Musimap : humaniser les moteurs de recommandation musicale

Version imprimable de cet article Version imprimable  

Publié le jeudi 19 novembre 2015

Starting blocks

#Moteur/API de recherche #recommandation #musicologie #algorithme #datavisualisation

Musimap, c’est le service de recherche et de recommandation de musique hybride, un système qui repose sur les données issues de plus de 15 ans d’analyses scientifiques interdisciplinaires menées par le Dr Pierre Lebecque sur les dimensions émotionnelle, relationnelle et contextuelle de la musique. Le projet s’est mué en startup récemment avec une offre B2B. Nous avons échangé avec son directeur Vincent Favrat.

À mi-mois, on lève la tête du guidon et on s’intéresse à l’innovation. Starting Blocks c’est des entreprises, des activités innovantes, et celles et ceux qui les font ! Et tout ça, dans la musique !




Ça y est ! Musimap sort de son œuf. Le projet aura couvé longtemps avant d’éclore. Plus de 15 ans de recherches scientifiques au cours desquelles le projet a été approfondi et élargi, au gré des évolutions de la R&D et des besoins de l’industrie. Au centre de Musimap, il y a Pierre Lebecque, un chercheur entouré d’une communauté de scientifiques, d’entrepreneurs et de musiciens. Ce qui les anime : la passion de la musique et de l’IT.


Un encyclopédisme inspiré


JPEG - 111 ko
Pierre Lebecque, fondateur de Musimap

L’histoire commence au début des années 90. Pierre Lebecque vient de soutenir une thèse de doctorat sur l’analyse de la musique au prisme de ses réseaux d’influences. Il base son travail sur une idée simple : la création d’un musicien dépend de ce qu’il a lui-même écouté. Tout en exerçant une activité de sound engineer et de producteur de sons dans l’audiovisuel, le musicologue poursuivra ses travaux au fil de ses progrès.

A l’aube d’Internet, son approche interdisciplinaire crée un certain engouement. Des chercheurs (musicologues, sociologues, psychologues, lexicologues…) se prennent au jeu de l’encyclopédisme musical à travers la constitution d’un système d’information. Selon Pierre Lebecque, la musique est difficilement étiquetable. « Pour catégoriser les musiques et recréer des liens qui font sens, la communauté constituée fait le choix d’un travail pointu, d’un travail de fourmis », explique Vincent Favrat. Pour comprendre "l’ADN de la musique", ils commencent par sélectionner les artistes "pionniers" et les "ambassadeurs" de chaque genre musical, dont l’analyse des œuvres servira de fondement pour l’ensemble. Les chercheurs vont se relayer pour passer un million de titres créés par 10 000 artistes au crible de 55 indicateurs qu’ils identifient et étoffent au fur et à mesure pour caractériser la musique en genres, sous-genres, instrumentation, moods, etc. Afin de dépasser les différences de définitions de la musique, ils complèteront ce travail en collectant l’ensemble des données disponibles sur Internet pour en faire une analyse comparative, et considérer certaines influences avérées lorsque la plupart des spécialistes s’accordaient. « On a veillé à minimiser les risques d’incompréhension par recoupement des sources spécialisées », souligne Vincent Favrat.


Un moteur de recommandation musical humanisé


Le focus sur l’émotion est ce qui fait l’originalité de la démarche : « on arrive à près de 400 complex moods en partant d’une base de 18 familles. On peut ensuite ajouter des descripteurs spécifiques et pondérer chaque mood », se félicite Vincent Favrat. En effet, les humeurs dépendent du contexte de l’écoute. Musimap en a déjà identifié 100. A ce système d’indexation, ils ont l’idée d’ajouter la pondération des influences, pour traduire à chaque couche le niveau de proximité apprécié entre les éléments. L’idée initiale de Pierre Lebecque était de recréer une relation réelle entre les émotions et les qualificatifs humains pour répondre à des requêtes humaines. Le smart data va lui apporter le moyen de la réaliser.

Pour parfaire la taxonomie musicale pondérée, les chercheurs sollicitent près de 60 experts : des musiciens, comme Karl Bartos de Kraftwerk ou le Dj Gilles Peterson, également organisateur du WorldWide Festival pour les musiques électroniques, mais aussi des chorégraphes. En effet, de quelle manière peut-on mieux comprendre la musique ? « Par le biais du corps humain et des émotions qu’il ressent », répond Vincent Favrat. « Le travail de Musimap a été d’émuler les interactions complexes de l’humain écoutant de la musique », poursuit-il. Chacun apportera au fil du temps ses savoirs sur la musique, sur ses propres influences et sur l’appréhension de ses propres émotions au profit d’un outil commun. Le résultat : une intelligence sensorielle artificielle qui permet au public de découvrir la musique de façon intuitive.

Pierre Lebecque pense une première application de ses travaux, The world is a mix : une carte interactive permettant de découvrir et naviguer dans une histoire de la musique faite d’artistes, de titres, de genres, d’influences et de relations. A partir de celle-ci, l’internaute accédait à une plateforme d’achat et d’écoute en ligne. Faute d’un langage de programmation adapté au besoin d’instantanéité du traitement des requêtes, le projet sera finalement abandonné. On est en 2011, et le streaming se profile déjà comme le mode de consommation montant. Un moment idéal pour préparer les solutions que la future Musimap pourrait apporter à la recommandation de la musique. Le projet devient une entreprise, cofondée par Pierre Lebecque, Olivier Lebeau du label Volvox Music (Exsonvaldes, LaFille, Lou, etc.) et Frédéric Notet, le CTO qui l’accompagne depuis quelques années déjà.


Un moteur hybride pour la recommandation


JPEG - 127.1 ko
Vincent Favrat, directeur de Musimap

« Aux méthodes traditionnelles d’analyse du signal ou de textes, nous apportons des sciences « molles » afin d’aboutir à une solution technologique intégrée », explique Vincent Favrat. Après avoir appris à son algorithme à reconnaître les émotions, les influences et les contextes pour 1 million de titres, des technologies d’analyses du signal sont employées pour étendre l’analyse scientifique humaine à l’ensemble du catalogue disponible sur Internet par similarité, et ainsi atteindre les « 50 millions de titres de la discothèque mondiale ».

Et c’est de ce croisement qu’est née la première « technologie humaine semi-automatisée » pour l’indexation des titres et la recommandation musicale fondée sur les émotions, les influences et les contextes. Elle s’appuie sur quelques 2 milliards de données stockées, 750 millions de relations créées, les analyses de 50 millions de morceaux provenant de 4 millions d’artistes effectuées grâce à 11 000 mots-clés, 1500 sous-genres, 390 types d’humeurs complexes, et 100 contextes.

Au total, la phase de recherche et développement de Musimap aura été financée avec 2,2 M€ provenant en majorité de fonds privés. Une levée de fonds complémentaire auprès d’investisseurs privés français et flamands auxquels se sont ajoutés des cofinancements semi-publics belges a eu lieu en début 2015 pour permettre à l’équipe de finaliser la technologie. L’interface de Musimap, qui comprend 4 APIs, est maintenant disponible sur le marché. Les premiers contrats sont conclus et des collaborations avec des partenaires stratégiques ont été amorcées. La startup collabore notamment avec le projet européen MusicBricksavec qui elle optimise ses technologies et compte bien aussi apporter sa brique technologique spécifique sur l’émotion.


Un « assistant musical digital » personnalisé


Musimap discute d’ores et déjà avec les plateformes de streaming, comme l’indique Vincent Favrat : « on cherche le bon partenaire pour pouvoir faire des tests à large échelle avec l’un d’eux en 2016. L’objectif est de travailler sur une recommandation musicale qui tire le meilleur parti de l’humain et de l’algorithme » et pour trouver les bons partenaires, la startup dispose de bureau à Bruxelles et Berlin. Sur la rampe d’essai, Musimap se distingue des moteurs de recommandation par similarité et des méthodologies statistiques qui reposent sur le comportement de l’utilisateur et peuvent causer des effets miroir, indique Vincent : « un système de ce type propose des titres qu’il connaît déjà ou des artistes déjà connus. Mais ce n’est pas parce qu’on aime un morceau de Bruce Springsteen que l’on va adorer tous ses titres ». Avec leurs descripteurs émotionnels et les pondérations, les utilisateurs de l’assistant musical digital de Musimap vont trouver chaque morceau et chaque artiste. Avec comme objectif d’augmenter la consommation musicale et rendre le streaming profitable.

Dans l’écosystème de la recommandation, Musimap se retrouve du côté de l’analyse comportementale et contextuelle de The EchoNest (Spotify) et de la qualification personnalisée de Pandora, plutôt que de l’approche statistiques de MusicMetrics (Apple Music). Mais Musimap entend se concentrer sur la technologie, ne considérant pas la revente comme une fin en soi. Leur solution s’adresse aussi à tous les services ayant besoin de recherche et de recommandation : playlisting, supervision musicale, objets connectés (casques audio 3D) et même les télécommunications, la publicité ou encore l’audiovisuel spécialisé des parcs d’attraction. Au-delà, la startup se projette aussi vers d’autres pistes de développement de sa méthodologie hybride, notamment vers la recommandation d’autres contenus culturels (vidéos, jeux vidéos, livres, etc.).

Musimap a vite été identifiée par les cadors de l’innovation mondiale qui ne s’y sont pas trompés en l’invitant à se présenter sur le Growth Stage de Slush à Helsinki le 11 novembre dernier. Après s’être préparée longtemps, la startup commence fort. Sa première venue officielle en France se tiendra le 3 décembre prochain lors de la première édition de la Digitale Tech Conférence associée aux Rencontres Trans musicales de Rennes. Une nouvelle bonne raison de plus de se rendre aux Trans.


Par Fabrice Jallet