La détection de musique par AI consiste à analyser l’audio d’un enregistrement pour estimer si un système d’intelligence artificielle (AI) l’a généré. Comprendre le fonctionnement de la détection de musique par AI permet de distinguer un résultat utile d’un résultat trompeur.
Ce guide explique d’où vient le signal, ce que signifie une probabilité, pourquoi Unsure est une réponse valable et pourquoi une personne devrait prendre la décision. SEAM, abréviation de Sonic Evidence of AI in Music, sert d’exemple concret : un service de reconnaissance audio de The InterSpace Group, présenté dans notre article de lancement pour découvrir SEAM.
Comment fonctionne la détection de musique par AI : le signal se trouve dans l’audio
Les détecteurs analysent l’audio lui-même pour y repérer les traces laissées par les systèmes de génération, puis renvoient une probabilité plutôt qu’une certitude. Une étude universitaire sur la détection de musique générée par AI décrit ces traces comme des motifs statistiques trop subtils pour être entendus, par exemple des motifs de fréquence caractéristiques laissés pendant la synthèse.
Une méthode consiste à transformer l’audio en spectrogramme, une représentation du son où le temps s’étend horizontalement, les fréquences verticalement et la luminosité indique l’énergie. Dans l’un des premiers détecteurs de deepfakes musicaux publiés, les spectrogrammes d’amplitude ont donné les meilleurs résultats parmi les entrées testées, lorsqu’un modèle apprenait à distinguer les vrais enregistrements de leurs copies reconstruites par machine.
Les filigranes, marqueurs qu’un générateur intègre volontairement, constituent une deuxième piste, mais ils ne sont utiles que si le générateur en ajoute un et si le fichier le conserve. L’étude relève qu’ils peuvent être délibérément supprimés ou dégradés.
Les métadonnées sont encore moins fiables. Un titre, une mention de crédit ou une déclaration « aucune AI utilisée » consigne ce que quelqu’un a saisi, et Spotify, qui s’appuie sur les déclarations des artistes, affirme que « l’absence d’un crédit ne signifie pas que l’AI n’a pas été utilisée ».
C’est pourquoi SEAM analyse l’audio lui-même, et non les métadonnées ou les déclarations de la personne qui a mis le fichier en ligne. Une mention de crédit peut être modifiée en quelques secondes sans toucher au son.
Ce que signifie vraiment une probabilité
Une probabilité indique la force des éléments observés : dans quelle mesure l’audio penche d’un côté. Elle ne représente pas la part d’un titre créée par une machine et ne dit rien sur l’intention ou la responsabilité.
Un chiffre qui semble précis peut malgré tout induire en erreur. Les auteurs de ce premier détecteur ont écrit qu’« un bon résultat de test ne clôt pas la question », puis ont énuméré les problèmes possibles après le déploiement : des scores dont le sens apparent peut être trompeur, des fichiers audio modifiés, des générateurs inconnus, et des résultats que personne ne peut expliquer ni contester.
Lors de leurs tests, les performances ont fortement baissé après des changements de hauteur, l’ajout de bruit et un réencodage à faible débit binaire, par exemple en MP3. Analysez donc le meilleur fichier dont vous disposez, idéalement le master original.
Comment interpréter chaque verdict, y compris Unsure
SEAM renvoie l’un des trois verdicts suivants pour chaque titre, accompagné d’une probabilité :
- Likely human : l’audio penche vers un enregistrement créé par un humain. Ce verdict ne garantit ni les droits ni l’originalité : vos vérifications habituelles restent nécessaires.
- Likely AI : l’audio penche fortement vers une génération par AI. Écoutez attentivement, demandez une déclaration et appliquez votre propre politique.
- Unsure : l’audio ne permet pas de trancher. Écoutez-le, puis demandez les pistes séparées ou les fichiers de session, ainsi qu’une brève explication de la création du titre.
Unsure est une information, pas un dysfonctionnement. L’étude souligne que la production réelle « aboutit rarement à une seule étiquette globale » : un accompagnement généré par AI peut coexister avec une voix humaine, et le remixage ou le mastering peuvent rendre insuffisante une réponse unique par oui ou par non.
Spotify décrit l’utilisation de l’AI comme « un spectre de plus en plus large, et non une option binaire ». Un détecteur qui ne répond jamais Unsure n’a pas supprimé cette incertitude. Il l’a cachée.
Pourquoi une personne devrait prendre la décision finale
Un score ne peut pas connaître votre politique, vos risques ni le point de vue de l’artiste. Les conséquences d’une erreur diffèrent : une fausse détection d’« AI » vise un véritable artiste, tandis qu’une fausse détection « human » laisse passer une violation de vos règles.
La déclaration et la détection répondent à des questions différentes : la déclaration consigne ce qu’affirme l’artiste, et la détection analyse ce que révèle l’audio. Si les deux divergent, posez des questions.
La politique de déclaration obligatoire de l’AI d’InterSpace Distribution s’applique à chaque nouvelle sortie et demande aux artistes d’indiquer si l’AI a été utilisée dans la création visuelle ou audio, et de quelle manière. Spotify a déclaré qu’elle soutiendra une norme sectorielle pour les crédits liés à l’AI, élaborée par l’intermédiaire de DDEX (Digital Data Exchange).
Chaque verdict SEAM est consultatif : à lui seul, il ne rejette, ne met en attente ni n’approuve jamais un titre, et la décision revient à une personne. Ces auteurs ont également signalé que la contestation d’un résultat constituait un point faible. Conservez donc une trace du fichier, du verdict, de la date et de votre raisonnement, et donnez à l’artiste la possibilité de répondre.
« Likely » est une raison d’examiner le titre de plus près et de demander une déclaration. Ce n’est jamais une preuve que vous pouvez publier au sujet de quelqu’un.
SEAM fonctionne dans une console web et via une API (application programming interface, l’interface qui permet aux logiciels de communiquer entre eux), et les 1 000 premiers titres sont gratuits. Analysez quelques-uns de vos propres titres avec SEAM et observez comment se présente chaque verdict.
