Passer à la version normale du sitePasser à la version large du siteTaille d'écran
  • Facebook
  • Twitter
  • RSS
  • Abonnez-vous!
    Connectez-vous

    Les algorithmes, une partition pleine de distorsions

    Les recommandations faites par les services de streaming ouvrent-elles vraiment nos horizons ?

    18 février 2017 |Guillaume Bourgault-Côté | Musique
    Illustration: Tiffet

    L’explosion de la popularité des services d’écoute en continu fait en sorte que des milliards de traces numériques sont laissées chaque jour entre les « mains » des algorithmes — avant d’être renvoyées sous forme de recommandations musicales. Fascinants à bien des égards, ces procédés ne manquent toutefois pas de distorsions. Regard.


    Légère projection dans un avenir pas si lointain ? Vous vous levez le matin, mettez vos écouteurs et activez la connexion à Spotify. Qui sait que vous allez jogger, qu’il fait 12 degrés dehors et que le ciel sera bleu sous peu. Qui sait aussi exactement ce que vous aimeriez écouter à ce moment précis, dans cette ambiance précise. Deux accords de guitare et c’est parti.

     

    Après quelques pâtés de maisons, Spotify (ou Apple Music, ou Pandora, ou Deezer, ou autres) vous proposera des titres plus rythmés, peut-être même adaptés au pas de la course ou au pouls du coeur. Ah, et puis le petit nuage là-bas ? À combattre avec un rock vivifiant, parfait pour le sprint final.

     

    Le retour à la maison se fera sur une chanson douce, le petit-déjeuner sera instrumental, le trajet en métro, passablement reggae. Et ainsi de transition en transition pour toute la journée (avec peut-être une pause de quelques minutes pour parler à quelqu’un…).

     

    Ce « rêve » d’un algorithme extrêmement intelligent qui saurait vous recommander la parfaite liste de musique à tout moment du jour, en fonction de vos goûts, de vos activités, de votre humeur et d’une foule d’autres paramètres, ne tient plus tant de la science-fiction.

     

    Dans une entrevue avec le magazine Billboard, Brian Whitman — cofondateur du laboratoire The Echo Nest, un des leaders de l’analyse des données qui mènent à la recommandation musicale (son groupe a été racheté par Spotify en 2014) — disait qu’il peut déjà savoir qu’à « 10 h, vous écoutez un certain type de musique, que vous utilisez votre téléphone à la maison ou au bureau… Tous ces signaux sont captés. »

     

    Pour M. Whitman, « l’interface ultime serait que vous appuyiez sur “Play” et que vous n’ayez rien d’autre à faire ». En somme : les algorithmes seraient d’une telle précision qu’ils permettraient à une plateforme de streaming de vous guider avec doigté à travers l’infinité de son catalogue musical. Tout le monde deviendrait ainsi une sorte de Gregory Charles amateur — toutes les chansons de toutes les époques, les yeux fermés.

     

    Plusieurs estiment d’ailleurs que les algorithmes vont rapidement devenir les « prescripteurs culturels de demain », en remplacement des critiques, des disquaires ou de la radio, par exemple.

     

    Dans une chronique publiée l’an dernier par Slate, le journaliste, auteur et chercheur français Frédéric Martel (qui dirige un programme de recherche sur le sujet) brossait le tableau envisagé par les plus optimistes à l’égard des algorithmes : les « mouvements de l’opinion peuvent être perçus, les artistes qui sont en train de percer sont repérés, les niches particulières sont découvertes ».

       

    Enfermement ?

     

    Nous sommes toutefois assez loin de cet éden annoncé. « Qui n’a pas constaté sur Pandora, Spotify ou Deezer qu’après avoir écouté longuement un certain type de musique, l’algorithme avait tendance à lui recommander indéfiniment le même genre musical ? demandait M. Martel dans le même article. L’algorithme n’innove pas, ne s’aventure pas, n’imagine pas, ne fait pas d’associations d’idées, ce qui le conduit inexorablement vers des recommandations de plus en plus étroites. »

     

    Le chercheur parle d’un « phénomène d’attrition » (ou d’enfermement) qui s’accentue sans cesse — à moins que l’utilisateur ne réagisse, fasse connaître son avis et impose une nouvelle direction à l’algorithme qui guide son écoute.

     

    Consultant en nouvelles technologies appliquées au secteur culturel, Jean-Robert Bisaillon s’intéresse depuis longtemps au phénomène des algorithmes de recommandation musicale. « Je dirais qu’il ne faut pas démoniser ces nouveaux outils, pas plus qu’il ne faut les porter aux nues. Tout change vite. Les machines se développent très rapidement, l’intelligence artificielle aussi. Ce n’est pas parce que les algorithmes sont moches aujourd’hui qu’ils le seront encore dans un an. Le défi, c’est de trouver comment agir pour faire en sorte que ça devienne intéressant le plus vite possible sans porter atteinte à la diversité culturelle. »

     

    « Les ingénieurs d’Echo Nest le reconnaissent : une minorité d’albums obtient toute l’écoute sur les plateformes », ajoute Louis Melançon, étudiant au doctorat en Communication Studies à McGill — et auteur d’une maîtrise s’intéressant aux outils de recommandation de Spotify et de Deezer. « Ils cherchent à y remédier. Ça fait partie de leur travail d’essayer de faire en sorte que les gens consomment plus de musique et qu’elle soit plus diversifiée. »

     

    Peaufiner

     

    La recherche s’attelle donc à peaufiner les modèles pour trouver le juste équilibre entre recommandation algorithmique et recommandation éditoriale — Brian Whitman parle d’une approche mi-machine, mi-humaine — tout en intégrant les paramètres des recommandations sociales de vos réseaux personnels.

     

    Une tâche imposante, dit M. Melançon. « D’une part, on sait que la grande majorité de la population écoute de la musique de manière peu attentive, sans passion particulière pour découvrir de nouveaux groupes. Et puis, les goûts musicaux sont plus compliqués que d’autres : ils sont extrêmement différents d’une personne à l’autre, même dans un même groupe d’âge ou de nationalité. En plus, ils changent avec le temps… »

     

    Or, à l’heure actuelle, « les machines excellent à analyser les données, mais peinent à prédire les comportements et les goûts, à choisir ou à juger les émotions et les sensibilités, estime Frédéric Martel. Elles anticipent mal, contrairement à ce qu’on pourrait croire, la prescription culturelle. » Une distorsion qui est d’autant plus grande auprès des mélomanes plus sérieux, qui ont des goûts éclectiques et des « sensibilités indéchiffrables », dit-il.

     

    M. Martel note une autre distorsion, plus insidieuse : celle de la manipulation à des fins commerciales, qui ajoute un paramètre mercantile dans toutes ces opérations invisibles.

     

    « Il y a encore beaucoup de recherche à faire pour améliorer l’offre, observe Jean-Robert Bisaillon. Mais cela se fait rapidement parce que c’est précisément sur cet élément — la capacité de suggérer les bonnes chansons à la bonne personne au bon moment — que les plateformes se distingueront les unes des autres. »

     

    Jusqu’à accompagner chaque réveil avec la bonne note.

     

    Comprendre les variables

     

    L’ADISQ a demandé au gouvernement québécois l’automne dernier une aide financière pour développer une expertise qui permettrait de mieux comprendre les algorithmes utilisés par les différentes plate-formes de streaming. Cela dans l’objectif d’assurer une présence plus grande de contenu québécois. « Beaucoup de gens se laissent guider par les listes de lecture, note la directrice générale, Solange Drouin. Certaines sont faites par des humains, mais plusieurs d’autres par des machines. Et on ne sait pas selon quelles variables on nous propose telle liste avec tel contenu. »













    Envoyer
    Fermer

    Articles les plus : Commentés|Aimés
    Articles les plus : Commentés|Aimés
    Abonnez-vous à notre infolettre. Recevez l'actualité du jour, vue par Le Devoir.