Traces dans le sable : l'IA met fin à des décennies de querelles entre paléontologues

La paléontologie a toujours un peu ressemblé à la lecture du marc de café, sauf qu'à la place de la tasse, vous avez un bloc de grès de plusieurs tonnes, et à la place du marc, un creux à peine visible laissé par la patte de quelqu'un il y a cent millions d'années. Rappelez-vous comment, enfants, nous essayions de deviner la forme des nuages. Les scientifiques font à peu près la même chose face aux traces fossilisées, appelées ichnites.

Le problème, c'est qu'un même dinosaure laisse des empreintes totalement différentes selon qu'il courait dans une argile visqueuse ou marchait sur du sable sec. Ajoutez l'érosion, la pression des couches sus-jacentes et le regard subjectif du chercheur, et vous obtenez la recette idéale pour des guerres scientifiques qui durent des décennies.

Un groupe de chercheurs allemands a décidé qu'il était temps d'en finir avec ce romantisme et d'introduire de la rigueur mathématique. Ils se sont tournés vers l'apprentissage profond pour systématiser une bonne fois pour toutes ce qui relevait jusque-là de l'intuition. Les scientifiques ont isolé huit traits typiques, sorte de « passeport numérique » de l'empreinte, qui comprend les angles précis des phalanges, le rapport entre la longueur des doigts et la profondeur de certaines zones de pression. Le cerveau humain a tendance à chercher des motifs familiers là où il n'y en a pas, mais le réseau de neurones est impartial. Il voit de la géométrie là où nous voyons simplement un trou dans la pierre.

Pourquoi est-ce important maintenant ? Nous en sommes au point où le nombre de fossiles découverts dépasse les capacités matérielles des scientifiques à les traiter. Dans les réserves des musées, des milliers de dalles à empreintes, classées « à l'œil » dès le siècle dernier, prennent la poussière. L'IA permet de réviser ces collections à grande échelle. Les premiers tests ont montré que l'algorithme peut distinguer des espèces de dinosaures même lorsque l'empreinte n'est que partiellement conservée. Cela ouvre la voie à une base de données mondiale où chaque nouvelle trace découverte sera comparée instantanément à toutes les découvertes connues sur la planète.

L'analyse des traces apporte ce que les os ne peuvent pas offrir : la dynamique. Un squelette nous dit à quoi ressemblait l'animal à sa mort. Une trace nous dit comment il vivait : à quelle vitesse il se déplaçait, s'il chassait seul ou en meute et comment il interagissait avec son environnement. Numériser cette information grâce à l'IA fait passer la paléontologie d'une discipline descriptive à une science des données exacte. Nous pouvons désormais modéliser la démarche des reptiles anciens avec une fidélité autrefois réservée aux spécialistes des effets spéciaux d'Hollywood, mais désormais adossée à des mathématiques rigoureuses.

Les sceptiques pourront bien sûr objecter que nous confions aux machines l'interprétation de notre passé. Mais l'ironie est ailleurs : les algorithmes que nous concevons pour piloter des voitures autonomes et reconnaître des visages sont ceux qui expliquent le mieux notre passé le plus lointain. Nous utilisons la technologie du futur pour enfin comprendre qui régnait sur cette planète bien avant le moindre signe d'intelligence humaine. Dans quelques années, il pourrait bien s'avérer que la moitié des pièces de vos musées préférés sont mal étiquetées, et il faudra réécrire les manuels.

L'essentiel : l'IA transforme la paléontologie en data science et écarte le facteur humain du processus d'identification. Sommes-nous prêts à voir les réseaux de neurones réécrire l'histoire des dinosaures ?