Nourrir une machine de milliers de playlists en lui notifiant quels types de liens les humains font entre les musiques. Voilà ce que fait Niland, une start-up fondée par deux anciens chercheurs de l'Ircam, Damien Tardieu et Christophe Charbuillet, à partir de leurs travaux au sein de cette institution parisienne. Leur but est de permettre à cette machine de faire sa propre représentation virtuelle de chaque morceau afin de les cartographier et de faire des recommandations précises de titres à écouter ou utiliser. Et cela fonctionne, le succès commence à se voir… Niland compte une dizaine de clients dans le monde, dont CueSongs, une société fondée par le chanteur Peter Gabriel pour aider les artistes à vendre leur musique dans des contenus tiers. Ou encore MotionElements, un leader en Asie dans la fourniture de sons et d'images aux professionnels de l'audiovisuel.

Bien sûr, la fonction Discover Weekly du numéro un mondial du streaming de musique Spotify, qui propose à chacun de ses utilisateurs de découvrir chaque semaine une trentaine de morceaux adaptés à ses goûts, s'est fait une belle réputation. « Mais cet outil est réservé à Spotify et est surtout basé sur les données d'usage de l'utilisateur », explique Damien Tardieu, DG de Niland. Niland, lui, n'utilise que l'intelligence artificielle avec des algorithmes de type « deep learning » analysant la musique elle-même. Un type d'algorithme que le grand public a découvert il y a peu, lorsqu'il s'est imposé au jeu de go. Dans ce domaine, « nous avons de très bonnes raisons de penser que notre technologie est la meilleure au monde, puisque ce sont nos clients qui nous le disent », estime Damien Tardieu.

Des recommandations sans préjugés

Une technologie qui conserve sa part de mystère malgré sa sophistication. « C'est nous qui créons l'algorithme apprenant, mais sa capacité à cartographier la musique dépend de ce dont on le nourrit et nous dépasse un peu », admet Damien Tardieu, qui précise qu'« on ne doit pas répliquer un cerveau humain, car on ne sait pas quels critères il utilise pour reconnaître la musique ». Niland est désormais reconnu pour sa capacité à cartographier les différents univers musicaux. Il a commencé à travailler à la variété des morceaux que son système recommande à l'auditeur. Mais la société travaille à une couche algorithmique supérieure qui permettra de naviguer dans tous les styles tout en intégrant le feedback des utilisateurs. « On y est presque », explique Damien Tardieu. Ce dernier estime qu'il n'y a pas de fatalité à ce que la recommandation fonctionne comme un entonnoir cantonnant aux mêmes morceaux. Il note en outre que son système écoute directement la musique et n'a donc aucun préjugé, qu'il s'agisse de succès d'un titre ou de classifications sectaires. Les amateurs lambda pourront bientôt juger par eux-mêmes : Niland va lancer une fonction baptisée Scarlett se connectant au catalogue de la plate-forme SoundCloud, qui permettra de se faire sa radio personnalisée. L'idée pour Niland, avec ce projet, est d'ouvrir une vitrine de sa technologie. Le modèle économique de la start-up dépend, lui, d'abonnements vendus à des entreprises spécialisées comme des labels qui veulent mieux exploiter leur catalogue dans la durée ou encore des fournisseurs de contenus. Niland aide à élaborer des playlists ou à trouver les morceaux adaptés à des synchronisations pour de la publicité. Pour l'heure, la jeune pousse a levé 500.000 euros, en particulier auprès du fonds d'ultra-amorçage IT Translation, mais « nous réfléchissons à une levée de fonds lorsqu'on lancera des produits à plus grande échelle », précise Damien Tardieu, qui se définit aujourd'hui autant comme chef d'entreprise que comme chercheur.