Qui a peur de l’intelligence artificielle (IA) ? Certainement pas Dominic Thibault, professeur adjoint à la Faculté de musique de l’Université de Montréal, compositeur et musicien, qui utilise l’IA dans sa pratique. « Il y a des risques imminents avec l’IA, reconnaît-il, mais en même temps, si on se conforte dans notre peur de ces outils — et j’insiste sur le mot “outils” —, alors on n’avancera pas en tant que société. Il faut oser s’interroger sur ce qu’on peut accomplir avec ces outils, tout en demeurant pertinent et critique vis-à-vis d’eux », explique au Devoir le professeur, qui envisage le début de l’ère « post-enregistrement » de la musique.

Le 20 mars dernier, Dominic Thibault et cinq collègues offraient une performance immersive au Centre interdisciplinaire de recherche en musique, médias et technologie de l’Université McGill. La performance Dé/tricoté mettait en scène l’ensemble, dont chaque membre interprétait « un instrument numérique dédié à l’exploration en temps réel de bases de données sonores ». Ce concert se voulait « un laboratoire vivant des pratiques musicales collectives médiées par l’IA », selon le programme.

Alors que l’industrie s’inquiète de l’incidence de l’IA sur la production, la distribution et la diffusion de musique, des créateurs embrassent plutôt le potentiel sonore et musical qu’offre cette technologie. C’est aussi le cas de l’Américaine Holly Herndon : paru en 2019, soit quelques années avant l’apparition des robots conversationnels ayant propulsé l’IA dans l’imaginaire collectif, son album PROTO est le fruit d’une collaboration avec un logiciel nommé Spawn, qu’elle a entraîné à chanter.

« En tant qu’artiste, explique Thibault, j’utilise les outils d’IA au premier niveau : j’ouvre le capot, je regarde dans le code, je programme pour faire des instruments. Mais dans mon job de pédagogue, je me rends compte que les technologies présentement disponibles ou développées sont très peu accessibles aux musiciens. Je pense qu’il y a une vraie difficulté en matière de littératie numérique : on ne sait pas, nous, en tant que musiciens, comment on est capables d’interagir avec un bout de code. Les musiciens devront apprendre à faire les choses différemment — en codant, par exemple —, mais surtout, je mesure une grande distance entre le monde de la recherche fondamentale en IA et celui du milieu de la musique. »

Les classes d’IA

Dominic Thibault présente les outils d’IA en trois générations s’étant succédé dans l’histoire « récente, puisqu’on pourrait remonter jusqu’aux années 1950, où on commençait déjà à faire de la musique à l’aide d’ordinateurs — qu’on appelait alors “IA”, soit dit en passant ».

La première permet à son utilisateur de construire « de petits réseaux de neurones qu’on peut entraîner pour connecter deux réalités entre elles. Exemple : je prends des données de contrôleurs [physiques, des claviers, des manettes de jeux vidéo, etc.] et je connecte ça de manière complexe à des générateurs de sons ». Cette classe, note le professeur, fut notamment explorée par la chercheuse « très connue dans notre milieu » Rebecca Fiebrink, professeure à l’Institut d’informatique créative de l’Université des arts de Londres.

La deuxième génération a crû autour de la notation musicale. Elle est formée d’« agents permettant de générer des partitions : on leur donne une petite mélodie, ils nous complètent la partition musicale, avec des orchestrations. Ou encore on demande à l’agent de composer une musique triste », ce que font des outils comme le projet Magenta de Google ou encore Folk RNN, un générateur de chansons folk.

Ce qui nous mène à 2026. « Aujourd’hui, on est en plein cœur de la troisième classe d’outils, celle de la génération audio automatique. Et c’est en train de chambouler le monde de la musique parce que ce sont de très gros modèles [deep learning] pour lesquels les entreprises agrègent de vastes collections de sons » en « moissonnant » la musique là où on la trouve sur le Web, « ce qui soulève d’importantes questions éthiques sur la protection du droit d’auteur », souligne-t-il.

Le Mozart du prompt

« Ce qui devient intéressant avec les gros modèles génératifs, poursuit le professeur, c’est qu’on est capable de les questionner » par le texte, ce qu’on désignera comme un « prompt », une commande. « On appelle ça naviguer l’espace latent » de ces modèles, comme si l’on se promenait à l’intérieur d’eux pour les amener dans des zones musicales qui n’avaient pas été explorées. « On peut lui demander, par exemple, de mélanger du Karlheinz Stockhausen avec du Oasis et du Joni Mitchell, un endroit musical qui n’existait pas, et dans cette exploration réside une forme de créativité, dans la manière de “prompter” le modèle. »

Ses étudiants, constate Thibault, s’intéressent à cette nouvelle forme de créativité. Les outils de musique générative automatique qui utilisent l’IA, tels que Suno et Udio, offrent à n’importe quel utilisateur le potentiel de devenir un compositeur, pour peu qu’il sache « prompter », naviguer dans cet espace latent.

« C’est sûr que ça amène la démocratisation de la musique à un autre niveau, comme les outils d’enregistrement maison ont changé la donne au début des années 2000. Grâce à eux, de plus en plus de monde est capable de faire de la musique, et ces outils sont souvent présentés comme de la créativité out of the box, facile d’accès. Sauf que les chansons qu’ils génèrent sont souvent dégueulasses, ça sonne comme de la grosse pop formatée et mauvaise parce qu’ils visent en plein milieu de l’espace latent, dans une bouillie moyenne de pop. Si l’on veut arriver à être créatif avec ces outils, il faut vraiment travailler fort. »

L’arrivée de ces outils transformera profondément les modèles de commercialisation de la musique, prévient Dominic Thibault. « Je serai controversé en affirmant ça, mais c’est la fin de la musique enregistrée telle qu’on la connaît, avance-t-il. Ce fut une époque relativement courte, celle de l’enregistrement musical — une centaine d’années dans toute l’histoire de la musique —, mais, aujourd’hui, on arrive à une période où l’enregistrement, l’album, n’est pas nécessairement un produit final. On le constate déjà avec une Taylor Swift qui produit 40 éditions vinyle différentes du même album, contenant des chansons différentes. La prochaine affaire sera des artistes qui publieront des algorithmes pouvant générer une infinité de chansons dans leur propre style. »