Je pense aussi que l'explication est celle que tu donnes.

Imaginons un appareil avec 10 millions de pixels :
- dans un cas, un visage en gros plan occupe les 10 millions de pixels
- dans l'autre, portrait en pied, le même visage doit péniblement occuper 300 000 pixels.

Du coup, la définition du même visage ne peut évidemment pas être la même.

Si en plus tu montes en ISO aux limites de ton boitier, il devient très difficile d'avoir un visage parfaitement net en visionnage 100% avec du bruit :/

Mais comme demandé juste au dessus, avec des photos d'illustration, ça sera plus facile de comprendre ce qui se passe