Pour schématiser et faire simple:
sur internet tu reçoit tes infos par "paquets". S'il y en a trop , ils arrivent dans tous les sens....et certains se perdent même parfois.
les données se replacent sans probleme, ou attendent les paquets manquants mais l'échantillonage de la voix qui est en instantané ne le permet pas.
donc tu reçoit des echantillons de voix en désordre, certains n'arrivent parfois jamais et tu entends une conversation hachée.
en usage professionnel dans les solutions voip la voix est prioritaire sur les données pour éviter ça.
ça te parait plus clair?