Data et musique : Comment l’IA aide-t-elle le monde de la musique ?

La data dans le monde de la musique a permis d’évaluer les performances des artistes au-delà du nombre de CD vendus, très souvent limités aux seuls fans. Découvrons dans cet article comment la data fait évoluer le monde de la musique

Les assistants à la composition de musique 

Trouver un équilibre entre les compétences techniques et un flair créatif inspiré est souvent un objectif crucial lorsqu'on tente de lancer une carrière de compositeur. Si vous êtes trop technique, votre travail risque d'être perçu comme sans âme. Mais si votre musique est trop détachée des conventions, trop libre et qu'elle échappe à toute catégorisation, vous aurez beaucoup plus de mal à trouver des auditeurs. 

Construites à l'aide d'algorithmes détaillés, des plateformes comme Aiva, Amper et Ecrett Music traitent les entrées de ses utilisateurs et construisent une musique étonnamment émouvante en un clin d'œil. Prenez Ecrett Music : en sélectionnant des options dans une série de menus (Scène, Humeur et Genre), la plateforme intelligente concocte efficacement un morceau de musique qui correspond absolument à ces critères. 

Google Magenta : assistant à l’innovation musicale

L’option la plus tentante est d’appuyer sur un bouton pour attendre que l’IA donne des morceaux prêts être utilisés, il existe d’autres options où une interaction entre l’homme et la machine va permettre de dépasser cette solution de facilité. Par exemple, le projet Magenta de Google permet de l’innovation en musique. Notamment, de ce projet de Google est né NSynth un plugin permettant de créer de nouveaux sons en mélangeant des paires de sons existantes fournies par les utilisateurs.  

D’autres initiatives comme les plugins d’Orb Producer Suite s’efforcent de vous aider à développer vos propres idées en suggérant par exemple des suites d’accords ou des chemins musicologiquement solides

Côté utilisateurs

2 cas principaux. D’un côté avec des applications comme Apple Music, Spotify ou Deezer, on va être en capacité de recommander des musiques aux utilisateurs pour leur faire découvrir de nouveaux titres, similaires ou proches de leurs genres habituels. On va aussi leur créer des playlists avec des mix entre les titres écoutés habituellement et des propositions de nouveaux titres. Pour cela, ces entreprises collectent des données comportementales : musiques écoutées à quelle fréquence, pauses, reprises, temps d’écoute pour pouvoir apprendre de vos habitudes et être le plus pertinent possible.

De l’autre côté, avec des applications comme Shazam, lorsqu’un utilisateur entend une musique qui l’intéresse, celui-ci va pouvoir alors découvrir facilement de nouveaux titres et les enregistrer par la suite.

Pour ces acteurs du monde de la musique, l’analyse de données est une compétence clé. Si vous avez testé les différentes plateformes de musique, vous verrez que les qualités de leur système de recommandation sont inégales. 

Aller plus loin : La prédiction du succès 

C’est une des grandes questions que se pose l’industrie musicale : peut-on prédire avant sa sortie le futur succès musical ? Peut-on deviner à l’avance grâce à la data les futurs hits ? Spotify avait essayé de prédire en 2013 une partie des Grammy Awards en fonction des écoutes de ses utilisateurs. Résultats : 4 bonnes prédictions sur 6. Shazam a fait mieux avec 11 bonnes prédictions sur 16, soit environ 69 % de réussite. 

Mais ce que cherche à faire l’industrie c’est faire cette analyse plus en amont que les Grammy awards pour savoir sur quels titres investir dès qu’ils sortent. Et pour aller encore plus loin, pourquoi pas grâce à la data et aux algorithmes, découvrir qui sera la prochaine grande star.

Cependant, le caractère incertain de la musique, et plus généralement de l’art, rendra-t-il cela techniquement possible ? L’avenir nous le dira !

‍