Les développeurs les plus performants de Spotify n’ont pas écrit une seule ligne de code depuis décembre, selon Gustav Söderström, co-patron de la plateforme de streaming. Cette déclaration, formulée lors de la présentation des résultats financiers du quatrième trimestre, illustre le basculement opéré par l’entreprise vers un système de développement entièrement automatisé par l’intelligence artificielle baptisé Honk.
Ce système interne permet aux ingénieurs de déployer du code à distance en temps réel en s’appuyant sur l’IA générative, et spécifiquement Claude Code d’Anthropic. Spotify attribue à Honk une accélération « considérable » de la vélocité de développement et de déploiement, affirmant que cette transformation ne constitue que « le début » de l’évolution induite par l’IA.
L’entreprise a proposé plus de 50 nouvelles fonctionnalités et modifications à son service de streaming musical en 2025. Parmi les sorties récentes figurent les playlists générées par IA, Page Match pour les livres audio et About The Song, toutes lancées au cours des dernières semaines.
Les développeurs de Spotify misent à fond sur l’IA
Gustav Söderström a détaillé le flux de travail permis par Honk. Un ingénieur peut, depuis Slack sur son smartphone pendant son trajet matinal, demander à Claude de corriger un bug ou d’ajouter une fonctionnalité à l’application mobile. Une fois le travail terminé, Claude livre une nouvelle version de l’application directement sur Slack, permettant à l’ingénieur de mettre le code en production avant même d’arriver au bureau.
Cette automatisation repositionne radicalement le rôle du développeur : de « créateur » de code à superviseur et orchestrateur d’agents IA. Le processus élimine les étapes manuelles traditionnelles (écriture, tests locaux et revue de code classique) au profit d’une chaîne où l’humain formule l’intention et valide le résultat, tandis que l’IA exécute l’implémentation technique complète.
La capacité de Claude à générer du code fonctionnel pour des plateformes spécifiques (iOS ou Android par exemple) et des fonctions prêtes à l’emploi suggère que le modèle accède non seulement au code source de Spotify, mais également aux bêta et aux environnements de test. Cette intégration profonde dépasse largement l’assistance au codage proposée par GitHub Copilot ou d’autres outils qui se limitent à suggérer des lignes ou des blocs de code.
Un avantage sur les concurrents avec les données
Gustav Söderström a souligné la création par Spotify d’un ensemble de données uniques que les modèles de langage concurrents ne peuvent pas obtenir, contrairement aux ressources en ligne comme Wikipédia. Les questions liées à la musique ne possèdent pas toujours de réponse factuelle universelle : définir la musique d’un entraînement sportif génère des réponses différentes selon la géographie et les préférences individuelles, par exemple.
Spotify exploite les données comportementales de ses centaines de millions d’utilisateurs pour cartographier ces nuances subjectives à une échelle inaccessible aux acteurs extérieurs. Cet ensemble de données s’améliore à chaque cycle d’un nouvel entraînement des modèles, créant un fossé croissant avec les LLM génériques qui ne peuvent accéder à ces signaux propriétaires.
Cette stratégie de données transforme l’avantage concurrentiel de Spotify : au-delà du catalogue musical, l’entreprise possède la compréhension contextuelle et culturelle de comment la musique est consommée selon les différentes populations. Les systèmes de recommandation alimentés par ce savoir deviennent progressivement inimitables.
Concernant la musique générée par IA, Spotify permet aux artistes et labels d’indiquer dans les métadonnées des morceaux comment la chanson a été créée, tout en maintenant une surveillance active de la plateforme pour éliminer le spam. Cette position accepte l’existence de contenus créés par IA tout en tentant de préserver la qualité éditoriale et la transparence. D’autres plateformes, comme Deezer, signalent les musiques générées par IA.
Un commentaire pour cet article :