Un élève de guitare classique a passé des heures à tenter d'apprendre une pièce baroque trouvée sur YouTube, accompagnée de sa partition. Certains passages ne fonctionnaient tout simplement pas sur l'instrument. Il a mis en cause sa propre technique. La pièce avait été générée par intelligence artificielle, et ni l'élève ni son professeur ne le savaient au départ. L'épisode est raconté par le musicologue et professeur de guitare Arash Ahmadzadeh, du Conservatoire de Breuillet, en France, dans un texte d'opinion publié par le Washington Post1. Il ouvre une question qui dépasse le droit d'auteur et l'économie de l'industrie : qu'est-ce que l'écoute quotidienne de musique synthétique est en train d'enseigner au cerveau humain?
La question repose sur des bases scientifiques solides. Le goût musical n'est ni universel ni inné. Il se construit par exposition, et les plateformes de diffusion en continu sont aujourd'hui inondées d'un volume de musique générée par des machines sans précédent historique.
Qu'est-ce que l'enculturation musicale et pourquoi est-elle importante?
En psychologie de la musique, l'enculturation désigne le processus par lequel un auditeur absorbe les régularités du répertoire qui l'entoure. Le chercheur en sciences cognitives Marcus Pearce, de l'Université Queen Mary de Londres, a systématisé cette idée dans ce qu'il appelle l'hypothèse de l'apprentissage statistique : à l'échelle d'une seule pièce comme à celle d'une vie entière d'écoute, l'auditeur construit des modèles internes des structures et des probabilités propres aux styles auxquels il est exposé3. Son modèle informatique, IDyOM, parvient même à simuler des auditeurs issus de cultures différentes et à prédire comment des expositions distinctes produisent des attentes distinctes.
Cet apprentissage commence tôt, et une partie des preuves vient du Canada. En 2005, dans la revue PNAS, les psychologues Erin Hannon et Sandra Trehub, cette dernière de l'Université de Toronto, ont montré que les bébés de 12 mois réagissent déjà aux rythmes musicaux selon des schémas propres à leur culture, ce qui n'est pas le cas à six mois4. À six mois, des nourrissons nord-américains repéraient des altérations rythmiques autant dans la musique occidentale que dans des airs folkloriques des Balkans, aux mesures plus complexes. À 12 mois, ils ne les repéraient plus que dans la musique occidentale. L'étude ajoute un détail qui compte dans le débat actuel : une brève exposition à domicile à cette musique étrangère a rétabli la capacité chez les bébés, mais pas chez les adultes. Une fois acquis, les biais culturels deviennent plus difficiles à modifier avec l'âge.
Combien de temps faut-il au cerveau pour apprendre un nouveau système musical?
Moins qu'on ne l'imagine. En 2010, la neuroscientifique Psyche Loui et ses collègues de l'Université de Californie à Berkeley ont composé des mélodies à partir de la gamme de Bohlen-Pierce, un système d'accord qui ne repose pas sur l'octave et n'appartient à aucune tradition musicale. Après 25 à 30 minutes d'écoute passive, les participants reconnaissaient les mélodies entendues, appliquaient les règles de composition à des mélodies inédites et préféraient celles qui avaient été répétées5. Selon les auteurs, un mécanisme général d'apprentissage statistique pourrait expliquer une bonne part de l'appréciation humaine de la musique.
Une expérience antérieure du même groupe apporte une nuance utile pour comprendre la diffusion en continu. Apprendre les règles d'un système exigeait d'être exposé à un vaste ensemble de mélodies, alors que la préférence naissait de la répétition d'un petit nombre de pièces6. Autrement dit, aimer et comprendre suivent des chemins différents, et la répétition, qui est précisément ce que font les algorithmes de recommandation, pèse davantage sur le goût.
Ahmadzadeh souligne, dans le Washington Post, qu'une grande partie de cette formation se fait sans attention délibérée, dans les ascenseurs, les restaurants ou les trajets quotidiens1. Si une demi-heure d'une gamme inventée laisse déjà des traces mesurables, la question des effets de plusieurs années d'écoute diffuse de musique synthétique cesse d'être rhétorique.
Quelle est l'ampleur de la musique générée par IA sur les plateformes?
Les données les plus détaillées viennent de la française Deezer, qui suit le phénomène depuis le début de 2025. Selon un communiqué de l'entreprise publié en juillet 2026, les pistes entièrement générées par IA ont dépassé pour la première fois la moitié des envois quotidiens, avec une moyenne de 90 000 pistes par jour au sommet de juin2. En 2025 seulement, la plateforme en a détecté et étiqueté plus de 13,4 millions, et a constaté que jusqu'à 85 % des écoutes associées à ces pistes étaient frauduleuses.
Ces chiffres appellent une réserve importante : le volume d'envois n'est pas le volume d'écoute. Deezer indiquait en avril que ces pistes représentaient entre 1 % et 3 % de l'ensemble des écoutes13, en partie parce que la plateforme les exclut de ses recommandations algorithmiques et de ses listes éditoriales. Le Washington Post note le même écart entre l'offre et la consommation, en précisant qu'il tient pour l'instant1. Les plateformes aux politiques moins restrictives ne publient pas de données équivalentes.
Les auditeurs peuvent-ils reconnaître une musique faite par IA?
Les données récentes suggèrent que non, ou très peu. Dans une expérience d'écoute à l'aveugle publiée en 2026, les chercheurs Junsong Chang et Yueqi Jing ont comparé des extraits générés par IA, des extraits issus d'une collaboration entre humain et machine, et des extraits entièrement humains. Pour les deux premières catégories, les attributions des auditeurs étaient proches d'une distribution aléatoire, et même parmi les pièces humaines, la majorité (54,7 %) a été mal attribuée7.
Une autre étude, Echoes of Humanity, a soumis des auditeurs à des paires de chansons, l'une humaine, l'autre produite par des outils commerciaux. Le taux de réussite global a été de 60 %, à peine au-dessus des 50 % attendus par hasard. Deux facteurs augmentaient les chances d'identification : plus de cinq ans de pratique instrumentale et une connaissance préalable des services d'IA musicale8. Ce résultat renforce l'argument d'Ahmadzadeh sous un autre angle. Ceux qui ont le plus besoin de discernement, l'élève débutant et l'auditeur occasionnel, sont précisément ceux qui en ont le moins.
Une partition porte une promesse implicite : celle que quelqu'un a réfléchi à la raison pour laquelle ces notes vont ensemble. Quand personne n'est derrière, l'apprenti doute de lui-même, et non de la musique.
C'est le cœur du cas de l'élève guitariste. Il a traité la partition comme un matériel d'étude légitime et a remis en question sa propre technique avant de remettre en question l'œuvre. Pour quelqu'un qui forme encore ses repères, une pièce sans logique instrumentale présentée comme baroque n'est pas seulement une perte de temps. Elle peut enseigner quelque chose de faux.
Que font les plateformes?
Les réponses vont de l'étiquetage à l'interdiction. Deezer étiquette les pistes détectées comme générées par IA et les exclut de ses recommandations. Spotify a annoncé en août le badge AI Persona, appliqué aux profils d'artistes dont l'identité est synthétique, qui sont exclus par défaut des recommandations éditoriales et algorithmiques, sauf si l'auditeur suit le profil10. Ce badge porte toutefois sur l'identité du profil, et non sur la question de savoir si la musique elle-même a été faite avec l'IA. Tidal ne verse plus de redevances aux pistes entièrement synthétiques depuis juillet, et Bandcamp a banni ce type de contenu au début de l'année14.
Ahmadzadeh ne réclame pas d'interdiction. Il propose que l'origine des musiques entièrement générées par IA soit sans équivoque et que l'auditeur puisse choisir de ne pas en recevoir dans ses recommandations1. Sa distinction entre étiquette et choix est importante : un avertissement discret informe, mais il ne redonne pas à l'auditeur le contrôle sur ce à quoi son oreille est exposée.
Pourquoi la question se pose-t-elle avec une acuité particulière au Québec?
Parce que le Québec mène déjà, depuis plusieurs années, une bataille pour la place de sa musique dans les recommandations algorithmiques. Selon l'Observatoire de la culture et des communications de l'Institut de la statistique du Québec, on a compté 31,9 milliards d'écoutes en continu dans la province en 2025, et les artistes d'ici n'en représentaient que 7,1 %, une proportion qui oscille entre 7 % et 8 % depuis 202211. Aucune des dix pistes les plus écoutées au Québec l'an dernier n'était québécoise ni francophone. L'enjeu de la musique générée par IA ne se superpose donc pas à un terrain neutre. Il s'ajoute à une concurrence déjà inégale pour l'attention des auditeurs, dans laquelle chaque recommandation compte.
La littérature sur l'enculturation permet de formuler ici une hypothèse, sans prétendre y répondre. L'étude de Hannon et Trehub a montré que des mesures irrégulières, comme celles des Balkans, cessent d'être perçues lorsqu'elles ne font pas partie de l'exposition quotidienne. La musique traditionnelle québécoise connaît aussi ses « tounes croches », ces airs aux mesures asymétriques que les violoneux allongent ou raccourcissent au gré de la danse. Si les modèles génératifs sont entraînés surtout sur des catalogues anglophones aux structures régulières, une exposition massive à leurs productions pourrait-elle, à terme, émousser la sensibilité des jeunes oreilles à ces singularités? Aucune étude ne l'a mesuré. Montréal abrite pourtant le BRAMS, l'un des grands centres de recherche sur le cerveau et la musique, ce qui donne au Québec les moyens scientifiques d'explorer cette question.
Sur le plan institutionnel, le Québec dispose d'un outil que peu de juridictions possèdent. La Loi sur la découvrabilité des contenus culturels francophones dans l'environnement numérique, issue du projet de loi 109 adopté à l'unanimité en décembre 2025, inscrit dans la Charte des droits et libertés de la personne un droit à la découvrabilité des contenus d'expression originale française et autorise le gouvernement à réglementer la recommandation et la mise en valeur sur les plateformes12. Les règlements restent à venir. La question de savoir si une piste générée par IA en français peut compter comme contenu « d'expression originale » n'a pas encore été tranchée publiquement, et elle deviendra incontournable.
À Ottawa, le débat avance surtout sur le terrain du droit d'auteur. La SOCAN, qui représente plus de 185 000 créateurs et éditeurs, a poursuivi la société américaine Suno devant la Cour fédérale en septembre 2026, l'accusant d'avoir reproduit des œuvres de son répertoire sans autorisation ni rémunération, et elle réclame l'abolition des exceptions au droit d'auteur pour l'entraînement des IA15. Le CRTC, de son côté, a établi dans sa nouvelle définition du contenu canadien que les postes créatifs clés doivent être occupés par des humains et non par l'IA, une règle qui vise pour l'instant les productions audiovisuelles16. Des initiatives comme MUSIQC, l'espace d'écoute lancé en 2025 par la SPACQ-AE avec une programmation faite par des humains, montrent qu'une autre voie existe : la curation humaine comme réponse au flot algorithmique17. La dimension perceptive, celle de la formation de l'oreille, reste cependant absente du débat public.
Les limites de l'alarme
Plusieurs arguments solides plaident contre une lecture catastrophiste. D'abord, l'écart entre offre et écoute : chez Deezer, plus de la moitié des envois sont synthétiques, mais leur part des écoutes reste faible. Les données québécoises vont dans le même sens d'une autre manière : selon l'Institut de la statistique du Québec, la moitié des écoutes de 2025 portaient sur des pistes parues en 2022 ou avant, contre 39 % l'année précédente. Les auditeurs se tournent davantage vers des classiques que vers le flot de nouveautés, synthétiques ou non. Ensuite, la musique médiocre, répétitive et dérivée a toujours existé, et Ahmadzadeh lui-même reconnaît que l'IA pourrait devenir un outil musical légitime, comme l'enregistrement, le synthétiseur et les logiciels de notation avant elle. Enfin, aucune étude n'a encore mesuré directement une modification des attentes musicales causée par la musique générée par IA. Le risque est déduit de la littérature sur l'enculturation, pas observé.
Les étiquettes ont aussi un effet secondaire. Un mémoire de maîtrise de l'Université catholique de Louvain, en Belgique, mené auprès de 93 participants, a montré que la même pièce est moins bien évaluée lorsqu'on la présente comme générée par IA, quelle que soit son origine réelle9. Étiqueter est nécessaire pour donner un choix à l'auditeur, mais l'étiquette porte aussi un préjugé et peut pénaliser des œuvres faites par des artistes qui utilisent la technologie comme un instrument. Le choix éclairé que réclame Ahmadzadeh exige donc des critères clairs sur ce qui compte comme musique entièrement produite par une machine.
Ce qui est en jeu
Le débat public sur la musique et l'intelligence artificielle tourne surtout autour de l'authenticité, de la propriété intellectuelle et du revenu des artistes. Ces questions sont légitimes. L'apport de la science de la cognition musicale est de rappeler qu'il existe une troisième couche, moins visible : la formation des attentes qui permettent à chacun, avec ou sans formation musicale, de sentir quand une tension harmonique se résout, quand un rythme surprend et quand quelque chose n'est pas à sa place.
Cette formation est statistique, cumulative et largement inconsciente. Elle dépend de ce que l'on entend, et ce que l'on entend est de plus en plus décidé par des systèmes de recommandation. Le Québec a déjà reconnu, par la loi, que la recommandation algorithmique est un enjeu culturel. Si les plateformes rendent l'origine des pistes sans équivoque et permettent aux auditeurs de les exclure, la musique générée par IA pourra trouver sa place parmi d'autres outils. Sinon, une part importante de l'éducation musicale informelle d'une génération restera soumise à des critères que personne n'a délibérément choisis.
Questions fréquentes
Qu'est-ce que l'enculturation musicale?
C'est le processus par lequel une personne intériorise, par exposition et le plus souvent sans s'en rendre compte, les régularités de la musique qui l'entoure. Gammes, rythmes, enchaînements harmoniques et conventions de style orientent ensuite ce que le cerveau s'attend à entendre.
Écouter de la musique générée par IA peut-il modifier nos goûts?
Aucune étude ne l'a encore mesuré directement. La recherche montre que les attentes se forment par exposition répétée et que 25 à 30 minutes d'écoute passive d'un système nouveau produisent déjà un apprentissage mesurable. L'effet est donc jugé plausible, surtout chez les enfants et les élèves.
Peut-on reconnaître une musique faite par IA?
Dans les tests d'écoute à l'aveugle récents, les taux de réussite étaient proches du hasard. Plus de cinq ans de pratique instrumentale et une familiarité avec les outils d'IA musicale augmentent les chances d'identification.
Quelle part des envois aux plateformes est générée par IA?
Chez Deezer, plus de 50 % des envois quotidiens au sommet de juin 2026, soit environ 90 000 pistes par jour. Leur part dans les écoutes réelles est beaucoup plus faible.
Que font le Québec et le Canada?
La SOCAN poursuit Suno devant la Cour fédérale et réclame la fin des exceptions au droit d'auteur pour l'entraînement des IA. Le CRTC exige des humains aux postes créatifs clés pour qu'une production audiovisuelle soit reconnue comme canadienne. Le Québec s'est doté en 2025 d'une loi sur la découvrabilité des contenus francophones dont les règlements encadreront la recommandation sur les plateformes.
Cet article s'inspire du texte d'opinion d'Arash Ahmadzadeh publié par le Washington Post le 27 octobre 2026 dans l'infolettre Superintelligent, disponible sur washingtonpost.com. Le contenu original n'a été ni reproduit ni traduit ; les idées attribuées à l'auteur ont été paraphrasées et complétées par une recherche indépendante du Tissu.