🇫🇷 Français
🇬🇧 English

AI_PhD@Lille 2021-2024 – Modélisation informatique de l’écriture symphonique

  • Thèse 2021-2024 en informatique musicale et IA / apprentissage automatique, dans le cadre du programme AI_PhD@Lille
  • Lieu: Lille (CRIStAL, CNRS, Université de Lille, à Villeneuve d’Ascq)
  • Encadrants: Mathieu Giraud (DR CNRS, CRIStAL, Université de Lille), Florence Levé (MdC HdR, MIS, Université de Picardie Jules-Verne, Amiens), Louis Bigo (MdC, CRIStAL, Université de Lille).
  • Date limite de candidature: 8 Mars 20 Mars (CV et lettre de motivation, par mail) (candidatures fermées)
  • Annonce et liens: http://www.algomus.fr/jobs/phd-sympho

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 informatique de partitions musicales.

Contexte

L’orchestration est l’art d’écrire de la musique pour un ensemble d’instruments. Elle va bien plus loin qu’une instrumentation qui serait une simple répartition des voix. Que ce soit dans les musiques dites classiques ou dans d’autres répertoires comme dans la musique de film, l’orchestration se nourrit des possibilités musicales de chaque instrument, de celles de leur pupitre, et du “son” de l’orchestre tout entier [1]. L’écriture de contrastes orchestraux porte à la fois sur les instruments utilisés et sur ce qu’ils jouent chacun.

En informatique musicale, des travaux de ces dernières années ont proposé des pistes vers l’orchestration automatique [3] et la reconstruction de spectres audio, mais peu d’études se sont attachées aux caractéristiques de cette écriture. Informatiquement (et musicalement), les défis de l’analyse et de la génération de l’écriture orchestrale viennent de la richesse des combinaisons instrumentales possibles, demandant, pour modéliser cette écriture, des connaissances ou des corpus conséquents. Peut-on envisager des nouveaux outils favorisant la co-créativité du musicien et de la machine, et même du mélomane, lorsqu’ils écoutent, analysent ou composent de la musique symphonique ?

Objectifs

Cette thèse explorera des analyses systématiques de partitions orchestrales avec des méthodes informatiques, à la fois issues de l’apprentissage machine et de l’algorithmique discrète. Le but est d’illustrer et de complémenter les connaissances sur l’orchestration et sur son lien à l’harmonie tonale et à la forme et de concevoir à des outils pour l’analyse et la co-création de musique orchestrale.

Concrètement, la·le doctorant·e étudiera une bibliographie sur l’orchestration, l’informatique musicale et les modèles d’apprentissage profonds pour la musique, notamment autour des auto-encodeurs et des espaces latents [2,4]. Elle·il s’attaquera aux points suivants:

  • Identifier, regrouper et enrichir des corpus de partitions orchestrales tonales, qu’elles soient classiques, (post-)romantiques ou contemporaines;

  • Modéliser finement l’annotation et l’analyse de l’écriture orchestrale tonale, en étendant les représentations informatiques de l’harmonie, de la texture [5] et en modélisant l’orchestration suivant la forme;

  • Concevoir, implémenter et évaluer des modèles informatiques, qu’ils soit appris et/ou algorithmiques, appliqués à l’analyse de l’orchestration ainsi qu’en co-création de musique symphonique.

Les modèles d’apprentissage utilisés viseront l’explicabilité et l’interprétabilité pour les utilisateurs. Cette thèse sera ainsi faite en collaboration avec des théoriciens de la musique, et des collaborations seront aussi recherchées avec des compositeurs actuels, notamment de musique pour l’image, et/ou des classes d’orchestration.

Profil recherché

Master d’informatique, avec compétences en IA/science des données. Pratique musicale et compétences en théorie musicale fortement souhaitées (analyse, harmonie et idéalement orchestration).

Déroulement de la thèse, publications et collaborations

L’équipe Algomus 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 Algomus 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 d’analyse de l’orchestration, modélisation et annotation de corpus, première soumission d’article
  • Au cours de la deuxième année, séjour de 2 mois dans une université étrangère partenaire pour consolider le travail et ouvrir sur de nouveaux projets
  • T0+18 à T0+26: confirmation des modèles, modèles co-créatifs de génération, 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

Liens avec le programme AI_PhD@Lille

Ce sujet d’analyse et de génération musicale, dans une perspective de co-création humain-machine, s’insère pleinement dans le programme AI_PhD@Lille.

  • Fondamentalement, traiter des données musicales par IA pose des défis de représentation musicale et d’architecture de réseaux gérant à la fois l’espace des hauteurs et la composante temporelle. L’écriture orchestrale manifeste particulièrement ces défis.

  • L’explicabilité et la “maniabilité” de l’IA est essentielle en matière de co-créativité artistique. Le sujet se focalise déjà sur l’analyse, où le but est d’expliquer les strates de l’écriture orchestrale. En terme de gérénation, le but n’est pas de fournir une boîte noire, mais de s’appuyer sur l’expérience musicale de l’artiste ou mélomane et d’interagir avec elle ou lui. Les modèles basés sur des auto-encodeurs avec des espaces latents sont particulièrement pertinents pour cela.

Équipe d’accueil et encadrants

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 2020, l’équipe a été 4è du concours européen ‘AI Song Contest’: http://www.algomus.fr/i-keep-counting. 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 trois encadrant·es collaborent depuis plusieurs années (plus de 10 ans de collaboration entre FL (Amiens) et MG (Lille)) et ont collectivement une quarantaine de publications sur le domaine dans les dernières années. Elle et ils sont attentifs à la bonne conduite de la thèse tout comme à l’épanouissement et à l’équilibre personnel de chacun.

Références