Thèse sous la direction de :
Gérard ASSAYAG - Directeur de recherche, IRCAM
Philippe ESLING - Maitre de conférences, IRCAM
Jérôme NIKA - Chercheur, IRCAM

Jury :
Nicolas BREDECHE - Professeur, CNRS
Pierre COUPRIE - Professeur, CHCSC
Dorien HERREMANS - Professeur, Singapore University
Florence LEVÉ - Maitre de conférences, Université de Picardie
Brian MCFEE - Professeur, New York University
(invité) Kazuyoshi YOSHII, Professeur, Kyoto University

Résumé :

Cette thèse étudie l'impact de l'introduction de propriétés musicales dans les modèles d'apprentissage machine pour l'extraction et l'inférence de structures musicales. De plus, elle traite de l'utilisation des connaissances musicales pour effectuer des évaluations qualitatives des résultats.

Dans ce travail, nous nous concentrons sur les accords musicaux puisque ce sont des objets fréquemment utilisées pour décrire les progressions harmoniques dans la musique occidentale. Ainsi, parmi la variété des tâches rencontrées dans le domaine de la recherche d'informations musicales (MIR), les deux principales tâches que nous abordons sont l'extraction automatique d'accords (ACE) et l'inférence de séquences de label d'accords.

Dans le cas des accords musicaux, il existe de fortes relations inhérentes d'un point de vue hiérarchique et fonctionnel. En effet, même si deux accords n'appartiennent pas à la même classe, ils peuvent partager la même fonction harmonique au sein d'une progression d'accords. Ainsi, nous avons développé un analyseur spécifiquement adapté qui se concentre sur les relations fonctionnelles entre les accords pour distinguer les erreurs fortes et faibles. Ici, nous définissons les erreurs faibles comme une mauvaise classification qui conserve la pertinence en termes de fonction harmonique.

Enfin, parmi d'autres applications musicales, nous présentons le développement d'un logiciel de co-improvisation capable d'extraire en temps réel des informations harmoniques puis d'inférer des séquences d'accords afin de guider la génération musicale.

Soutenance de thèse de Tristan Carsault