Axe transversal : Arch-AI-Story

De l’objet au système : potentiel des mathématiques appliquées et de l’IA pour l’Archéologie et l’Histoire

Direction : Isabelle Théry-Parisot

Traitement de données d’imagerie à haute résolution (2D, 3D, MEB, Tomographie) pour la caractérisation d’objets à différentes échelles : potentiel des mathématiques appliquées et de l’IA pour l’Archéologie et l’Histoire.

Objectifs scientifiques

  • Elever le potentiel interprétatif des données historiques et archéologiques par une démarche méthodologique renouvelée basée sur l’intelligence artificielle et les mathématiques appliquées ;
  • Rendre disponible des jeux de données originaux (hétérogènes, lacunaires, discontinus, biaisés..) aux communautés IA pour leurs propres développements.

Le projet porte sur des données d’imagerie à haute résolution (2D, 3D, MEB, Tomographie) pour la caractérisation d’« objets » à différentes échelles : peintures murales, manuscrits, archives archéologiques d’origine biologique (bois, graines, ossements) et géologiques (silex, céramiques), principalement.

Les objectifs sont :

  • D’automatiser l’identification des vestiges en déployant des algorithmes de reconnaissance de forme et de classification basés sur des apprentissages supervisés et non supervisés, par exemple ;
  • De permettre l’identification d’ « objets » qui ne serait pas possible sans le recours à des algorithmes (par ex. combien d’artistes ont dessiné les lions de la grotte Chauvet).

Structuration

Le projet est structuré autour de 4 ateliers thématiques pilotés par un binôme interdisciplinaire :

  • Atelier 1. Evolutext, Zucker (CEPAM), Michel (Inria)
  • Atelier 2. Imag’IN, Calatroni (I3S), Dessì (CEPAM)
  • Atelier 3. TRAD-IA, Binder (CEPAM), Leblond (Inria)
  • Atelier 4. ArchéoBIO, Bec (CEMEF)/Théry (CEPAM)

Et 3 tâches :

  • Tâche 1 : Cartographie des jeux de données / Définition des modalités de standardisation des corpus /Création de banques de données spécifiques/
  • Tâche 2 : Adaptation et développement des algorithmes de machine learning /modélisation/simulation.
  • Tâche 3 : Retour sur les corpus et réinterprétation des jeux de données historiques et archéologiques.

Interdisciplinarité

Le projet s’inscrit dans une interdisciplinarité vraie au sens où les recherches sont pensées comme faisant avancer conceptuellement et pratiquement tant le champ des sciences archéologiques, historiques et textuelles, que ceux relevant des mathématiques et de l’intelligence artificielle.

Il regroupe 40 collaborateurs et 8 unités de recherche relevant de 9 des 10 instituts du CNRS : I3S (INS2I), LEAT (INSIS), LJAD (INSMI, INP, INSIS), CEMEF (INSIS, INC), LOV (INSU INSB, INEE), IPMC (INSB), LP2M (INSB), CEPAM (INEE, InSHS) ainsi que le centre Inria Sophia Antipolis Méditerranée.

Financement Idex UCA Jedi