I Used AI to Write Background Music for a Month. It's. Complicated.

Je compose de la musique pour des films indépendants et du contenu YouTube depuis sept ans. Le mois dernier, j'ai dépensé 847 $ en outils de génération musicale par IA et produit 127 pistes. Exactement trois ont été utilisées dans des projets réels. Les autres 124 ? Elles sont dans un dossier que j'ai intitulé "Symphonies de la vallée dérangeante".

Ce n'est pas un autre avis porté sur le remplacement des musiciens par l'IA. Je ne suis pas là pour vous dire que les robots arrivent pour nos emplois, ou que l'IA démocratise la créativité, ou quel que soit le récit qui s'intègre parfaitement dans 280 caractères. Ce que j'ai appris en 31 jours d'utilisation de l'IA pour chaque besoin de musique d'ambiance était beaucoup plus nuancé, frustrant et parfois brillant que tout ce que ces avis suggèrent.

Je suis Sarah Chen, et je dirige un petit studio de production musicale à Portland qui se spécialise dans des fonds musicaux pour des vidéos d'entreprise, des documentaires indépendants et des créateurs YouTube de milieu de gamme. Mon mois typique implique de composer 15-20 pièces originales, de licencier une douzaine d'autres de mon catalogue, et de passer environ 80 heures en production. J'ai décidé de remplacer l'ensemble de mon flux de travail par des outils d'IA pour voir ce qui se passerait réellement lorsque le caoutchouc rencontrerait la route.

Les résultats m'ont surprise. Pas parce que l'IA était meilleure ou pire que je ne l'avais prévu, mais parce que la réalité était tellement plus complexe que ce dont tout le monde parle.

La configuration : cinq outils, un mois, zéro composition traditionnelle

Je me suis engagé à un protocole strict. Pendant tout le mois de février, je ne composerai aucune note de manière traditionnelle. Chaque projet qui passerait par mon studio serait géré exclusivement à l'aide d'outils de génération musicale par IA. J'ai sélectionné cinq plateformes sur la base de recommandations d'autres compositeurs et de critiques en ligne : Soundraw, AIVA, Mubert, Boomy, et Suno AI.

Mon portefeuille de clients typique comprend une startup technologique locale qui a besoin de musique d'ambiance d'entreprise entraînante, une documentariste travaillant sur des histoires environnementales, trois créateurs YouTube dans différents niches (critiques technologiques, contenu de méditation et faits divers criminels), et un travail occasionnel de vidéos de mariage. Février m'a apporté 14 projets distincts nécessitant 23 pièces musicales séparées.

J'ai mis en place un tableau de suivi qui aurait rendu fier un data scientist. Pour chaque piste générée par IA, j'ai enregistré : le temps de génération, le nombre d'itérations nécessaires, la complexité de l'invite, le temps de montage requis, la note de satisfaction du client, et si la piste a finalement été utilisée. J'ai également suivi mon état émotionnel pendant le processus, qui s'est avéré être plus pertinent que je ne le pensais initialement.

La répartition financière était révélatrice. J'ai dépensé 847 $ sur les cinq plateformes : 299 $ pour le plan professionnel d'AIVA, 199 $ pour l'abonnement créateur de Soundraw, 149 $ pour la licence commerciale de Mubert, 99 $ pour le niveau premium de Boomy, et 101 $ pour divers crédits Suno AI. Comparez cela à mes frais mensuels habituels d'environ 200 $ pour les licences logicielles et les bibliothèques d'échantillons, plus mon temps, que j'évalue à 75 $ de l'heure pour le travail de composition.

Sur le papier, si l'IA pouvait réduire mon temps de composition de manière significative, les mathématiques pourraient fonctionner. Une pièce d'ambiance typique de 3 minutes me prend 4-6 heures à composer, arranger et produire. Si l'IA pouvait fournir des résultats comparables en 30 minutes, je verrais une augmentation de productivité de 10x. C'est la promesse, de toute façon.

Semaine 1 : la phase de lune de miel et sa fin brutale

Le premier projet était une vidéo corporate de 90 secondes pour une entreprise de packaging durable. Ils voulaient quelque chose "d'entraînant mais pas trop cucul, moderne mais pas à la mode, énergique mais pas accablant." Vous savez, le brief habituel de manière impossible vague qui paraît pourtant parfaitement logique à quiconque a fait ce travail.

"Le problème n'est pas que la musique IA sonne mal, c'est qu'elle sonne presque bien. Ce 'presque' est là où vous perdez votre public sans qu'il ne sache pourquoi."

J'ai commencé avec Soundraw parce que son interface semblait la plus accessible. J'ai sélectionné "Corporate", défini l'ambiance sur "Brillant", choisi un tempo autour de 120 BPM et appuyé sur générer. Quarante-sept secondes plus tard, j'avais une piste. C'était... bien. Genuinely bien. Les progressions d'accords étaient prévisibles mais fonctionnelles. L'instrumentation était générique mais appropriée. Cela sonnait exactement comme 10 000 autres pistes d'ambiance corporate, ce qui, honnêtement, est parfois exactement ce dont vous avez besoin.

Je l'ai envoyé au client. Ils l'ont approuvé en 23 minutes. Je venais de terminer en moins d'une heure ce qui me prendrait généralement une demi-journée. J'avais l'impression d'avoir découvert le feu.

Le deuxième projet a brisé cette illusion. Une documentariste avait besoin d'une pièce au piano mélancolique pour une scène sur des réfugiés climatiques. Elle m'a envoyé un montage brut des images : une famille emballant ses affaires, quittant sa maison côtière pour la dernière fois. La scène durait 2 minutes et 37 secondes, avec un moment émotionnel crucial à 1:43 lorsque la grand-mère se retourne une dernière fois vers la maison.

J'ai passé six heures sur trois jours à essayer de faire générer quelque chose qui fonctionne par l'IA. AIVA m'a donné des compositions au piano techniquement compétentes mais qui semblaient émotionnellement vides. Les offres ambiantes de Mubert étaient trop abstraites. Le préréglage "Triste" de Soundraw a produit des pistes qui étaient plus "légèrement déprimées" que "dévastatrices existentiellement." Le problème n'était pas que l'IA ne pouvait pas faire de la musique au piano triste. Elle pouvait absolument le faire. Le problème était qu'elle ne pouvait pas créer de la musique au piano triste qui atteigne un crescendo émotionnel spécifique à exactement 1:43.

J'ai généré 34 variations. J'ai essayé différentes invites : "piano mélancolique avec montée émotionnelle", "piano triste et contemplatif qui s'intensifie progressivement", "composition au piano réfléchie avec moment dramatique." Rien n'atteignait le but. L'IA pouvait créer une ambiance, mais elle ne pouvait pas créer de narration.

En fin de compte, j'ai utilisé une piste de base générée par IA d'AIVA et passé quatre heures à la modifier manuellement dans mon DAW, ajustant les dynamiques, ajoutant des couches de cordes subtiles, et restructurant l'arrangement pour correspondre à l'arc émotionnel de la scène. La pièce finale était peut-être 60 % IA, 40 % intervention humaine. Le client a adoré, mais j'avais passé plus de temps dessus que si j'avais juste composé cela dès le départ.

Le problème des invites : pourquoi la musique IA est plus difficile que le texte IA

Au bout de la deuxième semaine, j'avais développé une théorie sur pourquoi la génération musicale par IA semblait tellement plus frustrante que la génération de texte. Lorsque vous demandez à ChatGPT ou à Claude, vous pouvez itérer de manière conversationnelle. "Rendre-le plus formel." "Ajouter une section sur X." "Réécrire la conclusion." La boucle de feedback est immédiate et intuitive.

La musique ne fonctionne pas de cette façon. La plupart des outils de musique IA n'offrent pas de perfectionnement conversationnel. Vous disposez de menus déroulants, de curseurs, et de balises de genre. Soundraw vous permet d'ajuster "l'énergie" et "l'ambiance", mais que signifie déplacer le curseur d'énergie de 7 à 8 ? Comment communiquer que vous voulez que la piste se sente comme "conduire dans des rues de ville vides à 3 heures du matin" ou "le moment juste avant que de bonnes nouvelles arrivent"?

J'ai commencé à tenir un journal des invites, documentant ce qui fonctionnait et ce qui ne fonctionnait pas. Certaines découvertes : "Cinématographique" comme balise de genre produit des résultats wildly différents selon les plateformes. Sur AIVA, cela signifiait des montées orchestrales et des cordes dramatiques. Sur Mubert, cela signifiait des paysages sonores ambiants avec percussion occasionnelle. Sur Soundraw, cela voulait dire... honnêtement, je n'ai jamais vraiment compris ce que cela signifiait.

Les invites les plus réussies étaient les plus spécifiques et techniques : "120 BPM, Do majeur, guitare acoustique et piano, structure couplet-refrain, dynamiques modérées." Mais voici l'ironie : si je sais assez de théorie musicale pour écrire cette invite, je sais probablement assez pour simplement composer la pièce moi-même. Les outils qui nécessitaient le moins