L’orchestration est l’art de composer un discours musical en combinant les timbres instrumentaux. La complexité de la discipline a longtemps été un frein à l’élaboration d’une théorie de l’orchestration. Ainsi, contrairement à l’harmonie ou au contrepoint qui s’appuient sur de solides constructions théoriques, l’orchestration reste de nos jours encore essentiellement enseignée à travers l’observation d’exemples canoniques.
Notre objectif est de développer un système d’orchestration automatique de pièce pour piano en nous appuyant sur des méthode d’apprentissage statistique. Nous nous focalisons sur le répertoire classique, cette technique d’écriture étant à l’époque courante pour des compositeurs tels que Mozart ou Beethoven qui réalisaient d’abord une ébauche pianistique de leurs pièces orchestrales. Ainsi, notre premier objectif a été de réaliser un système capable d’orchestrer en temps réel l’improvisation d’un pianiste. Dans un second temps, nous abandonnons les contraintes liées au temps réel afin d’utiliser des modèles de génération non linéaires dans le temps, plus proches du processus compositionel d’un humain, mais dont l’étape de génération est plus lente.
En observant une large base de donnée de pièces pour orchestre et leurs réductions pour piano, nous évaluons l'aptitude des réseaux de neurones à apprendre les mécanismes complexes qui régissent l’orchestration. La vaste capacité d’apprentissage des architectures profondes semble adaptée à la difficulté du problème. Cependant, dans un contexte orchestrale, les représentations musicales symboliques traditionnelles donnent lieu à des vecteurs parcimonieux dans des espaces de grande dimension. Nous essayons donc de contourner ces difficultés en utilisant des méthodes auto-régressives ou en cherchant des représentations mieux adaptées.
Léopold Crestel soutiendra sa thèse de doctorat réalisée au sein de l'équipe Représentations musicales (STMS - CNRS/Ircam/Sorbonne Université/Ministère de la Culture).
Le jury sera composé de :
Philippe Esling, Sorbonne Université
Jean-Gabriel Ganascia, Sorbonne Université
Maarten Grachten, Independent consultant
Florence Levé, Université de Picardie Jules Verne
Yan Maresz, CNSMDP
Geoffroy Peeters, Télécom Paristech
Kamel Smaïli, LORIA, Nancy