L’altération du smalt, pigment bleu à base d’un verre potassique (K) broyé riche en cobalt (Co) contenu dans les couches picturales, est un des facteurs important affectant des peintures de chevalet datant du 16e et du 17e siècle. Le mécanisme physico-chimique de l’altération est relativement bien compris et les facteurs clés sont bien identifiés. Ce phénomène de décoloration des zones riches en smalt modifie considérablement l’apparence des peintures. Par conséquence la lecture du narratif représenté ainsi que les informations sur les intentions de l’artiste peuvent être faussées. L’altération du pigment n’étant pas réversible, la restauration de la couleur d’origine des oeuvres altérée ne peut pas se faire avec les méthodes classiques. Dans nos recherches précédentes, nous avons développé une première méthode de simulation numérique de la couleur d’origine des peintures qui intègre différentes analyses non-invasives des oeuvres, l’établissement de leur état de conservation et un référentiel à base d‘échantillons modèles vieillis artificiellement. La procédure développée implique les méthodes basées sur le machine learning et l’Intelligence artificielle (IA). La preuve de concept a été établie sur deux peintures anciennes. L’objectif du projet de master 2 est donc d’affiner notre première approche de simulation de la couleur d’une façon plus précise. Pour cela, nous avons besoin de tester d’autres algorithmes de traitement des données, d’augmenter les données disponibles sur les modèles de référence et d’envisager d’autres critères pour évaluer l’évolution de l’altération du smalt.
Plus d’informations :
[Télécharger l'annonce - PDF 250 Ko]