Présentation
Engram, développé par la startup Thoughtful Things, est présenté comme un sampler et groovebox dédié à la création sonore expérimentale. Lancé sur Kickstarter le 27 septembre 2026, le dispositif se vend à 675 $, soit une remise de 30 % sur le prix de détail estimé entre 850 $ et 900 $. L’appareil ne possède aucune connexion internet ; il exécute un modèle d’IA « tiny » entièrement local, ce qui le différencie des solutions cloud comme Suno.
Fonctionnement technique
Le cœur d’Engram est un modèle audio propriétaire, entraîné en interne sur des jeux de données ouverts sous licences commerciales (CC‑BY ou équivalentes). Cette contrainte garantit que le modèle ne s’appuie jamais sur du contenu piraté ou non commercial. Le firmware, prévu pour être ouvert, permet aux utilisateurs de remplacer le modèle ou d’y ajouter leurs propres réseaux de neurones, offrant ainsi une extensibilité comparable à un field recorder for latent space. En pratique, l’utilisateur fournit une entrée vocale ou instrumentale – par exemple le mot « piano » – et le modèle génère une sortie glitchée, souvent décrite comme « vaguement piano‑like ». Le processus repose sur la manipulation du latent space du modèle, où les vecteurs de représentation sont perturbés pour produire des artefacts sonores inattendus, rappelant les techniques de circuit‑bending analogique.
Analyse des impacts et limites
Sur le plan créatif, Engram ouvre une voie d’exploration où les hallucinations d’IA deviennent des matériaux musicaux exploitables. En limitant le modèle à un environnement local, le dispositif réduit les risques de fuite de données et de dépendance à des services externes, ce qui est pertinent pour les studios soucieux de confidentialité. Cependant, l’absence de connexion internet implique également que les mises à jour de modèle doivent être distribuées manuellement, ce qui peut ralentir l’accès à des améliorations ou à de nouveaux jeux de données. Le prix d’entrée, bien que compétitif pour un instrument de niche, reste élevé pour les amateurs, limitant potentiellement l’adoption à un public professionnel ou académique.
Le choix d’entraîner le modèle uniquement sur des sources sous licence commerciale élimine les problèmes de droits d’auteur, mais restreint la diversité du corpus sonore. Cette restriction pourrait conduire à une moindre richesse harmonique dans les sorties générées, comparée à des modèles entraînés sur des bases plus hétérogènes. Enfin, la promesse d’un firmware ouvert dépendra de la capacité de la communauté à développer des outils compatibles ; sans documentation claire, le potentiel de personnalisation risque de rester théorique.
