Université Tunis El Manar, Faculté des sciences de Tunis

Département Informatique

Cours
présentée par : Dr Hanen BOUHADDA JOMNI

Anné universitaire : 2023/2024

Discipline / Spécialité : Classe préparatoire /MI

Traitement du signal
"La connaissance s'acquiert par l'expérience, tout le reste n'est que de l'information."
Albert Einstein
Table des matières

1 Introduction 9

Introduction 9
1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.2 Fonctions de la TS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.3 Classication des signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.3.1 Classication dimensionnelle . . . . . . . . . . . . . . . . . . . . . . . 14

1.3.2 Classication phénoménologique . . . . . . . . . . . . . . . . . . . . 15

1.3.3 Classication énergétique . . . . . . . . . . . . . . . . . . . . . . . . 15

1.3.4 Classication morphologique . . . . . . . . . . . . . . . . . . . . . . 16

1.3.5 Classication spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.4 Signaux théoriques standards . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.4.1 Fonction signe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.4.2 Fonction Échelon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.4.3 Fonction Porte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.4.4 Fenêtre triangulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.4.5 Fonction Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1.4.6 Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1.4.7 Fonction Sinus cardinal . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

1.6 Questions de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2 Filtrage linéaire 23
TABLE DES MATIÈRES

2.3 La série de Fourier et transformée de Fourier . . . . . . . . . . . . . . . . . 30

2.3.1 Série de Fourier des signaux périodiques . . . . . . . . . . . . . . . . 30

2.3.2 Série de Fourier en cosinus . . . . . . . . . . . . . . . . . . . . . . . . 31

2.3.3 Transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.4 Signaux à énergie nie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

2.4.1 Notion de corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

2.4.2 Densité spectrale d'énergie . . . . . . . . . . . . . . . . . . . . . . . . 42

2.5 Signaux à puissance nie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

2.5.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

2.5.2 Propriétés de la fonction de corrélation . . . . . . . . . . . . . . . . . 45

2.5.3 Fonction d'autocorrélation et DSP de signaux périodiques . . . . . . 47

2.6 Relation convolution corrélation . . . . . . . . . . . . . . . . . . . . . . . . 47

3 Échantillonnage et reconstruction des signaux 49

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.2 Analyse temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.2.1 Types de signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.2.2 Signal binaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3.2.3 Échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3.2.4 La quantication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3.2.5 Choix d'un ltre et de la fréquence d'échantillonnage . . . . . . . . . 56

3.2.6 Le codage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

3.3 Reconstruction du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

3.3.1 Convertisseur N-A . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

3.3.2 Interpolateur idéal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

3.3.3 Filtre de reconstruction ou de lissage . . . . . . . . . . . . . . . . . . 59

4
TABLE DES MATIÈRES

4 Signaux et systèmes numériques 61

4.1 Rappel les ltres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.2 Transformée en z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

4.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

4.2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

4.3 Filtres numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

4.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5
TABLE DES MATIÈRES

6
Liste des tableaux

7
LISTE DES TABLEAUX

8
Table des gures

1.1 Schéma générale d'une communication radio. . . . . . . . . . . . . . . . . . 9

1.2 Les transformations subissent par un signal radio. . . . . . . . . . . . . . . . 11

1.3 Chaine de transmission globale. . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.4 Relations entrée/sortie en présence de perturbations. . . . . . . . . . . . . . 12

1.5 Synthèse de signaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.6 Modulation d'amplitude. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.7 La chaîne de traitement de l'information et le TS. . . . . . . . . . . . . . . . 13

1.8 Chaîne de transmission numérique. . . . . . . . . . . . . . . . . . . . . . . . 14

1.9 Signaux déterministes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1.10 Fonction signe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.11 Fonction Échelon. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.12 Fonction porte de largeur 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.13 Fonction triangulaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1.14 Impulsion de Dirac et peigne de Dirac. . . . . . . . . . . . . . . . . . . . . . 20

1.15 La fonction Sinus Cardinal. . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.1 Système linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.2 Linéarité d'un système SLIT . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.3 Invariance d'un système SLIT . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.4 Réponse fréquentielle d'un SLIT. . . . . . . . . . . . . . . . . . . . . . . . . 25

9
TABLE DES FIGURES

2.5 Réponse impulsionnelle d'un SLIT. . . . . . . . . . . . . . . . . . . . . . . . 26

2.6 Relation entrée/sortie d'un SLIT. . . . . . . . . . . . . . . . . . . . . . . . . 27

2.7 Causalité d'un ltre. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2.8 Échantillonnage de la fonction x(t). . . . . . . . . . . . . . . . . . . . . . . . 30

2.9 Relations entre les 3 représentations spectrales. . . . . . . . . . . . . . . . . 32

2.10 Module et phase de Xn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2.11 TF de x(t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

2.12 Choix du Fe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

2.13 Fonction d'autocorrélation et la densité spectrale d'énergie. . . . . . . . . . 43

3.1 Traitement analogique/numérique d'un signal x(t). . . . . . . . . . . . . . . 49

3.2 Divers types de signaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3.3 Échantillonnage idéal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3.4 Loi de quantication uniforme et signal d'erreur pour un convertisseur 4 bits. 54

3.5 Numérisation d'un signal analogique et bruit de quantication. . . . . . . . 55

3.6 Reconstruction d'un signal triangulaire à l'aide d'un interpolateur idéal. . . 59

4.1 Les ltres classiques. L'axe horizontal représente la dimension fréquentielle,

l'axe vertical le module de la fonction de ltrage |G(f )|. . . . . . . . . . . . 62

4.2 Notion de Transformée en Z d'un signal numérique. . . . . . . . . . . . . . . 63

4.3 Transformée en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

10
Chapitre 1

Échantillonnage et reconstruction des

signaux

1.1 Introduction

La plupart des signaux que l'on doit traiter et analyser tels que la parole, les signaux
biologiques, sismiques, radars, audio ou vidéo sont analogiques par nature. C'est-à-dire
qu'ils sont fonction d'une variable continue, le temps, et qu'eux-mêmes varient de manière
continue. Ces signaux peuvent être traités analogiquement à l'aide de ltres par exemple.
Les signaux d'entrée et de sortie sont alors analogiques. Voir gure 3.1

Figure 1.1  Traitement analogique/numérique d'un signal x(t).

Souvent, pour des raisons de simplicité, de précision, de stockage de l'information, de

exibilité, etc, un traitement numérique équivalent est possible et préférable. On utilise

11
1.2. ANALYSE TEMPORELLE

alors des convertisseurs analogiques-numériques (CAN) et numériques-analogiques (CNA)

pour relier au processeur numérique les signaux analogiques d'entrée et de sortie.voir gure
3.1

1.2 Analyse temporelle

1.2.1 Types de signaux

De manière générale, les signaux peuvent être classés dans les catégories suivantes :
 Signaux continus en temps et en amplitude : x(t). On les appelle également signaux
analogiques (gure 2.2a) ; ils proviennent généralement de processus physiques.
 Signaux discrets en temps, continus en amplitude : xe (t = nTe ). Ce sont les signaux
échantillonnés (gure 2.2b). Ils ne sont dénis qu'à des instants déterminés multiples
de la période d'échantillonnage Te , mais leur amplitude peut varier de manière
continue.
 Signaux discrets en temps et en amplitude : xq [n]. De tels signaux sont quantiés
en amplitude ; ils ne peuvent prendre que des valeurs déterminées, généralement,
multiples d'un pas de quantication. Ce sont les valeurs numériques fournies par
les convertisseurs analogiques-numériques (CAN). Ils ne sont dénis qu'aux instants
d'échantillonnage et correspondent aux signaux numériques (gure 2.2c).
 Signaux continus en temps, discrets en amplitude : xq (t). Ce sont des signaux quan-
tiés similaires à ceux décrits dans l'élément d'avant , dont la valeur est maintenue
par un bloqueur d'ordre zéro entre 2 périodes d'échantillonnage (gure 2.2d). Ces
signaux correspondent à ceux fournis par les convertisseurs numériques-analogiques
(CNA).

12
1.2. ANALYSE TEMPORELLE

Figure 1.2  Divers types de signaux.

1.2.2 Signal binaire

Le signal binaire présente l'avantage d'être peu sensible aux perturbations, les valeurs
possibles de tension étant très distinctes. Ce type de signal ore la possibilité d'un traite-
ment informatisé, un ordinateur ne pouvant eectuer des opérations que sur des nombres
binaires. Tout signal doit être numérisé avant d'être exploité ou modié informatiquement.
En revanche un signal recomposé à partir de sa version numérique présente des  éche-
lettes  donc n'est pas une copie conforme du signal analogique de départ. Un système
numérique est constitué de nombreux composants électroniques formant un circuit élec-
trique complexe. À l'image des deux états possibles d'un courant électrique (il passe ou il
ne passe pas), un système numérique utilise le langage binaire : un  0  pour une tension
basse (ou un courant qui ne passe pas) et un  1  pour tension haute (ou un courant qui
passe).

1.2.3 Échantillonnage

Correspond à un prélèvement pendant un temps inniment court des valeurs de x(t) à

t = nTe

13
1.2. ANALYSE TEMPORELLE

Figure 1.3  Échantillonnage idéal.

1.2.3.1 Modélisation mathématique

L'échantillonnage correspond à la multiplication de x(t) par un peigne de Dirac ωTe (t)

xe (t) = x(t).ωTe (t)
+∞
X
= x(t). δ(t − nTe )
n=−∞

+∞
En utilisant la propriété x(t).δ(t−t0 ) = x(t0 ).δ(t−t0 ), on obtient xe (t) =
P
x(nTe )δ(t−
n=−∞
nTe )

1.2.3.2 théorème de Shannon

La condition nécessaire et susante pour échantillonner un signal sans perte d'infor-

mation est que la fréquence d'échantillonnage Fe soit supérieure ou égale au double de la
fréquence maximale du signal. Plus précisément, si on note Fmax la fréquence maximale
du signal, il faut et il sut que : Fe ≥ 2.Fmax . Pour Fe xée, F2e est appelée fréquence de
Nyquist : c'est la fréquence maximale admissible du signal pour éviter les distorsions de
spectre.

1.2.4 La quantication

Approximer chaque valeur du signal échantillonné xe (t) par un multiple entier d'une
quantité élémentaire Q appelée "pas de quantication" ou quantum. Si Q est constant

14
1.2. ANALYSE TEMPORELLE

quelle que soit l'amplitude du signal, on parle de quantication uniforme.

1.2.4.1 Principe

Il existe principalement deux modes de quantication

 par arrondi : si N − 1
.Q ≤ xe (t) < (N + 21 ).Q alors à xe (t) on associe le code N


2

ou la valeur N.Q
 par troncature : si N.Q ≤ xe (t) < (N + 1).Q alors à xe (t) on associe le code N ou la
valeur N.Q
La quantication introduit une erreur modélisable mathématiquement, et que l'on peut
considérer comme une variable aléatoire. Pour conclure la quantication est une approxi-
mation d'une amplitude continue par une amplitude discrète : On fait correspondre à
l'amplitude de chaque échantillon une valeur d'un ensemble de 2n valeurs possibles.

1.2.4.2 Pas de quantication

Le convertisseur A-N eectue la numérisation d'un signal analogique après échantillon-

nage et délivre des séquences numériques codées avec un pas de quantication Q dépendant
du nombre de bits du convertisseur. Dans le cas d'une loi de quantication uniforme ou
les valeurs codées sont obtenues par arrondi dans le domaine de conversion ∆CAN du
convertisseur, on a :
∆CAN
Q= (1.1)
2n
Considérant pour la suite que le CAN travaille avec n bits entre +Umax et −Umax , on a
∆CAN = 2Umax et le pas de quantication vaut alors

∆CAN 2Umax Umax

Q= = = n−1 (1.2)
2n 2n 2

Le pas de quantication Q rapporté au domaine de conversion ∆CAN dénit la résolution

du convertisseur
Q 1
RQ = = (1.3)
∆CAN 2n
On dit, de manière équivalente, que la résolution est égale au poids du bit le plus faible du
convertisseur. Lorsque les valeurs codées sont obtenues par arrondi, l'erreur due au codage
se répartit uniformément autour de la droite de conversion idéale et la caractéristique de

15
1.2. ANALYSE TEMPORELLE

codage est celle représentée à la gure 3.4. Dans le domaine de quantication, l'erreur
maximum due à la quantication vaut alors :
Q Umax
EQ = = (1.4)
2 2n

Figure 1.4  Loi de quantication uniforme et signal d'erreur pour un convertisseur 4 bits.

1. Exemple : Par exemple, si l'on considère un CAN 4 bits travaillant entre ±8[V ], on
aura
∆CAN = 16[V ] Q= 16[V ]
24
= 1.00[V ] EQ = 0.50[V ] RCAN = 1
16 En
observant attentivement la gure 3.4, on voit que le domaine de conversion s'étend plus
précisément de Umin = −8 − 0.5 = −8.5[V ] à Umax = +8 − 0.5 = 7.5[V ]. Ce qui donne
bien évidemment ∆CAN = 16[V ].

1.2.4.3 Bruit de quantication

Nous venons de voir que l'opération de quantication remplace chaque valeur du signal
x(t = nT e) par une approximation. L'eet de cette approximation revient, mathémati-
quement, à superposer au signal d'origine x(t) un signal d'erreur e(t) que l'on appelle le
bruit de quantication. L'amplitude maximum de ce signal d'erreur est EQ = Q
2 tel que
le montre la gure 3.5. Sa puissance est une mesure de la dégradation que subit le signal.

16
1.2. ANALYSE TEMPORELLE

Si le pas de quantication est beaucoup plus petit que l'amplitude du signal x(t), on peut
raisonnablement admettre que le signal d'erreur est constitué de segments de droite com-
pris entre ± Q2 et de durée variable ∆t (gure 3.5). L'équation décrivant ce signal d'erreur
élémentaire s'écrit alors

Figure 1.5  Numérisation d'un signal analogique et bruit de quantication.

Q ∆t ∆t
e(t) = .t − ≤t≤+ (1.5)
∆t 2 2

et sa puissance moyenne vaut :

+ ∆t
2
Z
1
PQ = |e(t)|2 dt
∆t
− ∆t
2

+ ∆t
Z 2 (1.6)
1 Q 2
= ( .t) dt
∆t ∆t
− ∆t
2

1 Q 2 1 ∆t 3
= .( .t) . .2( )
∆t ∆t 3 2
Ce qui donne nalement le résultat bien connu pour une distribution statistique uniforme :
EQ2
Q2
PQ = 3 = 12 La valeur ainsi obtenue est une estimation de la puissance du bruit de
quantication susante pour la plupart des cas réels. Si l'on exprime cette puissance par

17
1.2. ANALYSE TEMPORELLE

rapport au nombre de bits du convertisseur, on obtient : PQ = 1 2.Umax 2

12 .( 2n ) = ( 2Unmax
√ )2
. 3

La puissance du bruit de quantication PQ permet de calculer la valeur ecace du bruit

de quantication qui vaut :
√Q .
p
Qef f = PQ = 12

1.2.4.4 Rapport signal sur bruit

Lorsque qu'un signal est perturbé par du bruit, il est nécessaire de chirer l'importance
de cette perturbation par rapport au signal. On introduit alors la notion de rapport signal
sur bruit (SNR : Signal to Noise Ratio) déni comme le quotient entre la valeur ecace du
signal Xef f et celle du bruit Nef f :
Xef f
SN R = Nef f

Dans notre cas, le bruit est dû à la quantication du signal. On a donc Nef f = Qef f avec
Qef f = √Q . Le rapport signal sur bruit d'un convertisseur vaut alors :
12

Xef f √ Xef f
SN R = = 2n−1 12 (1.7)
√Q Umax
12

Exprimé en [dB], ce rapport signal sur bruit vaut :

SN RdB = 20log(SN R)
ef fX
= (n − 1).20.log(2) + 10log(12) + 20log( Umax )
ef fX
SN R ≈ 6.n + 4, 8[dB] + 20log( Umax )

On voit ainsi que le rapport signal sur bruit d'un convertisseur A − N dépend de son
domaine de conversion et de la valeur ecace du signal.

1.2.5 Choix d'un ltre et de la fréquence d'échantillonnage

Lors d'une conversion A-N, deux eets négatifs apparaissent :

 le recouvrement spectral causé par l'impossibilité d'avoir un ltre idéal ;
 la limitation du rapport signal sur bruit due à la résolution du convertisseur.

18
1.3. RECONSTRUCTION DU SIGNAL

Généralement le nombre de bits et la bande passante nécessaires sont xés par l'applica-
tion ; il reste donc à trouver la fréquence d'échantillonnage fe et l'ordre n du ltre anti-
recouvrement(Connaissant ce domaine d'intérêt, délimité par la fréquence fmax , on pourra
éviter le recouvrement spectral en ltrant analogiquement le signal x(t) avant son échan-
tillonnage. Comme il n'est pas possible, avec un ltre réel, de supprimer totalement les
fréquences supérieures à fmax , on est amené à accepter l'eet d'un léger recouvrement
spectral). Le critère le plus fréquemment admis pour trouver ces deux valeurs est le sui-
vant : L'eet du recouvrement doit être inférieur à la résolution liée à la quantication et
à la non linéarité du convertisseur CAN.
1
fe > fc .(1 + (2n−1 ) m ) (1.8)

Avec m est l'ordre du ltre On notera que si l'on souhaite utiliser un ltre d'ordre 2
seulement avec un convertisseur 8bits, il faut choisir une fréquence d'échantillonnage 13
fois supérieure à la fréquence de coupure fc . Alors que, si l'on adopte un ltre d'ordre
8, une fréquence d'échantillonnage 3 à 5 fois supérieure à la fréquence de coupure sut
suivant le nombre de bits du CAN. C'est pourquoi, admettant que l'échantillonneur est
précédé d'un ltre anti-recouvrement d'ordre 8, on propose généralement une fréquence
d'échantillonnage telle que :
fe = (3...5).fmax

1.2.6 Le codage

Les 2n niveaux quantiés vont être codés par des valeurs numériques (une suite de n
bits).

1.3 Reconstruction du signal

1.3.1 Convertisseur N-A

Le convertisseur N-A convertit un signal numérique en un signal analogique. Son but

est de fournir un signal continu entre chaque échantillon. Cette opération consiste à réaliser
une interpolation continue entre les valeurs numériques fournies par le processeur à chaque

19
1.3. RECONSTRUCTION DU SIGNAL

période d'échantillonnage. On peut imaginer diérents interpolateurs allant du simple au

compliqué :
 l'interpolateur d'ordre 0 qui maintient constante la valeur numérique fournie ;
 l'interpolateur d'ordre 1 qui relie linéairement deux valeurs numériques successives ;
 l'interpolateur d'ordre 2 qui relie paraboliquement trois valeurs numériques succes-
sives ;
 l'interpolateur idéal qui remplace chaque valeur numérique par un sinus cardinal.
L'interpolateur le plus simple est celui d'ordre zéro et c'est également celui qui est réalisé
par un convertisseur numérique-analogique classique. Il est souvent désigné sous le nom de
bloqueur d'ordre zéro.

1.3.2 Interpolateur idéal

Dans l'énoncé du théorème d'échantillonnage, Shannon a également donné son corol-

laire qui précise qu'un signal x(t) peut être reconstruit à partir des valeurs échantillonnées
en utilisant la fonction d'interpolation suivante :

sin(π.fe .t)
g(t) = (1.9)
π.fe .t
Cela signie que le signal peut être reconstruit avec une somme de sinus cardinaux tempo-
rels centrés sur les instants d'échantillonnage t = nT e et d'amplitudes égales aux valeurs
échantillonnées x[n] voir gure 3.6 :
sin(π.fe .(t − n.Te ))
(1.10)
X
xa (t) = x[n].
π.fe .(t − n.Te )

20
1.3. RECONSTRUCTION DU SIGNAL

Figure 1.6  Reconstruction d'un signal triangulaire à l'aide d'un interpolateur idéal.

1.3.3 Filtre de reconstruction ou de lissage

On peut se rapprocher d'un signal analogique plus habituel en éliminant les escaliers
du signal xs (t) crée par le CNA. Pour cela, on fait suivre le convertisseur d'un ltre passe-
bas, dit de reconstruction ou de lissage. La bande passante de celui-ci doit être susante
pour laisser passer l'information contenue dans la bande de base du signal numérique.
Comme celui-ci s'étend de 0 à fe
2 , les ltres anti-recouvrement et de reconstruction sont
généralement les mêmes.

21