MBW Views est une série d’articles d’opinion rédigés par d’éminents personnalités de l’industrie musicale… avec quelque chose à dire. L’éditorial MBW suivant provient de Sammy AndrewsPDG de Dévier Numérique et chroniqueur de longue date de MBW. Ci-dessous, elle soutient que la véritable bataille tacite de l’IA dans la musique concerne peut-être moins la propriété que la différence entre la distribution et le désir…
Le musique entreprise a passé ces dernières années à débattre publiquement de l’IA et de la propriété. Qui a formé le modèle? À qui appartient la production ? Qui est payé ? Ces questions comptent vraiment. Mais ils ne sont pas les seuls.
L’IA oblige l’industrie à se confronter à quelque chose qu’elle évitait discrètement : les flux sont-ils une mesure du désir du public, ou simplement une mesure de la distribution ?
Pour une grande partie du secteur de la musique, les données de streaming sont devenues un proxy pour public préférence. Pour de nombreux consommateurs, il est devenu un indicateur du goût lui-même. Mais si les systèmes de recommandation façonnent ce que les gens découvrent avant qu’ils n’aient consciemment formé une préférence, les données ne mesurent plus le sentiment des fans ; il s’agit de mesurer la propre production de la plateforme, réfléchie sur elle-même. L’industrie lit son propre reflet et l’appelle le public.
La demande a toujours été façonnable. La différence réside désormais dans l’échelle et l’intimité. Les gardiens précédents ont influencé la culture collectivement. L’IA le fait individuellement, en continu et à l’échelle planétaire – en personnalisant l’influence de millions de personnes simultanément, en apprenant de chaque interaction et en s’adaptant en temps réel. Il s’agit d’un type de gardien très différent.
Le passage de « rechercher et cliquer » à « demander et recevoir » est en bonne voie. Spotify est intégré à ChatGPT. Les aperçus de l’IA de Google réduisent considérablement les taux de clics. Lorsqu’un fan demande à un assistant IA quoi écouter, il obtient une réponse, pas un menu.
En recherchant cette pièce, j’ai demandé à trois IA populaires de recommander de la musique pour la soirée. Ils ont fait des suggestions confiantes et réfléchies. Quand j’ai demandé pourquoi, les réponses sont devenues beaucoup plus vagues.
L’un d’eux m’a dit qu’il s’inspirait « d’un mélange de psychologie cognitive, d’études en neurosciences sur la productivité et du comportement humain collectif ». Un autre a décrit l’accès aux métadonnées sonores – BPM, tonalité, partitions énergétiques, dansabilité – comme si les données de la plateforme étaient un aperçu musical indépendant.
Ils savaient que leur compréhension avait été façonnée par le journalisme, les critiques et les communautés de fans, mais ils ne pouvaient retracer aucune recommandation individuelle jusqu’à une source. L’idée d’un artiste « essentiel » ou d’un autre « transcendant » avait été absorbée quelque part, mélangée à tout le reste, et réapparue comme quelque chose qui ressemblait à du goût. C’est fascinant. C’est aussi un peu déstabilisant.
La recommandation a toujours fait autorité. L’IA introduit un nouveau type d’IA, qui façonne la découverte en toute confiance tout en étant incapable de s’expliquer complètement. Les recommandations des critiques, des communautés de fans et des voix éditoriales ne disparaissent pas dans ces systèmes ; ils sont absorbés, mélangés et redistribués à l’échelle de la machine.
L’autorité demeure, même si l’attribution ne subsiste pas. Le journalisme est devenu une donnée de formation pour la formation du goût plutôt qu’une destination à part entière.
Si l’interface de découverte principale se déplace au-dessus du DSP vers une couche conversationnelle, le nouveau goulot d’étranglement n’est pas la liste de lecture ou la poussée algorithmique, mais la réponse rapide.
Les positions dans les charts sont largement façonnées par le placement des playlists depuis des années. La promotion algorithmique peut produire des résultats qui semblent entièrement axés sur la demande, même lorsque les systèmes de recommandation font l’essentiel du travail. Les données permettant de distinguer l’écoute penchée vers l’avant (recherches directes, pistes enregistrées, lectures intentionnelles) de l’écoute penchée en arrière (lecture automatique, mode radio, flux algorithmiques) existent au sein des DSP depuis des années. Son absence dans la méthodologie de cartographie est un choix commercial et politique et non une limitation technique.
Le débat sur la fraude en matière de streaming est important et son ampleur est plus grande que ce que la plupart des acteurs de cette industrie sont prêts à dire publiquement. Mais la fraude et la demande algorithmique ne sont pas vraiment des problèmes distincts.
« Il n’est pas nécessaire d’enfreindre les règles pour fabriquer la demande. Le système, qui fonctionne entièrement comme prévu, le fait déjà. »
Les mauvais acteurs ont appris à tromper le système parce que celui-ci récompense les mêmes signaux dans les deux cas. Vous n’avez pas besoin d’enfreindre les règles pour créer de la demande. Le système, qui fonctionne entièrement comme prévu, le fait déjà.
Le danger n’est pas seulement une question de mesure. L’IA optimise pour une conformité sans friction, une musique parfaitement agréable et totalement sans défi. Les risques artistiques étranges et volatiles qui font réellement avancer la culture n’obtiennent pas de bons résultats en termes d’engagement. Cela a des conséquences bien au-delà des charts.
Rien de tout cela ne nécessite une conspiration ou une mauvaise intention. Cela nécessite simplement que les entreprises optimisent ce pour quoi elles ont toujours optimisé.
Nous avons tous passé des années à maîtriser la commercialisation auprès des algorithmes ainsi que des fans. L’infrastructure de la demande algorithmique ne vient pas, elle est là.
Un flux généré par recommandation nous renseigne sur la portée. Cela nous en dit beaucoup moins sur le désir – à moins que vous ne lisiez activement les tarifs de saut, d’enregistrement et d’appréciation qui l’accompagnent. Pour une industrie qui utilise des données en streaming et des performances graphiques pour prendre des décisions commerciales dans tous les secteurs, cette distinction est plus importante que la plupart des gens ne le pensent.
Chaque titre sur l’IA dans la musique est toujours une question de génération. Presque aucune ne porte sur ce que les mêmes modèles font aux gens de l’autre côté de l’orateur.
L’IA peut déjà lire l’empreinte numérique d’un fan (comportement d’écoute, activité sociale, historique d’achat, emplacement) et prédire la valeur à vie, le risque de désabonnement et exactement le message auquel il est le plus susceptible de répondre.
La tentation commerciale est évidente : une tarification individualisée pour les produits dérivés, les billets, les expériences VIP et l’interaction avec les artistes, calibrée en fonction de ce qu’un modèle pense que chaque fan paiera. La tarification dynamique et la segmentation comportementale sont déjà des pratiques courantes dans les domaines du voyage et de la publicité, ainsi que dans la billetterie secondaire. Est-ce que cela fera partie d’un modèle de superfan ?
Les habitudes d’écoute et d’achat des fans sont regroupées en profils comportementaux ayant une réelle valeur commerciale, utilisés pour façonner ce qui leur est proposé et potentiellement ce qui leur est facturé. Des législations telles que le RGPD donnent aux régulateurs certains outils, mais elles n’ont jamais été conçues pour cela.
Ensuite, il y a le clonage vocal et l’IA conversationnelle. Les artistes pourraient bientôt offrir une relation permanente qu’aucun humain ne pourrait entretenir. Les applications compagnons d’IA ont été téléchargées plus de 220 millions de fois dans le monde, avec une croissance des catégories de près de 90 % d’une année sur l’autre.
L’utilisation est particulièrement élevée parmi les jeunes. Un sondage de l’Autonomy Institute a révélé que quatre jeunes britanniques sur cinq ont utilisé un compagnon IA. Parmi eux, environ la moitié se décrivent comme des utilisateurs réguliers. Une fois que cette capacité sera attachée au fandom, elle n’évoluera pas lentement.
Les cadres de consentement n’existent pas. La loi NO FAKES aux États-Unis, par exemple, cible les deepfakes non autorisés… ce qui n’est pas le cas lorsqu’un artiste ou sa succession en déploie activement un.
On pourrait affirmer que les DSP et les nouvelles plateformes d’IA conversationnelle ont tout intérêt à maintenir ce débat centré sur la génération, les licences et l’attribution. Si l’industrie passe les trois prochaines années à contester la propriété des données de formation et des résultats, les entreprises qui construisent des systèmes de recommandation et des pipelines de données de fans auront acquis des avantages structurels avant que quiconque ne se demande sérieusement si elles devraient le faire.
Les implications pratiques arrivent déjà. Les artistes et les labels souhaitant être découverts par les systèmes de découverte de l’IA examinent correctement leurs métadonnées, leurs biographies et leur base de connaissances en tant qu’optimisation du moteur génératif (GEO) pour la musique. Conformité MusicBrainz, marquage DDEX, biographies Spotify écrites pour le traitement du langage naturel plutôt que pour les lecteurs humains. Si cela ressemble à ce que le référencement a fait à la publication il y a quinze ans, c’est parce que c’est le cas.
Je crois sincèrement que si les algorithmes assurent pleinement la découverte, alors la musique live et une véritable communauté de fans auront plus de valeur. Un algorithme ne peut pas reproduire le fait d’être dans une pièce avec d’autres personnes lorsque quelque chose de réel se produit.
Ce n’est pas un argument sentimental, c’est un argument commercial. Les opérateurs qui positionnent la musique live comme un contre-pied conscient à la culture algorithmique, plutôt que simplement comme quelque chose que l’IA n’a pas encore remplacé, seront en avance sur ceux qui ne le font pas.
Mais l’industrie doit exiger des exigences de transparence pour les recommandations algorithmiques ; pour les cadres de consentement aux données des fans construits pour ce moment, pas le dernier ; pour un groupe de travail côté demande doté d’une réelle autorité. Rien de tout cela n’est radical. Mais la marge de manœuvre pour agir avant que l’infrastructure ne devienne trop intégrée pour être modifiée n’est pas illimitée.
Il est temps que le secteur de la musique discute correctement de l’impact de l’IA sur la demande. Ce que l’IA fait à la découverte, au goût, à l’identité et à la relation entre les fans et les plateformes est structurellement plus important, évolue plus rapidement et est à peine à l’ordre du jour. L’intermédiaire ne décide pas simplement de ce qui est disponible ou visible. Cela modifie les préférences qui déterminent la demande elle-même.
Les labels, managers, plateformes et artistes qui prospéreront au cours de la prochaine décennie ne seront peut-être pas ceux qui adopteront et s’adapteront le plus rapidement à l’IA. Ce sont peut-être eux qui conservent la compréhension la plus profonde du comportement humain.
Car si l’IA façonne ce que les gens découvrent, ce qu’ils écoutent, ce dont ils parlent et, finalement, ce qu’ils achètent, la question la plus importante à laquelle est confrontée cette industrie n’est plus à qui appartient la musique. C’est à qui décide en premier lieu ce que veulent les gens.
Cet article a été initialement publié dans le dernier numéro de la publication imprimée premium de MBW, Music Business Worldwide Magazine, qui est maintenant disponible.
Music Business Worldwide Magazine est disponible dans le cadre d’un abonnement MBW+ – détails ici.
Tous les abonnés MBW+ bénéficient d’un accès numérique à notre magazine Music Business Worldwide, avec six numéros publiés chaque année.
