On vous explique la formule magique (ou algorithmique) du hit de l’été
Aux Etats-Unis, ces jours-ci, il est très probable de croiser une artiste appelée Sabrina Carpenter et, notamment, deux chansons : Please please please et Espresso. En partie parce que ce sont des slogans estivaux ; en partie parce que, selon une série de reconstructions journalistiques, ils sont pratiquement omniprésents dans les suggestions de Spotify.
Selon un journal spécialisé, PopFiltr, Please please please apparaîtrait en deuxième place de toutes les playlists composées à partir du Top 50 des artistes sur Spotify. C’est lorsque, pour être clair, nous demandons au service de streaming de suggérer quelque chose de similaire à ce que nous écoutons. Ici, apparemment, Sabrina Carpenter ressemble à un nombre incroyable d’artistes différents, de The Weeknd à Sia, en passant par Lana Del Rey. Avec un seul effet : à l’heure où nous écrivons ces lignes, les deux chansons sont aux numéros 2 et 6 du Top 50 américain. Une popularité assez soudaine, qui a suscité quelques théories complotistes.
Sur Vox, Rebecca Jennings parle d’une polémique qui a circulé en ligne, selon laquelle la maison de disques de Carpenter aurait payé Spotify pour qu’il apparaisse dans le plus grand nombre de playlists possible. Une hypothèse improbable, démentie par les faits. Car aujourd’hui, la formule de popularité est plus mathématique qu’autre chose.
Dans l’article de Jennings, Glenn McDonald, ancien alchimiste des données Spotify et fondateur et conservateur de Every Noise at Once, l’explique bien, un splendide site qui catalogue la musique à partir de tous les microgenres que les services de streaming utilisent comme suggestions. Avec l’aide d’un érudit appelé Noah Askin, les deux hommes émettent l’hypothèse que le succès de Carpenter est le résultat de l’algorithme : les pièces sont similaires à beaucoup d’autres, mais suffisamment différentes pour attirer l’attention. Cela pousse les utilisateurs à écouter, voire simplement à comprendre. Résultat? Un signe positif pour l’algorithme, qui continue de le suggérer. C’est un effet qui amplifie le succès : plus les gens écoutent, plus on en parle, plus les chansons sont partagées sur les réseaux sociaux, plus l’intelligence artificielle continue de suggérer.
Les slogans ont tous les mêmes caractéristiques
C’est ce que le New York Times appelait il y a quelque temps l’approche mathématique de l’écriture de chansons. Les données sont de plus en plus précises : il en résulte une certaine homogénéisation des sons, surtout lorsqu’il s’agit de chansons, comme les tubes de l’été, qui sont créées pour être les protagonistes du marché. Selon l’analyse du journal américain, les caractéristiques musicales des hits se sont standardisées entre 1988 et 2012. À la fin des années 80, il était plus probable que des chansons de genres très différents finissent dans le top 10 ; une probabilité qui a commencé à diminuer au début des années 2010.
Nous n’étions pas encore à l’ère de Spotify, qui se généralisera quelques années plus tard. Elle témoigne pourtant de l’entrée de données dans le monde de la musique : le succès d’un tube est (aussi) le résultat de l’analyse de ce qui a déjà fonctionné. Ce n’est pas nouveau, pour être honnête : ceux qui produisent de la musique ont toujours cherché la formule du succès. Il est tout simplement plus facile de spéculer, compte tenu de la quantité de données qu’Internet a mis entre les mains des auteurs-compositeurs.
D’un côté les données, de l’autre le filtre des systèmes de recommandation, comme celui de Spotify. « Au fil des années – nous explique l’entreprise suédoise –, la personnalisation a évolué pour offrir la meilleure expérience de découverte possible. Algorithme qui analyse un ensemble de données et recherche des modèles en fonction de la fréquence à laquelle deux éléments apparaissent dans le même ensemble. Cette approche a jeté les bases des expériences de personnalisation Spotify telles que Discover Weekly, Release Radar, Daily Drive et Made for You Mixes.
En substance, une part importante de la découverte de nouvelles musiques passe par les suggestions du système automatique des plateformes de streaming. L’algorithme de Spotify prend notamment en compte avant tout les données des utilisateurs. Et donc nos goûts, les chansons que nous aimons. Ensuite, il analyse une série d’informations relatives aux chansons individuelles : le genre, le pourcentage d’auditeurs, le nombre d’écoutes. Sur cette base, il compose des playlists personnalisées.
Les hits de l’été 2024, entre trap et featuring
La formule magique du succès passe donc par ces deux facteurs : d’une part l’analyse de ce qui a fonctionné ; de l’autre, le filtre des algorithmes de recommandation. Et ce sont probablement ces facteurs – parmi tant d’autres – qu’il faut prendre en compte lorsqu’on tente d’analyser le succès d’une chanson.
En regardant le Top 50 Italie, un week-end de juillet, il ne semble pas y avoir de cas similaires à celui de Sabrina Carpenter. Bien sûr, il y a certes une certaine homogénéité de genre, avec une prédominance du rap et de la trap, avec Anna, Ghali, Fedez et Geolier parmi les artistes occupant les 10 premières places. Ce qui attire également l’attention, c’est la quantité de featuring : 9 chansons sur 10 sont signées par deux artistes ou plus. Une manière, toujours un peu mathématique, de multiplier les audiences potentielles, aussi bien sur les plateformes de streaming que sur les réseaux sociaux.