L'intelligence artificielle a-t-elle sa place dans un environnement aussi capricieux et excentrique que le marché secondaire de l'art ? Un algorithme peut-il apprendre à prédire la valeur attribuée à une œuvre d'art lors d'une vente aux enchères ? Ces questions et d'autres ont été analysées par un groupe de chercheurs comprenant Roman Kräussl, professeur au Département Finance de l'Université du Luxembourg. L'article qui en résulte, Biased Auctioneers, a été accepté pour publication dans le très réputé Journal of Finance. 

Entraînement d'un réseau de neurones pour évaluer l'art  

Dans cette étude associant les domaines de la finance et de l'informatique, les chercheurs ont utilisé l'apprentissage automatique et l'intelligence artificielle pour créer un algorithme de réseau neuronal qui imite le travail des évaluateurs humains en générant des prévisions de prix pour les œuvres d'art vendues aux enchères. Cet algorithme s'appuie sur des données utilisant les caractéristiques tant visuelles que non visuelles des œuvres d'art. Les auteurs de l'étude ont appliqué leur algorithme à un vaste ensemble de données sur les ventes d'œuvres d'art, soit 1,2 million de ventes aux enchères de tableaux entre 2008 et 2014, en entraînant le réseau neuronal à l'aide d'une image de l'œuvre d'art et d'informations telles que le nom de l'artiste, le support et la maison de vente aux enchères où l'œuvre a été vendue. Une fois formé à cet ensemble de données, les auteurs ont demandé au réseau neuronal de prédire les estimations de prévente de la maison de vente aux enchères, le prix d'achat (le prix minimum auquel l'œuvre sera vendue), ainsi que le prix final des ventes d'art en 2015. Il est alors devenu possible de comparer l'estimation de l'algorithme avec les données réelles, et de déterminer si le niveau relatif des prédictions de prix générées par la machine prédit les résultats relatifs des prix.

Une voie vers un marché de l’art plus efficace ? 

Comme on pouvait s'y attendre, les prédictions des experts humains étaient plus précises que celles de l'algorithme, dont la prédiction était à son tour plus précise que le modèle hédonique linéaire standard que les chercheurs ont utilisé pour évaluer l'étude. Les raisons de l'écart entre l'homme et la machine comprennent, comme l'affirment les auteurs, principalement l'accès à une plus grande quantité d'informations sur les œuvres d'art individuelles, notamment la provenance, l'état et le contexte historique. Bien qu'intéressant, l'objectif des auteurs n'était pas d'opposer l'homme à la machine dans cette tâche spécifique. Au contraire, les auteurs ont cherché à découvrir l'utilité et les applications potentielles des évaluations basées sur la machine. Par exemple, à l'aide d'un tel algorithme, il pourrait être possible de déterminer si les évaluations de prévente d'un commissaire-priseur sont trop pessimistes ou trop optimistes, ce qui permettrait de prédire efficacement les erreurs de prédiction des commissaires-priseurs. En fin de compte, ces informations pourraient être utilisées pour corriger ces types d'inefficacités du marché créées par l'homme. 

Au-delà des salles des ventes 

Les implications de cette méthodologie et de la puissance de calcul appliquée ne se limitent toutefois pas au monde de l'art. D'autres marchés négociant des actifs "réels", qui dépendent fortement des évaluateurs humains, notamment le marché immobilier, peuvent bénéficier de cette recherche. Bien que l'IA ne soit pas encore susceptible de remplacer les humains, la technologie de l'apprentissage automatique telle que démontrée par les chercheurs pourrait devenir un outil important pour les investisseurs et les intermédiaires, qui souhaitent avoir accès à un maximum d'informations, le plus rapidement et le moins cher possible.

Source : Université du Luxembourg