🇫🇷 Français
🇬🇧 English

Thèse 2024-2027 – Modélisation et génération semi-automatique d’arrangements musicaux pour favoriser la pratique musicale d’ensemble

  • Thèse 2024-2027 en modélisation et informatique musicale
  • Mots-clés: informatique musicale, humanités numériques, patrimoine culturel, instrumentation, pédagogie, apprentissage machine
  • Lieu: Lille (CRIStAL, CNRS, Université de Lille, à Villeneuve d’Ascq)
  • Encadrants: Mathieu Giraud (DR CNRS, CRIStAL, Université de Lille) et Florence Levé (Pr Univ. Picardie Jules Verne, MIS, Amiens)
  • Candidatures ouvertes jusqu’au 22 avril 2024 (CV et lettre de motivation, par mail)

L’équipe d’informatique musicale Algomus, du laboratoire CRIStAL (UMR CNRS 9189, Université de Lille), en collaboration avec le MIS (UPJV, Amiens) s’intéresse à l’analyse et à la génération informatique de musique, notamment sur ses représentations symboliques (partitions, grilles, tablatures…).

Contexte

La pédagogie instrumentale s’attache à apprendre aux jeunes (et adultes) la technique instrumentale, mais tout autant le plaisir de jouer, seul·e ou à plusieurs, et de découvrir ainsi le répertoire musical dans sa diversité, que ce soit des thèmes médiévaux, de la renaissance, des périodes classique et romantique, du jazz, de la pop, des musiques du monde… Pour cela, les élèves en premier ou deuxième cycle d’instrument jouent généralement des arrangements pédagogiques qui sont des versions simplifiées de musiques existantes. Arranger est une pratique professionnelle à part entière, mais de nombreux professeurs d’instruments en ont des notions et réalisent des arrangements de qualité pour leurs élèves pour leur aider à découvrir différents répertoires du patrimoine musical.

L’arrangement se pratique particulièrement pour des ensembles d’instrumentistes, que ce soit en école de musique, en cadre associatif, ou dans le cercle privé, familial ou amical. Que peuvent jouer ensemble une flûtiste ayant quelques années de pratique, un trompettiste débutant et un guitariste bon amateur ? Réaliser ou ne serait-ce que sélectionner les partitions adéquates est souvent fastidieux dans le cadre d’une pratique amateur. Certaines éditions ou certains sites proposent des duos, trios, ou d’autres combinaisons accessibles, mais il est rare de trouver les combinaisons souhaitées. Trouver de telles partitions adaptées remplit un but musical, de valorisation patrimoniale, mais aussi social, en permettant à des musicien·nes de pratiques différentes de jouer ensemble.

Objectifs

Serait-il possible d’avoir un arrangement d’une sarabande de Haëndel ou d’une chanson des Beatles pour deux, trois ou quatre instrumentistes de niveaux différents ? Le but de cette thèse est de proposer des modèles, des algorithmes et une plateforme prototype pour générer de tels arrangements prenant en compte la diversité des instruments et des niveaux.

On peut certes penser à des approches d’apprentissage brutes ou mixtes, notamment sur les générations conditionnées. Ces pistes pourront être explorées, mais on se concentrera aussi sur comment la génération procédurale, couplée à de l’apprentissage, pourait répondre à ce problème. On visera des arrangements de haute qualité, réalisés à partir d’un méta-arrangement écrit par un arrangeur humain. Quelles structures de données pourraient représenter un tel méta-arrangement, notamment avec ses textures, ses mélodies et leurs variations ?

Concrètement, la thèse débutera par un état de l’art

  • en génération procédurale,
  • en apprentissage et génération sous contraintes,
  • et notamment en conditionnement de méthodes de génération, par la difficulté tout comme par l’instrumentation,
  • et en texture et en séparation et identification de voix.

Puis la thèse proposera

  • des modélisations d’une phrase musicale flexible, “instrumentable”, en interaction avec des arrangeurs
  • la conception, l’implémentation et l’évaluation de prototypes de modèles génératifs couplés à un corpus de méta-arrangements.

Cette thèse sera en collaboration avec des arrangeurs, par exemple avec les classes d’analyse, d’écriture et d’ochestration des conservatoires de Lille et d’Amiens. Les corpus, modèles et outils créés au cours de cette thèse seront diffusés librement. Le délivrable public sera un prototype de plateforme de génération pédagogique, couplé à la plateforme Dezrann d’analyse et de partage musical, permettant au grand public d’expérimenter des arrangements dans des musiques variées.

Profil recherché

Informatique niveau master 2. Compétences en algorithmique, science des données et modèles génératifs. Pratique musicale et compétences en théorie musicale fortement souhaitées (analyse, écriture, instrumentation, histoire de la musique).

Déroulement de la thèse, publications et collaborations

L’équipe a une grande habitude de publication dans les conférences majeures du domaine, notamment ISMIR. La·le doctorant·e sera guidé pour rédiger et soumettre des articles à ces conférences, que ce soit sur son propre travail ou sur des collaborations à l’intérieur ou à l’extérieur de l’équipe. La·le doctorant·e participera régulièrement à des conférences et autres événements sur le domaine, et sera encouragé à développer les liens avec scientifiques et artistes. Chaque doctorant·e dans l’équipe effectue aussi un séjour de recherche à l’international au cours de sa thèse.

Le déroulement est individualisé à chaque doctorant·e, mais, dans les grandes lignes, pourrait être le suivant:

  • T0 à T0+6 mois: bibliographie
  • T0+6 à T0+16: premiers modèles et algorithmes, première soumission d’article
  • Au cours de la deuxième année, séjour de 2-3 mois dans une université étrangère partenaire pour consolider le travail et ouvrir sur de nouveaux projets
  • T0+18 à T0+26: confirmation des modèles et algorithmes, soumission d’articles sur le travail personnel tout comme sur la collaboration internationale
  • T0+26 à T0+34: rédaction de la thèse, possiblement nouvelle soumission d’article
  • T0+35 et T0+36: soutenance et élargissement des projets et des collaborations

Équipe d’accueil, encadrants, et structuration régionale

L’équipe a déjà une bonne expérience sur ces sujets: Algomus est un cadre idéal pour mener des recherches innovantes en IA et informatique musicale, fondamentales comme appliquées. L’équipe est reconnue dans le domaine (organisatrice de la conférence nationale JIM 2018, membres de comités éditoriaux…). En 2021, l’équipe a été 3è du concours européen ‘AI Song Contest’: https://www.algomus.fr/before-you-fly. L’équipe est en lien avec des artistes, des enseignants et des classes de collèges, et des entreprises (Arobas Music à Lille, TikTok/ByteDance à Londres). La·le doctorant·e bénéficiera de cet environnement.

Les encadrants collaborent depuis plusieurs années et l’équipe a collectivement une cinquantaine de publications sur le domaine dans les dernières années. Ils sont attentifs à la bonne conduite de la thèse tout comme à l’épanouissement et à l’équilibre personnel de chacun.

Le sujet contribue aux questions étudiées par le CPER Enhance, notamment sur l’axe “dynamique computationnelle des interactions” (étude de l’interaction des musicien·nes avec un méta-arrangement), mais aussi à celles du CPER CornelIA et l’Alliance humAIn (travaux sur l’aspect applicatif de l’IA tout comme sur l’émergence de méthodes explicables) La thèse s’inscrira dans un réseau de collaborations tissées par les encadrants et l’équipe au cours des dernières années, que ce soit des collaborateurs académiques en informatique musicale tout comme en musicologie, des professeurs de musique, et des laboratoires de R&D.

Références