MuseCool : ce que 2 000 cours de musique révèlent sur l’IA pédagogique

Les six premiers mois d’activité publique de MuseCool livrent un enseignement assez clair pour les outils numériques éducatifs : un cours de musique ne se résume pas à une transcription. Depuis son lancement public en avril, l’entreprise indique avoir enregistré et analysé environ 2 000 cours, grâce à une IA audio qui traite à la fois les échanges oraux et la musique jouée. 23

Cet échantillon reste limité et directement lié à l’entreprise ; il ne constitue donc pas une photographie définitive de l’enseignement musical. Il donne néanmoins un premier aperçu de ce qui se déroule dans un cours individuel — et du défi auquel se heurtent les IA destinées aux professeurs.

Jouer ne représente qu’une partie du cours

Selon les premières analyses de MuseCool, les élèves passent environ 40 % du temps d’un cours moyen à jouer de leur instrument. Le reste comprendrait notamment des explications, des démonstrations, de l’écoute, des échanges et d’autres séquences pédagogiques. 6

Ce chiffre est important : un système qui repère uniquement les notes, ou qui ne fait que retranscrire les paroles, laisserait de côté une grande partie de la séance. Un professeur peut expliquer un geste technique, jouer un passage en exemple, diagnostiquer une difficulté, réécouter l’élève, fixer un objectif de travail ou discuter de l’interprétation — parfois autour d’un temps de jeu relativement bref.

Cette proportion de 40 % doit toutefois être interprétée avec prudence. Elle provient des données opérationnelles de MuseCool et n’a pas été présentée comme le résultat d’une étude indépendante, auditée et représentative de l’ensemble du secteur. 36 Elle remet malgré tout en question l’idée selon laquelle la qualité d’un cours se mesurerait simplement au temps de pratique instrumentale.

Une IA qui doit comprendre la musique autant que la parole

MuseCool présente son approche comme de la Music Information Retrieval (MIR), ou recherche d’information musicale : l’analyse de la musique interprétée en parallèle de la parole et du contexte du cours. L’objectif affiché est d’identifier ce qui a été joué et de comprendre le travail réalisé par le professeur et l’élève, plutôt que de convertir une conversation en texte. 23

La nuance est centrale. Un outil d’enregistrement qui renvoie une transcription générique risque surtout d’ajouter de la lecture au travail du professeur. Un système sensible au contenu musical peut, lui, viser des supports de suivi plus utiles : un résumé structuré, une trace de l’activité musicale et des indications pour accompagner l’entraînement entre deux cours.

L’entreprise a également décrit une plateforme qui s’appuie sur l’activité observée pendant le cours pour fournir des analyses, des partitions pertinentes et des jeux de pratique personnalisés, tout en intégrant des fonctions administratives comme les paiements. 15

L’adoption par les professeurs dépend du temps réellement gagné

Dans l’enseignement particulier, l’adoption de nouvelles technologies est délicate. Les méthodes des professeurs sont personnelles, souvent éprouvées et volontairement souples. Peu d’entre eux auront intérêt à adopter un système qui impose un cadre rigide ou crée une tâche administrative supplémentaire.

La direction prise par MuseCool tient compte de cette contrainte. Son IA est censée écouter et documenter le cours en arrière-plan, pendant que le professeur continue d’enseigner. 2 L’enjeu n’est pas d’automatiser pour automatiser, mais de réduire le travail de suivi et de fournir aux élèves des supports plus clairs.

MuseCool exploite aussi une place de marché de professeurs. Son site destiné aux enseignants revendique une communauté de plus de 1 622 tuteurs et plus de 2 000 cours individuels mensuels, en ligne ou en présentiel. Il s’agit de chiffres communiqués par l’entreprise, sans audit indépendant mentionné. 8

Une place de marché doublée d’outils pour l’enseignement

MuseCool a commencé comme école de musique à Londres en 2017 et propose des cours personnalisés en ligne et en présentiel. 910 Ses pages destinées aux élèves mettent en avant des cours à domicile ou à distance, ainsi que des offres comprenant, pour certains instruments, un prêt gratuit le premier mois. 45

Le modèle va donc au-delà d’un simple outil d’analyse des cours. Il associe la recherche et la mise en relation avec un professeur, des outils de gestion et, à terme, des ressources d’apprentissage. En pratique, il relève d’une logique B2B2C : aider les enseignants et les structures d’enseignement dans leur organisation, tout en facilitant l’accès des élèves à un professeur.

Pour les élèves, l’offre actuelle comprend certains instruments gratuits pendant le premier mois, avec la possibilité de les retourner durant cette période. Les instruments concernés et les conditions précises varient selon les offres. 1213

Ce qu’un ensemble de données plus vaste pourrait apporter

Un volume croissant de données de cours pourrait devenir utile au-delà des seuls résumés individuels. Sous réserve d’un consentement explicite, de solides garanties de confidentialité et d’une validation rigoureuse, il pourrait aider des établissements à observer plus rapidement les pratiques pédagogiques, à repérer les élèves qui pourraient nécessiter un accompagnement renforcé et à mener des recherches plus quantitatives sur les méthodes d’enseignement.

MuseCool présente cette perspective comme un moyen de rendre plus observable, à l’échelle agrégée, une activité habituellement privée et difficile à mesurer. 3 Pour les fabricants d’instruments et les acteurs de l’industrie musicale, des informations agrégées et correctement encadrées sur le répertoire et les habitudes de pratique pourraient aussi avoir un intérêt.

Ces effets restent hypothétiques, et non des résultats démontrés. La valeur du jeu de données dépendra de sa qualité, de sa représentativité, du consentement éclairé des personnes concernées, de sa gouvernance et, surtout, de la capacité des indicateurs produits à refléter de véritables apprentissages — plutôt que ce qu’un algorithme parvient simplement à détecter.

Des ambitions encore à confirmer

MuseCool a été associé à une collaboration avec la Queen Mary University of London autour de la Music Information Retrieval, et des informations ont évoqué un projet avec Innovate UK, l’organisme public britannique de soutien à l’innovation. 6 Les éléments fournis ne permettent pas d’établir précisément le périmètre, le calendrier ou le financement de ces travaux : ils doivent donc être considérés comme des projets en développement, et non comme des résultats acquis.

La même prudence s’impose pour ses ambitions plus larges : ressources de partitions du domaine public et sous licence, rapprochement avec les conservatoires, places de marché locales ou instruments augmentés par l’IA capables d’interpréter ce qui se passe dans une pièce entière. L’idée reste cohérente avec la volonté de comprendre simultanément la performance et l’enseignement, mais les sources disponibles ne confirment pas l’existence d’un piano « parlant » ou d’un instrument déjà opérationnel et conscient de son environnement. 23

Un premier bilan prometteur, mais encore préliminaire

L’apport le plus concret de MuseCool, à ce stade, n’est pas de prétendre remplacer les professeurs de musique par l’IA. Il est de rappeler que l’unité pertinente à analyser est le cours dans son ensemble : le son, la parole, la démonstration, le retour pédagogique et le contexte.

Environ 2 000 cours analysés suffisent à formuler des hypothèses — notamment celle selon laquelle le jeu instrumental ne représente qu’environ 40 % d’un cours moyen — mais pas à trancher pour l’ensemble de l’enseignement musical. 36 La prochaine épreuve sera pratique : vérifier si ces outils font réellement gagner du temps aux professeurs, améliorent le travail des élèves entre les séances et respectent les exigences élevées de confidentialité et de confiance propres à une relation pédagogique personnelle.