l’application Suno ou les enjeux de la création musicale à l’âge de l’IA
Erwan Queinnec, maître de conférences des Universités en sciences de gestion, diplômé de l’Institut d’Études Politiques de Paris, rédacteur en chef du Journal des Libertés depuis 2026.
L’oeuvre d’art peut-elle sortir d’autre chose que d’un cerveau humain ? Oui et non. Oui dans la mesure où l’humanité s’est dotée d’un « cerveau annexe » dont les potentialités sont vertigineuses : l’ordinateur. Non dans la mesure où, en attendant que la science-fiction de l’ordinateur personnifié ne s’invite à la réalité, celui-ci demeure un outil, non un substitut, de la pensée. L’ordinateur sait traiter de l’information et peut, en ce sens, accomplir des opérations que nous qualifions de raisonnement, d’inférence, d’interprétation et, finalement, de création. De telles capacités se prêtent à une métaphore anthropomorphique que nous filerons volontiers dans cet article, sans jamais oublier que la production de cette « machine cognitive » se fait à partir d’une nourriture informationnelle et d’une infrastructure algorithmique dont l’humain demeure à l’origine.
On sait que l’ordinateur est un calculateur génial et qu’il a même été créé pour ça : car l’information que reconnaît l’ordinateur prend la forme de nombres (d’où la substitution du terme numérique – correspondant au mot anglais digital – à celui, plus daté, d’informatique). Mais peut-il être artiste, donc créateur ? De prime abord, c’est une gageure puisque l’ordinateur est un cerveau privé des perceptions dont se nourrit l’émotion humaine, matière première de la création artistique. Pour créer, il doit donc simuler des perceptions dans le langage qu’il reconnaît, celui des nombres.
Qu’à cela ne tienne : les pionniers de l’informatique ont non seulement créé l’ordinateur, ils l’ont très tôt conçu en tant qu’artiste. Ainsi, dès la fin des années 1940, les travaux de Turing ouvrent la voie à l’utilisation musicale des sons numériques (Copeland et Long, 2017). Et c’est en 1957 qu’est créée l’Illiac Suite pour quatuor à cordes, généralement considérée comme la première œuvre musicale composée avec l’assistance d’un ordinateur (Hiller et Isaacson, 1959). L’idée est donc précoce selon laquelle un ordinateur pourrait composer une oeuvre à partir d’une formalisation de la grammaire musicale. Dans les années 1980, déjà, certains travaux l’entrevoient tel un assistant de composition qui, muni d’une banque de données et d’algorithmes adéquats, pourrait composer sur la base d’instructions verbales (Roads, 1985) ; une suggestion prémonitoire, comme nous le verrons.
Car le chemin qui, en quelques décennies, mène de « l’ordinateur musicien » à l’intelligence artificielle générative (IAG) est purement et simplement incroyable. L’IAG permet aujourd’hui de composer un morceau polyphonique de plusieurs minutes à partir de quelques instructions formulées en langage naturel – un « prompt » – dans un style musical spécifié (ou non) ; c’est notamment ce que permet une application récente – Suno – moyennant un effort financier et cognitif que l’on peut qualifier de négligeable puisque l’application est d’une grande simplicité d’usage et peut être utilisée gratuitement. Cette application permet aussi de composer à partir d’un prototype mélodique aussi épuré que possible ou d’une maquette plus élaborée. Le résultat produit ne relève plus de la technologie proprement dite mais d’une forme de magie. Il suffit de consulter un forum d’utilisateurs de Suno pour constater l’émerveillement qu’ils en conçoivent.
Cette magie dit beaucoup de notre époque. Cet article survolera donc quelques questions fondamentales auxquelles elle renvoie. D’abord, bien sûr, le miracle technologique de ces dernières décennies, dont l’IAG est emblématique (première partie). Ensuite, la traduction de ce miracle technologique en succès économique, dont Suno fournira l’exemple (deuxième partie). On abordera ensuite les limites techniques et juridiques de cette révolution numérique (troisième partie) pour terminer sur les potentialités et les pièges de cette « création assistée par ordinateur », qui ne semble pas avoir de limite d’échelle (quatrième partie).
1. De l’ordinateur interprète à l’ordinateur compositeur :
Pour pouvoir composer de la musique, l’ordinateur doit d’abord comprendre ce dont il s’agit. Les premiers pas de l’ordinateur musicien s’appuient donc sur une génération symbolique de la musique : il s’agit de traduire des notes, hauteurs, durées, vélocités, rythmes, etc. en une matrice de nombres qui les décrivent aussi précisément que possible, de manière que l’ordinateur puisse les assimiler. Une fois muni de cet « appareil auditif » numérisé, un algorithme – ses « neurotransmetteurs » – lui permet non seulement d’assembler ce qu’il « entend » mais chemin faisant, d’y ajouter une suite sur la base de probabilités issues d’un « modèle » musical. L’algorithme peut par exemple apprendre, à partir de pièces polyphoniques de Jean-Sébastien Bach, les régularités statistiques qui caractérisent son écriture et générer de nouvelles séquences musicales dans un style comparable (Hadjeres et al., 2017).
Les progrès de la génération symbolique connaissent une étape décisive avec le fichier MIDI, dans les années 1980. Celui-ci est une sorte de partition numérique : il ne contient pas le son lui-même, mais des instructions – notes, durées, intensités, etc. – qu’il transmet à un instrument électronique, tel qu’un synthétiseur. Celui-ci produit un signal électrique à partir de ses instructions, et le transmet à un haut-parleur qui le transforme en vibrations mécaniques de l’air – autrement dit en signal acoustique – perceptibles par l’oreille humaine.
Cette génération symbolique a deux limites : elle ne code pas directement la chaleur du son – son timbre – un peu comme la voix métallique d’un robot qui formulerait des phrases sur un ton monocorde. Elle repose, de surcroît, sur une chaîne relativement longue de transmissions signalétiques (du numérique à l’électrique, de l’électrique à l’acoustique). Une autre voie consiste à travailler non plus seulement sur la représentation symbolique de la musique, mais directement sur le signal audio. L’ordinateur doit alors représenter numériquement non seulement une partition, mais le son lui-même. Ce progrès est indissociable de l’augmentation vertigineuse des capacités de calcul informatique. Car un son est une onde dont il faut pouvoir décrire, sinon tous, du moins un très grand nombre de points sous la courbe. À ce prix, le « tympan » de l’ordinateur en sort significativement amélioré. Conjointement, les algorithmes se complexifient : les réseaux neuronaux profonds améliorent progressivement la capacité de l’ordinateur à apprendre les régularités d’un corpus musical (Ji et al., 2024) puis les architectures dites transformers, fondées sur des mécanismes d’attention, permettent de mettre en relation des éléments éloignés d’une même séquence et d’en mieux saisir la structure (Le et al., 2025). Cette révolution algorithmique s’appuie notamment sur les réseaux neuronaux à multiples couches, dont l’architecture s’inspire très librement du fonctionnement du cerveau humain jusqu’à simuler la création elle-même.
Ces progrès parallèles de la génération symbolique – la compétence formelle du musicien classique – et de la génération audio – plus proche de l’improvisation d’un musicien de jazz – débouchent sur une formidable capacité de génération musicale. Les quelques décennies qui séparent l’ordinateur émettant quelques sons de celui capable de créer des morceaux polyphoniques sont donc celles d’une incroyable épopée technologique : augmentation vertigineuse des capacités de calcul et de stockage, développement des réseaux neuronaux profonds, circulation massive des données permise par Internet et, finalement, essor de l’IAG. Cette épopée est comme toute autre : exaltante et parsemée de défis qui sont ceux de l’époque.
2. Un exemple d’IAG musicale : l’application Suno
Suno est créée en 2022 à Cambridge (Massachusetts) par une équipe d’ingénieurs et de musiciens. Cette application propose un service appelé « text-to-music » : à partir d’un « prompt » (un petit texte) glissé dans l’encart prévu à cet effet, l’application produit un morceau musical auquel il est également possible de prescrire des paroles, un style, etc. (voir https://suno.com/discover). L’accès au service offert peut être gratuit ou payant : le premier permet de composer des morceaux élaborés correspondant à un usage occasionnel. Le second prend la forme d’abonnements correspondant à un usage plus intensif, allant de l’assistant de composition au studio numérique (accès aux différentes pistes d’un morceau). Les propositions musicales de Suno sont, par ailleurs, troublantes de crédibilité puisqu’elles reproduisent de façon harmonieuse tous les instruments d’un groupe ou d’un orchestre musicaux (guitare, cuivres, batterie, basse, etc.).
Cette potentialité technologique dispose d’un marché d’autant plus large qu’il est nativement mondial : en février 2026, l’application revendique deux millions d’abonnés payants et quelque 300 millions de dollars US de revenus annuels récurrents (Silberling, 2026). La progression de sa valorisation est tout aussi spectaculaire : estimée à environ 500 millions de dollars US en 2024, elle est portée à 2,45 milliards en novembre 2025 puis 5,4 milliards en juin 2026 (https://forgeglobal.com/suno_ipo/).
Ces chiffres vertigineux font écho à l’enthousiasme économique que suscite l’IAG en général. La start-up communique pourtant peu sur sa technologie et elle ne publie pas ses bénéfices, de sorte que sa valorisation dépend d’estimations d’autant plus spéculatives qu’il est difficile d’en discerner les fondamentaux d’un effet de bulle, que des conditions monétaires durablement accommodantes ont pu contribuer à alimenter.
Il reste qu’en matière de création et d’exécution musicale, l’IAG est source d’un gain de productivité prodigieux : pour un abonnement mensuel allant de 8 à 30 dollars US, un compositeur peut obtenir plusieurs versions instrumentées d’une création donnée, sous forme de fichiers numériques prêts à la diffusion commerciale. Le même service produit artisanalement – location d’un studio, emploi de musiciens et d’ingénieurs du son, etc. – porterait le coût de revient d’un morceau à quelques milliers de dollars américains. On peut évidemment supposer que la qualité d’un bon enregistrement studio demeure supérieure à celle d’un fichier numérique, d’autant que la composition assistée par ordinateur bute (encore) sur certaines limites techniques (voir plus loin). Pour autant, le rapport qualité-coût de ce que produisent les applications d’IAG musicale – Suno étant la Rolls-Royce d’un secteur en pleine efflorescence – est sans commune mesure avec ce qui lui préexiste.
3. Les limites techniques et juridiques de l’IAG :
L’IAG musicale produit donc un service que l’on peut sans hyperbole qualifier de « fabuleux ». Soit. Mais il faut aussi en cerner les limites, techniques et juridiques. Les premières sont vraisemblablement provisoires. Les secondes sont sans doute plus visqueuses, quoique indissociables des premières.
3-1. Limites techniques :
Les limites techniques de l’IAG tiennent essentiellement à son mode de production holistique, c’est-à-dire global. Considérons un prompt ainsi rédigé : « compose la chanson d’anniversaire de mon neveu Gabriel, de caractère espiègle et facétieux. Fais-moi une chanson enjouée, dans un style zouc ». Vous avez en tête une ritournelle qui conviendrait à votre projet : ce que produira l’IAG peut en être très éloigné, soit qu’elle interprète différemment votre demande, soit qu’elle n’en retienne qu’une partie. Il faudra alors préciser ou multiplier les instructions, lesquelles peuvent encore être ignorées ou mal interprétées par le modèle, comme l’observent Casini et al. (2026) sur un large échantillon d’usagers de l’IAG musicale. En somme, la machine « en fait largement à sa tête ». C’est pénalisant pour les compositeurs qui ont une idée précise de ce qu’ils veulent ; c’est inestimable pour ceux qui cherchent précisément à se laisser surprendre.
Cette production holistique de la musique entraîne d’autres contraintes : il est notamment difficile de modifier « localement » le morceau produit par la machine. Cependant, les applications de création musicale permettent aujourd’hui d’obtenir une douzaine de pistes correspondant à autant d’instruments d’un morceau. Il devient donc possible d’isoler, de remplacer ou de retravailler tel ou tel instrument parfois au prix, cependant, d’une altération de la qualité sonore de l’ensemble. L’IAG musicale travaille donc à améliorer la modularité de ses propositions.
Une dernière limite de l’IAG porte sur la structure du morceau. L’esprit humain capte naturellement ses régularités : il distingue les couplets du refrain et conçoit sans difficulté la récurrence des thèmes, motifs ou séquences qu’il contient. Malgré les progrès permis notamment par les architectures transformers, la machine éprouve davantage de difficultés à assurer cette cohérence sur la durée : il peut donc lui arriver de faire diverger un morceau plutôt que d’en respecter la récurrence.
Ces limites sont cependant celles d’un état donné de la technologie. Au regard des progrès fulgurants de l’IAG, il ne fait guère de doute qu’elles continueront de reculer. L’IAG offrira alors une double potentialité : celle de demeurer un outil de proposition musicale mais aussi un assistant aux ordres du compositeur.
3-2. Limites juridiques :
Les controverses juridiques suscitées par l’IAG musicale recouvrent trois questions distinctes : l’utilisation d’œuvres protégées pour l’entraînement des modèles et l’imitation éventuelle d’œuvres ou d’artistes existants, d’une part ; le statut juridique des œuvres produites et de leurs auteurs, d’autre part.
a. L’amont de la création digitale : données d’entraînement et problèmes d’imitation
Pour nourrir et entraîner leurs modèles, les applications d’IAG musicale ont besoin de bases de données : celles-ci constituent en quelque sorte leur « culture musicale ». Plus cette base est riche et diversifiée, plus les possibilités de proposition de l’application sont grandes. Il existe aujourd’hui plusieurs dizaines de bases de données musicales qui peuvent être symboliques — fichiers MIDI ou partitions numérisées —, audio, bi- voire multimodales. Elles consistent en des bibliothèques de morceaux et/ou de sons qui peuvent être labellisés, c’est-à-dire associés à un instrument, un style musical, un tempo, voire une émotion (Chen et al., 2024).
Dès lors, dans quelle mesure une œuvre musicale ou un enregistrement protégés peuvent-ils servir de données d’entraînement à un modèle d’IAG sans l’autorisation de leurs ayants droit ? La question est d’autant plus sensible que les applications commerciales demeurent généralement peu transparentes sur la composition exacte de leurs corpus d’apprentissage, ce qui nourrit les controverses relatives au consentement, à l’attribution et à la rémunération des créateurs (Tan, 2026). La réponse juridique à ce problème diffère entre les États-Unis et l’Europe. En restant volontairement général, le droit américain soumet notamment la licéité de l’utilisation d’œuvres protégées à l’appréciation du fair use, dont l’application est propre à chaque cas (US Copyright Office, 2025). Le droit européen encadre plus explicitement cette utilisation : la directive 2019/790 autorise sous certaines conditions la fouille de textes et de données, tout en permettant aux ayants droit d’y opposer une réserve. Dans les deux cas, l’application de ces principes à l’entraînement des modèles d’IAG demeure juridiquement disputée.
Une deuxième question, distincte, concerne l’imitation : dans quelle mesure l’IAG peut-elle reproduire le style, le timbre instrumental ou la voix caractéristiques d’un artiste ? L’imitation d’un style n’équivaut pas en elle-même à la reproduction d’une œuvre protégée, mais la frontière devient plus délicate lorsque la production reprend des éléments identifiables d’une œuvre existante. La reproduction de la voix d’un artiste soulève encore une question différente : au-delà du droit d’auteur proprement dit, elle peut mettre en jeu les droits attachés à la personnalité et à l’identité de l’interprète. Le développement de l’IAG tend ainsi à déplacer la question juridique de la seule protection des œuvres vers celle, plus générale, de l’identité artistique.
b. L’aval de la création digitale : le statut de l’oeuvre
Le problème se renverse à la sortie du modèle. Si une œuvre existante peut être juridiquement protégée contre certaines formes de reproduction ou d’utilisation, dans quelle mesure une création issue de l’IAG peut-elle être protégée ? Comment la distinguer d’un simple plagiat et, surtout, qui peut en être considéré comme l’auteur ? Un utilisateur qui formule un prompt très général et diffuse l’une des propositions produites par Suno se trouve-t-il dans la même situation que celui qui fournit sa propre mélodie, ses paroles, multiplie les instructions, sélectionne une version parmi des dizaines puis en retravaille certaines parties ? La frontière devient alors difficile à tracer entre génération automatique, curation et création humaine. La question juridique rejoint ainsi directement la question artistique : à partir de quel degré d’intervention et de sélection le choix humain devient-il lui-même un acte d’auteur ?
Plutôt que de voir son modèle d’affaires durablement menacé par cette incertitude juridique, Suno s’est montré proactif en concluant en novembre 2025 un accord avec Warner Music Group. Cet accord a mis fin au contentieux qui opposait les deux entreprises et conduit au développement de modèles lancés en septembre 2026, notamment fondés sur de la musique licenciée (https://about.suno.com/blog/introducing-v6). L’accord organise également le consentement et la rémunération des ayants droit (https://www.wmg.com/news/warner-music-group-and-suno-forge-groundbreaking-partnership). Cette solution est économiquement remarquable : alors que la technologie brouille les frontières de la propriété intellectuelle, elle peut simultanément susciter l’apparition de nouveaux marchés de droits et de licences au demeurant consubstantiels à l’économie de l’innovation (Baumol, 2002). L’ordre du contrat pourrait ainsi, au moins partiellement, se substituer à celui du contentieux — sans naturellement abolir le cadre juridique dans lequel ces contrats s’inscrivent.
4. L’IAG musicale : quelle portée socio-économique ?
L’IAG révolutionne la création musicale en abaissant considérablement – presque incommensurablement – son coût de production. Elle donne donc un gigantesque coup d’accélérateur à une démocratisation de la production d’oeuvres qui, par ailleurs, correspond à une tendance de fond. En effet, l’industrialisation avait déjà contribué à réduire les barrières économiques opposées à la pratique musicale : dès le XIXe siècle, la production en série d’instruments tels que le piano élargit progressivement l’accès à la pratique musicale au-delà des classes privilégiées (Carnevali et Newton, 2013). Au XXe siècle, la musique populaire amplifie ce mouvement, tandis que l’électronique puis l’informatique abaissent à leur tour le coût de l’instrumentation, de l’enregistrement et de la production (Leyshon, 2009). L’IAG constitue la dernière étape en date de ce processus : après avoir rendu les instruments puis les moyens de production plus accessibles, le progrès technique porté par l’économie de marché lève désormais certaines des barrières de compétence technique qui séparaient l’auditeur du musicien (Tan, 2026). Il y a évidemment là un effet de « destruction créatrice » qui, menaçant maints métiers de conception et de traitement de l’information, s’applique aussi à ceux de la musique.
Cette démocratisation n’est donc pas sans contreparties. À l’effet de substitution dont certaines activités de la profession musicale pourraient pâtir, correspond symétriquement un risque inflationniste lié à un trop-plein d’œuvres musicales. L’enjeu serait alors moins de créer que de faire connaître ce que l’on crée, donnant la part belle aux compétences communicationnelles plutôt que réellement artistiques[1]. Les jeunes générations ne s’y trompent d’ailleurs pas : 59% des membres de la génération Z deviendraient ainsi influenceurs s’ils en avaient l’occasion (Morning Consult, 2019).
Mais la baisse spectaculaire du coût de la création ne modifie pas seulement les conditions de l’offre artistique : elle en modifie aussi les usages. En rendant accessible à presque tous une activité créative aussi gratifiante que chronophage, l’IAG pourrait contribuer à augmenter la « désutilité marginale » du travail au bénéfice du loisir et, en l’occurrence, d’un loisir favorisant le quant-à-soi. Cette hypothèse demeure spéculative mais rencontre un certain nombre d’intuitions quant au rapport des jeunes générations au travail, au temps libre et aux outils numériques. On peut en concevoir une inquiétude civilisationnelle ou, au contraire, y voir l’aiguillon d’un questionnement légitime du travail salarié, à même de le réinventer. Il est en tout cas possible qu’une partie des gains de productivité attendus hier d’Internet ait été absorbée par les nouveaux usages de loisir qu’il rendait simultanément possibles. Les estimations qui prêtent aujourd’hui à l’IA un effet de levier considérable sur la productivité — de l’ordre de +0,8 à +1,3 point de croissance annuelle (Aghion et Bouverot, 2024) — pourraient buter sur le même écueil.
Faut-il craindre que l’IAG consacre l’avènement d’un quant-à-soi devenu extrêmement jaloux du temps que lui soutirerait la « vie en société » plutôt que d’y voir un vecteur de progrès économique ? La question mérite sans doute d’être posée à condition de ne pas en exagérer la portée au vu d’évolutions qui ne l’ont manifestement pas attendue, et ce d’autant que l’inquiétude d’un retrait social de l’individu semble au moins aussi vieille que la modernité ; Tocqueville ne déplorait-il pas de voir « une foule innombrable d’hommes semblables et égaux, qui tournent sans repos sur eux-mêmes, pour se procurer de petits et vulgaires plaisirs, dont ils emplissent leur âme. Chacun d’eux, retiré à l’écart, est comme étranger à la destinée de tous les autres : ses enfants et ses amis particuliers forment pour lui toute l’espèce humaine[2] ». Si le potentiel addictif de l’IAG existe – au point éventuellement d’emporter jusqu’aux « enfants et amis » – sans doute faut-il se garder d’en tirer les conséquences dystopiques dont notre débat public semble si friand. L’IAG défie incontestablement l’organisation et le contenu du travail salarié, donc l’arbitrage travail-loisir, a fortiori quand le premier rapporte aussi peu – notamment du fait des taxes qu’il supporte – quand le second devient aussi gratifiant. Peut-être accentuera-t-elle le repli narcissique qui semble confusément à l’oeuvre dans nombre de pays riches. Cependant, l’IAG se nourrissant de créations humaines accumulées, elle constitue aussi une forme d’intelligence collective mise à la disposition de chacun (Tan, 2026). Rien n’interdit donc qu’elle fasse levier sur l’intelligence naturelle pour inventer de nouvelles formes de sociabilité et prolonger cette formidable épopée de l’espèce humaine que constitue l’acte de création.
Bibliographie
Aghion, P. & Bouverot, A. (dir.) (2024), IA : notre ambition pour la France, Rapport de la Commission de l’intelligence artificielle, Paris.
Baumol, W. (2002), The Free-Market Innovation Machine : Analyzing the Growth Miracle of Capitalism, Princeton University Press, Princeton.
Carnevali, F. & Newton, L. (2013), “Pianos for the People: From Producer to Consumer in Britain, 1851–1914”, Enterprise & Society, 14(1), p. 37–70. DOI: 10.1093/es/khs042
Casini, L., Cros Vila, L., Dalmazzo, D., Kaila, A.-K. & Sturm, B. L. T. (2026), “Data-Driven Analysis of Text-Conditioning in AI-Generated Music: A Case Study with Suno and Udio”, Transactions of the International Society for Music Information Retrieval, 9(1), p. 194–209.
Chen, Y., Huang, L. & Gou, T. (2024), “Applications and Advances of Artificial Intelligence in Music Generation: A Review”, arXiv:2409.03715v1 [cs.SD], 3 septembre 2024
Copeland, B. J. & Long, J. (2017), “Turing and the History of Computer Music”, in Floyd, J. & Bokulich, A. (eds.), Philosophical Explorations of the Legacy of Alan Turing, Boston Studies in the Philosophy and History of Science, vol. 324, Springer, p. 189–218.
Directive (UE) 2019/790 du Parlement européen et du Conseil du 17 avril 2019 sur le droit d’auteur et les droits voisins dans le marché unique numérique, Journal officiel de l’Union européenne, L 130, 17 mai 2019.
Hadjeres, G., Pachet, F. & Nielsen, F. (2017), “DeepBach: A Steerable Model for Bach Chorales Generation”, Proceedings of the 34th International Conference on Machine Learning (ICML 2017), Proceedings of Machine Learning Research, vol. 70, p. 1362–1371.
Hiller, L. A. & Isaacson, L. M. (1959), Experimental Music: Composition with an Electronic Computer, New York, McGraw-Hill.
Ji, S., Yang, X. & Luo, J. (2024), “A Survey on Deep Learning for Symbolic Music Generation: Representations, Algorithms, Evaluations, and Challenges”, ACM Computing Surveys, 56(1), Article 7, p. 1–39. DOI: 10.1145/3597493.
Le, D.-V.-T., Bigo, L., Herremans, D. & Keller, M. (2025), “Natural Language Processing Methods for Symbolic Music Generation and Information Retrieval: A Survey”, ACM Computing Surveys, 57(7), Article 175, p. 1–40.
Leyshon, A. (2009), “The Software Slump?: Digital Music, the Democratisation of Technology, and the Decline of the Recording Studio Sector within the Musical Economy”, Environment and Planning A, 41(6), p. 1309–1331. DOI: 10.1068/a40352
Morning Consult (2019), The Influencer Report: Engaging Gen Z and Millennials, Morning Consult, October 2019, 33 p.
Roads, C. (1985), “Research in Music and Artificial Intelligence”, Computing Surveys, 17(2), p. 163–190.
Silberling, A. (2026), “AI music generator Suno hits 2M paid subscribers and $300M in annual recurring revenue”, TechCrunch, 27 février 2026.
Tan, S. (2026), “Are We All Musicians Now? Authenticity, Musicianship, and AI Music Generator Suno”, Journal of AI, 10, p. 105–128. DOI: 10.61969/jai.1886128.
U.S. Copyright Office (2025), Copyright and Artificial Intelligence, Part 3: Generative AI Training, Pre-Publication Version, Washington, D.C., May 2025.
[1] À ce propos, voir aussi l’article de Lanos et Le Noan, dans ce numéro.
[2] De la Démocratie en Amérique, tome 2, NRF, p. 324.
