Community Trust ScoreVérifié
Suno a été exposé. Une fuite de code source a levé le voile sur la façon dont la startup de musique IA construit réellement ses modèles — et il s’avère que la réponse repose sur une grande quantité de données extraites de Deezer, YouTube et Pond5.
La fuite est assez frappante dans sa spécificité. Elle ne se contente pas de faire allusion vaguement à du « contenu disponible publiquement. » Elle montre des milliers d’heures de matériel audio et vidéo provenant de trois des noms les plus reconnaissables dans le streaming et les médias de stock. Deezer, la plateforme musicale française avec des dizaines de millions de titres. YouTube, essentiellement la plus grande bibliothèque vidéo du monde. Pond5, un marché de médias de stock qui accorde des licences pour la musique, les effets sonores et les séquences vidéo aux créateurs. Ensemble, ces trois sources semblent constituer l’épine dorsale du pipeline de formation de l’IA de Suno — du moins sur la base de ce que montre le code divulgué.
Suno n’a rien dit à ce sujet publiquement. Pas de déclaration, pas de clarification, pas de contestation. Ce silence en dit long pour le moment.
Ce que montre réellement le code divulgué
Le code offre un aperçu rare et détaillé de la façon dont Suno construit sa bibliothèque de formation. Ce n’est pas un diagramme d’architecture de haut niveau — c’est suffisamment détaillé pour montrer d’où viennent les données et, dans une certaine mesure, comment elles sont utilisées. Le contenu audio et vidéo extrait de ces plateformes est probablement traité pour aider l’IA à apprendre des schémas : rythme, tonalité, structure, comment la musique évolue dans le temps. C’est tout l’intérêt de nourrir une IA avec ce type de matériel. On veut qu’elle internalise à quoi ressemble et se sent un bon contenu sonore avant d’essayer d’en générer.
L’échelle est importante ici. Des milliers d’heures représentent un volume considérable. Former un modèle d’IA générative capable nécessite d’énormes ensembles de données, et plus ces données sont variées et de haute qualité, meilleur est le résultat. Tirer parti de Deezer, YouTube et Pond5 donne à Suno accès à une gamme extrêmement large de genres, de styles de production et de formats audio. Cette ampleur est probablement intentionnelle.
Mais la question de savoir si ces données ont été licenciées — ou si les plateformes savaient que leur contenu était utilisé de cette manière — n’est pas abordée nulle part dans la fuite. Et Suno n’a pas comblé cette lacune.
Les droits d’auteur et l’éthique des données se compliquent rapidement
Le terrain juridique ici est flou. Il n’est vraiment pas établi, nulle part, si le fait de récupérer de l’audio d’une plateforme comme YouTube ou Deezer à des fins de formation d’IA est autorisé par la loi sur le droit d’auteur. Les propres conditions de service de YouTube interdisent le scraping sans autorisation. Pond5 accorde des licences pour son contenu pour des utilisations spécifiques, et « former un modèle d’IA concurrent » n’en fait probablement pas partie.
Cela ne signifie pas que Suno a définitivement enfreint des règles. Peut-être qu’il y avait des accords de licence en place que le code ne capture pas. Peut-être que les données ont été traitées de manière à relever d’arguments d’utilisation équitable que les tribunaux n’ont pas encore pleinement testés. Pas clair. Mais le fait que Suno n’ait rien dit publiquement rend difficile de leur accorder le bénéfice du doute.
Et ce n’est pas seulement une question légale. Il y a une véritable dimension éthique à cela que l’industrie musicale dénonce depuis quelques années maintenant. Les artistes et les titulaires de droits ont vu les entreprises d’IA construire des outils de génération sophistiqués — des outils capables de produire de la musique qui ressemble étrangement à de véritables enregistrements — sans qu’aucune compensation ne revienne aux personnes dont le travail a formé ces systèmes. Suno est l’une des entreprises au centre de ce combat. La Recording Industry Association of America a intenté un procès pour violation du droit d’auteur contre Suno l’année dernière. Cette affaire est toujours en cours devant les tribunaux.
Le code divulgué n’aidera pas la position de Suno dans ce litige.
Ce qui va se passer ensuite pour Suno et l’industrie
L’industrie de l’IA au sens large est sous pression croissante pour être plus transparente sur les données de formation. Les régulateurs de l’UE ont poussé pour des exigences de divulgation dans le cadre de la loi sur l’IA. Aux États-Unis, la situation est moins claire, mais la pression des titulaires de droits et des législateurs s’accumule régulièrement.
La situation de Suno va probablement accélérer certaines de ces conversations. Si un code source divulgué peut révéler autant sur l’approvisionnement en données d’une entreprise, cela soulève une question évidente : que font les autres entreprises de musique et de médias IA qui n’a pas encore fuité ? Les concurrents dans le domaine de l’audio génératif puisent presque certainement dans des réservoirs de contenu similaires. La différence est que les pratiques de Suno sont désormais visibles d’une manière que celles des autres ne le sont pas.
Pour Deezer, YouTube et Pond5, la fuite crée ses propres maux de tête. Aucun d’eux n’a commenté s’ils ont autorisé cette utilisation de leur contenu. Deezer en particulier s’est positionné comme une plateforme favorable aux artistes — voir son catalogue apparaître dans un ensemble de données de formation d’IA divulgué, sans aucun accord apparent en place, n’est pas une bonne image.
Le code source de Suno est maintenant dans la nature. La bibliothèque de formation de l’entreprise, construite sur des milliers d’heures provenant de trois grandes plateformes, n’est plus un secret.
Questions Fréquentes
Quels sont les plateformes que le code divulgué de Suno montre comme sources de données ?
Le code source divulgué montre que Suno a utilisé des données de Deezer, YouTube et Pond5, extrayant des milliers d’heures de contenu audio et vidéo pour former ses modèles d’IA.
Suno a-t-il répondu à la fuite du code source ?
Non. Au moment de la rédaction de cet article, Suno n’a pas abordé publiquement la fuite ni clarifié ses pratiques d’acquisition et de licence de données.
