J’ai fait composer de la musique au cerveau d’une mouche du vinaigre. Voici ce qui s’est passé.

INTRODUCTION

J’ai demandé à une mouche du vinaigre de composer de la musique.

Je lui ai donné un cerveau, un genre musical et une consigne toute simple :

Compose quelque chose qui sonne bien.

Quelques instants plus tard, elle avait produit un morceau.

Pas une succession de bips aléatoires. Pas une simple conversion des impulsions neuronales en notes.

Une véritable structure musicale.

D’où cette première question, assez naturelle :

Comment une mouche du vinaigre peut-elle savoir composer de la musique ?

La réponse courte : elle n’en sait rien.

Mais pour comprendre pourquoi, il faut regarder ce qui se passe à l’intérieur de la machine.

1. LA MOUCHE

Une mouche du vinaigre n’a, a priori, aucune raison de composer de la musique.

Elle n’a pas évolué pour écrire des mélodies. Elle ne comprend pas l’harmonie. Elle n’a jamais écouté un morceau de house en se disant : « Ce kick manque de punch. »

Son cerveau a évolué pour résoudre des problèmes bien plus concrets : voir, se déplacer, percevoir son environnement, trouver de la nourriture, éviter les dangers et survivre.

Mais derrière toutes ces fonctions se cache quelque chose de fascinant : un immense réseau de neurones interconnectés.

Si l’on parvient à reconstituer ce réseau, rien n’oblige à le réserver aux fonctions pour lesquelles l’évolution l’a façonné.

C’est là qu’une idée m’est venue.

Et si je prenais le schéma des connexions cérébrales d’une mouche pour l’appliquer à un problème totalement différent ?

Et si ce problème était la musique ?

2. LE CERVEAU

La composante biologique du système provient de FlyWire, un projet qui reconstitue les connexions du système nerveux de la drosophile sous la forme d’un connectome numérique.

Pour cette expérience, j’ai utilisé le jeu de données FAFB v783 et un sous-réseau de travail de 8 192 neurones, avec leurs connexions synaptiques réelles.

Le compositeur dispose ainsi d’un élément inhabituel : un réseau issu de connexions biologiques réelles, plutôt qu’un réseau de neurones artificiels conçu spécialement pour la musique.

Les neurones forment un graphe orienté. Une activité simulée peut se propager dans ce graphe, et la dynamique qui en résulte intervient dans les décisions du système.

Mais il restait un problème de taille.

Le cerveau de la mouche ne connaît absolument rien à la musique.

Impossible de simplement raccorder les neurones à un synthétiseur et d’attendre le prochain tube.

L’activation d’un neurone ne signifie pas « joue un accord de do mineur ». Celle d’un autre ne veut pas dire « place le kick sur le quatrième temps ». Ce réseau biologique n’a aucune raison de connaître ces notions.

Au lieu d’exiger de la mouche qu’elle comprenne la musique, j’ai donc construit un environnement musical autour de son réseau.

3. DONNER UN LANGAGE MUSICAL À LA MACHINE

Avant de pouvoir explorer des idées, le compositeur a besoin d’un vocabulaire.

Une partie de ce vocabulaire provient de corpus MIDI et MusicXML.

• MAESTRO v3.0.0 fournit des interprétations pianistiques et des relations musicales qui aident le système à modéliser l’harmonie, la mélodie, la conduite des voix, le placement temporel et d’autres structures musicales symboliques.
• Groove MIDI v1.0.0 apporte des interprétations humaines de batterie et les variations de placement qui rendent un rythme moins mécanique.

Mais le MIDI a ses limites.

Il décrit les événements musicaux, sans restituer entièrement ce à quoi un morceau abouti d’un genre donné ressemble à l’écoute.

J’ai donc ajouté un nouvel élément.

Des morceaux de référence.

Je peux désormais placer de véritables morceaux dans des dossiers propres à chaque genre et laisser le compositeur les analyser.

Plutôt que de définir manuellement le rythme ou le profil énergétique de la house, le système extrait des caractéristiques des fichiers audio pour construire une représentation condensée du genre.

Il examine notamment le rythme, l’activité des basses, les caractéristiques harmoniques et mélodiques, la densité, l’arrangement, la construction des phrases et l’énergie.

Il ne s’agit pas d’un modèle de génération audio préentraîné.

C’est une sorte d’empreinte statistique du fonctionnement musical des références.

4. PASSER À LA COMPOSITION

C’est ici que toutes les pièces du système se rejoignent.

Imaginons que le compositeur commence un nouveau morceau de house.

D’abord, le réseau FlyWire entre en activité.

Cette activité influe sur les choix du compositeur : tempo, tonalité, possibilités musicales et pistes explorées pendant la génération.

Le système commence alors à proposer des idées musicales candidates.

Pas une seule.

Une multitude.

Motifs. Phrases. Progressions d’accords. Lignes de basse. Patterns de batterie.

Certaines semblent prometteuses.

D’autres sonnent franchement mal.

La plupart se situent entre les deux.

C’est à ce moment que la machine reçoit, en quelque sorte, un second cerveau.

Le critique

Chaque proposition est évaluée automatiquement.

Le module d’évaluation examine plusieurs dimensions : harmonie, mélodie, rythme, structure des phrases, forme, tension, originalité, conduite des voix, adéquation aux caractéristiques musicales apprises et, surtout, l’identité du genre.

Un morceau agréable à l’écoute, mais qui ne ressemble pas du tout au genre demandé, ne suffit plus.

Le système doit produire une musique reconnaissable dans son univers stylistique.

Les propositions les moins convaincantes sont écartées.

Les meilleures sont conservées.

Puis elles évoluent

Les propositions retenues subissent des mutations avant d’être réévaluées.

Une phrase peut changer.

Un motif de basse peut se déplacer.

Un accent de batterie peut apparaître ou disparaître.

Un accord peut être modifié.

La nouvelle version repasse alors devant le module d’évaluation.

Générer → Évaluer → Sélectionner → Modifier → Recommencer

Le processus se répète sur plusieurs générations, à la recherche de structures musicales répondant de mieux en mieux aux différentes exigences du système.

5. LA MACHINE ANALYSE DÉSORMAIS LE SON D’UN GENRE

C’est l’une des évolutions majeures de la nouvelle version du compositeur.

Les morceaux de référence ne restent pas simplement dans un dossier pour être écoutés par un humain.

Le programme les analyse.

Leurs caractéristiques rythmiques peuvent influencer le placement effectif des notes. Leurs profils énergétiques peuvent orienter l’évolution de l’arrangement. Les informations de référence peuvent aussi être transmises à l’acteur FlyWire comme contexte supplémentaire.

Ainsi, une référence house peut orienter la machine vers les rythmes, la densité et les variations d’énergie observés dans les morceaux de house fournis.

Le même principe peut s’appliquer à d’autres genres.

Une distinction importante apparaît alors.

On ne se contente pas de dire au compositeur :

« Voilà de la house. Maintenant, fais de la house. »

On lui fournit des exemples audio du résultat visé, dont il extrait des caractéristiques mesurables.

Cette représentation apprise devient ensuite un facteur supplémentaire dans le processus de composition.

Pourquoi c’est important pour la musique house

Cette évolution s’est révélée particulièrement importante pour la musique house et la musique french house.

Les premières versions pouvaient produire une musique cohérente, mais qui évoquait davantage la lounge ou une électronique générique qu’un morceau conçu pour le dancefloor.

La nouvelle version accorde beaucoup plus de poids à l’identité stylistique.

Les harmonies house s’articulent autour de phrases répétées plus resserrées. Le pattern de kick sert de repère stylistique. Les claps et les caisses claires soulignent le backbeat. Les charlestons à contretemps et les percussions peuvent suivre les rythmes extraits des références. Les mouvements de basse sont orientés vers un groove plus nettement dansant.

L’arrangement compte lui aussi.

Un morceau de dance ne se résume pas à de bonnes notes. Il lui faut du mouvement : introduction, montée en tension, sections principales, break et reprise.

La nouvelle couche d’arrangement s’appuie donc sur le profil énergétique appris tout en conservant une structure clairement pensée pour le dancefloor.

6. ALORS… LA MOUCHE A-T-ELLE VRAIMENT COMPOSÉ LE MORCEAU ?

Non.

Il n’y a pas de petit Mozart à six pattes caché dans l’ordinateur.

Le cerveau de la mouche n’écoute pas le morceau pour décider s’il aime le refrain.

Il ne comprend pas la house.

Il ne comprend pas les accords.

Il ne comprend pas du tout la musique.

Et c’est précisément ce qui rend l’expérience intéressante.

Le connectome est utilisé comme un substrat de calcul d’origine biologique au sein d’un système beaucoup plus vaste.

Les corpus musicaux apportent des relations symboliques apprises.

Les morceaux de référence fournissent des empreintes statistiques propres aux genres.

Les règles musicales délimitent les possibilités.

Le réseau FlyWire oriente l’exploration.

Le module critique évalue les résultats.

Le processus évolutif conserve les meilleures idées et les transforme.

Le morceau ne vient donc pas du seul cerveau de la mouche.

Il résulte de l’interaction de tous ces composants.

La mouche ne sait pas ce qu’est la musique.
Elle n’en a pas besoin.

7. CE QUE CETTE EXPÉRIENCE MONTRE RÉELLEMENT

Cette expérience ne démontre pas que les drosophiles sont secrètement musiciennes.

Elle met en évidence une possibilité bien plus intéressante.

On peut reconstituer numériquement l’architecture d’un réseau neuronal biologique et l’utiliser dans un environnement informatique radicalement différent de sa fonction d’origine.

Ici, cet environnement est un générateur de musique.

L’essentiel n’est pas qu’un composant puisse composer à lui seul.

C’est ce qui se produit lorsqu’on les associe.

• FlyWire fournit une topologie neuronale issue du vivant et une dynamique de réseau simulée.
• Les corpus musicaux apportent des connaissances musicales symboliques.
• Les morceaux de référence fournissent des exemples mesurables du son et du comportement propres à chaque genre.
• Le module critique exerce une pression de sélection.
• L’évolution explore l’immense espace des compositions possibles.

Aucun de ces éléments ne constitue, à lui seul, un compositeur complet.

Ensemble, ils peuvent produire quelque chose qu’aucun n’obtiendrait isolément.

8. MAIS EST-CE QUE ÇA SONNE BIEN ?

Sur ce point, je préfère être franc.

Toutes les générations ne sont pas réussies.

Certaines sont étonnamment convaincantes.

D’autres sont répétitives, maladroites ou passent complètement à côté du genre visé.

C’est normal. Le système explore un espace musical immense, et son module d’évaluation ne fait qu’approcher le jugement musical humain.

Ce n’est pas Suno.

Ce n’est pas non plus un producteur professionnel.

Et je n’ai jamais cherché à prétendre le contraire.

Le but était de répondre à une question bien plus insolite :

Le réseau de connexions d’un cerveau biologique peut-il participer à un système qui crée quelque chose pour lequel ce cerveau n’a jamais évolué ?

Pour l’instant, les résultats semblent indiquer que oui.

9. LA CONSTRUCTION DU PROJET

La réalisation a été nettement moins spectaculaire que ne le laisse penser l’idée finale.

Le projet a nécessité une semaine entière de développement et plus de 7 000 lignes de Python.

Il associe des bibliothèques et des systèmes dédiés à la musique symbolique, au calcul numérique, au traitement scientifique, à la connectivité FlyWire, au décodage audio, à l’apprentissage persistant, à l’analyse des genres, à la recherche évolutive, à la génération MIDI et au rendu audio de qualité professionnelle.

Le compositeur conserve également un état d’apprentissage persistant, afin d’accumuler des connaissances sans repartir de zéro à chaque exécution.

Il a fallu des centaines d’essais pour découvrir ce qui fonctionnait et, peut-être surtout, ce qui sonnait terriblement mal.

Ce dernier point est essentiel.

Concevoir un système capable de générer des notes est relativement facile.

En concevoir un qui produit de la musique qu’on a réellement envie d’écouter est bien plus difficile.

10. ET MAINTENANT ?

Le système reste, à ce stade, expérimental.

Le réseau biologique pourrait s’étendre ou se spécialiser. La mémoire musicale pourrait s’enrichir. Les représentations tirées des références pourraient devenir plus fines. Le module critique pourrait mieux saisir ce qui rend une composition réellement captivante, au-delà de sa seule validité technique.

Et il existe une perspective encore plus vaste.

La musique n’est peut-être qu’un début.

Si l’on peut intégrer une architecture neuronale biologique à un système créatif, que pourrait-elle faire d’autre ?

Générer des images ?

Créer des sons ?

Piloter des comportements dans un jeu ?

Résoudre des problèmes d’optimisation ?

Ou quelque chose que personne n’a encore imaginé ?

Nous concevons habituellement des systèmes artificiels inspirés des cerveaux biologiques.

Cette expérience adopte une autre approche.

Et si, au lieu de simplement imiter l’intelligence biologique, nous commencions à utiliser ses structures réelles
comme support de calcul ?

Pour l’instant, la mouche a trouvé un nouveau travail.

Elle fait de la musique.