Écoutez n'importe quelle émission de radio : le tapis musical est confortablement présent… jusqu'à ce que l'animateur parle, et il recule poliment — puis regonfle dans les pauses. Personne ne tient un fader à la main. Ce geste s'appelle le ducking, et c'est le seul truc de production qui sépare « quelqu'un qui parle sur une chanson » d'« une émission produite ».
La voix et la musique se partagent les mêmes fréquences critiques — grosso modo 1-4 kHz, là où vivent les consonnes et où se joue l'intelligibilité. Mettez la musique assez fort pour qu'elle existe, et elle masque les mots ; assez bas pour ne jamais gêner, et elle disparaît complètement. Un volume fixe ne peut pas gagner ce combat, parce que le bon niveau change chaque seconde selon que quelqu'un parle ou non.
Le ducking le résout dynamiquement : la voix sert de déclencheur, et le volume de la musique la suit — il descend quand vous parlez, remonte quand vous respirez.
Tout ducker, matériel ou navigateur, tourne les trois mêmes boutons :
Le point d'équilibre pour un tapis sous voix est -12 à -18 dB. Moins, et les mots nagent ; plus, et la musique disparaît au lieu de reculer.
Assez vite pour que votre premier mot ne soit pas noyé (~50-150 ms). Trop vite, ça claque comme une porte.
La musicalité vit ici : 0,5-1,5 s laisse la musique regonfler dans les pauses sans pomper à chaque virgule.
L'outil Podcast d'AudioKit fait tout le geste radio sans DAW :
La moitié d'un bon ducking, c'est le tapis lui-même : des instrumentaux uniquement (deux voix en même temps, c'est le chaos, même quand l'une est chantée), des arrangements réguliers sans grands écarts dynamiques — et un morceau chargé dans les médiums doit descendre plus qu'une nappe aérienne : si votre tapis vit dans les mêmes octaves que votre voix, ajoutez 3-4 dB de quantité.
La règle d'oreille : si vous remarquez la musique en écoutant les mots, c'est trop fort ; si vous oubliez qu'elle existe pendant les pauses, c'est trop bas. En chiffres : un tapis qui culmine vers -18 dB sous la parole convient à la plupart des voix.
Le niveau fixe suffit pour une ambiance d'arrière-plan. Dès que votre musique a un rôle — une intro qui gonfle, des transitions, de l'énergie entre les segments — le ducking est ce qui permet d'avoir la présence et la clarté.
-16 LUFS (stéréo) est la cible admise sur les plateformes de podcast. Plus fort sera rabaissé ; plus bas fera chercher le volume aux auditeurs dans les bouchons.