Qu'est-ce qu'un octet (byte) ?

La lettre A, stockée sur ton ordinateur, est le nombre 65, et le nombre 65 est stocké sous forme de huit bits : 01000001. Ce groupe de huit est un octet. Les adresses mémoire comptent des octets, la taille des fichiers compte des octets, et presque chaque type de données d'un langage de programmation occupe un nombre entier d'octets.

Pourquoi un octet fait 8 bits

Le mot anglais « byte » a été inventé par Werner Buchholz en 1956, alors qu'il travaillait sur l'ordinateur Stretch d'IBM. Il l'a écrit avec un y pour qu'on ne le confonde pas avec « bit ». Les premiers ordinateurs utilisaient des groupes de tailles différentes, souvent 6 bits, ce qui suffisait pour les majuscules et les chiffres, mais pas pour les minuscules.

Le System/360 d'IBM, sorti en 1964, utilisait des octets de 8 bits, et le reste de l'industrie a suivi. Huit bits donnent 256 valeurs, de quoi loger les majuscules et les minuscules, les chiffres, la ponctuation et les codes de contrôle. Huit est aussi une puissance de deux, donc un octet se divise exactement en deux moitiés de 4 bits, chacune écrite avec un chiffre hexadécimal. Le mot français « octet » dit justement « exactement 8 bits », et c'est aussi celui qu'emploient les normes réseau, même en anglais, quand elles doivent être précises.

Ce qu'un octet peut contenir

Un octet a 256 combinaisons possibles, de 00000000 à 11111111. Les programmes les lisent de quelques façons standard :

• comme un nombre non signé de 0 à 255 ;
• comme un nombre signé de -128 à 127 ;
• comme un caractère, par exemple A (65) ou ! (33) ;
• comme deux chiffres hexadécimaux, de 00 à FF.

Le type bytes de Python est une suite de ces valeurs, et il refuse tout ce qui sort de l'intervalle 0 à 255 :

data = bytes([72, 105, 33])
print(data)
print(list(data))
print(format(data[0], "08b"), format(data[0], "02X"))

try:
    bytes([256])
except ValueError as error:
    print("ValueError:", error)

b'Hi!'
[72, 105, 33]
01001000 48
ValueError: bytes must be in range(0, 256)

Tous les caractères ne tiennent pas dans un seul octet. UTF-8, l'encodage utilisé par la majeure partie du web, stocke les 128 caractères ASCII sur 1 octet chacun, et tout le reste sur 2 à 4 octets :

for text in ["A", "é", "€", "😀"]:
    data = text.encode("utf-8")
    print(text, len(data), "bytes:", list(data), data.hex())

A 1 bytes: [65] 41
é 2 bytes: [195, 169] c3a9
€ 3 bytes: [226, 130, 172] e282ac
😀 4 bytes: [240, 159, 152, 128] f09f9880

C'est pour cela que la longueur d'une chaîne en caractères et sa taille en octets peuvent différer.

Différence entre bit et octet

Un bit est un simple 0 ou 1. Un octet vaut 8 bits. Les deux unités sont faciles à confondre, surtout en anglais, où leurs symboles ne diffèrent que par la casse :

Pour convertir des bits en octets, divise par 8. Une connexion à 100 Mbps transfère au maximum 12,5 Mo par seconde, donc une photo de 5 Mo met au moins 0,4 seconde à se télécharger.

Kilooctets, mégaoctets et gigaoctets

Les unités plus grandes existent dans deux systèmes, et l'écart entre eux explique pourquoi un disque neuf paraît plus petit dans Windows que sur son étiquette.

Les fabricants de disques, les débits réseau et macOS (depuis la version 10.6, en 2009) utilisent les unités décimales. La taille de la RAM et Windows utilisent les unités binaires, mais Windows les appelle Ko, Mo et Go. La CEI a introduit les noms kibioctet, mébioctet et gibioctet en 1998 pour mettre fin à la confusion, même si beaucoup de programmes ne les utilisent toujours pas.

drive = 1_000_000_000_000        # a "1 TB" drive, in bytes

print(drive / 1000 ** 4, "TB (decimal, used on the box)")
print(round(drive / 1024 ** 3, 1), "GiB (binary, what Windows calls GB)")

speed_bits = 100_000_000         # 100 Mbps internet
print(speed_bits / 8 / 1_000_000, "MB per second")

1.0 TB (decimal, used on the box)
931.3 GiB (binary, what Windows calls GB)
12.5 MB per second

Il ne manque aucun espace disque. Le disque contient bien les mille milliards d'octets promis sur la boîte ; Windows divise trois fois par 1 024 au lieu de 1 000.

Les octets dans le code

Chaque valeur en mémoire occupe un nombre entier d'octets. En C, sizeof donne ce nombre. Un char fait exactement 1 octet par définition, et sur les systèmes Linux, macOS et Windows 64 bits actuels, un short fait 2 octets, un int 4 et un double 8. Un tableau de 1 000 valeurs int occupe donc 4 000 octets.

printf("%zu\n", sizeof(int));   /* prints 4 */

Le type byte de Java est toujours signé, de -128 à 127, donc une valeur comme 200 n'y tient pas :

byte b = (byte) 200;   // b is -56: the same 8 bits, read as signed

Les données brutes, comme les images, les fichiers compressés et les paquets réseau, sont manipulées sous forme de tableaux d'octets : bytes et bytearray en Python, byte[] en Java, Uint8Array en JavaScript. Ouvrir un fichier en Python avec le mode "rb" te donne ses octets au lieu de texte.

Les empreintes (hashes) et les checksums se mesurent aussi en octets. Une empreinte SHA-256 fait 32 octets, c'est pour cela qu'elle s'affiche en 64 caractères hexadécimaux, et un checksum CRC32 fait 4 octets. Le générateur de hash affiche les deux pour n'importe quel texte.

Pour aller plus loin

Pour l'unité qui se trouve sous l'octet, lis ce qu'est un bit, et pour la façon dont les octets servent à détecter les fichiers endommagés, ce qu'est un checksum. Le convertisseur de bases numériques convertit n'importe quel octet entre décimal, binaire et hexadécimal, et le guide des types de données en C donne la taille en octets de chaque type C.