RAW, JPEG, HEIF : ce qui se passe vraiment dans votre appareil photo (et votre smartphone) quand vous déclenchez

On va être honnêtes deux secondes. Quand on shoote en RAW, on a tendance à se dire : OK, j’ai mon fichier brut, c’est bon, la magie commence après, dans Lightroom, sur mon ordi. Et c’est vrai… mais c’est aussi faux. Parce qu’avant même que vous n’ouvriez votre logiciel de post-traitement préféré, votre boîtier, ou votre smartphone, a déjà fait un boulot monstre pour transformer les signaux du capteur en données exploitables. Un boulot invisible, mais absolument crucial.

Alors qu’est-ce qui se passe, vraiment, entre les données captées par le capteur et l’image que vous voyez ? Et surtout, pourquoi ce chemin n’est-il pas exactement le même sur un appareil photo hybride et sur un smartphone ? Accrochez-vous, on entre dans le détail.

Pour comprendre, il faut suivre le chemin de la donnée : lumière → photosites → données RAW → dématriçage → balance des blancs → couleurs → tonalité → réduction du bruit → netteté → JPEG ou HEIF. Et sur smartphone, certaines étapes peuvent être beaucoup plus complexes, avec fusion de plusieurs images, HDR et traitements computationnels.

D’abord : c’est quoi, un fichier RAW ?

Avant de plonger dans la tuyauterie, posons les bases.

Un fichier RAW, littéralement « brut » en anglais, c’est la donnée la plus proche possible de ce que le capteur a enregistré. Pas une image, à proprement parler, mais une mesure. Chaque photosite (le petit puits à lumière sur votre capteur) a compté des photons, et il a traduit ça en une valeur numérique. Point.

Sur un capteur de 24 Mpx, vous avez 24 millions de valeurs de luminosité, organisées selon une matrice de Bayer rouge, vert, vert, bleu. S’il y a deux fois plus de vert, c’est parce que notre œil est plus sensible à cette longueur d’onde, mais ça, c’est une autre histoire. Ces valeurs sont stockées sur 12, 14, voire 16 bits selon le capteur. Traduction : chaque photosite peut décrire entre 4 096 et 65 536 niveaux de luminosité. À titre de comparaison, un JPEG standard utilise 8 bits par canal, soit 256 niveaux par canal. D’un côté des dizaines de milliers de niveaux, de l’autre 256.

Pour aller plus loin
Fichier RAW : qu’est ce que le format RAW utilisé en photographie ?

Et surtout : à ce stade, il n’y a pas encore d’image couleur au sens où nous la voyons. Chaque photosite mesure une intensité lumineuse à travers un filtre rouge, vert ou bleu. Pas de contraste, pas de saturation, pas de netteté appliquée. Le RAW, c’est un négatif numérique. Un potentiel brut, littéralement.

Mais tous les capteurs ne produisent pas leur RAW de la même façon

Avant de suivre la transformation du RAW en JPEG, il faut faire un détour par le capteur lui-même, car un appareil photo hybride et un smartphone ne partent pas forcément des mêmes données.

Capteur de smartphone vs capteur d’hybride : pas juste une question de taille

La différence la plus évidente entre le capteur d’un smartphone et celui d’un hybride, c’est la taille. Un capteur 1 pouce sur un compact expert (Sony RX100, RX10 V), un APS-C sur un Sony A6700, un plein format sur un A7 V… face au petit 1/1,3 pouce d’un iPhone ou d’un Pixel. Physiquement, le capteur de votre téléphone est un timbre-poste à côté. Moins de surface, c’est moins de lumière captée, moins de dynamique native, plus de bruit à ISO élevé. C’est de l’optique, c’est de la physique, on n’y échappe pas.

Mais la différence ne s’arrête pas là.

Le Quad Bayer : l’astuce surtout utilisée dans les smartphones

Sur un appareil photo hybride classique, chaque photosite possède son propre filtre couleur : rouge, vert ou bleu. C’est la fameuse matrice de Bayer. Sur beaucoup de smartphones récents, le principe est différent.

Pour aller plus loin
Pixel binning, HDR, capteurs, mode IA… on vous explique tout sur la photo sur smartphone

La plupart des capteurs récents (Samsung ISOCELL, Sony IMX pour téléphones) utilisent une matrice dite Quad Bayer (ou Nona Bayer, Tetra 2 pixel, selon les marques et les générations). Au lieu d’avoir un photosite par filtre couleur, on regroupe quatre photosites (2×2) sous le même filtre. Quatre photosites rouges côte à côte, quatre verts, quatre bleus.

Pourquoi ? Parce que cette architecture permet de regrouper plusieurs petits photosites pour améliorer le signal lorsque la lumière manque, tout en conservant la possibilité de récupérer davantage de résolution lorsque les conditions s’y prêtent.

– En pleine lumière, le capteur peut « binner » les 4 photosites en un seul pixel. Un capteur de 200 Mpx Quad Bayer peut alors produire une image de 50 Mpx. Chaque « super-pixel » rassemble davantage de lumière, ce qui améliore le rapport signal/bruit.

– En basse lumière, certains capteurs vont encore plus loin avec des regroupements plus importants, par exemple 16-en-1. Un capteur de 200 Mpx peut alors produire une image de 12,5 Mpx, avec des photosites virtuels beaucoup plus grands. C’est le fameux « pixel binning ».

– En bonne lumière et quand on veut du détail, le capteur peut aussi fonctionner à sa résolution native ou reconstruire une image à plus haute résolution à partir de la grille Quad Bayer.

Cette gymnastique est surtout utilisée dans les smartphones. Ce n’est pas qu’un hybride ne puisse pas utiliser une architecture de ce type : c’est simplement que ses photosites sont déjà beaucoup plus grands, et que le bénéfice du binning est donc moins déterminant. Les hybrides privilégient généralement une lecture et une résolution natives élevées, ainsi qu’un maximum de contrôle sur les données RAW.

Et le RAW du smartphone, dans tout ça ?

Quand votre téléphone produit un fichier RAW (souvent en DNG, le format ouvert d’Adobe), il livre généralement des données beaucoup plus proches de la sortie du capteur que son JPEG ou son HEIF. Avec un capteur Quad Bayer, cela peut notamment signifier récupérer une grille de photosites qui devra être interprétée par le logiciel de développement. Le dématriçage peut alors être plus complexe qu’avec une simple matrice Bayer.

Et surtout, sur certains smartphones (Pixel, iPhone en mode ProRAW), le fichier présenté comme « RAW » peut déjà intégrer une fusion de plusieurs images capturées successivement. L’appareil peut avoir aligné et combiné plusieurs prises avant de vous livrer le fichier. Le brut est donc déjà pas mal bricolé. Moins proche d’un RAW d’appareil hybride, mais diablement efficace en termes de dynamique et de bruit.

La naissance du RAW : ce qui se passe à l’instant T

Vous déclenchez. L’obturateur s’ouvre (ou, sur un smartphone, le capteur commence son exposition). La lumière arrive, frappe les photosites et génère un signal électrique. Ce signal est amplifié : c’est notamment ce que l’on associe au réglage ISO. Selon l’architecture du capteur, une partie de cette amplification intervient avant la conversion numérique. Le signal est ensuite converti en valeurs numériques par un convertisseur analogique-numérique (ADC).

Puis vient le moment clé : les données du capteur sont enregistrées dans le fichier RAW. Ou presque, surtout sur smartphone.

Ce que le processeur d’image de votre appareil (DIGIC chez Canon, EXPEED chez Nikon, BIONZ chez Sony, ou la puce dédiée de votre smartphone) va inscrire dans le fichier RAW, ce sont :

• Les données issues du capteur (les valeurs de chaque photosite)
• Les métadonnées EXIF (ouverture, vitesse, ISO, focale, date…)
• Une prévisualisation JPEG embarquée (on y reviendra)
• Les « instructions de traitement » que l’appareil aurait appliquées s’il avait créé un JPEG : balance des blancs choisie, profil colorimétrique, réduction de bruit sélectionnée, etc.

Mais ces instructions sont juste… notées. Écrites dans un coin du fichier. Elles ne sont pas appliquées aux données du capteur. Le RAW conserve donc l’essentiel des données enregistrées. C’est d’ailleurs tout l’intérêt, vous pourrez changer d’avis plus tard, que ce soit pour changer la balance des blancs, récupérer des hautes lumières ou bidouiller l’exposition. Le fichier, lui, n’a pas été transformé en JPEG.

La conversion en JPEG : le vrai travail de l’appareil

C’est maintenant que les choses deviennent intéressantes. Pour passer des données brutes du capteur à une image que nous pouvons regarder, l’appareil doit effectuer une série d’opérations qui sont, pour la plupart, invisibles.

1. Le dématriçage. On l’a dit : le capteur ne voit pas les couleurs directement. Chaque photosite ne connaît qu’une seule composante (R, V ou B). L’algorithme de dématriçage va interpoler les deux valeurs manquantes pour chaque pixel en se basant sur les voisins. C’est du calcul pur, et c’est déjà une interprétation.

2. La balance des blancs. Les valeurs sont ajustées pour que le blanc soit… blanc. L’appareil applique la température de couleur qu’il a estimée (ou que vous avez fixée). C’est un paramètre essentiel qui influence la justesse de toutes les couleurs.

3. La conversion colorimétrique. On passe de l’espace « capteur » (propre à chaque modèle) à un espace standard : sRGB, Adobe RVB, ou Display P3. C’est là qu’on décide quelles couleurs seront représentables dans l’image finale.

4. La courbe de tons (tone mapping). Le RAW est linéaire : deux fois plus de photons = une valeur deux fois plus grande. Sauf que notre œil ne fonctionne pas comme ça. On applique donc une courbe de transfert, on modèle les ombres, on protège les hautes lumières. On donne du « corps » à l’image.

5. Réduction de bruit et correction des artefacts. Le processeur nettoie le bruit numérique et peut corriger certains défauts, comme le moiré ou les fausses couleurs liés à l’interpolation.

6. Netteté et saturation. Un petit coup d’accentuation, une touche de saturation. C’est le « look » de la marque, souvent. Le JPEG Canon n’a pas la même saveur qu’un JPEG Fujifilm ou Lumix, et c’est ici que ça se joue.

7. Compression JPEG. L’image est encodée en JPEG, avec une compression destructive. On perd de l’information, irréversiblement. Mais on gagne un fichier léger, souvent dix à vingt fois moins lourd qu’au format RAW, et universellement lisible.

Tout ça, votre boîtier le fait en une fraction de seconde. Votre smartphone, lui, peut ajouter une couche supplémentaire : HDR computationnel, fusion multi-images, segmentation sémantique (le ciel est traité différemment du visage, qui est traité différemment du premier plan), réduction du bruit et parfois reconstruction de détails. Le pipeline devient alors beaucoup plus complexe que le simple chemin RAW → JPEG d’un appareil photo classique.

Le JPEG, c’est donc une interprétation des données captées par le capteur. Une interprétation figée, optimisée pour être regardée immédiatement.

Notez aussi que tous les appareils photo, qu’il s’agisse d’un hybride haut de gamme, d’un photophone, d’un smartphone d’entrée de gamme ou d’un appareil photo compact familial des années 2010 passent par la case RAW pour obtenir le JPEG. Et ce, alors même que les appareils ne proposent parfois l’export qu’en JPEG, sans format RAW enregistré. C’est le RAW qui va permettre de transformer les données du capteur en JPEG et c’est donc une étape indispensable.

Le cas Fujifilm : quand le dématriçage lui-même est différent

Puisqu’on parle de « look » et de traitement JPEG, impossible de ne pas s’arrêter sur Fujifilm, qui est un cas à part. Et pas seulement pour ses fameuses simulations de pellicules (Velvia, Classic Chrome, Acros, Nostalgic Neg, etc.), qui plaisent souvent sur Instagram.

D’abord, les simulations : ce ne sont pas de simples filtres posés sur le fichier JPEG. Ce sont des courbes de compression tonale complètes apportées lors de la transition du RAW vers le JPEG, avec des ajustements de chrominance par plage de luminance, des virages spécifiques dans les ombres et les hautes lumières, des saturations différentielles selon les teintes, tout cela pour faire tenir la dynamique de l’image RAW dans un JPEG qui a du caractère. Le Classic Chrome, par exemple, désature légèrement les tons moyens tout en préservant des rouges profonds et en tirant les bleus vers le cyan. C’est une philosophie colorimétrique entière, appliquée au moment de la conversion. Et c’est pour ça que les JPEG Fuji ont cette personnalité immédiatement reconnaissable.

Mais le plus intéressant, c’est ce qui se passe avant la simulation de pellicule : le dématriçage. Fujifilm n’utilise pas toujours une matrice de Bayer classique. Ses capteurs X-Trans, utilisés par exemple sur le X100VI ou le X-M5 reposent sur une grille 6×6 qui répartit les filtres couleur selon un motif moins régulier que le Bayer 2×2.

Pourquoi cette organisation ? Pour limiter notamment le moiré, un défaut qui peut apparaître lorsqu’on photographie des détails très fins et réguliers, comme les lignes d’un tissu, une grille ou les tuiles d’un toit. Ces motifs peuvent alors produire à l’image de fausses lignes ou des couleurs qui n’existaient pas dans la scène.

En répartissant les filtres rouge, vert et bleu de façon moins prévisible, Fujifilm réduit ce risque et peut ainsi, sur certains capteurs, se passer d’un filtre passe-bas, qui adoucit légèrement l’image pour limiter ces artefacts.

Conséquence directe : le dématriçage d’un fichier RAW Fuji n’est pas le même que celui d’un RAW Sony ou Canon. Les algorithmes classiques sont conçus pour du Bayer 2×2. Appliqués à du X-Trans, ils peuvent produire des artefacts ou un manque de finesse dans certains détails fins. Il faut donc des algorithmes adaptés à cette architecture. C’est aussi pour cela que le JPEG « maison » de Fuji est si soigné : le dématriçage est optimisé pour leur capteur.

Et le HEIF, alors ? On en parle ?

Oui, on en parle. Parce que depuis qu’Apple l’a mis en avant avec l’iPhone (et que de plus en plus d’Android suivent), le HEIF (High Efficiency Image Format) s’est installé dans le paysage. Et il mérite qu’on s’y attarde.

Le HEIF est un conteneur (une boîte) qui peut embarquer une image encodée en HEVC (H.265), mais aussi des métadonnées, de la transparence, de la profondeur, plusieurs images (rafale, Live Photo), voire une carte de profondeur pour le mode Portrait. C’est le format fétiche d’Apple dans les iPhone depuis des années.

Techniquement, l’encodage HEVC est plus efficace que le JPEG : à qualité visuelle équivalente, un fichier HEIF peut peser environ 50 % de moins qu’un JPEG. Et surtout, il peut travailler en 10 bits (1 024 niveaux par canal) là où le JPEG standard plafonne à 8 bits. Ça veut dire des dégradés de ciel plus propres, avec moins de risque de banding dans les ombres.

Alors, HEIF vs JPEG, concrètement :

	JPEG	HEIF
Profondeur de couleur	8 bits	10 bits (typiquement)
Compression	DCT, destructive	HEVC, destructive mais plus efficace
Poids à qualité égale	Référence	~50 % plus léger
Compatibilité	Universelle	Encore limitée (ça s’améliore)
Contenu	Une image + EXIF	Conteneur riche (multi-images, profondeur, HDR…)
Édition non destructive	Non	Partiellement (les métadonnées restent)

Le HEIF sert à livrer l’image, pas à la capturer. Votre capteur produit des données brutes ; le processeur les convertit ; et le résultat est encapsulé en HEIF plutôt qu’en JPEG. La pipeline de traitement (dématriçage, balance des blancs, tone mapping…) reste globalement la même. C’est surtout l’étape finale d’encodage qui change.

Dernier point : le HEIF peut transporter des images HDR avec des courbes adaptées à l’affichage HDR. Un JPEG classique n’est pas conçu pour transporter nativement ce type de plage dynamique. Si votre smartphone capture en HDR et que vous regardez la photo sur un écran compatible, le HEIF peut donc conserver davantage d’informations utiles à l’affichage. Et justement, le HDR, parlons-en.

Le HDR sur smartphone : une promesse tenue… à moitié

Sur le papier, le HDR computationnel des smartphones, c’est formidable. Vous shootez une scène avec un ciel très lumineux et un premier plan à l’ombre. Un capteur seul, même avec une excellente plage dynamique, ne peut pas toujours encaisser les deux : soit le ciel crame, soit le visage est bouché. Le HDR fusionne plusieurs expositions et vous rend une image où tout est visible. Plus de photos ratées à cause d’un contrejour. Sur ce point, c’est objectivement un progrès considérable.

Sauf que.

Dans la pratique, même sur les téléphones haut de gamme, iPhone 17 Pro, Pixel 9 Pro, Galaxy S25 Ultra, le rendu HDR a souvent quelque chose de… trop. Les hautes lumières sont ultra-brillantes, presque laiteuses. Les ombres sont débouchées à un point qui n’a rien de naturel. Le ciel est d’un bleu uniforme (un peu toujours le même), les feuillages sont d’un vert saturé, et l’ensemble donne cette sensation d’image propre mais aseptisée, un peu fausse. Comme si quelqu’un avait poussé tous les curseurs à +15 dans Lightroom.

Ce n’est pas un problème de technique. C’est un choix de traitement. Les algorithmes privilégient la lisibilité maximale : tout doit être visible, tout doit être net, tout doit être coloré. Sauf que notre œil, lui, ne voit pas comme ça. Une scène en contrejour, en vrai, c’est un sujet sombre sur un fond très lumineux. C’est du contraste. C’est dramatique. Le HDR computationnel, en voulant tout sauver, aplatit parfois ce qui faisait la force de l’image.

Et puis il y a la question de l’affichage. Le HDR n’a de sens que si votre écran peut le restituer. Or, la grande majorité des écrans, ordinateurs portables, TV d’entrée de gamme, vieux moniteurs, sont en SDR. Votre photo HDR, sur ces écrans, sera convertie, « mappée », et perdra une bonne partie de son intérêt. Les écrans les plus à même d’afficher correctement le HDR sont les dalles OLED des smartphones eux-mêmes (iPhone, Samsung, Pixel) et quelques TV haut de gamme. Autrement dit : votre photo HDR est souvent optimisée pour être regardée… sur l’appareil qui l’a produite. C’est un circuit fermé.

Il y a encore du progrès à faire. Les choses s’améliorent, le tone mapping HDR de l’iPhone 17 est plus subtil que celui de l’iPhone 14, le Pixel 9 a fait des efforts sur les hautes lumières, mais on n’est pas encore au point où le rendu HDR est systématiquement plaisant plutôt que simplement correct. La marge de progression est réelle.

La photographie computationnelle : le deuxième pipeline

On ne peut pas parler du traitement d’image sur smartphone sans évoquer la photographie computationnelle. Parce que c’est elle qui transforme profondément le chemin entre le capteur et l’image finale.

Le principe est simple : puisque le capteur est petit et l’optique limitée, on compense par le calcul. On shoote en rafale, on aligne les images, on fusionne, on segmente (le ciel ici, le visage là, le texte au premier plan), on applique un traitement différencié zone par zone, on ajoute parfois du détail par IA là où il n’y en avait pas, on lisse le bruit, on reconstruit les textures. Le tout en moins d’une seconde.

Et soyons clairs : c’est redoutablement efficace. Les photos de nuit sur un Pixel ou un iPhone sont aujourd’hui proprement impensables il y a dix ans. Le mode Portrait découpe les sujets avec une précision bluffante. Le contrejour ne tue plus vos images. La photo « ratée » pour des raisons purement techniques devient rare. C’est un vrai confort, et c’est une vraie prouesse.

Mais il y a un revers. À force de vouloir produire une image parfaite – nette partout, exposée partout, colorée partout, sans bruit nulle part – la photographie computationnelle a tendance à lisser la personnalité des images. Toutes les photos finissent par se ressembler. Même rendu, même dynamique, même saturation, même netteté uniforme. On perd ce petit défaut, ce petit accident, cette sous-exposition volontaire qui faisait le caractère d’une image.

Le résultat est souvent très flatteur pour l’œil au premier regard. C’est propre, c’est net, c’est coloré. C’est « Instagram-ready ». Mais au bout de vingt photos, on se rend compte qu’elles ont toutes le même goût. C’est la photo par consensus algorithmique : tout le monde est beau, tout le monde est net, tout le monde est bien exposé. Et paradoxalement, ça manque un peu de vie.

Ce n’est pas une raison pour cracher sur la photo computationnelle. C’est un outil extraordinaire, mais il faut savoir ce qu’il fait à votre place. Parce que quand vous shootez en JPEG ou en HEIF sur un smartphone, vous ne choisissez pas seulement un format de fichier. Vous acceptez une pipeline de décisions esthétiques prises par une équipe d’ingénieurs logiciels et d’image, et, parfois, par des modèles de machine learning entraînés sur des millions d’images. Ces décisions ne sont jamais totalement neutres.

RAW, JPEG, HEIF : trois philosophies

Résumons, parce qu’on a brassé pas mal de données :

• Le RAW, c’est la donnée issue du capteur, avec un maximum d’informations et de liberté en post-traitement. C’est un fichier lourd, propriétaire (ou DNG), qui nécessite un développement. Ce n’est pas une image prête à montrer. C’est un ingrédient. Sur smartphone, il peut en plus être issu d’une architecture Quad Bayer ou d’une capture multi-images : puissant, mais parfois plus complexe à exploiter.
• Le JPEG, c’est l’image interprétée, compressée, universelle. Prête à partager, à publier, à regarder. Mais l’interprétation est figée. Vous avez 256 niveaux par canal, une compression destructive, et une marge de manœuvre en retouche plus limitée. C’est le plat servi à table.
• Le HEIF, c’est le JPEG qui a fait du sport et mangé ses légumes. Même philosophie (image finie, prête à consommer), mais avec plus de profondeur, un meilleur ratio poids/qualité, et la capacité d’embarquer des informations supplémentaires. C’est un format de partage de plus en plus intéressant. Mais la compatibilité reste un chantier, et le HDR qu’il peut transporter n’est pas toujours bien restitué.

Un dernier mot

On a tendance à oublier tout ce qui se passe avant qu’on ouvre notre fichier dans Lightroom ou Capture One. Même en RAW, l’appareil a déjà fait une énorme partie du travail : transformer la lumière en données, les dématricer, les corriger, les préparer à devenir une image. Simplement, il n’a pas gravé tous ses choix dans le fichier.

En JPEG ou en HEIF, en revanche, ces choix deviennent l’image que vous regardez. Le rendu sorti par un Fujifilm, un Leica ou un iPhone n’est donc jamais totalement neutre : c’est une signature, produite en quelques millisecondes par toute une chaîne de traitement.

Si l’aventure vous tente, la prochaine fois que vous déclenchez, faites-le en RAW. Juste pour voir ce que l’appareil vous cachait.

---