Du 13 au 17 novembre 2023, le Centre archéologique européen de Bibracte accueillait 6 étudiants parisiens (Licence 2, Master 1 et Master 2), dans le cadre d’un workshop autour de la numérisation 3D et de l’intelligence artificielle (IA). Ce stage était piloté par Josef Wilczek, docteur de l’Université de Bourgogne et de l’Université Masaryk à Brno, Maître de conférences en archéologie numérique à Sorbonne Université / Centre André Chastel (Paris), où il poursuit ses recherches sur le machine learning, le deep learning et l’archéologie numérique.

L’atelier, partagé entre théorie et pratique, s’inscrivait dans les différents projets engagés depuis quelques années par Bibracte autour du numérique, de ses potentialités scientifiques à la diffusion du savoir.

Les enseignements de Josef Wilczek se sont articulés en plusieurs axes interdépendants, à partir d’un corpus provenant du site archéologique de Bibracte (mobilier issu des fouilles en co-direction avec Tomasz Bochnak, mais aussi de ce dernier avec Gilles Hamm, de 2013 à 2023).

Un premier jalon était l’initiation au logiciel DACORD, que Josef Wilczek a développé dans le langage de programmation libre R (passage prochain en C++), adapté aux statistiques et à la science des données (data science). Celui-ci permet un traitement automatique rapide d’importants corpus archéologiques, notamment le mobilier céramique. Les tessons peuvent être orientés, dessinés en 2D (dessin linéaire et photographie), mesurés et calculés (diamètres, volumes, pourcentages conservés du récipient…), tandis que les artefacts auxquels ils appartiennent peuvent être caractérisés typologiquement et reconstitués. Cette phase d’acquisition de données métriques et de dessins techniques est un besoin fondamental, ordinairement chronophage pour le céramologue.

Le second jalon était la formation au logiciel RACORD, qui permet l’identification automatique de la meilleure analogie d’un tesson céramique (bord, panse, fond) dans une base de données référentielle en utilisant diverses méthodes morphométriques. L’objectif est de pouvoir reconnaître plus rapidement un tesson ou un ensemble de fragments et de l’attribuer à une typo-chronologie en particulier.

Le troisième jalon portait sur le traitement des surfaces (le revêtement des poteries, qui permet une première classification en fonction de la nature et de la couleur de la pâte, conditionnée par les usages qui en sont faits) à partir de fac-similés et de photographies (400 à 500 exemplaires). Cette étape en est encore au stade de la preuve de concept. Elle recourt au deep learning et ambitionne de classer automatiquement des surfaces de céramiques.

Le quatrième jalon, qui n’en est qu’à ses prémisses, vise à identifier les textures des pâtes – les argiles et leurs inclusions – au niveau macroscopique et microscopique. Ces dernières sont fonction des ateliers de production et nourrissent les débats entre céramologues autour des approvisionnements en matières premières.

Tous les outils développés par Josef Wilczek visent à dessiner, reconnaître et classer des artefacts en fonction d’une collection de référence préalablement étudiée pour assister les archéologues dans cette phase de travail. Tous les outils sont disponibles en open source sur une plateforme de partage de logiciel.