États-Unis, des chercheurs inventent un outil pour... attribuer les œuvres des artistes

La technologie mettra-t-elle fin aux doutes sur les œuvres non documentées, entérinera-t-elle la disparition de l’attributionnisme et peut-être même mettra-t-elle hors d’état de nuire trop de critiques irréfléchis ? Il est peut-être trop tôt pour le dire, mais en attendant, certains y travaillent : ainsi, une équipe de quatorze chercheurs de la Case Western Reserve University de Cleveland, aux États-Unis, a mis au point un système permettant de reconnaître la main d’un peintre et a publié les résultats dans la revue scientifique Heritage Science.

Le système utilise l’imagerie 3D et l’intelligence artificielle. L’expérience a débuté au Cleveland Institute of Arts, où les chercheurs ont demandé à des étudiants de peindre quatre fleurs jaunes identiques (quatre nénuphars, en utilisant les mêmes matériaux et outils), en les traitant comme s’il s’agissait de copies. Les peintures réalisées par les étudiants ont été scannées à l’aide d’un instrument (le profilomètre optique confocal chromatique) habituellement utilisé pour l’analyse de la surface de différents matériaux. Les résultats obtenus ont ensuite été utilisés pour créer des réseaux neuronaux convolutionnels (CNN ou ConvNet : il s’agit d’un outil fondamental dans les technologies d’apprentissage automatique ), afin de déterminer les caractéristiques uniques de chaque coup de pinceau, c’est-à-dire la main de l’artiste. L’étude repose en fait sur l’idée qu’en étudiant la surface tridimensionnelle des œuvres d’art, il est possible de saisir des informations stylistiques non intentionnelles grâce à la profilométrie optique.

L’instrument a été capable de reconnaître les artistes avec une précision allant de 60 à 96 % en fonction des différents “morceaux” de la peinture sur laquelle l’expérience a été menée. Les scientifiques ont été surpris de constater que les plus petits échantillons, de l’ordre du diamètre d’un poil, étaient les points clés pour distinguer les artistes de manière fiable.

“L’analyse des œuvres d’art par l’apprentissage automatique est une méthodologie naissante qui vise à améliorer la connaissance des œuvres d’art, la principale méthode pour déterminer l’attribution d’une œuvre d’art, parmi d’autres applications liées à l’art”, indique l’article. La ML a été appliquée avec succès à des images de peintures pour diverses tâches, notamment la détection de faux, la classification de collections numériques et la reconnaissance du style d’un artiste. Alors que nombre de ces études ont appliqué la ML à des images photographiques haute résolution de peintures, nous avons utilisé la ML pour analyser des données topographiques obtenues par profilométrie optique. En outre, la résolution, la vitesse et la disponibilité de ces mesures profilométriques progressent, de même que les méthodes de big data qui peuvent traiter les grands ensembles de données produits par ces mesures. Dans les peintures, la topographie de surface révèle des éléments stylistiques involontaires incorporés dans la surface de la peinture qui peuvent inclure le dépôt et le séchage du vernis, des motifs dans le coup de pinceau, des facteurs physiologiques et d’autres aspects de la création de la peinture.

L’un des domaines d’application de cette technologie, expliquent les chercheurs de la Case Western Reserve University, pourrait être l’étude des ateliers de grands artistes, afin de comprendre comment travaillaient les collaborateurs de grands peintres tels que El Greco, Rembrandt et Rubens, dont on sait qu’ils avaient des ateliers où de nombreux artistes étaient employés afin de répondre aux demandes croissantes du marché. Les connaisseurs, expliquent les chercheurs, “examinent les éléments stylistiques visibles d’une composition, ainsi que les éléments matériels, les conditions et d’autres indices sur le processus de fabrication pour parvenir à une compréhension historique de l’attribution d’une œuvre d’art”. Cependant, l’étude poursuit en disant que "de nombreuses spécificités concernant la pratique des ateliers restent insaisissables. Dans le cas des ateliers, les artistes cherchaient à produire une peinture complète dans un style unique, ce qui pose un défi aux méthodes des connaisseurs. En outre, les difficultés liées à ces attributions créent des conflits lorsque l’attribution est étroitement liée à la valeur apparente des objets sur le marché de l’art. C’est pourquoi des méthodes quantitatives et impartiales sont nécessaires pour fournir des informations sur les attributions controversées de peintures d’atelier.

“Ce résultat”, écrivent les chercheurs dans les conclusions de leur étude, “suggère que nos techniques sont complémentaires de l’expertise, qui se concentre sur des échelles plus longues. Par conséquent, la topographie de surface élargit les outils d’attribution, de conservation, de détection des faux et de préservation du patrimoine culturel. En outre, nous avons constaté que les données profilométriques offrent une plus grande précision d’attribution que les photographies lorsque le sujet et les palettes de couleurs des données de formation et de test sont très différents”. Les difficultés rencontrées par les chercheurs de la Case Western Reserve University concernent actuellement l’état de conservation des peintures, qui peut altérer les résultats, et le décalage entre les peintures d’artistes réels (il peut s’écouler plus ou moins de temps entre une œuvre et une autre et l’artiste ne peint pas toujours de la même manière). Il existe cependant une méthode d’analyse des peintures qui peut s’avérer prometteuse : elle ne remplacera pas l’expertise (et tout le monde en est bien conscient), mais elle peut être un outil complémentaire utile.

En photo, les fleurs peintes par les étudiants du Cleveland Institute of Arts et leur traitement numérique respectif.

États-Unis, des chercheurs inventent un outil pour... attribuer les œuvres des artistes

Avertissement : la traduction en anglais de l'article italien original a été réalisée à l'aide d'outils automatiques. Nous nous engageons à réviser tous les articles, mais nous ne garantissons pas l'absence totale d'inexactitudes dans la traduction dues au programme. Vous pouvez trouver l'original en cliquant sur le bouton ITA. Si vous trouvez une erreur,veuillez nous contacter.