Imaginez qu'une IA décide de l'originalité artistique
Une galerie d'art utilise un système d'IA destiné à vérifier l'originalité des œuvres afin de détecter les contrefaçons ou les travaux fortement inspirés d'autres.
L'IA analyse les caractéristiques visuelles, le style, la palette de couleurs et les motifs qu'elle a appris à partir d'une grande base de données d'œuvres d'art connues.
Au bout d'un certain temps, les artistes et les conservateurs se plaignent que l'IA rejette souvent les œuvres innovantes ou expérimentales comme non originales, car elle détecte des similitudes avec des styles déjà existants.
L'équipe se demande : pourquoi l'IA évalue-t-elle de nombreuses œuvres créatives et nouvelles comme non originales alors qu'elles sont explicitement censées être novatrices ?
Question : Pourquoi une IA qui évalue l'originalité sur la base de motifs connus peut-elle à tort classer des innovations créatives comme des imitations et quels défis cela pose-t-il pour l'évaluation de l'art ?
La solution sera donnée demain.
Solution
L'IA évalue l'originalité sur la base des motifs qu'elle connaît dans les données d'entraînement.
Les innovations créatives combinent souvent des éléments connus de manière nouvelle ou modifient subtilement des caractéristiques stylistiques, ce que l'IA interprète comme une similarité avec des œuvres déjà existantes.
Comme l'IA ne peut pas effectuer une véritable évaluation esthétique ou culturelle, elle ne reconnaît pas le contexte innovant, mais seulement des correspondances statistiques.
Cela conduit à ce que des œuvres novatrices soient à tort classées comme des imitations et ainsi désavantagées.
Le défi réside dans le fait que l'originalité est subjective et dépend de facteurs culturels, historiques et individuels que l'IA a du mal à saisir.
Résultat : Une IA destinée à évaluer l'originalité artistique atteint ses limites car elle ne reconnaît souvent pas les innovations créatives comme telles, mais les ignore ou les rejette en se concentrant sur des motifs connus. Pour une évaluation équitable de l'art, les systèmes d'IA devraient donc être complétés par une expertise humaine et développer des approches d'évaluation plus flexibles et contextuelles, laissant place à la diversité créative.