Suno perd la tête du classement vocal de l'IA musicale : ce que la victoire d'ACE Music v1 veut dire (et ne veut pas dire)
Mis à jour:
Cinq semaines à peine après avoir pris la tête des deux classements musicaux d'Artificial Analysis lors du lancement de leur version v1.1 le 8 octobre, Suno v6 vient déjà de perdre l'une de ses couronnes. Le 11 novembre 2026, l'organisme d'évaluation a annoncé sur X qu'un nouveau modèle faisait son entrée directement à la première place d'AA-Music-Vocal v1.1, son benchmark d'écoute à l'aveugle consacré aux chansons avec voix générées par IA. Ce challenger s'appelle ACE Music v1 et vient d'ACE Studio.
Le jour même, Decrypt publiait un test terrain au titre sans détour : « This New AI Music Model Is Already Better Than Suno ». L'affirmation mérite toutefois qu'on y regarde de plus près. Les chiffres montrent bel et bien un résultat réel, mais circonscrit à une seule catégorie et avec des écarts serrés. L'éditeur à l'origine du modèle arrive d'ailleurs sur la génération de chansons par un chemin très inhabituel.

De la synthèse vocale à la chanson complète
La plupart des générateurs de musique par IA grand public sont partis du prompt : on tape une description, l'outil rend un morceau terminé. Suno a bâti tout son produit sur cette approche et commence seulement à laisser les musiciens apporter leur propre matière. Le 4 novembre 2026, la plateforme a ainsi ajouté l'import MIDI à sa page Create, ce qui permet d'amorcer un titre à partir de ses propres notes plutôt que d'une simple phrase.
ACE Studio a suivi la trajectoire inverse. Selon Artificial Analysis, l'entreprise a été fondée en 2018 et a « démarré dans la synthèse de voix chantée par IA ». Son logiciel phare sur ordinateur est une station de travail destinée aux producteurs, qui transforme des notes MIDI et des paroles en pistes vocales chantées. L'éditeur derrière l'outil, Timedomain, présente ACE Studio comme un logiciel qui « crée des voix de qualité studio à partir de MIDI et de paroles » et indique avoir levé 20 millions de dollars à ce jour. (D'autres articles, dont celui d'AlphaSignal, situent la bêta fermée de cette station de travail en avril 2022. L'année de fondation en 2018 vient d'Artificial Analysis et de Decrypt, sans confirmation sur les pages de l'entreprise.)
L'équipe a donc passé des années sur l'aspect le plus difficile à simuler pour une machine : une voix humaine crédible capable d'articuler des paroles. Ce n'est qu'ensuite qu'elle a conçu un modèle capable d'écrire et d'interpréter des titres entiers. D'après sa page officielle, ACE Music v1 accepte une description textuelle, les paroles de l'utilisateur ou les deux. Il prend aussi en charge des indications d'interprétation entre parenthèses — comme « hum softly » ou « sing with a raspy voice » — placées avant un couplet ou une simple ligne.
Il est tentant de faire le lien entre ce passé et le classement obtenu : un spécialiste de la synthèse vocale décroche la première place d'un benchmark qui évalue précisément les chansons chantées. AlphaSignal tire la même conclusion. Ce lien de cause à effet reste toutefois une hypothèse, car ACE n'a publié ni l'architecture ni les détails d'entraînement d'ACE Music v1.
Ce que disent vraiment les chiffres du classement
Voici ce qu'affichait en direct le classement AA-Music-Vocal v1.1 au 12 novembre 2026 :
| Rang | Fourchette | Modèle | Elo | Intervalle à 95 % | Échantillons |
|---|---|---|---|---|---|
| 1 | 1–2 | ACE Music v1 | 1160 | 1139–1181 | 2 119 |
| 2 | 1–3 | Suno v6 | 1144 | 1126–1162 | 3 063 |
| 3 | 2–3 | Suno v6-mini | 1132 | 1114–1150 | 3 175 |
| 4 | 4 | Mureka V9.5 | 1101 | 1083–1119 | 3 141 |
| 5 | 5–6 | Mureka V9 | 1063 | 1045–1081 | 3 121 |

Pour lire ces chiffres sans se tromper, il faut savoir comment ils sont produits. La méthodologie publiée par Artificial Analysis précise que chaque note provient uniquement de votes à l'aveugle par paires, effectués par un panel privé validé. Les votes publics sur son Music Arena sont bien enregistrés, mais ne comptent pas. Les évaluateurs écoutent deux pistes générées à partir du même prompt et doivent en écouter au moins 10 secondes chacune avant de voter, l'identité des modèles restant masquée jusqu'à la fin du vote.
Tous les morceaux sont normalisés à −16 LUFS et réencodés en MP3 à 320 kbps afin que le volume sonore n'influence pas les auditeurs. Les scores sont calculés via une estimation du maximum de vraisemblance de Bradley-Terry, puis recalés sur une échelle de type Elo dont l'ancre est fixée à 1000 pour MiniMax Music 3.0. Sur le classement vocal, le modèle rédige lui-même ses paroles à partir du prompt : on teste donc la composition de bout en bout, et non sa capacité à chanter un texte fourni par un humain. Selon l'annonce de lancement, la suite v1.1 rassemble 1 000 prompts répartis sur 17 genres.
Trois constats découlent de cette méthode.
L'avance reste dans la marge d'erreur. L'intervalle d'ACE (1139–1181) recoupe largement celui de Suno v6 (1126–1162). La colonne « Fourchette » du classement — qu'Artificial Analysis dit obtenir en simulant l'ensemble du tableau — place d'ailleurs ACE entre la 1re et la 2e place, et Suno v6 entre la 1re et la 3e. Decrypt et Artificial Analysis reconnaissent tous deux ce chevauchement : la place de numéro un correspond à l'ordre le plus probable, pas à une hiérarchie figée.
Seize points d'Elo pèsent peu en duel direct. Sur une échelle Elo classique, un écart de 16 points signifie que le modèle le mieux noté est préféré dans environ 52 % des confrontations — presque du pile ou face. À titre de comparaison, les 59 points d'avance d'ACE sur Mureka V9.5 correspondent à environ 58 % de préférence, et ses 160 points au-dessus de l'ancre à 1000 à environ 72 %. (Calcul réalisé par nos soins en supposant que le recalage d'Artificial Analysis — que l'entreprise qualifie « de type Elo » — suive la courbe classique à 400 points.)
ACE compte moins de votes que ses concurrents. ACE Music v1 affiche 2 119 comparaisons, contre plus de 3 000 pour tous les autres modèles du tableau. C'est pourquoi son intervalle d'incertitude est de ±21 points, contre ±18 pour les autres. À mesure que les votes s'accumuleront, son score pourra encore bouger dans un sens comme dans l'autre.
Artificial Analysis note également que lors de ses tests, ACE Music v1 a signé ses meilleurs résultats sur les prompts de reggae/dancehall et de musique classique/orchestrale. Un score Elo global unique gomme forcément ces disparités entre genres. La FAQ d'ACE l'admet elle-même : cette place de numéro un « reflète des préférences d'écoute à l'aveugle pour la musique vocale, et non des classements distincts pour chaque genre ou fonctionnalité ».
L'autre moitié du tableau : les instrumentaux manquent à l'appel
Artificial Analysis tient un second classement, AA-Music-Instrumental v1.1, et ACE Music v1 n'y figure pas. Suno v6 y occupe la tête avec 1148 points (±22), suivi par Suno v6-mini à 1114.
L'absence est notable, car l'annonce même d'Artificial Analysis indique qu'ACE Music v1 « génère des morceaux complets avec voix ou en instrumental ». L'évaluateur n'a pas précisé pourquoi ACE en était absent. Sa méthodologie stipule qu'un modèle n'apparaît dans un classement qu'après avoir recueilli un nombre minimal de votes, et que le tableau instrumental n'inclut que les modèles disposant d'un moyen fiable de supprimer les voix. L'une ou l'autre de ces règles pourrait l'expliquer, mais aucune n'a été confirmée pour ce modèle. Pour l'heure, la formulation exacte est qu'ACE mène le classement vocal et ne possède aucun classement instrumental — pas qu'ACE « bat Suno » sur la musique dans son ensemble.
À l'écoute : les réussites et les ratés d'ACE Music v1
Le test de Decrypt complète le tableau sur le plan qualitatif. Dans les styles grand public, le testeur a trouvé les mélodies d'ACE plus cohérentes et son chant plus naturel, avec moins des défauts habituels des voix par IA : mots mâchés, auto-tune prononcé ou syllabes de remplissage. Il a aussi jugé ACE meilleur pour conclure une chanson. Là où Suno ajoutait parfois des sons bizarres, des répétitions ou des changements brusques sur la fin, ACE tenait généralement sa structure jusqu'à une conclusion propre. Écrire un bon refrain est relativement facile ; tenir une idée musicale pendant trois minutes est beaucoup plus difficile.
Le banc d'essai relève aussi des échecs francs. Sur une demande de death metal mélodique, ACE s'est obstiné à produire une voix féminine claire et agréable au lieu du chant saturé exigé par le style, et « confond les genres de metal un peu partout ». Suno a géré les registres lourds avec plus de créativité et de régularité.
La session d'écoute d'un seul média a ses limites, et Decrypt le dit d'ailleurs lui-même en qualifiant ses résultats de « subjectifs plutôt que d'un benchmark contrôlé ». Le morceau vitrine mis en lien parle en outre de la propre annonce d'entreprise de Decrypt : il illustre le modèle, mais ne constitue pas un test neutre. Pris ensemble, ce test terrain et le classement mènent à une conclusion mesurée : ACE semble très solide sur les titres grand public portés par la voix, et son avantage se réduit — voire s'inverse — aux extrêmes des genres.
Au-delà du prompt : la bataille du MIDI et de la partition
L'élément le plus intéressant du lancement d'ACE tient peut-être au flux de travail autour du modèle plutôt qu'à son rang. Après avoir généré un titre avec ACE Music v1, les utilisateurs peuvent le convertir en MIDI et le séparer en stems pour continuer à le travailler dans un DAW. ACE Music v1.1 Preview va encore plus loin : il commence par écrire une partition en notation ABC — un format texte décrivant hauteurs de notes, rythme et accords — puis génère l'audio à partir de cette partition.
Les utilisateurs peuvent fredonner une mélodie, la jouer au clavier ou importer un fichier MIDI comme point de départ, puis modifier la mélodie et les accords avant de relancer une génération. ACE précise que « chaque génération est une nouvelle interprétation, le son peut donc varier même lorsque la partition reste la même ».
L'entrée MIDI ajoutée par Suno le 4 novembre fonctionne en sens inverse : les notes de l'utilisateur alimentent un générateur pensé d'abord autour du prompt. La v1.1 Preview d'ACE traite au contraire la partition comme un plan interne conçu par le modèle et modifiable par l'utilisateur. Les deux entreprises convergent vers le même objectif en partant de pôles opposés : un outil qui laisse les musiciens reprendre la main sur la composition au niveau des notes, et plus seulement du prompt. (Lecture personnelle tirée des pages produits des deux services.) Pour des producteurs en activité, cette convergence pourrait compter davantage qu'un écart de 16 points Elo.
Un modèle fermé sans API : ce que ça change pour les créateurs
Dans la pratique, le modèle phare impose de vraies limites. Artificial Analysis indique sans détour qu'« ACE Music v1 n'a pas d'API ». Le modèle tourne uniquement dans l'application web ACE Music, ce qui implique trois conséquences :
- Pas d'intégration en pipeline. Les développeurs ne peuvent pas intégrer ACE Music v1 dans leurs propres produits ni automatiser des traitements par lots. La méthodologie d'Artificial Analysis précise qu'elle évalue habituellement des modèles « fournis via des endpoints API serverless » : ACE fait donc figure d'exception, et quiconque souhaite vérifier ses résultats doit le faire à la main dans l'application.
- Des droits liés à l'abonnement. Selon la page tarifaire d'ACE, l'offre gratuite donne 20 crédits par jour, et une génération sur ACE Music v1 coûte 4 crédits pour deux morceaux. Les titres créés avec l'offre gratuite n'incluent aucun droit d'utilisation commerciale, et passer à un forfait payant par la suite n'accorde pas ces droits rétroactivement. Les offres payantes débutent à 7,90 $ par mois (facturation annuelle) pour 1 000 crédits mensuels, soit environ 500 morceaux v1 — ce qui correspond aux « jusqu'à 500 chansons par mois » mentionnées par Artificial Analysis.
- L'option open source est un autre modèle. ACE Studio et le laboratoire chinois StepFun codirigent ACE-Step 1.5, un modèle à poids ouverts sous licence MIT capable de tourner en local avec moins de 4 Go de VRAM. Mais son propre rapport technique situe sa qualité évaluée par des humains entre Suno v4.5 et Suno v5, soit une génération ou plus derrière le modèle aujourd'hui classé numéro un. ACE indique « prévoir de passer ACE Music v1 Flash en open source fin 2026 », une variante plus légère qui échange un peu de qualité contre davantage de vitesse et une configuration matérielle plus modeste. Il s'agit d'un projet annoncé, sans sortie effective pour l'instant.
L'angle mort des données d'entraînement
Chaque classement d'IA musicale évolue désormais sur fond de litiges en cours. Suno reste visé par des poursuites : en novembre 2026 encore, les propriétaires du catalogue d'Elvis Presley et l'éditeur d'Eminem ont déposé de nouvelles plaintes, même si l'entreprise a aussi signé un partenariat de licence avec Warner Music Group. Dans un tel contexte, la provenance des données d'entraînement d'un nouveau modèle pèse lourd.
Sur ce point, le dossier public d'ACE est incomplet. La fiche modèle d'ACE-Step 1.5 indique que le modèle ouvert a été entraîné sur « un jeu de données massif et conforme sur le plan juridique », composé de « morceaux sous licence professionnelle », de musique du domaine public ou libre de droits, ainsi que d'audio synthétique issu de conversions MIDI-vers-audio. Le rapport technique qui l'accompagne décrit l'annotation d'un « corpus de 27 millions d'échantillons », mais ne précise ni d'où provient cet audio ni qui en a accordé les licences. Quant à ACE Music v1 — le modèle fermé qui a effectivement pris la tête du classement —, nous n'avons trouvé aucune mention de ses données d'entraînement sur sa page modèle, sa page tarifaire ou la page d'accueil d'ACE Music au 12 novembre 2026. Une affirmation valable pour le modèle ouvert ne doit pas être appliquée automatiquement au modèle phare : les créateurs attentifs à la provenance des données devront poser la question directement à ACE.
Trois bonnes raisons de garder du recul
Au-delà de ce résultat ponctuel, trois réserves s'imposent.
Les benchmarks reflètent d'abord ceux qui votent. Les goûts d'un panel recruté ne sont pas ceux de tous les auditeurs. Le jeu de prompts (1 000 prompts, 17 genres, paroles générées par le modèle, morceaux d'environ trois minutes) avantage certains styles par rapport à d'autres. Un producteur de metal, un compositeur pour l'image et un topliner pop ne pondéreraient pas ces genres de la même façon.
Les classements en arène souffrent de biais documentés. Dans « The Leaderboard Illusion », des chercheurs étudiant l'arène de chatbots qui a popularisé ce format ont montré comment les tests privés pré-lancement et un échantillonnage inégal peuvent fausser les notes. Artificial Analysis recourt à un panel fermé et validé ainsi qu'à des réglages de génération standardisés, ce qui corrige une partie de ces défauts, mais il ne maîtrise pas pour autant quelles variantes de modèles les fournisseurs choisissent de soumettre.
La première place ne dure pas longtemps ici. Suno v6 n'a conservé ce rang qu'environ cinq semaines. Lors du lancement de la v1.1, Artificial Analysis soulignait d'ailleurs le bond de 51 points de Mureka V9.5 par rapport à son prédécesseur, la plus forte progression au sein d'une même famille de modèles. Ce classement photographie un domaine qui évolue très vite, pas un verdict définitif.
En clair : ce que montre vraiment cette victoire
Ce résultat montre que dans un test à l'aveugle où des auditeurs jugent des chansons complètes avec voix dont les paroles sont écrites par le modèle, une entreprise qui a passé des années à concevoir des chanteurs synthétiques produit désormais des pistes que le panel préfère légèrement au fleuron de Suno — avec un écart que le benchmark lui-même ne peut pas qualifier de significatif. Il montre aussi que le modèle d'ACE gère bien la structure et la fin des chansons, et que ce point fort ne s'étend pas à tous les genres.
En revanche, il ne montre pas qu'ACE est meilleur que Suno dans l'absolu. Aucun classement instrumental n'est disponible, l'avance sur le vocal reste dans la marge d'erreur, il n'existe pas d'API, les données d'entraînement du modèle phare ne font l'objet d'aucune publication et les propres tests de Decrypt révèlent des genres où Suno est nettement plus solide.
Pour les créateurs, la marche à suivre est simple : testez les deux modèles sur votre propre matière, avec la formule qui vous donne les droits commerciaux. Pour l'industrie dans son ensemble, le constat est que la concurrence dans l'IA musicale se déplace : il ne s'agit plus seulement de savoir qui propose la meilleure boîte à prompts, mais qui donne aux musiciens le plus de contrôle sur les notes.
Sources
- Decrypt — « This New AI Music Model Is Already Better Than Suno—We Put ACE to the Test » (article original, Jose Antonio Lanz, 11 nov. 2026)
- Artificial Analysis sur X — ACE Music v1 entre à la 1re place d'AA-Music-Vocal v1.1 (11 nov. 2026)
- Artificial Analysis sur X — lancement d'AA-Music-Vocal v1.1 et AA-Music-Instrumental v1.1 (8 oct. 2026)
- Artificial Analysis — Classement AA-Music-Vocal v1.1 (chiffres au 12 nov. 2026)
- Artificial Analysis — Classement AA-Music-Instrumental v1.1 (chiffres au 12 nov. 2026)
- Artificial Analysis — Méthodologie de benchmark de génération musicale
- ACE Music — Page du modèle ACE Music v1
- ACE Music — Page du modèle ACE Music v1.1 Preview
- ACE Music — Tarifs
- Timedomain — site de l'entreprise
- AlphaSignal — ACE Studio's ACE Music v1 Beats Suno to Top AI Music Leaderboard
- GitHub — ace-step/ACE-Step-1.5
- Hugging Face — Fiche modèle ACE-Step/Ace-Step1.5
- Gong et al., « ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation », arXiv:2602.00744
- Suno — Start Songs with MIDI (4 nov. 2026)
- Variety — Elvis Music Owners, Eminem Publisher File Sprawling New Lawsuits Against AI Music Generator Suno
- Warner Music Group — WMG and Suno Forge Groundbreaking Partnership
- Singh et al., « The Leaderboard Illusion », arXiv:2504.20879