SIP & RTP

La téléphonie sur IP (VoIP) sépare deux responsabilités entre deux protocoles distincts : établir l’appel, et transporter le flux audio/vidéo.

SIP (Session Initiation Protocol)

SIP gère la signalisation : établissement, modification et fin d’une session de communication (appel, visioconférence). Il ne transporte aucune donnée audio ou vidéo lui-même.

Fonctionnement inspiré de HTTP (requêtes/réponses textuelles) :

INVITE : initier un appel
ACK : confirmer l’établissement
BYE : raccrocher
REGISTER : un terminal (téléphone IP, softphone) s’enregistre auprès d’un serveur (registrar) pour être joignable

Codes de réponse également calqués sur HTTP : 180 Ringing, 200 OK, 486 Busy Here, 404 Not Found…

SIP utilise traditionnellement le port 5060/UDP (ou TCP), et 5061/TLS pour une signalisation chiffrée (SIPS).

RTP (Real-time Transport Protocol)

Une fois l’appel établi par SIP, le flux audio/vidéo circule via RTP, au-dessus d’UDP — la faible latence prime sur la fiabilité (voir TCP vs UDP : un paquet audio perdu produit un micro-artefact, le retransmettre serait déjà trop tard).

RTP transporte les données encodées (codecs voix : G.711, G.729, Opus…) et s’accompagne de RTCP (RTP Control Protocol), qui rapporte des statistiques de qualité (gigue, perte de paquets) permettant d’adapter le flux.

Le point délicat : NAT

SIP embarque dans ses messages les adresses IP et ports à utiliser pour le flux RTP — problématique quand un des terminaux est derrière un NAT (quasiment toujours en pratique), puisque l’adresse privée annoncée n’est pas joignable depuis l’extérieur. Solutions courantes :

ALG SIP sur le routeur (souvent source de bugs, à désactiver en cas de problème étrange).
STUN/TURN/ICE pour découvrir l’adressage public et, si besoin, relayer le flux.
Un SBC (Session Border Controller) en frontal, qui renégocie proprement la signalisation et le média entre l’intérieur et l’extérieur du réseau.