##18 – l’archéologue augmenté : l’IA à la rescousse du passé

Les premiers curieux se regroupent devant Clothilde Zerbino (ingénieur d’études au CNRS) et Nicolas Herreyre pour discuter avec eux de datation carbone et de l’avancée de la recherche en archéologie grâce à la spectroscopie laser. © Vincent Noclin

Dans le cadre de la Fête de la science 2025, le Lugdunum Musées & Théâtres romains a été le décor d’animations et d’échanges autour de l’utilisation de l’intelligence artificielle (IA) pour explorer la Rome antique. Ici, pas de pinceau ni de pioche, mais des ordinateurs et des graphes pour nous faire découvrir comment les algorithmes aident les archéologues à donner du sens aux vestiges du passé.

D’un côté Nicolas Herreyre, doctorant en archéométrie au Laboratoire ArAr, évoque la spectroscopie laser pour dater les constructions romaines, une technique utilisée pour détecter des éléments présents dans les vestiges à l’aide d’un faisceau laser. De l’autre, Guilhem Turgis, géomaticien pour Archéodunum, une entreprise d’archéologie préventive, et son collègue Abdelhafid Ammari, data scientist nous parlent de cartographie et de statistiques. Ces méthodes servent à repérer des constructions aujourd’hui disparues à partir des traces laissées par leurs poteaux. Dans ces deux cas, l’intervention de l’IA se révèle un outil salutaire pour traiter les millions de données générées par le laser et pour tirer des informations à partir des points modélisant les traces de poteaux. Des actions qui, sans IA, nécessitent plusieurs mois de travail pour les chercheurs.

L’intelligence artificielle : un outil de choix

« L’objectif est clairement de gagner du temps », s’accordent les trois intervenants. Du côté de la spectroscopie laser, une technique qui implique l’interaction de la lumière laser avec la matière pour obtenir des informations sur la structure et les propriétés de divers matériaux, notamment les solides, les liquides et les gaz, l’intelligence artificielle a été entraînée pour traiter en continu chaque donnée générée par le laser et associer les éléments identifiés aux minéraux correspondants. Cela permet de donner des résultats quasi immédiats au chercheur. Pour la cartographie, l’IA fait plusieurs simulations grâce aux points modélisant les traces de poteaux et propose aux chercheurs différents plans d’architecture possibles avec des scores de fiabilité associés. Dans les deux cas, l’utilisateur garde la main sur les paramètres qu’il définit et peut les faire varier en fonction de ce qu’il ou elle recherche. Ces tâches, répétitives et chronophages deviennent de plus en plus optimisées et automatisées, ce qui permet aux chercheurs de mieux travailler.

Pas de solution miracle

Dans un contexte où l’IA se démocratise, la question devient inévitable : va-t-elle remplacer le chercheur ? L’occasion pour les intervenants de discuter des limites actuelles de l’intelligence artificielle : « [L’IA] apporte des solutions à un problème connu ». Le travail effectué vient surtout libérer du temps aux scientifiques et leur permettre de l’utiliser dans l’interprétation des résultats et leurs conclusions. L’idée est donc d’associer le meilleur des deux mondes : un outil qui traite et exécute au service d’un cerveau qui interprète et questionne.

Par Kevin Lalanne, étudiante en Master 1 Information et Médiation Scientifique et Technique, Université Claude Bernard Lyon 1, avec Pop’Sciences.