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)

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).

Références