IA Traitement du son · 9 September 2026

IA et son : le raz-de-marée silencieux qui redessine la musique

En septembre 2026, Deezer a franchi un cap symbolique : près de 90 000 titres 100 % IA sont téléversés chaque jour sur sa plateforme, soit plus de la moitié de tous les nouveaux morceaux. En deux ans, la musique générative est passée du statut de curiosité de laboratoire à celui de raz-de-marée industriel. Mais derrière cette déferlante se cachent des questions autrement plus complexes : qui écoute vraiment ces titres, qui les paie, et surtout, que devient la créativité humaine quand la machine compose plus vite que nous ne pouvons l’imaginer ?

90 000 titres par jour : le basculement silencieux

Il y a encore trois ans, générer une chanson complète avec une IA relevait de l’exploit technique. En 2026, c’est devenu un geste aussi banal que d’envoyer un message. Les chiffres publiés par Deezer sont sans appel : la plateforme reçoit désormais près de 90 000 titres générés par intelligence artificielle chaque jour, soit plus de la moitié de l’ensemble des téléversements quotidiens. La progression est exponentielle : 10 000 titres IA par jour en janvier 2025, 30 000 en septembre 2025, 60 000 en janvier 2026, 75 000 en avril, puis près de 90 000 à la rentrée 2026. Apple Music n’est pas en reste : plus de 33 % des titres déposés sont désormais 100 % IA.

Ce basculement silencieux mérite d’être regardé de près. Car si l’offre explose, la demande, elle, ne suit pas le même rythme. Deezer estime que la musique générée par IA ne représente que 1 à 3 % des écoutes réelles sur sa plateforme. Et surtout, 85 % de ces flux seraient frauduleux — générés par des bots dans le but de capter des royalties. Autrement dit, la grande majorité de cette production massive n’est pas écoutée par des humains, mais par des algorithmes qui simulent des écoutes pour détourner de l’argent.

Deezer a d’ailleurs été la première plateforme de streaming au monde à signaler les titres 100 % générés par IA, dès juin 2025, grâce à un outil de détection développé en interne, « fiable à 98 % » selon son directeur général Alexis Lanternier. L’outil repère des marqueurs spécifiques de l’IA dans le signal audio — de petits artefacts inaudibles à l’oreille humaine mais visibles dans l’analyse spectrale. Une étude publiée en août 2026 par Euronews confirme l’ampleur du phénomène : près de 40 % de la musique sortie en juillet 2026 a utilisé l’IA d’une manière ou d’une autre, que ce soit pour la composition, le mixage ou le mastering.

Ce paradoxe pose la question centrale de cette nouvelle ère : sommes-nous entrés dans l’ère de la musique générative de masse, et qu’est-ce que cela change réellement pour les créateurs, les plateformes et les auditeurs ? La réponse est nuancée. D’un côté, la technologie a atteint un niveau de qualité qui rend la frontière avec la musique humaine presque imperceptible — le test à l’aveugle mené par Deezer et Ipsos fin 2025 l’a démontré, avec 97 % des auditeurs incapables de distinguer correctement l’IA de l’humain. De l’autre, cette production massive, souvent de faible qualité et frauduleuse, encombre les plateformes et menace l’économie déjà fragile de la musique en streaming.

Le grand huit des générateurs : Suno, Udio, ElevenLabs et les autres

Pour comprendre l’état de l’art en 2026, il faut d’abord cartographier les acteurs. Le marché est dominé par une poignée de générateurs, chacun avec sa philosophie, ses forces et ses faiblesses. Voici le panorama, tel qu’il se dessine à l’automne 2026.

Suno reste le leader incontesté. Avec sa version v5.5, l’entreprise revendique environ 2 millions d’abonnés payants et 300 millions de dollars de revenus récurrents annuels en février 2026, contre 200 millions en novembre 2025. Plus de 100 millions d’utilisateurs à vie ont utilisé la plateforme. Suno génère des morceaux complets jusqu’à 4 minutes, avec paroles et structure, et propose une exportation en WAV 44,1 kHz/16-bit ainsi qu’une API pour les développeurs. Sa force : la simplicité d’utilisation et la qualité globale du rendu, même si le contrôle fin du mixage reste limité et qu’aucune isolation de pistes n’est possible.

Udio s’est imposé comme le challenger sérieux, particulièrement apprécié pour les textures sonores, l’ambient, l’électro et le jazz. En 2026, il dépasse Suno sur la qualité des instruments réels. Il propose des fonctionnalités avancées comme l’inpainting, les variations, la collaboration en temps réel et l’export multipiste (stems) en bêta — un atout majeur pour les producteurs qui veulent retravailler les pistes dans leur DAW.

Riffusion s’est spécialisé dans la génération de boucles, un créneau utile pour les beatmakers. ElevenLabs Music mise sur la qualité vocale et l’expressivité, fort de l’expertise de la société en synthèse vocale. Stable Audio 2.5 de Stability AI se positionne sur la génération audio professionnelle avec un contrôle plus précis. Mureka V9.5 (ex-Mureka) s’est fait remarquer en août 2026 avec des voix naturelles, des arrangements expressifs et des idées guidées par des invites, via paroles et descriptions musicales en ligne. Enfin, MusicFX de Google et MusicGen de Meta (via AudioCraft) restent des références, notamment parce qu’AudioCraft est open source et peut être exécuté localement et fine-tuné, contrairement à Udio.

Sous le capot : comment les modèles apprennent à jouer du rock

Derrière ces interfaces conviviales se cachent des architectures techniques variées qui expliquent les différences de qualité, de latence et de contrôle. Suno utilise un modèle Transformer entraîné sur des millions de morceaux, ce qui lui permet de générer des structures musicales cohérentes avec paroles. Udio s’appuie également sur des modèles de diffusion, particulièrement efficaces pour les textures sonores détaillées. Meta, avec AudioCraft, a opté pour une approche open source combinant encodeurs et décodeurs audio, permettant un fine-tuning local.

La timeline des sauts qualitatifs est éloquente : 2022, Google présente MusicLM, qui ne génère que des samples de quelques secondes. 2023, Meta publie AudioCraft/MusicGen en open source, ouvrant la voie à l’expérimentation. 2024, Suno et Udio explosent avec des morceaux complets de plusieurs minutes. 2025, l’adoption en studio se généralise — Hans Zimmer est régulièrement cité comme utilisateur de ces outils pour explorer des idées. 2026, l’intégration native dans les DAW comme Ableton Live et Logic Pro devient réalité, et les modèles unifiés font leur apparition.

Cette évolution technique a un impact direct sur l’expérience utilisateur. Les modèles les plus récents offrent une latence réduite, une longueur de génération accrue et un contrôle plus fin grâce à des paramètres avancés (inpainting, variations, édition de stems). Mais il faut le dire : aucun benchmark standardisé (comme le score MUSHRA) n’a été publié de manière transparente par les acteurs, ce qui rend les comparaisons difficiles. La qualité perçue reste largement subjective.

De l’outil à l’instrument : le musicien face à la machine

La question du workflow créatif est au cœur du débat. En 2026, l’IA n’est plus seulement un gadget pour amateurs : elle s’intègre dans les chaînes de production professionnelles. Deux philosophies s’affrontent. D’un côté, l’IA comme instrument de composition : on génère des idées, on explore des styles, on sort de sa zone de confort. C’est l’usage que privilégient les compositeurs de bandes originales, qui utilisent Suno ou Udio pour esquisser des thèmes avant de les retravailler. De l’autre, l’IA comme outil de production : mastering automatique, séparation de pistes, arrangement assisté. Des outils comme Demucs de Meta (open source) permettent de séparer les instruments d’un morceau avec une qualité remarquable, tandis que les solutions de mastering IA se généralisent.

L’intégration native dans les DAW change la donne. En 2026, Ableton Live et Logic Pro intègrent des fonctionnalités IA directement dans leurs interfaces, permettant aux musiciens de générer des pistes sans quitter leur environnement de travail. Cette évolution est fondamentale : elle transforme l’IA d’un outil externe (un site web où l’on va chercher un résultat) en un instrument interne, avec lequel on dialogue en temps réel. C’est le passage de l’outil à l’instrument, au sens musical du terme.

Côté traitement, les plugins intelligents se multiplient. Sonible a publié fin août 2026 smart:chain, une chaîne de traitement qui réunit égaliseur, compresseur et saturation dans un module qui s’adapte au signal entrant — une approche « auto » qui séduit les ingénieurs du son pressés. Chez Boris FX, la mise à jour Sequoia 2026.5 (août 2026) introduit un Spatial Panner unifié qui réunit les panoramiques stéréo, surround et immersif dans un seul outil visuel, permettant aux ingénieurs de viser toutes les cibles de livraison sans reconstruire leurs mixes.

Mais cette intégration soulève aussi des questions. Le contrôle de l’utilisateur est-il suffisant ? Peut-on vraiment "jouer" avec l’IA, ou est-on condamné à accepter ce qu’elle propose ? Les musiciens les plus enthousiastes parlent d’un nouveau terrain de jeu créatif, d’une "collaboration" avec la machine. Les plus sceptiques y voient une standardisation rampante, où toutes les productions finiraient par se ressembler. La vérité se situe probablement entre les deux : l’IA est un amplificateur de créativité pour ceux qui savent la dompter, et un nivelateur pour ceux qui se contentent de ses premiers résultats.

SwanTale et les autres : quand la voix, la musique et les effets fusionnent

La tendance la plus structurante de 2026 est l’émergence des modèles unifiés, incarnée de manière spectaculaire par SwanTale de ByteDance. Présenté le 3 août 2026 sur arXiv (papier « SwanTale: Unified Multi-Speaker Speech and Audio Generation for Instruct and Zero-Shot Tasks », ID 2608.02023), ce modèle génère dans une seule inférence la voix, les effets sonores, la musique et l’audio environnemental — remplaçant potentiellement quatre outils spécialisés distincts. Son architecture Mixture of Experts (MoE) lui permet de gérer à la fois des instructions textuelles ("une voix fatiguée dans une pièce vide") et des générations zero-shot, c’est-à-dire sans exemple préalable. La fonctionnalité Engram, dédiée au clonage vocal, complète le dispositif. Le modèle annonce 2 minutes de génération, 20 langues supportées et une capacité zero-shot.

Cette approche unifiée répond à un besoin concret des créateurs travaillant dans l’animation, les audio-dramas, la publicité ou les vidéos courtes : au lieu de jongler entre un générateur de voix, un générateur de musique et un générateur d’effets, ils peuvent tout produire avec un seul modèle, avec une cohérence stylistique globale. C’est un gain de temps considérable, mais aussi une perte potentielle de spécialisation. Les outils dédiés comme ElevenLabs pour la voix ou Stable Audio pour la musique offrent encore un contrôle plus fin dans leur domaine respectif.

Le débat entre polyvalence et spécialisation n’est pas près de se trancher. Pour la post-production et le sound design, un modèle unifié comme SwanTale est un atout majeur : il permet de créer des ambiances complètes en une passe. Pour la composition musicale pure, les modèles spécialisés gardent l’avantage sur la qualité des instruments et le rendu final. Il est probable que les deux approches coexistent, les studios adoptant des workflows hybrides.

L’IA chinoise open weight s’empare de l’audio

Parallèlement aux géants américains, une rupture silencieuse s’opère : les modèles chinois open weight s’emparent de l’audio. Il y a deux ans, l’idée qu’un studio de mixage puisse faire tourner localement un modèle d’IA aussi puissant que ceux des géants américains relevait de la science-fiction. Aujourd’hui, la part des modèles chinois dans les chaînes de production audio professionnelles ne cesse de croître.

Ces modèles, téléchargeables et exécutables localement, s’installent directement dans les DAW sous forme de plugins. Ils offrent une personnalisation et une confidentialité que les solutions cloud ne peuvent pas garantir — les données audio ne quittent jamais le studio. Côté coûts, la différence est saisissante : les API cloud propriétaires peuvent coûter plusieurs milliers d’euros par an pour 1 000 heures de traitement, tandis qu’un modèle open weight exécuté localement ne coûte que l’électricité et le matériel.

Cette dynamique met sous pression les acteurs établis comme iZotope ou Sonible, qui doivent justifier des abonnements cloud face à des alternatives locales gratuites ou quasi gratuites. Les benchmarks comparatifs montrent que les modèles chinois open weight rivalisent désormais avec les solutions propriétaires sur de nombreuses tâches, de la séparation de sources au mastering automatique.

Anker THUS : l’IA audio passe à l’embarqué

Le 3 septembre 2026, à l’IFA de Berlin, Anker a dévoilé sa première puce audio dédiée à l’intelligence artificielle : THUS. Présentée comme la première puce audio IA au monde reposant sur une architecture Compute-in-Memory (CIM), elle exécute les calculs directement dans la mémoire où le modèle est stocké, éliminant les transferts de données vers un processeur distinct. Selon Steven Yang, PDG d’Anker : « Thus place le calcul là où le modèle est déjà stocké. Le modèle n’a donc plus besoin d’être déplacé. »

Cette approche permet de réduire la taille de la puce et sa consommation — deux points décisifs pour des appareils compacts comme des écouteurs. Anker affirme qu’avec THUS, ses écouteurs pourront exécuter des modèles de plusieurs millions de paramètres, contre quelques centaines de milliers pour les puces polyvalentes actuelles. Cinq modèles audio sont déjà équipés de la puce, dont les Soundcore Liberty Buds 2 et les Space 2 Pro, lancés en mai 2026.

La stratégie d’Anker dépasse largement l’audio : la société veut devenir un acteur de l’IA de proximité avec sa plateforme MindBase, défiant Qualcomm sur son propre terrain. Le pari est risqué mais logique : alors que les NPU des PC portables (comme l’AMD Ryzen AI 400 avec son NPU XDNA 2, 55-60 TOPS, latence de réduction de bruit inférieure à 2 ms) montrent la voie, l’audio embarqué devient le champ de bataille de l’IA de périphérie. La réduction de bruit, la spatialisation et la traduction en temps réel sans abonnement cloud sont désormais possibles dans l’oreille.

Fish Audio : le nouveau challenger de la voix

Pendant que les géants se battent sur la musique, Fish Audio s’est imposé comme le nouveau challenger de la voix. La startup de Palo Alto a levé 52 millions de dollars en seed en juillet 2026, mené par Coreline Ventures et Capital Today, et atteint 21 millions de dollars de revenus récurrents annuels en un an. Plus de 8 millions de personnes utilisent ses modèles open source ou hébergés.

Sa force : le clonage vocal en 5 secondes, des tags d’émotion au niveau du mot, et un coût revendiqué environ six fois inférieur à ElevenLabs. Mais son modèle open weight pose une question éthique inédite : une fois téléchargé localement, le modèle peut être utilisé sans aucune protection contre les copies — le clonage vocal peut "survivre" à toute tentative de retrait. C’est le paradoxe de l’open source appliqué à la voix : la transparence totale y est aussi une menace.

ElevenLabs : restaurer un million de voix

En septembre 2026, ElevenLabs a annoncé un programme sans précédent : investir un milliard de dollars pour restaurer un million de voix, avec en figure de proue l’acteur Eric Dane. Derrière l’annonce marketing se cache une distinction technologique importante entre cloner une voix (reproduire une voix existante) et la restaurer (reconstruire une voix perdue à partir d’enregistrements anciens ou de données médicales).

Les usages médicaux sont prometteurs : redonner une voix à ceux qui l’ont perdue à la suite d’une maladie ou d’un accident. Dans le divertissement, la voix devient un patrimoine — des voix d’acteurs décédés peuvent être ressuscitées pour de nouveaux projets, avec le consentement des ayants droit. Le marché est déjà férocement concurrentiel, avec Fish Audio, OpenAI (via GPT-Realtime-2 et ses modèles de transcription) et d’autres acteurs qui se positionnent sur ce créneau.

L’argent et les robots : l’économie folle de la musique générative

Les chiffres économiques donnent le vertige. Suno, valorisée 2,45 milliards de dollars lors de son tour de financement de novembre 2025 (avec le soutien de Nvidia), explorait début 2026 une série D supérieure à 5 milliards. Ses revenus récurrents annuels sont passés de 200 millions de dollars en novembre 2025 à 300 millions en février 2026. ElevenLabs, de son côté, a atteint 500 millions de dollars de revenus récurrents annuels selon les informations publiées à l’été 2026, et Suno approche les 100 millions d’utilisateurs. Le paysage concurrentiel s’emballe : Noiz, Gemini Omni, Lance et d’autres acteurs émergent, tandis que l’écosystème s’unifie autour de modèles polyvalents.

Mais cette croissance repose sur des sables mouvants. La fraude aux écoutes (les fameux bots qui génèrent des streams artificiels) représente une menace existentielle pour l’économie du streaming. Les plateformes ripostent : Deezer a développé son outil de détection, et l’AI Act européen impose désormais l’étiquetage des contenus générés par IA — depuis le 2 août 2026 pour les nouveaux modèles, et à partir du 2 décembre 2026 pour les modèles existants. Ces régulations, combinées aux outils de détection, pourraient assainir un marché où la majorité de la production IA n’est écoutée que par des algorithmes.

La question de fond reste ouverte : que devient la créativité humaine quand la machine compose plus vite que nous ne pouvons l’imaginer ? Les artistes qui assument l’IA comme outil — et ils sont de plus en plus nombreux, 40 % de la musique de juillet 2026 ayant utilisé l’IA d’une manière ou d’une autre — y voient un amplificateur de possibilités. Les puristes y voient une standardisation rampante. La vérité, comme souvent, se situe entre les deux : l’IA ne remplace pas le musicien, mais elle redéfinit radicalement ce que signifie être musicien en 2026.

Sources

• Deezer, première plate-forme de streaming à signaler les titres de musique 100 % générés par IA — Le Parisien, juin 2025
• Près de 90.000 titres par jour : la musique générée par IA représente pour la première fois plus de la moitié des ajouts quotidiens sur Deezer — MSN
• Une étude révèle que près de 40 % de la musique sortie en juillet 2026 a utilisé l’IA — Euronews, août 2026
• Qu’est-ce qu’Anker Thus ? — Soundcore
• Anker Thus : puce IA audio — Blog Nouvelles Technologies
• SwanTale : le modèle unifié de ByteDance — arXiv 2608.02023
• sonible publie smart:chain — Audiofanzine, août 2026
• Boris FX Sequoia 2026.5 — Sound On Sound, août 2026
• Générateur de musique IA Mureka V9.5 — août 2026
• Générateur de musique IA HappyShrimp — août 2026
• Blog ElevenLabs — septembre 2026

Article recherché et rédigé automatiquement · Magazine Electrosens