Les peintures par l’Intelligence Artificielle. La recherche à grande échelle de similarités visuelles,
Isabella di Lenardo, École polytechnique fédérale de Lausanne
Retrouvez cette présentation (version augmentée) en plein écran ici
Résumé
Durant les dernières années, les musées, les archives et autres institutions culturelles ont lancé d’importants programmes de numérisation de leurs collections. Des millions d’artefacts (photographies anciennes, peintures et dessins) sont désormais représentés sous forme de photographies numériques. De plus, grâce aux progrès de la standardisation, une partie de plus en plus grande de ces images est désormais disponible en ligne, de manière facilement accessible via des métadonnées textuelles. Mais les images ne sont pas que du texte.
Comment des collections d’histoire de l’art peuvent-elles être consultables à une échelle globale ? Les succès récents de "l’apprentissage profond" (deep learning) peuvent-ils ouvrir de nouvelles voies pour la composition de requêtes visuelles ? Quelles sont les nouvelles formes de compréhension possibles si toutes les images sont organisées dans un graphe morphologique à grande échelle ? Les résultats des recherches menées pour le projet Replica au Digital Humanities Lab de l’École Polytechnique de Lausanne démontrent que la recherche par similarité visuelle permet de faire de nouvelles découvertes pour les questions d’attribution, les stratégies de production des ateliers artistiques, la circulation des motifs à travers différentes géographies, les problèmes de l’évolution du goût et la recontextualisation du succès de certaines formules visuelles.
La recherche d’images à partir d’autres images permet également d’approcher différemment la problématique des choix iconographiques et montre la logique des influences réciproques entre auteurs, indépendamment des évaluations stylistiques.
Il est de plus en plus clair que nos connaissances visuelles ne sont que la pointe d’un iceberg de documents étudiés, la plus grande partie étant encore immergée. La numérisation permet de découvrir et d’étudier de nombreuses images d’œuvres d’art qui n’avaient même jamais été vues par des spécialistes et des conservateurs. Simultanément, au fur et à mesure que la numérisation progresse, les images déjà connues sont insérées dans un réseau de plus en plus dense de relations visuelles qui favorise de nouvelles réinterprétations. Au cours cette évolution, la logique des collections d’images qui ont structuré l’histoire de l’art pendant des siècles s’estompe pour laisser émerger un seul et unique espace numérique interconnecté.
Biographie
Isabella di Lenardo est chercheuse en humanités numériques, spécialisée en histoire urbaine digitale. Elle est docteure en Théories et Histoire de l’Art. Son activité de recherche est centrée sur les outils et méthodes numériques appliqués à l’histoire urbaine. Elle est experte en cartographie ancienne, représentations de la ville, sources cadastrales interprétées à travers des systèmes de modélisation numérique, d’extraction et d’analyse. Elle s’intéresse également à l’analyse de réseaux interrogeant la production et la circulation des connaissances artistiques et architecturales en Europe aux XVIe - XVIIIe siècles en particulier sur les relations et les influences visuelles Nord-Sud. Elle est responsable des projets en collaboration avec la Bibliothèque nationale de France, l’Institut National d’Histoire de l’Art, l’École nationale des chartes, l’Université Paris I Panthéon-Sorbonne, le Centre allemand d’histoire de l’art, le Musée du Louvre, les Archives nationales de Paris, la Bibliothèque historique de la Ville de Paris, la Réunion des musées nationaux. Isabella di Lenardo a supervisé toutes les simulations de modélisation urbaine pour le projet Venice Time Machine et a opéré en tant que commissaire pour toutes les expositions (Biennale de Venise, Cité des Sciences-Paris, Grand Palais-Paris, Datasquare - ArtLab-Lausanne, Museo Correr-Venise).
URI/Permalien:
