Le cauchemar de l’industrie musicale s’est concrétisé en 2023 et sonnait comme un Drake.
« Le cœur sur ma manche », un faux duo convaincant entre Drake et The Weeknd, a accumulé des millions de ruisseaux avant d’expliquer qui a fait ou d’où il vient. La piste n’était pas seulement virale. Cela a brisé l’illusion que tout le monde contrôle.
En réponse à la brouillage, les nouvelles catégories d’infrastructures sont tranquillement façonnées et conçues pour rendre la musique générée traçable plutôt que de l’arrêter complètement. Le système de détection est intégré tout au long du pipeline musical. Les outils utilisés pour former des modèles, la plate-forme sur laquelle les chansons sont téléchargées, une base de données des droits de licence et des algorithmes qui façonnent les découvertes. L’objectif n’est pas seulement d’attraper du contenu synthétique après les faits. Il s’agit de l’identifier tôt, de le marquer avec des métadonnées et de dominer la façon dont il se déplace dans le système.
« Si vous n’incorporez pas quelque chose comme ça dans votre infrastructure, vous courez simplement la queue », explique Matt Adele, co-fondateur de Musical IA. « Nous ne pouvons pas continuer à répondre à tous les nouveaux morceaux et modèles. Cela n’élargira pas. Nous avons besoin d’une infrastructure qui fonctionne de la formation à la distribution. »
L’objectif n’est pas le démontage, mais la licence et le contrôle.
La startup est actuellement pop-up pour créer une détection dans le flux de travail de licence. Des plates-formes comme YouTube et Deezer développent des systèmes internes pour signaler audio synthétique téléchargé, façonnant comment il fait surface dans les recherches et les recommandations. D’autres sociétés musicales, dont Audible Magic, PEX, RightSify et SoundCloud, élargissent les capacités de détection, de modération et d’attribution à travers tout, des ensembles de données de formation à la distribution.
Le résultat est un écosystème fragmenté mais en croissance rapide d’entreprises qui traitent la détection de contenu généré par l’IA non pas comme un outil d’application, mais comme une infrastructure de stations de table pour suivre les supports synthétiques.
Plutôt que de détecter une fois que la musique AI s’est propagée, certaines entreprises construisent des outils pour les étiqueter dès leur création. Vermillio et l’IA musical développent un système qui scanne les pistes terminées des éléments synthétiques et les marque automatiquement avec des métadonnées.
Le cadre TraceID de Vermillio est plus profond en divisant la mélodie en tiges telles que des tons vocaux, des phrases mélodiques et des modèles lyriques, et des segments de signalisation générés par une IA particulière, permettant de détecter les imitations au niveau STEM, même si seules les nouvelles pistes empruntent la partie originale.
La société affirme que cela ne se concentre pas sur les retraits, mais sur les licences agressives et les versions authentifiées. TraceID est positionné comme une alternative à des systèmes tels que les ID de contenu YouTube, et manque des imitations subtiles et partielles. Vermillio estime qu’il pourrait potentiellement développer ses licences d’authentification avec des outils comme TraceID de 75 millions de dollars en 2023 à 10 milliards de dollars en 2025.
« Nous essayons de quantifier les impacts créatifs, pas seulement pour attraper des copies. »
Certaines entreprises se déplacent plus en amont des données de formation elle-même. En analysant ce qui se passe dans le modèle, leur objectif est d’estimer à quel point les pistes générées empruntent à un artiste ou une chanson en particulier. Ce type d’attribution pourrait permettre une licence plus précise, et il y a une royauté basée sur une influence créative plutôt que des conflits post-libération. Cette idée reflète d’anciens débats sur l’impact de la musique, comme le litige « Blurred Line », mais les applique à la génération d’algorithmes. La différence actuelle est que les licences peuvent être déposées avant la libération, plutôt qu’après les faits.
L’IA musical travaille également sur les systèmes de détection. La société explique que le système est superposé tout au long de l’ingestion, de la production et de la distribution. Plutôt que de filtrer la sortie, il suit son origine d’un bord à l’autre.
« Les attributs ne doivent pas être licenciés lorsque la chanson est terminée, ils doivent tirer lorsque le modèle commence à apprendre », explique Sean Power, co-fondateur de la société. « Nous essayons de quantifier les impacts créatifs, pas seulement pour attraper des copies. »
Deezer a développé un outil interne pour signaler les pistes qui sont entièrement générées par l’AI lors du téléchargement, à la fois des algorithmes et des recommandations d’édition, en particulier lorsque le contenu est affiché un spam. Le directeur de l’innovation, Aurelien Héraul, dit qu’en avril, ces outils avaient détecté environ 20% des nouveaux téléchargements quotidiens en tant que génération entièrement IA. Les pistes identifiées par le système sont accessibles sur la plate-forme, mais ne sont pas annoncées. Hérault dit que Deezer prévoit d’étiqueter directement les étiquettes des utilisateurs de ces pistes « en quelques semaines ou mois ».
« Nous ne sommes pas du tout contre l’IA », explique Hérault. « Mais une grande partie de ce contenu est utilisée avec malveillance non pas pour créer, mais pour tirer parti de la plate-forme, donc nous sommes très prudents. »
La génération de DNTP AI (PAS de formation) pousse la détection encore plus rapidement au niveau de l’ensemble de données. Le protocole de désactivation permet aux artistes et aux titulaires de droits d’étiqueter leur travail comme des limites interdites pour la formation des modèles. Les artistes visuels ont déjà accès à des outils similaires, mais le monde audio rattrape toujours son retard. Jusqu’à présent, il y a peu de consensus sur la façon de normaliser le consentement, la transparence ou les licences à grande échelle. Les réglementations pourraient finalement faire respecter la question, mais pour l’instant, l’approche reste fragmentée. Le soutien des grandes sociétés de formation d’IA est également incohérente, les critiques affirmant que les protocoles ne gagneront pas de terrain à moins qu’ils soient indépendants et largement adoptés.
« Le protocole de désactivation est une organisation à but non lucratif et doit être supervisé et fait confiance par plusieurs acteurs différents », explique Dryhurst. «Personne ne devrait faire confiance à l’avenir du consentement pour les entreprises centralisées opaques qui pourraient faire faillite.
