Towards an LLM-based method for quantifying the sexual content in song lyrics
Cet article présente une méthode reproductible basée sur un grand modèle de langage pour quantifier le contenu thématique des paroles de chansons et l'applique à un corpus de 1 259 titres de reggaeton afin d'analyser l'explicite sexuel selon les artistes, le temps et par rapport aux indicateurs d'explicité de Spotify.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de la musique comme une immense et bruyante bibliothèque où chaque chanson est un livre. Pendant longtemps, lorsque les gens voulaient savoir ce qu'il y avait à l'intérieur des livres d'un genre spécifique appelé le Reggaeton, ils devaient les lire un par un, en prenant des notes à la main. C'est comme essayer de compter le nombre de voitures rouges dans une ville en se tenant au coin d'une rue et en les notant au fur et à mesure qu'elles passent. C'est lent, c'est fatigant, et on ne peut regarder que quelques voitures avant de s'épuiser. Ce domaine d'étude s'appelle l'« analyse de contenu », et c'est ainsi que les scientifiques tentent de transformer les sentiments et les thèmes — comme l'amour, la colère ou la fête — en chiffres réels afin de pouvoir les comparer. La grande question que tout le monde s'est posée est : « Le Reggaeton parle-t-il vraiment de sexe, ou est-ce seulement une rumeur ? » Pour répondre à cela, nous avons besoin d'un moyen de mesurer les paroles sans avoir à lire chacune d'entre elles manuellement. C'est là qu'intervient un nouveau genre d'assistant : un cerveau informatique super intelligent appelé Modèle de Langage Étendu (LLM). Considérez un LLM comme un robot qui a lu presque tous les livres de la bibliothèque et qui peut instantanément vous dire : « Cette histoire contient beaucoup de romance », ou « Celle-ci est pleine de violence », en lui attribuant une note de zéro à dix.
Ce document est comme une recette pour utiliser ce cerveau de robot afin de mesurer la « piquant » des paroles de Reggaeton. L'auteur, Ignacio Sticco, a élaboré une méthode pour nourrir l'ordinateur avec 1 259 chansons de 12 artistes célèbres. Au lieu de simplement demander « Est-ce que cette chanson est vulgaire ? », l'ordinateur a appris à rechercher neuf saveurs différentes de la chanson, comme les « ondes de fête », l'« amour triste », la « criminalité de rue » et deux types spécifiques de « langage sexuel » : l'un qui y fait allusion (suggestif) et l'autre qui le dit directement (explicite). Le robot a d'abord été entraîné sur un petit groupe de chansons que des humains avaient déjà notées, afin qu'il apprenne à donner les mêmes scores qu'un humain. Une fois que le robot était prêt, il a noté toute la bibliothèque de chansons, créant un immense tableur de données qui montre exactement quelle quantité de chaque thème apparaît dans chaque morceau.
Les résultats sont un peu surprenants et certainement pas ce à quoi vous vous attendriez si vous écoutiez simplement la radio. Premièrement, l'étude a révélé que, bien que le Reggaeton soit effectivement rempli de thèmes sexuels, le type de « suggestion » (suggestif) est en fait deux fois plus courant que le type « direct » (explicite). C'est comme découvrir que la plupart des chansons de fête parlent de l'idée d'une nuit sauvage, plutôt que de décrire la nuit sauvage de manière graphique. Deuxièmement, les artistes ne sont pas tous les mêmes. Certains, comme Plan B, sont comme un piment fort, avec un score très élevé sur le contenu sexuel direct. D'autres, comme Camilo, sont plus comme un dessert sucré, avec des paroles qui parlent presque entièrement d'amour romantique et qui contiennent très peu de propos sexuels. L'étude montre que traiter tous les artistes de Reggaeton comme un seul groupe est une erreur ; ils sont aussi différents les uns des autres qu'un groupe de heavy metal l'est d'un trio de jazz.
Le document a également examiné comment les choses ont changé au fil du temps, de 2002 à 2025. Contrairement à l'idée selon laquelle le genre deviendrait « plus sauvage » de toutes les manières, l'étude a révélé que le thème de la « criminalité de rue » s'estompe en réalité, tandis que le thème de l'« émotion romantique » se renforce. Cependant, le contenu sexuel « directement explicite » a doublé au cours des deux dernières décennies. Cela signifie que le genre ne devient pas seulement plus suggestif ; il devient plus direct dans son langage, mais il devient aussi plus émotionnel et moins axé sur la criminalité.
Enfin, l'auteur a vérifié le travail de l'ordinateur par rapport au propre label « Explicit » de Spotify (le petit « E » que l'on voit à côté d'une chanson). L'ordinateur a constaté que Spotify manque une énorme partie du contenu explicite. Sur quatre chansons que l'ordinateur a identifiées comme ayant des paroles sexuelles explicites, Spotify n'en a signalé qu'une seule. C'est comme un agent de sécurité qui ne vérifierait que les armes grosses et bruyantes, mais manquerait les couteaux plus petits et plus tranchants. Cela suggère que la façon actuelle dont les services de streaming étiquettent la musique est un instrument trop grossier pour capturer le type spécifique de contenu sexuel présent dans ces chansons.
En bref, ce document ne se contente pas de dire « Le Reggaeton est sexy ». Il utilise une méthode informatique ingénieuse pour prouver que le genre est un mélange complexe de romance, de fête et de propos sexuels directs, et qu'il a évolué de manières spécifiques au cours des 20 dernières années. Il montre également que les outils que nous utilisons actuellement pour étiquetter la musique (comme le drapeau de Spotify) ne sont pas très bons pour capturer les détails spécifiques qui pourraient intéresser les chercheurs et les auditeurs. L'auteur a partagé le code et les données, invitant quiconque à utiliser cette même méthode de cerveau de robot pour étudier d'autres genres musicaux ou même d'autres langues, transformant l'art lent de la lecture de paroles en une science rapide et mesurable.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.