De l'IA entre les oreilles

Les serveurs des services de streaming musicaux sont pris d’assaut par les morceaux générés par IA. Et ce n’est pas une exagération : Deezer a révélé que 44 % des chansons provenant de ses fournisseurs sont générées par IA. Des volumes ahurissants que l’industrie tout entière devrait apprendre à gérer collectivement, selon Aurélien Hérault, le directeur de l’innovation de la plateforme française.

« Contenu généré par IA » : c’est la petite phrase qui apparait sur les albums qui contiennent des titres identifiés par Deezer comme ayant été générés avec l’aide d’une IA. Le service de streaming communique régulièrement son travail de fond sur une problématique qui touche toutes les plateformes : développement d’un outil de détection mis à disposition de la filière, effort de transparence vis-à-vis des abonnés, et lutte contre les fraudes au streaming qui accompagnent souvent ces chansons IA.

Aurélien Hérault est le directeur de l’innovation chez Deezer. Il est à la tête des équipes qui planchent sur les projets R&D de l’entreprise, qu’il s’agisse des algorithmes de recommandations, des fonctions de recherche ou des expérimentations sur de nouvelles technologies. Pour Next, il revient en détail sur le chantier de l’IA.

L’entretien a été édité pour des raisons de concision et de clarté.

Deezer a annoncé que 44 % des chansons téléversées sur les serveurs sont générées par IA, ce qui représente 75 000 chansons chaque jour. D’où viennent toutes ces chansons ? On s’approche du moment où la majorité des morceaux téléversés seront générés par IA.

C’est la raison pour laquelle nous avons développé l’année dernière un détecteur d’IA pour les morceaux uploadés par tous les fournisseurs avec qui nous avons un partenariat. Il y a notamment dans le lot des plateformes qui permettent à des indépendants de livrer du contenu. Et ce qu’on remarque aujourd’hui, c’est le nombre de plus en plus important de morceaux générés par IA. Si vous vous souvenez des chiffres de l’année dernière, on est clairement dans une augmentation continue.

• Le nombre de titres générés par IA proposé à Deezer a doublé en trois mois

Nous poursuivons nos déploiements sur un certain nombre d’outils. Aujourd’hui, il y a ce qu’on appelle le DDEX, [une organisation] censée répondre à ce genre de problématique : est-ce que c’est un morceau fait par IA ou non ? Aujourd’hui [ce standard de métadonnées] n’est pas encore exploité ou démocratisé chez l’ensemble des acteurs. C’est pour ça qu’on a mis en place nos technologies qui nous permettent de vérifier et de s’assurer si les contenus sont générés par IA ou pas.

Comment Deezer détecte les morceaux générés par IA ?

Il faut savoir que les modèles génératifs sont des modèles prédictifs, statistiques, qui sont entraînés pour générer de la musique ou des vidéos réalistes. Comment faisons-nous pour les détecter ? La production de ces modèles génératifs laisse des traces inaudibles dans le signal audio, caractéristiques de ces modèles. On a développé une technologie capable de détecter ce type de caractéristiques, à partir du signal audio. Ça nous donne une vision assez précise et assez juste de ce qui nous est livré en termes d’IA. Et on continue d’ailleurs à investir et à développer ce type de technologies.

Comment est-ce présenté aux abonnés de la plateforme ?

Il y a un affichage auprès du grand public sur les pages des albums pour informer s’ils contiennent des musiques générées par IA ou pas. C’est une première facette. Et la seconde facette, c’est notre parti-pris d’enlever [le contenu IA] de nos systèmes de recommandation. C’est-à-dire qu’on ne favorise pas ce type de contenu à l’aide de nos algorithmes.

Est-ce qu’il ne serait pas plus simple finalement que Deezer supprime ces chansons du catalogue ?

Il y a plusieurs aspects à prendre en compte. Déjà, on a un aspect légal et des contrats avec nos distributeurs. Une des obligations est que nous devons publier ce qu’on nous donne. C’est quelque chose qui existe depuis les débuts de Deezer. Mais on souhaite aussi apporter de la transparence à nos utilisateurs.

La seule chose que nous faisons, c’est d’identifier ces morceaux pour pouvoir, à l’avenir, faire évoluer le service, comme par exemple bloquer ces titres dans nos recommandations, ou en étant encore plus sévère. On a une approche très analytique du projet. On essaye de vraiment mesurer les impacts avant de faire évoluer le système.

Spotify vient de mettre en place un badge sur les morceaux qui sont effectivement vérifiés et créés par des humains. Quelle est la différence entre les outils utilisés par Spotify et ceux de Deezer ?

La vérité si je mens

Ça n’aura pas traîné : à peine 40 jours après le lancement d’Opus 4.7, Anthropic remet le couvert avec une nouvelle version de son modèle IA le plus avancé (hors Mythos). Opus 4.8 inaugure une nouvelle fonction pour améliorer la prise en charge des requêtes très complexes, réduire les erreurs, ainsi qu’un nouveau mode « fast » pour brûler moins de tokens.

Impossible d’arrêter le feu roulant des nouveaux modèles chez Anthropic. Opus 4.7 remonte au 16 avril, mais il est déjà passé de mode : son successeur, Opus 4.8, a en effet été annoncé par le labo IA. Le modèle apporte des améliorations « modestes mais tangibles », affirme l’entreprise, à commencer par… une plus grande prudence quand il ne sait pas quelque chose.

Plus d’honnêteté, moins de tokens

Selon les testeurs cités par Anthropic, Opus 4.8 se montre plus honnête : il signale plus facilement ses incertitudes, évite les affirmations qui ne sont pas vérifiées et laisse moins passer de bugs sans les mentionner. « Un problème général avec les modèles d’IA, c’est qu’ils tirent parfois des conclusions hâtives, en affirmant avec assurance avoir progressé dans leur travail alors que les preuves sont minces », explique la startup. Elle affirme que le nouveau modèle est « environ quatre fois moins susceptible » de laisser des défauts non signalés dans le code, par rapport à son prédécesseur.

Autre nouveauté : une fonction expérimentale baptisée « dynamic workflows » pour Claude Code. Le modèle est en mesure de gérer de très gros projets logiciels en parallèle, ce qui lui permet de les découper en petits bouts, de lancer des centaines de sous-agents en simultané et de vérifier automatiquement les résultats avant de répondre. Anthropic donne en exemple une migration massive de bases de code contenant « des centaines de milliers de lignes ».

En termes de benchmarks, Opus 4.8 affiche des gains incrémentaux sur la plupart des tests (+ 4,9 points sur SWE-Bench Pro,+ 8,5 points sur Terminal-Bench…). Anthropic ne fait pas de bond spectaculaire ici, mais améliore l’existant par petites touches et maintient sa position sur les tâches agentiques. C’est cohérent avec la stratégie de la startup qui vise d’abord les développeurs et les entreprises : sur SWE-Bench Pro (agents de programmation), Opus 4.8 est loin devant GPT-5.5 et Gemini 3.1 Pro. Le modèle d’OpenAI reste cependant le patron sur Terminal-Bench, qui mesure des tâches très proches d’un vrai environnement développeur.

• La plupart des benchmarks de LLM ne s’appuient pas sur une méthode fiable

La brûlure des tokens

Un des changements les plus importants de cette nouvelle livrée est un réglage d’effort dans claude.ai et Cowork. L’utilisateur peut sélectionner le niveau de ressources à consacrer à une réponse : un effort « faible » retournera des réponses moins précises mais le processus de réflexion sera plus rapide et surtout moins coûteux, à l’inverse d’un effort plus élevé. Par défaut, Opus 4.8 est réglé sur un effort élevé, qui offre selon Anthrophic le meilleur équilibre entre « qualité et expérience utilisateur ».

Sur les travaux de code, ce niveau d’effort consomme le même volume de tokens qu’Opus 4.7 par défaut, « mais avec de meilleures performances ». Cette question des tokens est devenu très sensible, Opus 4.7 se montrant très gourmand en la matière. Une critique qui n’a pas échappé à Anthropic : les limites d’utilisation dans Claude Code ont été relevées pour les niveaux d’effort supérieurs.

• #Nextquick : Pourquoi et comment Opus 4.7 crame ses tokens beaucoup plus vite qu’Opus 4.6

Toujours dans cette même optique, Anthropic a révisé fortement à la baisse le coût du mode « rapide » pour Opus 4.8, désormais trois fois moins onéreux que son équivalent sur Opus 4.7. Ce mode, qui travaille 2,5 fois plus vite, revient maintenant à 10 dollars par million de tokens en entrée, et 50 dollars par million de tokens en sortie. C’est trois fois moins cher que pour les précédents modèles (30/150 dollars). Les tarifs pour un usage standard d’Opus 4.8 ne changent pas : 5 dollars par million de tokens en entrée, 25 dollars en sortie.

Enfin, fidèle à une stratégie marketing bien rodée, Anthropic fait miroiter le lancement « dans les prochaines semaines » de modèles grand public basés sur Mythos, le fameux LLM tellement balaise qu’il n’est distribué qu’au compte-goutte au travers du projet Glasswing.

L’entreprise explique que le développement de garde-fous avance bien. Ces mécanismes de sécurité seraient nécessaires pour éviter que les capacités de Mythos ne puissent servir aux pirates pour exploiter des failles. Ces nouveautés et cette agitation autour de Mythos est de bon aloi, alors qu’Anthropic s’apprête selon les rumeurs à se lancer en bourse d’ici la fin de l’année, alors même que l’entreprise vient de boucler une nouvelle levée de fonds record.

• Anthropic lève 65 milliards de dollars, avec une valorisation qui dépasse celle d’OpenAI

La vérité si je mens

Ça n’aura pas traîné : à peine 40 jours après le lancement d’Opus 4.7, Anthropic remet le couvert avec une nouvelle version de son modèle IA le plus avancé (hors Mythos). Opus 4.8 inaugure une nouvelle fonction pour améliorer la prise en charge des requêtes très complexes, réduire les erreurs, ainsi qu’un nouveau mode « fast » pour brûler moins de tokens.

Impossible d’arrêter le feu roulant des nouveaux modèles chez Anthropic. Opus 4.7 remonte au 16 avril, mais il est déjà passé de mode : son successeur, Opus 4.8, a en effet été annoncé par le labo IA. Le modèle apporte des améliorations « modestes mais tangibles », affirme l’entreprise, à commencer par… une plus grande prudence quand il ne sait pas quelque chose.

Plus d’honnêteté, moins de tokens

Selon les testeurs cités par Anthropic, Opus 4.8 se montre plus honnête : il signale plus facilement ses incertitudes, évite les affirmations qui ne sont pas vérifiées et laisse moins passer de bugs sans les mentionner. « Un problème général avec les modèles d’IA, c’est qu’ils tirent parfois des conclusions hâtives, en affirmant avec assurance avoir progressé dans leur travail alors que les preuves sont minces », explique la startup. Elle affirme que le nouveau modèle est « environ quatre fois moins susceptible » de laisser des défauts non signalés dans le code, par rapport à son prédécesseur.

Autre nouveauté : une fonction expérimentale baptisée « dynamic workflows » pour Claude Code. Le modèle est en mesure de gérer de très gros projets logiciels en parallèle, ce qui lui permet de les découper en petits bouts, de lancer des centaines de sous-agents en simultané et de vérifier automatiquement les résultats avant de répondre. Anthropic donne en exemple une migration massive de bases de code contenant « des centaines de milliers de lignes ».

En termes de benchmarks, Opus 4.8 affiche des gains incrémentaux sur la plupart des tests (+ 4,9 points sur SWE-Bench Pro,+ 8,5 points sur Terminal-Bench…). Anthropic ne fait pas de bond spectaculaire ici, mais améliore l’existant par petites touches et maintient sa position sur les tâches agentiques. C’est cohérent avec la stratégie de la startup qui vise d’abord les développeurs et les entreprises : sur SWE-Bench Pro (agents de programmation), Opus 4.8 est loin devant GPT-5.5 et Gemini 3.1 Pro. Le modèle d’OpenAI reste cependant le patron sur Terminal-Bench, qui mesure des tâches très proches d’un vrai environnement développeur.

• La plupart des benchmarks de LLM ne s’appuient pas sur une méthode fiable

La brûlure des tokens

Un des changements les plus importants de cette nouvelle livrée est un réglage d’effort dans claude.ai et Cowork. L’utilisateur peut sélectionner le niveau de ressources à consacrer à une réponse : un effort « faible » retournera des réponses moins précises mais le processus de réflexion sera plus rapide et surtout moins coûteux, à l’inverse d’un effort plus élevé. Par défaut, Opus 4.8 est réglé sur un effort élevé, qui offre selon Anthrophic le meilleur équilibre entre « qualité et expérience utilisateur ».

Sur les travaux de code, ce niveau d’effort consomme le même volume de tokens qu’Opus 4.7 par défaut, « mais avec de meilleures performances ». Cette question des tokens est devenu très sensible, Opus 4.7 se montrant très gourmand en la matière. Une critique qui n’a pas échappé à Anthropic : les limites d’utilisation dans Claude Code ont été relevées pour les niveaux d’effort supérieurs.

• #Nextquick : Pourquoi et comment Opus 4.7 crame ses tokens beaucoup plus vite qu’Opus 4.6

Toujours dans cette même optique, Anthropic a révisé fortement à la baisse le coût du mode « rapide » pour Opus 4.8, désormais trois fois moins onéreux que son équivalent sur Opus 4.7. Ce mode, qui travaille 2,5 fois plus vite, revient maintenant à 10 dollars par million de tokens en entrée, et 50 dollars par million de tokens en sortie. C’est trois fois moins cher que pour les précédents modèles (30/150 dollars). Les tarifs pour un usage standard d’Opus 4.8 ne changent pas : 5 dollars par million de tokens en entrée, 25 dollars en sortie.

Enfin, fidèle à une stratégie marketing bien rodée, Anthropic fait miroiter le lancement « dans les prochaines semaines » de modèles grand public basés sur Mythos, le fameux LLM tellement balaise qu’il n’est distribué qu’au compte-goutte au travers du projet Glasswing.

L’entreprise explique que le développement de garde-fous avance bien. Ces mécanismes de sécurité seraient nécessaires pour éviter que les capacités de Mythos ne puissent servir aux pirates pour exploiter des failles. Ces nouveautés et cette agitation autour de Mythos est de bon aloi, alors qu’Anthropic s’apprête selon les rumeurs à se lancer en bourse d’ici la fin de l’année, alors même que l’entreprise vient de boucler une nouvelle levée de fonds record.

• Anthropic lève 65 milliards de dollars, avec une valorisation qui dépasse celle d’OpenAI