métadonnées, algorithmes, intelligence artificielle & playlists, ... Stage de formation Enssib - Médiathèque musicale de Paris, 15 mai 2018

1. Enjeux et pratiques de la recommandation
musicale : métadonnées, algorithmes, intelligence
artificielle & playlists, ...
Nicolas Blondeau
Stage de formation Enssib
Médiathèque musicale de Paris, 15 mai 2018

3. Suggérez-moi… un livre
Wichbook
● joyeux / triste
● drôle / sérieux
● rassurant / perturbant
● facile / exigeant
● idéaliste / réaliste
● avec du sexe / sans
● court / long
● ...
https://www.whichbook.net/

4. Suggérez-moi… un film, un livre…
…. et pourquoi pas une musique ? Oui mais quoi ?
● une oeuvre
● une chanson, un air, un
thème
● un album
● une partition
● un concert en DVD
● un site, un lien, ….
http://www.eurekoi.org/

5. Des questions inattendues et déstabilisantes...
Yahoo Questions Réponses : je
cherche des musiques qui
ressembleraient au thème
d’une musique de jeu vidéo
(Final Fantasy 7) qui sonnent
un peu comme Carmina Burana
réponses pertinentes données
par des “experts”
quels autres types de réponses
? quelle assistance ?
https://fr.answers.yahoo.com
https://www.dailymotion.com/video/x6a8hj

6. PCDM
La classification est divisée
en 10 grandes classes
(généralités, musiques
afro-américaines, rock,
musique classique, musique
électronique, musique de film,
chanson et musiques du
monde).
https://fr.wikipedia.org/wiki/Principes_de_classement_des_documents_musicaux

7. L’explorateur musical (BM de Lyon)
suivant les Principes de classement des documents musicaux (PCDM version 4)
http://www.linflux.com/pcdm/explorateur-musical/

8. Explorez les musiques du monde (BM Antony)
Les albums présentés sous la
forme d’une google map
http://www.bm.ville-antony.fr/medias/

9. Découvrez de nouveaux musiciens (BM Antony)
“Les informations et relations
concernant les musiciens
sont renseignés grâce à l’API
LastFM”
recherche par similarité
http://www.bm.ville-antony.fr/medias/

10. Naxos Music Library
La recherche avancée
pour explorer le
répertoire classique :
● Compositeur
● Interprète
● Label
● Genre
● Période
● Instrument
● Pays
● ….
https://www.naxosmusiclibrary.com

11. Description et utilisation de l'information musicale
Michel Fingerhut
IRCAM - 2007
http://slideplayer.fr/slide/10794/

12. Données & métadonnées
Paul Lamere (@plamere)
“Using Big Data to improve the
music listening experience”
Resources for Codeland 2018 talk,
NYC, 4 mai 2018
http://static.echonest.com/codeland-2018/

13. Données & métadonnées
1. les métadonnées descriptives textuelles (notice Unimarc, + ….)
2. les données éditoriales / culturelles : biographie, discographie, critique
musicale…
3. les mégadonnées , ou données massives (big data) : en collectant
notamment les données d’utilisation : nombre d’écoutes; localisation des
auditeurs, pratiques d’écoutes
4. les données descriptives non-textuelles / acoustiques : tempo, tonalité,
…

14. De nombreuses start-up
Dans le domaine de la qualification, de la quantification, de la reconnaissance, de
la recommandation, de l’agrégation sémantique de données
Echonest, Niland, Qwant Music, Music Story, Musicovery, Last.fm, Echopolite,
Shazam, ...

15. Qwant Music
moteur de recherche et
agrégateur :
"Tout l'univers d'un artiste
rassemblé sur une seule
page"
https://www.qwant.com/music

16. All music… related
https://www.allmusic.com/artist/daft-punk-mn0000667669/related

17. Every Noise at Once une carte des genres musicaux : pop
rock électro qui permet d'associer un
artiste à un ou plusieurs genres
musicaux et à d’autres artistes
http://everynoise.com/engenremap.html
ce n’est plus une arborescence (comme dans
les PCDM) mais une cartographie dynamique de
de genres (1719) et d’artistes

18. Last.fm
L’assistance de la data
Concernant un genre :
● les artistes les plus
populaires
Concernant un artiste :
● ses titres les plus populaires
● ses albums les plus
populaires
scrobbling = archivage des
titres écoutés par les auditeurs
: génère des statistiques
https://www.last.fm/fr/

19. Spotify / Musical Map: Cities of the World
Le top des écoutes par villes
https://eliotvb.carto.com/viz/971d1556-0959-11e5-b1a4-0e9d821ea90d/embed_map

20. Youtube
La recommandation à l’insu de mon
plein gré, grâce à la formule “magique”
d’un algorithme
https://www.youtube.com/

21. Les facteurs de la recommandation
"Ni tout à fait la même, ni tout à fait
une autre"
Le système de recommandation doit
naviguer entre plusieurs facteurs en
apparence antinomiques : la
pertinence et la nouveauté, la
popularité et la découverte, en
évitant la redondance et l'aléatoire.
https://musicmachinery.com/2011/10/24/music-recommendation-and-discovery-remastered-a-tutorial/

22. L'algorithme pour les nuls
Comment programmer des playlists dynamiques avec Smarter playlists…
… ou le générateur de recettes de cocktails
http://static.echonest.com/SmarterPlaylists/index.html
“web radio ou playlist à base Gothic Metal dont des titres du groupe
Ravenscry” :

23. Spotify : sort your music
Analyser et classer ses playlists à partir de différents paramètres :
1. Beats Per Minute (BPM) - The tempo of the song.
2. Energy - The energy of a song - the higher the value, the more energtic. song
3. Danceability - The higher the value, the easier it is to dance to this song.
4. Loudness - The higher the value, the louder the song.
5. Valence - The higher the value, the more positive mood for the song.
6. Length - The duration of the song.
7. Acoustic - The higher the value the more acoustic the song is.
8. Popularity - The higher the value the more popular the song is.
http://sortyourmusic.playlistmachinery.com/

24. Musicovery : des web radios personnalisables
un site à présent B2B, qui
propose ses services (API) à
des professionnels
http://b2b.musicovery.com/

25. Spotify : des playlists genres et ambiances
pop, hip-hop, variété
française, electro,rock, ...
mais aussi :
détente, sport, soirée, nuit,
voyage, romance, …
… pas si simple
https://www.spotify.com/fr/

26. Spotify : des playlists sport classées par BPM (battement par
minute)...
https://www.spotify.com/fr/

27. La segmentation des amateurs de musique
La segmentation d’une maison des
amateurs de musique vue par une
maison de disque (Sony Music) : des
consommateurs plus ou moins
engagés, de différents âges, ...
http://www.brainvalue.com/brainfood/musique-data-nouveaux-clusters-de-consommateurs/

28. Radiooooo : the music time machine
Choisissez un pays sur la
carte
Choisissez une décennie de
1900 à aujourd’hui
http://radiooooo.com/

29. Les enjeux de
la recommandation
● La diversité dans l’économie de l’attention > écologie de l’attention
● Longue traîne (Chris Anderson) ou loi de Pareto (80/20) ? Diversification ou
concentration ? un goût omnivore ou univore ?
● Enjeu de soft power : La diversité culturelle, la sauvegarde des cultures
locales
● et la musique libre ? et les artistes indépendants ?
● et les thèmes sociétaux traités via la musique ? la musique ne se réduit pas
à un élément d’ambiance, à un tapis sonore