Suno resserre les limites de téléchargement après qu'un tribunal allemand s'est prononcé contre cette décision
Le générateur de musique IA limite les téléchargements groupés et ajoute un étiquetage IA, après qu'un tribunal de Munich a jugé qu'il s'était formé sur des chansons protégées par le droit d'auteur et qu'un investisseur a admis qu'il était en concurrence avec des artistes humains.
Suno, le générateur de musique IA le plus connu, change ses règles. Dans un article de blog, le co-fondateur et PDG Mikey Shulman a exposé quatre principes directeurs et un ensemble de mesures concrètes, le plus concret étant une nouvelle politique de téléchargement conçue pour empêcher les gens d’exporter en masse des chansons IA et d’en inonder les services de streaming. La plupart des utilisateurs ne le remarqueront pas, affirme la société. Le faire à grande échelle devrait devenir beaucoup plus difficile.
La pression derrière le changement est facile à retracer. Un tribunal régional de Munich a récemment statué que Suno utilisait des chansons protégées par le droit d’auteur lors de ses formations et pouvait les reproduire lorsqu’il y était invité de la bonne manière, et a estimé que la doctrine américaine de l’utilisation équitable ne protégeait pas l’entreprise en Allemagne. Peu de temps auparavant, l’un des investisseurs de Suno avait publiquement reconnu que les chansons réalisées avec Suno étaient en concurrence directe avec la musique d’artistes humains. Cet aveu est plus préjudiciable qu’il n’y paraît : les arguments relatifs à l’utilisation équitable reposent largement sur la question de savoir si une utilisation est nouvelle et transformatrice plutôt que de remplacer l’originale, de sorte qu’un investisseur affirmant “qu’il est en concurrence” est sur le point de concéder ce point.
La réponse de Suno est que sa formation a été conçue pour éviter les copies. La société décrit une approche qu’elle appelle « Création originale, par conception » et affirme avoir délibérément laissé les noms d’artistes en dehors de ses métadonnées de formation, de sorte que le modèle n’a aucune possibilité d’imiter un musicien nommé. Il indique qu’il n’a jamais autorisé les invites ciblant un artiste ou une chanson spécifique et qu’il fonctionne avec Audible Magic, Musixmatch et d’autres services pour filtrer l’audio et les paroles téléchargés. Il prévoit également des outils de transparence basés sur les normes émergentes de l’industrie, afin que d’autres plates-formes puissent identifier une piste comme étant fabriquée par Suno.
Le problème du spam n’est pas hypothétique. En mars, un homme a été condamné après avoir mis en ligne des centaines de milliers de chansons générées par l’IA et collecté huit millions de dollars de redevances via de faux comptes et des flux automatisés. Les plateformes de streaming ont modifié leur façon de gérer les nouveaux téléchargements, en partie à cause de cette inondation. Suno resserre le robinet est, en partie, une réponse à une attaque économique contre les mêmes plateformes sur lesquelles ses utilisateurs publient.
Ce que cela signifie pour vous: si vous créez de la musique avec Suno pour le plaisir, pour une vidéo ou pour un petit projet, il est peu probable que les nouvelles limites vous dépassent. Si votre projet impliquait de télécharger un large catalogue sur des services de streaming, ce plan est désormais considérablement plus difficile, et la décision allemande rend l’utilisation commerciale de la musique IA en Europe plus floue sur le plan juridique qu’elle ne l’était il y a un mois. Pour tous les autres, c’est le signe le plus clair de la direction que prend la lutte contre l’IA et le droit d’auteur : pas un seul verdict dramatique, mais un lent resserrement dans lequel les générateurs eux-mêmes commencent à ajouter des étiquettes, des limites et des contrôles parce que l’alternative perd devant les tribunaux.
Sources
Sources: https://suno.com/blog/building-the-future-of-music-responsibly
Même modèle, quatre outils différents, trois fois le prix : test de ce que vous coûte l'emballage
Composio a exécuté DeepSeek V4 Flash via Claude Code, Codex, OpenCode et Oh My Pi sur 30 tâches réelles. Les taux de réussite étaient similaires. Le coût variait de près de 3 fois et la vitesse de 2,2 fois, en fonction uniquement de l'outil qui exécutait le modèle.
