Comment notre IA authentifie les œuvres d'art
L’IA d’Art Recognition est développée par notre équipe dans un seul but : fournir une évaluation transparente et documentée de la cohérence stylistique. La méthode est documentée, le raisonnement est traçable et les limites sont clairement énoncées.
Une IA sur mesure pour une seule question
Notre IA est conçue par notre équipe exclusivement pour l’authentification des œuvres d’art. Il ne s’agit pas d’un modèle généraliste adapté à l’art, mais d’un système spécialisé qui apprend ce qui rend l’œuvre d’un artiste unique et la distingue de celle de ses collaborateurs, suiveurs et imitateurs afin d’authentifier les œuvres soumises.
Les modèles d’IA publics sont entraînés sur des données collectées sur le web, qui contiennent inévitablement des erreurs et des affirmations non vérifiées. Ce n’est pas notre approche. Nos données d’entraînement sont scientifiques, sélectionnées par des historiens de l’art et documentées de bout en bout.
Les premiers développements de notre technologie ont bénéficié du soutien financier du programme de recherche et d'innovation Horizon 2020 de l'Union européenne et ont été menés en collaboration avec des partenaires universitaires. Sa méthodologie a depuis été publiée dans des revues à comité de lecture, en collaboration avec des scientifiques de l'université de Tilburg, aux Pays-Bas , et de l'université de Liverpool, au Royaume-Uni.
Il s’agit du quatrième pilier de l’authentification, aux côtés de l’expertise traditionnelle, de la provenance et de l’analyse scientifique : une analyse visuelle systématique à une échelle qu’aucun œil ne peut embrasser à lui seul.
Notre processus d’analyse en quatre étapes
Chaque analyse suit les mêmes étapes, dans le même ordre : collecte et sélection des données, entraînement du modèle d’IA, test du modèle d’IA et résultats. Le tout est conçu et réalisé par notre équipe.
Collecte et sélection des données
Pour chaque artiste, nos historiens de l’art constituent un corpus d’entraînement à partir des travaux déjà reconnus par le domaine : catalogues raisonnés, archives d’expositions et attributions acceptées.
Aux côtés des œuvres authentiques, nous ajoutons un ensemble de contraste : faux documentés, imitateurs, suiveurs, œuvres d’atelier et faux numériques créés par IA générative. Le modèle apprend non seulement à quoi ressemble l’œuvre de l’artiste, mais aussi ce qui la distingue des œuvres qui lui sont étroitement apparentées.
Les images font l'objet d'un traitement du contraste et de la couleur, ce qui aide les modèles d'IA à reconnaître les caractéristiques stylistiques indépendamment de l'appareil photo ou des conditions d'éclairage. Notre couverture s'étend des maîtres anciens aux artistes modernes. Certains de nos jeux de données sont accessibles au public, dont le jeu de données Raphaël, largement utilisé par les chercheurs de tout le domaine.
Entraînement du modèle d’IA
L’entraînement se déroule en deux phases. Le modèle est d’abord pré-entraîné sur un vaste ensemble de données couvrant toute l’histoire de l’art, ce qui lui confère une compréhension générale de la peinture. Il est ensuite entraîné sur l’œuvre d’un artiste précis ainsi que sur un ensemble de contraste soigneusement sélectionné, afin d’apprendre ce qui rend le style de cet artiste unique.
Chaque artiste dispose d’un modèle d’IA dédié, reposant sur la même architecture sous-jacente. Cette architecture associe deux types de réseaux de neurones — un réseau de neurones convolutif et un Vision Transformer — entraînés conjointement pour apprendre le style distinctif de l’artiste. En combinaison, ils apprennent des caractéristiques visuelles allant des détails fins, tels que la touche, la texture et le tracé des contours, jusqu’aux relations de composition plus larges, notamment la disposition des motifs et les proportions.
Lorsque des données scientifiques sont disponibles, nous les intégrons à l'analyse. Les zones restaurées ou repeintes sont prises en compte et traitées séparément. Nous avons été les premiers à recourir aux Vision Transformers dans l'authentification des œuvres d'art.
Test du modèle d’IA
Avant d’être utilisé sur une nouvelle œuvre, le modèle doit démontrer des performances constantes. Un ensemble de test distinct, jamais vu pendant l’entraînement, sert à évaluer les performances du modèle.
Les indicateurs habituels — précision, exactitude et rappel — mesurent la fiabilité avec laquelle il distingue les œuvres authentiques des exemples négatifs.
Vous recevez vos résultats
Un résultat adapté à vos besoins
Évaluation d’authenticité par IA
The AI’s yes-or-no assessment of stylistic consistency, with a Certificat d’authenticité if the result is positive.
Rapport d’authenticité par IA
A comprehensive report combining AI findings with art historical expertise, with a Certificat d’authenticité if the result is positive.
Détecter les faux générés par IA
Generative AI can now produce realistic imitations of any artist’s style. Our training data includes such imitations alongside authentic works and human-made forgeries. As a result, our models can identify these works when they are submitted for authentication. Confirmed by our recent published research.
Notre champ d’application
La technologie fonctionne pour les peintures, les dessins, les estampes et les autres œuvres où la main de l’artiste est visible dans l’image. La sculpture, le dripping, le street art et les artistes dont la documentation visuelle est limitée restent en dehors de ce que la technologie permet. Nous énonçons ces limites dès le premier échange, avant que le travail ne commence.