Comment fonctionnent les algorithmes de recommandation ? Quels effets ont-ils sur les internautes ? Sur le monde musical hors ligne ? Petit tour de la question grâce aux travaux du laboratoire d’innovation numérique de la CNIL.
27 % du chiffre d'affaires total du secteur de la musique en 2018 pour Spotify, 41 % des morceaux que nous écoutions en 2019… Les chiffres affichés par les plateformes de streaming musical sont mirobolants. Il reste assez compliqué, pourtant, de comprendre comment fonctionne leur machinerie technique, comment leurs algorithmes jouent sur nos goûts, et ce qu’elles font, aussi, de nos données (les données d’usage de Deezer ou d'Apple Music sont-elles vraiment aussi importantes que celles cédées à Doctolib ?).
Heureusement, mi-décembre, le laboratoire d’innovation numérique de la CNIL (LINC) a publié un dossier en quatre épisodes sur les algorithmes de recommandation des plateformes de streaming. L’occasion de se pencher avec un exemple précis – celui de la musique, donc – sur les effets et les usages des algorithmes sur les internautes et la société.
Qu'est-ce qu'un bon algorithme de recommandation ?
Pour détailler les effets d’une technologie, il faut commencer par la définir : le LINC s’y attelle dès le premier épisode de son rapport avec les travaux de Rishabh Mehrotra. Selon ce docteur en apprentissage machine, un bon algorithme de recommandation répond à trois grands principes :
- Similarité : la machine propose un contenu cohérent avec les préférences et comportements de l’utilisateur,
- Familiarité : elle propose des éléments déjà connus, que l’internaute apprécie. Cela permet d’ailleurs de renforcer sa confiance dans le système de recommandation,
- Découverte : elle propose du neuf, elle évite la stagnation de l’utilisateur. Cet élément joue beaucoup dans la fidélisation des auditeurs.
Ce que l'internaute fournit à la machine
Pour faire tout cela, il vaut mieux bien connaître l’auditeur. Depuis leur création, les plateformes de streaming récoltent donc toutes les données qu’elles peuvent sur leurs utilisateurs. Il existe une difficulté de taille, cela dit : nos goûts musicaux changent. Selon l’endroit où nous sommes, l’heure de la journée, l’humeur ou encore l’activité, nos envies musicales varient.
Selon le LINC, les plateformes ont pris conscience de l’importance de ce contexte autour de l’année 2014. Cela s’est par exemple traduit par le dépôt d’un brevet de reconnaissance vocale de l’environnement par Spotify, dont les informations, croisées à d’autres, doivent théoriquement l’aider à deviner l’état émotionnel de l’internaute. Un nouveau problème émerge ici : rien ne dit que, traversés par la même émotion, vous et moi nous tournions vers le même type de morceaux.
Le laboratoire ne tranche pas sur l’efficacité des recommandations des plateformes, il souligne plutôt l'ampleur des données récoltées : vu leur nombre, l’analyse de la musique écoutée par un utilisateur devient probablement l’une des meilleures photographies de sa personnalité ou de son état émotionnel à un instant T.
Ce que la machine fait aux auditeurs
De concert avec une partie du monde numérique, les plateformes ont tendance à considérer leurs auditeurs comme passifs. Dans le deuxième épisode de son rapport, le LINC s’interroge donc sur le profil réel de ces usagers.
Par delà la liberté et la dignité, de Burrhus Skinner ou bien plus récemment Hooked : how to build habit forming products, de Nir Eyal, sont autant d’ouvrages qui dépeignent les internautes en êtres instinctifs. Le premier, de manière négative – l’auteur décrit une technologie utilisée à des fins de manipulations –, le second, de façon bien plus positive, suggérant aux entreprises de faire développer des habitudes d’usage aux utilisateurs pour les fidéliser.
Si cette seconde approche transparaît dans les prises de paroles du fondateur de Netflix (il a déclaré que son plus grand concurrent était le sommeil), ou dans les travaux de Lu Han et Kat Zhou, qui s’intéressent chez Spotify aux questions de design éthique, les utilisateurs sont bien plus actifs que ce que ces idées laissent croire.
En 2019, Jean-Samuel Beuscart, Samuel Coavoux et Sisley Maillard montrent par exemple qu’en dehors des 58,7 % de morceaux écoutés depuis le « stock » qu’est la bibliothèque de l’usager, 16,5% viennent de sa démarche autonome et seulement 13 % d’une démarche passive purement sélectionnée par les machines. C’est à peine plus que les recommandations classiques des pairs, des journalistes et autres influenceurs.
Internaute - algorithme, la double influence
Par ailleurs, les internautes choisissent les outils, y compris algorithmiques, qui leur conviennent le mieux. Sur Spotify, celui qui souhaite découvrir de nouveaux morceaux optera plus pour le Radar des Sorties, par exemple, tandis que celle qui veut creuser le sillon d’un style apprécié pourra utiliser son Daily Mix.
Si la dichotomie passif/actif est riche pour comprendre les enjeux de la recommandation, elle ne permet donc pas de dessiner un tableau parfait de l’utilisateur moyen. Celui-ci est humain, il est donc pluriel – la LINC cite ici Deleuze et ses « dividus » –, et varie selon son profil, l’heure du jour, l’humeur, etc.
En répondant à cette problématique par l’ajout de données contextuelles, les plateformes se sont mises à proposer des morceaux en fonction des goûts de nos voisins. Elles nous font découvrir morceaux et courants musicaux, influant ainsi nos propres sensibilités. Peut-être, en fait, que les recommandations algorithmiques participent à créer certaines des multiples formes de nos individualités.
Les biais de la recommandation
Pour vraiment comprendre dans quelle mesure elles le feraient, toutefois, il faut évoquer ce que ces outils oublient. Citant plusieurs scientifiques, le troisième épisode du rapport du LINC dénombre trois principaux biais susceptibles d’être retrouvés dans tous types d’algorithmes :
- Ceux dus aux jeux de données utilisés. Si les informations recueillies contiennent des biais (ce qui est probable puisque la société elle-même en est pleine), la machine risque de les reproduire, voire de les amplifier ;
- Celle du « biais de société ». Plus directement due aux représentations faussées des développeurs, cette déformation est inscrite dans leurs programmes. Dans le cas des plateformes de streaming, le fait qu’elles soient très principalement construites par des équipes d’ingénieurs masculins (comme dans le reste de l’industrie) ayant fait de longues études, il est probable que les spécificités de leurs expériences et visions du monde soient projetées dans les machines algorithmiques ;
- Les derniers sont liés aux objectifs mêmes des outils construits – en l’occurrence, de rentabilité – et les critères d’efficacité choisis.
Celles et ceux laissés de côté… le sont jusqu’IRL
Le LINC constate que deux grands domaines concentrent la plupart des biais des plateformes de streaming : le genre – les artistes femmes n’apparaissent pas avant le 7 ou 8e morceau recommandé – et la diversité culturelle.
Le premier n’a rien de neuf : les femmes sont sous-représentées dans beaucoup de bases de données et dans le monde de la musique. Cependant, plusieurs tests ont été menés, qui concluent que même avec des bases adaptées de sorte à « sur-représenter » des femmes, les algorithmes de recommandations produisent des playlists à dominante masculine.
Résultat, si 45 % des adeptes de streaming sont des femmes, seulement 23,2 % des artistes écoutés sur Spotify le sont aussi (groupes mixtes inclus). Ce déséquilibre joue sur la visibilité, mais aussi, par effet rebond, sur la popularité et les revenus des musiciennes.
Côté diversité, le streaming a permis de remettre un peu en cause la domination commerciale anglo-saxonne. Néanmoins, écrit le LINC, « bien qu’une proportion de plus en plus large des utilisateurs de plateformes de streaming ne soient pas anglo-saxons, la majorité des hits restent en langue anglaise ». Comme vu plus tôt, cette sous-représentation peut jouer sur nos visions du monde. En substance, si l’on entend moins souvent les musiques non-anglo-saxonnes, on peut finir par en déduire qu’elle est de moindre qualité.
Une piste de solution : la transparence
Toutes ces questions sont essentielles dans la mesure où les algorithmes de recommandation étudiés sont construits par des entreprises privées qui, elles-mêmes, évoluent dans un contexte économique précis.
Pour ce qui est d’adapter les outils algorithmiques, le laboratoire de la CNIL mentionne la vaste question de la transparence des outils que nous utilisons. En vertu du RGPD, les internautes devraient effectivement avoir accès à un minimum d’explications.
Les travaux de Darius Afchar suggèrent par exemple de s’appuyer sur trois axes pour fournir des éléments de compréhension à l’usager : les plateformes pourraient détailler les caractéristiques principales de leur processus de suggestion, comparer la recommandation étudiée à d’autres morceaux appréciés par l’usager, expliquer le raisonnement appliqué par l’algorithme.
Business models et différenciation
L’autre vaste question est celle du cadre dans lequel ces outils sont déployés, indique LINC dans le dernier épisode de son rapport. Les business models reposent beaucoup sur la captation, la transformation et la revente des données, ce qui pose différents risques pour les données utilisateurs (à commencer par des atteintes à la vie privée).
Si leur fonctionnement est assez proche de celui d'autres plateformes (Uber, AirBnb, etc), les services musicaux bénéficient d'un double avantage de réseau : plus elles séduisent d'utilisateurs, plus les artistes veulent les rejoindre et inversement. Dans ce contexte, selon Jeremy Morris et Devon Powers, Deezer, Apple Music et consorts se différencient surtout grâce à quatre facteurs :
- leur interface ;
- la qualité qu'elles proposent en termes de son, de curation et de recommandation – donc les découvertes qu'elles permettent ;
- le « goût » – la manière dont elles enrichissent leur catalogue ;
- et le contrôle qu'elles laissent aux usagers, sur la musique et les applications diverses.
De fait, les plateformes ont pris une telle place dans la recommandation et la consommation musicale que les grands labels s'alarment. Ils font donc jouer la concurrence, en refusant de céder l’intégralité d’un catalogue à une seule grande marque numérique… ce qui en retour fragmente l’offre pour les utilisateurs. À moins que cela ne pousse les plus mélomanes à tester toutes sortes de plateformes et d’algorithmes de recommandation.
Commentaires (39)
#1
Vraiment intéressant de se rendre compte de la complexité de proposer un bon algo de recommandation.
Le “mieux” pour eux serait d’avoir une puce ou un moyen de projeter l’état et les pensées des utilisateurs vers l’application. Cela rendrait notre vie factice cela dit. Ayant toujours ce qu’on veut au moment où on le veut.
La frustration ne pourrait être supportée et nous serions encore moins préparer à l’affronter, ce qui aurait sur le monde des effets plus que catastrophique.
Un petit mot sur la fragmentation de l’offre : Pourquoi les labels l’encouragent ils ? Ils n’ont pas compris que la difficulté d’accès encourage le piratage ?
Depuis que Netflix n’est plus le seul je recommence à penser à cette méthode pour avoir les films et séries que je veux voir. Suis-je le seul ?
#2
Étant utilisateur de Spotify depuis pas mal de temps, je ne trouve pas leur algorithme de recommandation très efficace, si je ne fait pas d’effort pour sortir un peu de ma bulle, j’écoute à peu prêt toujours les mêmes artistes et surtout les mêmes titres.
Spotify ne puise pas bien loin du top 10-20 d’un artiste alors que pour certain ils y a quand même une belle discographie.
Selon si je lis, travail, ou écoute activement de la musique, je n’écoute pas du tout la même chose, et j’ai pas l’impression que Spotify comprenne la différence, cela rend les playlists découverte quasi inutilisable directement tellement c’est incohérent d’un titre à l’autre.
#2.1
Ma technique, c’est partager un compte, comme cela, tu as des suggestions qui n’ont rien avoir avec ce que tu écoutes, et idem pour l’autre personne
Mais sinon, effectivement, Spotify ne prend pas beaucoup de risque pour te faire sortir de ce que tu écoutes de manière volontaire.
Dommage, avec de l’IA et de l’analyse de rythme, de son, etc… je pense que cela pourrait sélectionner des musiques dans le même registre tout en s’éloignant des sentiers battus de nos habitudes ^^
#2.2
Dans le cadre d’un apprentissage par renforcement*, on a souvent à faire à un dilemme dit “dilemme exploration-exploitation” aussi connu sur le nom du “problème du bandit manchot”. En effet, on peut choisir soit d’explorer de nouveaux espaces pour trouver des nouveaux morceaux plus originaux au coup d’un grand nombre de raté. Mais on peut aussi rester dans une espace où l’on sait que ça plait déjà bien et on va essayer d’exploiter au maximum cet espace en cherchant que dans cette petite région, les quelques titres qui vont avoir le maximum de chance de plaire.
L’exploration, c’est quelque chose qui a un risque important pour un gain aléatoire. Pour spotify, c’est prendre le risque de perdre des clients car il propose trop de titres qui ne plaisent pas pour peut-être garder un client en lui proposant de nouveaux artistes. Or, à priori, en ne restant que dans les morceaux et les artistes proche que le client aime bien, ça semble déjà faire l’affaire. Du coup, l’exploration n’est peut-être pas si intéressant dans ce cas du point de vu de Spotify.
*apprentissage par renforcement: un type d’apprentissage automatique où un agent autonome réalise des actions (suggérer une musique ici) et en fonction des récompenses (écoute complète du morceau->récompense positive, ou zappé rapidement->récompense négative) va chercher à s’améliorer (proposer des titres qui plaisent en maximisant les récompenses).
#2.3
très pertinent, merci.
#3
Spotify avait publié en fin d’année un récapitulatif des morceaux écoutés.
Le morceaux que j’ai le plus écouté n’était un morceau que j’avais choisi mais celui qui correspondait le plus au genre musical.
J’en suis arrivé à la conclusion que les algorithmes s’auto-alimentent et finissent par créer des aberrations.
J’avoue ne pas comprendre pourquoi ils n’arrivent pas à définir un canevas de la musique écoutée : sonorité, rythmes indépendamment du style musical ou du nom du groupe.
Je me rappelle aussi de Deezer qui après avoir écouté l’album Jazz Manouche de Thomas Dutronc m’a proposé du… Zazie
#3.1
Dutronc, Zazie, tu restes dans la chanson française… Et puis ça te propose une artiste femme
#4
Facile : dans Jazz et Zazie, il y a un a et deux z. C’est donc presque pareil
#5
J’utilisais Qobuz puis j’ai migré chez Tidal après m’être fait viré par le premier.
L’algorithme de Qobuz divergeait soit vers de la musique classique, soit vers du hard rock sans que je comprenne la raison dans le cas du hard rock. Dans le cas de Tidal, au départ l’algorithme tirait systématiquement vers le rap, que j’écoute très peu et maintenant il penche vers la pop anglaise que je n’écoute pas du tout.
Bref, l’algorithme fait bien ce qu’il veut sans tenir beaucoup compte de ma personnalité.
Le seul algorithme qui fonctionne bien, c’est Roon. Si je démarre en rock français, il reste longtemps sur ce thème et ne diverge pas beaucoup. L’inconvénient, c’est que ce service est payant.
#5.1
ça dépends de ce que tu écoute jusqu’au bout, tidal se base beaucoup la dessus et un peu sur ceux en j’aime.
Pour avoir des chansons du même style, il est possible de lancer une radio à partir d’une chanson particulière et la ça marche vraiment pas mal, à contrario d’amazon qui pva très vite mettre des titre populaire qui ont souvent rien à voir.
Il y a aussi les “mix” qui permettent de voir ce que l’ia pense qu’on aime, à partir des écoute. Un vfaçon de réduire des tyle non aimé, c’est de skip rapidemment les pistes en questions, ça compte comme une sorte de “j’aime pas” en quelque sorte.
#5.2
Bien vu, c’est vrai que les “mix” sont pas mal du tout notamment parce qu’ils en proposent plusieurs.
Je testerai de lancer la radio en mode “actif” pour voir si c’est mieux qu’en mode “passif” à la fin d’une écoute.
#5.3
Je fait quasi que ça, tidal le fait très bien. Par contre c’est des liste pré-calculées, du coup ça sera à chaque fois la même playlist à partir d’une chanson donnée. Après rien empêche d’en lancer une autre à partir de la piste X qui te plaît aussi pas mal, et les playlist ne se croisent pas tant que ça. J’ai trouvé ça pas mal pertinent, c’est pas juste te proposer x chanson du même artiste et et quelques unes du même genre (hard rock, etc..). J’ai écouté des chansons de metal symphonique avec un côté atmosphérique, ça m’en a proposé d’autres de groupe dont j’avais jamais entendu parlé, alors que d’autres plateforme me mettent en boucle les même groupe pcq “populaire”
#5.4
Bref, l’algorithme fait bien ce qu’il veut sans tenir beaucoup compte de ma personnalité.
j’ai, la même, impression !
tellement le “nous vous recommandons” tape à côté !
le mieux, c’est qu’ils laissent, carrément, tomber leur truc !
d’ailleurs j’en tiens même plus compte !
#6
A m…, Il a du y avoir une erreur dans l’algorithme
#7
Comment peut on se faire virer d’un service pareil?
#7.1
Streamripping ?
Spotify a bloqué mon compte pour cette raison (rétabli depuis)
#7.2
On peut se faire suspendre pour streamripping ? C’est de la copie privée, non ?
#7.3
Si tu le fais en amont de l’application tu fais sauter le DRM et c’est donc un non respect des CGU. L’avantage ça permet de ripper en 8x.
Pendant 2 ans aucun problème puis d’un coup, arrêt brutal de l’application. Obligé de contacter le SAV et m’engager à ne pas continuer (de ripper en amont de l’application
).
#7.4
Ben, j’ai reçu un mail qui disait que Qobuz fermait son service de streaming MP3 à 10 € par mois et que soit j’allais voir la concurrence, soit je prenais l’offre qualité CD à 20 € / mois. Inutile de dire que ce mail, c’était un gros coup pied au c.. !
En plus, ça n’a servit à rien puisque qqs mois plus tard, Apple est passé à la qualité CD pour le même prix et tout le monde a suivi. J’ai maintenant la qualité CD chez Tidal pour 10 € / mois. En pratique, je n’ai pas entendu de différence mais bon.
La décision de Qobuz était complètement conne, question je remercie mes clients pour leur fidélité, c’est le contre exemple parfait à étudier en école de commerce. Le plus surprenant pour moi, c’est que ce service existe encore.
#8
Mêmes chose de mon côté que d’autres gens ici, j’ai essayé toutes les plateformes sans exception, à chaque fois le début est efficace en terme de proposition et ensuite une fois que l’algo comprends mes goûts, je me retrouve chaque jour à écouter la même chose. Parfois CHAQUE MATIN j’ai les mêmes musiques.
Non mais c’est pas parceque j’écoute 5 fois de suite une musique la semaine d’avant que j’ai envie de l’écouter chaque jour jusqu’à l’écoeurement…
#9
Super article.
#10
Je pense que non, mais le calcul doit être fait pour les fournisseurs de contenus.
C’est un peu différent pour l’audio visuel que pour le simple audio (la différence entre le diffuseur est plus tranchée avec le producteur).
Je pense qu’il y a globalement une estimation faite par le producteur. Les exclusivités rapportent plus que de vendre à tous, même en prenant en compte le piratage.
Et puis … je me souviens qu’à l’époque on disait que le piratage n’avait pas d’effet négatif sur les ventes. Donc peut être que le piratage n’a jamais été un gros problème pour les ayants droits et que c’est juste un prétexte qu’ils ont utilisé pour faire du lobbying.
Par exemple Games of Throne était la série la plus piratée en son temps. Ça ne l’a pas empêchée d’être très rentable.
#11
As tu déjà pensé que tu vivais dans une boucle temporelle ?
#11.1
Un jour sans fin 😅
#12
Sur Deezer, les recommandations sont parfois pertinentes, mais de temps complètement à l’ouest. En recommandation, j’ai eu une playlist 100% religieuse, même si je dois bien avouer que le “je vous salue marie” version Rock Chrétien est quand même pas trop mal
Dans ma liste de lecture de ce lundi, il y a du pertinent : “C’est idées-là”, mes dernière écoutes comprenant du Téléphone, du “Puisque Tu pars” mais par Wesley de The Voice, du Yvette Horner et du “Champions les sang et or” (WTF !). On sait jamais, sur un malentendu, ça peut marcher et je vais aimer
#13
I Got You Babe ?
#13.1
“Okay campers, rise and shine and don’t forget your booties ‘cause it’s cooooold out there !”
Merci pour l’article très instructif.
C’est vrai que Spotify c’est pas terrible sur le long terme pour les suggestions mais pour du ponctuel, en affichant d’autres artistes associés à l’écoute en cours, j’ai pu dénicher des choses intéressantes.
#14
Le RCLENS à gagné 3-1 contre le Paris SG la semaine dernière… Il n’y avait pas “Les Corons” aussi ?
#15
En ce qui concerne la recommandation de vidéos sur Youtube, il y a l’excellent projet de recherche participatif Tournesol.
#16
Pour revenir sur le sujet de l’article, sur le site Les Jours, il y a une obsession nommée “La fête du stream” qui aborde de nombreux sujets autour des plateformes de streaming. Ce n’est pas technique mais si le sujet vous intéresse, il y a des choses intéressantes.
Ex de deux articles gratuits (le reste du site est payant) :
Artistes et streaming, je ne t’aime plus mon amour (2020)
Fraude avec les stars (2022)
#17
Intéressant comme toujours ! Surtout ces notions de Similarité, Familiarité et Découverte qui permettent de bien comprendre les curseurs possibles pour avoir quelque chose de propre.
En tout cas les commentaires me réconfortent sur la qualité des propositions, car je pensais être le seul à être déçu… Pour écouter des titres variés (de la variété française des 80’s à de la musique classique en passant par du rock et de l’électro), je trouve que mon YouTube Music retombe vite dans ses petites habitudes, ou alors part complétement en dehors de ce qui m’intéresse.
Il a pas l’air trop pour l’éclectisme.
#18
Article très intéressant! Je ne savais pas que je voulais en savoir plus avant d’avoir lu l’article, belle découverte! C’est abordé simplement, mais c’est sourcé avec des publis, si on a envie d’en savoir plus. Merci!
#19
Bonjour,
Pour les video youtube il y a une initiative intéressante qui propose de remplacer les suggestions par un autre algo plus ouvert et documenté:
https://tournesol.app/
Je précise que je ne fait pas partie de l’équipe mais j’apprécie la démarche.
Je ne sait pas s’il existe la même chose pour la musique ? Sa pourrait être une bonne idée.
#20
J’ai désactivé l’année dernière l’auto recommandation de Spotify après qu’il m’a lu trois fois le même morceau en 15 minutes. Ça a recommencé plusieurs fois sur un mois. C’était la première fois que l’algo était aussi nul depuis qu’il existe (je suis un utilisateur de Spotify depuis 2009)
#21
Sujet intéressant. Personnellement j’ai été positivement surpris par les recommandations de Spotify qui a su identifier assez rapidement mes attentes. Cela m’a permis quelques belles découvertes de groupes que je ne connaissais pas du tout et dont je suis tombé amoureux. Les différentes variantes du “daily mix”, même si contenant parfois un peu toujours la même chose pour certains (après, mes goûts musicaux datant de 40 ans, forcément y’a peu de risques de nouveautés), m’ont permises quelques découvertes sympa.
Aux antipodes de Youtube qui, malgré mes historiques et abonnements, me propose toujours des choses complètement hors sujet si je regarde la “homepage”. Raison pour laquelle je ne regarde que la page “abonnements” et ignore le reste.
Concernant le point sur les biais… Perso je suis moi-même biaisé sur le sujet : je n’écoute quasi aucun contenu francophone, donc ça me choque pas de ne pas en avoir. Et les quelques groupes français que je suis chantent en anglais. Quant à la représentation féminine, j’écoute des genres où elles ne sont usuellement pas très présentes, mais la faible quantité est compensée par une excellente qualité.
#22
J’en ai fait quand j’étais plus jeune.
#23
Pour ma part après avoir testé Qobuz, Apple Music, Amazon Music, le service qui devine le mieux mes envies reste de loin Youtube Music (inclus avec l’abonnement Prime). J’avais eu Spotify il y a longtemps, il me semble qu’il était pas mal aussi, mais je n’ai pas réessayé récemment.
#24
Pour ma part, j’adore les recommandations.
Il m’est arrivé plusieurs fois de conserver l’intégralité de la découverte du lundi.
Très pratique les nouveautés le vendredi.
Les daily, j’ai plus de mal.
Les radios depuis un morceau c’est pratique. Ça peut même être une playlist de dingue.
Je ne me vois pas changer de plateforme.
Mes écoutes sont éclectiques.
Article intéressant en complément
https://towardsdatascience.com/uncovering-how-the-spotify-algorithm-works-4d3c021ebc0
#25
Article très intéressant!
L’algorithme de feu Nokia music sur mon Windows Phone m’avait bluffé. A partir des MP3 chargé, il m’a proposé et fait découvrir plein d’artistes et de morceaux!
Je n’ai jamais utilisé Spotify ou deezer, j’ai testé Amazon Music 2-3 fois et c’est une catastrophe, il propose uniquement des trucs qui l’intéressent lui, pas moi.