Résumé Technique : Vers une Paléographie Chinoise Computationnelle

1. Énoncé du Problème

La paléographie chinoise, l'étude des anciens systèmes d'écriture chinois (allant des inscriptions sur os oracle aux écritures cursives de la dynastie Han), fait face à un paradoxe de l'« âge d'or » : une explosion de la quantité de matériaux mis au jour a dépassé la capacité de la recherche manuelle traditionnelle. Le domaine est caractérisé par trois goulots d'étranglement primaires :

• Échelle et Fragmentation : Les artefacts mis au jour sont souvent physiquement fragmentés, incomplets et bruités. Le volume considérable de matériaux rend la collation exhaustive, le réassemblage des fragments et la transcription par des moyens manuels de plus en plus impraticables.
• Complexité du Déchiffrement : Le défi intellectuel central réside dans le déchiffrement des caractères non déchiffrés. Contra�irement aux écritures phonographiques où la restauration peut être formulée comme une modélisation de séquence, l'ancien chinois est un système logographique (morpho-syllabique). Le déchiffrement nécessite une synthèse holistique de la forme graphique, des propriétés phonologiques, de la signification sémantique et de l'usage contextuel.
• Rareté et Déséquilibre des Données : Les ensembles de données existants sont fortement biaisés en faveur des inscriptions sur os oracle (OBI), laissant les écritures sur bronze et sur bambou/soie sous-dotées en ressources. De plus, la distribution des données suit un modèle de « longue traîne » où de nombreux caractères n'apparaissent qu'une ou deux fois, et les ensembles de données multimodaux de haute qualité et standardisés (reliant images, transcriptions et analyse sémantique) sont rares.

L'article soutient que le domaine traverse un « tournant computationnel », évoluant de l'automatisation de tâches isolées (par exemple, la simple reconnaissance de caractères) vers la création d'écosystèmes numériques intégrés capables de soutenir une enquête savante complexe.

2. Méthodologie et Pipeline Technique

L'article structure le paysage computationnel en un pipeline méthodologique progressant de l'analyse visuelle fondamentale vers le raisonnement avancé :

A. Analyse Visuelle Fondamentale

• Traitement d'Image : Les techniques vont des filtres traditionnels (K-SVD, diffusion anisotrope) aux modèles d'apprentissage profond tels que les réseaux de séparation structure-texture (STSN) et OBIFormer (utilisant l'auto-attention par canal) pour débruiter les frottages et restaurer les traits endommagés. Les modèles génératifs (GAN, modèles de diffusion comme Diff-Oracle) sont employés pour l'augmentation de données afin de pallier la rareté.
• Détection et Reconnaissance de Caractères : Le domaine est passé des caractéristiques faites à la main (SIFT, HOG, graphes topologiques) à l'apprentissage profond. L'état de l'art actuel utilise des réseaux de neurones convolutifs (CNN) enrichis par des mécanismes d'attention, et des Transformers (par exemple, le Transformer QBSC pour les lattes de Qin). Une tendance distincte implique la reconnaissance basée sur les radicaux, où les modèles décomposent les caractères en composants constitutifs pour soutenir l'apprentissage à zéro échantillon (zero-shot learning) et gérer les variantes structurelles.

B. Analyse Contextuelle

• Réassemblage d'Artefacts : Les méthodes computationnelles automatisent l'appariement d'artefacts fragmentés (ex. : os oracle, lattes de bambou) en analysant les contours physiques des fractures et les séquences de caractères. Les approches incluent les réseaux siamois, l'algorithme SUM (pente de contour) et les modèles d'apprentissage profond pilotés par la physique (WisePanda).
• Déduplication : Les modèles d'IA identifient les doublons de frottages d'un même artefact en traitant les inscriptions comme des motifs visuels plutôt que comme du texte, permettant la découverte de doublons même lorsque le contenu textuel varie légèrement.
• Périodisation et Classification : Des modèles d'apprentissage profond (ex. : réseaux de neurones graphiques récurrents) sont utilisés pour la classification des polices et la datation automatisée des artefacts. Certains cadres (ex. : BIRD) exploitent le contenu textuel et l'échantillonnage biaisé par les glyphes pour dater les inscriptions sur bronze, atteignant une grande précision dans les tâches de classification fine.
• Segmentation et Modélisation du Langage : Les efforts incluent la segmentation au niveau des composants pour les os oracle et le développement de tokenizer multimodaux pour les lattes de bambou. Les modèles de langage sont adaptés pour les textes anciens, utilisant souvent le transfert d'apprentissage à partir de textes reçus ou construisant des corpus spécialisés (ex. : OracleCS) avec des annotations d'experts.

C. Raisonnement Avancé et Systèmes de Connaissances

• Déchiffrement Automatisé : Il est défini non pas simplement comme de la reconnaissance, mais comme le processus savant d'interprétation de caractères non déchiffrés (kao shi). Les approches incluent :
  • Méthodes Génératives : Utiliser des modèles de diffusion pour générer des formes de caractères modernes plausibles ou une « typographie sémantique » à partir de glyphes anciens.
  • Méthodes Compositionnelles : Traiter le déchiffrement comme un « puzzle » (ex. : Puzzle Pieces Picker, CoLa) où les caractères sont déconstruits en radicaux ou composants latents et reconstruits.
  • Transversalité (Cross-Reference) : Récupérer des caractères similaires à travers différentes écritures historiques (Recherche d'images cross-font) ou utiliser des modèles de langage vision-langue larges (LVLM) pour combler le fossé entre la forme visuelle et la signification sémantique.
• Collaboration Humain-IA : L'article souligne un passage de l'automatisation complète vers la synergie humain-IA. Des systèmes comme Ithaca (pour le grec) et les outils chinois émergents (ex. : RejoinX, GenOV) agissent comme des assistants intelligents, gérant les tâches à forte intensité de calcul (ex. : l'appariement de fractures) tout en laissant le raisonnement intégratif complexe aux experts humains.
• Graphes de Connaissances : Des graphes de connaissances multimodaux sont construits pour unifier les données hétérogènes (forme, radical, sémème, vocabulaire) et modéliser les relations telles que les réseaux sociaux des devins ou la disposition des inscriptions.

3. Contributions Clés

L'article apporte trois contributions majeures au domaine :

1. Une Analyse de Pipeline Orientée Problème : Il cartographie tout le spectre de la paléographie computationnelle, allant des tâches visuelles fondamentales (restauration d'image, reconnaissance) à l'analyse contextuelle (réassemblage, datation) pour culminer dans le raisonnement avancé (déchiffrement, graphes de connaissances). Il souligne le passage critique des ensembles de données de caractères isolés vers des ressources multimodales de documents complets.
2. Cartographie de la Trajectoire Technologique : Il retrace l'évolution de l'ingénierie de caractéristiques classique vers l'apprentissage profond moderne, analysant spécifiquement l'adaptation des architectures (CNN, Transformers, modèles de diffusion) à la nature logographique unique de l'écriture chinoise. Il met en évidence l'émergence de méthodes fondées sur le raisonnement par radicaux et l'analyse compositionnelle.
3. Synthèse des Défis et de l'Agenda Futur : Il identifie les obstacles fondamentaux — spécifiquement la rareté des données, le déséquilibre des modalités et le décalage entre l'accent de l'IA sur la forme graphique et la nature holistique de l'enquête humaniste. Il préconise un agenda de recherche futur axé sur des systèmes multimodaux, à peu d'échantillons (few-shot) et centrés sur l'humain, conçus pour augmenter, plutôt que remplacer, l'expertise savante.

4. Résultats et État Actuel

L'article synthétise la littérature existante pour rendre compte de l'état actuel du domaine :

• Paysage des Datasets : Une prolifération de jeux de données existe, principalement pour les inscriptions sur os oracle (ex. : HUST-OBS, Oracle-50K, OBC306). Bien que des jeux de données pour les écritures sur bronze et bambou émergent (ex. : CHUBS, BIRD), ils restent moins complets. Les jeux de données multimodaux (ex. : OBIMD) qui lient les images aux transcriptions et aux annotations sémantiques sont critiques mais encore limités.
• Benchmarks de Performance : Des benchmarks récents (ex. : OBI-Bench) indiquent que les grands modèles multimodaux actuels atteignent à peine le niveau d'un humain non entraîné dans les tâches de déchiffrement complexes. Si les modèles atteignent une grande précision dans des sous-tâches spécifiques (ex. : 89,8 % de précision dans la datation grossière des vases en bronze), ils peinent face au problème de l'ensemble ouvert des caractères non déchiffrés et de la distribution en « longue traîne » des glyphes rares.
• Succès Collaboratifs : Des études pilotes en collaboration humain-IA (ex. : réassemblage d'artefacts) démontrent que déléguer les tâches de « nature simple » (appariement de fractures) à l'IA tout en réservant les tâches de « nature complexe » (analyse stylistique) aux humains permet de réaliser de nouvelles découvertes fructueuses.

5. Signification et Revendications

L'article se positionne comme une enquête exhaustive et un appel à l'action pour le domaine de la Paléographie Chinoise Computationnelle. Sa signification réside dans :

• Définition de la Discipline : Il articule la transition de la « numérisation paléographique » (création d'infrastructures) vers la « paléographie computationnelle » (intégration du calcul dans la chaîne logique centrale de l'enquête).
• Mise en Lumière du Défi Logographique : Il souligne que la nature unique de l'écriture chinoise (logographique, morpho-syllabique) nécessite une approche multimodale qui ne peut reposer uniquement sur la modélisation de séquences ou des représentations purement textuelles. L'information visuelle est indispensable pour des tâches telles que le réassemblage et le déchiffrement.
• Plaidoyer pour une IA Centrée sur l'Humain : L'article soutient que l'objectif ultime n'est pas l'automatisation complète mais la création d'une infrastructure savante intelligente. Il postule que l'avenir du domaine dépend du développement de systèmes agissant comme des partenaires intellectuels, utilisant l'apprentissage à peu d'échantillons et la fusion multimodale pour aider les chercheurs à surmonter les goulots d'étranglement cognitifs et à découvrir des modèles historiques à grande échelle invisibles à l'inspection manuelle.

L'article conclut que bien que l'innovation technique soit vitale, le succès de ce domaine repose sur une intégration profonde et respectueuse des méthodes computationnelles avec les riches traditions de l'enquête humaniste, exigeant un esprit de collaboration interdisciplinaire entre informaticiens et paléographes.