Comme pour les signaux audio en général, la transmission des signaux vocaux sous forme d'un flux de données VoIP passe par plusieurs étapes spécifiques :

• en premier lieu, l'acquisition des ondes sonores par un microphone et la conversion analogique numérique (échantillonnage et quantification), avec à la clef d'éventuelles opérations de traitement (amplification, filtrage) pour obtenir un signal numérique satisfaisant ;
• l'encodage et la compression du signal numérique pour diminuer la bande passante nécessaire à la transmission du signal ;
• l'encapsulation du signal numérique compressé en paquets, générant une séquence de PDU routables sur un réseau IP ;
• l'éventuelle modulation‑démodulation nécessaire pour la transmission sur un réseau longue distance ;
• après réception, la remise en ordre des PDU, puis leur extraction pour reconstituer le signal numérique compressé ;
• la décompression et le décodage de ce signal pour reconstituer le signal numérique vocal ;
• la conversion numérique analogique du signal numérique et sa restitution sous forme d'ondes sonores par un haut‑parleur.

En VoIP, on appelle session l'ensemble des processus de communication mis en œuvre durant un appel entre deux utilisateurs (voire plus).

Par rapport à l'« ancien monde » analogique – et même avec des téléphones numériques opérant sur le RTC – la technologie VoIP apporte l'avantage décisif de coupler la téléphonie sur des machines puissantes (postes de travail, smartphones – cf. photo ci‑contre) connectées en réseau. Il en résulte :

• non seulement une meilleure intégration des services (appels audio et vidéo, historique des communications, annuaire, messagerie, transferts d'appels, conférences, etc.) ;
• mais aussi une simplification de l'administration de ces services, parce que les machines disposent d'interfaces homme‑machine puissantes (claviers et écrans polyvalents, voire tactiles) éventuellement dématérialisées (pages web avec compte associé, permettant de concentrer toutes les informations et synchroniser les différents appareils utilisés par une même personne).

Les services usuels de téléphonie W sont principalement :

• la gestion générale des appels : signalisation, émission et réception en ligne directe ou via un standard, mise en attente, transfert, renvoi, etc.
• les conférences téléphoniques (conversations à plus de deux participants) ;
• le standard automatique à choix multiples par numérotation (le recours à un standardiste n'est alors requis que pour les cas marginaux) ;
• les annuaires décentralisés (chaque personnel gère son propre annuaire) ;
• la messagerie vocale…

D'un point de vue informatique, la visiophonie repose sur les mêmes principes que la téléphonie : une fois la connexion établie entre les machines, on installe un flux de données compressé par des codecs et cadencé par un protocole applicatif temps‑réel. Les seules particularités sont :

• l'absence des phases de conversion analogique numérique et réciproquement, puisque les caméras comme les écrans sont « nativement » des dispositifs numériques ;
• les algorithmes de codage/décodage qui sont forcément très différents pour les flux vidéo et audio (H.264, VP9, AV1, etc.).

Pour plus de détails sur les codecs vidéo, on pourra visionner cette vidéo de la chaîne britannique Explaining Computers Y.

Néanmoins, la visiophonie reste encore aujourd'hui un service d'usage modéré pour de diverses raisons, notamment :

• la bande passante consommée ; le flux vidéo vient s'ajouter au flux audio (en règle générale, on ne fait pas de visiophonie muette) ;
(Tant que les réseaux ne seront pas capables de supporter massivement une telle charge, tout accroissement de l'usage sera freiné par la déception qu'il engendre au regard de la qualité d'image et de la fluidité des échanges – au point de rendre finalement préférable la téléphonie seule.)
• les contraintes de présentation qu'implique ce service sur ses usagers ; dans le cadre du télétravail, la téléphonie seule préserve la sphère intime du domicile, lequel échappe encore aux impératifs de présentation professionnelle (rangement, décoration, etc.).

Dans les services de messagerie unifiée, on trouve :

• l'intégration de données diverses sous formes de pièces jointes de courriels – fax numérisés au format pdf, messages vocaux ou vidéos numérisés au format mp3 ou mp4 ;
• la gestion communes des téléphones fixes ou mobiles, notamment pour la redirection des appels ;
• l'intégration de l'application de messagerie instantanée comme un service parmi d'autres au même titre que l'application de téléphonie ; cette fonctionnalité est déjà prise en charge depuis longtemps par les logiciels clients lourds de messagerie (Thunderbird, Outlook…), mais encore rarement utilisée ;
• la synchronisation de l'annuaire de contact avec toutes les applications de communication utilisées ; en effet, depuis longtemps, les annuaires de messagerie électronique permettent d'intégrer des champs de numéros de téléphones dans les fiches de contact, et réciproquement, les annuaires téléphoniques ont des champs d'adresse de courriel ; mais il est contre‑productifs que ces différents annuaires fassent double emploi ; les unifier ou les synchroniser est pertinent ;
• la gestion du statut permettant de signaler la disponibilité ou non d'une personne pour un appel téléphonique…

Cette intégration des services apporte des gains en ergonomie, puisqu'on dispose alors dans une seule application de tous les outils de communication individuelle ou collective.

Pour qu'un grand nombre de personnels d'un organisme professionnel (entreprise, institution, etc.) puisse bénéficier des services téléphoniques sans souscrire à autant de lignes téléphoniques (ce qui aurait coûté beaucoup trop cher voire aurait été infaisable matériellement), il fallait installer un appareil appelé commutateur central W – ou central téléphonique – techniquement désigné d'abord PABX (pour private automated branch exchange), puis simplement PBX (tous les commutateurs étant automatisés).

Cet équipement assurait notamment :

• le multiplexage entre les lignes internes et externes de l'organisme, avec à la clef les services usuels de standard téléphonique (d'où ce terme parfois employé pour désigner l'appareil) ;
• le centre névralgique du réseau interne, permettant notamment les appels internes – c'est‑à‑dire entre les postes téléphoniques de l'organisme – sans passer par l'extérieur ;
• la gestion des droits des différents postes pour attribuer ou non l'accès au réseau téléphonique national, voire international ;
• le calcul des temps et des coûts des communications téléphoniques par poste raccordé…

Pour les particuliers, une alternative consiste à souscrire un abonnement multi‑service classique téléphone-télévision-Internet avec une box en liaison ADSL ou fibre totalement dégroupée. On peut également opter pour une solution en technologie mobile, sauf si le lieu est encore une zone blanche.

Pour les professionnels, notamment ceux utilisant encore des lignes RNIS, il est impératif de re‑concevoir le système de téléphonie en migrant vers la technologie VoIP. Essentiellement, deux solutions sont envisageables :

• soit le remplacement du PABX par un central IPBX (c'est‑à‑dire un standard téléphonique en VoIP) et l'emploi de la technologie trunk SIP ;
• soit l'abandon du central interne et son externalisation – dit Centrex – assurée par un opérateur téléphonique.

Un IPBX seul n'assure jamais la liaison directe entre le réseau local et un réseau externe : il est intégré comme un serveur doit être placé sous la protection d'une passerelle et de dispositifs de sécurité (pare‑feu, proxy), comme illustré par exemple sur la figure topologique ci‑contre.

La technologie matérielle pour mettre en œuvre un IPBX dépend, comme pour tous les services, de la taille de l'installation, qui est essentiellement caractérisée par le nombre de postes téléphoniques (physiques ou logiciels) qui sont utilisés simultanément sur le réseau.

Pour les petites installations (moins d'une dizaine de postes), un simple ordinateur – voire un nano‑ordinateur – suffit, à partir du moment où ses caractéristiques lui permettent d'exécuter avec des performances satisfaisantes une application dédiée de téléphonie en VoIP (par exemple, Asterisk).

Pour les installations moyennes et grandes, il faut une voire plusieurs machine(s) dédiée(s) selon la charge. Un sous‑dimensionnement peut avoir un impact très négatif sur la qualité de service (cf. infra ).
Afin de garantir sa continuité de service, une telle machine peut intégrer un système de redondance de niveau RAID 1 (cf. chap. R2‑V ) de son disque dur.

Les applications IPBX se distinguent les unes des autres essentiellement par le nombre et la diversité des services qu'elles peuvent mettre en œuvre. Parmi les plus connues, on peut citer :

Asterisk W, qui est multiplateforme et qui offre une licence libre de droit pour un nombre appréciable de services ;

3CX Phone System, pour systèmes d'exploitation Windows et Linux, dont la licence est payante (donc plutôt réservée au monde professionnel).

Pour découvrir d'autres applications IPBX, on pourra consulter la liste donnée par Wikipedia W.

Avec la solution Centrex (cf. la topologie de principe en figure ci‑dessus), le flux de données téléphonique est identifié chez l'opérateur via les protocoles de signalisation (SIP, etc.) et des adresses IP des postes téléphoniques de l'organisme souscripteur. Ces derniers bénéficient donc d'un mobilité totale dès lors qu'ils passent par une application de téléphonie VoIP correctement paramétrée. Les personnels peuvent ainsi utiliser leur(s) téléphone(s) partout (moyennant un accès réseau) exactement comme s'ils étaient sur leur lieu de travail.

En contreparties, l'organisme souscripteur perd la garantie absolue de la confidentialité de ses flux téléphoniques. De plus, la solution Centrex peut s'avérer moins diverses et moins souple en termes de services. Enfin, les appels internes passant nécessairement par l'extérieur, ils occasionnent une charge supplémentaire sur la bande passante au réseau d'accès à l'Internet dont bénéficie l'organisme.

Notons que le nombre d'appels simultanés à prendre en compte n'est pas le même selon que l'on opère avec un IPBX interne ou avec un Centrex. Dans ce dernier cas, les appels internes doivent aussi être comptés, comme cela a déjà été souligné.

Quant au choix des codecs, il est certes bouleversé par l'apparition de nouvelles technologies comme Opus (cf. supra ) qui, à qualité égale, diminuent grandement la consommation de bande passante par rapport à celle de ses concurrents. Néanmoins, le choix de la qualité reste un paramètre essentiel.

On retiendra les ordres de grandeur suivants de consommation moyenne par appel :

• 30 kb/s en audio basse qualité ;
• 80 kb/s en audio haute qualité.

À la requête d'un client appelant, le protocole de signalisation assure notamment :

• la recherche du ou des appelés ;
• la signalisation de l'appel à l'appelé (typiquement, ce qui déclenche la sonnerie) ainsi que de la fin d'appel (le fait qu'un client ait raccroché).

Le protocole SIP utilise par défaut le port nº 5060 et, dans sa version sécurisée par TLS, le port nº 5061.

À l'instar des protocoles de messagerie électronique (SMTP, IMAP), le protocole SIP utilise des identifiants littéraux pour identifier les agents utilisateurs et leurs spécificités. Similaire aux URL de schéma mailto, un identifiant SIP est un URI (uniform resource identifier W) dont la forme simple est la suivante :
 sip:utilisateur@hôte
où :

• l'utilisateur peut être :
• un nom composé avec le point séparateur . typiquement de la forme prénom.nom ;
• ou encore un numéro de téléphone, typiquement formaté selon le standard E.164 W ;
sachant qu'ils doivent être enregistrés dans le serveur proxy SIP du domaine ;
• l'hôte doit être un nom de domaine ayant préalablement fait l'objet d'un enregistrement DNS de type SVR W.

Le mode opératoire du protocole SIP est très similaire à celui des protocoles de messagerie électronique (SMTP, IMAP). Il procède par échanges de lignes de caractères (chacune terminée par un saut de ligne \r \n) et :

• les requêtes formulées sous forme de commandes ;
• les réponses sont formulées sous la forme de codes numériques de statut W.

Le protocole SIP peut être analysé selon un modèle client‑serveur.