Deezer cherche à adapter ses playlists à l'état d'esprit de l'auditeur grâce à l'IA

(Relaxnews) - Les chercheurs de chez Deezer ont publié la semaine dernière un papier intitulé "Music Mood Detection Based on Audio and lyrics with Deep Neural Net". Il est consacré à un système d'intelligence artificielle (IA) détectant et classifiant les morceaux selon l'humeur à laquelle ils sont associés.

Lorsque l'on ne se sent pas dans son assiette, quoi de plus agaçant que de voir sa playlist de chansons mélancoliques interrompue par un tube de l'été ? Dans un monde où règnent les abonnements Spotify et la lecture automatique sur YouTube, les auditeurs recherchent des playlists en osmose avec leur état d'esprit et l'intensité de leurs sentiments.

Deezer, le service de streaming musical international, dispose d'une équipe de chercheurs dédiés, occupée actuellement à comprendre comment les machines identifient l'humeur et l'intensité d'énergie associées aux morceaux afin d'améliorer l'expérience de leurs millions d'utilisateurs. Ces recherches, repérées par Venture Beat, déterminent notamment qu'à l'origine de l'émotion, il y a non seulement le texte d'une chanson, mais aussi sa structure instrumentale et que les "deux modalités sont d'égale importance".

L'équipe s'appuie sur l'apprentissage en profondeur (deep learning) pour identifier les corrélations émotionnelles existant entre 18.000 morceaux selon des critères de valence (charge positive ou négative) et d'intensité (énergie). Cette méthode s'avère plus efficace que de précédentes approches, plus classiques, notamment grâce à leur analyse des mélodies et non simplement des paroles.

Le groupe de recherche a ouvert la voie à une exploration plus profonde d'un univers assez méconnu, qui requiert davantage de données jusqu'ici inexploitées. L'élaboration d'un plus grand nombre de bases de données permettront d'affiner la compréhension de ces corrélations. En plus d'une base de données classant les morceaux selon leur ambiance et leur intensité, il pourrait y avoir un autre niveau d'analyse par l'IA : celui de l'ambiguïté. Si les auditeurs entendent différemment une même chanson, l'IA pourrait s'entraîner à élaborer des playlists adaptées à chaque auditeur en fonction de sa relation à des morceaux joués précédemment.

La musique adaptée à l'humeur en temps réel est en marche. Bientôt, un appareil pourrait, mieux que vous, trouver la musique qui vous correspond. Bâtir patiemment la playlist parfaite pourrait bien devenir obsolète.