Emeline PouyetChercheuse au Centre de recherche sur la conservation (CNRS/MNHN/Ministère de la Culture)
Avec son projet ChemN4Art, Emeline Pouyet, chercheuse au Centre de Recherche sur la Conservation, est lauréate de l’appel à projet Emergence@INC2026. Par cet appel, CNRS Chimie accompagne des chercheuses et chercheurs - chargés de recherche ou maîtres de conférences - recrutés depuis 5 à 10 ans en finançant un projet novateur et en encourageant la prise de risque.
Votre projet ChemN4Art vise à identifier et quantifier des composés chimiques dans les couches picturales, notamment par IA. Pouvez-vous nous en dire plus ?
Le projet ChemN4Art s’appuie sur une technique d’imagerie chimique sans contact, l’imagerie hyperspectrale (HSI) en réflectance diffuse, pour étudier les œuvres peintes. Elle consiste à imager l’œuvre ou une partie de l’œuvre sous lumière blanche en mesurant, pour chaque point de l’image, un spectre de réflectance, c’est-à-dire la manière dont le matériau réfléchit la lumière. Ce spectre dépend directement de la composition chimique des pigments et des liants : il constitue donc une véritable empreinte des matériaux présents dans les différentes couches de peinture.
Le défi est que ces acquisitions génèrent des dizaines de millions de spectres, formant un volume de données considérable. Le projet développe donc des méthodes d’intelligence artificielle capables d’analyser automatiquement ces données pour identifier et cartographier les pigments et leurs mélanges, l’objectif étant de mieux comprendre les techniques de création des artistes et d’apporter aux conservateurs-restaurateurs des informations fiables pour orienter leurs interventions de restauration.
En quoi cette recherche est-elle émergente et à risque ?
Cette recherche combine de manière inédite chimie analytique du patrimoine et intelligence artificielle. Si ces deux domaines sont aujourd’hui bien établis, leur combinaison pour analyser automatiquement des couches picturales complexes reste encore au stade exploratoire. Les modèles d’IA doivent être capables d’apprendre à partir de données limitées et parfois ambiguës, ce qui représente un défi scientifique important par rapport à l’état de l’art actuel.
Quelles pourraient-en être les principales retombées ?
Sur le plan scientifique, le projet vise à faire progresser les méthodes d’analyse non invasive des œuvres en proposant des outils robustes et rapides, capables d’identifier et de quantifier des matériaux complexes directement sur site, en quelques secondes seulement.
Le projet contribue aussi directement à la préservation du patrimoine culturel en permettant une meilleure compréhension des techniques artistiques et un appui plus fiable aux conservateurs-restaurateurs.
Rédacteur : AVR