Anna's Archive vient de sauvegarder la totalité de Spotify
Vous connaissez
Anna’s Archive
, cette bibliothèque pirate qui sauvegarde tous les livres et articles scientifiques de l’humanité ? Hé bien ils viennent de s’attaquer à un nouveau chantier : sauvegarder Spotify (en tout cas le plus possible), soit 256 millions de morceaux + de la métadonnées, soit ~300 téraoctets de données !!
Anna’s Archive se focalise normalement sur le texte (livres, et documents de recherche) parce que c’est ce qui a la plus haute densité d’information mais leur mission, c’est de préserver le savoir et la culture de l’humanité, et ça inclut donc aussi la musique. Et comme ils ont trouvé un moyen de scraper Spotify à grande échelle, ils se sont dit "Hey pourquoi pas ? On est des oufs".
Et ça donne la plus grande base de données de métadonnées musicales jamais rendue publique, avec 186 millions d’ISRCs uniques (ces codes qui identifient chaque enregistrement). Pour vous donner un ordre de grandeur, MusicBrainz n’en a que 5 millions. Niveau fichiers audio, ils ont aussi archivé environ 86 millions de morceaux, ce qui représente 99,6% des écoutes sur la plateforme (même si ça ne fait "que" 37% du catalogue total). Donc si vous écoutez un morceau au hasard sur Spotify, y’a 99,6% de chances qu’il soit dans l’archive.
Pour trier tout ça, ils ont utilisé la métrique "popularité" de Spotify qui va de 0 à 100. Ainsi, pour les morceaux avec une popularité supérieure à 0, ils ont récupéré quasiment tout en qualité originale (OGG Vorbis 160kbit/s) et pour les morceaux à popularité 0 (soit ~70% du catalogue, des trucs que personne n’écoute), ils ont réencodé en OGG Opus 75kbit/s pour gagner de la place… mais ils ne sont pas allés au bout de la longue traîne (trop de stockage pour trop peu de gain, et pas mal de contenu “bof” à popularité 0). Pour 99% des gens ça sonne pareil, même si je sais que les audiophiles vont me tuer dans les commentaires ^^.
En regardant les stats qu’ils ont produit à partir de ce qui a été scrappé, les 3 morceaux les plus populaires (Die With A Smile de Lady Gaga et Bruno Mars, BIRDS OF A FEATHER de Billie Eilish, et DtMF de Bad Bunny) ont été streamés plus de fois que les 20 à 100 millions de morceaux les moins populaires combinés. Bon, ils précisent aussi que la popularité est très dépendante du moment, donc ce top est un peu arbitraire mais ça montre à quel point la longue traîne est looooongue sur les plateformes de streaming…
Après le problème avec la préservation musicale actuelle (ce qu’on retrouve sur les sites de Torrent par exemple), c’est qu’elle se concentre uniquement sur les artistes populaires et la qualité maximale (FLAC lossless). Du coup, y’a plein de musique obscure qui ne survit que si une seule personne décide de la partager. Et ces fichiers sont souvent mal seedés. Et c’est pour ça que je trouve l’approche d’Anna’s Archive plutôt pas mal car elle consiste à archiver tout ce qui existe (ou presque), même en qualité "suffisante", plutôt que de se concentrer sur un sous-ensemble en qualité parfaite.
Et comme vous vous en doutez, tout est distribué via des torrents, avec les métadonnées déjà disponibles (moins de 200 Go compressés) et les fichiers audio qui arrivent progressivement par ordre de popularité. Note la base s’arrête à juillet 2025, donc tout ce qui est sorti après peut ne pas être là (même s’il y a quelques exceptions).
Bref, c’est la première archive de préservation musicale vraiment ouverte, que n’importe qui peut mirrorer s’il a assez de stockage et voilà comment grâce à l’aide de tout le monde, le patrimoine musical de l’humanité sera protégé pour toujours des catastrophes naturelles, des guerres, des coupes budgétaires et autres désastres… Par contre, pas sûr que ça la protège de la boulimie des IA génératives.
Merci à Lilian pour l’info !
Source : korben.info