La musique et l’IA comme double-enjeu pédagogique : EAC et EMI

Introduction

Nos élèves écoutent souvent de la musique, comme une grande partie des “jeunes” en général, en particulier via des plateformes de streaming. Ces usages profondément ancrés dans leur quotidien s’inscrivent dans un environnement transformé par l’essor des intelligences artificielles, qu’il s’agisse des systèmes de recommandation ou, de plus en plus, de génération musicale.

Pour cet article qui s’inscrit dans les TraAM (Travaux Académiques Mutualisés) en Documentation 2025-2026, on a voulu s’interroger sur les enjeux pédagogiques : Quels sont les impacts de l’IA dans le domaine de la musique ? Quelles questions sont soulevées en lien avec la documentation, l’EMI (Education aux Médias et à l’Information) ou encore l’EAC (Education artistique et Culturelle) ? Comment et pourquoi aborder cette thématique avec les élèves ?

Plusieurs enseignants ont souhaité explorer ce sujet à travers des séances menées autour de ces enjeux : 

• Céline Domin, de l’académie de Lille, a mutualisé une séance sur IA, musique, créativité et droits d’auteur.
• Cassandra Buigues, de l’académie de Nice, a mutualisé une séance sur LIEN DOCAZUR l’IA et la musique, force de création ?
• Mélanie Serret, de l’académie de Lille, a participé à l’écriture de cet article.

Sommaire

Musique et IA

• Quelques impacts de l’IA sur la musique
  • Les algorithmes de recommandation
  • L’IA générative et la musique
• Musique(s) : entre plaisir et pratiques culturelles, un sujet sensible à aborder

Des pistes pédagogiques en documentation et EMI

• Fonctionnement des intelligences artificielles génératives
  • Comprendre les possibilités et les limites des outils d’IAG
  • Les limites des IAG musicales en contexte scolaire
• Analyse des productions générées par IA et esprit critique
• Algorithmes de recommandation et chambre d’écho

Conclusion

 

Bibliographie

Musique et IA

Quelques impacts de l’IA sur la musique

Les algorithmes de recommandation

Selon le SNEP (Syndicat National de l’Edition Phonographique qui regroupe producteurs, éditeurs et distributeurs de musique enregistrée, partenaires des artistes de la musique en France), le marché de la musique enregistrée en France est en augmentation de 3,4% sur les six premiers mois de 2025. Ce marché progresse depuis plusieurs années (après une chute importante en 2002 due à l’invention du format MP3, du piratage massif via le peer to peer…). 

64% des revenus du secteur proviennent du streaming, générant en France 664 millions d’euros en 2024. Ce passage progressif et massif au streaming musical a des conséquences importantes sur les usages. En effet, les plateformes utilisent des algorithmes de recommandation pour la musique, comme la plupart des services en ligne de contenus numériques, sans toutefois enfermer leurs utilisateurs dans une écoute restreinte sans variété, selon les résultats d’une étude partagés par le CNRS. L’institut a en effet publié une vidéo et un article de synthèse de recherche sur ce sujet, basée sur le “projet Records”. 

Dans un podcast consacré aux coulisses du streaming musical, Azzedine Fall, directeur de la musique chez Deezer, rappelle que les playlists occupent une place centrale dans la découverte musicale sur la plateforme. Contrairement à une vision entièrement automatisée des services de streaming, A. Fall explique que de nombreuses playlists sont éditorialisées par des humains, au terme de discussions collectives proches d’une véritable conférence de rédaction. Les équipes échangent autour des artistes à mettre en avant, des tendances émergentes, des contextes culturels ou encore des usages des auditeurs. L’algorithme n’est donc pas totalement autonome ; il s’appuie aussi sur des arbitrages culturels réalisés par des professionnels du secteur musical. Les données liées aux écoutes sont ensuite analysées attentivement afin de réajuster, si nécessaire, les propositions éditoriales et les recommandations mises en avant sur la plateforme. C’est donc un travail qui nécessite à la fois un regard humain et des algorithmes. 

D’autres plateformes grand public reposent plus fortement sur les données d’écoute et la recommandation algorithmique. Les playlists personnalisées sont générées automatiquement à partir des comportements des utilisateurs : temps d’écoute, morceaux passés, répétitions, genres appréciés, habitudes d’autres profils similaires, etc. Ces stratégies sont ainsi plus proches de celles de beaucoup de réseaux sociaux (qu’on appelle de plus en plus médias sociaux, justement par rapport aux choix éditoriaux réalisés par les algorithmes). Ces réseaux sociaux constituent d’ailleurs aujourd’hui une véritable porte d’entrée vers l’écoute musicale. Le Baromètre des usages de la musique en France du Centre national de la musique montre ainsi que les jeunes découvrent, voire redécouvrent, massivement des morceaux via les réseaux sociaux (TikTok, Instagram, YouTube Shorts) avant de poursuivre l’écoute sur des services de streaming tels que Spotify, Deezer ou Apple Music. Dans son mémoire en Sciences de l’Information et de la Communication, “Quand TikTok donne le la à la musique : l’influence de TikTok sur les mécanismes de production, de création et de diffusion de la musique”, Antonin Bodiguel montre que TikTok ne se contente pas de diffuser de la musique : la plateforme influence directement les mécanismes de visibilité, les stratégies promotionnelles des labels et parfois même la création musicale elle-même : en effet, la logique algorithmique de TikTok favorise des contenus courts, immédiatement engageants et facilement réutilisables dans des vidéos visant comme effet la viralité. Certains artistes et producteurs cherchent alors à créer des morceaux contenant des passages particulièrement adaptés aux usages de la plateforme, notamment des refrains accrocheurs ou des extraits facilement identifiables (appelés hooks), susceptibles de capter rapidement l’attention des utilisateurs dès les premières secondes d’écoute. La découverte d’un morceau passe alors par l’apparition répétée d’un extrait sonore dans un flux personnalisé de vidéos courtes. Les réseaux sociaux, et TikTok en particulier, agissent comme des intermédiaires entre les œuvres musicales et les publics, au point d’influencer les classements musicaux et les stratégies de diffusion de l’industrie culturelle.

L’IA générative et la musique

Qu’en est-il dans l’aspect de la création musicale ? Des plateformes comme Suno permettent de générer du son très rapidement et très simplement. Des enseignants se sont d’ailleurs emparés de l’outil pour générer des musiques en bilan de cours par exemple. 

Cette problématique de musique générée pose de nombreuses questions : Quelle part de la créativité humaine dans la génération ? Quel rapport à l’autorité ? Quel respect du droit aux données, qui comprend la voix ? Quid du plagiat ? 

Pour illustrer ces questions, voici deux articles de presse récents (mars et mai 2026) à consulter :

Constance Villanova. Papaoutai version IA : quand une machine vole l’âme d’un tube, qui touche l’argent ? [en ligne] France info, 17/03/2026. Disponible sur : https://www.franceinfo.fr/replay-radio/l-il-de-constance/papaoutai-version-ia-quand-une-machine-vole-l-ame-d-un-tube-qui-touche-l-argent_7842074.html (consulté le 27 mai 2026)

Mathilde Rochefort. Spotify veut que n’importe qui puisse remixer des morceaux existants avec l’IA [en ligne]. Clubic, 22/05/2026. Disponible sur : https://www.clubic.com/actualite-613801-spotify-vous-faire-remixer-vos-morceaux-preferes-avec-l-ia-mais-seulement-si-vous-payez.html (consulté le 27 mai 2026)

Les plateformes de streaming populaires comme Deezer et Spotify font aujourd’hui face à une augmentation massive des contenus musicaux générés par intelligence artificielle. En avril 2026, la plateforme Deezer indiquait recevoir près de 75 000 titres générés par IA chaque jour, soit environ 44 % des nouvelles mises en ligne quotidiennes. Face à cette explosion de contenus automatisés, Deezer affirme avoir choisi de ne pas promouvoir les morceaux entièrement générés par IA dans ses recommandations éditoriales et algorithmiques. La plateforme a, plus récemment, annoncé la démonétisation de certains contenus frauduleux. Cette décision fait suite à l’identification de pratiques de fraude reposant sur des systèmes d’écoutes automatisées : certains morceaux générés artificiellement étaient lus en boucle par des robots afin de produire de faux volumes d’écoute et de percevoir indûment des revenus liés au streaming. Deezer explique ainsi chercher à protéger les artistes humains, la confiance des usagers ainsi que l’équilibre économique de la plateforme face à ce type de manipulation algorithmique. 

Spotify a une approche différente en défendant le travail réalisé par les humains à l’origine des musiques IA : “si vous n’avez pas de talent, vous pouvez utiliser tous les outils que vous voulez, vous ne sortirez pas du lot (…) si un artiste décide de composer sa musique avec l’IA et d’écrire lui-même les paroles, qui sommes nous pour juger ?” Ainsi, Xania Monet est la première artiste virtuelle à être classée dans les meilleures ventes aux États-Unis. Elle a été signée par un label pour un montant estimé à trois millions de dollars. Derrière Xania Monet, il y a une autrice et parolière, Telisha Jones. La composition instrumentale a été générée à l’aide de la plateforme Suno. Ce succès couronne donc un “partenariat” entre un humain et un outil.

Les plateformes ainsi des approches variées. Certaines peuvent notamment utiliser des morceaux générés par IA pour compléter des playlists, réduisant ainsi certains coûts liés à la rémunération des artistes. Ces évolutions sont rendues possibles par les progrès techniques des IA génératives, mais elles s’inscrivent également dans des transformations plus larges des pratiques d’écoutes. La journaliste Liz Pelly interroge ces transformations et l’impact des plateformes de streaming, notamment à travers le développement de musiques d’ambiance ou d’accompagnement pensées pour être écoutées en arrière-plan lors d’activités quotidiennes, de moments de détente ou de travail. Le succès du genre lo-fi (« low fidelity »), fréquemment utilisé comme fond sonore pour réviser ou se relaxer, illustre parfaitement cette évolution des pratiques. “Pourquoi payer un Brian Eno pour se détendre quand il est possible d’obtenir les mêmes résultats pour moins cher ?”

Comme pour de nombreux usages de l’intelligence artificielle, la question centrale semble finalement moins être celle de l’outil lui-même que celle des usages humains qui en sont faits (usages personnels, régulation..). À titre d’exemple, un morceau de country devenu viral aux Etats-Unis (Walk my Walk) a posé la question de l’appropriation culturelle. L’avatar du groupe (un “mystérieux” Breaking Rust) est affiché comme blanc. Le titre est apparu comme très similaire au style artistique (plus précisément, au phrasé vocal, à la structure mélodique…) d’un artiste compositeur primé africain-américain, Blanco Brown.

Ainsi, et ce à quoi l’on tend dans la réflexion avec les élèves, il convient de réfléchir à la place de l’IAG dans le processus de création dans le domaine musical. Certains artistes présentent par exemple l’IA comme un outil de création complémentaire, par exemple en post-production, plutôt que comme un substitut au travail artistique. Le musicien Mosimann explique ainsi que l’IA peut être un outil au service du processus créatif. Cette approche rejoint les réflexions plus larges sur les usages créatifs des IA génératives et tend vers une littératie de l’IA. 

Les outils ne produisent pas seuls du sens, des intentions artistiques ou des choix esthétiques : ils restent dépendants des objectifs, des arbitrages et de la sensibilité des utilisateurs. Les débats portent donc moins sur l’existence des technologies elles-mêmes que sur les cadres éthiques, économiques et culturels dans lesquels elles sont mobilisées. Dans ce contexte, la formation citoyenne apparaît essentielle afin de permettre aux individus de comprendre les logiques des plateformes, les enjeux liés aux données, les mécanismes de recommandation algorithmique ou encore les conséquences culturelles et économiques en constante évolution.

Musique(s) : entre plaisir et pratiques culturelles, un sujet sensible à aborder

En EMI et EAC, le thème de la musique constitue un terrain particulièrement pertinent pour le professeur documentaliste. Comme pour le travail mené autour du circuit du livre, il s’agit d’accompagner les élèves dans la compréhension des logiques de production, de diffusion, de recommandation et de valorisation des contenus culturels. 

Les plateformes musicales représentent aujourd’hui des espaces culturels, médiatiques et économiques structurés par des algorithmes, des stratégies de visibilité et, de plus en plus, des outils d’intelligence artificielle générative. Interroger ces environnements permet ainsi d’aborder des notions centrales de l’EMI et de l’info-documentation, que nous développerons peu après.

Néanmoins, aborder la musique avec les élèves nécessite une vigilance particulière, elle relève d’une pratique intime, voire identitaire. Les morceaux écoutés, les artistes suivis ou encore les playlists créées participent souvent à la construction de soi, aux émotions, aux sociabilités adolescentes ainsi qu’à l’appartenance à un groupe. Ce qui peut sembler être un sujet « banal » pour certains adultes (écouter de la musique sur Spotify, TikTok ou YouTube) constitue en réalité un espace personnel investi affectivement par des élèves.

“La musique fait partie intégrante de l’adolescence. Qu’elle soit écoutée, chantée, jouée, seul ou à plusieurs, qu’elle provoque la danse ou le retrait sur le lit d’une chambre… la musique en rythme le parcours. Centrale à l’adolescence, elle est pourtant insaisissable. Au point que chaque génération se l’approprie pour la prolonger à travers de nouvelles formes. (…) Le sonore est un élément sensible à l’adolescence parce qu’il attaque et construit à la fois l’adolescent.”

Questionner les pratiques musicales peut alors rapidement être perçu comme une forme de jugement, voire comme une remise en cause de leurs goûts culturels. La parole de l’adulte peut alors être interprétée comme une critique implicite : « ce que tu écoutes est mauvais », « tu te fais manipuler » ou encore « tu n’es pas capable de choisir par toi-même ». Ce risque est d’autant plus fort lorsque les sujets abordés touchent aux algorithmes de recommandation ou aux logiques de captation de l’attention, qui peuvent être vécus comme une intrusion dans des pratiques privées et quotidiennes. Cette vigilance pédagogique semble d’autant plus importante que les pratiques culturelles des jeunes ont régulièrement fait l’objet de paniques morales dans l’espace public. Les animés et mangas, par exemple, ont été fortement critiqués à la fin des années 1980 et au début des années 1990, notamment dans certains discours politiques et médiatiques. Le rap, encore largement écouté par les adolescents aujourd’hui, a lui aussi été associé à des discours alarmistes ou à des inquiétudes sociales.

Le risque existe donc que le travail scolaire autour des usages musicaux soit perçu par les élèves comme une nouvelle tentative de disqualification de leurs goûts culturels. Cette question est d’autant plus sensible que l’école repose en partie sur une culture patrimoniale parfois éloignée des pratiques des jeunes. Même lorsque les œuvres étudiées sont contemporaines, elles ne leur sont pas nécessairement familières. À titre d’exemple, le programme limitatif 2025-2026 de Terminale Spécialité ”Arts : musique” comporte des œuvres médiévales du XIVe siècle (rondeau, virelai…), de la techno-symphonie ou encore un groupe allemand qui mêle jazz et électro.

Le professeur documentaliste doit donc aborder ces sujets avec prudence, comme il le fait déjà pour la lecture, en inscrivant son approche pédagogique en documentation, en EMI et en articulation avec l’EAC. L’enjeu n’est pas d’opposer culture scolaire et pratiques culturelles juvéniles, mais de permettre aux élèves de mieux comprendre les environnements médiatiques, techniques et économiques dans lesquels leurs pratiques culturelles prennent place.

Des pistes pédagogiques en documentation et EMI

Plusieurs axes de travail s’offrent donc aux professeurs documentalistes. Les partenariats pour travailler ce sujet peuvent être nombreux et recouvrent différents aspects de la socio-économie des médias (liste non exhaustive) : 

• En Éducation musicale au collège, d’abord : le programme du cycle 4 indique qu’elle conduit les élèves vers une “approche autonome et critique du monde sonore et musical contemporain”, qu’elle “éduque la perception et l’esprit critique sur les environnements sonores et musicaux”, qu’elle travaille les notions de “droits d’auteur”… 
• Au lycée général aussi pour l’option et la spécialité “Arts : musique”. 
• En Sciences Numériques et Technologie, SNT, au lycée général et technologique, avec notamment un chapitre sur les réseaux sociaux qui aborde les algorithmes de recommandation.
• En seconde professionnelle avec l’objet d’études en lettres “S’informer, informer : les circuits de l’information” (avec un travail sur l’éthique de l’information) ou encore en Arts Appliqués et Culture Artistique où les élèves doivent interroger la place du numérique.
• En Enseignement Moral et Civique, EMC, en seconde, comme transition entre les thèmes “Liberté et responsabilité : l’exemple de l’information (vecteurs, nécessité et enjeux)” et “Droits et responsabilité : l’exemple de la protection de l’environnement et de la sauvegarde de la biodiversité”.
• En collaboration avec les collègues de langues vivantes pour analyser des morceaux d’IAG devenus viraux et questionner les droits d’auteur à travers le monde. En enseignement de spécialité langues, littératures et cultures étrangères et régionales : Anglais, Monde Contemporain, AMC, notamment, une partie du programme de Terminale s’intitule “Relation au monde”. 
• Lors de projets pédagogiques variés impliquant indirectement la musique, telle la webradio où l’on peut créer jingles et enrobages sonores par IAG avec les élèves.

Durant les séquences pédagogiques et les projets, les élèves sont amenés à approfondir différents thèmes liés à l’intelligence artificielle, tels que : son fonctionnement, l’analyse critique des contenus générés ou encore la compréhension des enjeux associés aux algorithmes de recommandation. Ils développent ainsi des compétences qui peuvent être mises en relation avec le Cadre de Référence des Compétences Numériques (CRCN) et avec le référentiel PIX IA. Ce dernier s’inscrit dans une réflexion plus large sur la culture numérique et l’intelligence artificielle, en cohérence avec des cadres internationaux tels que ceux proposés par Digital Promise ou le référentiel européen DigComp. Les propositions pédagogiques présentées dans cet article permettent ainsi de travailler plusieurs de ces compétences :

Fonctionnement des intelligences artificielles génératives

Comprendre les possibilités et les limites des outils d’IAG

Une des méthodes d’apprentissage bien connue repose sur l’expérimentation : apprendre en faisant. Mettre les élèves en posture de création puis leur demander d’analyser les résultats générés les amène ainsi à percevoir, d’une part, le décalage entre le morceau imaginé lors de la rédaction du prompt et le résultat effectivement produit et, d’autre part, la récurrence de certains rythmes, structures ou samples (échantillons),  notions pouvant avoir été abordées en cours d’Éducation musicale, dans des générations pourtant issues de prompts très différents.

Cette démarche permet de rendre plus concret le fonctionnement de l’IA comme outil. Les IA génératives musicales reposent en effet sur des modèles probabilistes qui traitent, à partir de calculs statistiques, des données issues de leur phase d’apprentissage (machine learning) afin de produire une nouvelle génération. Les élèves peuvent alors mieux comprendre que l’outil ne « crée » pas au sens humain du terme, mais produit des contenus à partir de corrélations, de probabilités et de motifs fréquemment rencontrés dans les données d’entraînement.

Par exemple, un projet pédagogique mené dans l’académie de Lille a permis à des élèves de 4e de réfléchir au fonctionnement des outils d’intelligence artificielle générative en musique. Ce travail a également ouvert une réflexion sur le droit d’auteur, la réutilisation d’œuvres existantes et la provenance des données mobilisées durant la phase de « machine learning ». Ce type de projet, fondé sur la manipulation directe des outils par les élèves, se heurte toutefois à plusieurs freins, notamment la question des licences et les limites de l’offre gratuits.

Les limites des IAG musicales en contexte scolaire

Pour un bon nombre d’outils, notamment utilisables gratuitement, il est difficile de connaître les licences accordées sur les morceaux générés. Même avec des outils à caractère professionnel, qui précisent mieux les licences selon les plans souscrits (avec de grandes disparités selon les outils et selon les formules gratuites ou payantes), il persiste un flou juridique lorsque l’on passe à la diffusion des productions réalisées avec ces IAG spécialisées. La majorité des IAG musicales, en usage gratuit, permettent de produire des contenus à partir de leurs propres bases de données ou systèmes d’entraînement. Il n’est donc pas vraiment envisageable, pour le moment, de travailler avec des musiques libres de droit que nous pouvons trouver par exemple via le site Auboutdufil. Cela reste possible d’en ajouter ensuite, pour mener un travail de post-production, de remix ou de transformation sonore. 

Dans le « Cadre d’usage de l’IA en éducation », il est précisé qu’au collège, les élèves ne peuvent expérimenter les outils d’IA qu’à partir de la classe de quatrième et uniquement avec des services ne nécessitant pas la création d’un compte. Dans ce contexte, les outils proposés par les enseignants doivent donc être accessibles gratuitement et utilisables sans authentification. Or, ces outils présentent plusieurs limites. Ils reposent souvent sur des modèles économiques financés par une publicité omniprésente, parfois invasive. Leurs quotas d’utilisation quotidiens sont également très restreints, insuffisants pour un usage en classe entière, voire en demi groupe. Les fonctionnalités accessibles demeurent enfin relativement basiques et limitées. Ces contraintes peuvent néanmoins devenir des objets d’étude en EMI. Elles permettent d’aborder les modèles économiques des plateformes, les questions de propriété intellectuelle et de droit d’auteur, ainsi que les différents types de licences. 

À ces limites s’ajoutent également des enjeux environnementaux. Les modèles d’IA générative reposent sur des infrastructures particulièrement gourmandes en ressources matérielles, énergétiques et en eau. La génération répétée de contenus audio, les entraînements des modèles ou encore le stockage des données soulèvent ainsi des questions de sobriété numérique. Ces dimensions peuvent elles aussi être intégrées dans une réflexion en EMI autour des impacts matériels du numérique et des usages responsables des technologies.

Analyse des productions générées par IA et esprit critique

Une enquête Ipsos menée pour la plateforme Deezer en novembre 2025 sur les perceptions de la musique générée par intelligence artificielle montre que 97 % des personnes interrogées n’ont pas su distinguer une musique entièrement générée par IA d’une musique créée par des humains lors d’un test d’écoute à l’aveugle. Ce résultat ouvre des perspectives pédagogiques intéressantes dans le cadre de projets associant EMI et Éducation musicale. Les élèves peuvent être amenés à développer une écoute plus attentive en repérant des éléments récurrents, des structures répétitives ou certaines limites parfois relevées dans les productions générées par IA, comme un manque de cohérence harmonique, de progression musicale ou d’intention expressive.

Ces activités permettent également de dépasser une opposition simpliste entre musique « humaine » et musique « artificielle ». Dans les pratiques contemporaines, la frontière est souvent plus nuancée : certains morceaux sont entièrement générés par IA, tandis que d’autres sont composés, arrangés ou mixés par des humains à l’aide d’outils intégrant de l’intelligence artificielle. La distinction entre une musique « faite par IA » et une musique « faite avec IA » peut ainsi devenir un objet de réflexion pour les élèves, en interrogeant la place de l’auteur, de l’intention artistique, des outils numériques et des processus de création dans la production musicale contemporaine.

L’écoute active fait partie des pistes d’usage préconisées pour les professeurs d’Éducation musicale dans le document publié par Aliénor Anja Louka, IGESR de Musique “Que peut faire l’IA pour un enseignant d’Éducation musicale ?”. Dans une rubrique consacrée à la production de contenus pour exercer l’esprit critique des élèves, l’autrice suggère notamment de demander à ChatGPT de réaliser l’analyse d’un morceau musical, puis de soumettre cette analyse à la vérification des élèves. Ces derniers sont alors amenés à confronter les affirmations produites par l’IA à leur propre écoute, mobilisant à la fois leurs capacités d’analyse musicale, leur attention aux détails et leur esprit critique.

Dans cette logique de repérage d’erreurs et/ou de faux, les professeurs documentalistes peuvent s’inspirer d’initiatives de certains médias comme le concours “Les Fake-News de la musique” organisé par Radiofrance en 2019 qui proposait une enquête documentaire sur différents articles rédigés par leur équipe de rédaction dans lesquels ils avaient inséré des fake news.

Prompt sur ChatGPT demandant « 10 musique en lien avec les chatons, il me fait l’auteur et la date », et la réponse générée par le robot conversationnel. 2026

Ici, avec un prompt simple, on obtient rapidement une liste de morceaux de musique. On peut donner la mission aux élèves de vérifier les informations en fournissant les preuves (voire en les imprimant pour les plus jeunes). Sur cette capture d’écran, il y a une erreur, Le Chat de Claude Nougaro est sorti en 1981 et non en 1980. Ce détail permet de montrer que l’IA n’est pas infaillible. La relecture critique, la vérification des informations et la recherche de sources fiables demeurent donc des compétences essentielles pour utiliser ces outils de manière pertinente et éclairée.

Algorithmes de recommandation et chambre d’écho

En partant de la classification du sociologue Dominique Cardon, classification issue de son livre A quoi rêvent les algorithmes, on comprend aisément que les choix faits par les plateformes ne sont pas neutres et sont même porteurs de visions du monde différentes. La catégorisation comporte quatre familles qui vont calculer : la popularité, l’autorité, la réputation et la prédiction.

Rien de nouveau pour le professeur documentaliste donc, si ce n’est que les algorithmes de recommandation des plateformes sont au croisement de plusieurs familles, bien que centrés sur la prédiction.

Petit rappel sur le fonctionnement des algorithmes selon Cardon (avec des exemples datés de 2015) : 

Tableau récapitulant, avec des exemples, les données utilisées et la population concernée, les quatre principes des algorithmes de recommandation selon Cardon

Le travail sur les algorithmes de recommandation peut être mené au-delà du seul domaine musical, en prenant pour objets d’étude les réseaux sociaux ou encore les vidéos YouTube. 

Il ne semble toutefois pas toujours judicieux de partir directement des pratiques d’écoute personnelles des élèves (cf. supra). S’appuyer sur les recommandations réellement proposées par les plateformes pose en effet plusieurs difficultés. Même si ce type de démarche a déjà pu être expérimenté, par exemple en comparant des captures d’écran de résultats Google réalisées à domicile afin d’aborder le fonctionnement du PageRank, cela implique ici d’accéder à des services numériques personnels connectés à des comptes individuels. Une telle situation peut rendre visibles des inégalités d’accès (abonnement payant ou gratuit, possession d’un smartphone, accès aux applications) et conduire à exposer indirectement des données personnelles liées aux usages culturels des élèves.

Si l’objectif reste néanmoins de travailler les enjeux liés à la musique et aux recommandations algorithmiques, il est possible de s’appuyer sur des articles de presse récents, des études de recherche ou encore des extraits choisis de travaux scientifiques, comme ceux évoqués tout au long de cet article. Cette approche permet de maintenir une distance critique tout en évitant une mise en visibilité des pratiques personnelles. On peut aussi s’appuyer sur des ressources mises à disposition pour aider les élèves à comprendre concrètement le fonctionnement des algorithmes de recommandation : 

• Bulles de lait, un jeu proposé en cours de SVT dans l’académie de Lille, 
• Algo-bulles – sur les traces du colibri,  
• Dans la peau d’un algorithme, 
• HabiloMédias.

Ce travail sur les algorithmes de recommandation amène également une réflexion sur les données personnelles : leur collecte, leur stockage, leur exploitation à des fins de personnalisation des contenus ou encore le cadre réglementaire qui les encadre, notamment le RGPD. Dans cette perspective, il peut être intéressant de faire découvrir aux élèves la diversité des plateformes de streaming et des modèles économiques qui les sous-tendent. Certaines plateformes mettent davantage en avant des approches spécifiques en matière de recommandation, de gestion des données ou de rémunération des artistes. Il peut ainsi être pertinent d’interroger les choix opérés par les différentes plateformes : certaines appartiennent à de grands groupes technologiques américains (YouTube Music, Apple Music, Amazon Music), tandis que d’autres relèvent d’initiatives européennes (Deezer, Spotify, SoundCloud). Ce questionnement doit évidemment s’accompagner d’une posture nuancée, qui évite de disqualifier les services les plus populaires ou les pratiques culturelles des élèves. L’objectif est avant tout de développer leur compréhension critique des environnements numériques qu’ils fréquentent.

Conclusion

L’intelligence artificielle transforme aujourd’hui profondément l’écosystème musical, depuis les mécanismes de recommandation jusqu’aux processus de création et de diffusion des œuvres. Ces évolutions soulèvent des questions économiques, culturelles, juridiques et éthiques qui concernent directement les pratiques quotidiennes des élèves.

Pour les professeurs documentalistes, la musique constitue ainsi un objet d’étude particulièrement pertinent. Elle permet d’aborder des notions centrales de l’Éducation aux Médias et à l’Information telles que les algorithmes de recommandation, l’économie de l’attention, les modèles économiques des plateformes, le droit d’auteur, l’esprit critique ou encore les enjeux environnementaux du numérique.

Parce qu’elle touche à des pratiques culturelles fortement investies par les jeunes, cette thématique nécessite toutefois une approche nuancée et respectueuse de leurs usages. L’enjeu n’est pas de disqualifier leurs goûts musicaux ni de condamner les technologies, mais de leur donner les moyens de comprendre les environnements numériques dans lesquels ils évoluent.

Dans cette perspective, l’EMI apparaît comme un levier essentiel pour accompagner les élèves vers une compréhension éclairée des transformations contemporaines de la culture musicale. Plus largement, travailler sur la musique et l’intelligence artificielle revient à interroger la place de l’humain dans un environnement numérique de plus en plus automatisé, tout en développant les compétences critiques nécessaires à l’exercice d’une citoyenneté numérique éclairée.

Bibliographie

Centre national de la musique. Comment les moins de 25 ans écoutent de la musique ? Baromètre des usages de la musique en France – Édition 2023 [en ligne]. Paris : Centre national de la musique, 2023. Disponible sur : https://cnm.fr/wp-content/uploads/2024/05/Focus-15-24-ans-Detail.pdf  (consulté le 27 mai 2026).

Nathalie Perrigot. Pas de fausse note pour l’industrie musicale [en ligne] L’Eco, 20/06/2025. Disponible sur : https://leco.playbacpresse.fr/article/pas-de-fausse-note-pour-lindustrie-musicale-2025-06-20-003112 (consulté le 27 mai 2026).

Radio France. Les algorithmes de recommandation musicale [podcast en ligne]. Dans : Musique connectée. France Musique. 18/01/2019. Disponible sur : https://www.radiofrance.fr/francemusique/podcasts/musique-connectee/les-algorithmes-de-recommandation-musicale-3838250 (consulté le 27 mai 2026)

Centre national de la recherche scientifique. Les algorithmes nous poussent-ils à écouter toujours le même style de musique ? [en ligne]. Le Journal du CNRS, 17/11/2021. Disponible sur : https://lejournal.cnrs.fr/articles/les-algorithmes-nous-poussent-ils-a-ecouter-toujours-le-meme-style-de-musique (consulté le 27 mai 2026).

Vincent Brunnier et Maïté Robert. Passage obligé. Topo, 01/2023, n° 39, p. 48-55.

Antonin Bodiguel. Quand TikTok donne le la à la musique : l’influence de TikTok sur les mécanismes de production, de création et de diffusion de la musique [en ligne]. 2022. Mémoire de master. Disponible sur : https://dumas.ccsd.cnrs.fr/dumas-04075770 (consulté le 27 mai 2026). Un extrait choisi de ce mémoire a été lu par les élèves de lycée lors d’un des projets pédagogiques à l’origine de cet article de réflexion.

Antoine Monin. L’IA menace-t-elle la musique ? La réponse du DG de Spotify [vidéo en ligne]. Quotidien. 05/04/2026. Disponible sur : https://www.youtube.com/watch?v=3uH5hfGsSZU (consulté le 27 mai 2026).

François Moreau. Spotify main dans la main avec l’IA : à qui la faute ? Les Inrockuptibles [en ligne]. 31/01/2025. Disponible sur : https://www.lesinrocks.com/musique/spotify-main-dans-la-main-avec-lia-a-qui-la-faute-650226-31-01-2025/ (consulté le 27 mai 2026).

Sego Raffaitin. Les playlists de Spotify sont hantées par des artistes fantômes, et ça inquiète [en ligne]. Radio Nova, 10 février 2025. Disponible sur : https://www.nova.fr/news/les-playlists-de-spotify-sont-hantees-par-des-artistes-fantomes-et-ca-inquiete-438390-10-02-2025/ (consulté le 27 mai 2026).

« Walk My Walk » : et si le morceau de country le plus téléchargé du moment était fait par l’intelligence artificielle ? Le Parisien [en ligne]. 12 novembre 2025. Egalement disponible sur : https://www.leparisien.fr/culture-loisirs/musique/walk-my-walk-et-si-le-morceau-de-country-le-plus-telecharge-du-moment-etait-fait-par-lintelligence-artificielle-12-11-2025-DTFBIBWBOVA7NM6KE3MVMLWME4.php (consulté le 27 mai 2026). Cet exemple a été analysé avec les élèves lors d’un des projets pédagogiques à l’origine de cet article réflexif. Pour en savoir plus, lire en anglais un article de l’AP (Associated Press) republié par une radio américaine : The Associated Press. AI country hit “Walk My Walk” built on Blanco Brown’s sound sparks questions of attribution, ethics [en ligne]. WPLN News, 01/12/2025. Disponible sur : https://wpln.org/post/ai-country-hit-walk-my-walk-built-on-blanco-browns-sound-sparks-questions-of-attribution-ethics/ (consulté le 27 mai 2026).

Vincent Brunnier et HALFBOB. L’instrument du conflit. Topo. 03/2023, n° 40, pp. 32-39.

Vincent Cornalba (dir.). L’adolescent et sa musique : d’une violence l’autre [en ligne]. Paris : In Press, 2019. Collection « Ouvertures psy ». 192 p. Egalement disponible sur : https://shs.cairn.info/l-adolescent-et-sa-musique–9782848355207?lang=fr (consulté le 27 mai 2026).

Fabien Randanne. « Panique morale » : les dessins animés du « Club Dorothée » ont-ils « volé notre enfance » ? 20 Minutes [en ligne]. 27/07/2022. Disponible sur : https://www.20minutes.fr/arts-stars/culture/3327383-20220727-panique-morale-dessins-animes-club-dorothee-vole-enfance (consulté le 27 mai 2026).

Le rap a-t-il vraiment une mauvaise influence sur la jeunesse ? [vidéo en ligne]. Streetpress, 2022. Disponible sur : https://www.youtube.com/watch?v=XixcUYt4fWI (consulté le 27 mai 2026).

Sacem. La Sacem et l’intelligence artificielle [en ligne]. 05/2025. Disponible sur : https://societe.sacem.fr/actualites/notre-societe/la-sacem-et-lintelligence-artificielle (consulté le 27 mai 2026).

IPSOS. Musique et IA : 97 % des auditeurs ne voient pas la différence [en ligne]. 13/11/2025. Disponible sur : https://www.ipsos.com/fr-fr/musique-et-ia-97-des-auditeurs-ne-voient-pas-la-difference (consulté le 27 mai 2026).

Document collectif élaboré par un groupe de travail composé d’Interlocuteurs Académiques pour le Numérique (IAN) en collaboration avec les experts en musique de la DNE-TN3 et publié par Aliénor Anja Louka, IGESR de Musique “Que peut faire l’IA pour un enseignant d’Éducation musicale ?” sur LinkedIn : https://www.linkedin.com/posts/activity-7342827173700927488-YWJz?utm_source=share&utm_medium=member_desktop&rcm=ACoAABDeRx8BnMKR_jUnGpRk8Tjnm4_zSGA8yLo 

Le dossier pédagogique et les ressources sur lesquelles s’appuyait le concours sont disponibles sur le site de Radiofrance : https://www.radiofrance.fr/dossiers/les-fake-news-de-la-musique

Dominique Cardon. À quoi rêvent les algorithmes : nos vies à l’heure des big data. La République des idées, 2015. 105 p.

Rebecca Mesquita. Comment l’algorithme Spotify me connaît-il ? [en ligne]. HEC Montréal, 19/03/2024. Disponible sur  : https://digital.hec.ca/blog/algorithme-spotify/ (consulté le 27 mai 2026).

Philippe Escande. Spotify prouve qu’il y a une vie numérique en dehors des Gafam. Le Monde, 05/02/2025. Disponible sur : https://www.lemonde.fr/economie/article/2025/02/05/spotify-prouve-qu-il-y-a-une-vie-numerique-en-dehors-des-gafam_6532778_3234.html (consulté le 27/05/2026).