Bon, voilà le mur : entraîner un LLM sur la théorie musicale, qu’il comprenne le contexte moderne et qu’il s’appuie sur des sources du domaine public, c’est... disons, coton. Le plus gros problème, c’est de ne pas utiliser directement des œuvres sous copyright.
Alors, comment on fait ?
C’est simple.
Il existe un jeu de données qui utilise les sources Musecore. Tout est dans le domaine public, plein de morceaux historiques. C’est comme un énorme livre d’histoire. Ça couvre 20 genres, et tout est déjà dans un format clairement analysable par une IA.
C’est génial, mais ça ne donne rien de vraiment utile pour composer des chansons pop modernes. Enfin, pas tout seul.
L’astuce, c’est de traiter ça par lots avec un script Python envoyé au nouveau modèle de raisonnement de ChatGPT, via API. Et voilà ce qu’on lui demande : écrire un essai historique incluant des références historiques, les influences, la notation, des réinterprétations possibles de chaque morceau dans des genres contemporains avec notation, et une discussion sur la façon dont le morceau a influencé des artistes et des genres apparus plus tard. On liste les reprises notables d’artistes historiques, on parle de l’impact social de la pièce et de pourquoi elle est marquante.
Je vais aussi combiner ça avec les jeux de données de ChatMusician, de la même manière.
Ensuite, au lieu d’entraîner sur le jeu de données source... on entraîne sur les essais.
Au bout du compte, on se retrouve avec une IA basée sur LLAMA qui connaît pratiquement tout de l’histoire de la musique moderne et de l’évolution des genres, capable de faire des liens sur la façon dont les choses s’imbriquent, peut-être même de manière inattendue, capable de créer des compositions et d’avoir des discussions techniques sur la musique... sans violer le copyright de personne.