Iban Berganzo: “Estamos transformando la forma de descubrir yacimientos arqueológicos”

Iban Berganzo: “Estamos transformando la forma de descubrir yacimientos arqueológicos”

🎙 Fundación BBVA 👥 20K 📅 16 mars 2026 ⏱ 12 min 👁 97 📄 entrevue 🧭 2026-08-06
Disponible en : Français (actuel) English

Mots-clés

détection de sitesIALIDARtélédétectionhumanités numériques

Résumé

Dans cette interview menée par la Fundación BBVA, Iban Berganzo, lauréat du IV Prix de la meilleure thèse en humanités numériques, présente sa recherche sur la détection à grande échelle de sites archéologiques grâce à des outils numériques. Il explique que sa thèse repose sur deux piliers technologiques : la télédétection et l’intelligence artificielle. Ces méthodes permettent de détecter des sites invisibles sur le terrain, d’automatiser leur identification et de créer des cartes probabilistiques pour leur protection. Berganzo détaille plusieurs applications concrètes : en Catalogne pour des sites ibériques, en Galice où 10 000 sites potentiels ont été identifiés, en Inde et au Pakistan avec des cartes historiques, et en Grèce pour la détection de tessons de céramique par drone. Il souligne l’importance de l’open science et du partage des méthodes via des dépôts en accès libre, permettant à d’autres chercheurs de les réutiliser. Il évoque également l’extension de ces techniques à d’autres domaines comme la détection de cellules cancéreuses ou le suivi du changement climatique. Enfin, il discute de l’impact des humanités numériques et de la transition vers des humanités computationnelles, avec des applications comme l’identification de phytolithes ou la transcription de textes anciens.

195 mots

Évaluation critique

L’interview offre un aperçu convaincant de l’application de l’intelligence artificielle à l’archéologie, un domaine en pleine expansion. Le chercheur, Iban Berganzo, démontre une maîtrise technique et une capacité à vulgariser des concepts complexes sans les simplifier à l’excès. Les exemples concrets (Catalogne, Galice, Inde, Grèce) renforcent la crédibilité des propos et illustrent la diversité des applications. L’accent mis sur l’open science et le partage des méthodes est louable et s’inscrit dans une démarche scientifique éthique. Cependant, la vidéo ne fournit pas de références bibliographiques directes ni de données chiffrées précises (taux de précision, validation terrain), ce qui limite la vérifiabilité. De plus, le discours est parfois optimiste quant aux capacités de l’IA, sans aborder les limites ou les biais potentiels. La structure de l’interview est claire, mais certaines réponses restent générales, notamment sur les applications futures. L’adéquation entre le titre et le contenu est bonne, même si le titre est un peu accrocheur. En résumé, cette vidéo constitue une introduction solide et accessible à l’archéologie computationnelle, mais elle gagnerait à être complétée par des publications scientifiques pour une évaluation plus approfondie.

181 mots

Adéquation titre / contenu

Le titre reflète bien le contenu : l'interview porte sur la transformation de la découverte de sites archéologiques par des méthodes numériques, comme l'explique Iban Berganzo.

Qualité & fiabilité

8/10

L'interview est menée par une institution scientifique reconnue (Fundación BBVA) et le chercheur expose des résultats concrets issus de sa thèse primée. Les propos sont précis, techniques et appuyés par des exemples de projets réels (Catalogne, Galice, Inde, Grèce). La fiabilité est bonne, mais la vidéo ne fournit pas de preuves directes (publications, données) et repose sur le discours du chercheur.

Moments clés

Sources citées

Sources concordantes

  • Deep learning in archaeology — Article scientifique sur l'application du deep learning en archéologie, cohérent avec les méthodes décrites.
  • Lidar in archaeology — Page Wikipédia sur l'utilisation du LIDAR en archéologie, mentionnée implicitement dans la vidéo.

Apport & nouveautés

L’apport principal de cette vidéo est de présenter une application concrète et à grande échelle de l’intelligence artificielle et de la télédétection en archéologie, une approche encore peu répandue. Le chercheur insiste sur le changement de paradigme : détection de sites invisibles, automatisation, cartes probabilistiques. Il met également en avant l’importance de l’open science et du partage des méthodes, ce qui est novateur dans le domaine.

Pour aller plus loin :

  • Deep learning in archaeology — Article de synthèse sur l’utilisation de l’apprentissage profond en archéologie.
  • LIDAR in archaeology — Page Wikipédia détaillant l’utilisation du LIDAR pour la détection de sites.
  • Humanités numériques — Page Wikipédia sur les humanités numériques, contexte de la recherche.

114 mots

Profil radar

Le profil radar montre des scores élevés en quantité et qualité d'information, ainsi qu'en fiabilité, reflétant une interview dense et crédible. Le niveau technique est légèrement inférieur, mais reste bon, indiquant une accessibilité pour un public averti.

Fiabilité 8/10