Inside Deezer : comment le tagging IA soutient le modèle artist centric

Depuis l’automne 2023 et le lancement de son modèle artist centric, Deezer a vu monter un risque majeur avec l’arrivée massive de contenus générés par IA sur les plateformes de streaming. Alors que les modèles génératifs devenaient accessibles au grand public, la plateforme a choisi d’anticiper en développant en interne un système de détection et de tagging dédié, aujourd’hui au cœur de sa stratégie de lutte contre la dilution des revenus et la fraude au streaming.

Dans cet entretien, Ludovic Pouilly, SVP Institutional & Music Industry Relations chez Deezer, revient pour IDOL sur les motivations qui ont guidé ce travail, sur la manière dont il s’inscrit dans la continuité du modèle artiste centric, et sur les enjeux de transparence et de rémunération équitable à l’heure où 44% des nouveaux titres mis en ligne sont générés par IA.

Nous avons commencé à travailler sur la détection des contenus générés par IA au moment où nous avons lancé le modèle artiste centric. C’était en octobre 2023, nous anticipions déjà à ce moment-là la possibilité d’un afflux massif de contenus générés par IA, car les modèles génératifs devenaient accessibles au grand public, ce qui facilite la fraude.

Nos équipes Recherche & Développement ont développé des outils de détection qui sont devenus opérationnels fin 2024. Leur implémentation nous a permis de partager les premiers chiffres avec l’industrie dès janvier 2025, car il y avait une opacité totale sur ce phénomène. Nous avons pris les devants, car personne d’autre n’avait ce type d’outil à disposition.

Afin de prendre des décisions éclairées, nous avons rapidement eu besoin de données factuelles. Nous avons donc commencé à communiquer les chiffres dès janvier 2024. Le phénomène est massif : initialement, environ 10 % des contenus livrés quotidiennement étaient générés à 100 % par IA. Ce pourcentage est en constante augmentation, atteignant récemment 44%.

Notre philosophie chez Deezer est de favoriser la diversité musicale et la production locale. Elle guide autant nos réflexions sur les modèles de rémunération que nos travaux sur la fraude au streaming et, plus récemment, sur la détection des contenus générés par IA.

Quand on a adopté le modèle artist-centric, une des mesures a été de retirer les contenus non musicaux, qu’on appelle « bruit ». À nos yeux, ces contenus ne devaient pas être traités comme des œuvres musicales. Deezer est avant tout une plateforme de musique, c’est un choix assumé.

Nous avons donc retiré ces contenus du catalogue rémunéré, puis nous les avons remplacés par nos propres productions. L’idée était de ne pas dégrader l’expérience utilisateur, car ces contenus répondent à de vrais usages, comme les bruits blancs fréquemment utilisés pour aider les nourrissons à s’endormir. Ces contenus « maison » ne sont pas pris en compte dans le calcul des parts de marché et ne viennent donc pas diluer la rémunération des ayants droit.

Toujours dans cette logique de lutte contre tout ce qui dilue la rémunération des ayants droit, on s’est aussi rendu compte que la fraude était proportionnellement très importante sur ce type de contenus « bruit ». Nous en avons déduit qu’ils sont faciles à produire et donc particulièrement tentants pour les acteurs malveillants.

Paradoxalement, alors qu’on parle souvent de fraude dans le rap, il y en a très peu en proportion ; en revanche, sur ces contenus non musicaux, elle est massive. Aujourd’hui, on estime qu’environ 70% des streams générés par l’IA sont frauduleux. Ils sont donc exclus du pool des royalties.

Notre position est que si un utilisateur choisit d’écouter un titre généré par l’IA, c’est son choix. Par souci de transparence, nous l’informons que ces titres ont été générés par l’intelligence artificielle, mais nous ne les recommandons pas. L’utilisateur doit donc faire la démarche de les rechercher.

Une enquête que nous avons menée fin 2025 avec Ipsos a montré que 97% des auditeurs ne font pas la différence entre une création humaine et une création IA en termes de qualité. En revanche, ils demandent de la transparence sur ces contenus et estiment qu’ils ne devraient pas être rémunérés de la même manière que les créations humaines.

Nos premières mesures ont été de ne plus recommander ces contenus et de jouer la transparence, y compris vis-à-vis de l’industrie, en partageant nos chiffres. Nous restons ouverts à d’autres actions, mais elles seront toujours fondées sur des données solides.

Concrètement, le problème, c’est cette livraison en masse. Elle génère des coûts de stockage et de traitement importants pour des contenus dont 80% ne seront jamais écoutés et qui servent très souvent à la fraude. Pour y faire face, nous avons très tôt demandé à nos fournisseurs de ne pas nous livrer de contenus 100% IA.

Nous modifions actuellement notre politique pour renforcer cette position et demandons désormais à nos fournisseurs de signaler les contenus générés par IA, un processus qui prend du temps à mettre en place.

Si ces contenus ne sont pas recommandés, comme nous avons choisi de le faire, ils ne génèrent pas d’écoutes et la dilution reste limitée. À l’inverse, une plateforme qui les pousse via ses algorithmes crée mécaniquement de la dilution, surtout si son modèle de rémunération est basé sur le modèle market-centric.

Le combat, aujourd’hui, ce sont les usages détournés. Le copyright fraud, par exemple, quand la voix d’un artiste connu est utilisée pour capter des écoutes, cas qui relève du droit d’auteur et implique de supprimer les contenus. Ou encore des morceaux qui rencontrent un certain succès mais restent des remixes non autorisés d’œuvres préexistantes, comme ce que nous avons vu récemment autour de ‘Papaoutai’ de Stromae. Il y a une grande diversité de situations, que nous devons analyser très précisément.

Le partage de nos chiffres avec l’industrie a généré beaucoup de discussions au point que plusieurs acteurs nous ont demandé de mettre à disposition nos outils de détection. Ce n’est pas notre cœur de métier, nous restons avant tout un service de streaming, mais les sollicitations étaient telles que nous avons décidé de développer des solutions pour rendre cette technologie accessible en dehors de Deezer, via des dispositifs techniques adaptés à des besoins précis.

Nous avons donc amorcé des échanges avec d’autres DSP, car pour nous, ce n’est pas vraiment un sujet de concurrence. Nous bénéficions chez Deezer d’une belle équipe de Recherche et Développement, ce qui fait qu’on a une technologie solide, testée par de nombreuses organisations professionnelles et par les majors. Nous avons pleinement confiance dans la qualité de ces outils, comme dans leur capacité à évoluer, car nous les faisons progresser en continu.

Même si nous ne sommes pas titulaires de droits d’auteur, nous considérons qu’il est injuste que les modèles d’IA générative soient entraînés sur des contenus protégés. C’est pourquoi nous avons été les premiers à signer la déclaration internationale sur l’entraînement des IA en octobre 2024, en phase avec notre philosophie artist-centric.

Nous souhaitons que les ayants droit soient correctement rémunérés et aient leur mot à dire sur l’utilisation de leur contenu. Utiliser des créations humaines pour générer de la musique artificielle sans accord ni rémunération des ayants droit ne nous paraît pas acceptable.

Deezer a toujours été pionnier, et continue d’innover sur les sujets d’équité dans l’industrie musicale. Depuis que nous communiquons et partageons nos travaux sur l’IA, notre image de plateforme orientée tech s’est fortement renforcée et est désormais largement reconnue et valorisée par les ayants droit.

Face aux tentatives de contournement, l’un des atouts des outils de recherche de Deezer est qu’ils sont à la fois interprétables et généralisables, ce qui permet de repérer l’émergence de nouveaux modèles d’IA.

Les équipes travaillent notamment sur la granularité des analyses, en prenant en compte les modifications apportées aux contenus générés par IA pour tromper la détection, sur la capacité à apporter rapidement la preuve en cas de contestation, ainsi que sur des chantiers en cours comme la détection au niveau des stems. Dans un environnement qui évolue aussi vite, cette anticipation est cruciale pour la suite.

Pour les ayants droit, il reste très difficile de prouver l’utilisation illégale de leurs œuvres par les modèles d’IA générative, d’où les procès en cours, notamment contre Suno. Le manque de transparence de certaines plateformes complique la démonstration qu’un modèle a été entraîné sur du matériel protégé sans autorisation, ce qui aboutit à une concurrence déloyale et non rémunérée pour la création humaine.

La régulation est donc souhaitée, et la transparence est essentielle. Il est légitime qu’un ayant droit soit en mesure de savoir si ses œuvres ont servi à entraîner un modèle d’IA, et dans quelles conditions. En France, le projet de loi Darcos, approuvé par le Sénat, propose un renversement de la charge de la preuve : en présence d’indices d’utilisation, c’est au modèle de prouver qu’il ne l’a pas fait. Cela facilite la protection des ayants droit.

Les choses évoluent vite. Certains accords ont été trouvés, on sait que Universal, Warner et Merlin ont signé avec Udio par exemple. On n’a pas la teneur de tous les accords, mais on voit bien qu’un mouvement de négociations est en cours avec ces modèles génératifs. Ils cherchent manifestement à trouver des propositions qui soient acceptables pour l’industrie.

Je ne suis pas dans le secret des discussions, mais j’espère qu’à moyen terme, les ayants droit vont trouver des terrains d’entente avec ces modèles. On n’a pas encore de décision définitive pour dire ce qui est légal ou illégal, mais ça avance. C’est encourageant.