Musique IA : qui touche l’argent des fausses écoutes ?

Quand vous lancez un album, le compteur ne sert pas seulement à afficher sa popularité. Il entre aussi dans le calcul de l’argent à partager. Sur Spotify, les recettes musicales sont réparties entre ayants droit selon leur part des écoutes prises en compte. Un programme capable de simuler une audience peut donc déplacer des revenus sans convaincre un seul nouvel auditeur. La plateforme décrit elle-même ce mode de répartition.

Le 24 septembre 2026, Qobuz a lancé un signalement des albums comportant des titres détectés comme générés par IA. Ces titres représentent 0,38 % de ses écoutes ; 60 % de leurs écoutes sont jugées frauduleuses et exclues des rémunérations, selon l’entreprise. Chiffres publiés par Qobuz.

L’écart entre ces deux pourcentages est toute l’histoire. Les machines peuvent encombrer un catalogue sans conquérir son public. Elles peuvent aussi fabriquer les traces d’une consommation qui n’a jamais existé. Pour comprendre ce que cela coûte aux musiciens et aux abonnés, il faut suivre les paiements, pas décider à l’oreille si une chanson mérite d’exister.

Le partage de votre abonnement

Un abonnement donne accès à un service. Il n’ordonne pas nécessairement de verser toute sa contribution musicale aux seuls artistes que son titulaire écoute. Dans le système proportionnel décrit par Spotify, une enveloppe est répartie selon la part de chacun dans les écoutes du marché considéré. Cette part s’appelle le streamshare. Ce n’est donc pas un tarif universel et fixe attaché à chaque pression sur le bouton de lecture. Explication de Spotify.

Il faut encore savoir de quels droits on parle. Un enregistrement et la composition qu’il interprète ouvrent deux circuits de rémunération distincts. Le premier passe notamment par les producteurs, labels ou distributeurs ; le second par les éditeurs et organismes qui représentent les auteurs et compositeurs. Les bénéficiaires finaux dépendent de leurs contrats. L’argent versé par une plateforme à un ayant droit n’est pas automatiquement le revenu net de l’interprète. Le guide de Spotify détaille ces circuits.

Cela change la lecture de la fraude. Le fraudeur ne doit pas nécessairement vous faire acheter sa chanson. Il lui suffit de faire accepter, dans le calcul de répartition, une demande de paiement qui ne devrait pas y figurer. Les comptes des autres artistes peuvent alors baisser alors même que leurs véritables auditeurs n’ont rien changé à leurs habitudes.

Les fausses écoutes diluent la rémunération

Prenons un mois entièrement fictif. Une plateforme doit répartir 1 000 euros déjà réservés aux droits sur les enregistrements. Ce montant n’est pas son chiffre d’affaires : on se place après la constitution de cette enveloppe. Toutes les écoutes ont ici le même poids et tous les titres sont supposés éligibles.

Les auditeurs ont produit 100 000 écoutes réelles. Un artiste en représente 10 000, soit 10 %. Son enregistrement reçoit donc 100 euros, avant le partage prévu par ses contrats.

Ajoutons 20 000 fausses écoutes, attribuées au catalogue d’un fraudeur et non détectées à temps. Le montant disponible reste le même, mais il faut désormais le répartir entre 120 000 écoutes enregistrées. L’artiste conserve ses 10 000 vraies écoutes et ne reçoit plus que 83,33 euros. Le catalogue frauduleux capte 166,67 euros, soit un sixième de l’enveloppe.

L’ajout de fausses écoutes équivalant à 20 % du volume initial ne détourne donc pas 20 % du montant final : le dénominateur a lui aussi augmenté. La perte relative de l’artiste est d’environ 16,7 %. Ce calcul ne mesure la fraude sur aucune plateforme ; il isole la manière dont une audience fictive dilue les paiements légitimes.

Dans la réalité, les recettes peuvent changer, certains comptes frauduleux peuvent payer un abonnement, et les contrats comportent d’autres règles. Ces dépenses entrent dans le calcul du gain net des fraudeurs. Elles ne garantissent pas qu’un compte ne puisse recevoir que ce qu’il a lui-même apporté : c’est précisément la répartition collective qui rompt cette correspondance.

Le moment du contrôle compte tout autant. Retirer les fausses écoutes avant le calcul empêche le détournement de cet exemple. Repérer des anomalies après un versement ouvre un autre problème : bloquer les paiements suivants, corriger les comptes ou récupérer les sommes déjà parties. Le compteur affiché et les écoutes rémunérées peuvent différer. Spotify distingue les compteurs visibles de l’éligibilité aux royalties.

L’IA a fourni un catalogue à une fraude déjà ancienne

L’affaire américaine Michael Smith permet de sortir des hypothèses. L’acte d’accusation rendu public le 4 septembre 2024 décrivait un dispositif associant un vaste catalogue de morceaux générés et des comptes automatisés. La production musicale et la fabrication de l’audience étaient deux composantes du même montage. Le document présenté par le parquet expose le fonctionnement allégué à cette date.

Le 19 mars 2026, Smith a plaidé coupable d’entente en vue de commettre une fraude par communications électroniques. Le parquet rapporte des milliards d’écoutes automatisées et plus de 8 millions de dollars de royalties obtenues frauduleusement. Smith a accepté une confiscation de 8,09 millions de dollars. La restitution effective aux artistes lésés reste à documenter. Communiqué relatif au plaidoyer.

Dans ce dossier, l’IA permettait de disposer d’un catalogue immense pour alimenter une opération dont la recette reposait sur l’audience artificielle. La différence avec un musicien qui utilise un outil génératif et rencontre de vrais auditeurs est substantielle : on peut contester sa démarche esthétique sans avoir établi une fraude au comptage.

Le problème précède d’ailleurs les générateurs actuels. Dans son étude sur les écoutes en France en 2021, le Centre national de la musique évaluait les faux streams détectés à au moins 1 à 3 %, à partir des données transmises par plusieurs acteurs et de méthodes différentes. Ce résultat historique ne mesure ni la fraude mondiale de 2026 ni celle qui aurait échappé aux contrôles. Étude du CNM.

L’IA ajoute une capacité de production. Elle ne transforme pas toute musique générée en escroquerie, et elle n’est pas nécessaire pour acheter ou fabriquer des écoutes sur un morceau enregistré par des humains.

Le grand écart entre dépôts et écoutes

Les chiffres de Deezer décrivent une arrivée massive de fichiers, pas une victoire équivalente dans les oreilles. Le 21 juillet 2026, l’entreprise rapportait près de 90 000 titres générés par jour en moyenne en juin, avec une part dépassant la moitié des livraisons quotidiennes à son pic. Le même communiqué situait les titres générés entre 1 et 3 % des écoutes. Données publiées par Deezer.

La première proportion porte sur les nouveautés livrées pendant une période ; la seconde sur l’usage du service. On ne peut pas annoncer que la moitié de la musique écoutée est générée par IA à partir de la première. Une bibliothèque peut recevoir énormément d’ouvrages qui restent sur leurs étagères.

Deezer exclut aussi ces titres de ses recommandations. Leur faible part des écoutes s’observe donc après cette intervention, pas en dehors de toute sélection. Politique publiée.

Chez Qobuz, les deux pourcentages cités en ouverture ont également des bases différentes : l’ensemble des écoutes d’un côté, celles des seuls titres détectés de l’autre. Le communiqué ne donne pas de fenêtre statistique précise pour les réconcilier. Nous n’en déduisons donc ni montant en euros ni taux global de fraude. La détection conserve des angles morts, tant sur l’origine du titre que sur l’activité du compte.

Une autre confusion circule autour de Spotify. Le 25 septembre 2025, la plateforme annonçait avoir supprimé plus de 75 millions de titres assimilés à du spam au cours des douze mois précédents. Elle ne disait pas que chacun de ces titres était généré par IA. Ce chiffre ne porte pas non plus sur la seule semaine de septembre 2026. Annonce originale.

L’origine du morceau et la réalité des écoutes

Derrière un même sigle « IA », les services ne désignent pas toujours le même objet. Qobuz avait annoncé en février un outil visant les contenus entièrement générés. Dans sa charte de septembre, l’entreprise reconnaît que la détection reste imparfaite, notamment lorsque des interventions humaines se mêlent à la génération. Annonce de février et charte en vigueur.

Spotify a annoncé le 11 août 2026 un badge AI Persona, déployé à partir de la mi-septembre selon sa documentation, qui le décrit actuellement sur mobile. Documentation du badge. Il vise l’identité publique du profil, pas directement la fabrication de chaque enregistrement. L’entreprise prévoit aussi un recours pour les profils qu’elle signale. Un personnage photographique artificiel et une voix synthétique sont deux choses distinctes ; le badge ne doit pas devenir un diagnostic universel du morceau. Présentation de Spotify.

Les crédits de fabrication peuvent être plus fins. DistroKid distingue les paroles, la composition et l’audio générés, sans exiger la même déclaration pour une simple assistance au mixage ou à la correction de hauteur. Ce sont les catégories de son dispositif, pas une définition juridique unique de la création. Documentation des crédits IA.

Deux écoutes du même fichier peuvent surtout avoir des natures opposées. Dans l’une, une personne choisit réellement d’entendre le morceau. Dans l’autre, un programme simule un auditeur pour réclamer un paiement. Un détecteur qui examine seulement le son n’observe pas cette différence. Il faut donc vérifier l’activité de consommation, même lorsque l’origine musicale est parfaitement déclarée.

La distinction fonctionne aussi en faveur des créateurs. DistroKid accepte des morceaux réalisés avec des outils d’IA sous conditions de droits, sans usurpation ni production massive destinée à manipuler les services. Être distribué ne garantit toutefois pas l’acceptation par toutes les plateformes. Règles du distributeur.

Que vaut un détecteur exact à 99 % ?

La question paraît technique. Elle devient très concrète lorsqu’un signalement rend un disque moins visible ou prive quelqu’un d’un paiement.

Imaginons 10 000 morceaux, dont 100 sont entièrement générés. Un détecteur fictif reconnaît correctement 99 de ces 100 morceaux. Il classe aussi correctement 99 % des 9 900 autres : cela lui laisse 99 fausses alertes.

Au total, il a raison sur 99 % du catalogue. Pourtant, parmi les 198 morceaux qu’il signale, 99 sont mal classés. La moitié de ses alertes sont donc erronées. Le bon résultat global ne suffit pas à mesurer le risque subi par la personne désignée.

Ces paramètres sont inventés pour l’explication. Ils ne décrivent ni Qobuz, ni Deezer, ni Spotify. La part de morceaux générés est une hypothèse portant sur ce catalogue fictif, sans rapport avec les pourcentages d’écoutes cités plus haut. Deezer publie ses propres taux de détection et de fausses alertes dans sa FAQ ; ces résultats déclarés n’ont pas été reproduits indépendamment pour cet article.

L’exemple montre quelles preuves demander : sur quels enregistrements le test a-t-il été réalisé ? Quelles formes d’intervention humaine étaient présentes ? Combien de faux signalements produit-il ? Que devient un artiste capable de fournir ses pistes de travail ou son historique de production ? La réussite sur un jeu de test ne donne pas automatiquement le résultat sur tous les futurs catalogues.

Il serait tout aussi excessif de rejeter les détecteurs parce qu’ils ne sont pas infaillibles. Ils peuvent aider à sélectionner des cas à examiner. Mais signaler un doute, retirer une recommandation et retenir de l’argent n’ont pas les mêmes conséquences. Plus la décision est lourde, plus sa justification et la possibilité de la contester importent.

Qobuz renvoie les artistes contestant son badge vers leur distributeur. Ce canal existe ; les délais et les résultats des recours seraient des informations utiles pour en apprécier l’efficacité. Charte de Qobuz.

Le contrôle commence avant le bouton de lecture

Le distributeur est l’intermédiaire qui apporte les enregistrements et leurs informations aux plateformes. Il peut connaître le déposant avant qu’une première écoute se produise. L’initiative lancée par l’IFPI le 14 septembre 2026 lui demande notamment de vérifier les identités et les droits, d’examiner les contenus et de partager des indicateurs de fraude suffisamment fiables, dans le respect du droit. Il s’agit d’engagements professionnels, pas d’une certification publique de tous les catalogues des signataires. Streaming Integrity Initiative.

Ces contrôles répondent à des problèmes différents. Identifier celui qui réclame l’argent facilite les enquêtes et les recours. Cela ne garantit pas qu’il n’achètera jamais de fausses écoutes. Reconnaître un enregistrement copié peut protéger son propriétaire. Cela ne suffit pas à vérifier les comptes qui le diffusent. Le dispositif doit suivre à la fois le fichier, son déposant et l’activité qui produit la rémunération.

Spotify facture depuis avril 2024 les labels et distributeurs dans certains cas flagrants de streaming artificiel. L’incitation consiste à rendre coûteuse la livraison répétée de contenus associés à ces pratiques. La même documentation reconnaît que des artistes peuvent subir des écoutes artificielles à leur insu. L’implication de l’interprète doit donc être examinée séparément de l’activité des bots. Règles et limites exposées par Spotify.

L’industrie vend aussi sa réponse au problème. Deezer commercialise sa technologie de détection depuis janvier 2026. Cette activité peut financer des protections utiles, tout en donnant à l’entreprise un intérêt commercial à démontrer leur importance. Les deux peuvent être vrais. Annonce de commercialisation.

Cela justifie d’examiner les résultats, pas de soupçonner par principe chaque alerte. Un nombre de fichiers supprimés renseigne sur un travail effectué. Pour évaluer le bénéfice économique, il faudrait aussi connaître les paiements empêchés, les fonds effectivement récupérés et les décisions corrigées après contestation. Additionner ces catégories sans suivre les mêmes sommes créerait une économie imaginaire.

Rapprocher le paiement de celui qui écoute

Une autre réponse consiste à changer la répartition. Dans un modèle centré sur l’utilisateur, la part distribuable apportée par un abonné va aux artistes qu’il a écoutés, selon son usage. Le nombre de lectures produit par un autre compte n’entame plus directement cette enveloppe. Le CNM a étudié ce mécanisme sous le nom de User Centric Payment System. Présentation de l’étude.

Prenons 10 euros distribuables dans un exemple fictif, pas un tarif d’abonnement réel. Si cette somme est attachée à un compte, multiplier les lectures de ce compte ne crée pas 10 euros supplémentaires. Le volume sert à répartir une contribution bornée, plutôt qu’à réclamer une fraction d’une enveloppe commune plus grande.

Cette architecture réduit l’intérêt de certaines manipulations, sans empêcher les comptes compromis ou l’utilisation abusive d’abonnements. Le CNM envisageait justement un déplacement de la fraude vers des utilisateurs peu actifs et des sous-comptes. SoundCloud propose pour sa part des rémunérations liées aux auditeurs, sous le nom de fan-powered royalties, pour les contenus concernés. Cela ne décrit pas une règle universelle applicable à tous les services ou à tous les droits. CNM ; présentation de SoundCloud.

La question ne se règle donc pas en choisissant un modèle au nom rassurant. Il faut déterminer quelle fraude il rend moins rentable et ce qui peut remplacer cette fraude. Changer la formule de partage ne remplace ni le contrôle des comptes ni la vérification des bénéficiaires.

Les conditions d’accès à la rémunération

La lutte contre la fraude ne doit pas rendre invisibles les autres choix de répartition. Sur Spotify, un titre doit notamment atteindre 1 000 écoutes sur les douze mois précédents, ainsi qu’un minimum d’auditeurs distincts non publié, pour entrer dans le calcul des droits sur l’enregistrement. La règle, appliquée depuis avril 2024, ne porte pas sur les droits d’édition musicale. Conditions d’éligibilité.

Un petit catalogue peut donc être authentique, attirer de vrais auditeurs et rester sous le seuil. Ce n’est pas une accusation de fraude. C’est une règle commerciale qui détermine quels enregistrements participent au partage. Expliquer les versements exige de distinguer cette sélection des rejets pour activité artificielle.

La protection juridique de la musique constitue encore une autre question. Dans son rapport de janvier 2025, le Copyright Office américain conclut que l’assistance par IA n’exclut pas la protection des apports créatifs humains ; la simple fourniture de prompts ne suffit pas, à elle seule, à établir cette protection. Cette analyse américaine ne règle ni chaque œuvre particulière ni le droit français. Résumé officiel du rapport.

L’acceptation d’un fichier par un distributeur, sa présence au catalogue, ses compteurs et les droits qu’il peut faire valoir ne sont donc pas interchangeables. Les confondre donne autant de moyens de mal interpréter une facture ou un retrait.

Rendre des comptes aux abonnés et aux artistes

Le sujet n’impose pas de choisir entre défendre tous les usages de l’IA et retirer toute musique qui en contient. Une personne peut aimer un morceau généré ; une autre peut vouloir connaître ses interprètes et ses auteurs. Leur préférence n’autorise personne à inventer les écoutes qui déclenchent une rémunération.

Les pièces disponibles établissent une fraude susceptible de détourner de vrais revenus et des mesures destinées à l’empêcher. Elles ne donnent pas un montant mondial fiable de l’argent actuellement volé par la musique générée. Les taux détectés, les catégories de contenus et les périodes diffèrent trop pour construire ce total par addition.

Pour apprécier les progrès, le compteur le plus spectaculaire n’est pas forcément le plus utile. Une plateforme devrait pouvoir expliquer ce qu’elle a écarté du paiement, ce qu’elle a effectivement récupéré et comment elle répare une erreur de classement, sans publier les détails qui permettraient de contourner ses contrôles.

L’abonné n’a pas à devenir expert des filigranes sonores pour comprendre où va son argent. Il doit pouvoir distinguer une sélection éditoriale, une suspicion technique et une fraude établie. Et l’artiste auquel on retire de la visibilité ou des revenus doit pouvoir savoir quelle décision le concerne et comment la contester. Le contrôle des écoutes n’aura rempli son rôle que s’il protège aussi les personnes qu’il risque de mal compter.

Pour poursuivre

La question des erreurs de classement rejoint notre enquête sur l’IA face aux appels à l’aide dans le recouvrement. Les risques d’usurpation vocale sont détaillés dans l’affaire Fideuram.

Sources et documents

• Qobuz : Qobuz Rolls Out a Tag to Flag AI-Generated Music (2026-09-24).
• Qobuz : AI Charter, version 2 (2026-09).
• Qobuz : Qobuz Moves to Protect Artists and Listeners from AI Content (2026-02-26).
• Spotify : Understanding Spotify royalties.
• Spotify : Royalties Guide.
• U.S. Department of Justice, SDNY : North Carolina Musician Charged With Music Streaming Fraud Aided By Artificial Intelligence (2024-09-04).
• U.S. Department of Justice, SDNY : North Carolina Man Pleads Guilty To Music Streaming Fraud Aided By Artificial Intelligence (2026-03-19).
• Centre national de la musique : Étude manipulation des écoutes en ligne.
• Deezer : AI music has surpassed 50% of new music uploads for the first time (2026-07-21).
• Deezer : Deezer confirms demonetization of up to 85% of AI-music streams due to fraud and moves to sell AI-detection Technology (2026-01-29).
• Spotify : Spotify Strengthens AI Protections for Artists, Songwriters, and Producers (2025-09-25).
• Spotify : Introducing a New Label for AI-Generated Artist Identities on Spotify (2026-08-11).
• DistroKid : Can I Upload Music Made With AI Tools to DistroKid?.
• DistroKid : What Are AI Credits?.
• IFPI : Music Companies Unite in New Commitment to Combat Streaming Fraud in Order to Protect Artists, Songwriters and Fans (2026-09-14).
• Spotify : Artificial Streaming.
• Spotify : Track monetization eligibility.
• Centre national de la musique : User Centric Payment System (UCPS).
• SoundCloud : How to get paid on SoundCloud.
• U.S. Copyright Office : Copyright Office Releases Part 2 of Artificial Intelligence Report (2025-01-29).
• Spotify : Your Questions, Answered, Loud & Clear.
• Spotify : AI Persona Badging.

Méthode et limites

Sources consultées le 28 septembre 2026. Les entreprises décrivent leurs propres règles et résultats ; l’IFPI représente l’industrie. Les périodes et méthodes de mesure diffèrent. Aucun audit de catalogue ni test de détecteur n’a été réalisé. Les simulations isolent deux mécanismes sous des hypothèses fictives ; leurs calculs figurent dans les légendes. Le dossier Smith est documenté ici jusqu’au plaidoyer du 19 mars 2026. La date d’audience annoncée dans ce communiqué ne confirme ni sa tenue ni une peine définitive ou une restitution. Le passage sur le droit d’auteur porte sur le rapport américain cité.