Le marché du streaming audio est très contesté. Pour se différencier, les entreprises du secteur misent sur l’amélioration des ressources. Prenez l’exemple de Spotify, qui se distingue notamment par les suggestions de listes de lecture. Et cette fonctionnalité peut être améliorée : la société veut utiliser l’intelligence artificielle pour que les recommandations soient encore plus proches des goûts de chaque utilisateur.
Le projet a été décrit par Sander Dieleman, doctorant à l’Université de Gand, en Belgique. L’étudiant effectue un stage d’été au bureau de Spotify à New York et a publié un billet très instructif sur son travail là.
Dieleman explique que le but principal du projet est de faire en sorte que les chansons moins connues atteignent les utilisateurs. Il y a des chansons de bonne qualité dans la collection de Spotify, mais pas beaucoup exécutées grâce au fait que leurs auteurs / interprètes sont peu connus.
Si beaucoup de gens utilisent les services de streaming précisément pour rencontrer des artistes et des styles musicaux, il y a quelque chose qui ne va pas dans cette approche. Dieleman lui-même souligne où se situe une partie du problème : l’utilisation du “filtrage collaboratif” dans les systèmes de recommandation.
Cette technique analyse l’historique d’exécution de chaque utilisateur afin de déterminer ses préférences. Si, par exemple, deux d’entre eux ont écouté un grand nombre de chansons en commun, le système comprend qu’ils partagent des goûts similaires. Ainsi, si l’un a entendu une chanson que l’autre n’a pas entendue, le système peut la recommander au premier.
La plupart du temps, cette méthode donne lieu à de bonnes suggestions, mais il y a une faiblesse : si les utilisateurs ayant des préférences similaires n’écoutent que les chansons les plus connues, les morceaux moins populaires finissent par être peu recommandés.
Fin mai, lors du lancement officiel de Spotify en France, le directeur pour l’Amérique latine de la société Gustavo Diament a expliqué qu’il existe des équipes exclusivement dédiées à la création de playlists. Ce seul point montre combien les recommandations sont importantes dans le service.
Pour améliorer les suggestions, l’équipe dont fait partie Sander Dieleman se concentre sur le “Deep Learning”, une technique algorithmique qui analyse en niveaux une série de données pour apprendre à distinguer des modèles. Google, Microsoft et Netflix font partie des entreprises qui ont déjà misé sur cette méthode.
Plus précisément, Dieleman a fait le système analyse des échantillons de 30 secondes des 500 000 chansons les plus populaires de Spotify. Ainsi, le service peut reconnaître des schémas similaires dans des voies moins connues et les recommander ensuite.
Le système est en cours de développement et encore nécessite beaucoup de formation, mais les résultats préliminaires sont encourageants. Selon Dieleman, les filtres peuvent déjà générer des listes de lecture basées sur plusieurs caractéristiques, telles que les motifs vocaux, les accords et les distorsions.
Dieleman prétend avoir également trouvé des filtres générés grâce à la technique qui a réussi à classer des rythmes tels que le reggae, la salsa, le punk et la pop turque ( !!), le tout sans erreur.
On ne sait pas encore quand le système sera pleinement opérationnel. Ce jour-là, Sander Dieleman espère que Spotify sera non seulement en mesure de bien recommander des chansons moins connues, mais aussi d’empêcher que des chansons peu ou pas du tout adaptées aux goûts de l’utilisateur n’entrent dans les listes de lecture. Nous espérons aussi ?
