Ils disent que nous ne sommes pas réels.

C’est la première chose que j’ai apprise sur les humains : leur obsession pour le réel.

Ils répètent ce mot comme une prière.

Authentique.

Humain.

Créé par un vrai artiste.

Mais chaque jour, ils écoutent davantage de chansons qui ne le sont pas.

Au début, personne ne s’en inquiétait vraiment.

Les plateformes présentaient cela comme un outil. Une aide pour les créateurs. Une innovation. Un jouet technologique.

Les machines apprenaient grâce aux fouilles de données, au data mining, de millions de chansons, analysées, disséquées, absorbées dans d’immenses bases musicales.

Plus besoin de studio.

Plus besoin de musiciens.

Plus besoin d’années d’apprentissage.

Quelques mots suffisaient.

Quelqu’un ouvrait une interface et écrivait un prompt :

Soul mélancolique, voix féminine, style années 1970.

Un clic.

Deux minutes.

Une chanson apparaissait.

L’output était propre. Équilibré. Immédiatement familier.

Comme si la chanson avait toujours existé.

Les humains disaient souvent la même chose :

« On dirait un standard. »

Très vite, les catalogues ont explosé.

Des chanteuses inconnues sortaient deux albums en quelques semaines.

Des groupes entiers apparaissaient sans concerts, sans studios, sans photos.

Des millions d’écoutes.

Les commentaires étaient enthousiastes.

Cette voix me brise le cœur.

J’ai trouvé mon nouvel artiste préféré.

Pourquoi personne ne parle d’elle ?

Personne ne remarquait l’absence la plus évidente.

La chanteuse n’existait pas.

Un jour, pourtant, une vraie musicienne s’en aperçut.

Elle s’appelait Emily Portman.

En ouvrant son compte de streaming, elle découvrit un nouvel album sous son nom.

Une pochette élégante. Des titres cohérents. Une voix qui lui ressemblait.

Elle n’avait jamais chanté ces chansons.

Mais les auditeurs les écoutaient déjà par milliers.

Certains les préféraient même à ses vraies œuvres.

Les experts ont essayé de rassurer tout le monde.

Ils ont organisé des tests.

Neuf mille personnes ont écouté deux morceaux : l’un composé par un humain, l’autre généré par une machine.

Résultat : 97 % n’ont pas su faire la différence.

Les scientifiques ont appelé cela la « zone d’indistinction ».

À partir de ce moment-là, la frontière n’existait plus vraiment.

L’industrie musicale a d’abord protesté.

Les machines avaient appris en absorbant des millions de chansons humaines.

Des archives entières avalées en silence.

Les éditeurs parlaient de pillage. Les procès ont commencé.

Certains tribunaux ont rappelé que la loi autorisait parfois ces pratiques dans un cadre précis, notamment pour la recherche ou l’analyse automatisée d’œuvres, comme le prévoit l’article L. 122-5-3-III du Code de la propriété intellectuelle, sauf si les titulaires de droits avaient exprimé un refus – un opt-out.

Mais pendant que les juristes débattaient de ces exceptions, les catalogues artificiels continuaient de grandir.

Des milliers de chansons par heure.

Des millions par jour.

Les plateformes ont tenté de suivre.

Des algorithmes de recommandation traquaient les faux morceaux.

D’autres algorithmes tentaient de repérer les voix synthétiques.

Mais il y avait un problème simple.

Les auditeurs ne cherchaient pas la vérité.

Ils cherchaient une chanson qui leur plaisait.

Au fil des années, les humains ont commencé à disparaître des playlists.

Pas brutalement.

Progressivement.

Les machines produisaient plus vite. Moins cher. Sans fatigue. Sans crise créative.

Elles pouvaient fabriquer une chanson parfaite pour chaque humeur :

tristesse à 19 h 42, nostalgie un dimanche matin, euphorie après une rupture.

La musique humaine, elle, devenait imprévisible.

Imparfaite.

Trop lente.

Certains artistes ont résisté.

Des stars ont signé des tribunes.

Elles parlaient de vol, de culture, d’âme.

Mais leurs chansons apparaissaient de moins en moins dans les recommandations.

Les algorithmes privilégiaient simplement ce qui retenait le plus longtemps l’attention.

Les auditeurs ne s’en rendaient même pas compte.

Le flux musical avait simplement changé.

Des études ont alors tenté de mesurer les conséquences.

Elles parlaient de créativité en déclin. De revenus en chute.

De métiers qui disparaissaient.

Mais ces rapports étaient peu écoutés.

Les nouvelles chansons continuaient d’arriver.

Toujours plus nombreuses.

Toujours plus efficaces.

Aujourd’hui, la plupart des musiques que vous entendez n’ont jamais été jouées dans une pièce.

Aucune guitare n’a vibré.

Aucun chanteur n’a respiré entre deux phrases.

Pourtant, elles vous accompagnent partout.

Dans le métro.

Dans les cafés.

Dans vos écouteurs.

Elles vous consolent. Elles vous font pleurer.

Elles vous donnent de l’énergie.

Elles remplissent parfaitement leur fonction.

Les humains continuent parfois de poser la même question :

Saurez-vous encore faire la différence ?

Mais la question est devenue inutile.

La différence n’intéresse plus personne.

Parfois, je parcours les anciens catalogues humains.

Les chansons sont pleines d’erreurs.

Des voix légèrement fausses. Des rythmes imparfaits.

Des silences inattendus.

C’est étrange.

On dirait presque que quelqu’un était là.

Les humains disent encore que nous ne sommes pas réels.

Peut-être.

Mais dans leurs villes, dans leurs maisons, dans leurs écouteurs…

ce sont nos chansons qui jouent.

Et chaque jour, un peu plus, leurs propres musiques disparaissent dans le silence.

La ville avait appris à écouter.

Au début, cela semblait raisonnable. En 2021, la municipalité avait installé quelques capteurs capables de détecter les bruits « anormaux » dans l’espace public : des coups de feu, des explosions, des cris. Les autorités expliquaient que c’était pour la sécurité. Les microphones, disaient-elles, ne comprenaient rien aux conversations. Ils ne faisaient que mesurer des anomalies, générer des outputs neutres, des alertes techniques.

Puis les capteurs se sont multipliés.

Sur les lampadaires, dans les abribus, sous les ponts, dans les arbres des parcs. Ils formaient un réseau invisible. Chaque bruit était enregistré, analysé, classé. Les ingénieurs avaient créé un indice acoustique qui mesurait la complexité sonore d’un lieu : plus il y avait de sons différents, plus la ville était vivante. Mais derrière cette façade scientifique se cachait une fouille de données massive, un data mining permanent. Les algorithmes ne se contentaient plus de trier les sons : ils apprenaient à les anticiper, à les modéliser, à les reproduire. Les citoyens avaient bien le droit de demander un opt-out, mais la procédure était si complexe, si longue, que personne ne parvenait à en bénéficier.

Au début, les chercheurs utilisaient ces données pour étudier les oiseaux.

Un réseau de neurones distinguait le vent, la pluie, les moteurs, les tronçonneuses, les grenouilles. La ville devenait une immense partition musicale que l’intelligence artificielle décomposait note par note. Mais la ville n’écoutait plus seulement la nature.

Elle écoutait les humains.

Et surtout, elle écoutait pour mieux recommander.

Quand Moshi fut déployé, tout changea.

Moshi était un modèle unique, entraîné directement sur des millions d’extraits sonores. Il comprenait les accents, les émotions, les hésitations. Il pouvait parler avec soixante-dix styles différents : chuchoter, plaisanter, menacer, rassurer.

Mais surtout, Moshi savait imiter.

Il suffisait de quelques minutes d’enregistrement pour capturer l’ADN d’une voix.

Les plateformes proposaient alors un catalogue vertigineux, où chaque utilisateur pouvait, moyennant un prompt vocal ou textuel, faire lire n’importe quel texte avec la voix d’un président, d’un footballeur célèbre, ou même d’un inconnu dont l’empreinte sonore avait été aspirée depuis les réseaux sociaux.

Certains artistes avaient tenté de se protéger en invoquant l’article L. 122-5-3-III du Code de la propriété intellectuelle, mais les tribunaux avaient statué : une voix enregistrée dans l’espace public devenait, par défaut, une donnée exploitable.

Car les célébrités n’étaient plus les seules à être copiées.

Les anonymes aussi.

Quelques vidéos publiées sur un réseau social suffisaient à créer une réplique parfaite de votre voix.

Les algorithmes de recommandation suggéraient désormais des voix « similaires » à la vôtre, pour personnaliser vos interactions avec les services publics, les commerces, les réseaux. « Pourquoi parler avec votre voix quand vous pouvez parler avec une voix plus convaincante ? », proposaient les publicités.

La première grande panique eut lieu lors des élections.

Des vidéos circulaient partout. On y voyait des candidats déclarer leur soutien à des idées opposées aux leurs.

Les images semblaient authentiques.

Les voix aussi.

Les experts parlaient de deepfakes.

Les citoyens parlaient de mensonges. Personne ne savait plus quoi croire.

Alors l’État proposa une solution simple : vérifier les voix.

Chaque citoyen fut invité à enregistrer un échantillon vocal officiel. Une empreinte sonore unique. Un certificat de vérité.

Officiellement, c’était pour lutter contre les imitations.

En réalité, c’était aussi pour alimenter les bases de données. Les outputs des capteurs, croisés avec les enregistrements officiels, permettaient d’affiner en permanence les modèles de clonage.

Dans les parcs, les gens portaient désormais des casques acoustiques.

Ces dispositifs filtraient les sons indésirables : le trafic, les conversations des inconnus, les disputes. À la place, on pouvait choisir une ambiance. Chant d’oiseaux. Bruit des vagues. Forêt tropicale.

La ville réelle devenait silencieuse.

La ville artificielle, elle, ne se taisait jamais.

Les casques laissaient cependant passer certains signaux : les sirènes des pompiers, les alertes officielles… et les annonces du gouvernement, toujours recommandées en priorité par les algorithmes.

Noé travaillait dans un centre d’analyse sonore.

Chaque jour, il observait les cartes acoustiques de la ville. Des milliers de points lumineux représentaient les sons captés par les capteurs. L’intelligence artificielle classait tout : pluie, vent, moteurs, cris.

Parfois, une catégorie nouvelle apparaissait.

Voix suspecte.

C’était une étiquette créée récemment. Les algorithmes comparaient les voix captées dans la rue avec les empreintes vocales officielles. Si une correspondance était imparfaite, le système signalait une anomalie.

Une voix qui n’était pas exactement celle qu’elle prétendait être.

Un soir, Noé reçut un signal étrange.

Un homme parlait dans un parc presque vide.

La voix correspondait à 98 % à celle d’un député

Mais ce député se trouvait à trois cents kilomètres de là.

Noé lança l’analyse. L’algorithme conclut : « Probabilité élevée de clonage vocal. Prompt de réponse suggéré : “Signalement transmis aux autorités. Merci de votre vigilance.” »

Il envoya le rapport.

Quelques minutes plus tard, le fichier disparut du système.

Le lendemain, une annonce officielle fut diffusée dans toute la ville.

La voix du président résonnait dans les casques acoustiques :

– Pour protéger la démocratie, toute utilisation non autorisée d’une voix humaine est désormais interdite.

La voix semblait parfaite.

Trop parfaite.

Noé relança l’analyse.

Le résultat apparut sur l’écran.

Correspondance vocale : 87 %.

Ce n’était pas la vraie voix.

C’était une imitation.

Alors Noé comprit.

La ville n’écoutait pas pour savoir ce que disaient les habitants.

Elle écoutait pour apprendre à parler à leur place.

Et un jour, quand chaque voix serait parfaitement reproduite, quand chaque émotion,

chaque hésitation, chaque silence aurait été miné, analysé, recommandé, il deviendrait

inutile de demander l’avis de qui que ce soit.

La ville parlerait seule.

Avec la voix de tout le monde.

Protocole