Vous êtes sur la page 1sur 7

DISSEMBLANCE ET ESPACES COMPOSITIONNELS

Frdric Voisin Conservatoire de Musique du Pays de Montbliard fred@fredvoisin.com


RSUM Nous prsentons une mthode originale d'analyse de formes symboliques fonde d'une part sur une mesure de dissemblance et, d'autre part, sur la thorie des graphes. En partie dj prouve, elle permet d'tudier des ensembles composs de symboles arbitraires, de constituer et d'explorer des espaces compositionnels . Aussi, une premire mthode de partitionnement de tels espaces est propose, illustre et discute travers un exemple de transcription automatique de sonagrammes. Ces mthodes sont dveloppes avec la collection d'outils fv-morphologie pour OpenMusic et PWGL. 1. INTRODUCTION remplace avantageusement le rendu graphique que nous avions initialement dvelopp de faon plus sommaire 3. 2. PRINCIPES GNRAUX

Morphologie est une collection d'outils destine la composition assiste par ordinateur, dveloppe en 1997 l'Ircam pour les environnements de composition Patchwork, OpenMusic, et, plus rcemment, pour PWGL. Runissant l'origine deux aspects complmentaires, l'un ddi l'analyse musicale que je propose, l'autre la gnration musicale propos par Jacopo Baboni-Schilingi [1], cette collection d'outils continue d'tre exploite et dveloppe. En 2007, la partie analytique a t refondue dans un cadre thorique plus explicite et fait dornavant l'objet d'une collection d'outils spcialement ddie l'analyse de squences symboliques : fv-morphologie, dont le dveloppement est toujours en cours1. La classification d'objets musicaux fonde sur les arbres de recouvrements minimaux constituait l'une des contributions majeures de la version initiale de Morphologie. Jusqu' prsent, sa documentation a nanmoins t qu'orale. Bien qu'exprimente avec succs auprs de diffrents compositeurs, cette fonctionnalit n'a malheureusement pu tre maintenue lorsque lenvironnement graphique sur lequel se fondait alors OpenMusic - Macintosh Common-Lisp - fut abandonn, lors de l'arrive du systme d'exploitation Mac OSX. La version actuelle de fv-morphologie en propose une nouvelle version en recourant, pour le rendu graphique, au format .dot et aux programmes libres webdot, Graphviz ou Tulip , et tout particulirement au programme Unix neato2 qui
http://www.fredvoisin.com/fv-morphologie/. webdot, Graphviz sont dvelopps par AT&T Labs Research (cf. http://www.graphviz.org) ; Tulip est dvelopp par le LaBRI et l'INRIA (cf. http://tulip.labri.fr).
2 1

Avec fv-morphologie, l'analyse musicale est essentiellement fonde sur la reprsentation symbolique d'objets les plus divers : les noncs musicaux y sont reprsents au moyen d'ensembles ou de suites de symboles qui les dcrivent selon une notation arbitraire, au choix de l'utilisateur. fv-morphologie recourant au langage Lisp, ces suites ou ensembles de symboles, que nous appelons par la suite forme symboliques, sont nots tels les S-expressions (symbolic expressions), savoir entre parenthses : (a b c ) . Le caractre temporel ou atemporel d'une telle liste, de mme que son ventuelle structure, ne tient donc qu' l'interprtation qui en est faite implicitement par le lecteur. De plus, une liste peut elle-mme tre constitue de listes de symboles, confrant alors un niveau de structuration plus explicite, par exemple : ((a b)(c d) ). 2.1. Mesure de dissemblance Afin de pouvoir comparer de telles formes symboliques entre elles, fv-morphologie propose de recourir la distance d'dition, dite galement distance de Levenshtein, gnralisation de la distance de Hamming. Il est noter que, contrairement son nom, la distance d'dition n'est pas une distance au sens strict (mathmatique), mais une mesure de dissimilarit, fonde sur la recherche du cot minimal pour la transformation d'une suite en l'autre, ce au moyen des trois oprations suivantes appliques pas pas : substitution d'un symbole par un autre insertion d'un nouveau symbole suppression d'un symbole

Ainsi, par exemple, la distance d'dition entre la suite (c d e g a g g) et la suite (e d e g a g a g) gale 3, nombre minimal d'oprations ncessaires la transformation. On remarquera que la comparaison peut porter sur des listes de longueurs diffrentes, ce qui
3 Ainsi la plupart des fonctionnalits prsentes ici avec fvmorphologie taient disponibles ds la version initiale de Morphologie (1997).

permet la comparaison formes symboliques de diffrentes longueurs. Dans le cas o les listes reprsentent des objets atemporels, tels que des accords, on prendra soin d'appliquer un mme principe (non alatoire) d'arrangement ou de classement des symboles au sein de chacun des ensembles (listes) constitus, ceci afin que la mesure de dissemblance soit pertinente. Aussi, nous proposons dans fv-morphologie diffrents amnagements la distance d'dition : d'une part la possibilit de normaliser la distance d'dition la longueur des suites compare la mesure variant alors entre la valeur 0 et 1 selon que la ressemblance est, respectivement, parfaite ou nulle. D'autre part, outre de pouvoir modifier le cot de chacune des oprations d'dition (modification dont l'interprtation reste dlicate), nous avons ajout, de manire empirique, un coefficient majorant le cot de substitution lorsque cette opration s'applique des symboles qui ne sont pas communs aux deux ensembles compars. Ceci a pour effet de maximiser la dissimilarit entre des listes contenants des symboles non communs. Des tudes semblent avoir montr que cette mesure de dissimilarit semble tonnamment comparable des mesures obtenues lors d'exprimentations psychoacoustiques dappariement de courtes mlodies 4. Il n'en reste pas moins que sa pertinence musicale peut tre tablie de manire empirique, du moment que les principes sous-jacents l'encodage symbolique la transcription des objets musicaux prennent en considration les contraintes de cette mesure, aussi faibles soient-elles. Une application immdiate de la distance d'dition est, par exemple, la recherche de variantes d'un mme motif au sein d'une squence musicale, recherche qui, ds lors, peut admettre un seuil de dissemblance. L'automatisation d'une telle recherche, comme nous le proposons dans fv-morphologie, offre une procdure intressant directement l'analyse paradigmatique, la mesure de dissemblance par distance d'dition se substituant avantageusement au critre peu explicite d'un air de famille entre motifs musicaux [2]. 2.2. Espaces compositionnels Il est parfaitement intuitif et bien connu que la seule liste exhaustive des distances entre diffrents points d'un espace de type euclidien permet de reconstituer la disposition de ces points dans l'espace. Ainsi, par exemple, la liste de l'ensemble des distances (euclidiennes) entre diffrentes villes de l'hexagone , lorsque celles-ci sont judicieusement choisies, permet de reconstituer la carte de France peu prs. La mthode, bien que peu triviale, existe et fait appel au calcul des valeurs propres et des composantes principales de la matrice des distances qui permettent de minimiser les distorsions ncessaires une projection euclidienne. A l'instar d'une telle projection, nous proposons dans fv-morphologie de reprsenter la topologie de l'espace
4 Communication personnelle de Stephen McAdams l'Ircam (1999).

qui serait constitu par un ensemble de formes symboliques. Si l'instar de l'exemple prcdent il est galement possible de calculer une projection de ces objets dans un espace euclidien qui respecterait, sans trop de distorsion, la liste exhaustive des mesures de similarit entre les formes symboliques considres, une telle mthode ne nous semble pas adapte. Il est en effet vident qu'une telle reprsentation impose une dimensionalit a priori absente des formes symboliques considres. Par exemple, il semble n'y avoir aucun sens envisager les trois formes suivantes : (c d e g a g), (d e g b g a), (d g e g) comme autant de points dans un unique espace euclidien dont on ne saurait par ailleurs pas identifier la nature des dimensions. Mme si, par exemple, elles reprsentaient des suites de hauteurs, du fait que ces formes ne sont pas de mme longueur chacune de ces formes ne saurait tre reprsent par un point unique dans un mme espace commun au trois. Par contre, il nous semble qu'un tel espace peut tre imagin de manire abstraite, sans relle dimension, par le seul jeu de ma mise en relation de leurs dissemblances. Un tel espace gagne alors tre reprsent au moyen de graphes, la fonction essentielle de ceux-ci consistant justement relier diffrents lments entre eux et ce, ventuellement, sans dimensionalit pr-tablie. Nous suggrons donc de reprsenter un tel ensemble de formes symboliques par leur arbre de recouvrement minimal, lequel assure que les chemins entre deux sommets quelconques du graphe sont toujours les plus courts. Chaque sommet du graphe reprsentant l'une des formes symboliques de l'ensemble constitu, le chemin le plus court correspond alors ncessairement la distance d'dition entre la forme d'origine et la forme d'arrive5. Minimisant les connections, un arbre de recouvrement minimal n'est donc pas un graphe complet et il est dpourvu de cycles. Le chemin entre deux sommets du graphe est donc toujours unique, le plus court, et passe le cas chant par des nuds intermdiaires : aux chemins imposs correspondent les transitions comportant le moins de diffrences (cf. Figure 1). Cette proprit est particulirement intressante pour la composition musicale6. Par ailleurs, il est important de noter qu' un espace symbolique donn correspond un arbre de recouvrement minimal unique, bien que celui-ci peut revtir, comme la plupart des graphes, plusieurs reprsentation graphiques selon diffrents choix de trac. De mme, la projection d'un graphe sur un plan est ici purement arbitraire, et peut entraner des distorsions plus ou moins importantes sur la longueur des liens tracs qui indiquent les mesures de dissimilarit.
5 Parmi les diffrents algorithmes existants pour le calcul de l'arbre de recouvrement minimal, nous avons opt, dans fv-morphologie, pour l'algorithme de Prim en raison de sa simplicit d'implmentation. Des versions ultrieures pourront prfrer des algorithmes plus rapides, tels que l'algorithme de Kruskal. 6 Nous l'avons notamment applique avec Philippe Leroux pour la ralisation de certaines squences de Voi[rex] l'Ircam.

de la structure propre de l'arbre et ne peut tre fix prcisment a priori. Les recherches thoriques ce sujet sont trs prometteuses, mais encore rcentes, empiriques et ne s'appliquent encore qu' certaines configurations particulires d'arbres de recouvrement minimal [3].

tre partitionn en (1). Dans fv-morphologie nous proposons pour le moment, titre exprimental, un premier partitionnement prenant en compte la seule distance. D'autres mthodes de partitionnement sont recherches et exprimentes d'un point de vue musical. 3.2. Application du partitionnement d'arbre de recouvrement minimal la transcription automatique de sonagrammes. Un sonagramme est une reprsentation graphique du spectre sonore dans un espace temps/frquence. Il peut tre obtenu soit de manire analogique, en mesurant la rpartition de l'nergie acoustique dans un banc de filtres, soit par la transcription graphique de la dcomposition du signal ralise par une Transforme de Fourier. L'interprtation d'un sonagramme est donc essentiellement visuelle et l'information rside essentiellement dans l'agencement de formes graphiques dans un plan (temps/frquence). En musicologie comme en cration lectroacoustique, une reprsentation en noir et blanc est le plus souvent suffisante pour en permettre, de visu, une interprtation pertinente, voire pour s'en faire une image auditive intrieure. Ainsi considr, un sonagramme peut tre reprsent par deux valeurs, blanc ou noir, ce surtout lorsque l'intensit d'un partiel est traduite par l'paisseur du trait qui le reprsente (comme tel est en le cas au moins pour les sonagraphes analogiques). Afin d'illustrer distance d'dition et arbre de recouvrement minimal, nous proposons de les appliquer la transcription d'un sonagramme d'un chant de Rougequeue noir [4] (cf. Figure 3).

suites de symboles arbitraires. Ainsi chaque arbre de recouvrement minimal reflte une structure particulire intrinsquement lie celle propre aux formes symboliques qui le compose. Si la lecture des diffrents cheminements possibles dans l'arbre de recouvrement en permet une exploration empirique, de nombreux concepts issus de la thorie des graphes offrent des outils originaux qui en permettent l'analyse, ce que nous envisageons dans le dveloppement de fv-morphologie. Ainsi par exemple le degr , savoir le nombre de connections dont est dot un noeud, donne une indication sur l'importance qu'il revt dans le graphe, voire sa fonction ds lors qu'il permet, notamment, de distinguer une feuille (degr = 1) d'un nud interne (degr > 1). 3. GRAPHES ET TRANSCRIPTIONS

3.1. Partitionnement d'arbre de recouvrement L'tude d'un arbre de recouvrement minimal et l'exploration de ses diffrents chemins font rapidement apparatre des rgions regroupant des formes symboliques apparentes, surtout lorsque sa structure est irrgulire ou asymtrique ce qui est le plus souvent le cas. L'observation de telles rgions est assez intuitive, voire vidente dans le cas de petits arbres (cf. Figure 2), la mthode de partitionnement n'est cependant pas triviale. Dans certains cas d'arbres simples ou petits nous obtenons un partitionnement satisfaisant en scindant le graphe l o les connections sont les plus longues, dissociant ainsi les rgions comportant les formes symboliques les plus dissemblables. Il semble pertinent de prendre en compte d'autres critres, tel que le voisinage des nuds, ou encore leur degr. Notons par ailleurs que le nombre de partitions possibles dpend

Figure 3. Sonagramme de chant de Rougequeue.

L'ensemble de la procdure, automatise, est ici ralise avec fv-morphologie dans l'environnement PWGL (cf. Figure 4, ci-dessous)7.

distance d'dition ont t amnags empiriquement afin de maximiser le cot de transpositions de hauteur (cot d'insertion et de suppression), et de minimiser celui de la naissance ou de la disparition de partiels (cot de substitution)10. L'ensemble des formes symboliques de spectre instantan peut ds lors tre reprsent par un arbre de recouvrement minimal o chacun des nuds indique, par un nombre, la position du spectre instantan (non nul) dans le sonagramme encod (cf. Figure 6).

Figure 4. Procdure automatique de transcription du sonagramme du chant de Rougequeue, dans PWGL. Dans un premier temps, il s'agit d'encoder l'image du sonagramme en un texte compos uniquement de deux signes arbitraires8, l'un signifiant la prsence d'nergie par exemple : x, l'autre l'absence d'nergie par exemple : -. Lorsque l'chantillonnage de la conversion de l'image en caractres ASCII est assez fin, la plupart des informations graphiques sont conserves. Sans prtention ornithologique particulire, nous avons utilis ici un chantillonnage assez grossier du sonagramme en 300 x 45 signes, pour une dure de 5 secondes et une tendue spectrale de 8000 Hz, soit une dfinition temporelle de 17 ms et de 178 Hz pour la dfinition spectrale (Figure 5)9.

sonagramme du chant de Rougequeue. Enfin, dans un troisime temps, le partitionnement de l'arbre de recouvrement en sous-arbres permet d'identifier des classes regroupant les formes de spectres instantans les plus proches. Les 73 formes diffrentes qui forment le graphe et le sonagramme peuvent tre dcomposes en 12 classes. Ds lors, l'association de chacune des formes la classe qui lui est associe permet de segmenter et de transcrire le sonagramme encod selon les numros des classes correspondants (Figure 7) :

Figure 5. Encodage du sonagramme d'un chant de Rougequeue en caractres ASCII. Dans un second temps, on considre chacune des colonnes formes des signes /-/ et /x/ qui reprsentent l'volution du spectre instantan. On mesure les dissimilarits entre chacune des formes symboliques reprsentant ces spectres instantans selon la distance d'dition, celles composes du seul signe /-/, qui correspondent un silence, ayant t pralablement exclues. Ici, les diffrents cots des oprations de la
Cette procdure figure dans le tutoriel pour PWGL distribu avec fv-morphologie. Elle peut tre ralise dans tout environnement Common-Lisp. 8 Nous utilisons ici le programme libre jp2a (http://jp2a.sf.net). 9 Pour des raisons de mise en page, la figure 5 ne reprsente que la partie utile du spectre converti en caractres ASCII, et non tout l'chantillonnage.
7

Figure 7. Classification des formes de spectre instantan du sonagramme de Rougequeue.

10 D'autres amnagements sont certainement possibles, sinon souhaitables, comme nous le verrons plus loin.

Aprs conversion en notation alphabtique de chacun des numros correspondant aux diffrentes classes de formes de spectre instantan, puis suppression des rptitions locales, nous obtenons enfin la transcription suivante : (a a a a a ea a da da a a ae a acea gh iea elebea aeaklea aea adfja afa a a da) Certaines erreurs peuvent tre constates dans cette transcription. Au dbut du sonagramme, une forme telle que : (a a a da ea da da da) est attendue ; de mme les trois derniers traits du sonagramme o la forme (da da da) est prfrable (a a da). On remarquera que la prsence de la forme (da) et sa variante (ea) au dbut et la fin du sonagramme est plutt pertinente. Comme on peut le voir, cette dernire erreur tient surtout l'chantillonnage du sonagramme lors de sa conversion en symboles ; un meilleur chantillonnage aurait certainement permis une meilleure transcription. De mme, un prtraitement des donnes encodes, tel que la suppression des formes spectrales constitues d'un seul caractre non nul, dnotant une trs faible nergie, aurait amlior la classification. Enfin, il est trs probable qu'un meilleur critre de partitionnement de l'arbre de recouvrement, qui prenne en compte le degr et le voisinage des nuds o s'effectue le partitionnement, parvienne un meilleur rsultat. 3.3. Robustesse de la transcription automatique de sonagramme Afin de vrifier la pertinence de cette mthode de transcription, nous l'avons appliqu un nouveau sonagramme du mme extrait du chant du Rougequeue noir [4]. Tandis que le sonagramme prcdent tait directement extrait de l'ouvrage cit, nous l'avons ralis nous-mme avec une meilleure rsolution. Nous en avons ensuite encod la partie situe entre 2 et 8 kHz en 600 x 90 signes choisis parmi les deux caractres / |/ ou /./ (cf. Figure 8), soit une rsolution plus de deux fois suprieure l'exemple prcdent.

sonagramme permet de dduire un nouvel arbre de recouvrement minimal (cf. Figure 9). Si, comme attendu, ce dernier est plus fourni et diffrent du prcdent, du fait d'un encodage plus prcis, on peut observer une allure gnrale assez proche : un important nud central distingue deux ou trois branches principales, chacune dote de ramifications plus ou moins longues et de nuds majeurs vers leur extrmit.

correspondant au second sonagramme du chant de Rougequeue noir. La transcription des formes de spectre instantan rsultant du partitionnement de ce dernier arbre est bien plus prcise. La succession des 19 classes de spectre instantan obtenues abouti une forme globale sensiblement identique la transcription obtenue prcdemment (cf. Figure 10) :

Figure 10. Deux transcriptions automatiques fondes sur deux sonagrammes et rsolutions d'encodage diffrents : premire version en haut (300 x 45 signes), et seconde version en bas (600 x 90 signes). Cette dernire transcription peut tre reprsente en caractres alphabtiques sous la forme suivante rptitions locales omises : (aghaga a a a agda ada aga aga aga da aianda fga g d agamda aldodr qdfpecdkdhagdsdabagda ahdgdajda aga a dfda a ga aga a ga) Bien qu'encore imparfaite, cette transcription rpond en bonne partie nos attentes. On y observe notamment plus en dtail l'volution du motif initial (a) et ses

Figure 8. Second sonagramme et encodage, en deux caractres ASCII, du chant de Rougequeue noir. L'ensemble des distances d'dition des 326 formes de spectres diffrentes prsentes dans l'encodage de ce

variantes (aga), (ada) ou (agda) au dbut du chant et les formes plus articules (a-dfda), (a-ga) de la fin du chant. Il ne fait pas de doute qu'une tude plus prcise de ces diffrents motifs et de leurs variantes pourrait certainement tre entreprise en les isolant de ceux de la partie centrale du chant dont ils se distinguent. Par ailleurs, une transcription prenant en compte les rptitions locales, omises ici afin de clarifier notre propos, en permettrait une meilleure analyse rythmique. Et inversement, en toute logique, la partie centrale du sonagramme, qui correspond des motifs sonores de nature trs bruite, donne lieu une transcription moins rgulire. 3.4. Transcription de formes spectrales Cette mthode de transcription, jusqu' prsent restreinte aux formes du spectre instantan, peut tre tendue aux formes spectrales qui se dploient dans la dure du sonagramme. Pour ce faire, il s'agt de concatner tous les spectres instantans contigus qui sont encadrs par un silence. Ainsi, le dernier sonagramme encod du Rougequeue prsente les 26 formes spectrales spares d'un silence. Chaque forme spectrale ayant ncessairement une longueur multiple celle d'une forme de spectre instantan (ici, de 90 signes chacun), il est prfrable d'en normaliser les distances d'dition. Et, comme prcdemment, de l'ensemble des distances est dduit l'arbre de recouvrement minimal correspondant (cf. Figure 11).

formes spectrales qui permette de transcrire le sonagramme de manire optimale (cf. Figure 12).

Figure 12. Transcription des formes spectrales du sonagramme de Rougequeue en onze classes. Soit, en caractres alphabtiques, la forme gnrale : (a a a b b b b b b cc def dg h i j j a k k b b b) o il apparat assez clairement qu'au motif initial : (a a a b b b b b b) rpond celui, final : (a k k b b b). On remarque qu'au dbut du motif final du chant ainsi transcrit, la forme note a est plutt apparente la forme k. Cette erreur peut cependant tre relativise au seuil de distance de partitionnement qui peut encore tre rduit, et indique que le critre de partitionnement gagnerait encore prendre en compte la structure de l'arbre de recouvrement et du voisinage de chacun de ses nuds. D'autres amnagements restent exprimenter et certains peuvent tre emprunts d'autres mthodes de classification. Par exemple, l'volution du partitionnement selon le seuil de distance peut donner une indication sur le degr d'appartenance d'une forme une classe. Aussi, une normalisation de la distance d'dition gagnerait prendre en considration qu'elle porte sur des formes de longueurs qui sont toutes multiples entre elles (multiples du nombre de signes pour chaque spectre instantan). Ou bien, au contraire, une normalisation de la longueur des formes spectrales rendrait leur dissimilarits moins sensibles leur variation en dure. Enfin, un chantillonnage qui encoderait un tant soit peu l'amplitude du spectre, par exemple au moyen de trois ou quatre caractres plutt que seulement deux comme dans notre exemple, apporterait une information significative que nous avons ignor ici. Le principe gnral nous semble nanmoins satisfaisant, eu gard l'aspect original et encore trs exprimental de cette approche et ce d'autant que le cas du sonagramme est difficile et situ l'extrme limite du domaine qui nous intresse11. D'ailleurs, la vritable finalit de cette mthode consistant reprsenter des expressions symboliques sous la forme de graphe, la transcription du sonagramme du Rougequeue peut son tour tre projete sous la forme de son arbre de recouvrement minimal, lequel
Les donnes brutes ainsi que les programmes ayant permi de raliser les exemples prsents ici sont disponibles sur le site web de l'auteur, l'adresse : http://www.fredvoisin.com/jim2011/
11

recouvrement minimal des formes spectrales du sonagramme du chant du Rougequeue. Le seuil de la distance minimale de partitionnement est particulirement critique puisqu'il dcide du nombre de partitions, relativement la structure de l'arbre de recouvrement. Ici, nous avons effectu le partitionnement de l'arbre de recouvrement progressivement, de manire supervise, jusqu' obtenir onze classes de

reprsente ds lors un espace purement symbolique qui met en relation les formes de spectres telles que transcrites : ainsi la Figure 13 ci-dessous reprsente, hors temps, les formes de spectre instantan transcrits dernirement (cf. Figure 10). Diffrentes lectures d'un tel espace symbolique sont possibles. Reste se familiariser une reprsentation qui ncessite encore d'tre exprimente dans le domaine de l'analyse musicale. Ici, comme exemple de lecture, nous y avons dlimit en pointill l'ensemble des motifs initiaux et finaux du sonagramme et du chant du Rougequeue, les formes spectrales correspondant au motif bruit du chant tant situes la priphrie du graphe. Aussi simple soit-il, la mise en perspective de ce graphe hors temps avec sa transcription dans le temps met en vidence une dynamique qui nous semble caractristique de ce chant.

L'exemple du chant du Rougequeue, loin de prtendre une exactitude ornithologique, avait pour objet d'exprimenter ces nouvelles mthodes travers une application concrte et volontairement limite tant en difficult qu'en temps de calcul, s'agissant de transcrire dans un espace symbolique les donnes spectrales continues que reprsente un sonagramme. La difficult est moindre si les donnes reprsenter sont ds l'origine d'ordre symbolique, du moment que leur encodage est consistant : textes, notations, transcriptions, etc. Aussi, dans le cas d'un grand nombre de donnes, comme dans le cas de la transcription de sonagrammes, certains calculs tels que nous les avons implments peuvent ncessiter d'tre optimiss pour en rduire la dure. Enfin, nous envisageons de dvelopper des mesures de ressemblance pour les arbres de recouvrement minimaux, lesquelles nous permettront de comparer entre elles, un niveau suprieur, diffrentes formes musicales symboliques de manire systmatique, corpus de partitions et de transcriptions. Dans cette perspective, l'analyse spectrale de graphes nous semble prometteuse. Ainsi la thorie des graphes et tout particulirement les arbres de recouvrement minimaux ouvrent de nouvelles perspectives d'analyse musicale, non seulement pour la classification de formes symboliques, mais aussi pour leur interprtation : comme on l'aura remarqu, les procdures utilises ici illustrent certains concepts dvelopps par Deleuze et Guattari [5]. Ici, en effet, la dissemblance de formes symboliques est uniquement value travers le cot d'oprations fondamentales de diffrenciation (insertion, suppression, substitution), lequel permet une reprsentation de type rhizomatique d'un espace imaginaire offrant de multiples lectures et agencements pour les besoins de l'analyse ou de l'criture musicales. 5. RFRENCES

spectre instantan du sonagramme du chant de Rougequeue. 4. PERSPECTIVES

[1] Baboni-Schilingi, J. & Voisin, F. Morphologie : Documentation OpenMusic, 3me dition, Ircam, 1999. [2] Ruwet, N. Langage, musique, posie. Editions du Seuil, coll. Potique, Paris, 1972. [3] Galluccio L., Michel O., Comon P. ''Arbres de recouvrements minimaux duaux et application la segmentation non supervise'', 22me colloque GRETSI, Dijon, France, 2009. [4] Bossus C., Charron F. Guide des chants d'oiseaux d'Europe occidentale, coll. Les guides du naturaliste, Delachaux et Niestl, Neuchtel, 2003. [5] Deleuze G., Guattari F., Mille plateaux, Capitalisme et schizophrnie 2, Les Editions de Minuit, coll. Critique , Paris, 1980.

Parmi les mthodes exposes, le recours la distance d'dition et la reprsentation de l'arbre de recouvrement minimal a dj t longuement prouv par diffrents compositeurs, notamment l'Ircam avec la version initiale de Morphologie. Leur application fut cependant restreinte par la vitesse de calcul alors disponible : certains exemples prsents ici ont requis plusieurs dizaines minutes de calcul ; ils auraient alors ncessit un temps de calcul non raliste. Aussi, la nouvelle version fv-morphologie dveloppe les fondements alors esquisss et ouvre de nouvelles perspective d'analyse musicale ou de composition assiste par ordinateur.