Une piste composée à la main, refusée pour IA générative, autorisée le lendemain, et personne pour dire pourquoi
Le 6 septembre 2026, un mois avant la sortie de mon EP Discomposed, mon distributeur m’a écrit que la deuxième piste ne serait pas distribuée. Motif : usage d’une intelligence artificielle générative entraînée sur des sources non licenciées. Le morceau, Second Movement, est composé note à note dans Ableton Live, sans un seul échantillon emprunté. J’ai contesté, j’ai envoyé mes fichiers de travail, et la piste a été autorisée le lendemain. Je n’ai jamais su ce qui l’avait fait signaler.
L’incident est clos, et il s’est bien terminé. Mais il dit quelque chose de la manière dont la musique est désormais triée avant même d’atteindre les plateformes. Voici ce qui s’est passé, ce que l’on sait des outils qui prennent ces décisions, et ce que j’en retiens pour la suite.
Le refus du 6 septembre, et l’autorisation du 7
Le message de TuneCore tenait en quelques lignes. La piste 2 était bloquée pour « IA générative entraînée sur des sources non licenciées ». Les cinq autres titres de l’EP passaient sans difficulté. Rien n’indiquait ce qui distinguait Second Movement des cinq autres, ni quel outil avait rendu ce verdict.
J’ai répondu avec ce que j’avais : le projet Ableton du morceau, les fichiers MIDI, une capture de la session et le certificat d’antériorité déposé sur Musicstart. Le lendemain, l’équipe de vérification des contenus autorisait la distribution. Ma relance pour comprendre le motif n’a jamais obtenu de réponse sur le fond.
Un jour d’attente, ce n’est rien. Mais le calendrier rendait l’incident sérieux. La sortie était fixée au 5 octobre, le titre d’ouverture devait être proposé aux éditeurs de playlists de Spotify une semaine plus tard, et toute modification après le 28 septembre ne remonte plus dans le Release Radar, la sélection hebdomadaire envoyée aux abonnés. Un blocage de deux ou trois semaines aurait imposé de retirer la piste, donc de changer la liste des titres d’un disque construit comme un arc en six étapes, ou de repousser la sortie et de reprendre toute la promotion. Pour un artiste indépendant, sans label pour appeler le distributeur, le temps de réponse compte autant que la décision.
Le détail qui compte est là : Discomposed ne contient aucun sample. Le détecteur n’a donc pas confondu une boucle achetée sur une banque de sons avec un contenu généré. Il a jugé sur autre chose, et ni le distributeur ni moi ne savons quoi. J’ai raconté la fabrication de ce disque dans la présentation de l’EP Discomposed.
Ce que TuneCore applique, et pourquoi
Le refus n’a rien d’arbitraire au sens de la règle. La politique de TuneCore sur l’IA générative est claire : le distributeur ne diffuse que la musique créée avec des modèles entraînés sur des données entièrement sous licence, et toute intervention d’un modèle entraîné sans licence rend le titre inéligible. La page ne dit rien, en revanche, de la façon dont ces titres sont repérés, ni de la marche à suivre pour contester.
Le contexte explique la fermeté. Le 30 avril 2026, TuneCore et sa maison mère Believe ont annoncé bloquer automatiquement les titres créés, en tout ou partie, sur des services d’IA non licenciés. Le PDG de Believe, Denis Ladegaillerie, a présenté leur détection comme fiable à 99 %, selon Music Business Worldwide. Les ayants droit poussent dans ce sens, et un distributeur qui laisserait passer des titres contrefaisants s’exposerait directement. Je ne conteste pas la règle. Je m’interroge sur l’outil qui l’applique.
Fiable à 99 %, mais mesuré par qui ?
Aucun distributeur ne publie de taux de faux positifs, c’est-à-dire la part de musique humaine prise à tort pour de l’IA. Les chiffres qui circulent sont ceux qu’annoncent les entreprises elles-mêmes. Deezer, le plus transparent, revendique une précision de 99,8 % et affirme signaler à tort moins d’un titre humain sur 10 000. Aucun de ces chiffres n’a fait l’objet d’un audit indépendant.
Les mesures extérieures sont plus prudentes. Une étude publiée en 2025 dans la revue scientifique TISMIR a testé un détecteur commercial, celui d’IRCAM Amplify : il classait à tort 4,7 % des morceaux humains comme générés par IA, et un simple rééchantillonnage suffisait à le tromper. Les chercheurs de Deezer reconnaissent eux-mêmes que les performances chutent dès qu’on modifie la hauteur, qu’on ajoute du bruit ou qu’on réencode le fichier.
Le problème tient à l’échelle. Deezer indique recevoir plus de 50 % de titres entièrement générés par IA certains jours. Face à de tels volumes, même un taux d’erreur très faible produit chaque jour des refus injustifiés. Un sur cent paraît négligeable dans un communiqué. Ce ne l’est plus quand c’est votre morceau.
Je ne suis pas le seul
En avril 2026, le groupe américain Zao a connu exactement le même scénario. TuneCore a signalé ses enregistrements inédits comme générés par IA. Le groupe a publié une capture de sa session de travail et un extrait du morceau, puis a expliqué ne pas réussir à joindre une personne capable d’expliquer l’accusation. Le signalement a été levé une fois l’affaire devenue publique, sans explication.
Même distributeur, même preuve par la session, même levée sans motif. Deux cas ne font pas une statistique, et je me garderai d’en tirer une loi. Ils montrent seulement que l’erreur existe, qu’elle se corrige quand on peut prouver sa fabrication, et qu’elle reste opaque dans les deux sens.
Pourquoi l’ambient serait plus exposé
Je n’ai aucune certitude sur ce qui a fait basculer Second Movement. Une hypothèse revient souvent : le distributeur iMusician estime que la musique instrumentale, ambient ou très traitée risque davantage d’être prise pour de la musique générée. C’est une opinion d’acteur du secteur, sans cas chiffré, mais elle a une logique.
Une nappe tenue pendant plusieurs minutes, des timbres de synthèse, peu de rythme et pas de voix : ce sont les caractéristiques de mon genre musical, et ce sont aussi celles qu’un modèle génératif reproduit le plus facilement. Un détecteur entraîné à repérer ces textures peut les confondre avec leur origine. Si l’hypothèse se vérifie, les musiques d’ambiance et d’imaginaire paieront plus que d’autres le prix de ce tri.
Ce qui a débloqué la piste : le dossier de fabrication
La piste est sortie en un jour ouvrable parce que je pouvais prouver comment elle avait été faite. Le projet Ableton daté du 12 juillet, les fichiers MIDI, une capture de la session et un certificat d’antériorité : aucun de ces éléments n’est décisif seul, mais ensemble ils racontent une fabrication humaine qu’un modèle ne produit pas.
J’en ai tiré une règle simple. Je constitue désormais ce dossier au moment où je termine un morceau, pas quand un problème survient : projet nommé, stems, esquisse d’origine, certificat. Une leçon secondaire, presque gênante : le fichier envoyé s’appelait « Sans titre » suivi d’une date. Un nom cohérent fait partie de la preuve.
Attention toutefois à ne pas confondre les démarches. Un certificat d’antériorité protège la paternité d’une œuvre ; il ne prouve pas qu’elle est humaine, et aucun détecteur ne consulte ces registres. Je reviendrai sur cette distinction, avec la déclaration des droits, dans un prochain article.
Ce qu’il faudrait changer
TuneCore a corrigé vite, et je le reconnais. Ce qui manque, c’est la transparence. Un refus devrait indiquer au moins la nature du signal détecté, une procédure de contestation documentée devrait être publique, et le taux de faux positifs de l’outil devrait être mesuré et publié, comme le font déjà les entreprises qui annoncent leurs taux de réussite. Reste la provenance des fichiers eux-mêmes : les générateurs commencent à les signer, mais cette signature disparaît dès le passage dans la station de travail.
Une autre voie existe, fondée sur la déclaration plutôt que sur la détection. Spotify s’appuie sur les crédits IA déclarés par les artistes via la norme DDEX, et précise que l’absence de crédit ne prouve pas l’absence d’IA. Le système n’est pas parfait non plus, mais il fait reposer la charge de la vérité sur celui qui la connaît. J’avais exploré le traitement de l’IA par les plateformes dans notre comparatif des cinq plateformes de streaming.
Écouter Second Movement, puis prolonger
Le plus simple reste d’écouter le morceau qui a été pris pour une machine, et de juger. Faites-le au casque, à volume modéré : ce sont des nappes lentes et des harmonies qui se déplacent peu à peu, c’est-à-dire précisément ce qui l’a peut-être rendu suspect. Second Movement est la deuxième piste de Discomposed, et l’EP est présenté avec mes deux albums dans la discographie commentée de Rê>ON. Pour l’entendre au milieu des pionniers de la musique électronique, la playlist Electronica – Electronic Music Anthology suit cette histoire des années 1950 à aujourd’hui.
Si votre musique a été signalée à tort, ou si vous travaillez du côté des distributeurs, écrivez-moi via la page contact : je compléterai cet article avec les cas documentés.
Chaque nouveau morceau de Rê>ON s’ajoute automatiquement à votre bibliothèque, le jour où il paraît. Suivre.
