21 Fév Chanter, Bourdonner, Siffler : Ce qui se cache derrière Hum to Search de Google

▶ 5:48 temps de lecture

Tu as une mélodie en tête. Elle tourne en boucle depuis des heures, tu connais le refrain par cœur, tu peux le fredonner. Mais le nom de la chanson ? Disparu. L’interprète ? Aucune idée. Google a présenté en 2020 une fonctionnalité qui résout précisément ce problème : Hum to Search. Tu fredonnes, siffles ou chantes dans ton smartphone – et Google reconnaît la chanson. La technologie derrière est plus fascinante que tu ne le penses.

Comment fonctionne Hum to Search

Le principe est simple : tu ouvres l’application Google, tu appuies sur l’icône du microphone et tu dis « Quel est ce morceau ? ». Ensuite, tu fredonnes, chantes ou siffles la mélodie pendant 10 à 15 secondes. Google te propose une liste des correspondances les plus probables – incluant l’interprète, les paroles et le clip vidéo. Plus tu captes la mélodie, meilleurs seront les résultats. Mais il n’est pas nécessaire que ce soit parfait.

Ce qui est particulier : tu n’as pas besoin de toucher les notes. Même pas du tout. Tu peux fredonner faux, ralentir le tempo, manquer complètement la tonalité – le système reconnaît la mélodie quand même. Qui a déjà eu un ver d’oreille tenace que personne n’a pu identifier sait ce que cela vaut.

Google a présenté cette fonctionnalité en octobre 2020. Sur Android, elle était immédiatement disponible en plus de 20 langues, sur iOS d’abord uniquement en anglais. Aucun téléchargement séparé n’est nécessaire, aucune application supplémentaire. L’application Google suffit.

Les embeddings neuronaux plutôt que le fingerprinting

Pour comprendre pourquoi Hum to Search fonctionne, un détour par Shazam s’impose. Shazam utilise le fingerprinting audio. L’application enregistre un extrait du morceau en cours, génère une sorte d’empreinte acoustique à partir des pics de fréquence et la compare à une base de données de millions de titres. Extrêmement rapide, extrêmement précis – mais uniquement si l’enregistrement original est diffusé. Face à une mélodie fredonnée, Shazam reste impuissant.

Google emprunte une voie radicalement différente. Hum to Search s’appuie sur un réseau de neurones entraîné avec des paires d’extraits chantés et d’enregistrements studio. Le modèle transforme chaque entrée audio en un vecteur mathématique – un *embedding*. Ce vecteur capture l’essence de la mélodie : ni le timbre, ni les instruments, ni la production. Seule la succession des notes.

Selon le blog Google Research, le système a d’abord été entraîné avec une *Triplet Loss*, puis optimisé grâce à une *Confidence-Based Loss Function* développée en interne. Résultat : le modèle reconnaît les mélodies, qu’elles soient interprétées par des professionnels, mal fredonnées ou soufflées dans un peigne. Le modèle d’extraction de hauteur SPICE de Google fournit des données d’entraînement synthétiques – permettant ainsi au système d’identifier des mélodies que personne n’a jamais chantées. Ceux qui comprennent comment l’IA produit de la musique aujourd’hui voient les parallèles : les machines apprennent à saisir les motifs musicaux à un niveau abstrait.

Sources : Google Research Blog (2020), Google Blog (2026)

Pourquoi Shazam ne peut pas rivaliser ici

Shazam excelle dans ce qu’il fait. Une base de données contenant environ onze millions de titres, une reconnaissance en quelques secondes, même en présence de bruits de fond dans un club ou dans une voiture. Mais Shazam a besoin de l’enregistrement. Il compare des empreintes acoustiques – pics de fréquence, motifs temporels, cartes de constellations. Sans l’original, aucun résultat.

Google résout un problème fondamentalement différent. Pas « quel titre passe en ce moment ? » mais « quel titre se trouve dans ma tête ? ». La différence est techniquement énorme. Une mélodie fredonnée ne comporte aucun instrument, aucune production, aucune voix de l’artiste original. Ce n’est qu’une suite approximative de notes, filtrée par votre mémoire et vos talents vocaux parfois douteux. Le modèle doit ignorer tout cela et se concentrer sur la mélodie principale.

L’idée de la reconnaissance par fredonnement n’est d’ailleurs pas nouvelle. SoundHound proposait déjà, avec Midomi, une fonction similaire dès 2007. Google a toutefois propulsé le concept en 2020 dans le grand public – grâce à son intégration directe dans la recherche Google, utilisée quotidiennement par des milliards de personnes. C’est la différence décisive : ce n’est pas la technologie seule, mais la portée.

Fredonner plutôt que chercher : Google reconnaît les mélodies directement via l’application smartphone. Pexels / Daniel Reche

De YouTube Music à Circle to Search

Depuis son lancement en octobre 2020, Google a continuellement enrichi la fonction. Le jalon le plus important : en juillet 2024, Hum to Search a été entièrement intégré à YouTube Music – sur iOS et Android. L’avantage est évident : après la reconnaissance, vous pouvez lire le titre immédiatement, l’ajouter à une playlist ou visionner le clip vidéo. Fini le détour par la recherche Google. Pour tous les acteurs de l’univers du streaming, une véritable mise à niveau.

En 2026, la prochaine étape est arrivée : Circle to Search. Disponible sur les smartphones Pixel et la série Samsung Galaxy S, il place Hum to Search directement sur l’écran d’accueil. Aucun changement d’application, aucun bouton micro à chercher. Maintenez l’écran enfoncé, fredonnez, le tour est joué. Selon Google, Circle to Search est désormais présent sur plus de 580 millions d’appareils Android.

Avec Gemini, Circle to Search n’analyse pas seulement la musique, mais aussi les objets, le texte et les images affichés à l’écran. Pour ceux qui ont régulièrement des mélodies sans nom dans la tête, la reconnaissance musicale reste toutefois la partie la plus passionnante du dispositif.

Pourquoi c’est plus qu’un gadget

Hum to Search est un exemple parfait de la façon dont l’IA transforme l’industrie musicale – non pas par la production ou la composition, mais par la découverte. La technologie abaisse la barrière entre « je connais la mélodie » et « j’entends le titre ». Cela semble anodin. Mais pour la manière dont nous trouvons et retrouvons la musique, c’est un véritable changement de jeu.

Pense à toutes les chansons que tu as perdues au fil des années. Des mélodies d’un film que tu as vu enfant. Un morceau qui passait dans un bar pendant tes vacances. Un refrain que quelqu’un t’a fredonné. Jusqu’ici tout était perdu dès que Shazam ne pouvait plus aider. Maintenant, ta mémoire suffit.

Si tu t’intéresses à la science des mélodies entêtantes ou si tu veux savoir comment les Lo‑Fi Beats agissent sur le cerveau, tu trouveras dans Hum to Search la prochaine pièce du puzzle : la musique est plus ancrée en nous que nous ne le pensons. Et la technologie la fait enfin ressortir.