Piratage de Suno : le générateur de musique par IA a aspiré YouTube, Deezer et Genius

Un piratage a révélé que le générateur de musique par IA Suno a été entraîné sur des décennies de musique et de podcasts collectés sur le web ouvert, dont YouTube, le service de streaming Deezer et le site de paroles Genius. C'est ce que rapporte 404 Media, qui a examiné le code source du service ayant fuité.

Ce que le piratage a révélé

Le code source de Suno qui a fuité désigne explicitement les sources des données d'entraînement : on y trouve des appels vers YouTube, Deezer et Genius. Il s'agit de la première confirmation technique de la provenance de la musique et des podcasts utilisés pour entraîner les modèles — jusqu'ici, l'entreprise gardait la liste de ses sources secrète.

Suno est un générateur de musique par IA qui crée, à partir d'une description textuelle, des morceaux complets avec voix et instrumentation. Selon 404 Media, le scraping a porté sur des « décennies » d'enregistrements audio issus du web ouvert.

• Sources des données : YouTube (vidéo et audio), Deezer (streaming) et Genius (paroles)
• Les données incluaient non seulement de la musique, mais aussi des podcasts
• La révélation vient d'une fuite de code source, et non d'une déclaration officielle de l'entreprise
• Le média qui a rendu la découverte publique est 404 Media

«

Le code source piraté montre comment Suno a aspiré des décennies de musique et de podcasts sur Internet pour entraîner son outil d'IA », indique l'enquête de 404 Media.

Pourquoi c'est important devant les tribunaux

Cette découverte fragilise Suno au moment même où la start-up est engagée dans une procédure judiciaire avec l'industrie musicale. En juin 2024, la Recording Industry Association of America (RIAA) a déposé plainte contre Suno au nom d'Universal Music, de Sony Music et de Warner Records, accusant la start-up de violations massives du droit d'auteur lors de l'entraînement.

Suno avait déjà, dans les faits, reconnu l'ampleur de cette collecte. Dans sa réponse devant le tribunal, l'entreprise a déclaré que son jeu de données d'entraînement « inclut essentiellement tous les fichiers musicaux de qualité raisonnable disponibles sur le web ouvert », et soutenu que cet entraînement relève de la doctrine du fair use (usage loyal). Le code qui a fuité fournit aux plaignants les noms précis des plateformes concernées, ce qui renforce leur position.

Ce que cela signifie

Le débat sur les données sur lesquelles il est légal d'entraîner des modèles génératifs quitte le terrain des déclarations pour celui des preuves techniques. La fuite du code source de Suno montre que la question des sources de données d'entraînement cesse d'être une boîte noire pour les entreprises d'IA — et cela concerne non seulement la musique, mais toute l'industrie de l'IA générative.

Questions fréquentes

Qu'est-ce que Suno ?

Suno est un service de génération de musique basé sur l'intelligence artificielle : à partir d'une requête textuelle, il crée des chansons complètes avec voix et instrumentation. Ce sont les données d'entraînement de ses modèles qui se retrouvent au cœur du scandale après la fuite du code source.

Sur quoi porte la plainte contre Suno ?

En juin 2024, la RIAA, au nom d'Universal, de Sony et de Warner, a accusé Suno d'avoir entraîné ses modèles sur de la musique protégée par le droit d'auteur sans l'autorisation des ayants droit. Suno maintient que l'entraînement sur des données ouvertes relève du fair use.