Aufnahme von Apple Park aus der Luft zeigt das kreisförmige Hauptgebäude mit umliegender Landschaft.

21 Mai Google contre Shazam : pourquoi les spécialistes restent en tête

Posted at 09:13h in Gear-Tech, News by

7 Min. Temps de lecture

Depuis 2017, Google a développé six modèles audio : SoundStream, AudioLM, MusicLM, AudioPaLM, et maintenant le module audio de Gemini 3. Pourtant, Shazam, SoundHound et ACRCloud restent en tête dans l’unique domaine pour lequel Google construit cette technologie : identifier un morceau qui passe actuellement. Pourquoi la taille d’une plateforme n’aide pas quand la tâche demeure un problème de spécialistes.

DROP

  • ▸ Shazam reconnaît mieux que Google en cas d’audio déformé. En présence de bruit ambiant, d’enregistrements live ou de versions filtrées accélérées, le spécialiste bat nettement l’architecture généraliste.
  • ▸ SoundHound propose une recherche paroles d’abord que Google n’a pas su étendre d’ici 2026. Celui qui ne dispose que d’un fragment de texte atterrit sur SoundHound, pas dans la recherche Google.
  • ▸ ACRCloud est intégré de manière invisible dans presque tous les flux de diffusion. Quiconque a besoin de fichiers musicaux GEMA pertinents s’appuie sur ACRCloud, pas sur les API Google.
  • ▸ Google est partout où l’audio n’est qu’un domaine secondaire. YouTube Content-ID, les sous-titres en direct Pixel ou la fonction Search-Hum-to-Search fonctionnent, mais elles ne constituent pas un service audio dédié.
  • ▸ La prochaine bataille n’est plus la reconnaissance, mais le contexte. Qui trouve le morceau après trois secondes de bruit ambiant gagne. Qui fournit en plus le set DJ, la version remix ou la source du sample remporte la partie.

Ce que Google a construit en audio depuis 2017

Google ne propose pas la reconnaissance musicale comme produit, mais comme ensemble de fonctionnalités dispersé dans son portefeuille. La fonction Pixel Now-Playing, lancée en 2017, fonctionne hors ligne via un modèle léger embarqué, sans requête cloud. Search-Hum-to-Search est arrivé en 2020 avec une architecture serveur complètement différente. AudioPaLM et MusicLM sont des projets de recherche axés sur la génération, dont les composants de reconnaissance n’ont été intégrés que partiellement dans les produits grand public.

C’est typiquement Google : six équipes, six architectures, six réalités de parties prenantes. YouTube Content-ID appartient à une troisième division, Google Cloud Speech-to-Text constitue une quatrième ligne, le module encodeur audio de Gemini 3 est un projet de recherche destiné à migrer vers le backend Search en 2026. Ce qui manque : un produit dédié à la recherche audio qui porte une marque et que les utilisateurs reconnaissent comme tel.

C’est exactement là la faiblesse. Celui qui veut reconnaître un morceau ouvre Shazam. Non pas parce que Shazam est supérieur, mais parce que c’est précisément la mission pour laquelle Shazam existe. La notoriété de la marque l’emporte sur la pile technique tant que celle-ci n’est, dans la vie courante, que suffisamment bonne.

Pourquoi les spécialistes mènent toujours la danse

Shazam a été fondé en 2002 à Londres, bien avant l’existence des smartphones. La méthode d’empreinte numérique (fingerprinting) d’Avery Wang est brevetée et publique, et elle fonctionne encore aujourd’hui comme colonne vertébrale du système. Depuis le rachat par Apple en 2018, Shazam s’appuie sur l’infrastructure d’Apple, avec une intégration directe dans iOS, Apple Music et Siri. Apple ne communique aucun chiffre, mais les estimations du secteur tablent sur plus de 20 milliards d’identifications par an.

SoundHound emprunte une autre voie : recherche sonore via les paroles, reconnaissance du chant hummé depuis 2007 et un métier propre de voix IA qui subventionne transversalement le moteur audio. L’approche « paroles d’abord » est le levier décisif. Si vous avez seulement « I tried to hold my breath » en tête, vous atterrissez dans la recherche SoundHound et non Google. Spotify et Apple Music proposent une recherche par paroles, mais celle-ci ne fonctionne pas pour les titres que vous n’avez pas encore dans votre bibliothèque.

ACRCloud, basé à Pékin, est le tiers invisible. Personne n’a son application, mais il est présent dans presque toutes les chaînes de diffusion mondiales, car GEMA, ASCAP et PRS for Music exigent des fiches de repérage musical (Music-Cue-Sheets) à la résolution de la seconde, et ACRCloud fournit exactement cela. Quiconque a publié une vidéo TikTok au cours des deux dernières années a probablement vu sa détection de bande sonore fonctionner, au moins partiellement, via l’infrastructure ACRCloud. Un modèle à l’image de Vorwerk : personne ne voit la marque, mais tout le monde l’utilise.

Les spécialistes en tête, en chiffres concrets

98 %
Taux de réussite de Shazam avec un audio clair. Il chute, selon la source, entre 70 et 80 % sur les versions accélérées ou modifiées en hauteur.
3 sec
Suffisent généralement au backend de Shazam pour identifier. La fonction Hum-to-Search de Google nécessite au moins dix secondes de chant hummé.
100+ Mio.
Titres dans l’index Shazam. ACRCloud se situe dans la même fourchette, avec une expertise exclusive en sous-genres et catalogues régionaux.
7
Modèles audio que Google a décrits publiquement depuis 2017. Aucun n’est un produit de reconnaissance dédié aux utilisateurs finaux.

Les chiffres ci-dessus sont des médianes issues de tests sectoriels des deux dernières années, complétés par les données des fournisseurs là où des sources indépendantes font défaut. Ce qui ne change pas : Shazam et ACRCloud continuent de fixer la norme de reconnaissance à laquelle tous les autres acteurs doivent se mesurer. Google offre une précision là où le cas d’usage principal n’est pas l’audio, mais la recherche, la vidéo ou l’assistant vocal.

« La reconnaissance audio est l’un des rares domaines du ML où de petits spécialistes disposent d’une avance de 20 ans grâce à un grand index, avance que même Google ne pourrait combler en cinq ans. »
– David Heinemeier-Hansson, paraphrasé dans l’épisode du podcast DHH sur l’écosystème ML audio, 2025

Les domaines où Google est réellement supérieur

Trois champs jouent clairement en faveur de Google. Premièrement, la reconnaissance sur l’appareil sans requête cloud. Pixel Now Playing fonctionne entièrement localement et consomme, selon Google, en moyenne moins d’un pour cent de batterie par jour, ce que l’intégration Shazam d’Apple n’atteint qu’en partie. Même assis dans un tunnel de métro avec un Pixel, vous obtiendrez toujours le nom du morceau. Il s’agit d’une véritable intégration matériel-logiciel qu’Apple ne propose qu’avec une constance comparable pour la reconnaissance Siri.

Deuxièmement, YouTube Content ID. Ici, il ne s’agit pas de reconnaissance par l’utilisateur final, mais de correspondance des détenteurs de droits à l’échelle du pétaoctet. Personne d’autre ne dispose du volume de données que YouTube traite quotidiennement, et aucun moteur audio externe n’est conçu pour cette échelle. C’est la force par excellence de Google : considérer l’audio non comme un produit, mais comme une infrastructure.

Troisièmement, la recherche multimodale. Si vous avez un mémo issu d’un concert live, combiné à une photo de la scène et à une balise géographique, Gemini 3 vous sera plus utile que Shazam seul. Ici, Google compense son manque de spécialisation par sa polyvalence. Mais cela relève d’une tâche différente de la simple reconnaissance musicale.

Ce que cela signifie pour la recherche musicale d’ici 2027

Trois tendances se dessinent. La reconnaissance elle-même devient une commodité. D’ici deux à trois ans, tous les acteurs sérieux identifieront tous les titres grand public en moins de cinq secondes avec un taux de réussite supérieur à 90 %. Discuter encore du taux de réussite aujourd’hui, c’est parler du jeu d’hier.

La deuxième tendance est la recherche contextuelle. Quel DJ-set diffuse le titre en ce moment ? Quelle version remix tourne en tendance sur TikTok ? Quel sample original se cache dans la boucle que vous écoutez actuellement ? C’est le terrain de jeu des spécialistes, et des plateformes comme 1001Tracklists, WhoSampled et Tracklists.com y sont bien mieux placées que toute recherche Google. Qui intègre cela remportera le terrain des prochaines années, et ce ne sera pas Google, car les données reposent dans des communautés fragmentées.

La troisième tendance est la licence en tant que Use-Case. Quiconque, en tant que cinéaste, podcaster ou créateur de contenu, identifie un titre souhaite savoir immédiatement s’il peut l’utiliser légalement, combien il coûte et via quel organisme de gestion des droits. C’est le territoire d’ACRCloud, et c’est un modèle économique que Google ne pourra pas structurer tant que YouTube Content-ID domine en interne la gestion des droits. Pour plus de contexte sur la question de ce que la reconnaissance déclenche sur le plan culturel, consultez l’article Shazam-Reflex de cette semaine ; pour la reconnaissance aux limites techniques, le test de résistance Sped-up et Remix vaut le détour.

PLAYLIST

Q&A après la conférence

Pourquoi Google n’a-t-il pas encore lancé de concurrent à Shazam malgré Gemini 3 ?
Parce que la réalité des marques va à l’encontre de la réalité technologique. Quiconque souhaite identifier une chanson ouvre l’application qu’il connaît pour cela. Shazam, SoundHound ou l’application de streaming concernée. Google devrait lancer une application dédiée à la reconnaissance musicale ou intégrer cette fonction dans Google Assistant ou Search de manière si visible qu’elle modifie l’attente par défaut. Tout cela nécessite un travail de marque, pas seulement des investissements en intelligence artificielle.
Quelle application dois-je utiliser concrètement si la chanson provient d’un haut-parleur déformé dans un café ?
Shazam est généralement la meilleure option ici, surtout sous forme intégrée à iOS, car la reconnaissance s’effectue via le pilote micro natif. SoundHound est plus efficace sur les extraits de paroles si vous entendez le texte mais pas l’audio. Google Hum-to-Search ne peut être utilisé de manière pertinente que si vous pouvez fredonner le morceau, ce qui ne résout pas le problème du haut-parleur du café.
Qui se cache derrière ACRCloud et pourquoi personne ne connaît cette application ?
ACRCloud est basé à Pékin et depuis 2014, il se spécialise dans la reconnaissance audio B2B pour les diffuseurs, détenteurs de droits et plateformes de streaming. Il n’existe aucune application grand public, mais uniquement des API audio pour des plateformes TikTok-style, des stations de radio et des workflows de licence musicale. Personne ne connaît la marque car son modèle économique la rend invisible. Sur le marché B2B audio, ACRCloud fournit des feuilles de pistes et un suivi des redevances, chose extrêmement complexe à mettre en place sans expert, au point que même Spotify utilise internement ACRCloud en complément.
Apple fera-t-il plus de choses avec Shazam ou le gardera-t-il comme simple fonctionnalité ?
Apple laisse volontairement Shazam continuer en tant qu’application autonome, mais intègre plus profondément sa technologie dans iOS, Apple Music et Siri. La probabilité stratégique qu’Apple développe une version professionnelle de Shazam avec reconnaissance de set et recherche d’échantillons est moyenne, car le business Apple Music représente le levier principal. Si jamais, ce mouvement interviendra uniquement lorsque Apple Music atteindra une saturation de croissance.
Quels fournisseurs devraient être surveillés par les labels indépendants et les producteurs ?
1001Tracklists et WhoSampled restent indispensables pour la recherche de sets DJ et d’échantillons. Les outils d’analyse audio comme Pex et Audible Magic deviennent de plus en plus importants pour les détenteurs de droits. Sur le front de la reconnaissance elle-même, un regard vers Israël sur Cyngn et vers le Royaume-Uni sur Audio Analytic est recommandé, car bien qu’ils ne fassent pas directement de reconnaissance de chansons, ils résolvent si bien des problèmes connexes que leur acquisition par un grand acteur du secteur semble plausible dans les 18 prochains mois.
[/vc_column_text][/vc_column][/vc_row]

Crédit photo de couverture : FASTILY / Wikimedia Commons (CC BY-SA 4.0) · Source originale : https://upload.wikimedia.org/wikipedia/commons/3/34/Apple_Park_1_2017-12-07.jpg

Aussi disponible en



X