L’intelligence artificielle (IA) semble désormais omniprésente, y compris dans le monde de l’art. Récemment, elle a prétendu qu’un tableau longtemps considéré comme une copie du Joueur de luth du Caravage était en réalité de la main du maître, tandis qu’une autre version du même sujet, jusqu’alors jugée authentique, ne le serait pas. Ces deux conclusions ont été contestées par Keith Christiansen, ancien conservateur du Metropolitan Museum of Art de New York. Un débat similaire a éclaté en mars 2025 lorsque l’IA a affirmé que certaines parties du Bain de Diane, également longtemps tenu pour une copie, pourraient avoir été peintes par Peter Paul Rubens. Là encore, un spécialiste de Rubens de premier plan, Nils Büttner, a réfuté cette hypothèse.
Dans cette confrontation entre les machines et les humains, il semble parfois que les premières prennent l’ascendant. La raréfaction des pièces disponibles sur le marché et la hausse des valeurs encouragent les tentatives de certification de « nouvelles » œuvres attribuées à des artistes célèbres, tandis que la crainte de contentieux coûteux a conduit nombre d’experts à renoncer à émettre des avis sur l’authenticité. Le monde de l’art paraît de plus en plus disposé à remettre en cause ce que la journaliste Sarah Cascone qualifie de « science douteuse du connoisseurship ».
En tant que principale spécialiste d’Egon Schiele et auteure de son catalogue raisonné, j’émets des avis d’authenticité sur les œuvres qui lui sont attribuées depuis 1990. Chaque année, le Kallir Research Institute reçoit plus d’une centaine de soumissions, dont près de 95 % se révèlent être des faux, des contrefaçons ou des erreurs d’attribution. La plupart sont aisément identifiables comme tels par mon équipe et moi-même : aucun outil particulier ni examen scientifique sophistiqué ne sont nécessaires, seulement une connaissance intime et approfondie de l’œuvre authentique de Schiele.
Il arrive que ces faux soient accompagnés de volumineux rapports scientifiques, en apparence impressionnants, mais en définitive dénués de réelle pertinence, et censés étayer une attribution à Schiele. Des techniques telles que la radiographie, la réflectographie infrarouge ou l’analyse des pigments peuvent certes compléter utilement les observations et le jugement des spécialistes. Toutefois, elles ne permettent que de déterminer si les matériaux et les procédés employés sont compatibles avec ceux de l’artiste en question. Ces analyses scientifiques peuvent invalider une attribution, mais elles ne suffisent pas à la confirmer. De même, si l’intelligence artificielle peut être entraînée pour enrichir l’expertise humaine, il est peu probable que la technologie, à elle seule, puisse un jour authentifier une œuvre d’art de manière fiable.
Une IA ne peut ni voir, ni sentir, ni goûter, ni entendre, ni toucher. Elle tente de modéliser mathématiquement les réseaux neuronaux du cerveau humain en convertissant des données sensorielles en équations et en corrélations statistiques. C’est pourquoi elle excelle dans des domaines, comme le codage, qui reposent intrinsèquement sur des structures formalisables et quantifiables.
Une IA est, par définition, limitée aux données déjà existantes : celles-ci peuvent être considérables, mais elles ne seront jamais véritablement inédites. Appliquée à l’art, elle exploite des photographies numériques pour repérer des « empreintes » stylistiques et des schémas sous-jacents censés caractériser les œuvres authentiques d’un artiste. Cette démarche est non seulement réductrice, parce qu’essentiellement fondée sur l’image bidimensionnelle, mais elle dépend aussi étroitement de la qualité et de la quantité des fichiers disponibles.
Or, la qualité d’une image varie selon la compétence du photographe, le matériel utilisé et les conditions d’éclairage ; même les meilleures reproductions ne restituent jamais parfaitement la matérialité, la texture ou la chromie d’une œuvre. Par ailleurs, l’entraînement rigoureux d’un modèle d’IA peut nécessiter des milliers d’images. Peu d’artistes disposent d’un corpus aussi abondant, et les évolutions stylistiques qui jalonnent une carrière risquent encore de fragmenter et affaiblir la base comparative.
Dans son essai publié en 1992, Technopoly : The Surrender of Culture to Technology, le théoricien des médias Neil Postman annonçait que la technologie risquait, à terme, d’asphyxier la culture en ramenant les questions complexes à des données quantifiables et à des opérations de calcul. Il mettait en lumière une distinction essentielle entre les phénomènes naturels, qui peuvent être étudiés selon des méthodes scientifiques, et les pratiques humaines, lesquelles n’obéissent pas à des lois naturelles.
Le connoisseurship, ou l’art du connaisseur, n’est pas une « science douteuse » : il ne relève tout simplement pas du champ scientifique. L’intelligence artificielle, en revanche, peut être trompeuse en offrant l’apparence d’une certitude objective dans un domaine, l’art, qui demeure fondamentalement interprétatif et subjectif.
• Jane Kallir est commissaire d’exposition, ancienne galeriste et présidente du Kallir Research Institute
