Enlever la voix d’une chanson : fabriquer son playback avec la séparation par IA

La partie de piano d’une chanson s’entend mal sous le chant, et vous voudriez l’écouter seule pour la relever. Ou l’inverse : tenir l’accompagnement vous-même, avec la voix du disque par-dessus. Les deux demandent la même manœuvre, enlever la voix d’une chanson ou la garder seule, en découpant un fichier stéréo en pistes qu’il n’a jamais portées à part. Des modèles entraînés s’en chargent en quelques minutes, depuis un séquenceur ou depuis un navigateur, et ce qu’ils rendent tient debout comme support de travail bien avant de tenir comme mixage.

Le modèle estime des pistes, il n’en retire aucune

Ce découpage a un nom : la séparation de sources. Un réseau est entraîné sur des morceaux dont on possède les pistes d’origine. Le jeu de référence du domaine, MUSDB18, réunit 150 titres complets, une dizaine d’heures de musique, chacun livré avec son mixage et quatre pistes isolées : batterie, basse, voix et tout le reste. Le réseau apprend à quoi ressemble chacune de ces familles à l’intérieur d’un mélange, puis, devant un fichier qu’il n’a jamais vu, il en propose une estimation.

Cette nuance s’entend. Rien n’est soustrait au fichier d’origine : chaque piste rendue est une reconstruction, fabriquée à partir de ce que le réseau croit reconnaître. Demucs, le projet libre qui sert de moteur à quantité d’outils, travaille pour partie sur la forme d’onde elle-même, pour partie sur le spectre. La conséquence est directe : un titre proche de ce qui a servi à l’entraînement ressort net, un enregistrement ancien ou un mixage chargé d’effets réclame beaucoup plus d’indulgence.

L’inversion de phase, et pourquoi elle a cessé de suffire

Avant l’apprentissage automatique, la manœuvre reposait sur une habitude de mixage : le chant principal se plaçant au centre, donc à l’identique dans les deux canaux, soustraire un canal de l’autre l’annulait. Audacity a longtemps livré cet effet sous le nom de Vocal Reduction and Isolation, et son manuel en énonce les conditions autant que les dégâts. La piste doit être un vrai stéréo et non un double mono. L’effet ignore ce qui occupe le centre et retire tout ce qui s’y trouve, chant, basse ou instrument soliste sans distinction. La réverbération stéréo, elle, reste en place, puisqu’elle est répartie sur toute l’image. Depuis la version 3.5.0, cet effet n’est plus fourni avec le logiciel et se télécharge à part.

Sur une production récente, la condition de départ ne tient plus : un chant traité en stéréo, doublé ou décalé entre les canaux échappe au procédé. D’où l’irrégularité des résultats obtenus par cette voie, d’un morceau au suivant, sans moyen de savoir à l’avance dans quel cas on se trouve.

Ce que l’opération laisse derrière elle

Aucun outil n’en sort indemne. MusicRadar, qui en a comparé onze en janvier 2026, l’écrit noir sur blanc : les artefacts d’ondulation sont un effet secondaire inévitable du traitement qui rend l’extraction possible, et tous les outils en produisent à des degrés divers. Sur un support de travail, ils passent au second plan ; sur un fichier destiné à sortir de chez vous, ils s’entendent.

Le sens de la manœuvre pèse lourd. Sound On Sound, examinant la suite RX d’iZotope en juillet 2024, relève que fabriquer un instrumental en écartant le chant aboutit presque toujours à un résultat de très bonne tenue, quand l’opération inverse, isoler la voix seule, reste la plus délicate. La même page nomme les configurations qui compliquent tout : un mixage chargé, un chant noyé de réverbération ou de délai, la présence de voix d’harmonie. L’instrumental peut alors conserver un halo dont la source a disparu, et ce halo se repère d’autant mieux que le reste est propre.

Le piano occupe la position la plus inconfortable de toutes. Son spectre déborde celui des autres pistes d’un home studio, terrain que couvre notre guide de l’égaliseur audio : il partage du registre avec le chant, avec la basse et avec les guitares à la fois. Les auteurs de Demucs le reconnaissent au sujet de leur modèle à six sources, celui qui ajoute une piste guitare et une piste piano : la guitare s’en tire bien, le piano souffre de beaucoup de bavures et d’artefacts. Le comparatif de janvier 2026 le confirme par un autre chemin : sur les onze outils testés, deux à peine sont parvenus à extraire la partie de piano du morceau d’essai, un autre ne la reconnaissant pas du tout.

L’état des outils au 17 août 2026

Ce marché change de visage en quelques mois : un éditeur a ajouté deux pistes à son extracteur par une simple mise à jour, un projet libre de premier plan a vu son auteur annoncer qu’il ne le développait plus. Ce qui suit est daté pour cette raison, et sort des pages d’éditeurs et des comparatifs consultés le 17 août 2026.

Le même comparatif passait aussi par Ableton Live 12 Suite, FL Studio, Studio One Pro 7, ainsi que l’éditeur spectral SpectraLayers et le service en ligne LANDR : la fonction s’est banalisée bien au-delà des seuls séquenceurs. Steinberg l’a intégrée à Cubase 15 dès sa sortie, avec les trois usages qu’elle ouvre à un pianiste, sujet de notre bilan des nouveautés IA de Cubase 15. Sans station de travail sous la main, notre tour des logiciels de musique gratuits donne un hôte pour recevoir les pistes séparées, et le rayon logiciels pour la MAO couvre les versions payantes.

Fabriquer un playback dont on peut se servir

Le fichier de départ décide de la suite. Un réseau ne restitue pas ce qu’un encodage a déjà jeté : donnez-lui la meilleure version dont vous disposez, plutôt qu’un extrait passé deux fois par une compression.

Demandez-lui ensuite le moins de pistes possible. Chaque source supplémentaire ajoute une estimation, donc une occasion d’erreur. Accompagner un chanteur réclame deux pistes, le chant et le reste. Relever une main gauche gagne à un découpage en quatre, qui isole la basse et donne les fondamentales des accords.

Tout se joue ensuite à l’écoute. Réimportez les pistes dans votre séquenceur au lieu d’écouter le fichier exporté seul : remonter un peu l’instrumental et laisser un filet de la piste écartée masque une partie des artefacts, votre propre jeu par-dessus masque le reste. Un ralentissement sans transposition et une boucle de quatre mesures achèvent le travail d’oreille, fonctions que les services en ligne rangent souvent à côté de la séparation.

La séparation ne nettoie rien : un souffle, une ronflette ou une ventilation captés dans votre propre prise relèvent d’un autre traitement, celui que décrit notre article sur le bruit de fond d’un enregistrement. Elle ne rend pas non plus de partition : la piste isolée se relève à l’oreille, note à note, et un fichier MIDI glané ailleurs pose ses propres questions de fidélité. Le playback obtenu tolère pourtant ce qu’un disque publié refuserait, et c’est ce qui rend l’outil utile au pianiste avant de l’être au producteur : les exigences du mixage ne s’appliquent pas à un support de travail.

Un usage privé n’ouvre pas un droit de diffusion

Découper les pistes d’un enregistrement protégé ne crée aucun droit nouveau sur ce qu’on en tire. Les autorisations attachées au fichier de départ continuent de courir : celle qui porte sur l’œuvre, celle qui porte sur l’enregistrement lui-même, distinction que nous détaillons du côté des banques de sons et de leurs licences. Un instrumental fabriqué chez soi pour travailler un morceau et le même fichier mis en ligne ne relèvent pas de la même question.

Les cas intermédiaires sont nombreux, la vidéo de soi jouant sur un playback maison en tête, et leur sort dépend de la plateforme, du répertoire et du pays. Nous ne les tranchons pas. Le partage clair reste celui-ci : ce qui demeure sur votre disque et sert à travailler pose rarement la question en pratique, ce qui en sort la pose entière.

Questions fréquentes