YouTube Music a annoncé le lancement de labels permettant de repérer d’un coup d’œil les morceaux créés à l’aide de l’IA générative. Ils s’afficheront sur l’écran de lecture et, en appuyant dessus, on pourra voir quelle partie de la production a fait appel à l’IA. Un affichage similaire sera également déployé dans l’application YouTube.
L’« intervention de l’IA » sera visible sur l’écran de lecture
Ce qui retient l’attention dans ce dispositif, c’est qu’il ne se limite pas à une réponse binaire à la question de savoir si l’IA a été utilisée. Il permettra aussi de connaître les étapes prises en charge par l’IA, comme la composition ou le chant.
Les labels seront placés sur l’écran de lecture, que l’on consulte au quotidien. Il ne s’agira pas d’informations enfouies dans les paramètres, mais d’éléments conçus pour apparaître naturellement pendant l’écoute.
YouTube a annoncé que ces labels seraient aussi déployés dans son application principale, ce qui leur permettra de toucher les personnes qui n’utilisent pas l’application dédiée à la musique. Une évolution qui ressemble bien à YouTube, où vidéo et musique se côtoient.
Trois catégories pour décrire le rôle de l’IA
Les partenaires musicaux peuvent déclarer, pour leurs œuvres, l’une des trois catégories suivantes : « Fully Gen AI », « Partly Gen AI » ou « No Gen AI ».
« Fully Gen AI » désigne les morceaux entièrement générés par l’IA. « Partly Gen AI » s’applique aux œuvres qui intègrent des éléments générés par l’IA, auxquels les artistes ajoutent par exemple des performances instrumentales en direct. Enfin, « No Gen AI » inclut les morceaux retouchés à l’aide d’outils de correction de la hauteur, comme Auto-Tune.
La distinction est subtile. La correction de la hauteur est une technique utilisée depuis longtemps en studio, et elle est considérée comme différente de l’IA générative. À une époque où le terme « IA » tend à tout englober, cette classification pourrait réduire les malentendus chez les auditeurs.
Un dispositif qui ne repose pas uniquement sur les déclarations
YouTube indique qu’il travaillera avec ses partenaires musicaux et utilisera également ses propres outils de détection pour repérer la musique générée par l’IA.
S’appuyer uniquement sur l’autodéclaration pourrait avantager ceux qui ne déclarent rien. Le recours à des outils de détection constitue une base pour garantir la fiabilité des labels. Pour les auditeurs, la présence ou l’absence d’un label étant un élément de jugement, c’est précisément la manière dont le système fonctionne en coulisses qui sera déterminante.
L’« exclusion » choisie par d’autres acteurs face à la « transparence » de YouTube
L’afflux de musique générée par l’IA est un défi commun à l’ensemble du secteur, mais les réponses varient. Apple Music prévoit d’introduire au second semestre de cette année un label « Made With AI », dans le cadre de ses AI Transparency Tags. Spotify dispose également de labels signalant l’IA et de filtres contre le spam musical.
Deezer adopte la position la plus ferme. En juillet, la plateforme a indiqué recevoir près de 90 000 morceaux entièrement générés par l’IA par jour. Les morceaux détectés sont étiquetés, exclus des recommandations algorithmiques et des playlists éditoriales, et ne donnent pas lieu au versement de redevances en cas de streaming frauduleux. Deezer prépare également une option permettant de filtrer la musique générée par l’IA.
TIDAL étiquette également les enregistrements qu’il considère comme entièrement générés par l’IA. Les auditeurs peuvent les masquer, et ils sont exclus de la répartition des redevances.
Le choix de ne pas interrompre la monétisation
À l’inverse, YouTube privilégie la transparence plutôt que les restrictions générales. Les nouveaux labels visent à informer les auditeurs du rôle de l’IA ; le simple fait qu’elle ait contribué à un morceau ne suffit pas à l’exclure de la monétisation.
YouTube expérimente également la création musicale par l’IA. Dream Track est un outil qui permet à certains créateurs de générer des bandes-son en reproduisant par l’IA la voix d’artistes participants.
D’un côté, ceux qui excluent ; de l’autre, ceux qui affichent l’information et laissent le choix. La bonne approche dépend de ce que recherchent les auditeurs. Mais à mesure que la dichotomie entre « IA » et « humain » perd de sa pertinence, montrer qui a contribué à quoi pourrait élargir les façons d’apprécier la musique. La valeur du dispositif dépendra de la gestion des déclarations et de la détection, ainsi que de la clarté des labels.
コメント