Chaque semaine, une part croissante de la musique reçue par les distributeurs et les labels n’est pas créée comme ils le supposent. Les outils génératifs peuvent désormais transformer une consigne textuelle en master au son abouti, et ces morceaux sont mis en distribution, proposés pour des synchronisations et intégrés à des catalogues qui s’échangent contre de l’argent réel. Pour les équipes qui signent, octroient des licences et livrent de la musique, une question discrète s’est imposée au premier plan : comment savoir ce que l’on traite ?
La divulgation est la réponse honnête, mais elle ne suffit pas à elle seule. InterSpace Distribution a rendu obligatoire la divulgation de l’utilisation d’AI pour chaque sortie en mai, et les principaux services de streaming ont durci leurs propres règles au fil de l’année. Mais la divulgation repose sur les déclarations des utilisateurs. Elle dépend de la personne qui met le morceau en ligne, qui doit connaître la vérité et la dire, ce qui n’est pas acquis lorsqu’un fichier est passé entre trois mains avant d’arriver chez un acheteur de catalogue. Un distributeur qui effectue le contrôle qualité, un agent de synchronisation qui répond à l’équipe juridique d’une marque, un label qui évalue un catalogue qu’il souhaite acheter : chacun a besoin, à un moment donné, d’une analyse de l’audio lui-même.
Ce que fait SEAM
C’est cette analyse que SEAM est conçu pour fournir. SEAM, qui signifie Sonic Evidence of AI in Music, est un service de reconnaissance audio de The InterSpace Group. Il écoute un morceau et renvoie un verdict simple pour chaque piste : Likely human, Likely AI ou Unsure. Il analyse le son, pas les métadonnées ni les déclarations de la personne qui a mis le morceau en ligne, et fournit un degré de probabilité avec le verdict afin que la personne chargée de l’examen puisse évaluer la force du signal.
La présentation est volontairement mesurée. SEAM fournit un signal consultatif, une analyse de l’audio, pas une garantie. Il ne rejette, ne bloque ni n’approuve jamais un morceau de lui-même. Le verdict est transmis à une personne, et l’équipe décide de la suite à donner. C’est la bonne approche pour un outil de ce type, car le prix à payer si l’on traite une probabilité comme un verdict est celui d’un véritable artiste dont un enregistrement entièrement humain est signalé à tort.
À qui cet outil est-il vraiment utile ?
La personne qui a besoin de SEAM est rarement l’auditeur. Ce sont les entreprises qui se trouvent entre les deux :
- Labels and A&R, qui examinent les maquettes et les catalogues reçus et veulent savoir ce qu’ils s’apprêtent à signer avant d’y apposer leur nom.
- Distributeurs, qui effectuent le contrôle qualité avant la mise en ligne d’une sortie, car un morceau créé par AI sans divulgation peut entraîner un retrait ou un avertissement sur le compte qui l’a livré.
- Équipes de synchronisation et de licences, et music supervisors, qui doivent de plus en plus répondre à une question directe d’une marque ou d’un diffuseur : une partie de cette musique a-t-elle été créée par AI ?
- Éditeurs et acheteurs de catalogues, qui effectuent des vérifications préalables et pour qui la part de contenu créé par AI sans divulgation dans un catalogue compte désormais dans sa valeur.
Ces équipes partagent toutes une même exposition au risque. Une erreur de jugement concernant un morceau est agaçante. La même erreur qui se répète dans une chaîne de livraison ou qui se trouve dans un catalogue constitue un risque juridique et financier.
Comment l’utiliser
SEAM s’utilise de deux façons. Une équipe peut analyser un morceau dans la console web et y consulter le verdict, ou envoyer des morceaux via l’API et recevoir le verdict dans son propre système. C’est ainsi qu’un distributeur peut l’intégrer à sa chaîne de livraison ou qu’un outil de gestion de catalogue peut vérifier un lot. Les 1,000 premiers morceaux sont analysés gratuitement. Une équipe peut donc essayer l’outil avec de la musique dont elle connaît déjà la réponse avant de lui confier des morceaux dont elle ne la connaît pas.
Ce qu’un verdict peut et ne peut pas vous dire
Un signal de détection n’est utile que si on le lit honnêtement. Voici quelques points à garder à l’esprit :
- Likely ne signifie pas prouvé. Un verdict Likely AI est une raison d’examiner le morceau de plus près et de demander une divulgation, pas une conclusion que vous pouvez publier au sujet de quelqu’un.
- Unsure est une vraie réponse. Une production humaine très travaillée et un morceau créé avec soin par AI peuvent être difficiles à distinguer. Un outil qui refuse de deviner dans ces cas est plus utile qu’un outil qui choisit toujours un camp.
- Cet outil complète la divulgation, il ne la remplace pas. Le signal est plus utile pour vérifier ce qu’une personne vous a déclaré au moment de mettre le morceau en ligne que pour remplacer la question.
- L’audio est la preuve. Les métadonnées, les balises et les noms de fichiers peuvent tous être modifiés après coup. L’intérêt d’écouter le morceau est que le son est plus difficile à maquiller.
Disponibilité
SEAM est disponible dès maintenant sur seam.interspacemusic.com, avec des analyses gratuites pour les 1,000 premiers morceaux et un API pour les équipes qui souhaitent l’utiliser à grande échelle. L’outil est développé et exploité par The InterSpace Group, la société de musique indépendante derrière InterSpace Distribution et ToneGrid.
