Techniques informatiques précoces

Les origines de l'archéologie computationnelle remontent au milieu du XXe siècle, lorsque les archéologues ont commencé à collaborer avec des informaticiens et des statisticiens.Avant l'ère des ordinateurs personnels, les chercheurs s'appuyaient sur des machines à ordinateur central – souvent hébergées dans des centres de données universitaires – pour automatiser les tâches auparavant exécutées à la main. Au cours des années 1960, le système Borden au Canada était numérisé pour gérer les dossiers des sites, mais la véritable percée s'est produite avec l'application de méthodes quantitatives.

L'un des premiers projets les plus influents a été l'excavation à Teotihuacan au Mexique, où les chercheurs ont utilisé des ordinateurs centraux pour analyser la distribution des types de céramiques dans le centre urbain massif. De même, au Royaume-Uni, les travaux de David L. Clarke et d'autres sur ce qu'ils ont appelé -l'archéologie mathématique - ont introduit l'analyse des grappes et l'analyse des composantes principales pour classifier les artefacts et les assemblages. Ces méthodes, quoique brutes par les normes actuelles, ont montré que le calcul pouvait traiter de grands volumes de données rapidement et objectivement. Pourtant, de nombreux archéologues sont restés sceptiques de remplacer la typologie qualitative par une classification par algorithme, une tension qui persiste dans certains coins de la discipline.

Au-delà de la simple conservation des documents, ces nouveaux outils informatiques permettaient aux archéologues de poser de nouvelles questions. Par exemple, la sériation, l'ordre des artefacts par changement stylistique au fil du temps, pouvait maintenant être automatisée en utilisant des algorithmes, libérant les chercheurs pour se concentrer sur l'interprétation. La technique Brainerd-Robinson, développée dans les années 1950 et plus tard informatisée, fournissait une mesure statistique de similitude entre les assemblages, permettant une comparaison plus rigoureuse des sites.À la fin des années 1970, des logiciels spécialisés comme SYSTAT et SPSS[ ont commencé à apparaître dans les départements d'archéologie, donnant aux chercheurs accès à des statistiques multivariées sans avoir besoin d'écrire leur propre code.

Développement des systèmes d'information géographique

Lorsque les systèmes d'information géographique sont devenus accessibles aux archéologues dans les années 1980, la discipline a subi un changement de paradigme, plutôt que de simplement tracer les emplacements des sites sur des cartes papier, les chercheurs pouvaient maintenant intégrer des couches environnementales telles que l'altitude, les types de sol, l'hydrologie et la végétation. La capacité de superposer ces données a permis d'effectuer des analyses sophistiquées des modèles de peuplement, de l'approvisionnement en ressources et de la gestion du paysage.

Les archéologues ont commencé à créer des modèles prédictifs pour des régions entières, comme le Ceder Mesa Project[ en Utah, où le SIG a été utilisé pour cartographier les établissements de Puebloan. Ce travail a démontré comment des variables environnementales comme la distance vers les terres arables, l'altitude et la capacité du sol pouvaient prédire avec précision la densité du site. Aujourd'hui, le SIG est devenu la norme tant dans les travaux de terrain que dans la gestion du patrimoine.Les fichiers de sites dans de nombreux pays sont maintenant stockés dans des registres nationaux de l'environnement historique auxquels on accède via des interfaces SIG. Par exemple, le National Monuments Record[ au pays de Galles utilise le SIG pour gérer plus de 80 000 sites, et des systèmes similaires existent en Angleterre, en Écosse et en Irlande.

Au-delà de la modélisation prédictive, le SIG permet une analyse des chemins à coût le plus faible, qui reconstitue les routes anciennes basées sur les dépenses énergétiques en terrain. Cette technique a des réseaux commerciaux éclairés, tels que le système routier Chacoan[ dans le sud-ouest américain, où des routes droites ont relié de grandes maisons à travers des centaines de kilomètres de terrain accidenté. L'analyse des schémas de points au sein du SIG permet aux archéologues de tester des hypothèses sur le regroupement, que certains types de sites forment des schémas réguliers ou des distributions aléatoires. Plus récemment, 3D Le SIG[ intégré à la modélisation voxel a été utilisé pour analyser la couche de dépôts stratifiés par couche, en préservant le contexte tridimensionnel de chaque artefact.

Statistiques spatiales et archéologie du paysage

Le mariage du SIG avec les statistiques spatiales a donné lieu à un sous-champ parfois appelé archéologie des paysages. Des techniques comme La fonction K de Ripley et estimation de la densité du noyau permettent aux chercheurs de quantifier les patrons spatiaux au-delà d'une simple inspection visuelle. Par exemple, des études de camps militaires romains en Allemagne ont utilisé ces méthodes pour montrer que les forts étaient espacés à intervalles réguliers, conformément à une marche d'une journée. De même, l'analyse des monticules funéraires dans l'âge du bronze Scandinavie a révélé que leur emplacement suit souvent des lignes de crête visibles, suggérant un effort délibéré pour marquer le territoire. Ces aperçus seraient presque impossibles à obtenir sans analyse spatiale computationnelle.

Emergence de la modélisation et de la visualisation 3D

Les plans traditionnels dessinés à la main et les dessins de section ont été complétés — et parfois remplacés — par la photogrammétrie et la numérisation au laser. La photogrammétrie utilise des photographies numériques qui se chevauchent pour générer des nuages de points et des mailles texturées. Des logiciels open-source comme Meshroom[ et des paquets commerciaux comme Agisoft Metashape[ ont considérablement réduit les coûts, rendant la technologie accessible même aux plus petits projets de terrain. Un projet phare était la documentation 3D de la Cathédrale de Saint Andrew à Wells, en Angleterre, où un modèle numérique complet a été utilisé pour la planification de la conservation.

LiDAR a révolutionné l'archéologie du paysage. Les scanners LiDAR aéroportés tirent des millions de impulsions laser par seconde, pénétrant la couverture forestière dense pour révéler des caractéristiques cachées en dessous. Les travaux de l'Initiative Pacunam LiDAR au Guatemala ont renversé des décennies d'hypothèses sur la civilisation maya en révélant des terrasses agricoles massives, des routes et l'expansion urbaine. Les données, traitées par calcul, ont montré que les populations mayas étaient beaucoup plus denses et leur paysage plus profondément modifié que prévu.

Au-delà de l'enregistrement, les modèles 3D permettent la restauration virtuelle et la recontextualisation. Au British Museum[, un relief assyrien fragmenté a été assemblé numériquement en utilisant des scans 3D et des algorithmes qui ont adapté les surfaces de fracture. L'engagement public a également profité : les musées partagent maintenant des modèles 3D en ligne via des plateformes comme Sketchfab[ et MorphoSource[, permettant à quiconque d'explorer les artefacts de manière interactive. L'application de réalité virtuelle[ et réalité augmentée[[[[L'expérience]Stonehenge VR[L'expérience] permet aux utilisateurs de parcourir le monument à différentes périodes historiques, tandis que les applications AR permettent aux visiteurs de voir des

Photogrammétrie en pratique sur le terrain

Aujourd'hui, même les petites équipes d'excavation capturent régulièrement des ensembles de données structuraux de mouvements. Une approche typique consiste à prendre des centaines de photos sous plusieurs angles, à les traiter dans le logiciel SfM et à produire un modèle de surface numérique avec une résolution de sous-centimètre. Ce disque devient inestimable pour une analyse ultérieure, surtout si l'excavation est destructrice.Les vitesses de documentation ont été multipliées par dix par rapport au dessin manuel.Le Molyneux Project en Irlande a utilisé SfM pour enregistrer une maison ronde de l'âge du bronze; le modèle qui en a résulté a permis à l'équipe de simuler les conditions d'éclairage en fonction de l'angle du soleil au solstice d'été – quelque chose d'impossible avec des plans traditionnels.

Scannage laser et balayage de lumière structuré

Bien que la photogrammétrie excelle dans la capture de la couleur et de la texture, la numérisation laser[ et la numérisation de la lumière structurée[ offrent une précision géométrique supérieure pour les petits objets et les caractéristiques architecturales.Les scanners laser terrestres peuvent capturer des millions de points par seconde, produisant des nuages à points denses qui sont précis à l'intérieur de millimètres.L'organisation CyArk[ a utilisé la numérisation laser pour documenter des centaines de sites patrimoniaux à risque dans le monde entier, y compris les Bamiyan Buddhas[ en Afghanistan avant leur destruction.Les scanners de lumière structurés, qui projettent des motifs sur les surfaces et mesurent la déformation, sont idéaux pour enregistrer de petits artefacts tels que des outils de silex, des sherds en poterie et des inscriptions.

Tendances actuelles et orientations futures

L'archéologie computationnelle se caractérise aujourd'hui par l'intégration de apprentissage automatique[, de grandes données[, et détection d'une distance à une échelle sans précédent. Des modèles d'apprentissage profond sont appliqués pour classer les sherds céramiques à partir de photographies, identifier les types d'outils lithiques et même détecter les structures enfouies dans l'imagerie satellitaire. Par exemple, le défi SpaceNet utilise des données radars satellites pour trouver des caractéristiques archéologiques subsurface dans les régions arides.

Les données de grande taille en archéologie se réfèrent à des ensembles de données trop importants pour l'analyse traditionnelle des feuilles de calcul—les nuages de points LiDAR à l'échelle des octets, des millions d'enregistrements d'artefacts numérisés provenant de décennies de projets de gestion des ressources culturelles ou de bases de données massives de dates radiocarbonées. Des projets comme tDAR[ et Open Context visent à rendre ces données accessibles au public et FAIR. Les ontologies informatiques, telles que CIDOC-CRM[, permettent l'intégration de bases de données de différentes langues et de conventions d'excavation. L'analyse des réseaux, alimentée par de grands ensembles de données, est devenue une méthode clé pour étudier la connectivité ancienne, en analysant tout depuis les itinéraires commerciaux des navires de poterie jusqu'à la diffusion de l'iconographie religieuse.

Une autre frontière est la modélisation basée sur l'agent[, où les archéologues simulent le comportement des agents individuels au cours du temps dans un paysage virtuel.Le Projet d'écodynamique des villages[ dans le Sud-Ouest américain a modélisé des milliers d'années de dynamique démographique de Puebloan, comparant les schémas simulés de peuplement à la répartition réelle des sites archéologiques.En modifiant des variables telles que le climat, les terres arables et les règles sociales, les modèles ont aidé à expliquer pourquoi certains villages ont été abandonnés.

À mesure que la puissance calculatrice augmente, les jumeaux numériques[ des paysages archéologiques émergent – des modèles en temps réel et continuellement mis à jour qui intègrent des données de drones, de capteurs au sol et de cartes historiques.Le projet CaSEs a créé un jumeau numérique vivant d'une ville portuaire romaine en Tunisie moderne, permettant aux chercheurs de simuler les inondations et l'érosion au cours des siècles.Ces outils soutiennent non seulement la recherche mais aussi les décisions de gestion du patrimoine, comme par exemple, où privilégier le renforcement contre l'élévation du niveau de la mer.

Impact sur l'éducation et la préservation

Les écoles peuvent explorer une réplique imprimée en 3D d'un ancien krater grec ou analyser la stratigraphie dans un environnement semblable à un jeu appelé Archeodidact qui simule les fouilles. Les écoles de terrain virtuelles sont devenues courantes, surtout depuis la pandémie de COVID-19, permettant aux élèves de participer à des fouilles à distance par webcams et photogrammétrie en direct.Ces outils réduisent les obstacles à l'entrée, permettant la participation des étudiants qui ne peuvent pas se rendre sur les sites d'excavation en raison de coûts, de handicaps ou d'autres contraintes.L'augmentation de l'accès libre à l'édition et aux dépôts de données a également nivelé le domaine des chercheurs dans les pays en développement, qui peuvent maintenant accéder à des ensembles de données et des outils analytiques qui étaient autrefois limités aux institutions riches.

La conservation a été également transformée. Des analyses laser des grottes Lascaux en France permettent désormais une surveillance détaillée de la croissance fongique sans toucher les murs, aidant les conservateurs à protéger les fragiles peintures paléolithiques. Une archive 3D complète du Manhyia Palace Museum[ au Ghana protège contre les pertes potentielles du feu ou de la guerre. L'organisation CyArk a enregistré numériquement des centaines de sites patrimoniaux à risque dans le monde entier, mettant les données à disposition pour la conservation et la recherche. Dans les zones de conflit, l'imagerie satellitaire et le pillage de la piste d'apprentissage automatique en temps quasi réel – par exemple, en analysant les dommages causés aux villes anciennes comme Palmyra en Syrie. Ces efforts, souvent appelés cyber-archéologie[, l'informatique mixte, l'éthique et la protection du patrimoine.

Conclusion

[La technologie ne remplace pas le processus scientifique central : travail de terrain, raisonnement et interprétation. Au lieu de cela, le calcul amplifie la perspicacité humaine, nous permet de voir des modèles dans des données complexes et de tester des hypothèses qui seraient impossibles à exécuter dans le monde réel. Comme le matériel devient moins cher et le logiciel plus puissant, l'avenir verra une intégration encore plus étroite des capteurs temps réel, des bases de données en nuage et des plateformes collaboratives. La prochaine génération d'archaéologues fonctionnera probablement dans des environnements où les algorithmes suggèrent des stratégies d'excavation et des modèles prédictifs guident les décisions de gestion du patrimoine. En embrassant ces outils tout en maintenant la rigueur critique, le domaine offrira une vision plus approfondie de la documentation numérique.