Diagnostic acoustique : faire mieux, plus vite et moins cher

Qui n’a jamais souffert du bruit dans une cantine, une piscine ou une halle ? Les salles trop sonores sont légion. Et pour réduire l’inconfort des usagers, la seule solution est de mener une réhabilitation acoustique. En pratique, il s’agit de placer des revêtements qui absorbent mieux les sons sur les murs, le sol ou le plafond. Mais quelles surfaces traiter en priorité et quels revêtements choisir ? Pour le déterminer, il faut commencer par un diagnostic.

« L’acousticien mène une campagne de mesures dans la salle avec des sources sonores calibrées et des sonomètres, décrit Antoine Deleforge, porteur du projet Acoust.IA pour Inria. Puis il exploite ces enregistrements avec un simulateur acoustique qui intègre la géométrie 3D des lieux. »

Un smartphone et une appli pour tout faire, un pari risqué

À ce stade, les choses se corsent : il faut plusieurs jours d’expertise pour ajuster manuellement les paramètres du simulateur, retrouver les résultats des mesures in situ et tester virtuellement plusieurs scénarios de réhabilitation. La facture globale d’un diagnostic peut alors monter à plusieurs milliers d’euros.

Au vu de ce constat, l’ambition d’Acoust.IA paraît presque irréaliste. « Nous voudrions arriver dans une salle avec un smartphone et une appli, enregistrer quelques clappements de mains et obtenir automatiquement la géométrie 3D du lieu et les profils d’absorption de tous ses revêtements », détaille Antoine Deleforge. Pourtant, Inria a choisi de soutenir cette recherche à risque à travers le dispositif d’action exploratoire. Pour trois raisons au moins.

Informatique et acoustique, une approche d’interdisciplinarité

La première, c’est la complémentarité entre les deux organismes. Antoine Deleforge appartient à l’équipe Multispeech, commune Inria et Loria et spécialisée en apprentissage automatique pour le traitement du son et de la parole. Quant à l’UMRAE (Unité mixte de recherche en acoustique environnementale), située à Strasbourg, elle compte des décennies d’expérience en acoustique du bâtiment. « Jusqu’ici, l’informatique et l’acoustique étaient des domaines très disjoints qui collaboraient rarement, explique Antoine Deleforge. Nous allons élaborer des bases méthodologiques communes à nos disciplines. On peut en attendre de grandes avancées. »

Seconde raison d’y croire : un article scientifique publié en 2013 a proposé pour la première fois une méthode d’estimation de la géométrie d’une salle uniquement à partir d’échos imperceptibles pour l’oreille humaine, générés par des sons bien calibrés.

Or, le bon dimensionnement de la salle est une des difficultés du diagnostic. Car les mesures in situ n’ont de valeur que si l’acousticien connaît les distances exactes entre ses équipements (sources et sonomètres), les murs et le plafond.  Mais le plus souvent, les plans ne sont plus disponibles ou n’ont pas été mis à jour après des travaux.

Mesurer des échos à la milliseconde près

La méthode publiée en 2013 exige des conditions simples, parfaitement contrôlées et calibrées. À l’inverse, Acoust.IA vise une solution utilisable partout, même dans les salles qui multiplient les angles, les retours et les surfaces : béton, carrelage, bois, verre, tissu, etc. 

Pour relever ce défi, les chercheurs vont développer un outil automatique issu de l’apprentissage supervisé et des modèles physiques de propagation du son. Ceux-ci permettent d’estimer le champ sonore à la milliseconde près. « L’UMRAE dispose de centaines d’enregistrements sonores dans des locaux aux dimensions parfaitement connues. Nous allons « apprendre » ces salles à notre outil pour le caler peu à peu, tout en y intégrant la connaissance apportée par les modèles physiques. »

Des réseaux de neurones pour déterminer le profil d’absorption des surfaces

Une fois les dimensions de la salle connues, comment déterminer les profils d’absorption de ses surfaces ? C’est l’autre grand défi du projet. « Il existe des modèles fiables pour calculer l’écho généré par un son d’intensité connue sur une surface connue, indique Antoine Deleforge. Mais il n’existe pas de modèles inverses pour remonter aux profils d’absorption des revêtements muraux à partir de la connaissance du champ sonore. » À ce jour, en effet, ce problème n’a trouvé aucune solution mathématique.

Là encore, Acoust.IA innove : c’est la troisième raison qui a valu au projet d’être retenu. Pour la première fois en acoustique, les chercheurs vont exploiter des réseaux de neurones particuliers, les « auto-encodeurs variationnels ». Grâce à des modèles probabilistes, ils parviennent à calculer un résultat à partir de données d’entrée et à retrouver des données d’entrée à partir d’un résultat !

L’action exploratoire Acoust.IA a débuté le 1^er octobre, sous la forme d’une thèse coencadrée par Inria et l’UMRAE. À terme, si les objectifs sont atteints, la création d’une startup pourra être envisagée. « Ce diagnostic acoustique accessible au plus grand nombre serait une révolution, explique Antoine Deleforge. Il permettrait de mieux traiter des nuisances sonores qui pèsent sur une large partie de la population, dans les locaux à usage collectif et même dans les logements. »