Raphael: “The De Brecy Tondo”
Au début de l'année 2023, le monde de l'art a été bouleversé par la révélation que la Madone Tondo de Brecy avait été authentifiée comme un chef-d'œuvre de Raphaël par un système d'intelligence artificielle. L'annonce de l'Université de Bradford au Royaume-Uni faisait état d'une ressemblance de 95 % entre la Madone de Tondo et la Madone Sixtine de Raphaël à la Gemäldegalerie Alte Meister de Dresde. Chez Art Recognition, nous avons trouvé ces révélations intrigantes et avons décidé de procéder à notre propre analyse du tableau. Notre modèle d'IA a donné une probabilité de 85 % que l'œuvre d'art n'ait pas été créée par Raphaël. Ce développement inattendu a aiguisé notre curiosité, nous incitant à creuser davantage la question.
Principes opérationnels des systèmes d'IA.La différence entre les deux systèmes d'IA, développés respectivement par l'université de Bradford et Art Recognition, provient de leurs principes opérationnels distincts. L'IA de Bradford se concentre sur la reconnaissance faciale, formée sur des ensembles de données de visages, ce qui peut produire des scores de ressemblance élevés entre des images représentant le même individu, indépendamment des variations d'orientation du visage, d'éclairage ou de qualité. Ce programme, bien qu'efficace pour reconnaître des visages similaires, n'est en fait pas conçu pour l'authentification artistique.
À l'inverse, Art Recognition utilise une approche différente, prenant en compte divers éléments artistiques tels que les coups de pinceau, les chromatismes et le placement des objets. Nos ensembles de données d'entraînement, constitués par une équipe d'historiens de l'art et de développeurs d'IA, comprennent des œuvres d'art authentiques et un large éventail d'exemples négatifs, ce qui aide le modèle d'IA à distinguer les œuvres d'art authentiques des contrefaçons et à fournir une évaluation des probabilités pour la détermination de l'authenticité. Les résultats divergents peuvent être attribués à ces différentes approches.
Un nouveau modèle. La méthode de reconnaissance faciale s'étant révélée inadéquate pour l'authentification des œuvres d'art, le groupe Bradford a développé une nouvelle technologie plus proche de l'approche utilisée par Art Recognition. L’analyse subséquente a livré le même résultat. Une différence cruciale est apparue dans les ensembles de données utilisés pour former les systèmes d'IA respectifs. Alors que l'IA du groupe Bradford a été entraînée à l'aide de 49 images, Art Recognition a utilisé un ensemble de données beaucoup plus important, composé de plus de 100 images. En outre, alors que les exemples négatifs utilisés par les scientifiques de Bradford ne comprenaient aucune imitation de peinture de Madone, Art Recognition a créé un ensemble d'exemples négatifs comprenant de fausses peintures de Madone, mais aussi des imitations d'autres motifs tels que des allégories et des scènes religieuses. Cette différence dans la taille et la composition des ensembles de données d'entraînement a souligné l'impact significatif de la sélection des données sur les résultats de l'analyse artistique menée par l'IA. À la suite de cette controverse, nous avons décidé de publier l'intégralité de notre ensemble de données d'entraînement pour Raphaël. Les images et la documentation peuvent être téléchargées en suivant ce lien https://github.com/Art-Recognition/Raphael_Dataset
L'influence croissante de l'IA dans le monde de l'art exige transparence et responsabilité.La complexité des modèles d'IA nécessite un examen rigoureux par les pairs et une validation par la communauté scientifique avant d'être déployés comme outil de marché. Ce débat continu souligne les facteurs complexes qui influencent l'utilisation de l'IA pour déterminer l'authenticité des œuvres d’art et explore la manière d'utiliser efficacement cet outil au sein de la communauté artistique.
