Amuse, l’IA qui transforme textes, images et sons en pistes pour composer

Pour un compositeur, le point de départ d’un morceau n’est pas toujours une mélodie. Cela peut être une image, un souvenir, une atmosphère ou quelques mots couchés dans un carnet. Encore faut-il réussir à transformer cette intuition en matière musicale. C’est à cet endroit précis qu’intervient Amuse, un système d’intelligence artificielle imaginé par des chercheurs de KAIST et de la Carnegie Mellon University. Son ambition n’est pas de remplacer le musicien par une machine qui livrerait une chanson terminée, mais de l’aider à trouver, tester et retravailler des pistes harmoniques.

Présenté en mai 2025, Amuse s’inscrit dans l’essor des outils de musique générative, tout en revendiquant une approche particulière : la collaboration. Le compositeur apporte une intention créative, l’IA formule des propositions, puis l’humain sélectionne, modifie ou écarte ce qui ne sert pas son projet. Cette répartition des rôles répond à une difficulté très concrète de l’écriture musicale : le blocage créatif, quand l’idée est là mais que sa traduction en accords, en tonalité ou en enchaînement reste incertaine.

Un point de départ peut devenir une idée harmonique

Amuse accepte plusieurs formes d’inspiration : un texte, une image ou un extrait audio. Le système les convertit en structures musicales, en particulier en progressions d’accords. Une progression d’accords désigne une suite d’accords qui donne à une chanson son mouvement harmonique et contribue fortement à sa couleur émotionnelle. Elle ne constitue pas à elle seule une composition entière, mais elle peut fournir le socle sur lequel bâtir une mélodie, un refrain, une ligne de basse ou un arrangement.

L’exemple avancé par les chercheurs est révélateur de l’usage visé : la phrase « souvenirs d’une chaude plage d’été » peut conduire Amuse à proposer des enchaînements d’accords correspondant à l’ambiance suggérée. L’intérêt n’est donc pas de trouver la seule traduction musicale possible d’une phrase. Il consiste plutôt à faire émerger plusieurs portes d’entrée, dont le musicien peut se saisir ou s’éloigner.

Cette logique multimodale est importante. La création musicale ne commence pas nécessairement par un vocabulaire technique. Un compositeur peut avoir en tête « une route sous la pluie », une photographie de vacances ou un court enregistrement pris sur le vif, sans savoir immédiatement quels accords jouer. Amuse vise à faire le pont entre ces éléments informels et une proposition utilisable dans le processus de composition.

Un partenaire d’écriture, plutôt qu’un générateur qui décide à la place de l’artiste

Le terme de « partenaire » est central dans la démarche des équipes de KAIST et de Carnegie Mellon. Beaucoup d’outils d’IA générative sont conçus pour produire un résultat complet à partir d’une consigne : une image, un texte, une voix synthétique ou une séquence musicale. Cette rapidité peut être utile, mais elle peut aussi réduire la place de l’exploration, particulièrement importante lorsque l’artiste cherche sa propre direction.

Amuse privilégie au contraire un échange où les suggestions sont destinées à être intégrées, modifiées ou abandonnées. Le système ne prétend pas savoir mieux que le compositeur ce que doit devenir le morceau. Il agit comme un déclencheur de possibilités, parfois utile lorsqu’une personne tourne en rond sur une même grille d’accords ou ne parvient pas à relier une ambiance à une décision musicale précise.

Cette différence de conception compte aussi pour les musiciens qui ne souhaitent pas déléguer l’essentiel de leur travail. Dans une pratique créative, la valeur ne se limite pas au résultat final. Les essais, les hésitations, les bifurcations et les accidents heureux font partie du processus. Un assistant pertinent doit donc être capable de stimuler ce cheminement sans le verrouiller.

Comment Amuse génère-t-il ses suggestions musicales ?

Sur le plan technique, Amuse combine deux approches d’intelligence artificielle. La première repose sur un grand modèle de langage, ou LLM. À partir des indications et des inspirations apportées par l’utilisateur, ce modèle génère des codes musicaux. Les grands modèles de langage sont généralement connus pour leur capacité à traiter et produire du texte, mais leur principe peut être adapté à des représentations structurées de la musique lorsque celle-ci est traduite sous forme de symboles ou de codes.

La seconde approche sert de filtre. Un autre modèle, entraîné sur des données musicales réelles, intervient pour écarter les propositions qui paraissent moins naturelles. Les chercheurs décrivent cette étape comme un processus de rejection sampling, expression que l’on peut traduire par échantillonnage avec rejet. L’idée générale est simple : produire des candidats, puis conserver ceux qui répondent le mieux à certains critères plutôt que de retenir automatiquement la première sortie générée.

Cette architecture en deux temps répond à un problème fréquent des systèmes génératifs. Une IA peut proposer une réponse qui semble correspondre à une instruction, mais qui s’avère peu convaincante une fois confrontée aux règles, aux habitudes ou aux attentes de la pratique musicale. Dans le cas d’Amuse, le filtrage vise donc à limiter les structures harmoniques jugées moins naturelles.

Il faut toutefois éviter de prêter au système des qualités qu’il ne revendique pas. Les informations disponibles ne précisent ni l’ensemble des données d’entraînement, ni les critères exacts employés par le filtre, ni les genres musicaux sur lesquels l’outil se montre le plus pertinent. Une progression considérée comme naturelle dans la pop occidentale ne répond pas nécessairement aux mêmes conventions dans le jazz, les musiques traditionnelles, la musique contemporaine ou les répertoires non occidentaux.

Que dit l’étude menée auprès de musiciens ?

Les concepteurs d’Amuse ont réalisé une étude utilisateur auprès de musiciens afin d’évaluer son intérêt comme compagnon créatif. D’après les résultats rapportés, les participants ont vu un fort potentiel dans cette forme de collaboration entre l’humain et l’IA. Leur retour soutient l’idée qu’un système de suggestions peut aider les créateurs à dépasser certaines limites de leur processus habituel, non pas en se substituant à eux, mais en élargissant le champ des options envisagées.

Cette évaluation est particulièrement utile, car un outil musical ne peut pas être jugé uniquement sur ses performances techniques. Une suite d’accords cohérente sur le plan formel peut être sans intérêt pour un artiste. À l’inverse, une suggestion imparfaite peut devenir féconde si elle pousse le compositeur vers une idée inattendue. L’enjeu est donc aussi celui de l’expérience : l’outil arrive-t-il au bon moment, laisse-t-il suffisamment de contrôle, offre-t-il des propositions assez variées et favorise-t-il réellement l’appropriation ?

Les éléments publiés ne donnent pas la taille de l’échantillon de cette étude, le profil détaillé des participants ni des mesures chiffrées de satisfaction ou de gain de temps. Ils ne permettent donc pas de conclure que l’outil améliore mécaniquement la créativité de tous les musiciens. En revanche, ils montrent que la question de l’interface et du contrôle artistique est prise au sérieux dès la conception du système.

L’IA musicale peut-elle éviter les problèmes de droit d’auteur ?

Le professeur Sung-Ju Lee et son équipe soulignent une préoccupation devenue majeure avec les IA génératives : l’imitation directe de contenus protégés par le droit d’auteur. Lorsqu’un modèle apprend à partir de grandes quantités de musique, les créateurs peuvent craindre qu’il reproduise trop étroitement des œuvres existantes ou qu’il permette de demander des imitations d’artistes reconnaissables.

Amuse est présenté comme une réponse orientée vers les besoins des créateurs et vers le maintien de leur initiative. Son fonctionnement, centré sur des suggestions harmoniques à partir d’inspirations variées, se distingue d’une logique consistant à réclamer la copie d’un titre précis. Mais cette orientation ne suffit pas, à elle seule, à régler toutes les questions juridiques.

La protection du droit d’auteur dépend notamment des données utilisées pour entraîner les modèles, de la proximité éventuelle entre les sorties et des œuvres préexistantes, ainsi que des règles applicables selon les pays. Les informations disponibles sur Amuse ne permettent pas d’affirmer qu’il élimine tout risque de reproduction ou de litige. Elles montrent surtout que ses concepteurs identifient cet enjeu et cherchent à développer une IA qui soutienne la créativité humaine plutôt qu’une IA conçue pour imiter directement.

Ce qu’Amuse change dans l’écriture musicale

L’apport potentiel d’Amuse est de déplacer le débat sur l’IA musicale. Au lieu de se demander uniquement si une machine peut fabriquer une chanson, le projet pose une autre question : comment concevoir un outil qui aide un musicien à mieux formuler sa propre intention ? Dans ce cadre, l’IA n’est pas l’auteur qui prend le contrôle du morceau, mais une interface entre des inspirations parfois floues et des possibilités musicales concrètes.

Cette approche peut intéresser différents profils. Un débutant pourrait s’en servir pour comprendre comment une ambiance se traduit en harmonie et pour sortir des suites d’accords qu’il utilise toujours. Un auteur-compositeur expérimenté pourrait y chercher des variations rapides avant de les réécrire à sa manière. Un enseignant pourrait aussi y voir un support de discussion sur les liens entre texte, image, écoute et choix harmoniques.

Cela ne dispense pas des compétences musicales fondamentales. Écouter, reconnaître une tension harmonique, adapter une tonalité à une voix, construire une forme, écrire une mélodie et prendre des décisions d’arrangement restent des tâches profondément artistiques. Une suggestion générée peut accélérer la phase d’exploration, mais elle ne remplace ni le goût, ni l’intention, ni la responsabilité du créateur.

Ce qu’il faut surveiller

En mai 2025, Amuse apparaît avant tout comme une piste de recherche prometteuse sur la co-création musicale entre humain et IA. Plusieurs questions détermineront sa portée réelle. La première concerne l’accès : les informations présentées ne précisent pas les conditions de disponibilité de l’outil pour le grand public ou les professionnels. La deuxième touche à la diversité musicale : un assistant réellement utile devra s’adapter à des pratiques, des cultures et des esthétiques très différentes.

La troisième est celle de la transparence. Les artistes auront besoin de comprendre d’où viennent les suggestions, quelles sont les limites du système et comment leurs propres matériaux sont traités. Enfin, le droit d’auteur restera un point de vigilance majeur, à la fois pour les œuvres utilisées dans l’entraînement et pour les créations réalisées avec l’appui d’une IA.

La direction défendue par Amuse est néanmoins claire : conserver l’artiste au centre. Si les futurs outils de musique générative parviennent à offrir des idées sans confisquer les choix, ils pourraient devenir moins des machines à produire à la chaîne que de véritables instruments d’exploration créative.