Claude déchiffre en 3 secondes ce que des archéologues cherchent depuis 50 ans

Le passé a toujours résisté à nos questions. Pas à celles des machines.

Des tablettes sumériennes vieilles de 5 000 ans. Des manuscrits brûlés à demi lors de l'éruption du Vésuve. Des inscriptions minoennes que personne, en un siècle de recherche, n'a réussi à lire. Ces mystères ont résisté aux meilleurs esprits de l'humanité — philologues, historiens, cryptographes. Puis les modèles de langage sont arrivés. Et certains de ces mystères ont commencé à céder.

Ce n'est pas de la science-fiction. C'est ce qui se passe maintenant, dans des laboratoires universitaires et des fouilles archéologiques du monde entier. L'intelligence artificielle ne remplace pas l'archéologue — elle lui donne une loupe que le XXe siècle n'aurait pas pu imaginer.

Le problème que les historiens n'osaient plus formuler

La recherche historique souffre d'un paradoxe silencieux : nous produisons plus de données que nous n'en traitons. Des millions de documents d'archives sont numérisés chaque année — actes notariaux, correspondances diplomatiques, registres paroissiaux, chroniques médiévales. Et pourtant, la majorité de ces textes restent non analysés, faute de temps, de main-d'œuvre ou de compétences linguistiques spécifiques.

Un seul chercheur peut lire, au mieux, quelques milliers de documents dans une carrière. Un modèle de langage en traite des millions en quelques heures. Ce n'est pas un détail — c'est un changement d'échelle qui redéfinit ce qu'il est possible de savoir sur le passé.

Déchiffrer l'indéchiffrable : les cas concrets qui font basculer les certitudes

Les parchemins d'Herculanum : lire l'illisible

En 2023 et 2024, le projet Vesuvius Challenge a mis en lumière ce que l'IA peut accomplir là où l'œil humain échoue. Des rouleaux de papyrus carbonisés lors de l'éruption de 79 après J.-C. — si fragiles qu'on ne peut les dérouler sans les détruire — ont été numérisés par tomographie. Des chercheurs ont ensuite entraîné des modèles d'IA à reconnaître des lettres grecques dans ces images tridimensionnelles chaotiques.

Résultat : plusieurs centaines de mots lisibles ont été extraits. Pour la première fois depuis 2 000 ans, des fragments de textes philosophiques épicuriens ont refait surface. Ce que des décennies de paléographie manuelle n'avaient pas réussi à produire, des algorithmes l'ont accompli en quelques semaines.

Le linéaire B et ses cousins non déchiffrés

Des équipes de chercheurs appliquent aujourd'hui des modèles de langage à des écritures non déchiffrées comme le linéaire A minoen ou le proto-élamite. L'approche : entraîner l'IA sur des systèmes d'écriture connus (le linéaire B, le cunéiforme), puis chercher des structures statistiques communes. Ce n'est pas une baguette magique — mais c'est une méthode systématique là où il n'existait que de l'intuition.

Les archives coloniales et l'histoire des sans-voix

Au-delà des civilisations antiques, l'IA s'attaque à des corpus plus récents mais tout aussi massifs. Des projets universitaires utilisent GPT-4 et des modèles spécialisés pour analyser des millions de registres d'esclaves, d'actes de naissance, de transactions commerciales coloniales. L'objectif : reconstruire des trajectoires de vie individuelles que l'historiographie traditionnelle avait effacées par simple manque de capacité de traitement.

Ce que l'IA fait — et ce qu'elle ne fait pas

Il faut être précis sur ce point, car la confusion entre capacité et omniscience est dangereuse. Voici ce que les modèles de langage apportent réellement à l'archéologie :

• Reconnaissance de patterns à grande échelle : détecter des récurrences stylistiques, lexicales ou structurelles dans des corpus gigantesques.
• Traduction et translittération assistées : proposer des hypothèses de lecture pour des scripts partiellement connus.
• Croisement de sources hétérogènes : connecter automatiquement des documents d'archives provenant de fonds différents, dans plusieurs langues.
• Datation et attribution stylistique : estimer l'époque ou la provenance d'un texte à partir de ses caractéristiques linguistiques.

En revanche, l'IA ne comprend pas le contexte culturel. Elle ne ressent pas le poids d'une découverte. Elle peut générer des erreurs plausibles avec une confiance déconcertante. L'archéologue reste le juge de dernière instance. L'IA est un collaborateur, pas un oracle.

Les implications pour la discipline — et pour nous tous

Cette transformation soulève des questions qui dépassent les cercles académiques. Si l'IA permet de lire des documents jusqu'ici inaccessibles, qui décide lesquels analyser en priorité ? Qui contrôle les biais des modèles entraînés principalement sur des langues européennes modernes ? Et que devient la valeur d'une expertise construite sur des décennies, quand une machine produit en heures ce qui demandait des années ?

Ces questions ne sont pas rhétoriques. Elles structurent déjà des débats dans les grandes institutions — la Bibliothèque nationale de France, le Smithsonian, le CNRS — qui intègrent progressivement ces outils dans leurs protocoles de recherche.

Le passé n'appartient pas qu'aux spécialistes

Ce qui se joue ici est plus large qu'une avancée technique. Pendant des siècles, l'accès à l'histoire profonde a été conditionné par des compétences rares — lire le grec ancien, maîtriser le latin médiéval, déchiffrer l'araméen. L'IA démocratise cet accès, lentement mais sûrement. Des historiens amateurs, des généalogistes, des étudiants peuvent aujourd'hui interagir avec des corpus qui leur étaient fermés.

Le passé résiste encore. Mais pour la première fois depuis longtemps, il commence à parler à ceux qui savent lui poser les bonnes questions — et les machines apprennent à en poser de meilleures chaque jour.

— Reservoir Live