L’intelligence artificielle (IA) a révolutionné de nombreux domaines, dont celui de l’art. Grâce à l’IA, on peut (re)découvrir des œuvres d’art similaires et approfondir notre compréhension des œuvres ainsi que de leur création.
Les algorithmes d’IA, et plus particulièrement les réseaux de neurones artificiels ont la capacité d’extraire et d’analyser les caractéristiques visuelles des œuvres d’art, comme les couleurs, les formes, les motifs, les textures, etc. Ces réseaux de neurones sont appris de manière automatique sur une large et vaste base de données d’œuvres d‘art ou autre. Le fait d’apprendre sur une vaste base de données permet au réseau d’identifier des similitudes subtiles qui échappent souvent à l’œil humain. Les caractéristiques que ces réseaux ont extraites sont utilisées pour identifier des œuvres similaires, et ceux qu’importent leurs époques et ou mouvements artistiques. En effet, ces caractéristiques sont sous forme vectorielle, c’est-à-dire que chaque image de la base de données est associée à un vecteur de caractéristiques. Les vecteurs sont ensuite comparés via des distances et les distances les plus faibles nous donnent les images les plus similaires à notre image requête.
Lorsque le réseau est entraîné pour apprendre une tâche en particulier, comme la reconnaissance des mouvements artistiques, des genres artistiques, de la date de production ou encore de l’artiste, cela permet d’ajouter un filtre dans la recherche de similarité et de faciliter les analyses comparatives. En effet, le réseau va davantage se focaliser sur la classe à laquelle appartient l’image pour une tache donnée et proposera des œuvres similaires en fonction de la tâche prédéfinie, puisque les caractéristiques extraites posséderont des informations importantes pour la reconnaissance de la tâche en question.
L’analyse d’œuvres d’art grâce à l’IA ne se limite pas à la recherche de similitudes. Elle englobe également la compréhension des œuvres, de leur composition, etc.
Il existe de nombreux algorithmes d’IA pouvant décomposer une œuvre en ses éléments constructifs. Par exemple, un détecteur d’objets peut identifier des motifs ou des objets/symboles récurrents dans les œuvres et donc rapprocher les œuvres avec des cooccurrences communes, mais aussi d’interpréter l’œuvres.
L’utilisation de l’IA dans la recherche d’œuvres d’art similaires et l’analyse d’œuvres permet une nouvelle interaction avec l’art. Grâce à ces capacités d’analyse visuelle et d’apprentissage automatique, l’IA permet de redécouvrir et de mieux comprendre les œuvres d’art.