Depuis 2010, les formats de fichiers sont passés de blobs propriétaires centrés sur le bureau à des conteneurs ouverts, natifs du cloud et prêts pour l’IA. Les principaux changements sont :

• Stockage d’abord cloud – les formats prennent désormais en charge le streaming, les lectures partielles et la collaboration en temps réel (Google Docs, Office 365).
• Élan des standards ouverts – les codecs libres de droits (AV1, AVIF, WebP) et les formats de données (Parquet, Arrow) dominent pour éviter le verrouillage propriétaire.
• Efficacité de compression et de bande passante – HEVC, AV1, JPEG‑XL, Zstandard et Brotli réduisent la taille des fichiers de 30‑60 % tout en préservant la qualité.
• Métadonnées, sécurité et provenance – des XMP/EXIF plus riches, des signatures numériques et des conteneurs chiffrés protègent l’intégrité et répondent aux exigences réglementaires.
• Structures prêtes pour l’IA et auto‑descriptives – TFRecord, Parquet et Arrow permettent aux machines de lire les données sans analyseurs personnalisés, alimentant les pipelines de big data et les charges de travail ML.

Pourquoi la dernière décennie compte

Lorsque vous ouvriez un fichier en 2010, il s’agissait généralement d’un artefact statique et local : un PDF que vous imprimiez, un JPEG que vous envoyiez par e‑mail, ou un ZIP que vous stockiez sur un disque dur. Avance rapide jusqu’en 2024 et le même fichier peut vivre dans un bucket cloud, être édité simultanément par des dizaines d’utilisateurs, et porter une signature cryptographique prouvant qui l’a créé. Cette transformation est portée par trois macro‑tendances :

Ces forces se répercutent dans tous les domaines — documents, images, audio, vidéo, archives et conteneurs de big data—et obligent les organismes de normalisation (ISO, W3C, IETF, AOM) à itérer plus rapidement que jamais.

Formats de documents et de données : des PDF à Parquet

Les documents deviennent sécurisés, recherchables et riches en multimédia

• PDF 2.0 (ISO 32000‑2, 2021) a ajouté une cryptographie plus forte, des métadonnées XMP plus riches et une meilleure accessibilité. Il a également introduit PDF/A‑4 pour l’archivage à long terme avec provenance intégrée.
• Office Open XML (OOXML) a suivi le co‑authoring en temps réel dans Office 365, intégrant des ressources liées au cloud directement dans le paquet de fichiers.
• OpenDocument Format (ODF) a gagné en popularité dans les administrations publiques européennes grâce aux mandats de l’UE pour des standards ouverts et libres de redevances.
• ePub 3.x a transformé les livres électroniques en pages web complètes (HTML5, MathML, audio/vidéo), permettant des manuels interactifs et des livres audio.

Les pipelines de big data ont migré vers des conteneurs auto‑descriptifs et columnaires

• Parquet est devenu le format de stockage de facto pour Spark, Hive et Presto, offrant le filtrage par prédicats et une compression efficace.
• Apache Arrow a introduit une disposition columnaire en mémoire, indépendante du langage, qui permet un échange de données sans copie entre Python, Java et Rust.
• Avro et ORC restent populaires pour le streaming (Kafka) et les charges de travail Hive, respectivement, car ils stockent le schéma avec les données, simplifiant l’évolution.

Le résultat net ? Un document ou un jeu de données peut traverser les clouds, être indexé par l’IA et conserver son historique complet sans verrouillage propriétaire.

Images, audio et vidéo : la course à la compression

Images – HDR, animation et décodage progressif

• HEIF/HEIC (2015) a exploité la compression HEVC pour réduire de moitié la taille des fichiers JPEG tout en supportant une profondeur de 16 bits et le HDR. Apple l’a rendu par défaut sur iOS 11, poussant l’écosystème vers des photos à gamme étendue.
• AVIF (2020‑2024), construit sur le codec AV1, offre désormais une réduction de taille de 50 % par rapport au JPEG avec prise en charge lossless et HDR. Chrome, Firefox et Android intègrent tous des décodeurs natifs.
• JPEG‑XL (2022) promet des modes lossless et lossy, un rendu progressif et une compression supérieure à WebP et AVIF, et est déjà utilisé par Cloudflare pour la diffusion d’images.
• WebP a ajouté l’animation, des améliorations lossless et la prise en charge des profils ICC dans la version 1.2, en faisant le format de référence pour les graphiques web sur Chrome et Android.

Audio – Streaming à faible latence et lossless

• Opus (RFC 6716, 2012) est devenu le codec par défaut pour WebRTC, Discord et Zoom, offrant une voix de haute qualité à moins de 64 kbps avec une latence inférieure à 10 ms.
• FLAC a connu une résurgence lorsque des services premium (Tidal, Qobuz) ont ajouté des niveaux lossless, tandis que ALAC est devenu libre de redevances après que Apple l’a open‑source en 2011.
• Les émergents MPEG‑H 3D Audio et Dolby Atmos ADM préparent le terrain pour des fichiers audio spatiaux pouvant être diffusés avec la vidéo.

Vidéo – Du domination du H.264 à l’AV1 libre de redevances

• HEVC/H.265 (2013) a réduit le débit d’environ 50 % par rapport au H.264, permettant le streaming 4K et 8K sur une bande passante limitée.
• VP9 (2013) et AV1 (spécification publiée 2018, utilisation en production 2020+) ont offert des alternatives libres de redevances ; AV1 bénéficie désormais d’une accélération matérielle sur Intel Xe, Nvidia RTX 40 et Apple Silicon.
• HEVC‑SCC (2023) a optimisé le codage de contenu d’écran pour les bureaux à distance et le cloud gaming, réduisant les artefacts sur le texte et les éléments d’interface.
• Convergence des conteneurs : ISO‑BMFF (MP4) et WebM prennent désormais en charge plusieurs codecs, sous‑titres et métadonnées HDR, simplifiant le streaming adaptatif (MPEG‑DASH, HLS).

Quelles sont les prochaines étapes ? Formats intégrés à l’IA, provenance‑first et conteneurs unifiés

• Formats prêts pour l’IA – Le projet PDF 3.0 (2024) propose d’intégrer des graphes d’inférence, permettant la recherche de texte numérisé sans pipelines OCR séparés.
• Provenance basée sur la blockchain – Des projets comme les fichiers IPFS CAR intègrent des hachages d’arbre Merkle, permettant une distribution infalsifiable pour les données scientifiques et l’art numérique.
• Conteneurs audio spatiaux – MPEG‑H 3D Audio et Dolby Atmos ADM passent de la diffusion à la diffusion grand public, nécessitant de nouveaux enveloppes de fichiers transportant des métadonnées audio basées sur des objets.
• Concepts de conteneur multimédia unifié (UMC) – Les discussions du groupe de travail ISO‑BMFF visent à créer un conteneur unique pouvant contenir vidéo, audio, sous‑titres, géométrie 3D (glTF) et métadonnées AR, réduisant le « jonglage de formats » dans les expériences immersives.
• Signatures post‑quantique – Des expériences précoces intègrent des signatures Dilithium ou Falcon dans PDF/A‑4 et ODF, préparant un futur où les RSA/ECDSA classiques pourraient être vulnérables.

Pour les développeurs et les créateurs de contenu, le message est clair : choisissez dès maintenant des formats ouverts et auto‑descriptifs. Ils seront plus faciles à sécuriser, moins coûteux à licencier et prêts pour les pipelines pilotés par l’IA qui domineront la prochaine décennie.

Tableau récapitulatif (d’un coup d’œil)

Si vous stockez encore tout sous forme de simple ZIP, il est temps de passer à la vitesse supérieure. Choisissez un format qui correspond au support (cloud, mobile, IA) et le futur vous remerciera.

Tags: #file-formats #tech-history #cloud-native
Slug: file-formats-history-2010-2024