Lexique IA musique : 7 termes à comprendre

Un prompt décrit ce que l’IA doit produire. Une seed aide à relancer une génération dans les mêmes conditions. Les stems séparent des groupes sonores. L’inpainting régénère une zone. Le modèle vocal produit ou transforme une voix. Le watermark renseigne sur la provenance. La licence encadre les usages autorisés.

Les termes se ressemblent parfois dans les interfaces. Leurs effets, eux, ne sont pas interchangeables.

Terme	Définition courte	À ne pas confondre avec
Prompt	Consigne qui oriente une génération.	Une grammaire commune à tous les outils.
Seed	Valeur d’initialisation pseudo-aléatoire.	Une identité musicale permanente.
Stems	Groupes audio séparés ou sous-mixages exportés.	Les pistes individuelles d’une session.
Inpainting	Régénération d’une zone sélectionnée.	La restitution certaine d’une prise perdue.
Modèle vocal	Système appris pour produire ou transformer une voix.	Le clonage automatique d’une personne.
Watermark	Marque intégrée qui renseigne sur une provenance.	Les métadonnées ou Content ID.
Licence	Autorisation d’utiliser un logiciel, un modèle ou un contenu sous conditions.	La propriété et l’exclusivité.

Que signifie un prompt en musique IA ?

Un prompt est une description donnée à une IA pour orienter le contenu produit. En musique, il peut préciser le genre, l’ambiance, les instruments ou le thème. Sa portée dépend du modèle et du mode de saisie choisi.

Une demande comme « folk acoustique calme, guitare douce et cordes discrètes » donne une direction. Elle ne décrit pas une partition complète. Le guide de formulation d’Udio distingue le texte libre, les genres et les étiquettes.

Udio documente aussi un mode manuel qui utilise des étiquettes exactes, sans texte libre ni enrichissement automatique. Une formulation efficace dans ce mode ne se transpose donc pas mécaniquement à un autre écran. Le guide musical de Suno suit une logique proche du vocabulaire de style, de texture, de structure et d’instrumentation, mais il s’agit de recommandations propres à son service.

Le prompt négatif décrit les éléments à exclure. L’API Lyria-002 de Google le documente sous le nom negative_prompt. L’exemple officiel demande une chanson folk acoustique calme, puis exclut la batterie et la guitare électrique. Cette fonction ne doit pas devenir une règle générale : la documentation de Lyria 3 Pro Preview indique une prise en charge différente.

Pour travailler proprement, notez le texte envoyé, le mode utilisé et le modèle sélectionné. Une même phrase peut produire des sorties différentes si l’interface enrichit automatiquement la consigne. Si vous partez d’une idée de refrain jusqu’au fichier final, le guide pour générer une chanson complète avec l’IA replace le prompt dans cette chaîne de travail.

À quoi sert une seed dans une génération musicale ?

Une seed est un nombre qui initialise des opérations pseudo-aléatoires. Avec le même prompt et les mêmes paramètres, elle peut aider un modèle à tenter de reproduire une sortie. Elle facilite surtout la comparaison entre deux essais. Elle ne fige ni le modèle, ni son environnement, ni le morceau comme une empreinte.

Dans l’API de génération musicale de Google, seed est un entier facultatif. Google indique que le modèle tentera de reproduire le même audio avec le même prompt et les mêmes paramètres. Dans cette requête, seed et sample_count ne peuvent pas être employés ensemble. La seed a donc un sens précis dans cette API, pas une signification universelle dans chaque générateur.

La limite apparaît quand on change de version ou de machine. La documentation PyTorch sur la reproductibilité précise qu’une reproduction complète n’est pas garantie entre versions, plateformes et exécutions CPU ou GPU. Deux exports portant la même seed peuvent donc diverger.

1. Conservez la seed avec le prompt et les paramètres.
2. Ne changez qu’un élément à la fois quand vous cherchez la cause d’une différence.
3. Comparez l’audio obtenu à l’oreille, car le nombre seul ne prouve pas l’identité des fichiers.

Elle permet de rouvrir une expérience dans un cadre donné. Elle ne vous donne pas une propriété musicale sur le résultat et ne remplace pas l’archivage des réglages.

Que sont les stems en production musicale ?

Un stem est un fichier audio qui regroupe une famille d’éléments d’un morceau, par exemple les voix, la batterie ou la basse. En production, il s’agit d’un sous-mixage exporté. Les multitracks sont les pistes individuelles utilisées pour mixer. Un stem peut être mono, stéréo ou multicanal.

La distinction est posée clairement dans l’article d’iZotope sur les stems et les multitracks, publié le 19 septembre 2024. Une piste de basse seule est une piste individuelle. Un stem basse peut réunir plusieurs prises ou traitements destinés à être manipulés ensemble. Le mot ne fixe donc ni le nombre de fichiers, ni leur largeur de canal.

Avec une séparation IA, le logiciel part d’un fichier déjà mélangé et estime des composantes. Le dépôt officiel de Spleeter documente trois découpages : voix et accompagnement ; voix, batterie, basse et autres ; voix, batterie, basse, piano et autres. La procédure à deux sorties produit notamment vocals.wav et accompaniment.wav.

Ces fichiers peuvent servir à préparer un remix, une répétition ou une écoute ciblée. Ils ne reconstituent pas une session multipiste originale. La séparation doit deviner ce qui était superposé dans le mix. Les réverbérations, les doublages et les fréquences partagées peuvent rester mêlés ou laisser des artefacts.

Avant de demander des « stems », vérifiez ce que le logiciel entend par là. Certains services nomment ainsi des sorties séparées à partir d’un master. Si vous disposez du projet de mixage, demandez plutôt les exports de groupes prévus par le producteur. Pour les usages et les limites de la séparation automatique, notre guide séparer voix et instruments IA entre dans le détail.

Qu’est-ce que l’inpainting audio ?

L’inpainting audio consiste à régénérer ou remplacer une portion sélectionnée d’un fichier en utilisant le reste comme contexte. Vous marquez une zone, le modèle propose du nouveau contenu, puis vous écoutez la jonction. Il s’agit d’une intervention locale. Une continuation, elle, ajoute du contenu après la fin de la source.

Le dépôt officiel de Stable Audio 3 illustre l’inpainting avec une sélection de 4 à 8 secondes. La régénération conserve le reste du fichier comme contexte. Dans l’exemple de continuation, la zone commence à 10 secondes et le fichier est prolongé jusqu’à 30 secondes. Ces minutages sont ceux des commandes publiées, pas ceux d’une vidéo.

Les interfaces n’emploient pas toujours le même mot. Dans son aide datée du 6 janvier 2026, Udio parle de remplacement d’une section et d’édition des paroles après sélection de la zone concernée. La fonction peut être voisine sans relever de la même implémentation. Lisez donc le verbe proposé par l’outil : remplacer, étendre, éditer ou continuer.

Le point pratique est celui-ci : l’inpainting ne retrouve pas forcément ce qui avait été enregistré. Il génère une nouvelle portion compatible avec le contexte disponible. Une consonne corrigée peut modifier le timbre de la phrase suivante. Une caisse claire remplacée peut changer la sensation du groove. Écoutez avant et après la zone, pas la seule sélection.

Qu’est-ce qu’un modèle vocal en IA ?

Un modèle vocal est un système appris qui transforme des entrées en sorties vocales. Pour comprendre ce qu’il fait, il faut préciser la tâche. Certains modèles synthétisent un chant à partir de notes et de paroles. D’autres transforment le timbre d’une voix enregistrée. Le mot « modèle » ne signifie donc pas « clone ».

Le glossaire de Google for Developers définit un modèle d’apprentissage automatique par sa structure et ses paramètres, qui transforment des entrées en sorties. Appliquée à la voix, cette définition reste large. Le nom du produit ne suffit pas à savoir si vous fournissez une mélodie, des paroles, un enregistrement ou plusieurs de ces éléments.

Synthesizer V de Dreamtonics donne un exemple de synthèse chantée. L’utilisateur saisit des notes et des paroles, choisit une voix, puis règle ses expressions. Dreamtonics indique que les voix reposent sur des enregistrements de chanteurs réels sous licence. Le flux de travail part d’une composition écrite, pas d’une voix de célébrité à imiter.

Vocoflex répond à une autre logique. Le logiciel transforme principalement le timbre d’une voix fournie. Sa documentation précise que la prononciation, le rythme et l’intonation de l’entrée restent déterminants. Une conversion vocale ne remplace donc pas une interprétation chantée par un système qui reçoit des notes et des paroles.

La question des droits arrive dès qu’une voix identifiable est en jeu. La licence de Vocoflex interdit de reproduire une voix puis de la publier sans permission. Elle prévoit une exception pour certains usages strictement privés, sans divulgation publique et sans atteinte aux droits des personnes. Cette exception ne couvre pas une mise en ligne.

Pour aller plus loin sur la différence entre synthèse, clonage et conversion, la page voix chantée IA adopte ces trois catégories. Ici, retenez le geste de départ : écrire une mélodie, fournir une interprétation ou changer un timbre ne crée pas le même objet sonore ni les mêmes questions d’autorisation.

Un watermark audio prouve-t-il qu’un morceau vient d’une IA ?

Un watermark est une marque intégrée à un contenu pour renseigner un système sur certaines informations de provenance. Dans l’audio, elle peut être inaudible. Elle sert à l’identification technique d’un contenu selon un dispositif donné. Elle n’attribue pas automatiquement un droit d’auteur et son absence ne prouve pas une origine humaine.

Google DeepMind présente SynthID comme un marquage intégré directement aux contenus générés, dont l’audio, et détectable par sa technologie sans être normalement perceptible. L’aide Gemini sur la vérification des contenus distingue ce filigrane des métadonnées, qui sont des informations associées au fichier.

Content ID de YouTube fonctionne encore autrement. Selon l’aide officielle sur le fonctionnement de Content ID, la plateforme compare les vidéos mises en ligne à une base de fichiers de référence transmise par des ayants droit. Une correspondance Content ID n’est donc pas la détection d’un watermark IA.

Il faut aussi rester prudent avec les promesses de marquage systématique. La page générale de SynthID décrit des audios générés et publiés par Lyria, tandis que la fiche de lyria-002 affiche le filigrane audio comme non pris en charge.

Les conditions de Suno, révisées le 10 août 2026 et applicables depuis le 3 septembre 2026, réservent à Suno la possibilité d’ajouter une empreinte, un watermark ou des métadonnées. Un fichier sans signal repéré ne permet donc pas, à lui seul, de trancher son origine.

Dans l’Union européenne, l’article 50 du règlement IA prévoit un marquage lisible par machine des sorties synthétiques, avec des exceptions. La Commission européenne indique une application de cet article à partir du 2 août 2026. Le texte n’impose pas exclusivement un watermark audio : le considérant 133 envisage aussi les métadonnées, les procédés cryptographiques et les empreintes.

Que couvre une licence pour un outil ou un modèle musical ?

Une licence est une autorisation d’utiliser un logiciel, un modèle ou un contenu selon des conditions déterminées. Elle ne signifie pas nécessairement propriété, exclusivité ou absence de droits de tiers. Pour un projet musical, il faut lire séparément la licence du code, celle des poids du modèle, les conditions du service et les droits attachés aux sons ou aux voix fournis.

AudioCraft fournit un cas qui oblige à distinguer les couches. Son dépôt public indique un code sous licence MIT et des poids de modèles sous CC BY-NC 4.0. La page Creative Commons de CC BY-NC 4.0 autorise le partage et l’adaptation avec attribution, mais interdit l’utilisation commerciale. D’autres droits peuvent rester à obtenir.

La disponibilité publique d’un modèle ne change pas ce périmètre. La fiche de MusicGen Small affiche une licence CC BY-NC 4.0.

Les règles de droit d’auteur ajoutent une autre couche. En France, l’article L131-3 du Code de la propriété intellectuelle, dans sa version en vigueur depuis le 3 juillet 1992, exige de distinguer les droits cédés et de délimiter l’exploitation selon l’étendue, la destination, le lieu et la durée. Cet article ne décide pas, à lui seul, si une production générée par IA est protégeable.

Aux États-Unis, le Copyright Office a indiqué le 29 janvier 2025 que la simple fourniture de prompts ne suffit pas à protéger les sorties générées. Une sélection, un arrangement ou des modifications créatives humaines peuvent participer à une protection. Cette position concerne le droit américain. Elle ne doit pas être présentée comme une décision française.

Les conditions d’un service peuvent enfin varier selon l’offre et la date. Les conditions actuelles de Suno, révisées le 10 août 2026 et applicables depuis le 3 septembre 2026, prévoient un usage personnel non commercial pour les comptes gratuits. Elles prévoient, pour Pro et Premier, une cession des droits détenus par Suno sous conditions, sans garantie qu’un copyright existe. L’exploitation commerciale exige notamment un téléchargement autorisé. Les Remixes réalisés avec les fonctions de collaboration visées restent non commerciaux, sauf offre distincte.

Une licence commerciale ne suffit pas non plus pour entrer dans Content ID. YouTube demande notamment des droits exclusifs sur les références utilisées, dans les territoires revendiqués. L’aide sur les contenus éligibles à Content ID précise qu’une licence non exclusive ne constitue pas, à elle seule, une référence éligible. Publication autorisée et revendication automatisée sont deux questions séparées.

Comment lire les conditions avant de publier un morceau IA ?

Avant une mise en ligne, vérifiez l’objet couvert par la licence, le type de compte et les droits des éléments ajoutés. Cette vérification prend quelques minutes. Elle évite surtout de confondre le droit d’utiliser un outil avec le droit de publier une voix, un échantillon ou une sortie dans tous les canaux.

1. Identifiez le périmètre. Notez si le texte concerne le logiciel, le code, les poids, les fichiers générés ou les contenus importés.
2. Relisez la règle attachée à votre offre. Un compte gratuit, un abonnement payant et un téléchargement autorisé peuvent avoir des usages différents.
3. Contrôlez les tiers. Une voix reconnaissable, une performance, un sample ou une référence musicale peut demander une autorisation qui ne vient pas de l’outil.
4. Archivez la preuve. Conservez la page de conditions, la date de consultation, l’offre utilisée, le prompt et les paramètres de génération.

Pour les modèles exécutés localement, la question se déplace vers le code, les poids et les fichiers que vous ajoutez. Le guide sur l’IA musique locale open source aide à séparer ces trois plans. Pour les droits propres aux productions générées, consultez aussi notre page sur les droits de la musique créée avec une IA.

Questions fréquentes sur le lexique IA musique

La même seed donne-t-elle toujours le même morceau ?

Non. Elle peut aider à reproduire une sortie avec le même prompt et les mêmes paramètres dans un cadre donné. PyTorch documente des écarts possibles entre versions, plateformes et exécutions CPU ou GPU. Une seed facilite une comparaison, mais ne garantit pas une copie bit à bit.

Les stems sont-ils les pistes originales du studio ?

Pas nécessairement. Un stem de production est un sous-mixage exporté. Une séparation IA produit une estimation à partir d’un mix déjà assemblé. Les multitracks, eux, désignent les pistes individuelles du projet de mixage.

L’inpainting récupère-t-il une prise supprimée ?

Non. Il régénère une zone sélectionnée à partir du contexte disponible. L’exemple Stable Audio 3 remplace une portion de 4 à 8 secondes. Une récupération fidèle de l’enregistrement original demanderait une source conservée, pas une génération.

Un watermark absent prouve-t-il que la musique est humaine ?

Non. Un détecteur a un périmètre. Gemini indique reconnaître actuellement les contenus issus des outils Google pour sa vérification SynthID et avertit que des modifications successives peuvent empêcher une détection.

Une licence commerciale autorise-t-elle automatiquement Content ID ?

Non. YouTube demande notamment des droits exclusifs sur les fichiers de référence utilisés pour les revendications. Une licence commerciale peut autoriser une publication tout en restant insuffisante pour l’admissibilité à Content ID.

Un modèle vocal est-il forcément un clone de chanteur ?

Non. Synthesizer V synthétise un chant à partir de notes et de paroles avec des voix basées sur des enregistrements sous licence. Vocoflex transforme surtout le timbre d’une voix fournie. Ces deux usages ne reposent pas sur la même entrée ni sur le même résultat.