La révolution de la découverte musicale grâce à l’intelligence artificielle
Imaginez quelqu’un chez lui tard dans la nuit demandant : « Joue-moi quelque chose d’aéré et de magnifique que je n’ai jamais entendu auparavant. Pas de voix. Le piano est bien, mais rien de trop sentimental. » Qui sera joué ? Cette question est sur le point de devenir beaucoup plus importante que les musiciens ne le réalisent.
Le auditeur n’a pas cherché un artiste. Ils n’ont pas tapé un titre de chanson, choisi un genre, visité une playlist, lu une critique, fait défiler des pochettes d’albums, demandé à un ami, suivi un lien depuis Instagram, ou passé quarante-cinq minutes à regarder des recommandations tout en n’écoutant rien.
Ils ont simplement décrit ce qu’ils voulaient, et ensuite la machine a décidé quelle musique répondait à la question. Bienvenue dans le prochain problème de découverte musicale.
Changement de gardien
Pendant la majeure partie de l’histoire de la musique enregistrée, la découverte dépendait de quelqu’un ou quelque chose se tenant entre l’artiste et l’auditeur. L’identité de ce médiateur a changé, mais l’arrangement de base est resté le même. D’abord, il y avait le magasin de disques. Quelqu’un stockait le disque, l’affichait, le recommandait, ou le mettait dans le bon bac. Il y avait quelque chose de merveilleusement physique dans tout cela. Vous rentriez dans un endroit plein de musique que vous ne saviez pas exister et vous abandonniez un certain contrôle à la personne qui travaillait derrière le comptoir.
Ensuite, la radio est devenue extrêmement puissante. Un programmateur, un directeur musical, un DJ, un promoteur, une maison de disques, un promoteur indépendant, ou une combinaison infernale des cinq décidait de ce que des millions de personnes entendaient. Si votre disque ne passait pas par ce système, vous auriez pu avoir réalisé Sgt. Pepper dans votre garage et votre mère aurait peut-être été la seule personne à l’entendre.
MTV a ajouté un autre gardien. Les magazines et journaux musicaux avaient les leurs. Les maisons de disques avaient les leurs. Le commerce de détail avait des acheteurs. Les distributeurs avaient des commerciaux. Tout le monde avait un avis, et d’une manière ou d’une autre, tous ces avis se tenaient entre la musique et le public.
Puis Internet est arrivé et a promis de détruire les gardiens, ce qui était adorable. Nous n’avons pas détruit les gardiens. Nous les avons automatisés. Les moteurs de recherche sont devenus des gardiens. Les plateformes sociales sont devenues des gardiens. Les services de streaming sont devenus des gardiens. Les playlists sont devenues des gardiens. Les systèmes de recommandation sont devenus des gardiens. Un artiste pourrait théoriquement sortir de la musique pour le monde entier tout en restant presque complètement invisible pour lui. Progrès.
Maintenant, nous sommes sur le point d’installer un autre gardien, sauf que celui-ci va parler en phrases complètes et agir comme votre ami.
De l’intention inférée à l’intention déclarée
C’est la transition que je pense que les musiciens doivent comprendre. Au lieu de regarder Spotify surveiller votre comportement et deviner que vous pourriez vouloir de la musique instrumentale atmosphérique, vous pouvez dire : « Donne-moi de la musique instrumentale à longue forme qui soit expansive mais pas soporifique, principalement acoustique avec un peu d’électronique, quelque chose sur quoi je peux écrire pour la prochaine heure. »
Ce n’est pas un genre. C’est à peine une recherche. C’est une description d’une situation contenant un but, une émotion, une préférence esthétique, une instrumentation, une durée, une intensité, et un contexte tout à la fois. Un système de recommandation peut combiner cette demande avec ce qu’il sait déjà du public et décider quelle musique correspond.
Spotify se lance déjà profondément dans ce territoire avec des playlists incitatives et un contrôle conversationnel. YouTube Music développe une découverte similaire basée sur le langage naturel. Amazon a expérimenté la création de playlists basée sur des indications. Ces entreprises ont clairement remarqué quelque chose de gênamment évident : les gens ordinaires ne pensent pas naturellement en termes de métadonnées.
Personne n’entre dans la cuisine et ne dit : « J’ai besoin de contenu instrumental néo-classique à tempo moyen entre 70 et 82 BPM avec une faible probabilité de chant et une acoustique modérée. » Ils disent : « Mets quelque chose de beau pendant que nous mangeons. » L’IA comprend cette phrase, et c’est la percée.
Votre auditeur pourrait ne jamais ouvrir Spotify
C’est là que ça devient plus grand. La découverte musicale commence à sortir complètement des applications musicales. Quelqu’un peut avoir une conversation sur un road-trip, un dîner, un entraînement, des vacances, une relation, un film, un livre, une ville, ou un sujet complètement différent et décider soudainement que la musique améliorerait la situation.
La conversation pourrait ressembler à ceci : « Je traverse le Nouveau-Mexique demain matin. Donne-moi quelque chose de cinématographique et aéré, de préférence instrumental, qui ne sonne pas comme de la musique de spa. » Une IA peut connecter cette demande avec de la musique, et remarquer ce qui a disparu du processus : la barre de recherche Spotify.
C’est un changement profond. La première interaction de l’auditeur avec la musique peut se produire à l’intérieur d’une intelligence polyvalente qui comprend déjà ce qu’ils font, de quoi ils parlent, dans quel état d’esprit ils sont, où ils vont, et éventuellement ce qu’ils ont écouté précédemment. La musique devient une réponse à l’intérieur d’une conversation plus large.
Votre prochain fan pourrait ne jamais vous rechercher car vous rechercher suppose qu’ils savent déjà que vous existez. Ils ne le savent pas. Cela a toujours été le problème.
Le nom de l’artiste pourrait venir en dernier
Le marketing musical a traditionnellement été construit autour de la tentative de faire en sorte que les gens se souviennent de noms. Souvenez-vous de mon nom d’artiste. Souvenez-vous de mon titre d’album. Souvenez-vous de mon single. Souvenez-vous de mon logo. Souvenez-vous de mon visage. Cliquez sur mon lien. Suivez-moi. Pré-sauvegardez-moi. Abonnez-vous à moi. S’il vous plaît, pour l’amour de Dieu, souvenez-vous de quelque chose à propos de moi.
La découverte par IA inverse l’ordre. L’auditeur pourrait entendre la musique d’abord car le système a décidé que l’enregistrement correspondait à un besoin. L’identité de l’artiste peut venir ensuite, ce qui pourrait être extraordinairement puissant pour les artistes inconnus et simultanément désastreux pour eux.
Découvrir un enregistrement et découvrir un artiste ne sont pas la même chose. Cette distinction pourrait devenir l’un des problèmes centraux de la prochaine génération de découverte musicale.
Le genre commence à perdre son emprise
Une des choses les plus intéressantes à propos de la découverte conversationnelle est que le genre devient moins important. Le genre a toujours été en partie utile et en partie ridicule. Il nous aide à organiser la musique tout en forçant des artistes incroyablement différents dans la même boîte parce que quelqu’un chez un distributeur doit choisir quelque chose dans un menu déroulant.
Ambiant. Jazz. Classique. New age. Électronique. Auteur-compositeur-interprète. Alternatif. Instrumental contemporain. Magnifique. Nous avons réussi à décrire presque rien.
Maintenant, imaginez une demande comme celle-ci : « Joue de la musique instrumentale qui rend une chambre d’hôtel inconnue paisible pendant que je travaille tard. » Quel genre est-ce ? Cela pourrait être de l’ambiant, du piano, de l’électronique, du néo-classique, du jazz, une musique de film, ou de la musique créée il y a trente ans dans une catégorie que l’auditeur n’a jamais entendue. L’auditeur s’en fiche. Ils ont décrit la fonction et la qualité émotionnelle qu’ils voulaient.
Cela pourrait être incroyablement libérateur pour les artistes dont le travail ne s’est jamais adapté confortablement à l’une des boîtes mal étiquetées de l’industrie. Une machine capable de comprendre les caractéristiques musicales n’a pas nécessairement besoin de décider si quelque chose est ambiant ou classique avant de décider qu’il appartient à une certaine situation. Peut-être que le genre ne disparaît pas. Peut-être qu’il devient juste un signal parmi des centaines. Ce serait une amélioration.
La machine apprend à écouter
Voici la partie qui rend le changement plus significatif que simplement de meilleures métadonnées. Les systèmes d’intelligence artificielle sont de plus en plus capables de connecter l’audio au langage. En d’autres termes, la machine peut entendre un morceau de musique et développer une représentation des caractéristiques à l’intérieur de l’enregistrement : le tempo, l’instrumentation, la texture, l’ambiance, l’activité rythmique, la densité, la présence vocale, les qualités harmoniques, l’énergie, la structure, et les relations sonores.
Ensuite, ces caractéristiques peuvent être connectées avec des descriptions humaines ordinaires. La découverte ne doit plus dépendre entièrement de savoir si quelqu’un a correctement tagué votre enregistrement. La machine peut de plus en plus entendre qu’un morceau est lent, épuré, piloté par le piano, atmosphérique, en constante évolution, rythmiquement ambigu, harmoniquement chaleureux, ou texturé électroniquement.
Pendant des années, les musiciens se sont demandés : « Comment décrire ma musique ? » Maintenant, il y a une autre question : comment la machine décrit-elle ma musique ? Ces réponses pourraient ne pas être les mêmes, et cela pourrait devenir extrêmement important.
Bienvenue dans l’optimisation de la découverte musicale
Pendant les vingt dernières années, Internet a entraîné tout le monde à être obsédé par le SEO : l’optimisation pour les moteurs de recherche. Utilisez ces mots. Mettez-les dans ce titre. Répétez cette phrase. Écrivez le titre de cette façon. Structurez la page de cette façon. Plaisez au moteur de recherche. Ensuite, nous nous sommes collectivement demandés pourquoi tant d’Internet avait commencé à ressembler à s’il avait été écrit par un comité déprimé d’appareils.
La musique est sur le point d’avoir sa propre version, et un consultant est probablement déjà en train de concevoir le webinar : Sept hacks de découverte AI Secrets que Spotify ne veut pas que les musiciens connaissent. Seulement 997 $, et si vous agissez maintenant, vous recevrez un PDF téléchargeable contenant les mots « ambiance », « métadonnées » et « authenticité » environ quarante fois.
Nous savons comment cela se passe. Les musiciens vont découvrir que l’IA conversationnelle peut recommander de la musique basée sur le langage, et un certain pourcentage d’entre eux concluront immédiatement que leur biographie d’artiste devrait contenir chaque phrase concevable que quiconque pourrait taper : « Contenu instrumental néo-classique profond relaxant inspirant émotionnel cinématographique spirituel paisible méditation étude sommeil atmosphérique piano ».
Ce n’est pas une description d’artiste. C’est une note de prise d’otage de quelqu’un piégé dans la section bien-être de Spotify.
Le bon côté est que les systèmes d’IA devraient finalement devenir plus difficiles à tromper de cette manière car ils peuvent de plus en plus prendre en compte l’enregistrement réel, le comportement d’écoute, les relations entre les artistes, les informations contextuelles, et de nombreux autres signaux. Le mauvais côté est que cela n’a jamais empêché les humains d’essayer.
Ne pas optimiser la musique pour la recherche
Le véritable danger n’est pas les biographies laides. C’est les incitations créatives laides.
Une fois que les artistes réalisent que les auditeurs demandent de la musique selon des situations, ils commenceront inévitablement à faire de la musique pour ces demandes. De la musique pour dormir. De la musique pour étudier. De la musique pour courir. De la musique pour lire. De la musique pour méditer. De la musique pour dîner. De la musique pour la tristesse. De la musique pour guérir. De la musique pour se concentrer. De la musique pour se sentir triste mais pas trop triste car apparemment même le désespoir a besoin d’une segmentation de marché appropriée.
Il n’y a rien de mal à la musique fonctionnelle. Les musiciens ont créé de la musique pour des cérémonies, danser, le culte, le théâtre, le travail, le sommeil, la célébration, le deuil, et d’innombrables autres fins depuis des milliers d’années. Le problème commence lorsque le langage de découverte de la plateforme commence silencieusement à façonner les décisions artistiques.
Si suffisamment d’auditeurs demandent « du piano instrumental paisible pour se concentrer », quelqu’un commencera à optimiser les arrangements pour cette demande. Ensuite, les maisons de disques le remarqueront. Ensuite, les producteurs le remarqueront. Ensuite, les entreprises de playlists le remarqueront. Finalement, chaque morceau de piano durera trois minutes, sera d’un beige non menaçant émotionnellement avec un preset de piano en feutre et assez de réverbération pour suggérer une gare ferroviaire scandinave abandonnée.
Nous avons déjà regardé la culture des playlists influencer les longueurs de morceaux, les introductions, les dynamiques, les structures de chansons, et les stratégies de sortie. La découverte conversationnelle pourrait aller plus loin. Au lieu de simplement faire de la musique pour s’adapter à une playlist, les artistes pourraient commencer à faire de la musique pour s’adapter à une phrase. À ce moment-là, l’IA n’a pas découvert votre art. L’IA l’a discrètement commandé.
Les métadonnées sont sur le point de devenir plus intéressantes
Il y a, cependant, une leçon pratique ici pour les musiciens qui n’ont pas l’intention de devenir des prostitués des phrases. Les métadonnées sont importantes.
Pendant des années, les métadonnées ont semblé être les papiers ennuyeux attachés à la partie excitante. Titre de la chanson. Artiste. Album. Genre. Compositeur. Éditeur. Date de sortie. ISRC. Félicitations. Vous avez créé de l’art et avez été récompensé par une saisie de données.
Mais les métadonnées descriptives deviennent plus intéressantes lorsque les machines tentent de comprendre comment la musique se rapporte aux intentions humaines. L’humeur compte. L’instrumentation compte. Que le morceau contienne des voix compte. La culture musicale compte. Le tempo compte. Le style compte. Les crédits comptent. Les collaborateurs comptent. Le contexte compte.
Ce ne sont plus simplement des détails de classement. Ils aident à construire le réseau d’informations entourant l’œuvre. Le but n’est pas de manipuler le système. Le but est de décrire l’œuvre assez précisément pour qu’elle soit comprise.
Les crédits pourraient devenir des chemins de découverte
L’ancien modèle commercial de la musique traitait les crédits comme quelque chose que nous enterrions dans un petit type que personne ne pouvait lire sans une loupe. Le streaming a initialement réussi à aggraver la situation. Nous avons pris des pochettes d’album de douze pouces remplies de musiciens, producteurs, ingénieurs, studios, auteurs-compositeurs, photographes, arrangeurs, et informations de session et nous les avons remplacées par une image carrée de 200 pixels et un bouton. Brillant.
Maintenant ces relations deviennent à nouveau découvrables. Un producteur relie un artiste à un autre. Un auteur-compositeur relie les chansons. Un musicien relie les sessions. Un échantillon relie les générations. Une reprise relie les interprétations. Une collaboration crée un autre chemin à travers le catalogue.
L’IA prospère grâce aux relations, ce qui signifie que le tissu connectif app
