Classification du patrimoine verrier chinois ancien basée sur des données de composition et l’apprentissage automatique

Pourquoi le vieux verre a encore de nouvelles histoires à raconter

Les perles et les vases en verre chinois ancien peuvent ressembler à des trésors d’Égypte ou du Moyen‑Orient, mais chimiquement ils sont très différents. Au fil des siècles, l’enfouissement dans le sol et l’exposition à l’humidité modifient également leurs surfaces, rendant difficile pour les conservateurs de déterminer où un objet a été fabriqué ou comment. Cette étude montre comment les statistiques modernes et l’apprentissage automatique peuvent lire les « empreintes » chimiques cachées du verre altéré, offrant aux musées un moyen plus rapide et plus objectif de classer les artefacts et de retracer l’histoire des technologies le long de la Route de la Soie.

Le verre le long de la Route de la Soie

Les premiers objets en verre sont arrivés en Chine via la Route de la Soie, principalement sous forme de perles importées. Les artisans ont ensuite appris à fabriquer du verre localement avec leurs propres matières premières. En conséquence, le verre chinois pouvait imiter les styles étrangers par la couleur et la décoration tout en ayant une recette distincte. Deux grandes catégories sont apparues : le verre riche en potassium, fabriqué avec des cendres végétales riches en potassium, et le verre plomb‑baryum, produit à partir de minerais contenant du plomb et du baryum. Ces différences sont importantes car elles reflètent des changements dans les matières premières, le commerce et la technologie. Pourtant, des siècles d’altération estompent ces signaux, de sorte que les experts se sont traditionnellement appuyés sur l’observation au microscope — la couleur, le motif et le degré de dégradation de surface — combinée à l’expérience personnelle, une pratique longue et subjective.

Transformer des recettes de verre en données exploitables

Les auteurs sont partis d’un véritable jeu de données issu d’un concours sur le verre chinois ancien, qui comprenait le type de chaque objet, sa couleur, son motif décoratif, le degré d’altération et la composition chimique détaillée. Parce que la chimie du verre est naturellement mesurée en pourcentages qui s’additionnent pour former un tout, l’équipe a appliqué une transformation mathématique dite de log‑ratio centrée. Celle‑ci convertit les pourcentages d’oxydes en nombres analysables sans générer de corrélations trompeuses. Ils ont nettoyé les données, imputé quelques valeurs manquantes de manière contrôlée, et vérifié que les mesures transformées se comportaient statistiquement comme des données en cloche (distribution normale) — une condition préalable essentielle pour de nombreux outils d’analyse modernes.

Comment l’altération recompose le verre

Ensuite, les chercheurs ont examiné quelles caractéristiques visibles sont réellement liées à l’altération. En utilisant des tests du chi‑deux et exacts de Fisher sur 56 artefacts, ils ont trouvé un lien net entre le type de verre et le degré de dégradation de surface, mais aucune corrélation significative avec la couleur ou le motif décoratif. Les verres riches en potassium et les verres plomb‑baryum vieillissent différemment en raison de leurs structures internes distinctes, et non de leur apparence. En comparant des mesures chimiques prises avant et après altération sur différentes parties des mêmes pièces, et en regroupant de nombreux échantillons en cinq catégories (par exemple « plomb‑baryum avant altération » ou « plomb‑baryum fortement altéré »), ils ont montré que des composants clés comme la silice et certains oxydes métalliques évoluent de façon systématique lors de la dégradation du verre. À partir de ces différences de groupe, ils ont élaboré des facteurs de correction simples basés sur des ratios capables d’estimer la composition originelle d’un verre à partir de sa surface altérée, au moins pour la plupart des ingrédients majeurs.

Apprendre aux algorithmes à reconnaître les familles de verre

Avec des compositions corrigées en main, l’équipe a entraîné plusieurs modèles d’apprentissage automatique — arbres de décision, régression logistique, machines à vecteurs de support et forêts aléatoires — pour trier les échantillons en deux grandes familles, riche en potassium et plomb‑baryum. De façon remarquable, un seul ingrédient, l’oxyde de plomb (PbO), a suffi pour qu’un arbre de décision sépare parfaitement les deux types dans leur jeu de données : peu de plomb signifiait verre riche en potassium, beaucoup de plomb signifiait verre plomb‑baryum. D’autres modèles ont atteint des performances également élevées et sont restés fiables même lorsque les chercheurs ont ajouté du « bruit » artificiel pour simuler l’incertitude de mesure. Ils sont allés plus loin en utilisant des méthodes de regroupement pour découvrir des sous‑groupes naturels au sein de chaque famille principale. Le verre riche en potassium s’est scindé en deux sous‑types — l’un plus riche en calcium et en cuivre, l’autre plus riche en baryum et en plomb — tandis que le verre plomb‑baryum s’est divisé en trois tendances mettant en avant différents ingrédients secondaires comme le magnésium, le sodium, ou le cuivre et le baryum. Ces groupes fins suggèrent des recettes et des ateliers distincts.

Ce que cela signifie pour les musées et l’histoire

Pour les non‑spécialistes, le message principal est que le verre ancien peut désormais être classé moins à l’œil et davantage par les données. En combinant des mesures chimiques soignées, un traitement statistique approprié des données en pourcentage et de l’apprentissage automatique robuste, cette étude offre aux conservateurs et aux archéologues une méthode reproductible pour identifier les objets en verre altéré et les rattacher à des traditions artisanales particulières. À mesure que ces méthodes seront appliquées à des collections plus vastes, elles pourraient aider à cartographier les routes commerciales, localiser des centres de production et suivre comment les verriers chinois ont expérimenté de nouveaux fondants comme le plomb et les cendres végétales. En bref, des algorithmes entraînés sur la chimie deviennent des outils puissants pour raconter comment un matériau apparemment simple, le verre, a connecté des cultures à travers les continents.

Citation: Tang, P., Gan, X. & Tang, J. Ancient chinese glass heritage classification based on compositional data and machine learning. npj Herit. Sci. 14, 125 (2026). https://doi.org/10.1038/s40494-026-02370-5

Mots-clés: verre chinois ancien, commerce de la Route de la Soie, science du patrimoine culturel, classification par apprentissage automatique, altération du verre