1Les chercheurs qui défendent les théories de la construction sociale des technologies (SCOT) au sein des études de sciences ont de longue date attiré l’attention sur les dimensions « morales » implicites des dispositifs techniques. Ils ont souligné leur capacité à organiser des consensus sociaux en définissant les situations et les interactions envisageables (Latour, 1996). Ils ont aussi permis de réaliser combien cette agentivité des dispositifs techniques pouvait disparaître dans des effets de routine, et comment les décisions humaines qui avaient présidé à leur configuration devenaient alors une « boîte noire » (Latour, 2005). Ces approches ont inspiré une diversité de travaux à propos de terrains comme les instruments et dispositifs organisant les marchés (Callon et al., 2013) ou les techniques de compression de l’image et du son (Mackenzie, 2006). De leur côté, les travaux en sciences de l’information et de la communication ont mis l’accent sur la dimension sémiotique et médiatique des technologies de l’informatique et du web, c’est-à-dire la façon dont celles-ci combinent différentes normes d’écriture – de la programmation informatique à l’organisation des signes à l’écran – qui préfigurent et conditionnent les pratiques (Jeanneret, 2007). Ils invitent par conséquent à ajouter à la description des agencements sociotechniques l’interprétation des formes au travers desquelles ces agencements sont institués et interprétés (Jeanneret et Souchier, 2002). On pourrait soutenir que le point commun de ces perspectives réside sans doute dans un souci de penser les conditions matérielles, techniques, médiatiques des échanges économiques et sociaux, avec un intérêt particulier pour la capacité des entrepreneurs et ingénieurs à imposer leurs visions de l’organisation sociale idéale en tenant compte de la part d’opacité des techniques et de l’épaisseur des processus de médiatisation qu’ils participent à instaurer (Jeanneret 2001). Ces enjeux sont par ailleurs au centre du travail de Jonathan Sterne, dans une approche se revendiquant des cultural studies, liant économie politique, histoire industrielle et perspectives post-foucaldiennes.
2Ces perspectives dessinent ainsi l’espace d’un intérêt pour la dimension micropolitique des formats techniques et médiatiques. Pour Jonathan Sterne, l’étude des formats « repose aussi bien sur de petits mécanismes – logiciels, normes d’exploitation et codes – que sur des infrastructures, des consortiums d’entreprises internationaux ou des systèmes techniques entiers » (Sterne, 2018). Une micropolitique des formats permet ainsi de faire le pont entre les approches sociotechniques, communicationnelles, et une partie des cultural studies. Elle relie l’investigation concernant les stratégies d’innovation économique avec l’étude du design, et plus généralement de la part d’imagination et de poétique qui entre en jeu dans la création de techniques et de formes culturelles.
3C’est dans cet horizon que se situe cet article. Il concerne un dispositif médiatique devenu hégémonique, en particulier dans le domaine de la musique : YouTube. Lancée en 2005 par trois anciens employés sur site de paiement en ligne PayPal, la filiale d’Alphabet Inc. édite un site et une application d’abord destinés à l’hébergement et à la publication de vidéos, devenus la première destination d’écoute de musique en ligne pour les Français d’après la Hadopi1. Grâce à un partenariat qui lui permet de diffuser le catalogue de trois des grandes majors de l’industrie musicale, à travers un système de vidéos labellisées baptisé Vevo, YouTube héberge un large catalogue de clips d’artistes à succès, disponibles à tout moment (McIntosh, 2016). Ceux-ci s’ajoutent à un non moins vaste catalogue de morceaux et de vidéos publiés par les internautes ou d’autres entreprises, qui distingue YouTube d’autres logiciels de streaming comme Spotify ou Deezer, dont les catalogues dépendent du « goulot d’étranglement » de grands distributeurs spécialisés de musique numérisée. La gestion des règles commerciales et juridiques liées à ce catalogue d’œuvres dépend sur YouTube d’un système technique baptisé Content ID, qui détecte a posteriori la présence de morceaux et permet aux ayants droit d’ordonner leur retrait ou de profiter de l’audience qu’ils attirent et de la régie publicitaire de YouTube pour en tirer des revenus.
- 2 Pour une généalogie de la construction de cet espace en France, cf. Beuscart (2006).
4C’est ce système que cet article entend analyser plus précisément. Il se situe à la croisée de deux questionnements qui relient la sociologie des sciences (ou de l’innovation) et savoirs de la musique : la construction d’une innovation dans les marchés de la musique et de l’internet2 et la redéfinition de la catégorie de l’œuvre en fonction d’un projet d’identification et de contrôle des morceaux de musique.
- 3 Les analyses qui suivent relient les déclarations publiques issues d’un corpus en anglais et visant (...)
5Pour décrire ce double processus, il faut lire les discours stratégiques et promotionnels publiés par l’équipe du site en regard de l’histoire de la musique en ligne, étudier les brevets et la documentation technique des systèmes mis en place, et enfin s’intéresser aux textes de lois, aux rapports juridiques et aux comptes rendus de jugements qui établissent les critères qui fondent l’originalité des œuvres et les finalités en fonction desquelles leur circulation est contrôlée3.
- 4 Introduits par la loi n° 85-660 du 3 juillet 1985 en France, les droits voisins étendent des droits (...)
6Dans un premier temps, nous verrons comment le développement de Content ID par YouTube s’inscrit au croisement d’enjeux stratégiques et de techniques liées à l’industrie musicale et à l’économie du Web, autour de l’arbitrage entre circulation des formes culturelles et leur contrôle comme œuvres et marchandises : Content ID se veut un compromis technologique pour la gestion du droit d’auteur et des droits voisins en ligne4. Nous verrons ensuite comment une partie du dispositif repose sur un ancrage de la forme musicale dans le son, à travers une démarche de modélisation de la musique, du son et de l’écoute qui aboutit à la « naturalisation » de l’œuvre dans les données informatiques. Enfin, nous décrirons la façon dont YouTube applique à cette construction techno-scientifique une mathématique de l’originalité, qui a en France des conséquences non seulement dans la régulation de la circulation d’œuvres soumises au droit d’auteur, mais aussi du point de vue de la définition publique des valeurs de la musique.
7Le statut de marchandise de la musique numérisée n’a cessé d’évoluer à partir de la fin des années 1990, à travers des jalons comme l’échange en peerto-peer (Napster est lancé en 1999), l’essor des blogs musicaux et des plateformes gratuites d’hébergement et de transfert de fichiers comme MegaUpload (autour de 2005), les expérimentations de blocage matériel de la copie (DRM pour Digital Rights Management) par les majors (entre 2001 et 2006), le succès dans la vente de fichiers musicaux de l’iTunes Store d’Apple avec son tarif fixe à « 0,99 € » en parallèle du lancement de l’iPod, le développement de plateformes concurrentes et locales (Fnacmusic.com, Virginmega.com), la mise en place des sanctions de la Hadopi en France (2009), ou encore le développement des acteurs de l’écoute à la demande : Spotify est lancé en Suède en 2008, Deezer obtient les accords des ayants droit en 2009, et les usages pour l’écoute de YouTube pour l’écoute de répertoires préexistants se développent dans la même période.
8Au cours de ce processus, la numérisation de la musique renforce le statut de la musique enregistrée comme emblème de « marchandise transsectorielle » (Théberge, 1997). En effet, qu’elle circule sous forme de fichiers MP3 via des logiciels de peer-to-peer ou comme des « paquets de données » effacés à mesure qu’ils sont joués via les sites et logiciels de streaming, la musique est prise dans de multiples réseaux d’équivalence marchande. Un morceau de musique peut aussi bien se vendre sous la forme d’un fichier que fonctionner comme une marchandise « par destination » (Appadurai, 1986) et participer d’un catalogue permettant de vendre un abonnement à un site ou un logiciel d’écoute, se voir offert gratuitement pour générer des « clics » ou des « vues » et construire ainsi un capital de notoriété ou de visibilité, ou encore simplement servir de « produit d’appel » pour attirer des internautes et les inciter à s’inscrire ou à contribuer (Bouquillion et Matthews, 2010). Les internautes sont alors comptés pour devenir des « publics marchandables » (Smythe, 1981), les dispositifs médiatiques reposant sur des outils de publication et de réseautage (Jeanneret, 2014) associant ainsi l’économie publicitaire de la radio et de la télévision au modèle financier spéculatif du « capitalisme de plateformes » (Srnicek, 2017).
- 5 Le « théâtrophone » était censé permettre, plus d’un siècle avant le boom du streaming, l’écoute d’ (...)
9En ligne, la musique fait ainsi se rencontrer au moins deux réseaux étendus de circulation de la musique au fil desquels se construit sa valeur sociale et économique (dans un sens ou dans l’autre). Le premier de ces réseaux tient à un marché de la musique, quelles que soient ses variantes : ce sont les auteurs, ou les éditeurs et les usagers des œuvres, qui, in fine, sont intéressés à sa circulation ou à son contrôle. Le second concerne ce qu’on pourrait appeler le marché des innovations : l’ensemble des produits technologiques ou médiatiques et des infrastructures qui actualisent leur potentiel au moyen de la musique, par ce qu’elles en font ou ce qu’elles permettent d’en faire. Au moins depuis Thomas Edison, la musique enregistrée aura servi à développer un marché d’appareils et de réseaux, dont certains ont connu un succès considérable jusqu’à aujourd’hui – c’est le cas du phonographe, du transistor radio, des réseaux de chaînes de télévision câblées – tandis que d’autres sont négligés – c’est le cas du juke-box – ou n’ont tout simplement jamais connu la fortune – qu’on pense par exemple au « théâtrophone »5, dont la musique devait être un programme privilégié.
10De manière analogue, YouTube a pu profiter un temps de l’attractivité de la musique pour séduire un public autour de son projet d’hébergement de vidéos, devenu peu à peu un média à part entière autour d’une panoplie d’initiatives et de microdispositifs développés pour une part en lien avec la musique : cérémonies comme YouTube Music Awards, outils d’analyse de publics comme YouTube for Artists, playlists par humeurs (Moods), systèmes de recommandations d’abord promus à travers la référence à la découverte musicale, croisés à des fonctions de lecture en continu (YouTube Disco, devenu YouTube Mix) (Heuguet, 2018). L’entreprise a pu bénéficier pour cela d’accords précoces avec les principales majors du disque intéressées par les moyens de Google, qui lui ont conféré un temps d’avance vis-à-vis de ses concurrents dans ce domaine (Mulligan, 2015). Elle a aussi pu compter sur l’attrait que sa rhétorique communautaire a pu exercer sur les labels et musiciens indépendants, qui y ont vu un moyen original de promotion, avec un effet d’entraînement pour les grandes maisons de disques et les artistes les plus célèbres : à partir de 2007, la plupart des vidéos les plus visionnées chaque année sur YouTube ont été des vidéos de musiciens signés chez l’une des trois majors, comme Shakira, Avril Lavigne ou My Chemical Romance6.
- 7 Loi n° 2004-575 du 21 juin 2004 pour la confiance dans l’économie numérique. En ligne : https://www (...)
11Dans ces conditions, il était prévisible que la période d’entente de fait sur la diffusion gratuite de musique contrôlée ne dure pas. Du côté des législations nationales et internationales, bien que plusieurs experts fassent valoir des dimensions éditoriales (European Audiovisual Observatory, 2007), YouTube peut se prévaloir du statut d’hébergeur plutôt que d’éditeur, ce qui lui permet de ne retirer la part des productions soumises au droit d’auteur et aux droits voisins circulant librement sur ses serveurs et dans ses pages qu’en cas de demande expresse des ayants droit : c’est le système connu sous les noms de safe harbor et de logique de « stay down & notice » aux États-Unis (Heald, 2014), adapté et entériné dans la Loi pour la confiance dans l’économie numérique de 2004 en France7.
12L’industrie musicale et les majors en particulier, de leur côté, bien qu’elles aient pu profiter de YouTube comme espace de publication et de promotion, ont tout intérêt à ce que tous les usages de leurs catalogues deviennent une source de profit. La tradition à ce sujet est alors de leur côté, puisque les éditeurs phonographiques, après un temps d’ajustement, avaient déjà réussi à imposer la requalification de la diffusion d’œuvres musicales à la radio, pour la considérer comme une exploitation à part entière plutôt qu’une simple occasion de promotion. Cependant, des experts suggèrent que l’internet et le Web ont un potentiel spécifique, qui demande réflexion sur le mode de contrôle et de valorisation. Ainsi, dans un ouvrage intitulé Copyright’s Highway : From Gutenberg to the Celestial Jukebox, le professeur de droit à Stanford Paul Goldstein utilise la formule de « jukebox céleste » (Goldstein, 2003), liant le charme du vieil appareil avec les utopies de l’immatériel (Gomez Mejia, 2014), pour défendre auprès des conglomérats médiatiques l’idée « qu’avec quelques aménagements aux lois sur le copyright, ils pourraient monétiser leurs fonds de catalogue dans un nouveau medium plein de promesses »8. À sa suite, Patrick Burkart et Tom McCourt proposent de lier les technologies de personnalisation de la relation client (CRM pour Customer Relationship Management) avec les dispositifs de verrouillage de la copie (DRM pour Digital Rights Management) afin de proposer une « nouvelle infrastructure » pour la musique en ligne, qui ne soit ni les logiciels de peer-to-peer ni les magasins « en dur » (Burkart et McCourt, 2004).
- 9 “To clear up confusion, this is not a new feature. The dispute process has been in place since Cont (...)
13Là où YouTube a intérêt à accueillir et faire circuler un maximum de musique via son lecteur-média, les maisons de disques sont donc à la recherche de nouvelles modalités pour reprendre la main sur leurs catalogues. Le système Content ID que propose YouTube fait office de compromis. Après le rachat de l’entreprise par Google en 2006, c’est donc « sous la pression des entreprises » qu’un système d’identification et de traque des vidéos déposées est introduit en octobre 2007 (Kim, 2012). Cette année-là, l’entreprise teste sa version étendue sous le nom de Content ID en partenariat avec Time Warner et Disney9, mais c’est bien en mettant à son tour l’accent sur la musique que Youtube l’officialise pour de bon fin 2008, dans un billet intitulé « Les hauts et les bas de la licence de musique sur YouTube ». L’entreprise officialise le système d’identification de pistes sonores et vidéo en le présentant explicitement comme une manière de construire un partenariat avec l’industrie musicale :
- 10 “We work with the music industry worldwide –with major and independent labels and publishers, right (...)
Nous travaillons avec l’industrie musicale dans le monde entier – les majors et les labels indépendants et éditeurs, les sociétés de collecte de droits, et avec les artistes et les auteurs-compositeurs directement – pour réaliser des accords de licence faciles à utiliser. Avec ces partenaires et notre technologie de pointe Content ID, nous avons créé une situation gagnant-gagnant inédite avant YouTube : un système qui offre aux artistes des sources de rémunération complètement nouvelles et une manière fantastique de se rapprocher de leurs fans10.
14Malgré ces propos, Content ID n’a pas fonctionné d’emblée comme un accord « gagnant-gagnant » : la major Warner Music s’en sert d’abord pour bloquer l’usage de la musique de son répertoire, puis quitte l’accord avec YouTube dès la première année en raison de bénéfices jugés insuffisants (Kim, 2012). En 2009, YouTube dépose cette fois son propre brevet concernant le « blocage de contenu audio sans licence dans un site d’hébergement de vidéos », puis commence à communiquer régulièrement sur les améliorations apportées à ce système. Une définition plus complète du dispositif est finalement offerte au grand public en avril 2012 :
- 11 “Content ID allows rights holders to automatically detect uploaded content that contains potentiall (...)
Content ID permet aux propriétaires de droits de détecter automatiquement du contenu chargé qui contient des œuvres en situation d’infraction. Ceci est rendu possible grâce à un système qui crée une “empreinte digitale” d’une vidéo au moment où celle-ci est chargée sur YouTube. Ces empreintes digitales sont automatiquement comparées aux références fournies par les partenaires. En cas de correspondance, les propriétaires de droit peuvent choisir de la monétiser, de la bloquer du site ou de suivre les métriques de visionnage. En raison de la grande échelle à laquelle opère YouTube […], il s’agit d’un processus automatique11.
- 12 La directive européenne sur le commerce numérique (appliquée en France), conçue pour favoriser la c (...)
15Il est alors clair que Content ID constitue une réponse technique aux préconisations de la logique du Notice & Stay down sous la forme d’un système technique, qui permet à YouTube de traiter plus facilement toutes les demandes de retrait émises par les ayants droit en automatisant la procédure. Dans la mesure où la tendance globale est au renforcement progressif du droit d’auteur (Vaidhyanathan, 2003)12, un chef de produit à YouTube peut alors célébrer l’action de son entreprise :
- 13 “Why do I love what YouTube has created? Because it allows for tens of millions (hundreds of millio (...)
Pourquoi est-ce que j’adore ce que YouTube a créé ? Parce qu’il permet à des dizaines de millions (des centaines de millions ?) de vidéos d’être améliorées en combinant différents morceaux de contenus. Ensuite parce que c’est une manière élégante de reconnaître que le contenu a une valeur commerciale et si vous utilisez celui de quelqu’un d’autre, ils méritent une contrepartie. Et parce qu’il crée une nouvelle base subversive – une génération grandit en partant du principe qu’elle a le droit de remixer des choses13.
16YouTube peut se prévaloir d’être parvenu à ouvrir les régimes de l’expression là où les actions pour la défense des licences globales ont échoué (Bouquillion, Miège et Morizet, 2006) :
- 14 “The biggest changes to copyright come not from the American legal system but from entrepreneurs, t (...)
Les plus grands changements dans le copyright ne viennent pas du système légal américain mais des entrepreneurs, des technologues et des capitalistes qui voient une opportunité et une façon de faire croître leur marché plutôt que de se battre pour un même gâteau14.
- 15 Fondée par le professeur de droit Lawrence Lessig, Creative Commons est une organisation « non-prof (...)
17YouTube se présente donc discrètement, puis triomphalement, comme l’inventeur d’une solution miracle au dilemme idéologique et juridique du rapport entre circulation de la culture et contrôle des œuvres. Bien sûr, on peut voir d’emblée les tensions qui peuvent surgir entre le projet qui consiste à faire des usages et pratiques d’appropriation un exercice situé dans le pré carré d’une entreprise par rapport aux visions du domaine public que portent des projets comme Wikipédia ou Creative Commons15. Le fait de faire dépendre de telles pratiques d’une entreprise privée change la signification des appropriations en jeu (Bullich, 2015). La philosophie de YouTube, bien explicitée et résumée par Hunter Walk à travers le slogan « Copy, Remix, Profit », opère un amalgame entre droit moral – qui permet d’interdire ou d’autoriser des appropriations indépendamment de toute question de rémunération – et propriété artistique. Elle implique également que les appropriations sont, de facto et à tout moment, susceptibles de devenir des supports de valorisation publicitaire et commerciale.
18C’est cette conception idéologique des instruments de marché comme optimum pour organiser le partage et la valorisation de la culture qui a jusqu’ici fait l’objet de la plupart des commentaires concernant Content ID, qu’il s’agisse de réflexions juridiques académiques (Heald, 2014) ou du travail d’associations intéressées par les questions de mise en commun des savoirs16. Or il est possible d’y réfléchir sous un autre aspect, qui concerne moins la vision des échanges culturels dans leur ensemble que les imaginaires esthétiques et techniques qui soutiennent un tel projet, et les moyens concrets que l’entreprise se donne pour le réaliser. En effet, loin de représenter une simple solution technique à une définition consensuelle et équilibrée de l’échange de vidéos musicales comme œuvres et comme marchandises, Content ID s’inscrit dans une généalogie des techniques de contrôle de la musique numérisée, et présente de son proprement fonctionnement technique, de la forme musicale, du son et de l’originalité comme critère esthétique.
19Quand Hunter Walk célèbre « ce que YouTube a fait », il se garde de préciser que l’entreprise n’a pas imaginé le système de Content ID seule. La partie qui concerne l’identification de contenu, bien qu’elle soit d’abord présentée sous la forme de l’identification de vidéos (Video ID) s’appuie sur le travail d’une autre entreprise, Audible Magic, avec qui YouTube a signé un accord de licence dès 2006, peu avant son concurrent MySpace (« Audible Magic Accuses YouTube of Fraud Over Content ID Trademark », 2017). Comme son nom l’indique, Audible Magic a d’abord travaillé à des outils de reconnaissance du son. Son site web le présente aujourd’hui comme une solution de « reconnaissance automatique de contenu » (automatic content recognition) et le « standard de facto pour l’identification de musique pour la conformité / les droits avec des contenus enregistrés par les majors et les principaux agrégateurs de musique » affichant comme clients de référence Dailymotion, Facebook, Soundcloud, Twitch ou Vimeo17.
- 18 La mise en circulation de fichiers MP3 « leurres », où un nom d’artiste et un titre dans le nom du (...)
- 19 Blum, T. L. S. F., Keislar, D. F. B., Wheaton, J. A. F. et Wold, E. H. E. C., Google Patents. En li (...)
- 20 TorrentFreak, Torrentfreak.com. En ligne : https://torrentfreak.com/audible-magic-accuses-youtube-o (...)
- 21 Le code source désigne « un ensemble de textes ou ressources permettant l’exécution d’un programme (...)
- 22 Pace, M. R. et Talley, B. C., Google Patents. En ligne : https://patents.google.com/patent/US646005 (...)
20Dans le cadre des tensions autour de la circulation gratuite des œuvres au format MP3, Audible Magic a développé et déposé une série de brevets : « un système pour distribuer des contenus leurres dans les réseaux sociaux »18, « une méthode et un dispositif pour identifier une œuvre reçue par un système de traitement », « la détection du copyright et une méthode et un système de protection » ou encore « une méthode et un dispositif pour créer une signature sonore unique »19. Le nom « Content ID » lui-même fera l’objet d’un litige entre Audible Magic et YouTube, la première entreprise reprochant à la seconde de s’être approprié une marque déposée20. Pourtant, ce nom est au départ une ressource commune : il fait partie des spécifications des standards HTML, et désigne dans ce cadre les identifiants permettant de faire appel à des ressources distantes, comme des « fichiers média » sur une page web ou dans un e-mail (le code source21 des players YouTube affiche un temps ce type de code : « id =xxx »). De leur côté, si des entreprises comme le géant des antivirus McAfee ou les concepteurs de microprocesseurs Intel ont d’ailleurs elles-mêmes breveté des techniques concernant l’identification de contenus, qu’on trouve implémentées dans des applications de messagerie en ligne comme Yahoo Mail, elles n’avaient manifestement pas envisagé pour autant de faire de leurs procédés des marques déposées22.
21On retrouve la conception technique d’ « identifiants » dans les mondes de la musique, mais sans la référence au vocabulaire de « ID ». Celle-ci est directement liée à un principe de marquage, tel qu’il a été mis en œuvre avec la technique du watermark23 pour traquer la recopie de disques. Le watermark fait référence au filigrane et à l’encre invisible sur le papier, pour décrire l’inscription de données dans les données d’un morceau de musique au format binaire, sous la forme de signaux inaudibles, mais qui restent détectables dans une analyse informatique de spectre. En plus d’être imperceptibles pour l’auditeur, ces données sont conçues pour être difficiles à isoler sans affecter le son. Le watermark permet ainsi de fixer une marque à même le signal sonore, de manière à pouvoir tracer la circulation de ses copies non autorisées, quelles que soient les altérations de format.
22Quand Audible Magic utilise la formule de « signature sonore » pour sa technologie, l’entreprise est proche de cette idée de « filigrane » : la signature est un geste délibéré conçu pour faire trace et authentifier une source (le signataire), c’est donc cette relation d’authentification et son caractère artificiel qui prévaut. Bien que YouTube ait commencé par s’approprier la technologie fournie par Audible Magic, l’entreprise lui préfère la formule d’ « empreinte de doigt numérique ». Cette formule qualifie différemment ce qui constitue la relation entre le signal et l’œuvre à laquelle elle fait référence. En effet, la métaphore courante de l’empreinte de doigt suppose une relation indexicale et métonymique, telle que la théorise Pierce (1991) à travers la notion d’indice (index) : on suppose qu’il a existé une continuité physique entre le signal et sa source. En l’occurrence et plus particulièrement, le signal est présenté comme une partie du phénomène physique qui constitue le morceau de musique en question, de ce qu’on pourrait appeler sa matière sonore : pour simplifier, dire « empreinte de doigt numérique » d’un morceau de musique voudrait dire qu’on parle d’un « bout de son » sous forme de code informatique. La métaphore de « l’empreinte de doigt » suggère que c’est une partie de l’objet lui-même qui en devient le signe. Cette relation de contiguïté métonymique s’oppose a priori à l’opération de « codage » impliquée par le terme de « digital », un terme qui renvoie à l’origine au fait de compter sur les doigts et qui a fini par constituer une catachrèse de la notion de code informatique. À un premier niveau, l’usage par YouTube de la formule rhétorique de l’ « empreinte de doigt digitale » consiste donc à faire circuler un oxymore mais dont le caractère de paradoxe peut en partie être neutralisé par la dimension polysémique et banalisée de la référence au « digital ».
23À un second niveau, bien qu’elle relève du même type de stratégie de contrôle, la formule de « l’empreinte de doigt numérique » s’oppose à la signification fiduciaire du « filigrane », que l’histoire culturelle permet d’associer au billet de banque, en renvoyant plutôt au corps humain et à aux pratiques d’identification administratives. Elle substitue à la perspective rétrospective du filigrane, qui constitue à assumer l’effort pour marquer des supports et les singulariser a posteriori afin d’entretenir leur valeur d’échange ou de contrôler leur circulation, une perspective génétique, qui associe création et filiation (la « paternité » des œuvres). Elle fait donc exister une singularité de l’œuvre indépendamment des supports et justifie incidemment la valeur d’échange par cette singularité, dès lors conçue comme intrinsèque. Le point commun tient à la procédure de la preuve : l’empreinte, encore plus que le filigrane, fait jouer le caractère infalsifiable associé aux indices.
24Cette naturalisation du marquage sonore se confirme par la suite puisqu’en 2019, YouTube ne fait plus référence à la « création d’identifiants » mais se contente d’évoquer une « base de données de fichiers » de référence24. L’entreprise a donc progressivement mis en retrait les dimensions intentionnelles et artificielles de la production de l’empreinte comme réalité matérielle et symbolique (un artefact informatique), qui restaient inévitables dans les discussions publiques au sujet des « watermarks » (et notamment les tentatives tactiques de contournement).
25La métaphore de « l’empreinte de doigt numérique » semble suggérer que le code numérique, loin de fonctionner comme une modélisation, pourrait atteindre la singularité de l’empreinte organique. Elle cela, elle obscurcit les transformations qu’impliquent les processus de traitement des signaux et leur construction comme « traces » (Jeanneret, 2011). Une telle conception détonne avec la façon dont les sciences humaines et sociales ont montré la part médiatrice et transformatrice qu’implique toute forme d’écriture, et notamment les diverses variantes de code informatique, ne serait-ce que parce que cette écriture « technique » implique ses propres imaginaires culturels et ses propres métaphores. Il faut donc prendre de la distance avec l’accent naturalisant de la formule d’ « empreinte de doigt digitale » pour insister sur sa dimension d’oxymore, et ainsi pouvoir mieux décrire ce dont elle témoigne : un changement de philosophie dans les stratégies techniques de contrôle des œuvres. La logique du « marquage » cède le pas à la production d’un identifiant à partir de la réécriture informatique du son comme objet mathématisable.
26Le détail du système technique sur lequel repose Content ID ne nous est pas accessible : les pages d’aide de YouTube expliquent l’usage et les « bonnes pratiques » qui entourent l’outil d’identification, sans rien dire de son fonctionnement interne25. On peut néanmoins approcher ce fonctionnement par les recherches techno-scientifiques sur ce type de questions. Dans les mondes de l’informatique, la tradition de recherche sur le codage de formes culturelles et sensibles, qu’elles soient graphiques ou sonores, est associée à la formule de perceptual hash, ce qui signifie « dièse perceptif ». Le « dièse » connote un symbole conventionnel qui peut servir de marquage : concrètement, il s’agit d’une série de chiffres (on parle également de « clé ») qui fonctionne comme un « identifiant » unique. Avec la référence au « dièse », le marquage apparaît comme chiffrage, et on retrouve donc la dimension d’artifice de l’opération. Le terme perceptual, de son côté, attire l’attention sur une dimension qui restait implicite dans les autres métaphores : le fait qu’il n’existe de forme culturelle qu’en relation avec une activité de perception, qui définit des seuils de sensitivité. La problématique des rapports entre « données de la perception » et perception de motifs ou de formes a été reconnue et intégrée aux questions générales de la philosophie esthétique (Morizot, 2015) et de la sémiotique du sensible (Fontanille, 1995), et plus précisément sous l’aspect des rapports entre son et catégories musicales dans la philosophie de la musique (Charrak, 2001 ; Kaltenecker, 2010) et la sémiotique de l’écoute (Valle, 2015)
27Malgré leur diversité, ces disciplines et ces auteurs s’accordent dans l’ensemble à identifier le problème de relativité historique et contextuelle des seuils de la perception qui définissent les formes pertinentes à partir desquelles s’élaborent les objets esthétiques et leurs interprétations, activant une question classique de l’histoire de l’art et des techniques (Francastel, 1956). Or, comme le fait apparaître Pierre-Carl Langlais, la littérature scientifique sur le perceptual hash propose de faire abstraction de cette relativité historique et contextuelle pour formaliser le son et modéliser la perception26. Elle prend en cela le relais des savants qui ont travaillé sur la fréquence sonore en séparant l’idée du son de ses multiples domaines d’application (la parole, la musique) (Kittler, Vargoz, Alloa et Guez, 2018), des ingénieurs qui, pour inventer la musique enregistrée, s’étaient efforcés de « mécaniser » le processus d’audition (Sterne et Boidy, 2015) et enfin de leurs successeurs qui ont proposé de nouveaux modèles psycho-acoustiques de la même activité afin de développer des formats de compression comme le MP3 (Sterne, 2018).
28L’ingénierie de la perception qui sous-tend la création des « identifiants » des formes culturelles embarque donc le parti pris selon lequel il serait possible d’isoler une fois pour toutes les contours des objets esthétiques et leur substrat sensible ; ou plutôt, consciente de la difficulté à établir une fois pour toutes un modèle de l’audition du son et de l’écoute musicale, elle s’efforce de trouver une solution technique suffisamment satisfaisante à un tel défi.
- 27 Pour une exception qui concerne l’approche généalogique de la « vision machinique » de la gestualit (...)
29Comme le remarque Maria Eriksson (Eriksson, à paraître), ce type de travail est majoritairement traité dans des articles scientifiques spécialisés dans les champs de « l’écoute machinique » (machine listening) (Gras, 2014), de la « récupération d’informations musicales » (music information retrieval) et de leur principal enjeu d’un point de vue technique, à savoir « l’extraction de caractéristiques » (feature extraction). Les travaux qu’il est possible d’obtenir via ces catégories dans les bases de données académiques sont souvent plus riches en équations qu’en réflexions sur les enjeux d’un tel projet, et les contributions en français portant les problématiques des sciences humaines restent rares27.
30Une vue d’ensemble assez complète de ces questions et des méthodes utilisées est néanmoins proposée par trois chercheurs du « Groupe de recherche sur les technologies médiatiques » barcelonais (Alías, Socoró et Sevillano, 2016). Ces auteurs ne s’intéressent pas spécifiquement au projet de « fingerprinting audio », mais à la technique qui rend possible un tel projet : l’extraction de caractéristiques, au sens d’unités mathématiques ou d’ « informations » à partir d’un signal sonore. Les auteurs soulignent que la recherche de modélisation des fréquences musicales n’est qu’une sous-partie de l’ensemble des modèles qui se différencient selon qu’il s’agit de traiter des sons audibles, non audibles ; au sein des sons audibles, de la parole, de la musique ou des sons environnementaux ; et au sein des sons environnementaux, des bruits, des « sons naturels » ou des « sons artificiels ». Cette partition est déjà une indication de la relativité des modèles à un répertoire de normes qui associe la « nature physique », la psychologie de la perception et les catégories de classification culturelle des phénomènes (comme la distinction paroles/musique). Ces opérations de différenciation reposent notamment sur la manière dont les signaux associés à chaque catégorie se répartissent sur l’ensemble des spectres de fréquence généralement notés (de 0 à 5000 hertz).
- 28 Le cepstre est la transformation d’une modélisation mathématique de la temporalité dans un autre do (...)
31D’après les auteurs, l’extraction de caractéristiques musicales est principalement identifiée à la catégorie des « notes », elle-même ramenée aux caractéristiques temporelles et spectrales suivantes : « de durées courtes à longues (40-1200ms), avec un mélange de sons constants et éphémères organisés en structures périodiques, un contenu largement harmonique dans l’ensemble de la bande de 20 Hz à 20 KHz, comprenant des parties inharmoniques ». À côté de la tripartition fondée sur les différences entre paroles, musique et sons environnementaux, les initiatives se divisent en deux grands groupes : les types d’extractions de caractéristiques qui s’appuient sur un modèle physiciste du son, et celles qui s’appuient plutôt sur un modèle perceptif (comme dans la visée du perceptual hash). Enfin, les techniques se divisent selon les variables qu’elles privilégient : le temps, la fréquence, les « ondelettes » (wavelets), l’image-source ou le cepstre28.
32Cette courte liste recouvre une plus longue liste de variables qui relèvent donc soit du fonctionnement physique du son, soit des modèles de sa perception au niveau sensoriel qui débordent vers des jugements culturels (qu’on pense par exemple aux débats sur l’existence « objective » de la tonalité et les variations de sa reconnaissance selon les cultures), ou encore de caractéristiques qui sont plus volontiers liées aux opérations mathématiques et informatiques rendues praticables. Cette liste de variables est elle-même constituée d’unités de mesure variées, qui peuvent aller de la « clarté d’une pulsation » (pulse clarity) à l’ « énergie » de fréquences réparties à différents intervalles du spectre (subband energy ratio) en passant par des paramètres relevant de la « hauteur » tonale ou de l’« harmonicité ».
33Parmi cette grande variété de critères mobilisables, l’on ignore à quel modèle exactement YouTube a choisi d’avoir recours. Les ingénieurs du site se sont-ils appuyés sur la méthode d’Audible Magic, fondée sur la combinaison de propriétés de volume, de hauteur, de brillance, et de coefficient « cesptral », citée dans un brevet déposé (Blum et al., 2008) ? Ou bien ont-ils eu recours aux brevets de la maison-mère Google, comme ce « System and methods for recognizing sound and music signals in high noise and distortion » déposé par un certain Avery Li-Chun Wang29, devenu depuis le fondateur de Shazam, soit la plus célèbre application de reconnaissance de morceaux diffusés dans l’espace public ?
34L’ingénieur français Christophe Kalenzaga a cherché à comprendre le modèle derrière Shazam en s’appuyant sur les publications de Wang et ses propres connaissances30. Il estime que ce sont les paramètres « image-based » qui ont été retenus par celui-ci : dans ce cas, le code informatique produit est d’abord une approximation mathématique des coordonnées associées à son spectrogramme, soit une représentation graphique de la fréquence qui a l’avantage de croiser des variables de durée, de hauteur et d’amplitude. L’intérêt d’une telle modélisation est que ces variables sont transversales aux paramètres que distingue par ailleurs la musicologie, comme la tonalité, l’harmonie, les rythmes ou les timbres. Ces différentes unités de sens, qui structurent le solfège, la pratique instrumentale et la composition, sont en partie traduites et en partie « débordées » par la représentation « diagrammatique » que constitue le spectrogramme. Dans le cas de la modélisation à partir d’un spectrogramme, l’identifiant final (le « hash ») est le résultat de la réécriture mathématique et de l’inscription informatique d’une représentation graphique d’un modèle psycho-acoustique du son.
35Si rien n’indique avec certitude que cette solution ait été privilégiée par YouTube, elle peut nous suffire comme point de départ pour poursuivre notre argument et comprendre comment loin de se contenter d’une modélisation « objective » du son, le travail du perceptual hashing en propose une réécriture. Cette réécriture est d’abord matérielle : bien que l’objectif soit de régler la modélisation sur la perception humaine des sons (pour atteindre un degré de « similarité » suffisant), les opérations nécessaires infléchissent nécessairement la façon dont cet idéal est concrétisé et elles produisent un nouvel objet, une forme calculable et inscriptible spécifique. Mais cette réécriture est aussi symbolique, puisqu’au passage, le modèle choisi embarque une définition de ce qui est pertinent dans la perception de la musique. Ce qui se présentait comme l’indexation singulière, fidèle et infalsifiable d’un morceau de musique, dans la référence à l’empreinte, correspond donc à une opération de réécriture relativement dense, riche en médiations scientifiques, techniques, et scripturaires.
36Dans la littérature scientifique, le « hash » se trouve soit représenté sous la forme d’un schéma fait de zones pleines et vides dans un historiogramme, ou d’une « clé » (une série de caractères en nombre fini qui sert de « nom propre » à ce premier code numérique).
Figure 1. Exemples de deux « hashs » (pour une image originale et sa vignette) sous la formule d’une clé numérique proposés par l’ingénieur Jens Segers31
37Si l’on veut se faire une idée de la densité des médiations qui contribuent à forger un tel objet, on peut également se tourner vers les « perceptual hash » d’images. En effet, leurs différents états sont souvent représentés au moyen d’images « métamorphosées » : on voit leurs copies pixélisées, recadrées, zoomées, les perspectives sont réduites quand elles ne sont pas l’objet d’une anamorphose, les contrastes augmentent et le nombre de couleurs diminue…
Figure 2. La représentation du processus de calcul d’un « hash » pour une image sous la forme d’un historiogramme par l’ingénieur Jens Segers
Segers, 2014
- 32 Sur la critique de la « moyennisation » de l’audition par les tests en laboratoire, cf. Sterne (201 (...)
38Comme le hashing sonore fonctionne sur la base du traitement d’une icône graphique – le spectrogramme – il fait intervenir deux systèmes sémiotiques distincts. Il n’existe donc pas d’accès à ces « états intermédiaires » sous une forme sonore, qui permettraient de sentir ces altérations de manière homothétique. Le passage par l’équivalent pour l’image permet néanmoins de considérer que le « hashing » ne consiste pas en un modèle réduit ou un transcodage, mais qu’il comprend des dimensions de filtrage, de compression et d’altération du modèle de la forme sonore perçue – ce qui implique nécessairement de faire appel à un modèle abstrait de cette perception, éventuellement à une définition moyenne32.
Figure 3a. Deux figurations des médiations impliquées par le processus de production d’un « perceptual hash » – figuration de Cano et al.
Source : Cano, Batlle, Kalker et Haitsma, 2005
Figure 3b. Figuration de Jovanovic33
Source : Jovanovic, 2014
39Un autre moyen d’essayer de se représenter le traitement opéré pour réaliser l’ « empreinte de doigt numérique » correspond à un autre type de diagrammes, les flowcharts bien connus dans le monde des brevets d’ingénierie. La reconstruction des multiples opérations impliquées excède le périmètre du présent article, mais ces schémas suffisent à suggérer l’étendue des médiations et la part « destructive » et « reconstructive » impliquée par les opérations qui existent sous la référence à « l’empreinte de doigt numérique ». On y retrouve, sous une autre forme, certaines des variables identifiées plus haut, et d’autres encore : passage du stéréo au mono, filtrage de certaines fréquences jugées non déterminantes, application d’algorithmes, modélisation des fréquences audibles, sélection de certaines « zones » représentatives dans le spectre, sélection d’une fréquence d’échantillonnage, extraction de propriétés jugées déterminantes (hauteur de notes, basses fréquences, intensité).
40Comme le suggèrent ces schémas, quel que soit le niveau auquel on choisit de se concentrer, le choix des moyens techniques pour modéliser la musique vise le maximum d’efficacité, mais la définition de cette efficacité reste une affaire de jugements qualitatifs et implique une multitude de niveaux de décision. Par exemple, les concepteurs de techniques de hashing sonore doivent définir un seuil et des techniques de séparation entre le continuum acoustique et les informations pertinentes, entre « bruit » et « sons musicaux ». Ils doivent également définir des seuils d’altération afin que la compression ou le filtrage des fichiers sonores, donc la déformation de leur spectrogramme, n’empêche pas leurs programmes de reconnaître le « même » morceau : ce peut être le cas lors d’une conversion entre deux formats de fichiers sonores, mais aussi dans le cas de remasterings, edits ou remixes (Everett, 2010).
41Il existe une variété de « solutions » algorithmiques aux défis que constitue la réalisation d’un modèle synthétique d’une forme culturelle perçue. Dans les modèles les plus courants, qui visent une économie d’espace de stockage et d’opérations de calcul, une courte partie d’un morceau est censée suffire à identifier l’ensemble d’un morceau de musique. Pour la même raison, une série restreinte de « data points », c’est-à-dire des repères numériques dans le spectrogramme, est censée suffire à définir le modèle d’un morceau de musique singulier, ce qui signifie que la singularité est définie en fonction d’une définition psycho-acoustique de la musique plutôt qu’à partir de ses composantes ou de ses aspects musicologiques, comme le rythme, la mélodie ou la texture, qui pour leur part associent dimensions physiques, dimensions perceptives, conventions culturelles appuyées et qui sont l’affaire de jugements qui varient selon les contextes où ils s’expriment (il existe sans doute autant de définitions courantes du rythme ou de la tonalité que de définitions musicologiques).
42Ces techniques rencontrent également des défis qui leur sont inhérents et qui en font des médiations à part entière : ainsi, les fonctions mathématiques utilisées pour réduire la taille des « clés d’identification » produites à partir du spectrogramme ont tendance à produire des « artefacts » (spectral leakage) qu’il faut contrecarrer. Enfin, les mathématiciens doivent arbitrer entre plusieurs définitions de ce qui constitue une modélisation efficace, en particulier entre la recherche de précision (ou la « granularité ») du modèle et la recherche d’un minimum de temps et donc de ressources computationnelles pour les calculs nécessaires à la mise en correspondance entre un « identifiant-source » et sa cible dans une base de données.
- 34 Entretien avec le responsable de la gestion des droits YouTube d’un des principaux distributeurs de (...)
43Malgré la naturalisation du processus technique dans les discours de YouTube, le « perceptual hashing » qui sous-tend Content ID opère une réécriture informatique de l’objet sonore dont nous avons vu qu’il implique une série de médiations techniques, de critères culturels et de décisions stratégiques. Il faut maintenant nous intéresser aux usages de cet identifiant, qui consistent à le comparer avec des références présentes dans les bases de données. D’un point de vue opérationnel, cette comparaison est fondée sur une durée pertinente et un score de similarité. Cependant, ces critères, qui sont des signes de la partialité et du probabilisme dans le processus d’appariement (matching), n’existent que pour les équipes expertes qui travaillent à « traquer » les références, notamment chez les distributeurs de musique numérique avec qui YouTube a conclu des accords34.
44Pour un public plus large, la métaphore de « l’empreinte » suppose que l’appariement n’est pas un nouveau calcul dont il faut à nouveau pondérer les facteurs et les marges d’erreur, mais une simple « reconnaissance » de la présence d’une œuvre musicale ou d’un fragment musical dans une vidéo. Ainsi, à ce stade, il ne s’agit plus seulement de la précision ou de la robustesse d’un modèle informatique, ou de la fidélité du hash comme modélisation du son, mais d’associer à ce modèle informatique une fonction d’authentification d’une œuvre musicale, ce qui n’est pas tout à fait la même chose : là où le son désigne généralement une réalité physique objective (même si on a vu que sa singularisation dépendait d’un modèle psycho-acoustique), l’œuvre musicale est plus volontiers associée aux valeurs culturelles et intersubjectives d’originalité et d’autorité.
45Ces valeurs relèvent d’une construction historique qui doit autant à l’esthétique musicale qu’au dispositif juridique du droit d’auteur et des droits voisins. D’abord fondé sur la partition – donc sur les critères de l’écriture harmonique, l’arrangement et les paroles –, le jugement de singularité prend un substrat « sonore » quand il devient possible de déposer directement des disques auprès des sociétés d’auteurs. Cependant, dans ce contexte, l’enregistrement musical, c’est-à-dire le disque, joue encore un rôle de « témoin » : le son n’est pas confondu avec l’œuvre, car d’un point de vue matériel et juridique le phonogramme reste un support de fixation qui la reproduit. Il fait alors office de référence ou de témoin quand il s’agit de faire valoir les droits, comme dans les cas de diffusion, de reproduction non autorisée d’une partie de celle-ci, voire d’échantillonnage (sampling) ou d’emprunt.
46Avec la forme numérisée d’un enregistrement sonore qui vaut comme « l’empreinte », l’œuvre musicale est rabattue sur sa définition mathématique. Dans ses usages pour la détection de « similarités », le support comme médiation technique de l’œuvre disparaît, si bien qu’on assiste à une double essentialisation : essentialisation de l’œuvre musicale, qui est confondue avec un événement sonore comme réalité physique, et essentialisation du « hash », qui est abstrait de son processus de production pour être considéré comme une portion homothétique de l’œuvre.
47Or l’idéal d’objectivité qui fonde l’œuvre dans le son, rencontre plusieurs limites. La première concerne la pertinence de l’échelle du fragment pour juger d’une appropriation ou d’une duplication. La juriste Valérie Laure Benabou signale le risque que « la plus petite parcelle des œuvres […] devienne subrepticement la représentation de l’ensemble » favorisant « l’extrapolation de la partie vers le tout, en perdant de vue l’unité qualifiante de l’œuvre » (Benabou, 2014, p. 29). La définition de l’œuvre par la réalité sonore peut s’écarter d’autres conceptions de l’œuvre musicale, qui se focaliserait par exemple plutôt sur la notion de structure – un thème important dans certaines traditions d’esthétique musicale (Adorno, 1994).
48Seconde limite, la fixation du taux de correspondance. Si le taux de correspondance est relativement bas, le risque est de détecter une correspondance entre une vidéo et une œuvre à partir d’une quantité limitée de données communes, ouvrant la porte à des erreurs, c’est-à-dire à des fausses détections de plagiat. Si le taux de correspondance est relativement haut, le risque est à l’inverse de manquer des appropriations de segments d’œuvres musicales déposées35. La mathématisation du jugement d’originalité engage d’emblée une conception politique du droit d’auteur ou des droits voisins qui penche en faveur de la circulation des formes culturelles ou à l’inverse du contrôle des expressions.
- 36 Entretien avec le responsable de la gestion des droits YouTube d’un grand distributeur de musique n (...)
- 37 Le gestionnaire de droits Rumblefish aurait confirmé la propriété sur le chant des oiseaux, avant d (...)
49La troisième limite concerne l’écart entre les paramètres et variables pertinents pour « isoler » une forme sonore et ceux qui sont pertinents pour juger de l’originalité d’une création musicale. Certes, depuis quelques décennies, le « son des musiques » domine une diversité d’esthétiques musicales (Delalande, 2001). Dans certaines d’entre elles, c’est même une forme d’ « identité sonore » qui semble distinguer l’originalité d’une création plus que tout autre critère : des phénomènes comme le mixage ou la texture font partie des critères d’originalité dans les musiques populaires, et en particulier dans des genres comme la techno ou les instrumentaux de rap. Les moyens techniques de hashing doivent également composer avec des difficultés liées à la variété des usages du son comme ressource compositionnelle et créative, comme la variabilité de la répartition des marques les plus distinctives dans le spectrogramme : Kalenzenga prend l’exemple d’un a capella de soprano, dans lequel seules les fréquences moyennes et hautes sont pertinentes, tandis qu’un morceau de rap ou de jazz se concentrera sur des fréquences basses ou moyennes-basses. La musique ambient ou noise, qui se caractérise justement par des critères d’identité sonore, fait intervenir des parties du spectre qui semblent mal ajustées au codage du spectrogramme de Content ID : comme l’outil se révèle incapable de bien établir la singularité des œuvres de ce répertoire, certains représentants des maisons de disques dans la gestion quotidienne des droits en ligne renoncent à utiliser l’outil dans ce type de cas36. Dans certains cas, les problèmes du fragment, du seuil de détection et du type de fréquence saisie par le modèle paraissent se cumuler : ainsi certaines vidéos contenant du bruit blanc ou des chants d’oiseaux se sont vues durablement bloquées dans la mesure où elles étaient identifiées comme correspondant à des œuvres déposées37.
50Si Content ID semble conçu pour la détection de pratiques de synchronisation ou d’échantillonnage (présence de fragments sonores similaires sur une certaine durée dans un morceau ou dans une vidéo), il y a eu lieu de se demander dans quelle mesure il peut tenir compte de la diversité et de l’évolution des conventions tacites à l’œuvre dans la diversité des cultures musicales. En effet, le rapport à l’appropriation de tels ou tels aspects de la forme musicale et du son dans les pratiques musicales actuelles, selon les espaces et les moments, ne cesse de s’assouplir ou de se durcir.
51Dans le sens d’un assouplissement, on peut penser à l’usage des types beats dans le rap : ces instrumentaux sont des signatures sonores stéréotypées, imitations très proches d’autres producteurs, ou bien des déclinaisons par le même producteur des mêmes mélodies, timbres et rythmes. Pour cette raison même, leurs concepteurs (les beatmakers) choisissent de les vendre « à la pièce » en renonçant souvent à percevoir des droits d’auteurs sur leurs utilisations futures38.
52À l’inverse, dans le sens d’un durcissement, considérons le cas de l’interpolation. Figurant de longue date parmi les figures de style du répertoire classique, l’interpolation a connu un certain succès dans le rap et la musique électronique dans les années 1980, avant de redevenir en 2017 un phénomène de premier plan dans une série de hits pop. Cette technique consiste à réenregistrer une partie d’une chanson préexistante pour l’intégrer à une nouvelle chanson. Elle peut culminer jusqu’à inclure plusieurs refrains ou couplets issus d’autres chansons dans une même œuvre, dès lors proche d’un medley. Ainsi, dans son tube Shape of you, Ed Sheeran utilise ainsi la mélodie d’un autre tube qui a fait ses preuves, le No Scrubs du groupe de RnB féminin TLC. Dans Closer, le groupe The Chainsmoker utilise une accroche du succès de 2015 Over my head (Cable Car) par The Fray à travers cinq variations instrumentales, chacune avec un timbre différent, et cinq variations vocales (masculine, féminine, changement de hauteur). Si une interpolation constitue un « ré-enregistrement » qui imite sa référence sur plusieurs paramètres musicologiques à la fois, ces paramètres sont-ils susceptibles de croiser une modélisation fondée sur le spectre sonore, et dès lors de faire l’objet de détections par Content ID afin d’avertir les producteurs et les ayants droit d’un « original » ? Ou bien l’importance accordée dans le modèle à d’autres paramètres plus proches du timbre suffira-t-elle à l’en exclure ?
53La tendance actuelle dans l’industrie musicale est à la controverse pour savoir s’il est légitime que les menaces de plagiat aboutissent à des accords préventifs dans des cas comme l’interpolation ou plus généralement, les similitudes de style entre deux chansons ou plus. Outre les problèmes structurels déjà identifiés plus tôt, on peut se demander jusqu’où un paramétrage de Content ID très sensible aux points communs entre deux références pourrait fournir un surcroît de justification objectiviste à ce qui relève pour l’instant d’une controverse non résolue, ou même aller jusqu’à fournir une réponse de fait à cette question, en appliquant une politique de contrôle des droits sur YouTube avant toute tentative d’accord.
54Ce type de cas, tout spéculatif qu’il soit, n’est qu’un exemple parmi d’autres de potentielles situations critiques. L’interpolation n’est que l’une des formes de variantes qui font apparaître la difficulté à fonder l’objectivité de l’œuvre musicale et son originalité dans une modélisation de la musique et du son. Comme nous n’avons pas aujourd’hui, au-delà des recherches sur le perceptual hash sonore, de connaissance précise des techniques de modélisation et des arbitrages spécifiques à Content ID, nous ne disposons d’aucune indication sur les tendances privilégiées par les responsables de YouTube vis-à-vis de telles situations.
55Ces situations montrent qu’à mesure que des publications se voient détectées, et leurs responsables dépossédés d’une partie de leurs revenus au profit d’ayant droit hypothétiques ou réels, ce qui importe réside dans les manières de savoir et de décider non seulement ce qu’est l’originalité d’une œuvre, mais ce en quoi consiste « la musique ». C’est un enjeu qu’il est possible de formuler en termes de prédilections sémiotiques (Jeanneret, 2008) face à la musique et aux œuvres, de « prises » par lesquelles elles sont constituées (Hennion, 2002 ; Bessy et Chateauraynaud, 1995), voire des multiples « ontologies » à partir desquelles elles fonctionnent socialement (Born, 2005). Selon les genres, les publics et les situations, la musique et la façon dont elle est valorisée renvoient en priorité à une performance, une forme écrite, une idée matérialisée, une structure, une intention reconstructible, la déclinaison ponctuelle d’un style collectif fonctionnant comme un « bien commun »… L’objectivation de la « forme sonore » ne permet pas toujours de rendre justice à ces distinctions, qui sont au cœur des différentes expériences de la musique, mais aussi de l’évaluation de ce qui mérite d’être protégé par le droit d’auteur et les droits voisins.
56Les jugements concernant l’originalité reposent en général sur une définition non pas de ce qu’est une œuvre musicale au niveau juridique – puisque l’objectivation de l’autorité et du droit moral sur la musique en fonction des supports qui fixent le son semble faire consensus – mais de ce qui constitue, dans l’œuvre, une forme expressive et ce qui fait sa singularité. Le parti pris de Content ID en faveur du fragment sonore comme ancrage de la forme musicale et de son originalité correspond certes à une partie des coordonnées esthétiques qui dominent les musiques populaires enregistrées depuis les années 1950, mais il n’a rien d’évident ou d’incontestable.
57Quand vient le moment de définir à quoi tient « l’originalité », on pourrait défendre qu’une mélodie, un rythme ou un timbre, puissent primer sur l’unité « synthétique » composée par les variables du spectrogramme et les nécessités d’efficacité dans leur réduction algorithmique ; à l’inverse, on pourra opposer à l’identification automatique d’un fragment la nécessité de prendre en compte la relation des données détectées à une structure d’ensemble. La tradition juridique américaine, malgré des précédents qui ont pu décourager le sampling, a laissé ouverte cette question, comme l’indique Siva Vaidhyanathan (2003, p. 117-118) :
- 39 “If copyright law is charged with protecting a particular arrangement of notes, should it protect t (...)
Si la loi du copyright est chargée de protéger un arrangement particulier de notes, doit-elle protéger la mélodie, l’harmonie, le rythme, ou l’ensemble qu’ils constituent ? Quelle durée une série de notes doit-elle faire pour constituer un segment d’expression susceptible d’être protégé ?
Est-ce que la loi du copyright doit être concernée pour le “total concept and feel” d’une œuvre protégée, ou des éléments particuliers tels que les solos, les riffs ou les refrains39 ?
58Face à cette richesse de la problématique de l’originalité musicale, les cours de justice américaines ont développé une méthode fondée sur deux questions : l’accès ou non à l’œuvre originale par l’accusé et un principe de « similarité substantielle ». Ces deux critères sont censés fonder l’intention de l’accusé à s’approprier une œuvre (donc la violation potentielle d’un droit moral), mais la jurisprudence n’en a pas toujours tenu compte : en 1976, le groupe The Chiffons saisit la justice : la mélodie de la chanson « My Sweet Lord » (1970) de George Harrison ressemble à une mesure près à celle de leur chanson « He’s So Fine » (1963). Lors du procès, le juge Owen condamne Harrison pour avoir été « inconsciemment » influencé par la chanson des Chiffons, jetant ainsi le trouble sur le critère d’intentionnalité.
- 40 L’ego-trip désigne une performance de vantardise, qui constitue une rhétorique à part entière dans (...)
- 41 “When rapper Biz Markie sampled Gilbert O’Sullivan’s 1970s hit “Alone Again, Naturally”, the Southe (...)
59Parfois, l’intentionnalité et l’accès à l’œuvre sont clairs, mais c’est la question de la « similarité substantielle » qui est traitée différemment. En 1991, le rappeur Biz Markie emprunte un court échantillon à la ballade mélancolique « Alone Again » de Gilbert O’Sullivan, pour un morceau dans le style egotrip40 : Biz Markie est condamné et le jugement entérine alors la domination du droit moral sur le principe de similarité. Ce procès a des conséquences décisives, puisque l’usage des échantillons dans le rap américain connaît à partir de là un déclin constant. Pourtant, quelques années plus tard, la reprise de la chanson « Pretty Woman » dans une chanson rap licencieuse de 2 Live Crew échappe à la condamnation en étant identifiée par la Cour suprême comme une forme créative de parodie. Alex Sayf Cummings relève la difficulté à établir la cohérence entre les deux décisions : « Est-ce que l’un est une “appropriation transformative” et l’autre du vol ? » (Cummings, 2013)41. Une chose est sûre : de l’aveu même de YouTube, Content ID n’a aucun sens de l’humour et est incapable d’accorder une exception pour parodie, telle qu’elle existe pourtant dans le droit américain du fair use afin de favoriser la liberté d’expression et la critique.
60En se plaçant en amont du travail d’interprétation des juges et en prenant en charge l’interprétation fatalement esthétique de l’appropriation, Content ID s’y substitue en partie, même si ce sont finalement les ayants droit eux-mêmes qui décident de ce qui constitue une appropriation légitime. Ils peuvent alors faire appliquer leurs critères, laissant aux parties « appropriatives » la charge de la contestation des décisions, jusqu’à la possibilité de sortir de la logique contractualiste et technique du système pour ressaisir des juges et obtenir la remise à disposition des vidéos bloquées – un processus qui risque d’être long et coûteux.
61Il faut aussi compter avec les cas que représente la présence de musique « incidente » dans la capture d’une scène « vivante » : celle-ci peut être involontaire, comme cela semble être le cas dans la toute première vidéo YouTube, « Me at the Zoo » par Jawed Karim (l’un des trois cofondateurs du site), dont la légende indique qu’elle contient un fragment du tube trance « Sandstorm » de Darude42 ou elle peut être délibérée, comme dans la chaîne saisissante « Cecil Robert », qui donne à entendre des hits comme « Africa » de Toto, mais transformé par des effets imitant l’acoustique grisante de lieux inattendus – en l’occurrence, un supermarché43.
- 44 On aurait aussi pu évoquer les internautes qui s’emploient intuitivement à déjouer les seuils d’ide (...)
62Avec ce type de vidéos, comme avec le succès des vidéos ASMR, qui font résonner le bruit d’objets du quotidien, YouTube est devenu un espace de médiatisation d’une culture sonore émergente, qui s’offre des expériences esthétiques dans des formes sonores ou sensorielles inattendues. Celles-ci brouillent les définitions typiques de la musique et renouent indirectement avec la tentative des avant-gardes historiques pour élargir la définition de la pratique musicale vers l’écoute expérimentale des objets ou l’écoute poétique de l’environnement sonore (Saladin, 2007). Dans ces conceptions, la responsabilité créatrice échappe en partie aux initiateurs de productions sonores fixées dans des supports : si chacun peut se rendre sensible aux environnements et aux matériaux sonores, il devient difficile de savoir si leur valeur réside dans le geste de l’artiste, dans l’environnement, dans le matériau ou encore dans l’activité d’écoute discriminante de l’auditeur44.
63À l’inverse des expérimentations qui viennent d’être décrites, la logique de Content ID consiste à annexer, avec les détenteurs de répertoires contrôlés, le sonore et le sensible dans un nouvel espace juridico-économique. Les sons et la musique qui circulent dans les vidéos des internautes, des vidéastes et des musiciens sont ainsi toujours plus susceptibles de se voir soit « bloqués », soit intégrés à des schémas de « monétisation ».
64Concrètement, le projet qui consiste à monétiser par la publicité un contingent étendu de vidéos musicales se heurte à de nombreuses difficultés. Des vidéos qui devraient échapper au domaine marchand font l’objet de blocages (Calimaq, 2013), des usages légitimes de citations sonores, par exemple dans des vidéos éducatives ou des parodies, se voient bloqués ou bien leurs revenus publicitaires sont captés par des sociétés d’édition. Pierre-Carl Langlais affirme que les « faux positifs » devraient mécaniquement augmenter à mesure que plus d’œuvres sont déposées dans le système45. Enfin, les règles autorisant le dépôt des œuvres46 favorisent les « premiers arrivés » dans le système, c’est-à-dire les grandes maisons de disques, celles qui sont également en position de consacrer des équipes à la gestion de ces nouveaux outils et des nouveaux droits qu’ils sont susceptibles de générer.
- 47 « Reference content must be sufficiently distinct ». YouTube, YouTube Help. En ligne : https://supp (...)
- 48 Entretien avec le responsable de la gestion des droits YouTube d’un grand distributeur de musique n (...)
65L’entreprise a récemment confirmé les analyses esquissées dans cet article en affichant sur la page d’aide de Content ID la condition énigmatique selon laquelle « les contenus de référence doivent être facilement reconnaissables [distincts] »47. En raison des limites structurelles et opérationnelles de l’outil Content ID, on assiste donc à l’extension au périmètre de perception de rémunération attachée à des droits dérivés du droit d’auteur ; mais dans le même temps, au traçage d’une nouvelle frontière plus ou moins floue entre les musiques prêtes à être transformées en marchandises numériques et celles qui risquent de s’en trouver exclues : les cas décrits plus haut, dont les genres musicaux, ambient, drone et noise, ainsi que les versions live, ou certains remixes qui dans la pratique, se trouvent d’ores et déjà exclus du contrôle via Content ID tel qu’il est mené par les distributeurs numériques48.
66Quand il s’agit de juger d’originalité, Content ID représente donc une opacification – puisque le modèle calcul n’est pas public – et un durcissement potentiel de la jurisprudence, même si celle-ci est déjà relativement stricte. Tout en reconnaissant la nécessité de principe de maintenir des exceptions à l’application des droits voisins, c’est pourtant cette même logique de gouvernance par la technique que l’Union européenne a semblé valider en votant l’article 13 de la Directive sur le droit d’auteur49. Le renforcement de la responsabilité des « nouveaux acteurs des technologies numériques » sur les productions qu’ils font circuler risque de conduire une entreprise comme YouTube à renforcer l’usage de Content ID vers un filtrage automatisé qui devra fonctionner de plus en plus a priori afin d’éviter tout litige.
67Une note de mission auprès du gouvernement français rédigée par le président du Conseil supérieur de la propriété artistique (Japiot, 2019) est très claire à ce sujet :
Les outils de reconnaissance des œuvres sur les plateformes numériques de partage de contenus constituent aujourd’hui un aspect crucial tant du respect du droit d’auteur et des droits voisins que, à travers les accords avec les ayants droit dont ils permettent la mise en place, de la rémunération de la création. L’article 13 de la proposition de directive européenne sur le droit d’auteur dans le marché numérique devrait leur donner une portée renforcée, en transformant ces outils, mis en place de manière volontaire, en dispositifs prévus et encadrés par le droit de l’Union européenne.
68Le vote concernant cette directive a fait l’objet de mouvements sociaux en Allemagne. Ceux-ci se sont appuyés sur les risques en termes de « censure préemptive » de ce modèle juridico-technique (Reda, 2018). Le gouvernement français étudie actuellement l’extension de ces logiques de filtrage automatisé des contenus aux « contenus haineux », suggérant la possible généralisation d’un modèle de gouvernance technique de la communication en ligne, opérée par les entreprises50.
69Dans ces initiatives, ce qui se dégage en priorité des réflexions et des controverses émergentes concerne surtout les rapports de force entre d’une part les acteurs économiques eux-mêmes (industries culturelles contre « industries de la communication »), et ensuite entre ces acteurs, les institutions politiques et les usagers du web. Quand le rôle de la technique est envisagé, c’est depuis la question de l’efficacité – la possibilité ou non d’appliquer un filtrage suffisamment précis.
70L’approche des formats développée dans cet article apporte plusieurs compléments à ces discussions. Elle relativise les promesses que YouTube, principal éditeur de ces solutions de filtrage, associe à l’automatisation, au traitement à grande échelle, et aux traitements informatiques produisant « l’empreinte ». Elle dégage la part irréductible de décisions, d’arbitrages et d’axiologies dans le travail des ingénieurs qui doivent établir les variables et les seuils de détection, arbitrer entre risques de « sur-détection » et de « sous-détection », composer avec l’entropie intrinsèque des procédés de modélisation, se donner des normes psycho-acoustiques et musicologiques peu questionnées. Elle montre une discontinuité que la discussion publique en termes d’ « application du droit d’auteur » manque de faire apparaître : le passage d’une définition juridique de l’œuvre fondée sur une démarche d’enquête sur la signification sociale des formes au sein de l’institution juridique, à une « ontologie sonore ». Elle souligne enfin le fond « archéologique » qui fonde ces projets : la transformation d’un outil juridique d’organisation de l’économie de la création, le droit d’auteur, en imaginaire de l’originalité individuelle « naturalisé » dans la propriété individuelle des œuvres et son extension dans les droits d’exploitation des phonogrammes (les droits voisins) ; la valorisation de la technique par son « objectivité » supposée, de la « fidélité » qui guide l’essentialisation de l’œuvre en relation avec l’enregistrement comme « support », à la confiance dans la précision et l’efficacité des modèles d’identification et de correspondance.
71Tous ces aspects font apparaître l’existence d’une politique des savoirs et de conflits d’interprétation potentiels nichés au cœur des réalités « micro » et infra-ordinaires de la communication médiatisée. Le point de vue micropolitique sur les formats invite dès lors à poser plus généralement quatre questions : comment des décisions culturelles sont-elles embarquées, routinisées et rendues discrètes dans le travail de conception des techniques ? Comment les esthétiques et les créations disponibles en ligne offrent-elles des résistances et manifestent-elles des écarts vis-à-vis des projets d’objectivation de la culture ? Dans quelle mesure la communication des mondes professionnels de l’économie du web, du droit, de la musique et de l’informatique participe-t-elle à révéler les difficultés ou les limites impliquées par le fait de rationaliser la culture et de contrôler l’expression ? Ou au contraire, à les réserver aux débats de spécialistes ? Enfin, dans quelle mesure les ingénieurs peuvent-ils s’ouvrir à la pluralité des relations à la culture et au sensible, et les musiciens, médiateurs et garants de l’expression culturelle s’approprier l’intelligence des formats techniques qui soutiennent leurs activités ?
72C’est probablement de la réponse à ces questions que dépend la possibilité que ces formats, désormais investis par des projets institutionnels, politiques et commerciaux de grande ampleur, puissent être discutés et choisis, refusés ou ré-imaginés par tous.