Sur Spotify, par exemple, plus d’un tiers de toutes les nouvelles découvertes d’artistes se font par le biais de sessions de recommandation « Made for You », selon le rapport Made to be Found récemment publié .

Pourtant, alors que les recommandations algorithmiques occupent une place centrale dans le paysage de la découverte musicale, la communauté professionnelle dans son ensemble perçoit toujours ces algorithmes de recommandation comme des boîtes noires. Les professionnels de la musique s’appuient sur des systèmes de recommandation sur des plates-formes telles que Spotify et YouTube pour amplifier les budgets publicitaires, se connecter avec les nouveaux publics et exécuter des campagnes de diffusion réussies, tout en n’ayant souvent aucune vision claire du fonctionnement de ces systèmes et de la manière de les exploiter pour amplifier la découverte des artistes.

Le sujet du dévoilement des systèmes de recommandation basés sur l’IA et de la fourniture aux professionnels de la musique des ressources et des outils dont ils ont besoin pour comprendre et gérer ces algorithmes sera une grande priorité pour Music Tomorrow tout au long de 2022 . Il y a quelques semaines, nous avons lancé l’année avec un article couvrant les tenants et les aboutissants du célèbre algorithme TikTok « For You » . Cette fois-ci, nous approfondirons le sujet avec une ventilation du système de recommandation de Spotify (qui peut être, dans une certaine mesure, extrapolé à d’autres moteurs de recommandation DSP).

Article complet en anglais par Dmitri Pastukhov pour Music-Tomorrow : https://bit.ly/3vWQMez