La discipline du Traitement Automatique du Langage Naturel (TALN) a connu
d'importants progrès ces dix dernières années grâce aux avancées de
l'intelligence artificielle et en particulier des réseaux de neurones
profonds. Ces techniques sont aujourd'hui largement utilisées pour
l'extraction de connaissances, l'analyse de sentiments ou encore la
traduction automatique de textes. Les similarités structurelles et
conceptuelles entre le langage naturel et la musique ont motivé de
nombreuses initiatives de recherche visant à adapter les outils du TALN
pour le traitement de données musicales symboliques ou audio. Ces démarches
ont fourni des résultats prometteurs, notamment dans les domaines de
l'analyse et la génération automatique de musique. Au-delà de leur
performance, le présent projet vise à étudier le fonctionnement interne de
deux de ces modèles, les plongements de mots et les
transformeurs, ainsi que leur aptitude à s'adapter à des données
musicales plutôt que textuelles. Ces expériences bénéficient à notre
maîtrise de ces outils adaptés à la musique et contribuent à clarifier de
nombreux parallèles entre le langage naturel et le langage musical.