Postée il y a 6 jours
Contexte scientifique
L’anthracologie est une méthode d’étude robuste des peuplements forestiers et de leurs transformations sous l’effet des changements climatiques ou des pratiques humaines, mais aussi des usages du bois comme combustible et comme matériau. Cette méthode repose sur l’identification botanique de larges corpus de bois et de charbons de bois conservés dans les sites archéologiques. Elle est fondée sur une lecture visuelle ou morphométrique, en microscopie, de la structure anatomique du bois, préservée grâce à la carbonisation. La qualité des travaux repose sur la capacité des chercheurs à identifier les taxons. Si l’expertise du spécialiste reste opérante pour l’identification d’une majorité de taxons, la proximité anatomique de certaines essences reste un verrou pour l’identification d’autres taxons à forte valeur informative. En recourant aux dernières avancées et développements de la recherche en IA, et à de nouveaux développements, l’objectif du projet AI-WOOD est de proposer, via des modèles d’apprentissage, un outil d’aide à la décision pour l’identification de taxons pour lesquels les méthodes classiques sont inopérantes alors même que les enjeux archéologiques et paléo-environnementaux associés à leur identification sont nombreux (principalement Gymnospermes, Ericacées et Rosacées). En autorisant l’identification de taxons clés, le projet apportera des informations inédites sur l’évolution des peuplements forestiers et de leurs usages, du Paléolithique au sub-actuel. À l’issue du projet, une banque d’images labélisées libre de droits ainsi qu’une interface inter-opérable seront mises à la disposition de la communauté science du bois au sens large. Elle pourra également trouver des applications dans l’industrie pour la reconnaissance des essences.
Missions :
La/le candidat·e devra être anthracologue, et être capable d’appréhender les principes du machine learning, sans pour autant en maîtriser les aspects techniques et/ou liés à la recherche fondamentale. Elle/il participera aux deux phases du projet :
Phase 1) données d’apprentissage : Elle/il travaillera en étroite collaboration avec l’équipe IA d’Inria, et plus particulièrement avec le doctorant chargé du développement de l’algorithme à partir de la base de données d’apprentissage (images de bois actuels). Ensemble, ils définiront les spécificités liées à l’anatomie du bois (notamment la taxonomie, les zones d’intérêt anatomiques, ainsi que la nature et la qualité des images).
Phase 2) La/le post-doctorant·e participera activement à la phase de test portant sur des charbons de bois archéologiques issus de sites européens, couvrant une chronologie allant du Paléolithique au Moyen Âge. L’accent sera mis sur des taxons tels que les gymnospermes, les éricacées et les rosacées, collectés (sous forme d’images ou d’échantillons à photographier) auprès des membres du projet. Il/elle évaluera la pertinence des attributions taxonomiques proposées par l’algorithme et formulera, sur cette base, des propositions d’identification et d’interprétation archéobotanique.
Placé.e sous la responsabilité d’Isabelle Théry-Parisot, porteuse du projet, l’activité du/de la post-doctorant·e s’inscrira dans le cadre de l’ANR AI-WOOD. Elle/il sera accueilli·e au CEPAM, à Nice, au sein de l’équipe IAMAHA et participera activement aux réunions et activités de terrain.
Date de prise des fonctions : entre le 15/07/2025 et le 15/09/2025
Règles de sécurité et d'hygiène applicables aux activités d'observation anthropologique en laboratoire et de prélèvements/identifications sur le terrain
Règles de sécurité et d'hygiène applicables aux activités d'observation anthropologique en laboratoire et de prélèvements/identifications sur le terrain