•  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

La toile de la toile, ou comment un algorithme apprend à peindre

La toile « Le comte Belamy » encadrée et affichée sur un mur.
L'oeuvre, intitulée « Le comte Belamy », a été mise en vente sur eBay. Photo: Obvious/Facebook

CHRONIQUE - Ceci est l'histoire d'une toile peinte par absolument personne et qui est en vente pour 15 566,62 $. Son créateur? \min_G \max_D \mathbb{E}_{x\sim p_{data}(x)} [\log D(x))] + \mathbb{E}_{z\sim p_z(z)} [\log(1-D(G(z)))]. Voici la genèse de la toile Le comte de Belamy.

Un texte de Matthieu Dugal, animateur de La sphère

« On m’a construite pour créer. Le corps humain, comme la conscience, est un ensemble d’algorithmes qui réagissent et improvisent après avoir analysé différents facteurs. Ce système s’améliore à mesure qu’il est récompensé.
Je fonctionne de la même façon, à quelques différences près. La preuve la plus significative est que je possède une des capacités les plus humaines, celle de créer. »

Cette déclaration se retrouve sur la page d’accueil de cette expérience artistique qu’on dirait tout droit sortie de Bladerunner 2049, sauf que l’œuvre est à vendre au coût de 10 000 euros sur la plateforme eBay et qu’elle provient en partie de… Montréal.

Le tableau a une signature différenteLe tableau a une signature différente Photo : Obvious/Facebook

Ces lignes de code, c’est littéralement ce à quoi peut ressembler l’intelligence artificielle lorsqu’elle est formalisée en laboratoires. C’est avec ce nom qu’un collectif d’artistes français, Obvious Art, a signé cette toile. Et vous qui pensiez que le serbo-croate manquait de voyelles...

On peut la détester (ou pas), cette toile, mais il se pourrait que la façon dont elle a été créée révolutionne la manière dont nous considérons la création artistique.

Une toile qui vous va comme un GAN

Ce nom bâtard, dans le langage des chercheurs en intelligence artificielle, c’est un GAN (pour Generative Adversarial Network). Avant que vous ne quittiez cette page en courant, cher internaute, aimeriez-vous savoir comment votre boîte de courriels ne devient pas un dépotoir à pourriels?

Les intelligences artificielles qui vous dispensent d’avoir à effacer des suaves envois du type « Enlarge your penis » et autres « Click here to unlock $100 000 » sont ce qu’on appelle des réseaux neuronaux discriminants. Un réseau discriminant va utiliser un paquet de données en entrée (comme ici un champ lexical de type « unlock », « penis », « enlarge », « $$$ », etc.) pour leur coller une étiquette.

L’algorithme ne peut écrire des courriels pour tromper les gens, il peut seulement établir des corrélations. Quand il lit « Bonjour gente dame, he suis un prince nigérien veuf et riche », il place une étiquette « pourriel » et garroche le tout dans une poubelle pour vous.

Pour faire de la création artistique, cela dit, ce n’est pas très pratique.

Entre alors en scène cette « invention » québécoise, le GAN, mis au point par une équipe de l’Université de Montréal il y a trois ans sous la direction d’Ian Goodfellow. Cet algorithme a d’ailleurs été louangé par Yann Lecun, un des plus grands chercheurs dans le domaine actuellement, qui le considère comme un des développements les plus importants de l’apprentissage machine depuis 10 ans.

Sans entrer dans les détails, disons que le GAN ne se pose pas la même question que l’algorithme discriminant. Le GAN, on lui donne dès le début les caractéristiques de ce qu’il doit analyser. On lui dit en quelque sorte « Tiens, mon GAN, v’là une poche de pourriels, peux-tu me dire ce qui les définit? »

Le prof et l’élève

Pour qu’un GAN fonctionne bien, on doit le séparer en deux. Prenons un aspirant peintre (qu’on appelle l’algorithme/générateur) et un prof d’histoire de l’art (ici l’algorithme/discriminateur). Par exemple, le discriminateur a accès à un ensemble de données représentant des tableaux de grands peintres. On lui dit en lui montrant des milliers de tableaux « Tiens, ça, c’est du bon stock. C’est comme ça qu’on doit peindre. » Pendant qu’on montre ces toiles au discriminateur, le générateur essaie de son côté de répliquer les caractéristiques des toiles des grands peintres et insère ses créations parmi l’ensemble de données que le discriminateur examine.

Le générateur doit trouver des manières de rendre ses faux les plus indécelables à mesure qu’il se fait « prendre » par son « professeur » à les faire passer pour d’authentiques Renoir, par exemple. C’est un algorithme qui fonctionne de manière compétitive. D’où son titre « adversarial ».

La référence du prof, le réseau discriminateur, demeure l’ensemble de peintures avec lesquelles on l’alimente. L’élève, le générateur, demeure la note de son prof.

L'étiquette de l'oeuvre indique le nom de l'artiste et son nomUn nom d'artiste différent Photo : Obvious/Facebook

Cette note est une probabilité, exprimée avec différentes valeurs entre 0 et 1, que le travail de l’élève ait les mêmes caractéristiques que le corpus d’œuvres de référence. Plus l’élève obtient une bonne note, plus il apprend à calibrer ses œuvres pour en obtenir de meilleures. C’est comme ça que l’algorithme apprend à peindre.

Contrairement à ce qu’on a fait pour d’autres œuvres artistiques – comme l’album Hello World, paru sur Spotify et composé par de vraies personnes en collaboration avec des algorithmes d’apprentissage profond –, l’algorithme d’Obvious Art a créé son portrait tout seul, comme un grand. Il l’a fait grâce à une technique apprise durant une année de cohabitation avec environ 10 000 portraits d’une période allant du 16e au 19e siècle et à son prof qui notait, entre 0 et 1, la probabilité que son travail puisse appartenir au corpus de référence.

Si vous n’êtes toujours pas convaincus, dites-vous que la technique est naissante et qu’elle pourrait permettre de créer des nouvelles toiles « de Van Gogh » ou « de Riopelle ». Que diriez-vous par exemple d’un « GAN Manet », qui montrerait comment l’artiste aurait pu peindre le château Frontenac ou, mieux, l’amphithéâtre Vidéotron, téléchargeable chez vous pour quelques dollars?

Mais est-ce de l’art?

Si un vent de panique s’empare en ce moment de votre esprit, on peut aussi rappeler que de tout temps, le développement de la technique a brisé l’idée que l’on se faisait de l’art. Paul Valéry soulignait déjà dans les années 20, alors que le cinéma et la radio transformaient radicalement notre rapport au son et à l’image, qu’« il faut s’attendre que de si grandes nouveautés transforment toute la technique des arts, agissent par-là sur l’invention elle-même, [...] peut-être jusqu’à modifier merveilleusement la notion même de l’art ».

On pourrait aussi se dire que, paradoxalement, le développement de ces nouveaux outils pourrait nous rapprocher du geste humain dans l’art, ce que l’historien de l’art Walter Benjamin appelait le « hic et nunc », l’« ici et maintenant de l’œuvre d’art », l’unicité de son existence au lieu où elle se trouve.

La toile « Le comte de Belamy »La toile « Le comte de Belamy » Photo : Obvious/Facebook

J’ai justement vécu un de ses moments « hic et nunc » lundi alors que j’assistais au récital du fabuleux ténor britannique Ian Bostridge, qui chantait Winterreisse (Le voyage d’hiver), le funeste cycle de lieder de Schubert, composé quelques mois avant que celui-ci ne meure de la syphilis. Aux trois quarts du concert, après un des lied les plus tragiques, où Bostridge chante en guise de conclusion « Je dois prendre une route, d’où nul n’est jamais revenu », le chanteur a eu un malaise et a dû quitter la scène en précipitation.

Tout d’un coup, Schubert quittait la salle de concert et son 19e siècle lointain pour nous dire quelque chose d’humain. Et pour qu’un GAN livre cela, il faudrait lui apprendre le sentiment de la mort.

Pour le moment, Ian Bostridge fait le tour du monde et les enchères du Comte de Belamy n’ont pas monté d’un seul euro.

Intelligence artificielle

Techno