[CESERH] CI La généalogie des formes dans la perspective du Deep Learning 7/11/2019 [2/11]

Valeur des informations & solidité de l’argumentation

La valeur du contenu réside dans son approche interdisciplinaire : elle articule des concepts de sémiotique visuelle et d’histoire de l’art avec les technologies contemporaines de vision par ordinateur. L’argumentation est structurée autour de deux projets concrets, ce qui ancre la réflexion dans des réalisations pratiques. Dondero illustre comment le deep learning peut révéler des régularités formelles invisibles à l’œil nu, tout en insistant sur les limites de ces outils (notamment la réduction au visuel et la négligence du contexte). Elle propose une critique nuancée de l’usage de l’IA en histoire de l’art, en appelant à une collaboration étroite entre disciplines. La démonstration s’appuie sur des références solides (Warburg, Didi-Huberman, projets académiques) et une méthodologie explicite, bien que la transcription automatique nuise à la fluidité de l’exposé.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est manifeste : la chercheuse cite des travaux de référence et discute les implications méthodologiques avec précision. Toutefois, l’absence de sources explicites dans la description (aucun lien) et la qualité médiocre de la transcription limitent la vérifiabilité directe. Les mentions de Warburg, de son Atlas Mnemosyne, et de Didi-Huberman sont claires, et ses propres projets sont documentés. L’adéquation entre le titre et le contenu est bonne : le titre annonce une perspective sur le deep learning, et l’exposé développe précisément cette perspective en l’appliquant à la généalogie des formes. On peut reprocher un léger déséquilibre : la partie technique (deep learning) occupe une place importante, tandis que la généalogie des formes n’est traitée qu’à travers des exemples, mais l’ensemble reste cohérent.

Le titre correspond au contenu : la présentation aborde la généalogie des formes artistiques via les outils du deep learning et de la vision par ordinateur.

7/10

Exposé académique par une chercheuse reconnue (FNRS/ULiège), spécialiste de sémiotique et d'analyse d'images. La transcription automatique dégradée limite la précision, mais le contenu trahit une expertise solide et une démarche méthodologique rigoureuse.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 01:00Présentation de l'intervenante et des deux projets de recherche.
• 08:00Discussion sur la visualisation des collections et l'inspiration de Lev Manovich.
• 20:00Analyse des concepts de Warburg (Pathosformel) et de Didi-Huberman dans le contexte computationnel.
• 30:00Explication des défis techniques : extraction de caractéristiques, segmentation, et comparaison d'images.
• 36:00Conclusion sur l'importance de l'interdisciplinarité et les perspectives futures.

• Atlas Mnemosyne — Aby Warburg, cité pour son concept de survie des formes (Pathosformel) et ses planches iconographiques.
• Pathosformel — Concept de Warburg repris pour caractériser la récurrence des formes expressives.
• Georges Didi-Huberman — Auteur cité pour ses travaux sur les images (notamment 'L'image survivante').

• Lev Manovich — Cité comme inspiration pour l'analyse visuelle de grandes collections d'images.