Les guitaristes jouant des Musiques Actuelles Occidentales sont généralement peu formés en théorie musicale, une grande partie de leur apprentissage étant autonome et informel. Pour apprendre de nouveaux morceaux ou les partager avec d'autres guitaristes, ils ont souvent recours à des enregistrements audio et à des tablatures. Quant à la composition de nouveaux morceaux, celle-ci est généralement réalisée directement sur la guitare, en jammant et expérimentant, seul ou en groupe. Cette thèse vise à explorer de nouvelles méthodes algorithmiques susceptibles d’aider les guitaristes lors des phases d'apprentissage et de composition. L’assistance à l’apprentissage est motivée par la quantité importante de contenu guitaristique disponible en ligne, et vise à aider les guitaristes à naviguer ce contenu afin de faciliter l’apprentissage informel. Une première approche est proposée pour recommander des morceaux aux apprenants, en prenant en compte une estimation de leur niveau et de la difficulté des morceaux. Une deuxième approche propose des descripteurs musicaux permettant d’estimer automatiquement la difficulté de tablatures de guitare et de basse selon plusieurs critères, tout en garantissant l’explicabilité et l’interprétabilité des résultats. Les deux approches reposent sur de nouvelles bases de données, déjà partagées ou en cours de partage avec la communauté scientifique. Habituellement, une tablature d'une composition musicale n'est écrite qu'après la phase de création musicale, afin de transcrire les morceaux à des fins de mémorisation et de communication. D’autres contributions de cette thèse s’intéressent à l’assistance à la composition, avec pour objectif d'inciter les guitaristes à composer à l’aide de tablatures, en enrichissant les logiciels de notation par des fonctionnalités d’apprentissage automatique. Un premier modèle permet de suggérer l'ajout de notes tirées (bends) dans une tablature, afin de la rendre plus idiomatique. Ce modèle a été intégré à un logiciel de notation de tablatures en ligne afin d'illustrer son intégration possible dans le travail des guitaristes-compositeurs. D'autres contributions se concentrent sur les parties d'accompagnement à la guitare. Un modèle de suggestion de positions d’accords, basé sur la position précédente, est proposé et évalué à l’aide de nouvelles mesures qualitatives. Ce travail a constitué une première étape ayant conduit au développement d’un modèle transformer ainsi que d’un modèle déterministe, permettant de générer des continuations possibles d’une mesure de guitare rythmique, au format tablature. Ces deux modèles ont été évalués quantitativement, mais aussi qualitativement par des participants externes via une enquête en ligne. Enfin, un autre transformer est proposé pour générer des tablatures de basse à partir d’une piste de guitare rythmique existante, afin d’assister les guitaristes-compositeurs qui ne sont pas bassistes.
M. Mathieu GIRAUD CRIStAL - CNRS Directeur de thèse, M. Louis BIGO Bordeaux INP, Université de Bordeaux, LaBRI Co-directeur de thèse, M. Gérard ASSAYAG STMS Lab IRCAM Rapporteur, M. Romain MICHON INRIA Rapporteur, M. Ken DéGUERNEL CRIStAL - CNRS Co-encadrant de thèse, M. Rémi BARDENET CRIStAL - CNRS Examinateur, Mme Dorien HERREMANS AMAAI - Singapore University of Technology and Design Examinatrice, Mme Isabel BARBANCHO Universidad de Málaga Examinatrice.
Thèse de l'équipe Algomus soutenue le 09/10/2025