M(IA)2
Méthodes d’Intelligence Artificielle pour l’Imputation des Altérations
Responsabilité scientifique :
- Serge Cohen
- Elsa Perruchini
- Pauline Hélou de la Grandière
Axes méthodologiques :
Champs thématiques :
Financement :
- DIM PAMIR
ID projet : IDF-DIM-PAMIR-2022-1-006
Descriptif :
Le présent travail de doctorat s’attachera à développer des méthodes d’apprentissage statistiques avec pour objectif d’estimer le niveau et le type d’altération probable d’une œuvre. L’originalité de ce projet réside dans la prise en compte croisée des aspects liés aux altérations/restaurations avec l’histoire sociale des œuvres. Le projet se focalisera sur des peintures modernes et contemporaines en s’appuyant sur le système d’information (SI) que développe actuellement IPANEMA et Pauline Hélou‐de La Grandière dans le cadre des projets NOIRoeS (Nouveaux outils interdisciplinaires pour la restauration des oeuvres de Pierre Soulages ‐ EUR Humanité Création et Patrimoine 2020‐2023, CY Cergy Paris Université) et MIB‐NOIRoeS (Méthode d’Interface et de Base de données pour le projet NOIRoeS, DIM Matériaux anciens et patrimoniaux). Ce SI vise à structurer les informations techniques, historiques et de conservation des œuvres de Pierre Soulages. Un premier objectif de M(IA)2 sera de fournir une lecture aussi complète que possible des données capturées par ce SI. Le projet s’attachera ensuite à proposer une algorithmie adaptée à l’estimation de l’état d’altération d’une œuvre en fonction tant des techniques et matériaux mis en œuvre pour sa conception que de son histoire post‐conception.
Les algorithmes d’apprentissage développés s’appuieront sur l’ensemble hétérogène de données capturées par le SI. Les données quasi exhaustives recueillies sur l’œuvre de Pierre Soulages seront complétées par des données plus fragmentaires, mais de portée plus large qu’apporteront les partenaires du projet ainsi que des musées tels que le Centre Pompidou et le Musée national Picassso‐Paris, qui ont exprimé leur intérêt pour ce projet. Ainsi les méthodes développées et les résultats obtenus gagneront en généralité et le risque de surapprentissage sera réduit d’autant. À travers l’analyse de l’état des œuvres les mieux documentées, les méthodes développées viseront à proposer une estimation probabiliste de l’état d’œuvres moins bien, ou moins souvent, documentées. Une fois validées, ces méthodes pourront également être exploitées, à travers la simulation, pour évaluer les risques d’altérations futures d’une œuvre.
Les algorithmes d’apprentissage développés s’appuieront sur l’ensemble hétérogène de données capturées par le SI. Les données quasi exhaustives recueillies sur l’œuvre de Pierre Soulages seront complétées par des données plus fragmentaires, mais de portée plus large qu’apporteront les partenaires du projet ainsi que des musées tels que le Centre Pompidou et le Musée national Picassso‐Paris, qui ont exprimé leur intérêt pour ce projet. Ainsi les méthodes développées et les résultats obtenus gagneront en généralité et le risque de surapprentissage sera réduit d’autant. À travers l’analyse de l’état des œuvres les mieux documentées, les méthodes développées viseront à proposer une estimation probabiliste de l’état d’œuvres moins bien, ou moins souvent, documentées. Une fois validées, ces méthodes pourront également être exploitées, à travers la simulation, pour évaluer les risques d’altérations futures d’une œuvre.
Doctorante : Shadé Alao Afolabi
