Numériser les œuvres d’art permet de conserver le patrimoine culturel, de rendre les collections d'art accessibles et de réinventer les expériences muséales.
Dans le cadre du plan d’investissement « Métavers du patrimoine », des experts utilisent la photogrammétrie pour créer des représentations 3D d'œuvres d'art.
Ce projet, qui se fait avec et pour les musées, prend en compte les besoins des institutions et s’adapte à leurs business model.
Des œuvres numérisées en 3D ne suffisent pas à faire un métavers, l’enjeu actuel est surtout de découvrir les bons usages.
Le succès des musées virtuels dépendra notamment de la démocratisation des technologies comme les casques de VR et de l'adaptation des plateformes aux besoins spécifiques des institutions muséales.
professeure d'informatique à l'École polytechnique (IP Paris) et membre de l'Académie des Sciences
En bref
L’informatique graphique permet de représenter des espaces virtuels animés en 3D.
Les collaborations avec d'autres disciplines scientifiques permettent de tester et d’affiner des hypothèses en créant des représentations visuelles animées.
La méthodologie de modélisation se divise en trois étapes : des modèles multicouches, la modélisation expressive et l’apprentissage à partir d’exemples.
La modélisation expressive fournit aux scientifiques d’autres disciplines des moyens de créer eux-mêmes des environnements 3D animés correspondant à leurs visions.
À l’avenir, ce domaine pourra, par exemple, devenir un outil majeur pour sensibiliser et impliquer davantage le grand public aux enjeux environnementaux.
professeur à Télécom Paris (IP Paris) et co-directeur scientifique du centre interdisciplinaire Hi! PARIS en intelligence artificielle
En bref
L'IA appliquée aux sons permet d’analyser, de transformer et de synthétiser des signaux sonores.
Les applications sont nombreuses, allant de la maintenance prédictive à l'amélioration de la réalité virtuelle, en passant par l'assistance aux personnes.
Les algorithmes d'IA appliqués aux sons nécessitent des méthodes spécifiques en raison de la nature temporelle et volumineuse des données sonores.
Les défis liés à l'IA sonore incluent son impact écologique, les questions de droits d'auteur, les enjeux éthiques, et la nécessité d'un cadre juridique adapté.
Le projet HI-Audio combine l'apprentissage machine et les connaissances humaines pour créer des modèles d'IA plus interprétables et contrôlables.
