Identité et anonymat dans le portrait de 1600 à 1800 : entre histoire de l’art et intelligence artificielle – IDANOPO

Le projet IDANOPO entend confronter la reconnaissance faciale de l’Intelligence artificielle (IA) aux portraits d’art réalisés aux 17e et 18e siècles afin d’identifier les personnes représentées et de les replacer dans leur contexte historique. Il réunit des chercheurs en histoire de l’art et en analyse d’images numériques par ordinateur afin de concevoir un nouvel outil pour l'étude historique du portrait et la circulation des modèles.
Parmi les portraits anciens conservés aujourd’hui, on peut estimer à environ 25% le taux d’anonymat ou d’erreur dans l’identification des modèles. Pour résoudre ce problème insoluble avec les méthodes traditionnelles de l’histoire de l’art, le projet propose de recourir à la vision par ordinateur afin d’analyser de manière automatisée de grands corpus dont seule une partie sera supervisée, car les annotations expertes sont particulièrement chronophages. Les corpus sont issus de trois établissements patrimoniaux participant au projet (Bibliothèque Nationale de France, musée du Château de Versailles et musée de la Comédie-Française) et d’images de Wikidata.
Il s’agit de détecter des similarités à grande échelle afin d’établir des regroupements de visages qui constitueront des bases de comparaisons inédites pour l’historien d’art. Notre hypothèse est que ces regroupements permettront non seulement d’identifier une partie des modèles, mais aussi de mieux comprendre les pratiques d’atelier des artistes où la duplication et la copie d’œuvres à succès étaient courantes. Ces questionnements à deux niveaux sur l’identité des modèles et sur les pratiques artistiques permettront de renouveler l’histoire du portrait d’art ancien et de sa fonction socio-économique en Europe.
Du point de vue de l'IA, l'objectif de ce projet est de développer des techniques avancées d'apprentissage profond basées sur les graphes pour identifier les individus dans les portraits artistiques historiques par le biais de la reconnaissance faciale, malgré les variations dans le style artistique, l'interprétation et la dégradation matérielle. En s'appuyant sur les réseaux neuronaux graphiques (GNN), le projet vise à regrouper les portraits sur la base de similitudes faciales, permettant l'identification d'individus récurrents et révélant des modèles de duplication, d'influence stylistique et de pratiques d'atelier dans la production de portraits historiques. En outre, l'intégration de réseaux neuronaux à pointes (SNN) dans le pipeline basé sur les GNN devrait améliorer l'efficacité et l'évolutivité des calculs, facilitant ainsi l'analyse d'ensembles de données d'images à grande échelle.
Pour assurer la transparence et favoriser la confiance dans le processus d'identification automatisé, le projet intégrera des méthodes d'IA explicable (XAI), fournissant des informations interprétables sur les mécanismes de prise de décision des modèles. Notre hypothèse est que les modèles d'apprentissage profond basés sur les graphes, combinés aux techniques XAI, peuvent surmonter efficacement les défis inhérents à l'analyse des portraits historiques, offrant aux historiens de l'art à la fois des résultats précis et des explications significatives pour étudier l'identité des sujets des portraits et les fonctions socio-économiques de l'art du portrait en Europe.
Ce projet qui combine étroitement sciences humaines et informatique, intègre également une forte composante d’humanités numériques afin de s’inscrire dans une démarche de science ouverte totale. Les résultats du projet feront non seulement l’objet d’un ouvrage collectif et d’articles, mais figureront également sur un site web dédié au projet. Des capsules vidéo permettront également de traiter de questions débattues dans la société actuelle comme le rôle de l’intelligence artificielle dans la recherche en sciences humaines.