Guidé par les paroles de ceux qui racontent, le réalisateur parvient souvent à trouver la bonne distance avec les œuvres. Sa façon de saisir le geste de ceux qui dessinent, nettoient, transportent ou bricolent (belle scène de transformation d’une des pièces du musée) est aussi particulièrement juste. Mais lorsque ces “directions” que sont le mot et le geste disparaissent, le choix du plan rapproché sur les tableaux, qui met le cadre du tableau hors-champ, d’une durée quasi-invariable pose problème. Dans une interview accordée à Télérama, Frederick Wiseman déclare : « Je ne voulais pas que la peinture soit un simple objet ­accroché à un mur. J’ai respecté ce principe dans 85 % des cas, en filmant les toiles sans leur cadre. Le spectateur est plongé directement dedans, les tableaux paraissent plus ­vivants. Et je me suis autorisé à les filmer, par fragments, comme les épisodes d’un livre. Au risque de heurter, je ­dirais qu’on les voit presque mieux dans le film qu’au ­musée, où l’on est toujours distrait par plein de choses ! Une étude a été menée au musée d’Art moderne de New York, qui ­démontrait que la durée moyenne de vision d’un tableau était de… deux secondes ! Les grands tableaux réclament la même concentration qu’une lecture de poème. » La fragmentation permet certes une appréciation plus fine (un peu comme avec la série Palettes), mais celle-ci est aussitôt empêchée par la durée restreinte des plans (à peine supérieure aux deux secondes citées par le réalisateur). Alors que le spectateur s’est rendu disponible pour un documentaire de trois heures, le réalisateur ne lui offre jamais la possibilité d’une observation longue, directe et intime des œuvres.¹ Ce rendez-vous manqué du spectateur avec la peinture est d’autant plus regrettable que les différents professionnels intervenant dans le documentaire ne cessent d’interroger la notion de regard et de point de vue.

La priorité est ici donnée au rythme et au raccord regard entre le visiteur et le tableau. Et puisque la concentration est de mise face aux grands tableaux ; les visages de visiteurs sont invariablement fermés, hermétiques et figés. Ces visages pourraient eux-mêmes devenir des tableaux à lire, à décoder, mais là encore, le temps qui nous est donné ne suffit pas. Le spectateur doit donc se contenter de constater une certaine parenté – la fixité et l’anonymat²- entre celui qui regarde et l’objet regardé, car il ne peut participer à ce dialogue sans parole. La fin du film confirme d’ailleurs cette impossibilité du dialogue à trois : lorsque le mouvement de la danse s’empare de l’espace de la peinture, celui-ci s’adresse directement au spectateur de cinéma, le visiteur, lui, a disparu.