Le fantôme des œuvres et la mémoire des algorithmes
L’histoire d’une œuvre d’art ne s’arrête jamais à la signature apposée sur la toile. Elle se prolonge dans un sillage de transactions, d’héritages, de ventes aux enchères et, parfois, de vols institutionnalisés. Sous le Troisième Reich, le régime nazi a organisé le pillage systématique de dizaines de milliers de pièces appartenant à des familles juives. Rendre ces objets à leurs propriétaires légitimes ou à leurs descendants exige un travail de documentation titanesque. Cette discipline, la recherche de provenance, s’apparente souvent à une fouille archéologique dans des archives fragmentaires. À la Santa Clara University, un groupe de chercheurs expérimente une méthode radicalement différente pour accélérer ces restitutions, en convoquant l’intelligence artificielle pour déchiffrer les silences de l’histoire.
Le point de départ de cette initiative ne se trouve pas dans un laboratoire d’informatique, mais dans les salles d’audience. Michael Santoro, professeur de management au sein de l’université californienne, a suivi de près le parcours de son ami Timothy Reif. Juge à la U.S. Court of International Trade, ce dernier s’est engagé dans une longue bataille pour récupérer le patrimoine volé à ses ancêtres. Si le magistrat a finalement obtenu gain de cause, sécurisant le retour de pièces estimées à plusieurs millions de dollars, la victoire a laissé un goût amer. Une affaire qui semblait évidente sur le papier s’est enlisée dans des années de contentieux juridiques complexes. Face à cette lenteur administrative et judiciaire, Michael Santoro s’est interrogé sur la capacité de la technologie à briser les impasses qui découragent tant de familles.
Convertir le langage courant en preuves historiques
Pour transformer cette réflexion en outil tangible, le professeur de management s’est tourné vers ses confrères spécialisés dans les systèmes d’information et l’analyse de données, Haibing Lu et Michele Samorani. Ensemble, ils ont élaboré un agent conversationnel spécifique, officiellement présenté au début du mois et baptisé AI Provenance Assistant. Le cahier des charges de cette interface repose sur une ambition précise : abolir la barrière de l’expertise technique.
Le système permet aux utilisateurs de formuler leurs requêtes en anglais courant. Il n’est plus nécessaire de maîtriser le jargon des historiens de l’art ou la syntaxe complexe des bases de données institutionnelles. Une famille cherchant la trace d’un bien spolié peut interroger l’interface en combinant un patronyme, un type de médium artistique ou quelques détails descriptifs. L’algorithme se charge d’interpréter cette demande et de générer une liste d’œuvres correspondantes. Les résultats affichent les titres, les auteurs identifiés et l’ensemble des informations rattachées à la pièce au fil de son histoire.
Le défi des archives parisiennes et des données corrompues
La pertinence d’une intelligence artificielle dépend entièrement de la matière qu’on lui donne à ingérer. L’équipe a dû se confronter à la réalité des registres existants. Le choix des chercheurs s’est arrêté sur un corpus extrêmement documenté : la base de données recensant les pillages culturels de l’Einsatzstab Reichsleiter Rosenberg, constituée par le Jeu de Paume à Paris. Ce registre centralise les informations relatives à 40 000 œuvres spoliées.
L’intégration de cette masse de données a révélé la complexité inhérente au marché de l’art en temps de guerre. Michael Santoro explique que les fiches descriptives des œuvres sont rarement linéaires ou parfaitement exactes. Le trio a découvert que les informations répertoriées comportent de nombreuses lacunes, des approximations, voire des falsifications délibérées inscrites à l’époque pour brouiller les pistes. Pour contourner ces obstacles et rendre l’information exploitable, Haibing Lu a mené un travail de fond, téléchargeant l’intégralité du registre parisien afin de le classer et de le structurer pour l’apprentissage de la machine.
La prudence académique face aux mirages numériques
Le traitement des archives de spoliation par des algorithmes suscite un vif intérêt parmi les spécialistes de la question, tout en soulevant des interrogations méthodologiques. Carla Shapreau étudie précisément ces mécanismes. Avocate et professeure de droit à UC Berkeley, elle concentre ses recherches de provenance sur un domaine pointu : les instruments, les manuscrits et les documents liés à la musique. Si la perspective d’utiliser l’intelligence artificielle pour accélérer le croisement des données génère chez elle un réel optimisme, elle formule des réserves quant à l’autonomie de l’outil.
Le risque inhérent aux intelligences artificielles actuelles réside dans leur capacité à produire des associations erronées ou des hallucinations factuelles. Pour la professeure de droit, aucun résultat généré par l’AI Provenance Assistant ne peut se substituer à la validation humaine. Chaque piste suggérée par le programme exige une vérification stricte. Afin de consolider la crédibilité du projet dans le temps, elle préconise une évolution technique majeure : l’association directe entre les résultats de l’algorithme et les numérisations des sources primaires. Ce lien direct vers les documents d’époque permettrait aux chercheurs et aux juristes de constater la preuve visuelle sans dépendre aveuglément de la synthèse informatique.
L’équation financière d’une quête inachevée
Les concepteurs du programme partagent cette vision et considèrent leur interface actuelle comme une fondation perfectible. Haibing Lu exprime la volonté d’intégrer des chercheurs en provenance au développement de l’outil, afin de calibrer les algorithmes sur leurs méthodes d’investigation réelles et leurs besoins quotidiens. L’objectif est d’affiner la précision des réponses face à des requêtes de plus en plus complexes.
Cette ambition se heurte néanmoins à une réalité matérielle. Le développement de l’AI Provenance Assistant repose aujourd’hui exclusivement sur l’engagement personnel et les fonds propres de ses trois créateurs. La structure manque d’appuis financiers pour passer à l’échelle supérieure. L’apport de capitaux permettrait d’étendre la capacité de recherche du robot en le connectant à d’autres bases de données internationales, multipliant ainsi les chances de repérer des œuvres dispersées à travers le monde. La faisabilité technique est avérée, seul le financement manque pour déployer l’architecture numérique nécessaire.
Derrière les lignes de code et l’analyse de données, le moteur du projet reste profondément humain. L’investissement financier et les heures de programmation ne sont pas mesurés à l’aune d’une rentabilité classique. Pour Michael Santoro, le succès de cette entreprise ne se chiffrera pas en volume de requêtes traitées. L’identification et la restitution d’une seule pièce arrachée à une famille justifieraient, à elles seules, l’intégralité des efforts déployés par l’équipe californienne.