Une nouvelle étude montre que les fans de hard rock et de hip-hop reçoivent des recommandations de chansons moins pertinentes de la part des algorithmes Spotify.
Les applications les plus utilisées pour écouter de la musique, telles que Spotify, Last.fm ou Youtube, ont des algorithmes capables de prédire et de vous montrer la nouvelle musique que vous pourriez aimer. En termes simples, il s’agit d’un système de recommandation par filtrage collaboratif: les applications enregistrent les artistes et les genres qu’un utilisateur écoute et associent ces résultats à des auditeurs partageant les mêmes idées pour découvrir ce que les autres aiment.
Les fans de hard rock et de hip-hop reçoivent des recommandations de chansons moins pertinentes
Mais ces algorithmes ne sont pas parfaits avec quelque chose d’aussi subjectif et humain que la création artistique et les goûts musicaux. Pour cette raison, une équipe de chercheurs de l’Université de technologie de Graz, du centre de recherche Know-Center GmbH, de l’Université Johannes Kepler de Linz, de l’Université d’Innsbruck (tous d’Autriche) et de l’Université d’Utrecht (Pays-Bas) a voulu tester la précision des recommandations générées par ces algorithmes, en particulier pour les auditeurs de musique peu appréciée ou peu connue du grand public.
Le principal résultat, publié dans le dernier numéro de la revue EPJ Data Science, est que ces algorithmes échouent beaucoup plus avec les auditeurs de hard rock et de hip-hop qu’avec les autres genres musicaux.
Un test sur les utilisateurs de Last.fm a révélé la situation
Pour tester cela, l’équipe a pris l’historique d’écoute de 4148 utilisateurs de la plateforme Last.fm, à la fois des auditeurs qui ont tendance à écouter de la musique plus populaire commercialement et ceux qui préfèrent des artistes un peu moins connus (2074 utilisateurs dans chaque groupe).
Basée sur les artistes les plus écoutés par chaque utilisateur, la recherche a utilisé un modèle de calcul pour prédire s’ils aimeraient une nouvelle chanson ou un nouvel artiste en utilisant quatre algorithmes de recommandation différents. De cette manière, ils ont confirmé que les auditeurs de musique populaire ont tendance à recevoir des recommandations plus précises et plus précises que le groupe d’auditeurs moins commerciaux.
Les auteurs ont ensuite classé les auditeurs de musique non commerciale en quatre groupes, selon les caractéristiques de la musique qu’ils écoutent le plus souvent. Ces groupes étaient: des auditeurs de genres musicaux contenant uniquement des instruments acoustiques, tels que des auteurs-compositeurs folk ou chanteurs-compositeurs; musique très énergique comme le punk ou le hip-hop; musique hautement acoustique mais sans voix telle que la musique ambiante; et une musique très énergique mais sans voix telle que l’électronica. La recherche a ainsi pu comparer les histoires de chaque groupe et identifier, avec le modèle informatique, quels utilisateurs étaient plus susceptibles d’écouter de la musique en dehors de leurs préférences et de la diversité des genres musicaux au sein de chaque groupe.
Les auditeurs de musique acoustique reçoivent de meilleures recommandations
Grâce à cette catégorisation, l’étude a révélé que les auditeurs de musique acoustique sans voix avaient également tendance à préférer les chansons des trois autres groupes (énergiques, énergiques sans voix et acoustiques) et recevaient des recommandations plus précises du modèle de calcul. Dans le même temps, le groupe d’auditeurs de musique énergiques a reçu les pires recommandations des algorithmes, malgré le fait que leur groupe présentait la plus grande variété de genres musicaux – hard rock, punk, hardcore, hip-hop et pop-rock.
Elisabeth Lex, co-auteur de l’article et professeur agrégé d’informatique appliquée à l’Université de technologie de Graz, souligne que les algorithmes de recommandation musicale sont déjà «essentiels» pour les utilisateurs qui souhaitent rechercher, sélectionner et filtrer des collections d’applications musicales.
Malgré cela, il souligne que les algorithmes peuvent ne pas faire de recommandations aux auditeurs de musique non commerciale. «Cela peut être dû au fait que ces systèmes sont orientés vers une musique plus populaire, ce qui fait que les artistes extérieurs au courant dominant sont moins écoutés», note-t-il.
Enfin, les auteurs suggèrent que leurs résultats pourraient servir de base à la création de systèmes de recommandation musicale fournissant des recommandations plus précises. Ils préviennent, cependant, que leur analyse est basée sur un échantillon d’utilisateurs de Last.fm, qui peuvent ne pas être représentatifs pour cette plate-forme musicale ou d’autres.
