Les rayons X et l’IA révèlent des détails perdus dans les célèbres tableaux de Raphaël

Une équipe de chercheurs vient de scanner deux œuvres d’art célèbres de l’artiste de la Haute Renaissance Raphaël avec des rayons X, puis a utilisé l’intelligence artificielle pour discerner la composition chimique et la couleur des œuvres d’art.

Les œuvres en question sont Dieu le Père et Vierge Mariedeux panneaux du retable des Baronci, aujourd’hui détruit. Le retable était la première commande connue de Raphaël, achevée en 1501, qui représentait le Diable, la Vierge Marie et le couronnement de Saint Nicolas de Tolentino par Dieu le Père (d’où les titres des panneaux, bien sûr). Il est difficile de dire comment l’artiste a pu réaliser cette œuvre tout en conservant son activité secondaire de tortue vivant dans les égouts. Cette blague était obligatoire.

Dans sa récente étude,publié Aujourd’hui dans Science Advances, l’équipe de recherche a pris les données de fluorescence X macroscopique (MA-XRF) des deux panneaux et les a introduites dans un réseau neuronal formé sur un ensemble de données synthétiques représentant plus d’un demi-million de spectres de 57 pigments et composés. En d’autres termes, ils ont appris à un modèle d’intelligence artificielle à passer au peigne fin la gamme des couleurs visibles et les composés chimiques qui les composent.

Le modèle était un réseau neuronal, ainsi nommé en raison de sa capacité à imiter la capacité du cerveau humain à assimiler et interpréter des informations, puis à prendre des décisions en fonction de ces informations. Appliqué aux données radiographiques des panneaux, le réseau neuronal a correctement identifié les éléments chimiques utilisés par Raphaël il y a plus de 500 ans. Le blanc des couches préparatoires du panneau a été correctement identifié comme étant à base de plomb, tandis que les tons de peau des personnages contenaient du vermillon rouge, un pigment à base de mercure.

On peut supposer que les rideaux verts entourant Dieu le Père étaient à base de cuivre. Mais les rideaux étaient également associés chimiquement au potassium, ce qui indique que la peinture qui les composait était fabriquée à partir d’un minéral comme l’azurite ou un résinate de cuivre mélangé à un pigment laqué jaune, selon une étude de l’AAAS libérer.

Mais ce n’est pas tout. « Les analyses MA-XRF ont également révélé les motifs dorés des deux peintures sur panneau, partiellement masqués dans la composition picturale visible actuelle, et ont détecté des travaux de restauration [that] « Des modifications se sont produites au fil du temps et ont impliqué des pigments anachroniques », a écrit l’équipe dans l’article. En d’autres termes, le réseau neuronal a pu repérer les travaux effectués pour réparer les Raphaël plus tard dans le temps, ainsi que les motifs originaux qui n’ont pas été intégrés dans la version finale.

Le retable se trouvait dans une église d’Ombrie pendant trois siècles avant d’être gravement endommagé en 1789 lors d’un tremblement de terre, et les fragments survivants du chef-d’œuvre furent dispersés. Les panneaux intacts connurent alors une aventure tumultueuse de provenance, étant récupérés par le pape Pie VI avant d’être saisis par Napoléon et placés au Musée Napoléon (aujourd’hui le Louvre). Dieu le Père et Vierge Marie ont été transportés à Naples où ils sont encore aujourd’hui. Vous pouvez lire l’histoire complète des panneaux du retable sur la Frick Collection site web.

Comme l’équipe a entraîné le modèle sur des données synthétiques, elle disposait d’une feuille de réponses sur laquelle tester les performances du modèle. Le modèle a obtenu de meilleurs résultats dans les zones présentant des problèmes de déconvolution (une façon en cinq syllabes de dire qu’il faut séparer les informations réelles du bruit) dans certaines parties des panneaux où le peintre de la Haute Renaissance a utilisé plusieurs pigments. Dans ces zones, l’utilisation confuse de différents pigments et composés rend difficile pour les algorithmes de déconvolution traditionnels d’analyser correctement les éléments créés par MA-XRF.

Les auteurs ont déclaré que le modèle « surmonte efficacement les limitations et les artefacts généralement associés aux méthodes d’analyse de déconvolution traditionnelles ». À l’avenir, de tels travaux pourraient éclairer les stratégies de conservation d’œuvres d’art inestimables, ainsi que déterminer des détails cachés qui sont difficiles à repérer autrement.

Ce fut une semaine importante pour les systèmes d’intelligence artificielle et l’analyse d’images : plus tôt cette semaine, une autre équipe de chercheurs a entraîné un réseau neuronal sur des images de géoglyphes (des œuvres d’art en terre) et a fini par plus que doubler le nombre total de lignes de Nazca, un groupe de géoglyphes monumentaux au Pérou.

Dans de nombreux cas, l’utilité réelle des systèmes d’intelligence artificielle réside dans le fait qu’ils peuvent effectuer un travail similaire à celui des experts humains, mais à un rythme beaucoup plus rapide. Dans le cas des lignes de Nazca, les chercheurs ont demandé à des archéologues d’examiner les images qui, selon le réseau, contenaient un géoglyphe potentiel, ce qui leur a permis de s’assurer que, même si le mouvement se faisait à un rythme plus rapide, un humain était toujours aux commandes.