Par DZR - Artiste concerné(e) : #Industrie musicale
Publié le
Tu ouvres Spotify un lundi matin. Discover Weekly te balance trois artistes que tu n’as jamais croisés... et qui collent parfaitement à ce que tu écoutes en ce moment.
Tu lances le premier. Puis le deuxième. Et là, forcément, la question tombe : comment l’algo a-t-il pu savoir que j’allais kiffer ça ?
La réponse n’a rien de magique. Derrière Spotify, Deezer et les autres, il y a des systèmes qui analysent tes habitudes, les comparent à celles de millions d’autres gens et repèrent des liens entre les morceaux. Plus tu écoutes, plus la plateforme affine son idée de ton univers musical. Parfois, elle a même l’air de devancer ce que tu vas aimer.
Le vrai problème des plateformes, c’est l’immensité du catalogue. Même en écoutant plusieurs heures par jour, une vie ne suffirait pas à tout explorer. Il faut donc un système qui trie à ta place.
Chez Spotify, les recommandations sont partout : page d’accueil, playlists perso, résultats de recherche, Discover Weekly... L’objectif n’est pas de te coller les tubes du moment. C’est de répondre à une question plus précise :
« Parmi tout ce qu’on a, qu’est-ce que tu as le plus de chances d’avoir envie d’écouter maintenant ? »
Pour y arriver, l’algo regarde un paquet de signaux.
La base, c’est ce que tu écoutes. Mais Spotify ne se contente pas de compter les streams. Recherches, skips, titres sauvegardés, artistes suivis... tout ça construit ce qu’ils appellent ton profil sonore.
Imagine : tu écoutes souvent du rap français. Tu cherches SCH, tu ajoutes des morceaux de Hamza, tu suis un petit nouveau et tu rejoues plusieurs fois un titre que tu viens de découvrir. Pris un par un, ces gestes sont banals. Mis bout à bout, ils dessinent un profil. L’algo comprend que tu tournes autour de certains univers et va chercher d’autres trucs qui collent.
Et ce profil bouge. Tu peux passer trois mois sur du rap, basculer sur du R&B, puis te prendre d’un coup de passion pour la chanson française des années 2000. Les recommandations finissent par suivre.
Ce que tu ignores est aussi utile que ce que tu aimes. Skipper systématiquement certains types de morceaux, ça envoie un signal clair. À l’inverse, sauvegarder un titre, suivre un artiste ou réécouter un son plusieurs fois, ça renforce l’idée que tu es intéressé.
C’est pour ça que deux personnes qui écoutent le même artiste peuvent finir avec des recommandations complètement différentes. Elles n’ont pas le même historique, pas les mêmes réflexes, pas la même façon de réagir à ce qu’on leur propose.
Ton historique musical n’est pas la seule donnée. Spotify prend en compte l’appareil, la langue, l’endroit approximatif, le moment de la journée, parfois même le type d’activité.
La musique que tu lances en voiture n’est pas forcément celle que tu veux devant ton ordinateur. La playlist parfaite pour une soirée n’est pas celle que tu mets à 8 h du matin.
L’algo essaie de comprendre non seulement ce que tu aimes, mais dans quelles situations tu as tendance à l’écouter.
C’est là que ça devient vraiment intéressant. L’algo ne travaille pas uniquement avec ton historique. Il regarde aussi les liens entre les comportements de millions d’auditeurs.
Si beaucoup de gens qui écoutent régulièrement un artiste écoutent aussi un autre, cette association devient utile. C’est l’un des principes de base des systèmes de recommandation : repérer des relations entre utilisateurs, morceaux, artistes et playlists.
Résultat : tu peux découvrir unartiste que tu n’avais jamais cherché, simplement parce que des gens qui ont des goûts proches des tiens l’écoutent. Tu ne connaissais même pas son nom. L’algo a trouvé la connexion.
Les recommandations ne reposent pas seulement sur les comportements. Les caractéristiques audio des titres entrent aussi en jeu. Spotify utilise des attributs sonores pour repérer des similarités entre morceaux, même quand les artistes ne sont pas directement liés.
Ça permet de sortir de la logique trop simple : « Tu écoutes cet artiste → voici encore du même. » Le système peut aller plus loin et t’emmener progressivement vers un univers plus large.
C’est l’exemple le plus connu. Chaque lundi, 30 titres adaptés à tes goûts. Derrière cette playlist apparemment simple, il y a ton historique, tes interactions, les liens entre les morceaux et les habitudes d’autres auditeurs.
Tu likes un titre ? Signal. Tu sauvegardes un artiste ? Nouveau signal. Tu zappes une série de sons ? L’algo affine.
Depuis 2025, Spotify laisse même certains utilisateurs orienter davantage Discover Weekly selon les genres qui ressortent de leur écoute. L’algo n’est plus juste une sélection figée : tu peux aussi lui donner une direction.
Chez Deezer, Flow propose depuis longtemps un mix continu qui mélange tes favoris et des recommandations. Plus tu écoutes, ajoutes des titres et explores, plus Flow s’affine.
Avec Flow Tuner, tu peux même influencer directement les genres présents dans le mix. L’idée est claire : l’algo apprend, mais tu peux aussi lui dire dans quelle direction tu veux aller.
Oui... mais pas au sens où il lirait dans tes pensées.
Il fait une prédiction à partir de ce qu’il a. Parfois elle est ultra juste. Parfois elle se plante complètement.
Tu peux kiffer un morceau qui ne ressemble à rien de ce que tu écoutes d’habitude. Tu peux détester un artiste pourtant très proche de tes habitudes. Tu peux aussi écouter quelque chose juste parce que tu es avec un ami, sans que ça veuille dire que tu veux retrouver ce genre le lendemain.
C’est toute la difficulté : transformer des comportements passés en hypothèses sur ce que tu pourrais aimer ensuite.
Plus la plateforme comprend tes goûts, plus elle te propose des choses pertinentes. Mais si elle reste trop collée à ce que tu aimes déjà, elle réduit la place de l’inattendu.
Tu écoutes beaucoup de rap français : tu reçois beaucoup de rap français.
Tu tournes autour de certains artistes : le système a plein de raisons de te coller des artistes proches.
C’est confortable, oui. Mais la vraie découverte musicale n’est pas toujours confortable. Les plus gros coups de cœur arrivent parfois avec un morceau que personne n’aurait pu prédire à partir de tes habitudes.
C’est là que l’humain garde une place : un ami qui t’envoie un son, un concert, une radio, une playlist faite par quelqu’un dont tu respectes les goûts... ou un site comme TrackMusik, qui mise davantage sur la curiosité que sur la pure prédiction algorithmique.
L’algo cherche ce qui pourrait te plaire. Il ne sait pas forcément ce qui va te surprendre.
Quand tu lances Spotify ou Deezer, tu as l’impression de décider toi-même. En réalité, toute une chaîne de recommandations est déjà en train de travailler : ton historique, tes réactions, les comportements des autres, les caractéristiques des morceaux, le contexte... et parfois des choix éditoriaux humains.
L’algo ne remplace pas tes goûts. Il les observe, les interprète et tente de prédire la suite. Plus tu l’utilises, plus il apprend.
La vraie question, c’est celle-ci :
Si une plateforme connaît aussi bien nos habitudes, est-ce qu’elle nous aide vraiment à découvrir de nouvelles musiques... ou est-ce qu’elle finit par nous enfermer dans ce qu’on aime déjà ?
Créateur & Cogérant du site www.trackmusik.fr
Correction, proposition d'article : redaction[AT]trackmusik.fr
