Le colloque #dhnord réunit chaque année la communauté des humanités numériques au sein de la Maison Européenne des Sciences de l’Homme et de la Société de Lille. La thématique retenue pour 2020 porte sur les approches computationnelles des images en histoire et théorie des arts. Ce colloque réunira pour la première fois en France les principaux spécialistes de l’intelligence artificielle appliquée aux arts. L’histoire des arts et de la culture ainsi que l’esthétique ont largement bénéficié ces dernières années du fruit des campagnes de numérisation patrimoniales qui ont profondément renouvelé les corpus. Depuis 2013, l’histoire numérique de l’art a connu un essor sans précédent en particulier dans les sphères anglo-saxonnes et en Europe (Joyeux-Prunel 2010, Drucker 2013, Zorich 2012). Alors que l’analyse des textes a longtemps été privilégiée par les humanités numériques, il devient désormais possible de mener des analyses computationnelles sur la matière même des images, ou encore sur des objets en 3D, ce qui constitue un tournant majeur. Ce colloque permettra d’explorer la manière dont les méthodes computationnelles renouvellent les questions traditionnelles de l’histoire des arts, de l’esthétique et des cultures visuelles (processus de création, style, forme, attribution, iconologie, circulation des œuvres, etc.) et suscitent des questions de recherche inédites pour nos disciplines (arts visuels, architecture, théâtre, cinéma, photographie...) à l’heure où de nouveaux outils disponibles pour les chercheurs apparaissent.

L’édition 2020 de #dhnord se déroulera entièrement en ligne, comme conséquence de la crise sanitaire provoquée par la COVID-19. Les intervenants confirmés sont : Taylor Arnold (University of Richmond), Peter Bell (University of Erlangen-Nürnberg), Emmanuelle Bermès (BnF), Dominique Cardon (Sciences Po), Johanna Drucker (University of California, Los Angeles), Nicolas Gonthier (Télécom Paris), Leonardo Impett (University of Durham), Béatrice Joyeux-Prunel (University of Geneva), Pierre-Carl Langlais (Université Paul-Valéry Montpellier 3, Sorbonne Université), Stefaan Van Liefferinge (Media Center for Art History at Columbia University), Isabella di Lenardo (EPFL), Matthew Lincoln (Carnegie Mellon University), Lev Manovich (City University of New York), Nanne van Noord (University of Amsterdam, Netherlands Institute for Sound and Vision), Emily L. Spratt (Data Science Institute at Columbia University), Lauren Tilton (University of Richmond) et Timothy R. Tangherlini (University of California, Berkeley)

Nous croyons que les posters sont toujours une nécessaire et importante part de notre colloque; ainsi la session des posters est maintenue : ces derniers seront partagés sur le site web du colloque. Lors du colloque (17 au 20 novembre) les posters seront également partagés sur Twitter depuis le compte officiel @MESHS_Lille avec le hashtag #dhnord2020 : nous vous encoureagons à le suivre et à y interagir.

Les posters pourront notamment aborder les sujets suivants : usages de l’intelligence artificielle (notamment deep learning et machine learning) appliquée aux corpus d’images, enjeux de construction et de traitement de données, questions épistémologiques relatives à la sélection des corpus d’entraînement et à l’utilisation des outils, évolution historique du champ, renouvellement des questions de recherche, disponibilité des corpus, reproductibilité de la recherche et partage des modèles. L’invitation de conférenciers étrangers et la nécessité d’échanger sur nos travaux dans un contexte international implique que la langue utilisée pour les communications sera de préférence l’anglais. Les propositions peuvent être envoyées en français et en anglais.

Dû à ce colloque intégralement en ligne, le traditionel format potrait en grande taille laisse place à une présentation de votre recherche en quatre diapositives au format paysage. Veuillez noter que vos propositions doivent être le rendu final; il n’y aura pas de délai pour les révisions. Vous retrouvez des modèles (pour un usage sur Powerpoint ou Impress) ICI.

 Votre poster doit être soumis via le site https://dhnord2020.sciencesconf.org/

Calendrier :

11/09/2020: publication de l’appel

15/10/2020: date limite pour l’appel à communication

01/11/2020: réponse du comité scientifique aux auteurs

05/11/2020 : publication des posters sur le site de la MESHS

Direction scientifique : Clarisse Bardiot et Emmanuel Château-Dutier

Comité scientifique :

Elise Baillieul (ULille)

Clarisse Bardiot (UPHF, MESHS)

Emmanuel Château-Dutier (Université de Montréal, CRIHN)

Antoine Courtin (INHA)

Océane Delleaux (ULille)

Béatrice Joyeux-Prunel (Université de Genève)

Nicolas Hervé (INA)

Kristin Tanton (Université de Montréal, CRIHN)

Nicolas Thély (Université de Rennes, MSHB)

Bibliographie indicative :

Arnold, Taylor et Lauren Tilton. s. d. « Distant Viewing: Analyzing Large Visual Corpora ». Digital Scholarship in the Humanities. https://doi.org/10.1093/digitalsh/fqz013

Cardon, Dominique, Jean-Philippe Cointet et Antoine Mazières. 2018. « La revanche des neurones: L’invention des machines inductives et la controverse de l’intelligence artificielle ». Réseaux 211 (5) : 173. https://doi.org/10.3917/res.211.0173.

Drucker, Johanna. 2013. « Is There a “Digital” Art History? » Visual Resources 29 (1-2, Digital Art History). Routledge : 5-13. https://doi.org/10.1080/01973762.2013.761106.

Ellis, Margaret Holben et C. Richard Johnson Jr. 2019. « Computational Connoisseurship: Enhanced Examination Using Automated Image Analysis ». Visual Resources 35 (1-2, Digital Art History). Routledge : 125-140. https://doi.org/10.1080/01973762.2019.1556886.

Fyfe, Paul et Qian Ge. s. d. « Image Analytics and the Nineteenth-Century Illustrated Newspaper ». Consulté le 16 janvier 2019. https://doi.org/10.31235/osf.io/hwcpq.

Moretti, Franco et Leonardo Impett. 2017. « Totentanz. Operationalizing Aby Warburg’s Pathosformeln. Pamphlets 16 ». Literary Lab, Stanford.https://litlab.stanford.edu/LiteraryLabPamphlet16.pdf.

Joyeux-Prunel, Béatrice. 2010. L’art et la mesure : histoire de l’art et méthodes quantitatives. Actes de la recherche à l’Ens 5. Paris : Éditions Rue d’Ulm ; Presses de l’École normale supérieure.

Klinke, Harald et Liska Surkemper, éds. 2016. Visualising big image data. International Journal of Digital Art History.

Manovich, Lev. 2012. « How to Compare One Million Images? » Dans Understanding Digital Humanities, édité par David M. Berry, 249-278. London : Palgrave Macmillan UK. https://doi.org/10.1057/9780230371934_14.

Rodríguez-Ortega, Nuria. 2020.  « Image processing and computer vision in the field of digital art history. » Dans The Routledge Companion to Digital Humanities and Art History. Brown, Kathryn, éd. Routledge Art History and Visual Studies Companions. New York : Routledge.

Seguin, Benoit. 2018. « The Replica Project: Building a Visual Search Engine for Art Historians ». XRDS 24 (3) : 24–29. https://doi.org/10.1145/3186653.

Shen, Xi, Alexei A. Efros et Mathieu Aubry. 2019. « Discovering Visual Patterns in Art Collections with Spatially-consistent Feature Learning ». arXiv:1903.02678 [cs], mars. http://arxiv.org/abs/1903.02678.

Vane, Olivia. 2019. Timeline Design For Visualising Cultural Heritage Data. PhD Thesis, Innovation Design Engineering, Londres : Royal College of Art.

Wevers, Melvin et Thomas Smits. s. d. « The Visual Digital Turn: Using Neural Networks to Study Historical Images ». Digital Scholarship in the Humanities. https://doi.org/10.1093/llc/fqy085.

Vane, Olivia. 2019. Timeline Design For Visualising Cultural Heritage Data. PhD Thesis, Innovation Design Engineering, Londres : Royal College of Art.

Wevers, Melvin et Thomas Smits. s. d. « The Visual Digital Turn: Using Neural Networks to Study Historical Images ». Digital Scholarship in the Humanities. https://doi.org/10.1093/llc/fqy085.