1997, p. 112 et sq.) n’est pas affectée.

La première diminution quantitativement importante de la taille du fichier est opérée par le traitement (E) dit « RLE » (anglais : Run Length Encoding). L’idée en est simple : supposons une suite de quatre pixels ayant subi la TCD précédente :

Pixel 1

On compte six occurrences de la couleur E, 9 de D, 9 de F, 11 de A, 12 de B et 17 de C. L’idée est de remplacer dans la matrice chaque couleur par un code, le plus court possible, renvoyant à une simple table de correspondance transmise en même temps que la matrice. Le code sera basé sur les fréquences d’occurrence classées par ordre décroissant selon un arbre d’Huffman (schéma 2).

Celui-ci opère par addition (cumul des fréquences), de droite à gauche, en remontant vers la racine (ici : 64). Le codage se fait en partant de la racine et en descendant vers un terminal, en affectant la valeur 0 à une branche orientée à gauche et 1 à la valeur orientée à droite. Par exemple la couleur D sera codée 1110. On voit dans cet exemple que le code le plus long (1111 pour E) ne prend que quatre bits (1 quartet), ce qui explique que lorsque le code est de taille inférieure (par exemple 100 pour B) on ajoute à sa gauche autant de 0 que nécessaire pour compléter le quartet (B est alors noté 0100). Si l’on remplace les trois octets de chaque couleur par le quartet de code correspondant, la matrice de l’image ne compte plus que 64*4=256 bits soit 32 octets. On peut juger du résultat en comparant l’état original de la matrice pour les pixels [1,1], [1,2],[2,1] et [2,2] en donnant (arbitrairement, ici, pour la démonstration !) à la couleur A (0101) les octets 00110100 (52), 00000101 (5), 00001000(8), avec l’état final en codage de Huffman :

Avant codage
Après codage
1 2
1 0101 0101
2 0101 0101

Il va de soi que la matrice codée est transmise en même temps que sa table de décodage, par exemple pour la couleur A :

0101 00110100 00000101 00001000

Chaque ligne de la table de cet exemple demande 28 bits, et comme il y a six lignes, 168 bits soit 21 octets. En fin de compte, la matrice et sa table n’occupent que 53 octets, soit un peu plus du quart du « poids » de la matrice d’origine, ce qui donne un pourcentage de compression de l’ordre de 72,4 %. Et cela sans perte : c’est considérable !

Il va de soi que l’algorithme de restitution est symétrique de celui de compression. La compression d’images est un exemple d’adaptation de l’industrie aux contraintes : diminuer la taille des images pour les rendre moins volumineuses et plus rapidement transmissibles, tout en préservant la possibilité de satisfaire aux contraintes de l’esthématopée en conservant les « traits utiles » de telle manière que l’œil ne perçoive pas les inévitables altérations. Il faut s’interroger sur la nature de ce qui est traité. À première vue, le néophyte peut penser qu’il ne s’agit que d’un traitement abstrait, purement mathématique, faisant intervenir des fréquences, des codes pour manipuler des octets. De là l’illusion trop répandue d’un univers « virtuel ». On oublie trop vite qu’au départ du processus il y a un objet dont on exploite le rayonnement photonique et à l’arrivée une image sensible de cet objet, restituée par une matrice de pixels mettant en œuvre des procédés opto-électroniques relativement complexes. Il s’opère ainsi une sorte de conversion de l’énergie selon le trajet photon → électron → photon, et à chaque étape du traitement, les octets ne sont pas des représentations, mais bien des ensembles de tensions électriques nettement définies, choisies pour leur état « haut » (1) ou « bas » (0). Il s’ensuit que l’algorithme et le programme qu’il structure ne sont rien de plus que des commandes pilotant un dispositif électronique sous-jacent, qui est seul opérant. Il n’y a rien là que de matériel, pas de « virtuel ».

4 L’empirie : la protection de l’intégrité du signal transmis

Disons-le rapidement : la phase de compression est nécessaire non seulement pour ménager l’encombrement des dispositifs physiques de mémoire (RAM, disque dur, DVD, clef USB...), mais aussi pour limiter le flux de ce qui n’est pas des « données » mais bien des « adeptas » [12] acheminées via les canaux de transmission. Qui n’a jamais rencontré des messages d’erreur au chargement ou à l’exécution d’un fichier MP4 ou à l’affichage d’une image JPEG ? Qui n’a jamais éprouvé le désagrément de ne pouvoir lire un fichier vidéo parce qu’il n’a pas le bon « codec », c’est-à-dire les bonnes clefs de décodage ? S’il existe des clefs, c’est que les « adeptas » ont cryptées, non pas pour les rendre secrètes, mais pour en protéger l’intégrité malgré les aléas de la transmission : bruits parasites, microcoupures, transmodulation et ainsi de suite, qui peuvent les corrompre. Cette fois, l’empirie adapte le produit aux accidents de son transport par un vecteur hertzien, optique ou simple câble en cuivre.

Le problème technique est de contrôler la validité des codes reçus, dès que l’on met des machines en complémentarité réciproque (coalescence), par exemple un serveur et un ordinateur via Internet. Il a fallu imaginer des algorithmes permettant à la fois de vérifier la parité [13] des octets transmis mais en même temps d’offrir la possibilité d’une correction éventuelle. La méthode la plus efficace [14] est celle de Hamming ; nous renvoyons au second document pour connaître le détail de l’algorithme. Indiquons simplement qu’un octet codant par exemple la lettre A (01000001) est inversé (10000010), divisé en deux quartets (1000­|0010) soumis au traitement de Hamming et que notre octet initial est transmis en deux octets composés chacun d’un quartet de l’octet initial inversé (1000, 0010) suivi de sa signature de Hamming (1000, 0010) (schéma 3).