L'IA peut-elle remplacer les directeurs artistiques ? Le pari « gavthi » de PaRa Music et les limites de l'A&R algorithmique en Inde

Mis à jour:

En juillet 2026, une chaîne YouTube baptisée PaRa Marathi Gavthi mettait en ligne « Pikel Karand », un morceau chanté par Kiran Vartha et Sanjana Ravte, produit par RK King. Mi-novembre, la barre du demi-million de vues était franchie. Une belle performance pour un titre folklorique en marathi, même si rien n'affole les compteurs du streaming indien. Si le milieu s'y intéresse de près, c'est pour ce que l'histoire raconte : PaRa Music, la maison de disques derrière la chaîne, affirme que ses algorithmes maison ont tout repéré en amont — le genre musical, le duo créatif et le potentiel commercial du titre.

Aujourd'hui, dès qu'il est question d'IA dans la musique, le débat tourne autour de la génération pure : les procès contre Suno et Udio, les plateformes de streaming qui étiquettent les pistes synthétiques ou la bataille sur les données d'entraînement. PaRa Music avance sur un tout autre terrain. Son IA ne compose rien ; elle dit où regarder. Si la promesse tient la route, ce ne sont pas les musiciens qui ont du souci à se faire, mais les directeurs artistiques (A&R). Si ce n'est que du vent marketing, nous n'avons sous les yeux qu'un simple tableau de bord d'analytique rebaptisé pour l'occasion. Le cas du gavthi offre un cas d'école idéal pour faire le tri.

Dans les coulisses de la promesse technologique de PaRa Music

Le 2 juin 2026, PaRa Music officialise son lancement via un communiqué de presse diffusé par ANI, se proclamant « première entreprise musicale indienne pilotée par l'IA ». Précisons d'emblée que le texte comporte la mention de contenu sponsorisé : il s'agit donc du récit officiel de la start-up. À sa tête, Rashna Pochkhanawala. Comme le soulignait Music Ally au moment du lancement, cette dirigeante était auparavant vice-présidente exécutive chez Saregama, l'un des plus anciens labels du pays. Côté finances, l'entreprise s'appuie sur un tour de table composé de business angels et d'investisseurs institutionnels menés par Apollo Growth Capital, pour un montant resté confidentiel.

PaRa Music logo

Le cœur du réacteur s'appelle PaRaMeter, décrit comme un « directeur de l'intelligence musicale par IA ». Le communiqué insiste : l'outil « ne crée pas de musique ». Son rôle consiste à scruter les signaux d'audience sur les plateformes et selon les régions pour détecter la demande émergente et orienter les rachats de catalogues, les investissements et le calendrier des sorties. PaRa prend d'ailleurs soin de préciser que sa production restera « entièrement réalisée par des artistes ».

La feuille de route commerciale donne le vertige : constituer un catalogue de 40 000 titres en quatre ans, mêlant musiques de films et morceaux indépendants en hindi et en dialectes régionaux. Music Ally a précisé plus tard que le catalogue couvrirait plus de 20 langues, tout en soulignant qu'une part massive de ce volume proviendra sans doute de rachats de catalogues existants plutôt que d'enregistrements originaux. Dans le communiqué, Apollo Growth Capital ne cache pas sa thèse d'investissement : « La propriété intellectuelle musicale sera l'une des classes d'actifs majeures de la prochaine décennie ». L'IA n'est donc qu'une vitrine ; en dessous se joue une stratégie bien connue de captation de droits.

L'affaire gavthi : la chronologie officielle décortiquée

Le 12 novembre, Music Ally South Asia relaie ce que le label présente comme sa première grande victoire. Voici comment PaRa reconstitue l'histoire :

  1. En analysant le marché du marathi, l'équipe remarque une montée en puissance anormale d'artistes liés au gavthi, un registre enraciné dans les campagnes du Maharashtra. En marathi, le terme signifie littéralement « du village » ou « rural ».
  2. L'analyse du retour sur investissement par artiste menée par PaRaMeter compare le gavthi à la pop marathi grand public. Bien qu'un mot manque dans la phrase publiée, le contexte ne laisse aucun doute : le gavthi sort grand gagnant.
  3. L'algorithme part alors en quête des collaborations créatives les plus rentables du genre. Il pointe RK King et Kiran Vartha comme affichant des « antécédents particulièrement solides ».
  4. PaRa produit dans la foulée plusieurs de leurs morceaux, à commencer par « Pikel Karand » en juillet, avant de signer les deux artistes sous contrat d'exclusivité.

Pavan Sood, cofondateur, résume la manœuvre sans détour : PaRaMeter « a placé le gavthi sur notre radar, et ce n'est que le début ».

Voilà pour la version officielle relayée par la presse spécialisée. Le problème, c'est qu'aucun chiffre de ROI, aucune taille d'échantillon, aucun panel de comparaison ni aucune clause contractuelle n'ont été rendus publics.

Ce que racontent vraiment les données publiques

Il suffit d'ouvrir YouTube pour voir ce que le communiqué passe sous silence. Le 13 novembre 2026, une simple recherche sur « Pikel Karand » fait remonter un morceau bien plus ancien au titre quasi identique : « Karandil Pikel Karand », signé Deoram More et Sanjana Ravate avec RK King. Mis en ligne quatre ans plus tôt sur une autre chaîne, il cumulait déjà près de 5,6 millions de vues. Tout autour gravitaient des dizaines de vidéos publiées depuis 2022 : des reprises, des versions DJ et des remixes au tarpa — cet instrument à vent emblématique des communautés adivasis (autochtones) du district de Palghar, omniprésent dans les titres et hashtags associés. La version sortie en juillet par PaRa, interprétée par Kiran Vartha et Sanjana Ravte, affichait environ 534 000 vues lors de cette même vérification, ce qui correspond aux « plus de 500 000 » évoqués par Music Ally. (Ces chiffres, relevés directement sur YouTube par l'auteur, évoluent quotidiennement).

Mise en perspective avec la communication du label, cette réalité nuance fortement la prouesse. PaRa n'a inventé ni le gavthi, ni RK King. L'entreprise a simplement repéré un mouvement régional qui comptait déjà un tube à plusieurs millions de vues portant le nom de RK King, réuni une équipe artistique quasi similaire, réenregistré une version modernisée et signé les musiciens. L'opération financière est sans doute très bien menée. Mais n'importe quel dénicheur de talents humain qui épluche les commentaires YouTube dans la région de Palghar aurait tiré exactement la même conclusion. PaRaMeter a-t-il été plus rapide, plus économique ou plus précis qu'un humain sur le terrain ? C'est précisément la question que le label esquive.

Pourquoi le marché indien raffole de ces stratégies algorithmiques

Si le discours technologique reste flou, la logique économique est limpide. Publié en mars, le FICCI-EY Media & Entertainment Report 2026 indique que l'industrie musicale indienne a vu ses revenus progresser de 10 % en 2025. Les abonnements payants au streaming ont bondi de 37 % pour atteindre 14,4 millions d'utilisateurs. D'après la synthèse de Bollywood Hungama sur le volet musical du rapport, les recettes des labels ont frôlé les 59 milliards de roupies, le licensing numérique représentant 58 % du gâteau. Avec près de 178 millions d'auditeurs, le streaming a généré 5 800 milliards d'écoutes, en hausse de 15 % sur un an.

Pour un acteur comme PaRa, deux enseignements majeurs se détachent de ces statistiques.

L'hégémonie du cinéma hindi s'effrite. La musique de film ne pesait plus que 57 % des écoutes en 2025, contre 65 % en 2023. De son côté, la part d'écoute de la langue hindi a reculé de 64 % en 2024 à 59 %, talonnée par le punjabi (9 %), le tamoul (7 %) et le télougou (6 %). Le marathi n'apparaît même pas dans le peloton de tête. Or, une langue minoritaire abritant des micro-scènes très actives représente typiquement le marché de niche où un algorithme centralisé peut, sur le papier, surpasser une équipe de scouts humains éparpillée sur 20 langues régionales.

La croissance déborde des applications de streaming. EY souligne que les licences numériques traditionnelles n'ont progressé que de 2 %, alors que les revenus tirés « des autres plateformes OTT et des réseaux sociaux » ont explosé. Pour les musiques régionales, le phénomène passe quasi exclusivement par YouTube et les formats courts. Ce sont ces canaux qui ont comblé le vide quand l'Inde a banni TikTok en juin 2020. La coupure a laissé 200 millions d'utilisateurs orphelins : Instagram a répliqué en lançant Reels en moins d'une semaine, rapidement suivi par YouTube Shorts. Dès lors, les vues, remixes et chorégraphies sont devenus le thermomètre incontournable des tendances populaires. Autant de signaux publics parfaitement adaptés à l'ingestion par des pipelines de données.

Le communiqué évoque d'ailleurs une valorisation globale du secteur à 7 500 crores d'INR d'ici 2028, avec un taux de croissance annuel composé de 9 % en citant FICCI-EY — une projection que cet article n'a pas vérifiée dans l'intégralité du rapport.

L'A&R piloté par la data : rien de nouveau sous le soleil

S'appuyer sur des métriques pour signer des artistes n'a rien d'inédit. Dès mars 2018, Warner Music Group rachetait Sodatone, une start-up torontoise fondée en 2016. Son algorithme agrégeait les flux de streaming, les réseaux sociaux et les billetteries de concerts pour détecter les signaux faibles : fidélité des fans, taux d'engagement et propension d'une démo à devenir virale. À l'époque, Music Ally parlait de « moment charnière pour la data dans l'A&R ». Une méthode jusque-là balayée d'un revers de main par les directeurs artistiques traditionnels devenait un actif stratégique pour les majors.

L'avènement de TikTok a poussé cette logique jusqu'à l'extrême, avec un bilan pour le moins mitigé. Dans une enquête de Billboard parue en 2023, des sources internes aux labels reconnaissaient que si la data sait repérer un single viral, elle s'avère bien médiocre pour construire des carrières pérennes. De nombreux artistes propulsés par les chiffres n'ont jamais réussi à transformer l'essai avec un second morceau potable, avant d'être remerciés en silence. L'avocat spécialisé Don Passman résumait parfaitement l'impasse : « Toutes les maisons de disques ont accès aux mêmes données et courent après les mêmes artistes ». Quand tout le monde regarde le même écran, l'avantage compétitif s'évapore.

La nuance introduite par PaRa tient surtout à son terrain de jeu. L'entreprise transpose ces outils analytiques aux marchés régionaux indiens, là où les équipes de veille des grandes majors sont historiquement réduites et où les signaux se dispersent dans une multitude d'idiomes. Arriver le premier sur un terrain peu encombré constitue un avantage économique tangible. Mais c'est une tout autre promesse que celle d'une IA magique capable de flairer le talent brut.

Les angles morts du modèle

La data ne voit que ce qui existe déjà. L'épisode gavthi le prouve sans ambiguïté : un modèle de rentabilité calibré sur l'historique d'écoute ne sait évaluer que des esthétiques déjà établies. Il sait surfer sur une vague une fois qu'elle a déferlé, pas la provoquer. Il est aveugle aux créations qui n'ont pas encore généré de traces numériques. Or, la plus-value historique d'un découvreur de talents consiste précisément à parier sur un artiste avant que les chiffres ne lui donnent raison — une intuition hors de portée de ce type d'algorithme.

L'obsession du ROI formate la production. En 2020, les chercheurs de Spotify eux-mêmes, dans une étude sur leurs utilisateurs (Anderson et al.), ont démontré que l'écoute guidée par les recommandations algorithmiques réduisait la diversité musicale par rapport aux choix directs des utilisateurs. Si cette recherche analysait l'auditeur et non la politique des labels, le parallèle côté production coule de source : si l'on finance systématiquement les tandems créatifs qui affichent le meilleur retour historique, on ne fait que dupliquer ce qui fonctionne déjà. Une déduction logique qui méritera d'être vérifiée sur pièces.

Droits d'auteur, crédits et partage des revenus. PaRa a fait signer à RK King et Kiran Vartha des contrats exclusifs dont les détails financiers restent secrets. Or, la scène ciblée ici est rurale, en partie issue des communautés autochtones adivasis, et repose largement sur des mélodies traditionnelles partagées, sans cesse reprises et remixées. Dans ce contexte, les questions éthiques sont immédiates : qui est crédité comme auteur-compositeur lorsqu'un air populaire est réenregistré ? Comment sont répartis les droits voisins et d'édition ? Quel poids de négociation reste-t-il à des musiciens de village face à une société financée par des fonds dont le modèle avoué est l'accumulation d'actifs de propriété intellectuelle ? Sans accuser PaRa de pratiques déloyales, force est de constater que la communication promotionnelle élude commodément ces enjeux vitaux pour les artistes.

Des allégations jamais auditées de l'extérieur. Le terme « piloté par l'IA » n'engage pour l'instant que PaRa. Music Ally a répercuté l'histoire sans avoir eu accès au modèle d'apprentissage, aux calculs de rentabilité ni aux jeux de données sous-jacents. Tant que la jeune pousse ne divulguera pas un minimum de métriques vérifiables — combien de sous-genres analysés, combien de projets signés et comment ces paris se comportent par rapport à un échantillon témoin —, l'anecdote gavthi relève davantage du coup de com que de la preuve de concept scientifique.

Ce qu'il faudra surveiller à l'avenir

Signer un genre musical qui affiche déjà des vidéos à cinq millions de vues n'est pas un exploit technologique. Le véritable test consistera à voir si PaRa est capable de dénicher la prochaine tendance avant qu'elle n'explose sur YouTube, et si les artistes signés existeront encore artistiquement dans deux ans. Il faudra également garder un œil sur la répartition de ce fameux catalogue de 40 000 titres : quelle proportion proviendra réellement de la détection algorithmique, et quelle part résultera de simples rachats opportunistes ? Utiliser l'IA pour épauler le scouting est une démarche rationnelle et bien moins conflictuelle que de générer de la musique artificielle au kilomètre. Mais coller une étiquette « IA » sur un communiqué de presse ne prouve rien. Seuls les chiffres audités et la pérennité des artistes sur le long terme permettront de juger du modèle.

Sources