vega-mir: An information-theoretic Python toolkit for symbolic music, with applications to harmonic graphs and rubato spectra

Cet article présente *vega-mir*, une boîte à outils Python open source pour l'analyse de la musique symbolique intégrant neuf métriques de théorie de l'information, et démontre son utilité par le biais d'études de cas révélant une corrélation entre la centralité des graphes harmoniques et la distance harmonique à travers les compositeurs, ainsi que des preuves que le rubato de Glenn Gould se caractérise par une périodicité structurée plutôt que par une rigidité métronomique.

L'essentiel

Imaginez que vous possédiez une immense bibliothèque de partitions musicales provenant de différents compositeurs et interprètes. Pendant longtemps, les chercheurs en musique ont tenté de comprendre ces bibliothèques en prenant de simples « instantanés » — comme compter la fréquence d'utilisation d'une note spécifique par un compositeur ou mesurer la vitesse moyenne d'une performance. Mais ces instantanés manquent souvent la vue d'ensemble, telle que le flux d'une conversation ou le rythme d'un battement de cœur.

Ce article présente vega-mir, une nouvelle « boîte à outils » open-source destinée aux informaticiens et aux musicologues. Imaginez-la comme un couteau suisse préchargé avec neuf outils mathématiques spécifiques conçus pour analyser la musique écrite sous forme de symboles (comme des partitions ou des codes numériques) plutôt que d'ondes sonores.

Voici une décomposition de ce que l'article fait réellement, en utilisant des analogies simples :

1. La Boîte à Outils (La Bibliothèque)

Avant cet outil, si un chercheur voulait analyser de la musique, il devait construire son propre mètre, sa propre échelle et sa propre calculatrice pour chaque projet individuel. C'était désordonné et il était difficile de comparer les résultats.

vega-mir est comme un kit standardisé et pré-étalonné. Il regroupe neuf « métriques » différentes (façons de mesurer) dans un seul package épuré.

• Trois de ces outils étaient déjà utilisés dans une étude précédente (appelée « Cygnus ») pour analyser des milliers d'enregistrements de piano.
• Quatre sont de nouveaux « contrôles de cohérence » que les auteurs ont testés sur un petit groupe de compositeurs pour s'assurer de leur bon fonctionnement.
• Deux sont des outils entièrement nouveaux que les auteurs utilisent dans cet article pour creuser plus profondément que jamais auparavant.

2. Étude de Cas A : La « Carte Harmonique » (Transitions d'accords)

Le premier nouvel outil examine comment les accords passent de l'un à l'autre. Imaginez une carte de ville où chaque intersection est un accord musical.

• L'Ancienne Méthode : Les chercheurs comptaient simplement combien de voitures (accords) passaient par chaque intersection. Ils savaient quelles intersections étaient fréquentées, mais pas comment la circulation circulait entre elles.
• La Nouvelle Méthode (vega-mir) : Cet outil construit une carte complète de la circulation. Il calcule un « centre de gravité » — un accord spécifique qui agit comme le hub principal de la ville, attirant le plus de trafic.
• La Découverte : Les auteurs ont analysé 14 compositeurs célèbres (comme Bach, Mozart et Beethoven). Ils ont découvert que pour la plupart des compositeurs, le « centre de gravité » n'était pas l'accord tonique (la maison), mais un accord voisin (la sus-tonique).
  • Analogie : C'est comme réaliser que dans une ville, le hub le plus important n'est pas l'Hôtel de Ville (la maison), mais la gare principale (le voisin) car c'est là que toutes les connexions se produisent.
  • Ils ont également découvert que cet emplacement de « hub » corrèle avec la différence de son de la musique d'un compositeur par rapport aux autres, mais que le type de hub (majeur vs mineur) ne raconte pas toute l'histoire.

3. Étude de Cas B : Le « Radar Rubato » (Changements de tempo)

Le « rubato » se produit lorsqu'un musicien accélère ou ralentit légèrement pour un effet émotionnel. L'ancienne façon de mesurer cela consistait à prendre la vitesse moyenne de toute la performance et à dire : « Cette personne est rapide » ou « Cette personne est lente ».

• Le Problème : C'est comme juger un coureur uniquement par sa vitesse moyenne. Cela manque de savoir s'il sprinte par à-coups, s'il trotte régulièrement ou s'il dérive lentement.
• La Nouvelle Méthode (vega-mir) : Cet outil agit comme un radar météorologique. Au lieu de simplement mesurer la vitesse du vent, il examine le modèle du vent. Est-ce une brise régulière ? Une rafale soudaine ? Une vague rythmique ?
• La Découverte : Les auteurs ont étudié trois pianistes célèbres jouant Bach : Glenn Gould, András Schiff et Sviatoslav Richter.
  • Le Cliché : Les gens disent souvent que Glenn Gould joue comme un « métronome » (parfaitement robotique) parce que sa vitesse moyenne varie très peu.
  • La Réalité : Le radar a montré que Gould n'est pas robotique ; il est simplement structuré. Tandis que Schiff et Richter laissent leur tempo dériver librement (comme un nuage lâche), le tempo de Gould change selon un modèle très spécifique et rythmique (comme un battement de cœur).
  • La Surprise : Gould avait en fait la plus grande structure rythmique (la plus haute « périodicité») des trois. Son « rubato » était petit en taille mais très organisé dans le temps. L'ancienne mesure de « vitesse moyenne » cachait complètement ce fait.

4. Pourquoi Cela Compte

L'article ne prétend pas découvrir de nouvelles lois de la physique ou de la théorie musicale. Il s'agit plutôt de consolidation.

• Il prend des mathématiques complexes qui nécessitent généralement un doctorat pour être mises en œuvre et les transforme en commandes simples d'une seule ligne que n'importe qui peut utiliser.
• Il prouve que regarder la structure de la musique (comment les accords se connectent, comment les motifs de tempo se répètent) révèle des détails cachés que les moyennes simples manquent.
• Il fournit un langage commun afin que différents chercheurs puissent comparer leurs résultats sans se disputer sur qui a utilisé la bonne calculatrice.

En bref : Les auteurs ont construit un meilleur microscope pour la musique. Ils l'ont utilisé pour montrer qu'un pianiste célèbre n'est pas un robot, mais un architecte rythmique, et que les « hubs » de l'harmonie musicale sont souvent différents de ce que nous pensions. Tout cela est désormais disponible pour que quiconque puisse l'utiliser dans ses propres recherches.

Résumé technique

Résumé technique de vega-mir : une boîte à outils Python informationnelle pour la musique symbolique

Énoncé du problème
Bien que les descripteurs informationnels (par exemple, l'entropie de Shannon, la divergence de Kullback-Leibler, les ajustements zipfiens) soient devenus standards pour l'analyse quantitative de la musique symbolique, leur mise en œuvre reste fragmentée. La recherche actuelle nécessite généralement de « recoudre » des appels disparates à scipy.stats, des algorithmes de lissage développés en interne et du code d'analyse de réseau ad hoc. Cette fragmentation entraîne un manque d'API partagées, de suites de tests ou de valeurs de référence, ce qui entrave la reproductibilité et la validation inter-études. Il existe un besoin d'une bibliothèque consolidée et testée qui regroupe ces métriques avec des paramètres par défaut cohérents et des valeurs de référence pour les communautés de la récupération d'informations musicales (MIR) et de la musicologie computationnelle.

Méthodologie
L'article présente vega-mir, une bibliothèque Python open-source (v0.0.1) conçue pour fonctionner sur des entrées de musique symbolique (séquences de degrés de gamme, graphes de transitions d'accords, courbes de tempo). La bibliothèque est construite sur numpy, scipy, networkx, mido et pretty_midi, et suit une stratégie de validation rigoureuse :

1. Ancres analytiques : Les métriques sont testées unitairement par rapport à des vérités théoriques (par exemple, des distributions uniformes produisant des valeurs d'entropie spécifiques, du bruit blanc produisant des dimensions fractales spécifiques).
2. Vérifications de parité : Les implémentations sont vérifiées pour une parité exacte par rapport au pipeline Cygnus en amont (Jalbert-Desforges 2026).
3. Conception de l'API : La bibliothèque expose une API à trois couches pour chaque métrique : une fonction primitive pour les vecteurs normalisés, une fonction de commodité basée sur les comptes avec lissage de Laplace, et une fonction de commodité basée sur les séquences pour les entrées d'accords/degrés de gamme.

L'article recense neuf métriques divisées en quatre domaines :

• Théorie de l'information : Entropie de Shannon et divergence de Kullback-Leibler (KL) (déployées précédemment dans Cygnus).
• Rang-Fréquence : Ajustements zipfiens pour les distributions marginales et de transition (déployés précédemment dans Cygnus).
• Inégalité : Coefficient de Gini multidimensionnel.
• Réseaux : Analyse de réseau sur les graphes de transitions d'accords (PageRank, regroupement, modularité).
• Séries temporelles/Traitement du signal : Tests de stationnarité du khi-deux, dimension fractale de Higuchi, analyse spectrale du rubato, et ajustement de la distribution des intervalles.

Contributions clés

1. Consolidation de la bibliothèque : La contribution principale est la consolidation de neuf métriques derrière une API unique, testée et citable, avec un ensemble partagé de valeurs de référence, réduisant le coût d'activation pour les analyses distributionnelles.
2. Étude de cas 1 : Signatures de réseaux harmoniques : Une analyse de réseau des graphes de transitions d'accords pour 14 compositeurs MAESTRO ($N \ge 10$ pièces). L'étude construit des graphes pondérés dirigés de transitions de degrés de gamme et analyse les descripteurs au niveau des nœuds (PageRank) et au niveau du graphe.
3. Étude de cas 2 : Signatures spectrales du rubato : Une analyse spectrale des courbes de tempo (rubato) à travers un corpus bachien de 247 pièces interprété par trois pianistes (Schiff, Gould, Richter). L'étude utilise un classificateur spectral pour catégoriser le rubato en quatre types (métronomique, libre, quasi-périodique, périodique) basés sur la densité spectrale de puissance et les rapports de périodicité.

Résultats

• Réseaux harmoniques :

  • Saturation du graphe : Au seuil de probabilité de transition de 1 %, les graphes de transitions harmoniques pour les 14 compositeurs sont saturés (conservant environ 120 des 210 arêtes possibles) et présentent des propriétés de petit monde.
  • Identité du centre de gravité : Le « centre de gravité » PageRank (le degré de gamme avec le PageRank le plus élevé) varie selon les compositeurs, prenant cinq valeurs distinctes (par exemple, Tonic majeur I pour Mozart ; Supertonique II pour Bach, Haydn, etc.). Cependant, cette identité catégorielle ne corrèle pas avec la distance KL marginale ($\rho = 0,13, p = 0,21$).
  • Corrélation continue : La valeur continue du PageRank du nœud du centre de gravité corrèle avec la distance KL marginale ($\rho = 0,61$, Spearman, $N=14$). Cette corrélation est presque entièrement pilotée par la seule fonctionnalité PageRank ; les autres descripteurs de réseau (densité, regroupement) sont quasi-uniformes à travers le corpus.
  • Levier : La corrélation est sensible aux compositeurs individuels ; la suppression de Mendelssohn réduit significativement la corrélation, indiquant que le résultat est une observation qualitative de l'ordre plutôt qu'une estimation statistiquement stable.

• Spectres de rubato :

  • Inversion du cliché : Contrairement à l'interprétation scalaire selon laquelle la faible écart-type ($\sigma$) de Glenn Gould impliquerait un jeu « métronomique », l'analyse spectrale révèle que Gould possède le rapport de périodicité le plus élevé (0,293) parmi les trois pianistes, significativement plus élevé que Schiff (0,204) et Richter (0,257).
  • Couleur temporelle : Le rubato de Gould est caractérisé comme « faible en amplitude mais structuré dans le temps », avec une période dominante médiane de 66 temps, comparé à 102 (Schiff) et 104 (Richter).
  • Analyse diachronique : Dans une comparaison des Variations Goldberg de Gould de 1955 et 1981, l'enregistrement de 1981 montre une réduction significative de l'amplitude du rubato ($\Delta\sigma = -2,39$ BPM) mais aucun changement significatif de couleur spectrale (le changement de rapport de périodicité n'est pas significatif). L'interprétation de 1981 est une version « plus calme » du même rubato structurel, et non une restructuration.
  • Robustesse : La découverte selon laquelle Gould détient la majorité des classifications « périodiques » survit à l'analyse de sensibilité du seuil (17/17 exécutions de perturbation).

Signification et revendications
L'article présente explicitement vega-mir comme une consolidation, et non une découverte. Les fondements mathématiques des neuf métriques datent de plusieurs décennies ; la contribution réside dans la fourniture d'une « API unique testée avec des paramètres par défaut cohérents et un ensemble partagé de valeurs de référence ».

Les auteurs affirment que la bibliothèque permet :

1. Reproductibilité : En offrant une suite de tests partagée et des valeurs de référence, les résultats peuvent être validés de manière croisée entre les études.
2. Récupération de signal : Les études de cas démontrent que les descripteurs informationnels au-delà des statistiques marginales (spécifiquement la topologie du réseau et la couleur spectrale) récupèrent des signaux que les résumés scalaires rejettent. Par exemple, la moyenne scalaire du rubato obscurcit la « couleur temporelle » de l'interprétation, tandis que l'analyse de réseau révèle que le « centre de gravité » du flux harmonique est un descripteur continu corrélé à la divergence marginale, distinct de son identité catégorielle.
3. Accessibilité : La bibliothèque abaisse la barrière à l'entrée pour les chercheurs ayant besoin d'analyses distributionnelles sans réimplémenter les mathématiques sous-jacentes.

L'article maintient une modestie concernant les revendications statistiques, notant que les corrélations de réseau sont des observations qualitatives sujettes à un levier élevé de la part de compositeurs individuels, et que quatre des neuf métriques (Gini, stationnarité, Higuchi, intervalles) sont actuellement validées uniquement sur de petits ensembles de données et attendent un déploiement empirique à l'échelle du corpus complet dans des travaux futurs.