« Plutôt bacs ou blogs?» Découverte et Recommandation musicale à l’ère numérique.


Les intelligences artificielles se mêlent de tout. Intrusives, elles se nourrissent de nos expériences et de là, étudient soigneusement nos goûts et nos comportements musicaux puis en tirent une cartographie minutieuse où se dessine le profil encore brouillon d’un mélomane anonyme. Mais une chose leur échappe encore… « notre personnalité ».

En musique, comme ailleurs, elles n’ont pas encore atteint ce niveau de maturité de l’homme qui produit de la sélection musicale grâce à un savant mélange d’éparpillement (et d’autant plus à l’heure du tout numérique), d’excentricité, d’éclectisme, d’émotion et de hasard dans nos choix musicaux (définition parmi d’autres de la « personnalité musicale »).

Une dernière marche à franchir donc, qui marque une terra nova, un refuge encore inaccessible au paradigme de la recommandation musicale numérique (avant qu’elle ne reprenne son ascension) : car à l’heure où l’offre musicale n’a jamais été aussi riche, difficile de laisser émerger quelques groupes de la masse, de rester lucide sur nos expériences musicales, de se donner le temps, de donner le temps à un artiste.

Nous aurions, pourtant, bien besoin de nous sentir épaulés par des moteurs de recherche intelligents capables de suggérer, interagir et enrichir notre expérience musicale.

Avant de réfléchir sur les modes de recommandation en gestation, je me suis lancé dans une étude « scientifique » des pratiques en matière de découverte musicale : mélomanes avertis, bloggers, musicologues et simples quidams ne s’en tireront pas à si bon compte.

« Les démarches » :

  • Volontaire : Méthodique (je m’appuie sur une méthodologie éprouvée pour découvrir de la musique -voir plus bas-) ou aléatoire (je butine un peu partout en quête d’une bonne surprise musicale).
  • Indifférente/bienveillante à l’écoute du « bien commun » : elle traduit l’acquisition, de facto, d’une culture générale et/ou « mainstream » produite par les institutions et médias culturels.

Entre ces deux extrêmes de la méthodologie, se tisse un univers complexe, construit à partir d’expériences uniques, de liens entre une personne (le dénominateur commun) et « ses artistes » (qui « matchent » avec les attentes du dénominateur commun) :

Les sources : « Ceux qui parlent, ceux que l’on écoute »:

  • La communauté : les proches et amis, les réseaux sociaux, le voisin qui met sa musique trop fort (ce pourrait être moi), le professeur de musique…
  • Les prescripteurs de masse : les programmateurs (salles de concert, festivals..), médias et littérature (radios, magazines, blogs et webzines, TV – émissions, pubs – les anthologies…), « les professionnels » (labels et éditeurs, les artistes eux-mêmes – exemple de Goom radio)
  • Les moteurs de recommandation : Genius d’I-Tunes, les radios LastFM, le service Pandora…

Quelques exemples de « méthodes » de découverte musicale :

  • Partir des centres et progressivement dériver vers leurs périphéries : « la carte musicale » : j’écoute Bob Marley (centre) et je dérive vers Peter Tosh, Les Gladiators, Lee Scratch Perry, Les Mighty Diamonds, Johnny Clarke… (périphéries, sans connotation) et ainsi de suite en considérant les artistes de la « petite couronne périphérique » comme de nouveaux centres.
  • Une chanson, un album, une discographie : « l’agglomération » : j’écoute « Karma Police »de Radiohead, poursuit sur « Ok Computer » et prolonge avec « In Rainbows » ou « Pablo Honey » du même groupe.
  • «Ecouter ses classiques » : les grands groupes (totalement subjectif : King Crimson, Queen, Police, Beattles, Stones, Jimi Hendrix, Daft Punk, Red Hot Chili Peppers, Radiohead, NTM…), les «grands» auteurs (Ferré, Brel, Brassens, Gainsbourg.. pour ce qui est de la France), les grands albums («The Wall», «The Doors», «The White Album», «Electric Ladyland», «Mezzanine», «Home Work», «Rage Against The Machine»…), les grands styles (Métal, Blues, Jazz, Classique, Bossa, Punk, Dub, Hip-Hop…) et sous-styles (Be-bop, New Orleans, Blues du Delta, Trash Métal, Rock Garage, Néo, les «grandes» périodes (66-70, les Années 80, les Années 2000, la Musique Classique allemande de la fin du XVIIIe siècle…)
  • Explorer les scènes : Scène Hardcore californienne du début des Années 80, le Glamrock, le Trip Hop made in Bristol, la Nouvelle Scène française, le Métal scandinave, Explorer les labels (l’exemple type étant la recherche par label sur Spotify) :  j’écoute la production d’Asmathic Records, de Warp, de Jarring Effects, les sélections Bella Union sur Soundcloud…).
  • Tester les sélections : les Inrocks, «C’est Lenoir», Rock’n Folk…, les classements (Victoires de la Musique, les Tops -hebdomadaires, mensuels, annuels, les prix (Prix Constantin, NRJ music awards, Rix polaris, NME awards) et les playlists (spéciale dédicace au « cadavre exquis » de la blogothèque, playlist de drowned in the sound,
  • À la radio : Queens of the stone Age – Ouifm en 2000, Jeremy Steig dans « le grand mix » de Nova, Amon Tobin sur Radio Campus, Prune – Nantes-,
  • A la télé : « Two weeks » des Grizzly Bear dans une pub peugeot,
  • En soirée : Troublemakers, Chico Buarque, En concert bien sûr : Le Chapelier Fou, Dirty Projectors,
  • Dans un supermarché : raa mince pas d’exemple, euhh…James Blunt,
  • Au Cinéma : « V chile slight return » dans « Au nom du père », Iggy Pop dans « Trainspotting »
  • Dans un bar : Refused, Led Zeppelin…

et encore bien d’autres lieux insoupçonnés….

Identité et Altérité dans la recommandation musicale.

Les moteurs de recommandation, quant à eux, ne peuvent s’appuyer que sur des bases de données qui associent des attributs (ou Tags) à des valeurs pivots.

Ces pivots sont :

  • le groupe (ou l’artiste ou le collectif..),
  • le titre (la chanson, la pièce, le clip…) et
  • l’album (ou Ep, Bundle, Ost, Compilations, B-sides..- format qui tend à perdre de sa pertinence au profit du full track single) :les pivots sont des valeurs nécessaires auxquels sont associés des tags.

Deux titres dont deux des valeurs pivots sont identiques (même album, même artiste/ même artiste, même titre…) sont naturellement associés, par ailleurs deux titres identiques mais dont l’un est réinterprété, réarrangé, remixé… ou présent sur un album différent sont naturellement associés (exemples : « Little wing » de J. Hendrix/ Steevie Ray Vaughan, telle chanson de Madvillain remixée par Four Tet…)

On distinguera deux natures de recommandation :

  • La recommandation objective (elle se nourrit de l’expérience musicale : l’historique et son contexte) (1)
  • la recommandation attributive (elle s’appuie sur les identités/proximités entre attributs et liens spécifiques entre titres dont deux des pivots diffèrent (2) et (3) :

1. l’historique et son contexte :

La base de données recueille des informations sur la date d’écoute (jour, semaine, mois…, week-end, matin, soir, nuit…), le type de support (mobile, ordinateur, tablette…), le service utilisé (Itunes, Lastfm, deezer, spotify, Winamp…), le mode de lecture, (coupure-pause ou zapping-, navigation dans le titre –avance rapide/retou – , repeat… ), Augmentation/Baisse du volume, la création de tag ou de « favorite », le niveau de partage, l’intégration dans une playlist, le volume d’écoute quotidien (ou cumulé) par personne/ global (popularité/favoris)…

2. les attributs : Quelques exemples

Le label sur lequel est signé le titre, la nationalité de l’artiste/du groupe, l’auteur, compositeur et éditeur du titre, la langue des paroles (ou le caractère instrumental du morceau), le producteur artistique, les featuring, les périodes de production et d’enregistrement, les musiciens ayant participé à l’enregistrement et plus subjectifs, les genres et sous-genres musicaux auxquels sont associés l’artiste ou le titre, la « scène » à laquelle est associé le titre, ses auteurs, compositeurs et interprètes, les influences revendiquées ou affichées par l’artiste (tribute, concept-album, reprises…)

3. les liens « diffus » :

Proximité ou identité entre pivots que l’on désigne non pas par un attribut mais par un lien spécifique : « ont tourné ensemble », «ont fondé tel label », « font partie de tel collectif », « ont écrit ou composé ensemble », « a remixé untel » … : ce type de lien laisse une grande autonomie aux utilisateurs de musique pour associer des oeuvres : le travail éditorial (ou attributif)  des utilisateurs enrichit de la sorte les données de recommandation.

On pourrait bien sûr multiplier à volonté les attributs et les liens associés aux pivots. Mais l’obstacle auquel est confronté le moteur est d’analyser (en multidimensionnel) cette masse d’informations afin de proposer une recommandation pertinente que l’utilisateur peut moduler de façon intuitive.

– Modulation

La modulation consiste à sélectionner un niveau de recommandation entre du contenu qualifié (pivots présentant une identité quasi parfaite entre attributs) et un contenu de recommandation altérée (identités entre attributs en nombre restreint) : en glissant vers l’altérité, le niveau d’aléa (random) progresse dans le résultat de la recommandation.

– Pondération

Par ailleurs, on aura tendance à pondérer chacun des attributs.

Exemple : Sur une échelle de recommandation, une identité sur les attributs « compositeur » et « sous-genre musical » qualifiera davantage le titre qu’une identité sur les attributs « label » et « date d’enregistrement ».

– Profil unique et « amis »

les « amis » constituent des profils musicaux desquels nous choisissons de nous rapprocher ;  Ajouter un ami revient à altérer le niveau de recommandation attributive en croisant sa base de données personnelles avec le profil d’un utilisateur tiers-ami. Cette recommandation tierce peut se surajouter à la recommandation qualifiée et/ou remplacer l’aléa de la playlist.

Là encore, on peut imaginer moduler le niveau d’intégration du profil tiers.

– Temps réel :

Outil d’intégration qui permet(trait) de moduler automatiquement et en temps réel la recommandation en s’appuyant sur les interventions/ les actions de l’utilisateur au cours de la lecture de la playlist de recommandation (titres bannis sur Lastfm, l’utilisateur ajoutant un titre « en queue » ou « en piste suivante », tag créé pendant l’écoute…)

2 Commentaires

    • Bonsoir, il ne s’agissait absolument pas d’une étude mais plutôt de jeter les bases théoriques (ou plutôt empiriques) de la recommandation musicale. L’article datant de 2010, possible que les axes avancés soient devenus un peu obsolètes. Si je peux aider pour le mémoire, faites moi signe. Merci et bon courage.

Laisser un commentaire, un bon mot, une remarque...

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s

%d blogueurs aiment cette page :