Approche collaborative homme‑ordinateur pour le déchiffrement des inscriptions sur os d'oracle avec des réseaux antagonistes génératifs

L'écriture ancienne rencontre les machines modernes

Il y a plus de trois mille ans, des devins en Chine gravaient des questions sur la guerre, le temps et les récoltes sur des carapaces de tortue et des os d'animaux. Aujourd'hui, ces inscriptions sur os d'oracle constituent une mine d'informations pour comprendre la formation de l'écriture chinoise et la société chinoise ancienne. Mais beaucoup de ces petits symboles usés restent indéchiffrés et sont trop nombreux pour qu'une poignée d'experts humains puisse les traiter seuls. Cet article montre comment l'intelligence artificielle, travaillant main dans la main avec des chercheurs, peut aider à lire ces griffonnages anciens en les transformant en caractères chinois de style moderne.

Des images gravées sur os aux images lisibles par un ordinateur

L'écriture sur os d'oracle est particulièrement visuelle. Les scribes anciens gravaient des images simplifiées de tigres, de soleils, d'humains et d'outils directement dans l'os, de sorte que chaque caractère ressemble presque à un petit dessin. Les auteurs exploitent cette caractéristique en traitant chaque caractère comme une image plutôt que comme une séquence de code ou de texte. Ils rassemblent plus d'un millier de paires d'images : d'un côté un glyphe photographié sur os d'oracle, de l'autre son équivalent chinois moderne connu. En redimensionnant et en nettoyant ces images, ils construisent une bibliothèque d'images standardisée qu'un ordinateur peut apprendre, transformant l'ancien problème du déchiffrement en une tâche moderne de traduction image‑à‑image.

Deux artistes numériques : modèles d'IA complémentaires

L'équipe entraîne deux types de réseaux antagonistes génératifs (GAN) apparentés mais différents, des modèles d'IA qui apprennent à créer des images réalistes en opposant un « générateur » à un « critic ». Un modèle, basé sur un système appelé Pix2Pix, apprend à partir d'exemples appariés : il voit un caractère sur os et le caractère moderne exact qu'il doit devenir. Ce modèle excelle à produire des glyphes modernes nets et bien formés qui correspondent étroitement aux formes attendues. Le second modèle, fondé sur CycleGAN, est conçu pour fonctionner même lorsque les exemples ne sont pas parfaitement appariés. Il tend à préserver le squelette et le style originels de l'écriture sur os tout en le régularisant légèrement vers des formes modernes. Ensemble, les deux modèles offrent des « lectures » différentes de ce à quoi un glyphe ancien et abîmé pourrait ressembler dans un style plus régulier et lisible.

Tester les machines et comparer les approches

Pour vérifier si ces systèmes font plus que produire de jolies images, les auteurs réalisent une série de tests rigoureux. Ils mettent de côté 160 paires oracle‑moderne connues que l'IA ne voit jamais pendant l'entraînement, puis demandent à chaque modèle de prédire les caractères modernes à partir des images d'oracle. Ils comparent les sorties aux réponses réelles en utilisant des mesures standard de qualité d'image et de structure, et inspectent aussi visuellement les résultats. Dans une comparaison plus large, ils opposent leurs deux GAN à d'autres méthodes d'imagerie populaires, y compris des modèles de diffusion, des transformeurs et des réseaux classiques de type U‑Net. Le duo de GAN se distingue : Pix2Pix produit les caractères les plus clairs et les plus lisibles, tandis que CycleGAN fournit des alternatives conservatrices qui préservent la structure. D'autres méthodes brouillent souvent les traits, cassent le squelette du caractère ou génèrent des formes qui ne ressemblent plus à de l'écriture, ce qui les rend peu adaptées au déchiffrement sérieux.

Des humains dans la boucle : collaboration, pas remplacement

Le cœur de l'étude n'est pas l'IA seule mais un partenariat structuré entre machines et spécialistes. Pour 150 inscriptions dont le sens était auparavant inconnu, les modèles génèrent plusieurs glyphes modernes candidats. Des spécialistes humains sélectionnent ensuite les candidats prometteurs et redessinent à la main les traits manquants ou incertains, guidés à la fois par les suggestions de l'IA et par leur connaissance de l'histoire linguistique et des scènes de la vie quotidienne reflétées dans les textes. Dans des études de cas détaillées — par exemple en proposant qu'un glyphe inconnu signifie « grotte » ou « tanière » — les auteurs combinent les formes suggérées par l'IA, des comparaisons avec des caractères apparentés et des informations historiques sur l'habitat ancien et les rituels. Ils mènent aussi des expériences contrôlées sur 160 cas connus, comparant trois modes : l'IA seule, des humains dessinant de zéro, et des humains raffinant des brouillons fournis par l'IA. L'approche combinée produit systématiquement des images plus proches des caractères réels, jugées à la fois par des scores numériques d'image et par des panels d'experts, tout en économisant du temps et des efforts pour les chercheurs.

Pourquoi cela compte pour l'histoire et le patrimoine

Pour les non‑spécialistes, le bénéfice est clair : chaque caractère d'os d'oracle nouvellement déchiffré aiguise notre compréhension de l'histoire chinoise ancienne, depuis les sacrifices royaux jusqu'à l'agriculture et la maladie. Ce travail montre que l'IA peut faire plus que reconnaître une écriture moderne ou générer de l'art ; elle peut contribuer à déverrouiller les couches les plus anciennes de la culture écrite lorsqu'elle est associée à un jugement humain soigneux. Plutôt que de remplacer les experts, le système agit comme un assistant intelligent qui propose des formes, accélère les redessinages fastidieux et rend l'ensemble du processus plus transparent et mesurable. Les auteurs soutiennent que ce partenariat homme‑ordinateur pourrait s'étendre à d'autres écritures anciennes et documents endommagés, transformant des traces fragiles sur os, argile ou parchemin en récits lisibles sur la façon dont les gens vivaient, croyaient et enregistraient leur monde.

Citation: Zeng, S., Bai, J., Shi, J. et al. Human–computer collaborative approach to the decipherment of racle bone inscriptions with generative adversarial networks. npj Herit. Sci. 14, 232 (2026). https://doi.org/10.1038/s40494-026-02509-4

Mots-clés: écriture sur os d'oracle, écriture ancienne, IA pour le patrimoine culturel, collaboration homme‑IA, évolution des caractères chinois