Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Compte-rendu : Hackathon PictorIA x BNF DataLab : IA et patrimoine visuel

Le 19 et 20 décembre 2024, le DataLab de la Bibliothèque nationale de France (BNF) a accueilli un hackathon innovant organisé par le consortium Huma-Num PictorIA, en partenariat avec la BnF. Cet événement, qui a rassemblé des chercheurs, des ingénieurs, des étudiants, ainsi que des professionnels de la documentation, visait à explorer les potentialités de l’intelligence artificielle (IA) dans le traitement des corpus patrimoniaux visuels et multimodaux. L’objectif principal était de tester l’application d’outils d’IA, de machine learning et de traitement d’image à des corpus souvent complexes et partiellement catalogués, afin de proposer des solutions d’enrichissement des métadonnées et d’appariement d’archives dispersées.

Objectifs du Hackathon :

L’objectif principal de cet événement était d’explorer, à travers une démarche expérimentale, les applications pratiques de l’intelligence artificielle à la documentation et à la gestion des archives patrimoniales visuelles. En particulier, les participants se sont concentrés sur trois axes principaux :

  • L’enrichissement des métadonnées des corpus patrimoniaux,
  • La détection et l’appariement d’archives dispersées ou dupliquées,
  • L’automatisation du traitement documentaire de fonds patrimoniaux visuels et manuscrits.

L’approche a été volontairement pluridisciplinaire, rassemblant des chercheurs en informatique, des archivistes, des spécialistes des sciences humaines et sociales, ainsi que des ingénieurs spécialisés dans l’IA. Cette diversité de compétences a permis une réflexion croisée et une exploration complète des enjeux technologiques et méthodologiques.

Corpus Étudiés :

Les participants ont eu à disposition plusieurs corpus issus des Archives nationales, qui se caractérisent par leur richesse, leur complexité, ainsi que par leur sous-catalogage ou leur absence de catalogage. Les corpus analysés comprenaient :

  1. Le Fonds Jules Breton : Ce corpus regroupe 10 666 vues photographiques documentant les inventions militaires pendant la Première Guerre mondiale. Les photographies sont organisées en planches et en images disparates, parfois légendées manuellement.
  2. La Mission Blaise Diagne : Un album de 110 photographies illustrant les déplacements diplomatiques et militaires de Blaise Diagne (1917-1918) en Afrique de l’Ouest, représentant un corpus clé pour l’étude de la colonisation française.
  3. Les Carnets Daniel Girard : Composé de 400 images provenant de la vie quotidienne de soldats durant la Première Guerre mondiale, ce fonds inclut des photographies érotiques, des lettres et des dessins de guerre.
  4. Les Albums des Salons (1864-1901) : Photographies d’œuvres d’art exposées aux Salons officiels et acquises par l’État, publiées dans la base Arcade. Ce corpus est fragile, car ses métadonnées risquent de disparaître lors de la migration de la base.

Méthodologies et Outils Mobilisés :

Les équipes de recherche ont utilisé différentes méthodologies et outils pour répondre aux défis techniques et scientifiques posés par les corpus étudiés. Les principales approches adoptées étaient les suivantes :

Reconnaissance de Texte Manuscrit

Outils utilisés : Ollama, Layout Parser, API Google Vision
Objectif : Automatiser la lecture des légendes manuscrites présentes au verso des photographies ou en marge des planches.
Les expérimentations menées ont permis de tester l’efficacité de l’outil d’extraction de texte sur des corpus patrimoniaux variés. L’extraction de texte a donné des résultats partiellement satisfaisants sur certains corpus, mais a rencontré des difficultés sur des écritures anciennes et variées. La généralisation de l’outil à d’autres corpus nécessiterait un entraînement spécifique sur les écritures rencontrées, soulignant ainsi les défis liés à l’interprétation des manuscrits anciens.

Appariement et Clustering d’Images

Outils utilisés : Panoptic, Roboflow, Aikon (tentative d’intégration)
Objectif : Détecter les doublons visuels entre images individuelles et planches composites et regrouper les reproductions d’œuvres par similarité visuelle.
L’application des outils à mis en avant les points suivant : les prototypes de clustering visuel ont permis de développer des méthodes prometteuses pour détecter les duplications. La détection des doublons dans des fonds complexes (ex. : fonds Jules Breton) a été réalisée, bien que partiellement manuellement, soulignant la nécessité de perfectionner l’automatisation sur des corpus variés.

Structuration et Enrichissement des Métadonnées

Méthodologie employée : Segmentation des images, croisement des données avec des inventaires existants (Gallica, Joconde, Musée Carnavalet).
Une méthodologie de structuration des données a été développée, applicable à d’autres ensembles documentaires. Cette approche permet de traiter des corpus non catalogués ou en cours de migration, et d’enrichir leurs métadonnées de manière cohérente et exploitable.

Apports Scientifiques et Perspectives

Ce hackathon a démontré que même des outils d’intelligence artificielle dits « généralistes » peuvent produire des résultats pertinents lorsque leur application est orientée par des problématiques archivistiques spécifiques. Les expérimentations menées ont permis de dégager plusieurs pistes intéressantes :

  • Limites des approches de boîte noire : L’application d’outils IA sur des corpus patrimoniaux a mis en évidence les limites de l’approche boîte noire, en particulier pour des données complexes (qualité des numérisations, manuscrits difficiles à interpréter, absence de typologies stables). Ces observations ont conduit à la nécessité de développer des modèles d’IA plus flexibles et adaptés aux spécificités des corpus.
  • Viabilité de prototypes locaux : Les expérimentations sur des solutions comme Ollama ont exploré la possibilité de déployer des outils IA locaux, indépendants des grandes infrastructures cloud, à moindre coût d’accès, ce qui pourrait ouvrir de nouvelles avenues pour les institutions ayant des ressources limitées.
  • Collaboration interdisciplinaire : Ce hackathon a posé les bases de futures collaborations entre informaticiens, archivistes, historiens visuels et chercheurs en sciences sociales, afin d’approfondir l’application de l’IA dans la gestion et la conservation des archives patrimoniales.

Livrables et Perspectives de Développement

Les résultats obtenus durant l’événement ont été intégrés dans des livrables mis à disposition sur GitLab, au bénéfice de la communauté scientifique et des professionnels du patrimoine. Parmi les livrables notables, figurent :

  • Des scripts de traitement local des corpus iconographiques à l’aide de modèles LLM multimodaux.
  • Les premières matrices de correspondance entre images et métadonnées extraites automatiquement.
  • Des méthodologies pour le croisement inter-corpus ou l’identification d’œuvres d’art, applicables à des fonds comme les Albums des Salons et le fonds Jules Breton.

Le hackathon a illustré l’importance d’organiser des espaces d’expérimentation interdisciplinaire pour aborder les enjeux complexes liés à la conservation et au traitement numérique des archives patrimoniales. L’approche collaborative, même dans un format court, a permis de développer des outils innovants et de proposer des solutions concrètes pour l’enrichissement des métadonnées et la gestion des corpus patrimoniaux visuels. Ce projet s’inscrit dans un mouvement plus large porté par le consortium PictorIA, visant à créer une communauté interdisciplinaire autour des problématiques de l’image patrimoniale et de l’intelligence artificielle. De nouvelles sessions sont déjà en préparation pour 2025, avec un focus sur des corpus de presse, des bases iconographiques muséales et des archives scientifiques, afin de poursuivre les avancées dans ce domaine.


OpenEdition vous propose de citer ce billet de la manière suivante :
chaharzad (14 octobre 2025). Compte-rendu : Hackathon PictorIA x BNF DataLab : IA et patrimoine visuel. Consortium-HN pictorIA. Consulté le 11 novembre 2025 à l’adresse https://pictoria.hypotheses.org/4859


Vous aimerez aussi...