Algorithme vs humain : les dernières nouvelles sur la recommandation musicale

Image

Suite à notre précédent épisode faisant sur les nouveaux modes de prescription de la musique, l’actualité récente nous amène aujourd’hui à parler de prescription et recommandation.

A quoi sert la recommandation ou encore prescription musicale ? A retenir et mieux capter l’attention des internautes dans un Web saturé d’informations, en l’amenant à écouter, découvrir des artistes.

Pour cela, deux techniques :

La première consiste à proposer à l’internaute des artistes qu’il (ou elle) serait susceptible d’apprécier sur la base de ce qu’il (ou elle) écoute déjà (« vous aimerez peut être » en votre écran avec la ou les suggestions). La seconde se base sur ce que d’autres (que vous ne connaissez pas) ont pu écouter après avoir choisi les mêmes artistes que l’internaute (« ceux qui ont écouté X ont aussi écouté Y »), ou sur ce que des amis/connaissances (on parle de « cercles relationnels » du plus proche au plus éloigné) de votre réseau écoutent (« Z écoute ceci », « Z like cela »).

L’idée est que l’on sera d’autant plus enclin à écouter telle piste ou regarder telle vidéo lorsqu’un proche nous l’aura conseillé. C’est le principe du marketing viral (« je te donne le virus de ce que j’ai aimé, je suis ambassadeur d’un produit ou d’un artiste sans m’en rendre compte »).

Ceci est valable pour la musique mais touche plus largement tout commerce de produits, de prestation de service etc…

Donc, récemment, en risposte à Facebook, Twitter a lancé une application de recommandation musicale : Twitter Music.  Un service qui, apparemment, sera disponible fin mars…

Pour cela, Twitter a préalablement racheté « We are Hunted » (un service de découverte musicale ) et se base sur SoundClound. La preuve : comme par hasard, le site est indisponible…

L’application a été réalisée avec quatre fonctions principales (« Suggestions », « #NowPlaying », « Popular », et « Emerging ») qui, avec le Social Graph, devrait permettre d’obtenir des suggestions musicales pertinentes en fonctions des personnes et groupes suivis.

Mais l’actualité des innovations en matière de prescription, nouveaux médias et musique ne s’arrête pas là. Ce post est aussi l’occasion de revenir sur un événement majeur en matière d’innovation musicale : le sommet « Music Tech » de San Francisco qui s’est tenu le 19 février dernier.

Mais non, ne soyez pas déçus, vous pouvez écouter quelques extraits des conférences ici. Celle dont nous parlons aujourd’hui est sur la piste 17, sous le titre « Music Discovery ».

De quoi y est-il question ?

De recommandation musicale justement, autour de quelques grands noms : The Echo Nest, Rhapsody ou encore Pandora.

Leurs points communs ?

Leur capacité à recueillir, interpréter ces fameuses données (« data ») des utilisateurs, « flécher »  la consommation de musique.

Pandora, par exemple, en collectant et traitant les données des internautes propose une radio personnalisée qui semble plutôt bien fonctionner puisqu’elle compte 67,1 millions d’utilisateurs actifs en décembre 2012 aux Etats-Unis d’après son blog.

Ces entreprises mettent ensuite en place des algorithmes (« The Music Genome Project » chez Pandora) qui permettent de proposer des suggestions pertinentes à l’internaute. C’est d’ailleurs ce que nous dit Pandora sur son site : sa mission est uniquement de jouer la musique que nous allons apprécier (« play only music you’ll love »).

Du côté de The Echo Nest propose après analyse de nos datas (« fanalytics – Analytics and Data Mining of Online Music Activity »), en plus d’une radio sur-mesure (« DMCA Compliant Personalized Radio), des services tels que l’intégration, pour d’autres plateformes, d’applications de « flux dynamiques de news sur la musique », de flux de ce que nos amis écoutent sur les réseaux sociaux (« Social Music Applications ») pour nous proposer des suggestions personnalisées (« Advanced Music Playlisting »)…

L’ensemble de ces services – la découverte musicale et la recommandation – apparaît comme l’un des enjeux majeurs pour un bon nombre de plateformes de streaming – notamment celles qui sont investies dans le champ musical – ou de réseaux sociaux.

Pourquoi ?

Parce que grâce à ce service, on peut intéresser suffisamment les internautes pour les garder, les fidéliser sur son site (voire les amener à payer un abonnement streaming, par exemple, dans le cas de Deezer, Spotify, Qobuz) ou les renvoyer vers d’autres contenus qu’ils seraient susceptibles d’acheter. En sommes, cela permet de capter et monétiser le flux lié aux passages, aux traces, aux données laissées  par les internautes sous couvert d’une « expérience » musicale personnalisée.

Et Apple l’a bien compris en investissant des sommes substantielles  dans la réalisation d’un service de recommandation (« Music Discovery ») pour iTunes dans l’optique de mettre en place une radio personnalisée.

Comme l’expose une récente étude de février 2012 de eMarketer, en 2013 il y aura aux Etats-Unis environ 60,1 % d’adeptes (sur la base des utilisateurs d’Internet, en partant de 41,6 % en 2010 pour aller vers 67,4 % en 2016). Ceci permettra de lever 970 million de dollars pour le pays. La prévision de croissance de eMarketer table sur 1.31 billion pour 2016 grâce, notamment, à la publicité et la vente de ce service à d’autres plateformes.

Ces systèmes vont-ils remplacer le producteur radio, votre disquaire préféré ou vos amis ?

Pas si sûr, car comme nous l’évoquions dans un précédent article, car malgré l’immense base de morceaux de ces plateformes, tout cela tend à nous enfermer dans nos propres goûts.

Un problème qui a traversé toute la conférence « Music Discovery » comme un fil rouge étant donné la valeur ajoutée que représente un tel système pour une plateforme (réseaux social ou de streaming, notamment).

Comment parvenir à une plus grande « humanité », intelligence et finesse dans les suggestions proposées par la recommandation musicale ?

A suivre…

Publicités

4 réflexions sur “Algorithme vs humain : les dernières nouvelles sur la recommandation musicale

  1. M.I.A.M dit :

    Rapporté par Pitchfork, Trent Reznor explique que Daisy « utilise un algorithme pour faire des suggestions aux gens qui écoutent (…) mais il présentera aussi des sélections basées sur des suggestions faites par des connaisseurs, faisant en sortie que la machine et l’homme soient intimement en combinaison».

Selon lui, il manque la touche sélection intelligente. Pour ensuite finir : « Daisy, c’est comme quand vous allez dans un vrai magasin de disque et qu’un gars vous sert, qui sait ce que vous voulez ».

    • Solje dit :

      ah, génial ! Merci pour l’info ! Voilà des gens intelligents, qui n’oublient pas de remettre l’humain au centre de tout cela…

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s