L’impression d’un dinosaure figure parmi les fossiles les plus emblématiques, nous permettant d’imaginer ces créatures en mouvement tout en nous reconnectant à une époque lointaine. Cependant, les marques laissées par ces animaux sur le sol témoignent non seulement de l’anatomie, mais aussi de l’interaction entre le pied et le terrain. Cela complique l’attribution de ces empreintes à une espèce précise. Ainsi, depuis des décennies, les débats subsistent concernant certaines traces du Trias supérieur jusqu’au Jurassique précoce, les paléontologues et icnologues peinant à parvenir à un consensus.
Un nouveau projet de recherche propose une approche innovante : l’utilisation du machine learning, sans étiquettes initiales. Ces dernières, en effet, peuvent véhiculer des préjugés issus de classifications traditionnelles.
IA sans étiquettes : une nouvelle analyse de 2 000 empreintes
Bien que l’usage de réseaux neuronaux soit connu, ce projet se distingue en évitant de se baser sur des classifications préexistantes. En examinant 1 974 silhouettes 2D d’empreintes, le modèle, un auto-encodeur variationnel désentrelacé, détermine de manière autonome les principales dimensions de variation. Cette méthode donne lieu à une « carte » morphologique des traces, révélant ainsi huit facteurs significatifs, tels que :
- zone de contact avec le sol ;
- écartement des doigts ;
- connexion entre les doigts ;
- pression du talon ;
- position de la charge ;
- asymétries gauche-droite.
Une réponse aux empreintes les plus controversées
Cette méthode est d’autant plus intéressante lorsque l’IA, après avoir analysé les variations, se voit attribuer des étiquettes basées sur les classifications déjà publiées. Les chercheurs peuvent ainsi vérifier la concordance avec les évaluations humaines.
Les résultats montrent un niveau de conformité élevé (entre 80 et 93% dans diverses analyses). Les empreintes similaires à celles des oiseaux du Trias au Jurassique précoce sont regroupées près des oiseaux modernes et fossiles, tandis que certains tridactyles du Jurassique moyen oscillent entre les théropodes et les ornithopodes. Certaines empreintes s’avèrent donc être vraiment des cas en limite.
Cependant, l’énigme reste ouverte. Les auteurs soulignent la nécessité de fossiles complets pour résoudre la question de manière définitive, car les empreintes peuvent être « trompées » par différents facteurs tels que l’humidité et la composition du sol. Néanmoins, l’analyse non supervisée révèle quand même des similitudes avec les oiseaux.
Qu’est-ce que DinoTracker : rendre la recherche accessible
Pour faciliter l’approche, l’étude propose DinoTracker, une application permettant d’importer l’empreinte souhaitée et de la comparer avec une base de données. Cet outil analytique met en lumière les caractéristiques les plus influentes, tout en identifiant les traces similaires dans l’espace morphologique.
Au final, le message est double : d’une part, l’IA pourrait améliorer la classification des éléments ambigus en paléontologie ; d’autre part, en l’utilisant de manière non supervisée, nous avons l’opportunité de découvrir de nouveaux modèles sans laisser nos préjugés influencer nos résultats.
Points à retenir
- Les empreintes de dinosaures offrent une vision précieuse de leur mouvement et de leur environnement.
- Les approches traditionnelles de classification peuvent être biaisées par des préjugés humains.
- Le machine learning non supervisé pourrait révolutionner notre compréhension des empreintes.
- DinoTracker facilite l’accès à des analyses basées sur des données morphologiques.
- Les résultats de l’étude soulignent l’importance d’une recherche rigoureuse pour répondre à des questions non résolues.
En tant qu’enthousiaste de la paléontologie, je me demande comment la technologie continuera d’influencer notre compréhension du passé. Ces innovations ouvrent-elles la voie à une nouvelle ère de découvertes paléontologiques ? La curiosité me pousse à envisager les implications futures de ces avancées passionnantes.