Balayer couche par couche, lire ligne par ligne
En l’an 79, une éruption du Vésuve ensevelit la ville d’Herculanum sous les cendres volcaniques. Dans la cité, une bibliothèque privée — que la postérité appellera la « Villa des Papyrus » — abritait des centaines de rouleaux d’œuvres philosophiques et littéraires. Les gaz à haute température ont instantanément carbonisé ces rouleaux : ils ont été transformés en une structure de carbone pur, extrêmement fragile. Pendant deux mille ans, cet état de carbonisation a créé un paradoxe cruel : les rouleaux étaient conservés, mais ils se désintégraient au moindre contact.
Pour les lire, il fallait les détruire.
Le 25 juin 2026, l’équipe du Vesuvius Challenge a annoncé une nouvelle : le rouleau référencé PHerc. 1667 — appelé Scroll 4 en interne — a été intégralement « déroulé virtuellement » et lu du début à la fin. C’est la première fois dans l’histoire humaine que le contenu d’un rouleau carbonisé est restitué sans jamais le toucher.
En lisant cette nouvelle, ma première réaction a été le scepticisme : de l’encre au carbone sur du papyrus carbonisé — les rayons X distinguent à peine une différence de densité. Comment est-ce possible ?
Le cœur du problème : chercher du carbone sur du carbone
Pour comprendre ce projet, il faut d’abord saisir la difficulté technique fondamentale.
L’imagerie CT par rayons X conventionnelle repose sur les différences de densité ou de composition entre les matériaux pour produire du contraste. Une encre métallique sur du parchemin, riche en plomb, apparaît d’un blanc éclatant dans l’image CT. Mais les rouleaux d’Herculanum utilisent une encre au carbone — suie ou poudre de charbon de bois — tandis que le papyrus qui la porte a également été carbonisé par la chaleur volcanique jusqu’à une structure de carbone quasi pur. Les deux n’ont aucune différence significative de coefficient d’atténuation aux rayons X. Autrement dit, le scan CT produit une spirale grise uniforme ; l’œil humain ne peut distinguer où se trouve l’écriture.
C’est précisément la raison pour laquelle la communauté académique a longtemps considéré ces rouleaux comme « illisibles ». L’équipe de recherche écrit dans la page accompagnant l’article : « To read one was to destroy it. » Les tentatives de déroulement physique au XIXe siècle, en 1969 et dans les années 1980, ont effectivement détruit les couches externes de PHerc. 1667 : ce rouleau qui mesurait à l’origine 19 à 24 cm de hauteur n’en conserve plus qu’environ 8 cm au cœur.
Comment ils ont fait : du synchrotron au Machine Learning
L’ensemble du pipeline technique se décompose en quatre étapes. Aucune, prise isolément, n’est entièrement nouvelle ; mais les assembler en une chaîne d’ingénierie fonctionnelle constitue la contribution véritable de ce travail.
Première étape : l’acquisition de données de haute qualité. Le scan a été réalisé sur la ligne de faisceau BM18 de l’Installation Européenne de Rayonnement Synchrotron (ESRF) à Grenoble, avec un temps de faisceau complémentaire au Diamond Light Source au Royaume-Uni. BM18 exploite la source « Extremely Brilliant Source » récemment mise à niveau par l’ESRF, produisant un faisceau de rayons X alliant résolution spatiale et stabilité exceptionnelles. Il ne s’agit pas d’un CT ordinaire — la microtomographie à contraste de phase (phase-contrast microtomography) permet de capturer des frontières microstructurales invisibles en contraste d’absorption conventionnel. Le volume de données généré par un seul rouleau atteint 300 To. L’ESRF déclare officiellement qu’il s’agit du plus grand jeu de données jamais produit dans l’histoire de l’installation.
Qu’est-ce que cela signifie ? 300 To, ce n’est pas seulement « très gros ». Cela signifie que pour un rouleau d’environ 1,4 mètre de long, enroulé en couches serrées, la résolution du scan est suffisante pour distinguer chaque couche de la structure en spirale, fine comme une feuille de papier. Sans cette résolution, les étapes suivantes sont impossibles.
Deuxième étape : reconstruction géométrique et déroulement virtuel. Il s’agit de tracer la trajectoire en spirale des couches de papyrus dans les données volumiques 3D, puis de les projeter sur une surface 2D plane. Ce processus, appelé « virtual unwrapping », a été progressivement développé au cours des vingt dernières années par l’EduceLab dirigé par Brent Seales à l’Université du Kentucky. Identifier les frontières des couches de papyrus dans les données CT exige une annotation manuelle considérable — un membre de l’équipe a confessé dans les commentaires HN que ce travail est « extremely tedious and slow and error prone. » Ce que je vois ici, c’est le véritable goulet d’étranglement humain de l’ingénierie du pipeline : la qualité de l’annotation manuelle détermine directement la précision de la surface déroulée. Ce n’est pas un problème d’algorithme, c’est un problème de capacité d’annotation.
Troisième étape : la détection de l’encre. C’est le maillon le plus fragile et le plus fascinant de toute la chaîne. La surface 2D déroulée reste, à l’œil nu, presque vierge — il n’y a pas de contraste perceptible entre l’encre au carbone et le substrat carbonisé. Mais le processus d’écriture laisse des variations micrométriques de la morphologie de surface : la pointe comprime les fibres, l’encre pénètre dans les pores, le séchage crée une texture différente de la zone environnante. Ces différences de texture existent dans les données de contraste de phase sous forme de signaux extrêmement faibles — invisibles à l’œil humain, mais détectables par un modèle de ML correctement entraîné.
L’équipe a expliqué sur HN : « Most of the ink we have come across is carbon based. This leaves a certain texture on the scrolls that is recoverable and viewable with fairly basic physically based rendering. » Mais cela n’équivaut pas à « voir directement ». Le modèle apprend à partir de données annotées — en utilisant des fragments connus (dont la position de l’encre peut être confirmée par lumière visible/proche infrarouge) comme vérité terrain, le modèle apprend les motifs de signal aux positions correspondantes dans les données CT, puis extrapole vers l’intérieur des rouleaux fermés, où aucune autre méthode de vérification n’est possible.
Quatrième étape : transcription et validation par les papyrologues. La carte de probabilité d’encre produite par le modèle ML n’est pas équivalente à un texte lisible. La transcription finale est réalisée par des papyrologues professionnels — à partir des positions de traits suggérées par le modèle, ils déterminent les caractères les plus probables en s’appuyant sur la grammaire du grec ancien, les conventions d’écriture et les connaissances philologiques.
Ce qui a été lu
La partie conservée de PHerc. 1667 a livré environ 22 colonnes de texte grec. Il s’agit d’un traité de philosophie éthique. Le texte discute des concepts centraux du stoïcisme tels que l’« hormē » (impulsion) et la « phronēsis » (sagesse pratique). La dernière colonne mentionne « Aristocréon » (Aristocreon) — le neveu et disciple du maître stoïcien Chrysippe. La combinaison du style linguistique et du thème conduit les chercheurs à dater ce texte comme une œuvre stoïcienne du IIe siècle avant notre ère.
Le compte-rendu de l’ESRF note que la papyrologue Federica Nicolardi estime qu’il pourrait s’agir de l’un des rouleaux les plus anciens de la collection d’Herculanum — pouvant remonter au IIe siècle, voire à la fin du IIIe siècle avant notre ère.
Parallèlement, l’équipe progresse sur deux autres rouleaux. Sur PHerc. Paris 4 (Scroll 1), une résolution de scan plus élevée a rendu l’encre directement visible dans les données volumiques 3D, et les résultats de segmentation correspondent un à un avec les lectures du grand prix du Vesuvius Challenge 2023 — une validation indépendante. PHerc. 139, quant à lui, a vu son titre identifié : Philodème, Sur les dieux, Livre VIII (Philodemus, On Gods, Book 8) — l’œuvre d’un philosophe épicurien. C’est la première confirmation que Sur les dieux comporte au moins huit livres.
Trois rouleaux traités en parallèle, et non une percée isolée — ce fait est plus convaincant que la lecture d’un seul rouleau.
Ce qui se cache dans la boîte noire : les questions de la communauté HN
La question qui me préoccupe le plus : le modèle ML a-t-il réellement « vu » l’encre, ou l’a-t-il « devinée » ?
Le fil de discussion HN contient un échange d’une grande honnêteté. Un ancien participant au concours demande : « Le modèle peut-il halluciner des caractères, voire inventer des traces d’écriture ? »
Un membre confirmé de l’équipe Vesuvius répond (cité textuellement) :
« Yes, it’s quite possible for ML to hallucinate ink, though it is on a much more local scale, like predicting a slightly longer stroke, filling in more of a character than is actually in the data, etc. Perhaps enough to change a reading of a character or show where ink isn’t. »
En clair : oui, le ML peut produire des hallucinations d’encre, mais à une échelle locale — allonger légèrement un trait, remplir un caractère au-delà de ce que les données supportent. Ce degré de déviation peut suffire à modifier la lecture d’un caractère, ou à signaler de l’encre là où il n’y en a pas.
Il ajoute une précision cruciale : « It is difficult for ink detection to hallucinate grammatical and idiomatic Greek and Latin. » — un modèle de détection d’encre ne peut pas inventer de toutes pièces des passages en grec ancien ou en latin grammaticalement corrects et idiomatiques.
C’est l’une des auto-évaluations techniques les plus franches que j’aie jamais lues. Elle révèle deux choses. Premièrement, le modèle n’invente pas des passages entiers — les « conclusions d’ensemble » sur le contenu du rouleau reposent sur une base de fiabilité suffisante. Deuxièmement, à l’échelle du caractère individuel, l’incertitude est bien réelle. Pour reprendre le commentaire lapidaire de l’utilisateur HN « 167 » : « Bottom of the paper, in the appendix. Don’t expect much. They only got fragments of text with a lot of missing words. »
La source de la vérité terrain mérite également d’être interrogée. Le même membre de l’équipe explique que les données d’entraînement proviennent d’annotations manuelles — les annotateurs marquent manuellement, couche par couche, les frontières du papyrus et la position de l’encre. Il écrit : « Gathering ground truth is hard, and if you don’t have a lot of good ground truth, it doesn’t matter if your code is perfect, you’ll never get results. » Autrement dit : le plafond de qualité de la vérité terrain détermine le plafond de performance du système tout entier.
Ce point est particulièrement critique dans le domaine du patrimoine culturel. Contrairement à ImageNet qui dispose de millions d’échantillons annotés, l’échelle des données annotées pour les rouleaux carbonisés est limitée par le nombre fini de fragments connus et le coût extrêmement élevé de l’annotation manuelle. Ce que le modèle a appris, et ce qu’il a manqué — ces deux questions n’ont actuellement pas de réponse quantitative.
Un jugement d’ingénieur, pas une conclusion
Je vais tenter une évaluation lucide de ce projet, sans prendre parti, en me contentant de trier les faits et les jugements.
Le versant accomplissement : c’est la première lecture intégrale du texte d’un rouleau antique carbonisé par une méthode purement non invasive. Les données, le code et les résultats de transcription sont entièrement publics. Les moyens de validation incluent une correspondance un-à-un avec des données de scan indépendantes (PHerc. Paris 4) et un pipeline reproductible à travers plusieurs rouleaux. Sur les plus de 600 rouleaux d’Herculanum non ouverts, PHerc. 1667 n’est que le premier — mais le pipeline a prouvé qu’il fonctionne.
Le versant limites : la détection d’encre au carbone repose en principe sur des signaux de texture et non de densité, or les signaux de texture sont faibles, locaux et facilement pollués par le bruit. La sortie du modèle est une carte de probabilité. La transcription finale des papyrologues comporte elle-même une part d’inférence — en particulier sur l’allongement des traits ou les traits manquants, où le biais du modèle peut affecter la lecture de caractères individuels.
Je résumerais cette situation ainsi : la lecture est fiable à l’échelle du rouleau, mais la lecture à l’échelle du caractère laisse un espace raisonnable au doute. Ceci n’est pas une condamnation du travail. Bien au contraire : c’est précisément parce qu’ils ont ouvert leurs données et leur code que ce doute peut être spécifié et testé.
Si cette méthode peut se diffuser
Revenons à la perspective d’ingénierie. Le scan de 300 To et le pipeline de déroulement, détection et transcription qui suit sont actuellement réalisés sur des installations synchrotron parmi les plus avancées au monde. Mais BM18 n’a qu’une seule ligne de faisceau. Pour les plus de 600 rouleaux d’Herculanum encore scellés, si chaque rouleau doit suivre ce processus, les ressources critiques sont le temps de faisceau et la main-d’œuvre d’annotation (le scan lui-même est gratuit, attribué sur proposition académique).
La discussion HN a également abordé la question de savoir si « la technologie peut être utilisée pour d’autres contextes ». L’équipe répond prudemment, mais la direction est claire : tout texte fragile carbonisé, plié ou déformé au point de ne pouvoir être physiquement déroulé pourrait théoriquement bénéficier de ce pipeline. Les palimpsestes médiévaux, les documents d’archives incendiés, voire les tablettes de bambou carbonisées plus anciennes — ce sont des extensions naturelles.
La condition préalable : disposer d’un scan avec une résolution et un volume de données suffisants, et d’une équipe de personnes prêtes à annoter pixel par pixel la vérité terrain.
L’analyse ci-dessus est fondée sur les informations publiques et les discussions communautaires disponibles à ce jour. Les détails techniques sont basés sur le preprint officiel du Vesuvius Challenge et les réponses publiques des membres de l’équipe dans le fil HN.