1. Introduction

2. Une sociologie de « l’intermédiaire » à partir des sens au travail

4Dans un article publié dans cette revue, Antoine Hennion (1983) appelait à une « sociologie de l’intermédiaire » au croisement de la sociologie de la culture et du travail. S’intéressant à la profession de directeur artistique au sein de l’industrie du disque, il plaidait pour saisir la production culturelle à partir de celles et ceux qui contribuent à lui donner une existence :

« L’intermédiaire n’est pas le fonctionnaire passif qui applique des lois (musicales, économiques, culturelles), il produit les mondes qu’il veut faire travailler pour lui. Il force, il arrache, il soude ; il a des outils et des techniques pour isoler, mesurer, essayer. Rien ne lui est acquis d’avance. Les lois ne “s’ ” appliquent pas, les idées ne “se” réalisent pas : il faut d’abord le faire » (Hennion, 1983, p. 460).

7Cette perspective transforme, toutefois, radicalement l’objet de l’analyse. Elle invite à suivre les contenus culturels comme des « œuvres en situation de travail » (Fourmentraux, 2010, p. 32). En effet, tant du point de vue d’une étude de la réception que des conditions de production des œuvres, les travaux partent généralement de l’idée que les contenus culturels sont des objets finis. Au contraire, prendre au sérieux le travail perceptif des intermédiaires amène résolument à adopter une perspective « émergentiste » (Camus, 2015, 2017) qui considère les produits culturels comme des objets en train de se faire (Hennion, 1993, 2018). Saisir les modalités de cette perception de la perception est un enjeu d’autant plus crucial qu’elle est décisive pour l’accomplissement de l’activité.

8Ce premier enjeu en amène un second. Envisager le travail sensoriel des professions de la culture conduit à dépasser une compréhension de la perception comme une activité qui se joue exclusivement dans le corps à corps avec l’objet. Depuis les travaux pionniers de Lena Jayyusi (1993) sur la caméra, différents auteurs et autrices ont souligné le caractère réflexif, interactionnel et corporel (embodied) des pratiques vidéographiques (Macbeth, 1999 ; Grimaud, 2007, 2015 ; Broth, 2008 ; Camus, 2021) mais également de la préparation des tournages (Grimaud, 2003 ; Rot, 2019). En ce qui concerne le studio d’enregistrement, à la suite d’Edward R. Kealy (1979), différents travaux ont insisté sur les techniques qui permettent de maîtriser les sons, de les transformer ou d’en changer la texture (Horning, 2004 ; Théberge, 2004 ; Ribac, 2007 ; Watson, 2014 ; Zimmermann, 2015 ; Bates, 2016 ; Rot, 2020 ; Battentier, 2021 ; Vinck et al., 2021). Toutefois, parce que produire un contenu culturel engage l’anticipation d’une réception, les travailleurs et travailleuses ne sont jamais que prises dans un face-à-face perceptif. Ils et elles accueillent dans leur perception l’ensemble de ce qui les sépare du public : distributeurs, dispositifs de diffusion, etc. (Hennion, 1983 ; Dubuisson et Hennion, 2013). Autrement dit, cette attention guide leurs choix et contribue à façonner les produits finis. Ce point est particulièrement bien souligné par les travaux qui se sont intéressés au goût dans l’industrie alimentaire, que ce soit pour le vin (Teil, 2001 ; Tabouret, 2021), les parfums (Muniesa et Trébuchet-Breitwiller, 2010), les tomates (Heuts et Mol, 2013) ou le jus d’orange (Callon et al., 2000).

9Les termes « produits » et « production » eux-mêmes expriment très clairement cette inscription des perceptions dans des chaînes d’actions complexes :

« La notion (producere : faire avancer) souligne qu’il [le produit] consiste en une séquence d’actions, en une succession d’opérations qui le transforment, le déplacent, le font passer de mains en mains, à travers une série de métamorphoses qui finissent par le mettre dans une forme jugée utile par un agent économique qui paye pour en bénéficier » (Callon et al., 2000, p. 216).

10La perception gagne donc à être appréhendée comme une activité distribuée dans des dispositifs, des collectifs professionnels ou des sites variés (Bidet et Boutet, 2007 ; Bidet, 2008 ; Boutet, 2008). À ce titre, Mylène Tanferri, Sarah Waeber et Dominique Vinck (Tanferri et al., 2023) montrent de quelle façon le montage vidéo consiste, en bonne partie, à composer avec le travail effectué par les collègues du monteur lors du tournage, afin de le poursuivre. Comme nous le verrons, suivre ce caractère distribué permet aussi de réintroduire, à partir de la perception, des enjeux relatifs à l’organisation et à l’expérience du travail (Bidet, 2010, 2011).

11De ce point de vue, les travaux sur l’expertise sensorielle peuvent enrichir de plusieurs manières la description de l’activité des intermédiaires culturels. Pour commencer, ces travaux soulignent que la perception fait appel à des équipements et des dispositifs. Si l’on prend l’exemple de l’antiquaire admirablement décrit par Christian Bessy et Francis Chateauraynaud (2014 [1995], p. 142-151), celui-ci s’appuie sur des catalogues, d’autres pièces, sa connaissance du marché, ses lectures, autant d’équipements cognitifs qui lui permettent de juger l’objet qu’il a en face de lui. Autrement dit, la perception ne se loge pas uniquement dans l’individu. Elle est distribuée dans un ensemble d’entités qui informent ses gestes et son jugement. C’est dans ce va-et-vient entre des « repères » et des « plis » que se réalise ce que C. Bessy et F. Chateauraynaud appellent la « prise ». Cette approche invite à comprendre la perception non comme la substance d’un monde existant et disponible, ni comme le résultat d’une culture ou d’une construction sociale, mais, au contraire, comme une minutieuse articulation de savoir-faire, de dispositifs, de corps et d’objets rendus sensibles et se laissant affecter par d’autres entités (Despret, 2004 ; Hennion et Teil, 2004).

13Dans la suite de cet article, après être revenu sur mon enquête auprès des techniciens de Sofar Sounds, je propose de reprendre l’une après l’autre les étapes de la production d’une vidéo pour saisir l’activité des intermédiaires à partir de leurs expertises sensorielles.

3. La production audiovisuelle chez Sofar Sounds

14Sofar Sounds est une entreprise qui organise des concerts « secrets » et « intimistes » dans des espaces « insolites ». Excédés par le bruit et le manque d’écoute dans les concerts qu’ils fréquentaient, ses fondateurs se sont donné pour mission de trouver une meilleure manière d’organiser des concerts afin de « rendre sa magie à la musique live » (un des slogans de Sofar Sounds). Ces soirées réunissent une soixantaine de personnes dans des espaces qui ne sont pas conçus pour accueillir des concerts : des appartements, mais également, et le plus souvent, des bureaux, des espaces de coworking, des magasins ou des cafés. Les soirées suivent généralement un même format : trois groupes se produisent, chacun pendant une vingtaine de minutes. Divers genres musicaux composent la programmation ainsi que du stand-up, de la poésie, ou encore du beat-box. Les prestations des artistes sont toujours « stripped back » (dénudées) : l’instrumentation est réduite et peu, voire pas amplifiée. Au cours de ces soirées, les spectateurs et spectatrices sont invitées à prêter davantage attention à la musique et à faire preuve de curiosité puisque le nom des artistes est tenu secret jusqu’au début de leur prestation (Riom, 2020, 2022).

16L’analyse présentée ici repose sur un travail ethnographique mené entre octobre 2017 et mars 2020 dans le cadre de ma thèse de doctorat (Riom, 2021). J’ai assisté à dix-huit soirées Sofar Sounds à Paris, Londres, Lausanne et Genève (soit environ 80 heures d’observation). Je me suis également entretenu avec des musiciens et des musiciennes, les équipes de Sofar Sounds (bénévoles et employé·es) ainsi que des spectateurs et des spectatrices (cinquante-neuf entretiens au total). Cet article se base plus particulièrement sur ma participation pendant deux ans comme bénévole aux activités d’une équipe locale. Après quelques mois passés à aider à la mise en place des soirées, j’ai commencé à comprendre que les vidéos étaient l’une des sources de motivation principales de l’équipe pour organiser des soirées — en particulier pour les techniciens —, et occupaient une part conséquente des discussions et du travail entre deux soirées. De plus, j’ai peu à peu saisi que l’organisation même des soirées était difficile à décrire sans prendre en compte cette activité qui, à première vue, peut paraître annexe. Échanger avec les techniciens et les interroger sur ce qu’ils faisaient m’a permis de développer un regard différent sur les soirées. Je leur ai demandé de pouvoir les suivre lors des étapes de production qui ont lieu après les soirées (mixage, montage, mise en ligne). En plus de ces observations, je m’appuie ici sur des entretiens menés avec une dizaine de techniciens, tant spécialisés dans le son que dans l’image, actifs dans les équipes de cinq villes différentes. J’ai complété ces entretiens en récoltant des directives internes de Sofar Sounds et des publications à propos des productions audiovisuelles sur le site Internet de l’entreprise.

18Au moment de mon enquête, Bastien travaille comme technicien dans une institution d’éducation supérieure (il a depuis lors été engagé par une radio). Cela fait deux ans qu’il est membre de l’équipe après avoir été coopté par David — l’autre ingénieur du son — avec qui il a effectué sa formation dans une école privée spécialisée. Romain fait partie de l’équipe depuis presque trois ans. Après un brevet de technicien supérieur audiovisuel, il multiplie les projets pour se construire un portfolio (cadreur sur des tournages, technicien lors de retransmissions d’événements sportifs, réalisateur de clips). Tous deux ne sont que défrayés avec les donations récoltées au chapeau lors de chaque soirée (la somme qu’ils perçoivent varie entre 20 et 50 euros en fonction du succès de la collecte). Pour eux, contribuer à Sofar Sounds est avant tout le moyen de maintenir une activité créative en lien avec la musique. Celle-ci leur permet de prendre du plaisir tout en développant leurs compétences et leur réseau alors qu’ils débutent leur carrière professionnelle (tous deux ont alors entre 25 et 30 ans).

19En suivant les différentes étapes de la production d’une vidéo en particulier, celle de la performance d’Erika M, j’articule les gestes de Bastien et de Romain avec le reste des matériaux empiriques que j’ai récoltés au cours de mon enquête. Ce qui m’intéresse, ici, est de densifier mes observations en triangulant les matériaux empiriques de deux manières. D’une part, lors de la production de cette vidéo, je m’efforce de ne pas me tenir à une seule version du déroulé de l’action, mais d’y revenir de façon répétée et en multipliant les points de vue pour interroger « ce qui se passe » (Haeringer et Pecqueux, 2020). D’autre part, ce cas me permet de déplier l’épaisseur des gestes des deux techniciens en explorant les différentes ramifications de leur travail et leurs échos avec les récits de mes autres informateurs.

4. Désintriquer l’audio du visuel : deux dispositifs de captation pour un tournage

20La production des vidéos de Sofar Sounds commence en amont du travail de mixage et de montage, dès la mise en place des soirées. Par mise en place, j’entends toutes les opérations qui permettent aux équipes de Sofar Sounds d’investir un lieu — qui je le rappelle se veut inhabituel pour y jouer de la musique — et de le transformer pour qu’il soit en mesure d’accueillir des concerts. Cette étape marque déjà une distinction décisive dans la façon dont, respectivement, le son et l’image sont pris en charge et traités par une équipe dédiée. Dans cette section, nous verrons de quelle manière cette division claire du travail engage deux façons de percevoir la soirée.

21La soirée a lieu dans la pièce à vivre (salon et cuisine) d’un appartement en attique. Une fois Erika M et ses deux choristes installées Bastien commence, comme à son habitude, par placer les microphones qui lui permettront d’enregistrer la performance. Pour ce faire, il identifie les différentes sources sonores puis dispose un microphone devant chacune d’entre elles. Chaque microphone constitue une « piste » sur sa console de mixage. Généralement, une source compte pour un instrument ou une voix. Parfois, l’ingénieur du son double la captation afin de disposer de plusieurs enregistrements d’une même source. Chaque microphone possède une sensibilité spécifique en fonction de la qualité et de l’orientation de ses membranes. Ses caractéristiques le rendent plus ou moins approprié pour enregistrer certains types d’instruments plutôt que d’autres. Enfin, sur l’une des poutres de l’appartement, il ajoute un microphone omnidirectionnel pour capter l’ambiance de la pièce.

22Lors de cette mise en place, Bastien ne se contente pas de positionner les microphones. Il fait des allers-retours entre le milieu de la pièce et sa console de mixage pour écouter le rendu de la prise. Son écoute est bien différente de celle de l’auditeurice qui visionnera la vidéo sur YouTube. Elle n’est pas (encore) orientée vers le morceau, ni même vers la performance de l’artiste dans son ensemble, mais concentrée sur la « propreté » du son. Elle lui permet d’ajuster le positionnement des microphones dans la pièce et d’éviter les saturations.

24De son côté, Romain prépare le matériel pour filmer la performance. Au moyen de deux projecteurs, il commence par éclairer la pièce d’une lumière blanche et homogène. Il m’explique que les caméras sont plus sensibles aux contrastes que l’œil humain. De cette manière, il évite les zones d’ombre qui risquent de créer des taches noires à l’image. Il positionne ensuite les trois caméras qu’il a à sa disposition. Comme me le précise Ertan, un des vidéastes que j’ai interviewés, ce nombre est défini dans les directives émises par Sofar Sounds. Il offre des plans suffisamment variés. Au fond de la pièce, la première caméra capturera un plan large statique sur les trois musiciennes ainsi que les premiers rangs du public. Au milieu du public, mais décalée de l’axe de la pièce, la deuxième caméra filmera un plan intermédiaire centré sur Erika M. Un cadreur venu renforcer l’équipe pour la soirée manipulera cette caméra. Romain, lui, opérera une troisième caméra, accroupi au premier rang. Il réalisera des plans serrés sur les gestes des musiciennes. Entre les morceaux, Romain et le cadreur filmeront également les différents protagonistes de la soirée. Ces images serviront de plans de coupe au montage.

25La notion de plan est ici importante. Comme celle de piste pour la captation du son, elle constitue l’unité de référence à travers laquelle Romain regarde la performance. C’est à partir de sa caméra qu’il voit ce qui va et ne va pas : un coin d’ombre, un instrument hors cadre, un objet incongru qui traîne à l’arrière-plan. Il passe derrière chaque caméra pour balancer les blancs et s’assurer de l’homogénéité des trois angles de vue. La variété de la composition des plans, leur luminosité, l’absence de zone d’ombre guident ses choix et définissent ce qui, pour les vidéastes, constitue un plan de qualité.

5. Le logiciel : un facteur de prises

28La suite du travail de production des vidéos poursuit cette division, à la fois, du travail et des matériaux du son et de l’image. Toutefois, l’intervention des deux techniciens ne sera plus simultanée, mais successive. La production débute par le mixage audio. J’insisterai davantage sur cette opération, car elle guide la suite de la production. Toutefois, cet ordre dans la temporalité du travail ne va pas de soi. Au cinéma par exemple, la production d’un film commence par le montage des images (Grimaud, 2003). Par ailleurs, ce ne sont pas toujours les mêmes personnes qui s’occupent des captations et du montage. Comme nous le verrons, ce hiatus a son importance et contribue au rapport des techniciens aux matériaux à leur disposition. Dans cette section, je décris de quelle façon les logiciels utilisés par Bastien et Romain organisent leurs perceptions des matériaux et leur permettent d’agir sur ceux-ci.

31Une fois importés dans le logiciel, les enregistrements gagnent en épaisseur. En plus du son diffusé dans les deux enceintes de part et d’autre de l’ordinateur, les différents signaux émis par le logiciel décomposent les enregistrements et en démultiplient l’écoute : des voyants lumineux indiquent la puissance du volume sonore, un minuteur donne le temps écoulé sur la piste, l’interface du logiciel permet de distinguer les différentes pistes. Pour mieux comprendre ce point, entrons davantage dans le détail du fonctionnement de Pro Tools. Sur l’écran de contrôle, chaque ligne correspond à une des pistes. Celles-ci sont représentées par leur « waveform », c’est-à-dire un graphique de l’intensité de leur signal sonore. La waveform renseigne les gestes de Bastien. Par exemple, lorsqu’il cherche le début d’une chanson, il parcourt la piste à la recherche des applaudissements qui s’intercalent entre les morceaux : « Tu vois ? Il y a des gros marqueurs ici [Il me montre la forme des ondes sur l’écran de son ordinateur]. Ça, c’est le public qui applaudit ». Il lance ensuite l’audio pour vérifier son observation.

32En observant Bastien, je comprends que l’engagement des perceptions de l’utilisateur ou de l’utilisatrice du logiciel va bien au-delà de ses seules oreilles. Par l’intermédiaire de l’écran et de la souris, le logiciel conditionne l’écoute et produit un rapport très particulier aux enregistrements. Grâce à la molette de sa souris, Bastien zoome et dézoome sur son écran pour parcourir les différentes pistes. En un clic, il en « mute » une (la rend silencieuse) ou la fait jouer « solo ». Je retrouve un dispositif relativement similaire avec Premier Pro, le logiciel de montage utilisé par Romain. Celui-ci simule le principe d’une régie de télévision. Comme Pro Tools, ce logiciel donne à Romain un large panel d’indications sur les images à sa disposition : un aperçu simultané des différents plans, des indicateurs sur leur luminosité, une timeline du montage. En d’autres termes, les logiciels donnent non seulement un accès, mais également un contrôle sur l’enregistrement.

33Comme le montrent Phillip Brooker et Wes Sharrock (2016), les logiciels organisent le travail et dessinent des capacités d’action. Ils sont des facteurs de prise : ils créent un contrôle sur les matériaux (Théberge, 1997 ; Thompson, 2004 ; Ribac, 2007 ; Bates, 2012 ; Zimmermann, 2015). Par leur médiation, les enregistrements deviennent malléables. Ici, un point décisif se joue : la qualité des captations se juge à l’aune de leur malléabilité vis-à-vis des opérations que les logiciels permettent d’entreprendre.

34Dans cette section, j’ai relevé qu’en « studio », face à leur ordinateur, Bastien et Romain se retrouvent dans une posture proche, même s’ils font appel à des savoir-faire et des problématiques propres à des champs de compétences distincts. Cette posture est bien différente de celle qu’ils adoptaient lors de la mise en place de la soirée : elle ne vise plus à évaluer la qualité d’une « prise », mais à prendre peu à peu prise sur les captations. Dans la section suivante, j’examine la manière dont le va-et-vient entre l’enregistrement et le « moment » de la soirée participe à l’instauration d’un morceau.

6. Indexer les matériaux : les difficiles allers-retours entre la soirée et son enregistrement

35Une fois les matériaux importés dans leurs logiciels respectifs, Bastien et Romain peuvent commencer le mixage et le montage à proprement parler. Dans cette section, je décris de quelle manière Bastien, puis Romain, reconstituent le lien entre les matériaux à leur disposition et la soirée. C’est à travers ce va-et-vient que les techniciens donnent une nouvelle forme à la performance des artistes. Ce passage s’effectue non seulement par un retour en arrière vers la performance, mais également par un saut en avant vers la réception à venir de la vidéo. Pour ce faire, ils composent une compréhension commune des qualités d’une vidéo Sofar Sounds qui guide leurs gestes et permet de coordonner leur travail.

Bastien lance l’audio. Sur l’enregistrement, Erika M introduit le morceau : « this song is for everyone who has been dismissed ». Puis, il met la lecture en pause et s’explique :
« Il est où le début ? Généralement, j’aime bien garder quand l’artiste parle au début de la chanson. Il présente la chanson, j’aime bien. Et je sais que de temps en temps Romain l’utilise [pour le montage vidéo]. Et puis voilà, c’est fait pour ça Sofar. C’est des artistes qui expliquent leur musique, c’est important pour moi. Après, Romain l’utilise s’il veut ou pas ».
Il place alors une balise avec le titre à l’endroit qu’il vient d’identifier comme le début du morceau (avant la prise de parole d’Erika M).

37« Où est le début ? » Lorsqu’on visionne la vidéo sur YouTube, cette question semble aller de soi. Pourtant, comme le précise Bastien, l’enjeu n’est pas seulement de trouver les premières notes. La question l’amène à revenir sur ce qu’est Sofar Sounds : « des artistes qui expliquent leur musique », selon ses termes. Assurément, pour lui, les quelques mots d’Erika M pour introduire son morceau en font partie intégrante. À l’aide de balises (une pour le début, une autre pour la fin), il instaure une nouvelle entité : le morceau. Celui-ci est clairement identifié par un titre et délimité dans le temps.

38Cette opération produit une description décisive de la performance. Bastien aurait pu faire un choix différent, mais l’endroit où il place la balise n’est pas pour autant le fruit du hasard. Au contraire, il repose sur un effort pour (se) représenter la soirée, son atmosphère — notamment en termes d’intimité et d’attention à la musique —, les caractéristiques d’un concert Sofar Sounds, ainsi que la musique de l’artiste, son « son » et ses manières de jouer. La comparaison avec d’autres terrains permet d’approfondir ce point. Dans son travail de thèse sur la numérisation des archives du Montreux Jazz Festival, Alexandre Camus (2019) souligne des enjeux relativement similaires. Les employés·es du projet ont pour mission de délimiter des « songs » dans les enregistrements complets des concerts. Toutefois, au contraire de Bastien, ils et elles découpent les morceaux au plus près des premières notes, parce que ces morceaux devront s’enchaîner dans un logiciel qui propose des playlists (Camus, 2019, p. 122). Le découpage de Sofar Sounds vise, lui, à faire entendre l’ambiance d’une soirée type. De ce point de vue, le travail des techniciens et techniciennes ne peut être cantonné, comme le font Andy Battentier et Giselinde Kuipers (2020), à une question technique ou matérielle qui s’opposerait à un travail d’intermédiation culturelle ou esthétique. Ces choix contribuent activement aux qualités finales de la production.

39Le travail d’indexation n’a pas seulement pour enjeu de délimiter le morceau dans le temps. Les équipes techniques doivent rattacher l’enregistrement audio aux images. « Je sais que […] Romain l’utilise [pour le montage vidéo] », précise Bastien. C’est à partir de ces deux balises que le vidéaste travaillera en suivant la temporalité dessinée par la bande audio. Après avoir soigneusement désintriqué le son des images, les deux techniciens s’appliquent à réarticuler leurs captations respectives de la soirée. Cette opération peut s’avérer délicate. Parfois, Romain se retrouve sans les bonnes images. Dans le cas d’Erika M, il renoncera finalement à la phrase introductive de la chanteuse et coupera la piste audio jusqu’aux premières notes, parce qu’en raison d’un retard à l’allumage de deux des trois caméras, il ne dispose pas d’images de l’artiste en train de parler.

40Ce travail de réarticulation est caractéristique de l’audiovisuel (Bovet et al., 2014) : raccrocher ensemble, à travers un détour par le compte-rendu commun de l’objet de la vidéo, le son et les images. La crainte absolue est, d’ailleurs, celle d’un délai entre ces deux matériaux. Pour tisser ce lien, les techniciens font appel à des éléments qui caractérisent Sofar Sounds : « l’ambiance », l’unicité du lieu, l’attention du public, la proximité entre les « invités » et les artistes. Dans ce travail, ingénieurs du son comme vidéastes sont préoccupés par l’écoute du morceau une fois celui-ci disponible sur YouTube. La vidéo doit à la fois s’adresser à une personne, qui seule devant son écran doit pouvoir apprécier la musique de l’artiste, et témoigner à distance de l’expérience d’une soirée Sofar Sounds.

42Dans cette section, j’ai montré que l’indexation des matériaux permet de réarticuler le son et les images. Dans ces allers-retours entre la performance et YouTube, les équipes techniques appréhendent les matériaux disponibles à partir de ce qui définit, de leur point de vue, une soirée Sofar Sounds. Cette compréhension mutuelle instaure, à partir des vidéos en train d’être produites, une « mise en ordre sensorielle » (Grosjean et al., 2021) qui guide les techniciens. La section suivante s’arrête sur la façon dont Bastien et Romain manipulent les matériaux après les avoir indexés.

7. Faire avec : un soin de la manipulation

43Dans cette dernière section, je décris le soin que les techniciens portent aux matériaux qu’ils ont à leur disposition lorsqu’ils les manipulent. Dans cette attention se joue non seulement la qualité du produit audiovisuel final, mais également celle de leurs interventions. Les techniciens se trouvent alors face à la précarité de leur propre travail et des conditions avec lesquelles ils doivent composer.

44Maintenant que Bastien a délimité le morceau qu’il va mixer, il commence à travailler chaque piste de manière individuelle. Bastien renforce son engagement perceptif. Son écoute se transforme encore. Il parcourt les pistes à la recherche de « problèmes » : notamment, des saturations ou des bruits parasites. Bastien s’applique ensuite à les « réparer ». Il m’explique que ses interventions ne peuvent pas être trop brutales. Ce soin apparaît encore plus clairement lorsqu’il est confronté à un troisième type de « problème » : des sons qu’il identifie comme extérieurs à la performance.

« [En écoutant les pistes des choristes, Bastien réalise qu’elles rient pendant quelques instants] Mais pourquoi vous vous marrez ? Je vais faire un truc que personne ne va remarquer. [Il baisse le son de différentes pistes identifiées avec la voix des choristes pendant le temps des éclats de rire]
— Et pourquoi tu ne coupes pas simplement ?
— Si tu coupes, je vais te montrer [Il s’exécute et coupe la partie où les deux choristes rigolent].
— Tu as l’impression qu’elles entrent et qu’elles sortent de la pièce.
— Le truc, c’est que ça fait vraiment « hum, hum » [il imite le son coupé]. Tu vois ce que je veux dire ? Il y a quand même une ambiance derrière. Si tu fais de l’audio pour un film, tu appellerais ça de la room tone. C’est un truc dont tu n’as pas conscience que c’est là, mais ça l’est. Sur le court métrage sur lequel je suis en train de bosser, il y a un problème sur la room tone et tu l’entends. Le gars qui a pris le son l’a pris à différents niveaux et du coup tu l’entends. C’est réparable, mais difficilement ».

45Pour le dire autrement, Bastien est inquiet que cette absence — même silencieuse — soit décelée par l’auditeurice. J’observe le même soin chez Romain. Ce dernier préfère introduire un plan de coupe plutôt que de recarder un plan mal ajusté. Comme les effaceurs de graffitis qui veillent à ne pas laisser de « taches de propreté » après leurs interventions (Denis et Pontille, 2020b), ces manipulations appellent une attention renforcée tant aux enregistrements qu’aux techniques pour les éditer. Elles se rapprochent d’une nécessité de « faire avec », c’est-à-dire de composer avec la matière à disposition malgré ses résistances (Rosselin et al., 2015). Le soin que requièrent leurs interventions éprouve les deux techniciens : il met en jeu la qualité de leur travail et leurs compétences.

48De plus, « faire avec » n’est pas uniquement l’enjeu d’une précarité face aux matériaux qu’ils manipulent. Cette précarité s’inscrit dans l’organisation du travail de Sofar Sounds. Bastien, comme Romain n’ont ni tout à fait les moyens, ni surtout le temps pour mener à bien ces tâches pour lesquelles ils sont uniquement dédommagés et pas proprement rémunérés. Comme me l’explique un technicien basé dans une autre ville, « [le travail] s’arrête là, parce qu’on n’a pas les moyens de passer des heures et des heures sur ces montages-là qui sont payés au lance-pierre ». C’est aussi avec ce cadre organisationnel — caractéristique de la production audiovisuelle où le temps de travail est souvent dicté par le nombre de jours de tournage ou de studio — qu’ils doivent composer. Ce cadre constitue l’expérience de leur travail. À plusieurs reprises au cours de mon enquête, Bastien et Romain m’ont fait part de moments de lassitude.

49En résumé, on constate que le travail des techniciens de Sofar Sounds consiste à « faire avec » les matériaux à disposition, plutôt qu’à créer un nouvel objet de toute pièce. Cette précaution appelle une attention fine aux matériaux, notamment permise par la médiation des logiciels. La difficulté est renforcée — par rapport au cinéma, par exemple — par le fait que la soirée n’est enregistrée qu’une seule fois. Toutefois, ce cadre confère également un caractère particulier au résultat ; comme le relève EclR — un rappeur interviewé —, il n’y a « pas des défauts, mais des petits bruits parasites, des petits trucs, je trouve que ça va avec la vie du moment, quoi ». Cette manière de rendre la musique présente prolonge l’aspect inédit, unique et éphémère que les artistes cherchent à donner à leur performance lorsqu’ils et elles se produisent dans une soirée Sofar Sounds (Riom, 2023a). Une fois en ligne, la vidéo donne au morceau une originalité nouvelle (Latour et Lowe, 2011), qui complète d’autres versions éventuellement disponibles en ligne : un clip, d’autres performances filmées ou simplement l’album.

8. Vers une sociologie de la captation audiovisuelle

50Dans cet article, en prolongeant le projet d’une « sociologie de l’intermédiaire » d’Antoine Hennion (1983), j’ai décrit la façon dont les sens des techniciens de Sofar Sounds sont mis au travail au cours des différentes opérations de production de vidéos destinées à être publiées sur YouTube. Nous avons vu qu’après avoir pris soin de désintriquer le son et les images, les techniciens s’appliquent à réarticuler ces deux types de matériaux en les indexant à leurs souvenirs de la soirée à travers un compte-rendu commun. Cette enquête engage la perception des techniciens bien au-delà de leurs seuls yeux ou leurs seules oreilles. Décrire finement leur activité permet de rendre compte de l’épaisseur de leur engagement sensoriel ainsi que de sa distribution dans des équipements — notamment des logiciels — et son inscription dans une organisation collective du travail. De plus, prendre au sérieux cette mise au travail des sens permet de montrer que le mixage et le montage ne sont pas uniquement des opérations techniques, mais façonnent les qualités des vidéos produites.

51Au moment où l’audiovisuel joue un rôle prépondérant dans les promesses d’un numérique plus immersif, il me semble important de relever au moins trois contributions de cet article. L’enjeu porte sur une compréhension plus approfondie de ces professions qui, souvent dans l’ombre, participent à façonner nos expériences sensibles et nos écosystèmes attentionnels (Citton, 2014 ; Auray, 2017). Premièrement, tout au long du processus de production, les façons de percevoir — d’écouter ou de voir, notamment — se transforment. Si, lors de la mise en place, les techniciens font avant tout attention aux qualités de la prise de son et de la prise d’image, le logiciel et les différentes opérations de la production — indexation, réparation — appellent d’autres manières de regarder et d’écouter. Ce résultat souligne la nécessité d’une attention non seulement à l’équipement des sens au travail, mais également aux modalités de la perception et à leur évolution au fil des étapes de l’activité. Il permet aussi de réaffirmer la pluralité des formes des engagements perceptifs (Coulter et Parsons, 1990) : il n’y a jamais une seule manière de voir ou d’écouter. Au contraire, c’est l’hétérogénéité des modalités de perception qu’il est intéressant de déplier. De ce point de vue, il n’est pas inutile de noter que l’intervention de dispositifs numériques n’annule ni n’automatise l’enjeu de la perception mais, au contraire, le déplace et le recompose (Bidet, 2008 ; Ribac, 2012 ; Rot et Vatin, 2016).

52Deuxièmement, j’ai souligné les liens entre les qualités des produits audiovisuels finis et les perceptions déployées par les professionnel·les. On peut ici rapidement récapituler les qualités principales des vidéos Sofar Sounds par comparaison avec d’autres contenus audiovisuels pour situer les savoirs perceptifs mobilisés dans leur production. Pour commencer, le son construit la narration (à l’inverse du film par exemple). Les images viennent l’illustrer, tout en exerçant une nécessité de cohérence. La manière dont les images et le son sont articulés se différencie sur ce point du clip où les images illustrent la musique sans obligatoirement passer par un compte-rendu de la performance. Ensuite, si la production des vidéos s’inscrit dans la continuité de la façon dont l’enregistrement moderne a été problématisé autour des notions de fidélité et de stéréophonie (Thompson, 1995 ; Clarke, 2005), elle s’en écarte aussi. Les techniciens de Sofar Sounds cherchent à capter un « moment ». Ils font apparaître le public, le lieu et « l’ambiance ». De cette manière, ils visent à faire percevoir, à distance, ce qu’ils comprennent comme les qualités d’une soirée Sofar Sounds : le partage d’une forme d’intimité avec la performance et de proximité avec les artistes. On retrouve des procédés relativement similaires dans d’autres formats de performances musicales filmées comme la Blogothèque (Desrochers, 2010) ou les Boiler Room (Heuguet, 2014). Composer cette mise en ordre sensorielle mobilise une attention à des indices ou à des signes différents de ceux de l’enregistrement en studio. À la suite de Fernando Dominguez Rubio (2020), j’ai qualifié cette mise en ordre de mimographique parce qu’elle consiste à « faire avec » les matériaux à disposition pour prolonger la performance sous une forme nouvelle : une vidéo publiée sur YouTube.

53Troisièmement, j’ai insisté sur la précarité du travail de production audiovisuelle. D’une part, la production audiovisuelle est précaire parce que les gestes des techniciens ne sont pas donnés, ni ne suivent un protocole déjà tout tracé. Au contraire, ils sont nourris de doutes et reposent sur un travail contingent de composition avec les matériaux. À ce titre, la production éprouve les techniciens et remet en jeu leurs expertises sensorielles. D’autre part, la production audiovisuelle est précaire parce que ce travail n’est pas tout à fait viable (Tsing, 2017), au sens où les techniciens manquent de ce dont ils ont besoin pour le mener à bien. Ce qui fait justement l’attachement des techniciens à la production de vidéos Sofar Sounds — par rapport aux emplois qui leur permettent de gagner leur vie — peut facilement (les) déborder. Ils doivent composer avec une organisation du travail qui ne correspond pas à ce que leur perception les invite à entreprendre, et risquent de ne pas savoir mettre fin à une tâche qui peut alors devenir disproportionnée. Il y a dans le travail perceptif quelque chose qui relève d’un risque attentionnel. De ce point de vue, poser la question des sens permet aussi de ressaisir dans des termes plus proches de l’activité des questions qui portent sur l’expérience du travail et de son caractère éventuellement précaire (Bidet, 2011 ; Denis et Pontille, 2022).