On ne convertit pas un morceau de musique en feuille de calcul, mais on peut en extraire une grande quantité de données exploitables. C'est le champ de la recherche d'informations musicales (MIR), qui combine traitement du signal et analyse statistique.
Extraire des caractéristiques audio
Des outils comme Audacity, Adobe Audition ou Sonic Visualiser permettent de mesurer :
- le spectre de fréquences, c'est-à-dire la répartition de l'énergie sonore dans les graves et les aigus ;
- l'amplitude, ou volume, relevée au cours du temps ;
- le tempo, exprimé en battements par minute ;
- la tonalité et la gamme ;
- les instants d'attaque des notes, utiles pour la transcription automatique.
Les descripteurs spécialisés
Les bibliothèques d'analyse comme librosa en Python ou Essentia calculent des indicateurs plus élaborés : chromagrammes pour la présence des douze hauteurs, coefficients MFCC pour la forme du spectre, histogrammes de tempo, détection et identification des accords. Ces valeurs sont directement exportables en CSV.
Transcrire en notation
Des logiciels comme Sibelius, Finale ou MuseScore permettent de noter une partition, ce qui fournit des données structurées : hauteur, durée, rythme, nuances. Les résultats restent imparfaits sur les enregistrements complexes, mais très utiles sur une ligne mélodique isolée.
Analyser et visualiser
Une fois les données extraites, Tableau, Power BI ou un simple tableur suffisent à tracer des courbes et comparer des morceaux. Les approches par apprentissage automatique vont plus loin : classification par genre, systèmes de recommandation fondés sur l'historique d'écoute, voire génération de nouvelles compositions.
Avant de vous lancer, clarifiez votre objectif et le format de sortie attendu : c'est lui qui détermine les descripteurs à calculer, et non l'inverse.