Chaque jour, des dizaines de milliers de chansons sont publiées. Ce flux constant d’options rend difficile, pour les services de diffusion en continu et les stations de radio, de choisir quelles chansons méritent d’être ajoutées à des listes de lecture. Pour trouver les titres qui rejoindront un vaste public, ces services ont recours à des mélomanes et à l’intelligence artificielle. Cette approche ne permet toutefois que d’atteindre un taux de succès de 50 % lorsqu’il faut prédire la chanson qui deviendra un succès. De nouveaux travaux permettent plutôt d’obtenir un taux de réussite de l’ordre de 97 %.
« En s’appuyant sur l’apprentissage machine et en utilisant des données neuropsychologiques, nous pouvons identifier presque parfaitement les chansons à succès », mentionne Paul Zak, un professeur à l’Université Claremont et le principal auteur de cette étude publiée dans Frontiers in Artificial Intelligence.
« Le fait que l’activité neuronale de 33 personnes peut prédire si des millions d’autres écouteront de nouvelles chansons est franchement incroyable. Personne n’a jamais obtenu autant de précision, auparavant. »
Dans le cadre de cette recherche, les participants ont été munis de senseurs et ont écouté 24 chansons, avant d’être interrogés à propos de leurs préférences, et de fournir quelques données démographiques. Lors de ce test, les chercheurs ont mesuré les réactions neurophysiologiques aux chansons.
« Les signaux du cerveau que nous avons recueillis reflètent l’activité du réseau cérébral associé à l’état d’esprit et les niveaux d’énergie », a ajouté M. Zak. Cela a ainsi permis aux spécialistes d’effectuer des prédictions quant aux résultats obtenus par les pièces, notamment le nombre d’écoutes, en s’appuyant sur les informations fournies par un petit groupe de personnes.
Cette approche, appelée « neuroprévision », s’appuie sur l’activité neurologique d’un petit groupe de gens pour prédire des effets à grande échelle, sans avoir à mesurer ce qui se passe dans la tête de centaines de personnes.
Après la collecte des données, les chercheurs ont utilisé différentes approches statistiques pour prédire la précision des variables neurophysiologiques. Et pour améliorer ces prévisions, les auteurs des travaux indiquent avoir « formé » un modèle d’apprentissage machine qui a utilisé différents algorithmes afin de parvenir aux résultats les plus précis.
Selon un modèle statistique linéaire, les tests effectués permettaient un taux de précision de 69 % lorsque venait le temps de déterminer si une chanson allait être un succès.
Mais lorsque l’aspect apprentissage machine est entré dans l’équation, le taux de prédiction est passé à 97 %. Et si les tests ne portent que sur les premières minutes d’une chanson, les chances d’identifier un succès à venir oscillent tout de même autour de 82 %, affirme-t-on.
« Cela veut dire que les services de diffusion peuvent facilement identifier de nouvelles chansons qui devraient être populaires dans les listes de lecture des utilisateurs, ce qui accroît l’efficacité du processus, et donc allège le fardeau des entreprises, en plus d’aider les mélomanes », juge M. Zak.
« Si, à l’avenir, des technologies portatives du domaine des neurosciences, comme celles que nous avons utilisées pour cette étude, deviennent monnaie courante, alors les divertissements appropriés pourraient être envoyés au public en fonction de sa neurophysiologie. Plutôt que d’avoir des centaines de choix, il ne pourrait y en avoir que deux ou trois, ce qui faciliterait le processus de choix de la musique qui leur plaira », estime le chercheur.
Toujours selon ce dernier, des méthodes similaires pourraient servir dans d’autres secteurs de l’industrie du divertissement, comme les films et les émissions de télévision.
