L’impact de l’IA sur la découvrabilité dans le secteur culturel – Juillet 2024

Par Guy-Philippe Wells, Directeur scientifique, LATICCE

Télécharger la version PDF

Pour vous inscrire à la liste de diffusion de la veille technologique sur l’impact de l’IA sur la découvrabilité dans le secteur culturel, ou pour nous faire parvenir vos commentaires et suggestions pour les prochaines éditions, bien vouloir remplir ce court formulaire.

Résumé 

Les mécanismes de répartition des redevances versées par les plateformes numériques d’écoute en ligne (PNEL) tel que Spotify ont été définis il y a une vingtaine d’années alors que les revenus qui en étaient tirés par les artistes et les producteurs étaient marginaux. Aujourd’hui, il s’agit clairement de la source de revenus la plus importante pour l’industrie de la musique. Vu la faiblesse de la rémunération qu’elles offrent à de très nombreux artistes et la concentration importante des versements vers quelques milliers d’artistes à travers le monde, n’est-il pas temps de questionner ce modèle et de mesurer ses impacts sur les industries de la musique locales? Nous présentons dans cette veille le modèle de répartition utilisé par la plupart des PNEL et mettons en lumière ses principales faiblesses. Nous présentons également un modèle alternatif qui a le potentiel d’être plus équitable pour les artistes et les producteurs des marchés moins populeux comme l’est le Québec, un modèle centré sur les préférences individuelles des usagers des PNEL.

Table des matières 

PARTIE 1 : Des plateformes plus payantes pour les artistes québécois?

1.1 Le Market Centric Payment System (MCPS)
1.2 Le User Centric Payment System (UCPS)
1.3 Une concentration des revenus vers les artistes « professionnels »
1.4 Conclusion

PARTIE 2 : Actualités

2.1 Universal et l’IA
2.2 Intelligence artificielle, culture et médias : un nouvel ouvrage sur l’IA paru aux Presses de l’Université Laval
2.3 Commerce numérique, culture et enjeux de réglementation

PARTIE 3 : Résumés d’articles scientifiques

Moreau, F. et coll. 2023. Implementing a user-centric payment system in the music streaming market: a comparative static approach from user data.
Shank, D. et coll. AI composer bias: Listeners like music less when they think it was composed by an AI. Journal of Experimental Psychology: Applied, Vol 29(3), Sep 2023

PARTIE 1 : Des plateformes plus payantes pour les artistes québécois?

Dans le document « Principes de l’IA » publié par l’OCDE en 2019, l’organisation propose cinq principes à suivre pour viser une intelligence artificielle « digne de confiance ». Se trouvent évoqués plusieurs objectifs dont certains sont d’intérêt pour le secteur culturel : l’importance de la diversité, le renforcement de la créativité et l’équité. De notre point de vue, pour qu’un modèle d’IA puisse être considéré comme étant responsable, ces objectifs doivent être poursuivis dans la conception et l’adaptation et le fonctionnement des algorithmes de recommandation.

Ces trois objectifs sont au cœur des rapports qu’entretiennent les artistes avec les plateformes numériques d’écoute en ligne (PNEL). Celles-ci étant devenues le principal lieu d’écoute des œuvres musicales, elles deviennent le milieu d’expression des préférences des amateurs de musique et la rémunération des artistes devrait en principe s’accorder avec ces préférences. Cet accord entre les préférences des usagers des PNEL et la rémunération des artistes doit viser l’équité, ce qui se traduit selon nous par des revenus conséquents qui favorisent l’atteinte des deux autres objectifs, le renforcement de la créativité et une meilleure expression de la diversité culturelle.

Le projet de recherche du CEIMIA sur le développement d’un système de recommandation musicale responsable visant l’atteinte de ces objectifs doit donc avoir dans ses priorités l’établissement d’un mécanisme équitable de partage des redevances. La première question que pose ce projet de recherche est de vérifier si les pratiques actuelles en matière de partage des redevances sont équitables. Elle s’inscrit dans le débat plus large sur les défis en termes d’équité que posent la transformation numérique et l’intelligence artificielle au respect de la propriété intellectuelle. 

Plusieurs modèles de partage des revenus entre les PNEL et les artistes et producteurs peuvent être imaginés. Les deux modèles les plus fréquemment évoqués sont le « Market Centric Payment System » (MCPS) et le « User Centric Payment System » (UCPS). Le MCPS calcule les redevances selon le nombre d’écoutes globales de chaque titre sur une PNEL. Le UCPS effectue plutôt un calcul individuel à partir de l’écoute de chaque usager pour répartir la valeur de son abonnement sur les titres écoutés.

Source : CNM 2021

La plupart des PNEL telles que Spotify ou Apple Music utilisent le mode de rémunération MCPS. Chaque écoute d’une œuvre musicale entraîne un paiement. Certaines PNEL comme Spotify accordent une valeur différente à ces écoutes en fonction du statut de l’usager, à savoir s’il est abonné ou s’il utilise le service gratuit financé par la publicité.

Dans cette veille, nous verrons d’abord les grandes lignes du mécanisme de partage des redevances versées par les PNEL, puis nous porterons notre regard sur ses impacts économiques sur les revenus de l’industrie de la musique québécoise. Enfin, nous chercherons à voir s’il est possible de mettre en place un mécanisme qui permettrait de mieux remplir les objectifs que nous avons évoqués plus haut.

Il s’agit d’étudier cette question sous l’angle du concept de l’intelligence artificielle centrée sur l’humain (IACH). Définie par IBM comme étant une “discipline visant à créer des systèmes d’IA qui amplifient et augmentent plutôt que de remplacer les capacités humaines, l’IACH cherche à préserver le contrôle humain de manière à garantir que l’intelligence artificielle réponde à nos besoins tout en fonctionnant de manière transparente, en produisant des résultats équitables et en respectant la vie privée.” (IBM, 2022) Les modèles d’affaires des entreprises technologiques se développent souvent à l’écart des législations existantes qui ne peuvent prévoir à l’avance les défis posés par les nouvelles technologies issues de leurs travaux. En ce sens, les principes émergents de l’IA responsable nous sont utiles pour mesurer les impacts des choix qui ont été effectués au cours des vingt dernières années quant aux mécanismes de répartition des redevances versées par les PNEL. C’est ce dont nous discuterons ici. 

1. 1.1 Le Market Centric Payment System (MCPS)

Plusieurs éléments du mode de fonctionnement actuel des PNEL reposent sur les choix faits par les pionniers que sont les fondateurs de Spotify. Les deux Suédois viennent de l’univers de la technologie, ne connaissent pas particulièrement le monde de la musique, mais voient une opportunité d’affaires au début des années 2000 alors que les revenus de l’industrie de la musique amorcent leur chute sous l’effet du partage gratuit sur internet.

Elk et Lorentzon adoptent un modèle puisant sur ceux de Napster et Pandora, qui sont alors les principaux lieux du partage de la musique sur internet. Spotify naît ainsi grâce à l’utilisation des œuvres sans en avoir obtenu les droits d’utilisation et doit ensuite régulariser cette situation lorsque vient le temps d’offrir ses services dans plusieurs États européens. (Eriksson et coll., 2019)

Spotify opte pour la simplicité dans son modèle de rémunération et met en place un système de rémunération à l’écoute basé sur un versement aux artistes et producteurs d’environ 70 % des revenus récoltés en abonnements et publicités. La valeur de l’écoute d’une œuvre est différenciée selon qu’il s’agit d’une écoute effectuée par un abonné au service payant ou par un abonné au service gratuit financé par la publicité.

Il ne s’agit donc pas d’un tarif fixe par écoute que Spotify verse aux artistes et aux producteurs, mais bien d’un versement basé sur une part de l’écoute totale répartie sur la base des revenus récoltés par l’entreprise. De plus, Spotify précise que le tarif peut aussi varier selon les ententes conclues avec les producteurs. Ainsi, certains producteurs peuvent conclure avec Spotify des ententes qui leur sont plus avantageuses, valorisant davantage les œuvres musicales dont ils sont propriétaires. On peut penser que cette disposition profite essentiellement aux grandes multinationales du disque.

La répartition 70-30 est celle qu’a adopté en 2003 Apple dans son iTunes store et correspond aux pratiques de l’industrie traditionnelle de la musique où les revenus de la vente d’albums étaient partagés environ à 1/3 pour les distributeurs et détaillants et 2/3 pour les producteurs. Notons qu’il est difficile de faire des comparaisons entre le modèle traditionnel de distribution de la musique et celui proposé par les PNEL. A-t-on assisté à une réduction des coûts de distribution grâce à la transformation numérique ? L’importance des coûts de recherche et de développement dans les budgets des PNEL nous permet d’en douter. À elle seule, Spotify dépense près de 4 milliards $ par année pour ses opérations.

1. A) L’effet d’aspiration

Le principal problème soulevé par ce modèle de partage de revenu est celui de l’aspiration des revenus d’abonnement par les œuvres musicales qui sont les plus écoutées. Par exemple, si Taylor Swift obtient 5 % de l’écoute totale sur Spotify durant un mois, elle obtiendra 5 % des revenus de tous les abonnés à la plateforme (moins le 30 % que conserve Spotify). Ainsi, que vous ayez écouté ou non Taylor Swift durant ce mois, 5 % de votre abonnement lui sera versé. Ainsi, le MCPS introduit une distorsion entre l’écoute de l’usager et les artistes qui sont rémunérés par son abonnement.

Pour mesurer cet effet, il faut prendre en compte l’impact des différences d’intensité d’écoute entre les usagers. Un usager qui écoute beaucoup de musique peut contribuer au calcul du partage des redevances à une hauteur supérieure à la valeur de son abonnement alors qu’un autre qui en écoute peu voit la valeur de son abonnement transférée vers des artistes qu’il n’écoute pas.

Simplifions le tout en donnant un exemple où l’on ne trouve que deux usagers. Un premier auditeur (usager 1) écoute 100 chansons québécoises durant un mois donné alors que le second (usager 2) écoute 1000 chansons d’artistes américains. Les deux versent 15 $ par mois dont 10 $ sont versés aux artistes. La valeur de chaque écoute est de 0,018 $ (20 $/1100 écoutes). Les artistes écoutés par l’usager 1 se partageront ainsi 1,80 $ alors que ceux écoutés par l’usager 2 se partageront 18 $ [1]. Ainsi, un montant de 8,20 $ sera transféré vers des artistes que l’usager 1 n’écoute pas.

L’intensité de l’écoute par l’usager a donc un effet majeur sur la hauteur de la rémunération des artistes et des producteurs. Les artistes qui ont un auditoire qui écoute beaucoup de musique se trouvent clairement avantagés par rapport aux autres. Plusieurs études démontrent que le temps consacré à l’écoute de musique décroît significativement avec l’âge. Audio Monitor (2018) estimait que le temps consacré à l’écoute de musique aux États-Unis passait de 175 minutes par jour pour le groupe d’âge de 16-24 ans à 109 minutes par jour pour les personnes âgées de plus de 65 ans.

La disponibilité des applications des PNEL sur les téléphones intelligents qui sont souvent utilisés dès l’âge de 10 ans place les plus jeunes comme étant les plus grands consommateurs de musique. Il s’ensuit un transfert intergénérationnel où une partie substantielle des revenus tirés des abonnements des personnes plus âgées se dirigent vers les artistes écoutés par les plus jeunes. C’est tout l’inverse de la situation que l’on retrouvait avant la transformation numérique, alors que les personnes plus âgées disposaient de davantage de moyens pour acheter des albums de musique, leurs préférences représentant alors une part plis importante des ventes totales.

Il est probable que plusieurs usagers des PNEL se montreraient insatisfaits de constater que les revenus tirés de leur abonnement se dirigent très peu vers les artistes qu’ils écoutent et qu’ils aiment. On peut également soulever la question du respect de l’esprit de la loi canadienne sur le droit d’auteur qui stipule que « l’artiste-interprète et le producteur ont chacun droit à une rémunération équitable pour l’exécution en public ou la communication au public par télécommunication (…) de l’enregistrement sonore publié. » (Loi sur le droit d’auteur, art. 19[1].)

Même si l’écoute de chaque œuvre musicale est rémunérée sur une base égale, ne serait-il pas plus équitable de répartir les revenus tirés de l’abonnement d’un usager en fonction de ses choix d’écoute ? La question centrale est de savoir ce qui établit la valeur d’une écoute. Est-ce la plateforme, pour laquelle toutes les écoutes seraient égales ? Sur cette question déjà, il n’apparaît pas clairement qu’elles sont toutes égales pour les plateformes. En effet, comme nous l’avons évoqué, Spotify rémunère moins les écoutes provenant de son service gratuit, ses abonnés générant moins de revenus. Également, les ententes secrètes conclues avec les grandes multinationales du disque pourraient bien sûr contenir des dispositions prévoyant des conditions plus avantageuses pour celles-ci. On peut conclure que Spotify est prête à différencier la valeur des écoutes en fonction de ses intérêts économiques.

Une autre question se pose alors. Ne serait-il pas plus équitable de répartir les revenus tirés d’un abonnement selon les artistes qu’écoute un abonné ? Nous allons voir dans la prochaine section quel peut être un tel mécanisme de répartition des revenus. Mais avant cela, nous allons présenter un deuxième problème issu du MCPS : la possibilité d’acheter des clics.

1. B) Les fermes de clics

On mesure mal à quel point internet est aujourd’hui mobilisé par des robots automatisés qui accomplissent des tâches malveillantes ou criminelles. On les appelle les « bad bots » et Thales (2024) estime que près du tiers du trafic sur internet provient de leur activé, le trafic sur internet généré par des humains représentant environ la moitié du trafic total. Les bad bots sont des programmes informatiques qui exécutent des tâches automatisées considérées comme malicieuses ou criminelles. On connaît bien le spam, mais on peut aussi penser aux bots qui envahissent les sites de requêtes, qui volent les données de connexion des usagers des médias sociaux ou ceux qui copient des parties de site web et les réutilisent sans autorisation.

Dans le monde la musique, le mode de répartition des revenus a encouragé l’apparition de fermes de clics qui, pour un montant donné, vont automatiser des écoutes d’œuvres musicales sélectionnées. L’objectif de l’acheteur peut être le gain matériel, si le coût de l’augmentation automatisée des écoutes est inférieur aux revenus qu’ils procurent. Ceci peut également faire partie d’une stratégie de promotion d’un artiste qui souhaite démontrer une popularité plus importante qu’elle ne l’est en réalité.

Une recherche rapide sur internet présente plusieurs offres de service de ce type. Ils montrent une grille tarifaire selon le nombre d’écoutes désirées. L’un d’entre eux offre par exemple 1000 écoutes pour 3,50 US$, 10 000 écoutes pour 21,50 $ et jusqu’à 1 million d’écoutes pour 1000 US$. Selon le montant de redevances par écoute, chacune de ces options serait économiquement avantageuse pour l’acheteur. Plus celui-ci achète d’écoute, plus la différence entre le coût et les revenus générés est importante.

Le phénomène est réel et important. Le Centre national de la musique (CNM) a publié en 2023 une étude sur la question. À l’aide d’une collaboration avec Deezer, Qobuz et Spotify, le CNM a estimé qu’au moins entre 1 et 3 milliards d’écoutes sont fausses, ce qui représente entre 1 % et 3 % de l’écoute totale. Il s’agit ici du nombre de fausses écoutes détectées par les Spotify et Deezer. Il nous paraît fort probable que le nombre total de fausses écoutes est plus élevé. 

« Les méthodes utilisées par les fraudeurs évoluent et ne cessent de se perfectionner, et la fraude semble être de plus en plus aisée à commettre. Certains professionnels ont indiqué être directement démarchés par des prestataires présentant leurs offres d’augmentation artificielle de streams, et Deezer constate une hausse de la fraude détectée en 2022. » (CNM, 2023, p.43)

Le principal effet délétère de cette pratique est l’accroissement artificiel du nombre d’écoutes sur les PNEL qui en réduit la valeur individuelle. En effet, comme la valeur de chaque écoute est établie à partir de la division du total des redevances par le nombre d’écoutes, un plus grand nombre d’écoutes implique une réduction de leur valeur individuelle.

Les fermes de clics peuvent être utilisées par les artistes et les producteurs eux-mêmes, pour créer un effet d’engouement sur les nouveautés ou pour simplement augmenter les redevances payées par les PNEL. Des individus ont également créé des artistes pratiquement fictifs, que seules les fermes de clics écoutent, et qui récoltent des sommes considérables.

Prenons un exemple. Un Danois a été récemment condamné à 18 mois de prison pour avoir récolté près de 300 000 US$ auprès des PNEL par le montage d’une ferme de clic personnelle qui utilisait plusieurs comptes pour faire tourner les chansons dont il était l’ayant droit. Ces chansons n’étaient même pas des créations originales, mais bien des chansons traditionnelles danoises dont l’individu avait simplement modifié le tempo et la tonalité. (Guardian, 2024)

Les PNEL ont mis en place des outils de détection, mais il y a fort à parier que les organisations qui ont fait de cette pratique un modèle d’affaires arrivent à trouver des solutions techniques pour les contourner.

Comme on ne connaît pas l’ampleur du phénomène, il est impossible de chiffrer quel est le coût de la manipulation des écoutes pour les artistes et les producteurs qui ne s’engagent pas dans de telles pratiques. Sur les milliards $ qui sont répartis annuellement par les redevances des PNEL, il apparaît probable que des centaines de millions se dirigent vers des productions qui ont manipulé les écoutes pour en bénéficier.

Ce qui nous semble évident est qu’un mécanisme de répartition alternatif permettrait d’y mettre fin de façon presque automatique. C’est celui qui fait l’objet de la prochaine section.

1. 1.2 Le User Centric Payment System (UCPS)

Il s’agit d’un modèle de partage des redevances qui établit la valeur d’une écoute sur la base de celle que lui attribue chaque usager des PNEL. Les revenus d’abonnement d’un usager sont répartis parmi les artistes qu’il écoute durant une période donnée. Chaque usager répartit ainsi la valeur de son écoute parmi les artistes de son choix. 

Dans l’exemple que nous avons utilisé plus haut, l’usager 1 qui écoute 100 chansons rémunérerait les artistes qu’il écoute à hauteur de 0,10 $ par écoute (10 $/100 écoutes). Les artistes écoutés recevraient donc 10 $, soit 8,20 $ de plus qu’avec le MCPS. On voit que l’effet d’aspiration disparaît lorsque l’on utilise le mécanisme du UCPS. Le lien économique entre l’usager et ses artistes préférés est rétabli. C’est un avantage non négligeable.

Également, le UCPS rend caduques les fermes de clics. Étant donné que la valeur de l’écoute d’un abonné ne peut jamais dépasser 70 % du coût de son abonnement (Spotify conservant 30 %), le fait d’écouter des milliers, voire des centaines de milliers de chansons, ne peut plus être profitable économiquement pour les utilisateurs des fermes de clics. Il s’agit là d’un deuxième avantage qui a le potentiel de remettre des sommes considérables entre les mains des artistes légitimes.

Il existe d’autres formes de fraude que les fermes de clics et le UCPS ne peut régler tous les problèmes. Par exemple, certains fraudeurs réussissent à prendre le contrôle de comptes peu actifs et à les utiliser pour générer de fausses écoutes. Encore là, le UCPS complique la vie des fraudeurs en limitant la valeur générée par la multiplication des fausses écoutes. Il faudrait en effet un beaucoup plus grand nombre de comptes piratés pour arriver à des résultats économiques justifiant l’effort.

Pourquoi le UCPS n’est-il pas largement adopté par les plateformes s’il présente de tels avantages ? Apple, Spotify et Deezer, de même que les quelques études réalisées sur la question, expliquent que le UCPS provoquerait effectivement un transfert du top 100 000 vers les artistes moins connus, mais que la valeur individuelle de ce transfert serait très faible.

Source : CNM, 2021

L’étude du CNM estime ainsi qu’il y aurait une redistribution des redevances vers les œuvres des artistes qui génèrent moins d’écoutes sur les PNEL. C’est sans doute là que se trouve la plus grande résistance au changement. Les PNEL, particulièrement Spotify, souhaitent voir augmenter les revenus des artistes qu’elles définissent comme étant professionnels, au détriment de ceux qui sont moins écoutés. Le UCPS a un effet complètement inverse à ce souhait. Nous y reviendrons plus loin.

Une étude réalisée par Pro Musik fait état d’éventuels impacts beaucoup plus importants d’un passage vers le UCPS : « more than a quarter of the total revenue pie could be redistributed—with the average for top countries at 25.4%. The average across all countries is even higher at 32.6%. » (Pro MusiK, 2023) Selon l’étude, près d’un artiste sur cinq pourrait au moins doubler le montant de ses redevances par l’adoption du UCPS. 

Une autre résistance est sans doute celle des multinationales du disque qui apprécient les retombées du modèle actuel et qui semblent douter de l’opportunité de remettre en cause leurs intérêts économiques par l’adoption d’un mécanisme différent de distribution des redevances. Il est certain qu’elles sont une des plus importantes parties prenantes aux discussions sur cette question.

Un autre problème soulevé, mais qui demeure plus marginal, est l’utilisation de bruits de fond durant la nuit, qui pourraient mobiliser une partie importante de l’écoute d’un usager et faire en sorte que les véritables œuvres musicales se retrouvent avec une petite partie de la valeur de son abonnement. Une solution à ce problème pourrait être d’établir quelques catégories qui permettraient de distinguer la création musicale des bruits de fond et de les rémunérer de façon différente.

Le UCPS a donc le potentiel de régler d’importants problèmes liés à l’équité de la répartition des redevances versées par les PNEL. Il offre une meilleure représentation des préférences individuelles des usagers et limite les capacités des entreprises frauduleuses. Il peut amener une répartition plus équitable des redevances et, même si les montants récupérés par une partie importante des artistes et des producteurs sont modestes, il n’en demeure pas moins qu’il peut s’agir de montants substantiels si on l’agrège sur l’ensemble de l’industrie de la musique québécoise.

Les plateformes ne semblent pourtant pas se diriger vers cette solution. Certaines d’entre elles ont proposé au cours des derniers mois des modifications au mécanisme de partage des redevances. Voyons ce qu’il en est.

1. 1.3 Une concentration des revenus vers les artistes « professionnels »

Spotify et Deezer ont annoncé au printemps dernier qu’elles modifiaient leur mécanisme de répartition des redevances afin de veiller à l’amélioration des conditions économiques des artistes qu’elles considèrent comme étant professionnels. Comme nous l’évoquions le mois passé, Spotify limite maintenant le versement des redevances pour l’utilisation des enregistrements d’une œuvre musicale sur son service à celles qui ont obtenu plus de 1000 écoutes au cours des 12 derniers mois. L’entreprise a établi un second critère qui limite ce versement aux œuvres qui sont écoutées par un nombre minimal d’usagers différents. Elle n’a pas communiqué quel était ce nombre.

Spotify estime que plus de 10 millions de personnes ont rendu disponible une de leur création sur la plateforme. Environ 8 millions d’entre eux offrent un répertoire de moins de 10 chansons. L’entreprise estime le nombre d’artistes professionnels sur sa plateforme à environ 225 000. Les artistes qu’elle considère comme étant professionnels sont ceux qui offrent un répertoire d’au moins 10 chansons et qui sont écoutés par au moins 10 000 personnes mensuellement. Sur cette base, Spotify estime que plus du quart des artistes professionnels présents sur sa plateforme reçoivent plus de 10 000 US$ de redevances. Elle souhaite concentrer davantage les redevances versées auprès de ce groupe d’artistes.

De son côté, Deezer a intégré à son mécanisme des « boosts » qui permettent de doubler, voire de quadrupler la valeur d’une écoute. Une œuvre musicale écoutée à la suite d’une recherche active de l’usager ou d’une découverte sur une playlist Deezer voit la valeur de son écoute doublée par rapport aux écoutes algorithmiques. Aussi, tous les artistes avec plus de 1000 écoutes par mois provenant d’au moins 500 usagers différents voient la valeur de ces écoutes encore doublée, se trouvant au total ainsi multipliée par quatre. L’approche de Spotify exclut de la rémunération une partie importante des artistes et des producteurs qui mettent à disposition leurs œuvres musicales sur la plateforme.

Il est certain que les PNEL doivent se préparer à la déferlante de contenus qui risque de jaillir des outils de création musicale utilisant l’intelligence artificielle. Si Spotify reçoit aujourd’hui au-dessus de 100 000 nouveaux enregistrements sonores chaque jour, on peut imaginer que son nombre sera multiplié plusieurs fois au cours des prochaines années. Les défis pour ces entreprises sont multiples. Comment gérer cette déferlante? Comment répartir les redevances afin qu’elles se dirigent vers les artistes créatifs dont les oeuvres contribuent d’une manière significative aux différentes cultures mondiales?

Il était déjà difficile de faire émerger une oeuvre originale dans l’ancien modèle économique de la musique, on peut imaginer à quel point ce défi prendra une toute nouvelle envergure avec les productions issues de l’utilisation de l’IA. L’on a seulement à penser à la possibilité de création presque infinie d’oeuvres qui peuvent être créées par une seule personne afin de générer un revenu significatif même si elles ne présentent que très peu d’intérêt pour se convaincre qu’un mécanisme de répartition des redevances centré sur les préférences individuelles des usagers des PNEL, qui traduit leur attachement à un groupe d’artistes, apparaît comme étant plus équitable et même, simplement, plus fonctionnel dans un univers d’offre infinie générée par l’IA.

1. 1.4 Conclusion

Les mécanismes de répartition des redevances versées par les PNEL sont au cœur du nouveau modèle économique de la musique. Le fait que les artistes aient peu ou pas le choix de rendre disponibles leurs œuvres sur les plateformes même si les revenus tirés sont souvent presque nuls fait en sorte que ces mécanismes doivent être étudiés attentivement. L’équité de la rémunération et le respect de la propriété intellectuelle, au cœur des lois sur les droits d’auteur, doivent être assurés par ces mécanismes.

Selon notre analyse, le UCPS a le potentiel de rendre plus équitable la répartition des redevances versées par les PNEL. La hauteur des redevances n’est pas calculée simplement par l’intensité de l’écoute multipliée par le nombre d’amateurs de l’œuvre musicale, mais aussi par les habitudes et préférences d’écoute des usagers. Les sommes se trouveraient ainsi redistribuées sur la base des préférences individuelles des usagers.

Nous estimons également qu’il est fort probable que le UCPS soit favorable aux artistes québécois. Étant donné que le marché québécois est petit par rapport au reste du monde, l’impact des préférences des usagers québécois se trouve noyé dans l’immensité mondiale. De même, les plus jeunes Québécois qui écoutent sans doute beaucoup de musique du top 100 mondial ajoutent à l’effet d’aspiration évoqué plus haut. Ces deux phénomènes conjugués causent à notre avis la très faible valeur des redevances versées aux artistes québécois. De la même manière que les revenus d’abonnement sont aspirés par les œuvres musicales populaires qui bénéficient d’une écoute intensive, nous croyons raisonnable de faire l’hypothèse que les revenus tirés des abonnements des usagers québécois paient en grande partie des productions étrangères de manière disproportionnée par rapport à leurs préférences.

De manière générale, nous estimons qu’il est probable que les artistes québécois qui sont aimés par un grand nombre d’amateurs de musique, mais dont les préférences se trouvent noyées par l’immensité mondiale, bénéficieraient d’un mécanisme de répartition des redevances qui tient compte de ces préférences. Nous ne disposons malheureusement pas des moyens pour le vérifier, mais nous estimons que des recherches pour mieux comprendre les intérêts économiques des artistes québécois sont nécessaires pour mesurer les impacts d’un mécanisme qui nous apparaît comme étant susceptible d’améliorer l’équité dans l’industrie de la musique.

Sur un plan plus général, ces questions doivent s’intégrer dans une réflexion sur les orientations que nous souhaitons imprimer au fonctionnement des systèmes de recommandation utilisant des algorithmes et sur celui des outils d’IA ayant des impacts sur la vie des êtres humains. L’IA a le potentiel d’ouvrir de nouveaux champs de création inimaginables jusqu’ici. Utilisée de manière responsable, il est possible qu’elle enrichisse la vie culturelle de nos sociétés. Parallèlement, elle peut aussi contribuer à l’accroissement des inégalités et à la valorisation d’effets néfastes des modes de fonctionnement des entreprises technologiques. Il en va de nous de tenter d’en tirer le meilleur tout en limitant au minimum les effets négatifs. C’est à notre avis dans ce cadre d’analyse mettant les principes de l’IA responsable au coeur de notre réflexion que nous pourrons le mieux faire face à ces importants défis.

PARTIE 2 : Actualités

2.1 Universal et l’IA

L’intuition du père de l’expression « industrie culturelle », Théodor Adorno, est en voie de se réaliser. Lui qui présentait l’industrie culturelle comme une chose à part de l’expression artistique, comme une machine à dénaturer l’œuvre, ne serait sans doute pas étonné de voir les multinationales du disque conclure des contrats avec les entreprises technologiques de l’intelligence artificielle qui se spécialisent dans la création de chansons par l’IA. Une partie importante de la croissance de l’industrie de la musique pourrait en effet se produire sans contribution directe des artistes, plaçant plutôt les techniciens aux commandes.

Ce mois-ci, Universal Music Group (UMG) a annoncé un partenariat avec SoundLabs afin d’offrir à ses artistes la technologie de modèle de voix par l’IA qu’a développée cette entreprise. Les artistes de UMG seront à même de créer des modèles de leur voix qui pourront être utilisés par l’IA. L’entreprise spécifie que ces modèles appartiendront aux artistes. Ils permettront par exemple d’enregistrer la même chanson en plusieurs langues autres que la langue d’origine de l’artiste, sans que l’artiste n’ait à les maîtriser.

Les possibilités offertes par l’IA sont étourdissantes et ne cesseront pas de nous étonner au cours des prochaines années. Au-delà des questions liées au respect des droits d’auteur, à la nature des données utilisées pour entraîner les algorithmes, qui apparaissent comme étant fondamentales, il y a fort à parier que ce développement technologique peut avoir un impact sur l’industrie de la musique encore plus important que celui de la transformation numérique. Celle-ci a transformé les moyens d’enregistrement et le mode de distribution de la musique. L’IA s’insère dans la création, ce qui est d’une tout autre nature. 

2.2. Intelligence artificielle, culture et médias : un nouvel ouvrage sur l’IA paru aux Presses de l’Université Laval

Véronique Guèvremont et Colette Brin. 2024. Intelligence artificielle, culture et médias. Presses de l’Université Laval. 496 p. https://www.pulaval.com/livres/intelligence-artificielle-culture-et-medias

Extraits de l’introduction : « Les systèmes d’intelligence artificielle (IA) ont des répercussions majeures sur l’ensemble de la chaîne de valeur d’innombrables secteurs. La culture et les médias n’y échappent pas. Dans ces domaines, comme partout ailleurs, « les technologies de l’IA peuvent rendre de grands services à l’humanité […] mais […] soulèvent également des préoccupations éthiques de fond».

Biais, discrimination, inégalité, exclusion, censure et homogénéisation sont des risques fréquemment évoqués pour formuler des mises en garde d’ordre général, auxquels s’ajoutent des risques propres aux secteurs de la culture et des médias. Depuis plusieurs années déjà, les applications et les outils commerciaux – notamment les puissants algorithmes de recommandation auxquels ont recours les grandes plateformes de diffusion de contenus et les médias sociaux – inquiètent les défenseurs de la diversité culturelle et du pluralisme.

Maintenant, ce sont aussi les outils conversationnels ou générateurs d’œuvres créées par IA qui soulèvent des interrogations sur la nature de l’art, de la créativité, de l’écriture. Elles génèrent en outre des préoccupations nouvelles sur le rôle de l’artiste, du créateur, du journaliste. La perspective de son remplacement est évoquée. La fascination engendrée par certaines œuvres primées, produites par l’IA ou avec son aide, ne contribue en rien à apaiser les esprits.

Mais, à plusieurs égards, l’IA est également source d’occasions pour la culture et les médias. Écartant l’idée d’avènement de «robots artistes», certains préfèrent ainsi parler d’«artiste augmenté». Loin de se limiter au créateur, l’IA stimule aussi le potentiel du producteur, distributeur et diffuseur. Ses bénéfices atteignent également le public. »

2.3 Commerce numérique, culture et enjeux de réglementation

Vlassis, Antonios. 2024. Commerce numérique, culture et enjeux de réglementation. Centre d’études sur l’intégration et la mondialisation. 

Commerce numérique, culture et enjeux de réglementation – Centre d’études sur l’intégration et la mondialisation (CEIM) | UQAM

Ce rapport d’analyse produit pour le compte de la Fédération internationale des coalitions pour la diversité culturelle débute par des discussions sur l’initiative du gouvernement australien d’introduire une nouvelle réglementation concernant les exigences en matière de contenu local pour les services de diffusion en continu. La principale préoccupation concerne la conformité de la nouvelle réglementation avec l’accord de libre-échange entre l’Australie et les États-Unis (AUSFTA). Le rapport met également en lumière la lettre d’un groupe bipartisan de parlementaires des États-Unis qui a appelé le représentant au commerce à s’attaquer aux « barrières commerciales » pour l’industrie musicale américaine découlant de la loi canadienne sur la diffusion continue en ligne. En outre, le rapport se concentre sur la confrontation entre Apple et Spotify concernant la mise en œuvre de la loi européenne sur les marchés numériques (Digital Markets Act). Par ailleurs, le rapport se penche sur les débats sur l’utilisation de l’intelligence artificielle (IA) par les entreprises technologiques et les questions de droits d’auteur en examinant les cas de Sony Music et de TikTok. Enfin, le rapport met l’accent sur les nouveaux partenariats dans l’économie basée sur les plateformes, en se focalisant sur HBO Max et les services de diffusion en continu en Asie du Sud-Est.

PARTIE 3 : Résumés d’articles scientifiques

Moreau, F. et coll. 2023. Implementing a user-centric payment system in the music streaming market: a comparative static approach from user data. https://dx.doi.org/10.2139/ssrn.4432605

Les auteurs étudient les conséquences de la mise en place d’un nouveau système de paiement sur le marché du streaming musical. Au lieu de mutualiser tous les revenus des abonnements et de rémunérer les artistes en fonction de leur nombre de streams, ce qui est actuellement la norme, un système de paiement alternatif adopte une perspective centrée sur l’utilisateur et répartit le montant de l’abonnement de chaque utilisateur entre les artistes qu’il écoute proportionnellement au nombre de flux. À partir des données fournies par une plateforme de streaming musical leader en France auprès de plus de 140 000 utilisateurs uniques pendant six mois (436 millions de streams), les auteurs étudient les effets statiques d’un changement de modèle de rémunération à différents niveaux : artistes, genres musicaux, pays d’origine, type de fournisseur et année de production.

Shank, D. et coll. AI composer bias: Listeners like music less when they think it was composed by an AI. Journal of Experimental Psychology: Applied, Vol 29(3), Sep 2023, 676-692. https://psycnet.apa.org/buy/2022-92693-001

L’utilisation de l’intelligence artificielle (IA) pour composer de la musique devient courante. Pourtant, on craint que les auditeurs aient des préjugés contre les IA. Les auteurs testent ici l’hypothèse selon laquelle les auditeurs apprécieront moins la musique s’ils pensent qu’elle a été composée par une IA. Dans l’étude 1, les participants ont écouté des extraits de musique électronique et classique et ont évalué à quel point ils aimaient les extraits et s’ils pensaient qu’ils avaient été composés par une IA ou un humain. Les participants étaient plus susceptibles d’attribuer un compositeur IA à la musique électronique et aimaient moins la musique qu’ils pensaient avoir été composée par une IA. Dans l’étude 2, les auteurs ont directement manipulé l’identité du compositeur en disant aux participants que la musique qu’ils entendaient (musique électronique) avait été composée par une IA ou par un humain, mais nous n’avons trouvé aucun effet de l’identité du compositeur sur le goût. Les auteurs ont émis l’hypothèse que cela était dû à la nature « IA » de la musique électronique. Par conséquent, dans l’étude 3, les auteurs ont utilisé un ensemble d’extraits de musique classique « à consonance humaine ». Ici, les participants ont moins aimé la musique lorsqu’elle était prétendument composée par une IA. Les auteurs concluent par les implications du biais du compositeur d’IA pour comprendre la perception des IA dans les théories des arts et du traitement esthétique de manière plus large. 

[1] Le calcul n’arrive pas exactement à 20$ pour cause d’arrondissement des nombres.

Références

Audio Monitor. 2018. The Overall Music Landscape.  https://musicbiz.org/wp-content/uploads/2018/09/AM_US_2018_V5.pdf

Centre national de la musique. 2021. Impacts du passage à l’UCPS par les services de musique en ligne. https://cnm.fr/wp-content/uploads/2021/01/CNM_UCPS_SyntheseFinale-1.pdf

Centre national de la musique. 2023. Manipulation des écoutes en ligne. https://cnm.fr/wp-content/uploads/2023/01/2023_CNM_-Etude-Manipulation-des-ecoutes-en-ligne.pdf

Eriksson, M., Fleisher, R., Johansson, A. et Snickars, P. (2019). Spotify Teardown: Inside the Black Box of Streaming Music. MIT Press.

Guardian. Danish man found guilty of fraudulently profiting from music streaming royalties. 21 mars 2024. https://www.theguardian.com/world/2024/mar/21/danish-man-found-guilty-of-fraudulently-profiting-from-music-streaming-royalties

Gouvernement du Canada. 2024. Loi sur le droit d’auteur. https://laws-lois.justice.gc.ca/fra/lois/C-42/page-4.html#docCont

IBM. 2022. What is human-centered AI?. https://research.ibm.com/blog/what-is-human-centered-ai

Pro Musik. 2023. Payment option transparency: On the impact of alternative payment models in music streaming. https://paymentoptiontransparency.com/pdfs/en-US/Payment%20Option%20Study.pdf

Thales. 2024. Bad Bots Report.  https://www.thalesgroup.com/en/worldwide/security/press_release/bots-now-make-nearly-half-all-internet-traffic-globally

Cet article est le résultat d’une collaboration entre LATICCE-UQAM, CEIMIA et Mitacs. 

Les opinions exprimées et les arguments avancés dans cette veille demeurent sous l’entière responsabilité du rédacteur.

2. Direction scientifique : Michèle Rioux, directrice du LATICCE
3. Rédaction : Guy-Philippe Wells, directeur scientifique du LATICCE
4. Coordination : Janick Houde et Arnaud Quenneville-Langis du CEIMIA
5. Révision : Mathieu Marcotte du CEIMIA
6. Centre d’expertise international de Montréal en intelligence artificielle (CEIMIA)
7. 7260 Rue Saint-Urbain, Montréal, QC H2R 2Y6, suite, 602, CANADA. Site web: www.ceimia.org 
8. Centre d’études sur l’intégration et la mondialisation (CEIM)
9. UQAM, 400, rue Sainte-Catherine Est, Pavillon Hubert-Aquin, bureau A-1560, Montréal (Québec) H2L 2C5
10. CANADA. Téléphone : 514 987-3000, poste 3910 / Courriel: ceim@uqam.ca / Site web: www.ceim.uqam.ca