Il existe désormais une machine qui écoute une chanson et vous indique, par un nombre, à quel point le monde va l'apprécier. Des chercheurs du laboratoire AMAAI de l'Université de Technologie et de Design de Singapour l'ont construite. Elle s'appelle APEX, et elle a été formée sur plus de 211 000 chansons générées par l'IA, soit environ 10 000 heures d'audio extraites de Suno et Udio, pour prédire conjointement deux choses : la popularité brute, c'est-à-dire les streams et les likes, et cinq dimensions distinctes de la qualité esthétique perçue, tirées d'embeddings audio gelés générés par un modèle appelé MERT. La découverte inconfortable enfouie dans le document est que la machine est bien meilleure pour juger si une chanson sonne bien que pour évaluer si les gens vont réellement l'aimer, et elle fait nettement mieux sur les morceaux instrumentaux que sur ceux avec des voix, où le goût devient plus complexe et plus humain. En d'autres termes : l'IA peut approcher l'artisanat. La chimie avec un public reste encore plus glissante. Pour être clair sur ce qu'est réellement APEX : ce n'est pas une application pour les consommateurs et il n'existe pas de site web où un auditeur occasionnel peut soumettre une chanson et obtenir un score en retour. Le laboratoire AMAAI l'a publié en tant que code de recherche gratuit et open source sur GitHub et comme modèle téléchargeable sur Hugging Face, le hub en ligne où les développeurs partagent des modèles d'apprentissage automatique, sous une licence permissive qui permet à quiconque de l'utiliser, de le copier ou de s'en inspirer. Le test nécessite un certain confort technique. Un utilisateur doit avoir Python installé, ainsi qu'une poignée de bibliothèques d'apprentissage automatique telles que PyTorch, puis télécharger le modèle pré-entraîné et le pointer vers un fichier audio sur son propre ordinateur. Alimentez-le avec un MP3 et il renvoie un ensemble de chiffres : un score de streams prédit, un score de likes prédit, et cinq évaluations esthétiques distinctes couvrant des qualités telles que la cohérence, la musicalité, la mémorabilité, la clarté et la naturalité. Il n'y a pas d'interface bouton-et-glissière conçue pour les musiciens ou les fans, en d'autres termes, c'est un outil destiné à d'autres chercheurs et ingénieurs pour tester et construire, pas quelque chose qu'un auteur-compositeur peut ouvrir dans un onglet de navigateur et utiliser autour d'un café. Cet écart est important car l'industrie qui avance le plus vite pour y répondre est Suno, l'entreprise de musique IA de Cambridge, Massachusetts, qui a transformé "tapez une invite, obtenez une chanson" en une entreprise générant environ 7 millions de morceaux par jour. Suno a déjà un outil construit exactement pour l'instinct de prendre quelque chose de aimé et d'en construire quelque chose d'adjacent. Sa fonctionnalité de téléchargement et de couverture permet à un utilisateur de soumettre un fichier audio existant, dont il doit confirmer qu'il possède les droits, et de le réécrire dans un nouveau style tout en conservant la mélodie sous-jacente. Alimentez-le avec une ballade au piano dépouillée et demandez du djent, ou une mélodie folk et demandez de l'Afrobeat, et le squelette de l'original reste intact tandis que la peau change complètement. C'est, fonctionnellement, une machine pour se concentrer sur ce qui a fait qu'une chanson a fonctionné et reconstruire une nouvelle autour de cette même colonne vertébrale. Suno vient de finaliser cette capacité, et bien plus encore, dans la version v6, une famille de trois nouveaux modèles lancés le 9 septembre. Le modèle phare v6, un v6-experimental, et un v6-mini gratuit sont les premiers modèles de l'entreprise formés à partir de zéro sur un catalogue qu'elle a effectivement licencié, de Warner Music Group, BMG, et du distributeur indépendant Believe. Warner a signé son accord le 25 novembre 2025, mettant fin au procès pour violation de droits d'auteur qu'il avait intenté contre Suno. BMG a suivi le 12 août 2026, couvrant à la fois les enregistrements et l'édition. Believe et sa branche TuneCore ont signé un jour avant le lancement. Le directeur produit de Suno a déclaré à Bloomberg que l'entreprise partagera désormais une part des revenus avec ces partenaires à partir du jour du lancement, les labels étant responsables de la répartition de cet argent entre leurs propres artistes et auteurs-compositeurs à l'avenir. Le co-fondateur et directeur général Mikey Shulman a présenté cela comme une vindication après dix-huit mois d'avoir été traité comme le vilain le plus pratique de l'industrie. Suno a traversé une fuite de hacker alléguant que ses modèles avaient été formés sur des données extraites, une admission qu'elle a tirée des données de YouTube, et un avion tractant une banderole disant "Dites non à Suno" survolant un sommet d'investisseurs en IA où Shulman s'exprimait. L'entreprise a également levé 400 millions de dollars à une valorisation de 5,4 milliards de dollars, et au début de cette année, elle avait été utilisée par plus de 100 millions de personnes, avec 2 millions d'abonnés payants. Aucune de cette bonne volonté ne s'étend à Universal Music Group ou Sony Music, qui n'ont jamais signé d'accords de licence et ont plutôt déposé une deuxième poursuite contre Suno le 18 septembre, une plainte de 45 pages devant le tribunal fédéral de Boston qui ajoute plus de 60 000 enregistrements spécifiques à leurs revendications. Leur argument est que former un nouveau modèle supposément propre sur les résultats d'un ancien, prétendument contrefaisant, ne lave pas la contrefaçon, appelant de manière mémorable le v6 "le fruit du même arbre empoisonné." Selon le plafond de 150 000 dollars par œuvre pour contrefaçon intentionnelle dans la loi américaine sur le droit d'auteur, le maximum théorique sur la table dépasse désormais 9 milliards de dollars. Suno a également perdu, de manière décisive, dans une salle d'audience de Munich en juillet. La société allemande de droits musicaux GEMA a poursuivi pour six compositions spécifiques, y compris des morceaux bien connus comme Rasputin et Mambo No. 5, et le tribunal de district de Munich a rejeté la défense d'utilisation équitable de Suno, statuant que l'entreprise avait activement exploité le modèle plutôt que de simplement héberger une infrastructure neutre, et ordonnant de divulguer l'ampleur de son utilisation et de payer des dommages-intérêts. Le raisonnement du tribunal reposait sur une distinction franche : il peut être juste d'utiliser un livre pour écrire une critique, mais pas de voler le livre pour faire la copie. Mettez ces fils ensemble et le tableau est celui d'une industrie courant dans deux directions à la fois. D'un côté, l'apprentissage automatique qui peut désormais évaluer le poli esthétique d'un morceau et prédire, avec une précision réelle mais limitée, comment un public pourrait réagir. De l'autre, un outil qui permet à quiconque de prendre la chanson qui a bien marqué, ou simplement la chanson qu'il aime personnellement, et de générer une cousine proche en quelques secondes. La technologie pour identifier ce qui est aimé et la technologie pour le reproduire sont arrivées dans le même produit, à la même entreprise, dans le même mois où deux des trois plus grands labels de la planète ont décidé de le combattre en justice plutôt que d'encaisser un chèque.