Raphaël: "Du Tondo de Brecy "
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.
Principes opérationnels des systèmes d'IA.La différence entre les deux systèmes d'IA, développés par l'université de Bradford et Art Recognition, provient de leurs principes opérationnels distincts. L'IA de Bradford se concentre sur la reconnaissance faciale. Elle est formée sur des ensembles de données de visages, et 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 pas conçu pour l'authentification artistique.
Dans le cas des Madones représentées dans le Tondo de Brecy et la Madone Sixtine à Dresde, le programme de Bradford a simplement indiqué que les visages dans les deux peintures étaient très similaires. Ce résultat n'est pas du tout surprenant, car les artistes de cette époque cherchaient souvent à représenter un standard idéalisé de beauté. L'observation selon laquelle les deux Madones se ressemblent confirme simplement qu'elles partagent une esthétique similaire. Cependant, les auteurs de l'étude ont extrapolé cette observation pour conclure que le Tondo de Brecy est sans aucun doute une œuvre de Raphaël. Cette conclusion manque de fondement scientifique et n'est pas étayée par l'étude elle-même. En essence, les auteurs ont fabriqué un récit et l'ont présenté à la presse, qui l'a diffusé sans en comprendre pleinement les implications. sans aucun doute une œuvre de Raphaël. Cette conclusion manque de fondement scientifique et n'est pas étayée par l'étude elle-même. En essence, les auteurs ont fabriqué un récit et l'ont présenté à la presse, qui l'a diffusé sans en comprendre pleinement les implications.
Chez Art Recognition, nous utilisons une approche différente, prenant en compte divers éléments artistiques tels que les chromatismes, le placement des objets et des éléments de composition. Nos ensembles de données d'entraînement, constitués par une équipe d'historiennes de l'art et de développeurs d'IA, comprennent l’ensemble 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.
Un nouveau modèle. Après l'échec de leur modèle de reconnaissance faciale, le groupe Bradford a développé une nouvelle technologie plus proche de l'approche utilisée par Art Recognition. Une fois de plus, leur système d’IA a retourné une réponse « authentique ». Dans ce cas, la différence 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 complet, 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 souligne l'impact significatif de la sélection des données sur les résultats de l'analyse artistique menée par l'IA. Pour que les systèmes d'IA fonctionnent efficacement, il est important que leurs ensembles de données d'entraînement soient aussi complets que possible, englobant toutes les œuvres authentiques connues d'un artiste. Toute omission de données pertinentes introduit des lacunes dans la compréhension du système, ce qui peut à son tour affecter les résultats finaux.
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.
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 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.
