Le test de Turing-Parker : un ordinateur peut-il improviser comme Charlie Parker ?

Il y a quelques semaines, il a beaucoup été question du fameux « test de Turing » de l’intelligence artificielle, où un algorithme essaye de tromper un humain au cours d’une conversation, en se faisant passer pour un autre humain.

Aujourd’hui je voudrais vous parler d’un autre domaine où les ordinateurs essayent de surpasser les humains : celui de l’improvisation musicale.

Il y a pas mal d’années – à l’époque où la musique occupait plus mes loisirs que la science – je jouais (entre autres) avec un excellent pianiste/informaticien qui m’avait parlé d’un algorithme capable d’imiter les improvisations de Charlie Parker.

Aujourd’hui j’ai voulu creuser cette question [Benjamin, si tu me lis, merci pour l’inspiration !]

L’improvisation en jazz

L’improvisation est une pratique inhérente à presque tous les styles musicaux. On la retrouve dans le rock, la pop, le blues mais aussi le classique où les grands compositeurs étaient également dit-on des improvisateurs de talent (Bach, Mozart,… notamment). Mais c’est dans le jazz que l’improvisation tient probablement la place la plus importante.

Rappelons comment tout cela fonctionne. Traditionnellement les morceaux de jazz sont toujours joués selon la même structure. Le morceau est défini par une suite d’accords (« la grille »), sur laquelle est jouée une mélodie (« le thème »). L’image ci-dessous montre les premières mesures du grand classique Autumn Leaves (Les feuilles mortes).

Les notes constituent le thème, et les lettres et symboles au-dessus de chaque mesure représentent les accords. Quand on joue le morceau, on commence généralement par exposer le thème : l’un des instruments joue la mélodie et les autres accompagnent en suivant les accords. Puis vient le temps des solos : on continue à jouer la grille des accords, et les différents instruments improvisent selon un tour prédéfini. On peut répéter la grille autant de fois que nécessaire, le temps que tout ceux qui le souhaitent puissent improviser. Et en général on rejoue le thème pour conclure.

Avec une telle structure, l’improvisation constitue le plus souvent plus de la moitié des morceaux de jazz !

Qu’est-ce qu’improviser ?

L’improvisation peut se définir comme la création spontanée de contenu musical nouveau. Mais attention, ça ne veut pas dire qu’on peut ou doit faire n’importe quoi ! Comme dans tous les arts, l’improvisation jazz suit des règles.

Il existe tout d’abord des règles harmoniques : on ne peut pas jouer n’importe quelle note n’importe quand. Suivant le contexte (la tonalité du morceau, l’accord de la grille, etc.), certaines notes vont sonner mieux que d’autres, certaines vont créer des tensions, etc. De même il y a des figures rythmiques récurrentes, et d’autres qui n’ont presque aucun sens.

L’autre élément qui fait que l’improvisation n’est pas juste aléatoire, c’est bien sûr le style du musicien ! Tous les musiciens de jazz ont leurs propres habitudes, leurs façons de faire qui définissent un style. Là où Miles Davis fera quelque chose d’aéré avec des notes longues, Charlie Parker essayera de caser un maximum de notes dans chaque mesure comme si sa vie en dépendait [Disclaimer : en fait j’aime pas du tout Charlie Parker…]

Un des éléments du style, c’est aussi justement la capacité à briser de temps en temps les règles harmoniques supposées définir « ce qui sonne bien ». (Pour les fans, on peut penser à l’usage des accords M7b9 par Thelonious Monk par exemple).

La notion de grammaire

Lors d’une improvisation, la tâche principale du musicien consiste essentiellement à décider en permanence de quelle sera la prochaine note. Pour qu’un algorithme fasse de même et que ce soit vraiment de l’improvisation, il faut qu’il fasse appel au hasard.

Choisir la prochaine note, c’est principalement décider de sa hauteur et de sa durée. L’algorithme va donc devoir choisir au hasard parmi les hauteurs et les durées possibles. Il peut par exemple faire appel à une loi de probabilité

Probabilité(hauteur, durée)

qui donnerait la fréquence d’apparition de chaque type de note.

Mais nous venons de voir qu’à cause des règles harmoniques et des éléments de style, ce hasard ne peut pas être n’importe quoi. Les choix possibles pour la prochaine note vont dépendre de ce qui a déjà été joué, de l’accord sur lequel on est, de la position dans la mesure, etc. On peut capturer tout ça à l’aide de la notion de probabilité conditionnelle, en modulant la probabilité de la prochaine note en fonction du contexte. Avec la notion habituelle où P(A | B) désigne la probabilité de A sachant B, on cherche donc à définir

Probabilité(hauteur, durée   |   notes précédentes, accord, position, …)

Choisir ces probabilités, c’est définir ce qu’on appelle une grammaire. On peut définir des grammaires assez simples qui encodent les règles harmoniques de base (du genre telle note est interdite, etc.). Mais on peut aussi essayer de choisir des probabilités qui reflètent les styles des musiciens. Je vous l’ai dit, Charlie Parker va jouer beaucoup plus dense que Miles Davis, donc on peut s’attendre à ce que les probabilités d’apparition des notes courtes soient très différentes pour les deux.

Avec l’idée de probabilité conditionnelle et de grammaire, on peut comprendre comment capturer les différents styles des uns et des autres, et les faire imiter par un algorithme. Tout le problème, c’est qu’écrire une grammaire complète (c’est à dire la liste des probabilités) pour un musicien donné est extrêmement fastidieux !

L’apprentissage des grammaires

Heureusement, il y a une solution. Depuis des décennies déjà, il existe un format – le MIDI – permettant d’encoder la musique de manière simplifiée pour qu’un ordinateur soit capable de la comprendre et de la traiter. Il est alors possible de collecter des improvisations des grands maîtres en format MIDI, et de les donner à manger à notre algorithme pour qu’il apprenne tout seul les grammaires de Parker, Davis, etc.

J’écris ça comme si c’était facile, mais il s’agit d’outils algorithmiques qui peuvent être assez complexes, et que l’on retrouve dans ce champ de recherche appelé « apprentissage automatique » (machine learning). Hérité des grandes heures de l’intelligence artificielle, ce domaine cherche à créer des algorithmes capables de reconnaître des motifs récurrents dans des données, et à les apprendre pour pouvoir les restituer. Ces algorithmes (comme les plus connus : les réseaux de neurones) sont aujourd’hui utilisés partout : dans la détection des spams ou des fraudes, la reconnaissance des caractères ou des visages, et bien sûr le ciblage de la pub sur Internet.

En utilisant certains algorithmes d’apprentissage automatique sur les fichiers musicaux des grands jazzmen, on peut donc faire en sorte d’encoder leur style dans une grammaire, de manière à ce qu’un programme informatique puisse ensuite improviser en se basant sur cette grammaire.

Est-ce que ça marche ?

Si vous voulez vous rendre compte du résultat, vous pouvez vous tourner vers le logiciel Impro-Visor, créé par Robert Keller de l’Université de Harvey Mudd College. Il ne s’agit pas de la seule tentative, loin de là, mais celui-ci est léger et plutôt simple à utiliser. Et en plus il est libre !

Impro-Visor est déjà « pré-chargé » avec des grammaires de plusieurs jazzmen connus. Je me suis amusé à considérer la grille de Blue Bossa (un autre classique du genre), et à lui demander d’improviser « à la Miles Davis » puis « à la Charlie Parker ».

Ci-dessous, vous voyez les partitions obtenues. Même si vous ne lisez pas la musique, vous vous rendez compte que les styles sont différents, notamment la densité des notes.

Comment est le résultat, artistiquement parlant ? Clairement meilleur qu’un piètre improvisateur comme moi, mais loin du niveau des grands ! Mais après tout mon avis à moi ne vaut pas grand chose, alors Keller et ses collaborateurs ont fait une expérience un peu mieux contrôlée [1].

Ils ont considéré trois trompettistes (Freddie Hubbard, Clifford Brown et Miles Davis) et ont fait écouter à un panel de 20 personnes des vrais morceaux, et des improvisations réalisées selon les 3 grammaires correspondantes. Les sujets devaient essayer de faire correspondre chaque improvisation « informatique » avec une improvisation « réelle » des maîtres. Et 85% d’entre eux ont correctement identifié les imitations des 3 jazzmen !

Attention toutefois il ne s’agissait pas d’un véritable test à l’aveugle, puisqu’il était facile de différencier le vrai musicien de son imitation informatique.

D’après les auteurs, la principale faille des improvisations algorithmiques était notamment le manque de construction globale des solos. Si vous aimez la musique, vous savez qu’une belle improvisation est aussi beaucoup une affaire de gestion des tensions et de l’émotion sur l’ensemble du solo, et ça un ordinateur a encore du mal ! Mais on peut imaginer que des progrès soient faits dans les prochaines années.

Ainsi le vrai test serait de pouvoir tromper un jury de musiciens professionnels pour qu’ils ne sachent pas s’ils écoutent une vraie improvisation de Parker ou un imitation par un algorithme. Une sorte de test de Turing-Parker, donc ! Mais paradoxalement j’ai l’impression que ça intéresse moins les gens que le test de Turing !

Pour votre peine, je vous mets ma version préférée de Blue Bossa, par Michel Camilo

[youtube=https://www.youtube.com/watch?v=-0mNSP1452o]

Billets reliés, ici ou ailleurs

• Sur les mathématiques de la musique : pourquoi en musique 3^12 = 2^19;
• Sur les probabilités conditionnelles;
• Le blog d’Alexandre Popoff sur les mathématiques de la musique.
• Dans un autre genre : les travaux de l’IRCAM sur OMax, un logiciel qui apprend à co-improviser en temps réel !

Références

[1] Gillick, Jon, Kevin Tang, and Robert M. Keller. « Machine learning of jazz grammars. » Computer Music Journal 34.3 (2010): 56-66.

Crédits

Charlie Parker et Miles Davis, William Goetlieb, Public Domain, Wikimedia Commons