« 19 décembre 1812, Java Government Gazette, troisième page, deuxième colonne : Le capitaine M— est en possession d’une grande curiosité, à savoir une pierre précipitée d’un nuage d’orage près du village de Cokurrgaum il y a trois jours (le 6 août). Elle pèse au moins quatre livres selon mon estimation, est très lourde pour sa taille car fortement imprégnée de fer, et recouverte d’une fine croûte noire, comme si de la poudre à canon avait explosé autour d’elle. Elle s’était enfoncée d’un pied dans le sol en terrain découvert. »
Ce court entrefilet, enfoui au cœur de la presse numérisée du début du XIXe siècle, a été tiré de l’oubli par un workflow d’IA exécuté localement. Si cette observation est formellement validée par les spécialistes, cette chute survenue près du village de Cokurrgaum, dans le Maharashtra (Inde), avancera de 26 ans le plus ancien enregistrement de chute de météorite dans cet État.
L’ingénieur logiciel Jesse Waites a déployé cette chaîne automatisée sur 4,35 millions de pages d’archives manuscrites de la Compagnie néerlandaise des Indes orientales (VOC) ainsi que sur deux siècles de journaux américains et néerlandais. Pour un humain lisant huit heures par jour au rythme de deux minutes par page, dépouiller un tel corpus exigerait environ 70 ans. Le laboratoire personnel de Waites a passé l’ensemble des documents en revue au cours d’une seule session nocturne de douze heures.
Le pipeline ne s’est pas arrêté là. Il a également exhumé la trace de trois rhinocéros morts durant leur transfert vers Ceylan, ainsi que trois éruptions volcaniques majeures totalement ignorées des catalogues vulcanologiques de référence. Cette recherche repose sur deux principes stricts d’ingénierie : vérifier d’abord les faits connus pour calibrer le système avant de traquer l’inconnu, et ancrer chaque découverte sur la numérisation haute résolution du document original.
Établir un groupe de contrôle avant de traquer l’inconnu
Lâcher des modèles de langage sur des millions de documents historiques à la recherche d’inédits expose inévitablement au piège des hallucinations. La mise en place de tests de référence préalables a constitué le rempart indispensable contre les faux positifs.
L’historien Benjamin Breen avait récemment utilisé Opus 5.5 pour retrouver, au sein des registres de la VOC, le journal de bord d’un équipage attestant la capture de dodos à l’île Maurice en 1615. Waites a d’abord reproduit cette découverte à l’identique afin de mesurer et d’ajuster les capacités de recherche de sa propre chaîne de traitement.
Dans un deuxième temps, le système a repéré avec succès le compte rendu de l’éruption de 1711 du volcan Awu, dans les îles Sangihe, extrayant le bilan précis de 138 victimes — une date et des chiffres qui concordent au jour près avec le catalogue du Global Volcanism Program de la Smithsonian Institution.
La réussite de ces tests de contrôle a validé l’hypothèse centrale : le pipeline possédait la précision requise pour extraire des faits historiques concrets à partir de correspondances personnelles éparses et les corréler avec les inventaires scientifiques modernes. C’est seulement après cette validation que la recherche de « candidats » inédits a pu débuter.
Maîtriser les coûts de calcul grâce à un pipeline de lecture à trois étages
En néerlandais du XVIIe siècle, le mot « rhinocéros » (rhinoceros) se déclinait sous une quinzaine d’orthographes différentes. Une simple recherche par mots-clés aurait laissé échapper la quasi-totalité des indices dès la première étape.
Waites a découpé les 4,35 millions de pages en 5,7 millions d’empreintes sémantiques. En générant des plongements vectoriels (embeddings), le système a projeté les fragments selon leur proximité conceptuelle, permettant aux quinze variantes graphiques de converger vers un même sous-espace vectoriel.
La difficulté majeure consistait à filtrer des faits vérifiables parmi des dizaines de milliers de correspondances sémantiques sans faire exploser la facture de calcul. Waites a donc conçu un pipeline de lecture étagé en trois niveaux. Le premier niveau a été confié à « Jev », un modèle décisionnel ultraléger et rapide de type « Système 1 », chargé de trancher des questions très ciblées (par exemple : « S’agit-il d’un animal réel ? Est-il sauvage ? Où se trouve-t-il ? »). Passer 59 000 mentions d’éléphants au crible de Jev n’a coûté que 3 dollars.
Seuls les extraits retenus par Jev étaient transmis au deuxième niveau, où Claude Haiku effectuait une lecture approfondie, traduisait le néerlandais d’époque et extrayait les dates et les lieux. Enfin, un agent Claude Code ouvrait les scans des manuscrits originaux pour confronter la transcription au texte source et vérifier l’absence de mention préalable dans les répertoires scientifiques spécialisés.
Trois rhinocéros morts sur la route de Ceylan
Le pipeline a reconstitué les péripéties d’un revers de la diplomatie animale au XVIIIe siècle. En 1738, la VOC captura un rhinocéros de Java dans les forêts entourant Batavia pour en faire présent au roi de Kandy, souverain du royaume des hauts plateaux sri-lankais, dont la bienveillance garantissait le commerce de la cannelle.
Le rhinocéros traversa l’océan Indien jusqu’à Colombo mais ne parvint jamais jusqu’aux montagnes de Kandy. Dans les livres de comptes de la Compagnie de 1740, à la rubrique De Paardenstal (« l’écurie »), figure une ligne de perte : « Déficit de 1 rhinocéros, mort dans l’écurie en l’an 1738 ». Le gouverneur de Colombo fit part de cette disparition soudaine à Batavia et fit ajouter un cheval de selle persan aux présents royaux pour compenser la perte.
Figure : Numérisation de la page manuscrite originale mentionnant les rhinocéros dans les archives de la VOC. Source : Archives nationales des Pays-Bas (Nationaal Archief).
Le 5 juillet 1740, le navire Loverendaal quitta Batavia pour Ceylan avec à son bord deux nouveaux rhinocéros, un mâle et une femelle. Trois jours après l’appareillage, le mâle mourut ; dix jours plus tard, la femelle (‘t wijfje) succomba à son tour. Les officiers du bord et le maître d’équipage comparurent devant le tribunal de Colombo et prêtèrent serment, maintenant leur déposition mot pour mot sans y apporter la moindre modification.
Les instructions adressées par le gouverneur à ses envoyés auprès du roi de Kandy témoignent d’un réel embarras diplomatique. Il fit expédier plusieurs porcs hollandais (un jeune verrat et deux truies) et annonça avec « un regret particulier » la mort en mer des deux pachydermes. Trois ans plus tard, la cour de Ramnad dans le sud de l’Inde demanda d’un ton pressant « qu’un jeune rhinocéros lui soit envoyé, à l’instar de ce qui avait été fait pour le roi de Kandy ». Le présent qui n’était jamais arrivé à destination s’était mué en instrument de marchandage géopolitique.
Trois éruptions volcaniques absentes du catalogue de la Smithsonian
D’autres découvertes candidates ont mis en lumière des angles morts dans les bases de données géologiques contemporaines. Outre la météorite recouverte d’une croûte noire — dont l’absence a été constatée dans l’inventaire historique de Chladni de 1819, les registres du British Museum et le Meteoritical Bulletin actuel —, le système a déniché des récits circonstanciés de trois éruptions volcaniques.
La première concerne l’éruption du Gamkonora le 3 février 1722. Dans un courrier du 7 juillet de cette même année, le gouverneur de Ternate joignit le rapport d’inspection du sergent-cartographe Jacob Engels, décrivant la montagne littéralement « éventrée par l’explosion ».
Figure : Lettre manuscrite en néerlandais datée du 7 juillet 1722 en provenance de Ternate, source du récit de l’éruption du Gamkonora. Source : Archives nationales des Pays-Bas (Nationaal Archief).
La deuxième relate l’éruption du Ciremai, dans l’ouest de Java, au début de 1712. Pendant plusieurs semaines, d’épaisses fumées s’élevèrent « sans flammes visibles », déposant un mince voile de cendres bleu-gris sur les terres du sud-est. Les registres décrivent des récoltes dévastées et du bétail refusant de paître l’herbe souillée de cendres, tandis que les dignitaires locaux se souvenaient d’un phénomène similaire dans le passé. La troisième correspond à l’activité anormale du Slamet, dans le centre de Java, en février 1780, décrit comme « l’ancienne montagne en feu de Tegal » brûlant avec une violence « dont personne ici n’a souvenir ».
Figure : Extrait de la Java Government Gazette du 19 décembre 1812 (p. 3, col. 2), reproduisant le récit de la chute de météorite du capitaine M paru dans la Bombay Gazette du 26 août 1812. Source : Delpher / Bibliothèque nationale des Pays-Bas.
En recoupant ces données avec le répertoire actuel de la Smithsonian, Waites a constaté que ces trois éruptions, pourtant attestées et couchées sur le papier par des témoins directs, étaient absentes des registres modernes depuis trois siècles. Pour l’heure, ces signalements restent classés comme « découvertes candidates ». Waites a pris contact avec des conservateurs de météorites, l’historien Kees Rookmaaker et des volcanologues en vue d’une évaluation par les pairs.
Échec sur l’éruption mystère de 1809 : la certitude d’une page blanche
Bien que le dispositif ait mis au jour de nombreuses pistes solides, il ne saurait tout résoudre. Lorsque Waites a tenté d’élucider le mystère de la grande éruption « inconnue » de 1808/09, le système n’a rien trouvé.
Les carottes glaciaires indiquent qu’une éruption majeure s’est produite vers 1808–1809, l’une des plus colossales des cinq derniers siècles, sans que son emplacement exact ait jamais pu être localisé. Waites a mobilisé l’ensemble du pipeline pour analyser la presse américaine et néerlandaise, les journaux de bord, les périodiques coloniaux d’Amérique du Sud et l’intégralité des 633 articles du tout premier journal de Batavia. Le résultat fut le néant absolu.
Cet échec apporte pourtant une certitude précieuse du point de vue de l’ingénierie. Dans la mesure où la même chaîne de traitement a parfaitement identifié les éruptions de l’Awu, du Gamkonora et du Ciremai, cette absence totale de résultat signale un fait objectif très probable : personne, dans les régions couvertes par ces archives, n’a consigné d’anomalie céleste en 1809. Le meilleur espoir restant réside désormais dans les 1 235 journaux de bord manuscrits de la VOC qui n’ont pas encore été transcrits.
Waites a publié ce flux de travail sous la forme d’une boîte à outils open source baptisée Antiquity. Cette expérimentation met en lumière une réalité simple mais profonde : Breen et lui ont exploré le même corpus d’archives. Breen y est entré avec l’intention de trouver des dodos et en a rapporté un témoignage de 1615 ; Waites y est entré en quête de météorites et d’éruptions oubliées, et en a extrait des pierres noires et des volcans dévastés.
Des millions de pages d’archives dorment dans un silence absolu. Une archive ne parle jamais d’elle-même : elle ne répond qu’aux questions précises qu’un ingénieur a eu la curiosité de lui poser.
Liens de référence :
- I pointed AI at 400 years of archives
