L’incertitude en archéologie

Frédérique BERTONCELLO (UMR 7264-CEPAM « Cultures et Environnements : Préhistoire, Antiquité, Moyen Âge »)
1ère Table Ronde « L’incertitude : regards pluridisciplinaires », Nice, 19 juin 2013, MSHS Sud-Est, Saint-Jean d’Angély 3, Projet « Faire Science avec l’Incertitude », Axe 4 : « Territoires, systèmes techniques et usages sociaux »

Résumé :


« L’archéologie ayant l’objectif de reconstituer la totalité des composantes du système d’une société du passé, possède l’étrange propriété de regrouper quasiment toutes les disciplines scientifiques et de les appliquer sur des données partielles, biaisées et peu représentatives et sur des processus parfois non étudiables ». Cette phrase, tirée du récent Manuel d’Archéologie de F. Djindjian (2011), résume de manière très juste les enjeux de la recherche archéologique, au sein desquels l’incertitude est omniprésente. L’incertitude est en effet inhérente, consubstantielle, aux données mobilisées par l’archéologie. Elle revêt plusieurs formes et se manifeste à différents niveaux dans la production de connaissances. Pour la première table ronde du projet « Faire Sciences avec l’incertitude », nous ferons un bilan des enjeux spécifiques de l’incertitude en archéologie en proposant une classification des types d’incertitude qui affectent les données mobilisées et les processus de connaissance dans cette discipline.

1. L’incertitude des données
Les données mobilisables par l’archéologue pour restituer le fonctionnement des sociétés anciennes ne sont qu’un reflet partiel du fonctionnement de ces sociétés. La population (au sens statistique) analysée n’est donc qu’un échantillon de la population initiale (Gallay 1986), la difficulté résidant dans l’impossibilité d’évaluer la représentativité de l’échantillon analysé.

Des données lacunaires

Les vestiges archéologiques disponibles pour l’étude ne représentent qu’une partie seulement des activités humaines passées, celles qui ont laissé des traces suffisamment durables pour nous parvenir. Les corpus disponibles pour l’étude sont en outre lacunaires dans la mesure où un ensemble de processus taphonomiques – facteurs post‐dépositionnels d’origine naturelle ou anthropique – interfèrent sur la conservation des vestiges archéologiques après leur dépôt. À cela s’ajoutent les biais liés à l’intensité variable des recherches et aux stratégies d’échantillonnage mises en œuvre.

Des données ambigües

L’interprétation de la signification d’un objet archéologique n’est pas univoque mais peut donner lieu à plusieurs interprétations concurrentes (ambigüité entre la forme et la fonction). Les explications proposées par l’archéologue, depuis la fonction d’un objet jusqu’au fonctionnement d’une société, sont donc toujours du domaine du plausible, non du certain. Le degré d’incertitude des interprétations proposées va croissant lorsque l’on passe du domaine technologique au domaine économique et social et culmine dans la sphère religieuse et symbolique.

Des données imprécises

L’imprécision peut être liée à la mesure. En archéologie elle affecte principalement la localisation des objets étudiés (au sens large, depuis l’artefact jusqu’au site en passant par l’édifice et le squelette), dans le temps (datations archéométriques basées sur une mesure du taux de radiocarbone résiduel par exemple) et dans l’espace (précision de la localisation autorisée par les différentes techniques de géolocalisation : repérage manuel sur une carte, boussole, GPS, tachéomètre, Lidar etc.). L’imprécision peut aussi affecter la caractérisation des objets quand cela implique la mesure de similitudes/dissemblances par rapport à une population de référence (par exemple pour l’estimation de l’âge du défunt à partir de restes osseux).
L’imprécision peut également provenir du caractère vague, mal défini des catégories utilisées pour caractériser, dater, localiser un objet (par exemple des datations par phases chrono‐culturelles du type « gallo‐romain », ou la polysémie qui caractérise la notion de « site archéologique »).

Des données hétérogènes, sources d’incertitude

Le recours, usuel en archéologie, à des données de nature diverses issues de sources variées (archéologiques, textuelles, cartographiques, environnementales etc.) ajoute de l’incertitude quand il s’agit de les confronter, dans la mesure où chaque type de source présente des résolutions spatiales et chronologiques différentes et des niveaux de précision variés.

Des séries discontinues

Le niveau de renseignement/d’information disponible sur les différents objets d’un même corpus est rarement homogène. Cela nécessite, pour faire des comparaisons, de choisir le seuil à partir duquel un objet est considéré comme suffisamment renseigné pour être comparable aux autres, ce qui implique de définir le plus petit dénominateur commun afin de transformer un corpus hétérogène en un corpus homogène au niveau d’analyse retenu (relation entre niveau d’incertitude et niveau d’analyse). Cette généralisation entraîne généralement une perte d’information et donc une diminution de la précision.

2. L’incertitude des processus
La méconnaissance des processus de fonctionnement des systèmes/phénomènes étudiés.

En raison des filtres successifs (cf. supra) existant entre les sociétés étudiées (l’objectif de connaissance) et les données mobilisables (les moyens de la connaissance), une part plus ou moins importante du fonctionnement des phénomènes ou systèmes étudiés échappe à la connaissance et il n’est pas certain que les processus supposés à l’oeuvre dans la transformation de ces systèmes jouent effectivement le rôle qu’on leur prête. Cela est d’autant plus crucial en archéologie qu’il n’y a pas de vérification possible de la réalisation future des scénarios envisagés (approche rétrospective ≠ prospective).

L’incertitude liée au raisonnement scientifique (processus d’analyse)

Le passage de la découverte d’un objet archéologique à son interprétation en termes de fonctionnement d’une société implique une succession d’inférences (par exemple passer de la découverte de charbons de bois à la restitution de la gestion des ressources ligneuses par une communauté), dans desquelles interviennent non seulement les connaissances et l’expertise de l’archéologue, mais également sa subjectivité, ses références culturelles et idéologiques, son fonctionnement cognitif etc.

Les réponses apportées à cette incertitude irréductible des données archéologiques ont varié et alimenté différents courants théoriques, depuis les approches prônant la constitution de très vastes corpus de données censés réduire l’incertitude par la recherche de l’exhaustivité dans la collecte et l’enregistrement des données (par ex. Demoule et al. 2002), les approches essentiellement descriptives refusant toute généralisation en raison de la complexité et de l’unicité des différentes cultures humaines (« Post‐processual Archaeology », Hodder 1991), jusqu’à celles mettant l’accent sur la nécessité de formalisation de la description – des données et des processus – (Gardin 1979) comme outil de réduction possible de l’incertitude permettant des confrontations et la mise en évidence de régularités, en se fondant notamment sur une approche systémique des sociétés (« Processual Archaeology» ou « New Archaeology », par ex. Clarke 1971, 1973). De développement plus récent, les approches visant à quantifier l’incertitude en recourant aux méthodes statistiques (calcul de probabilités, logique floue, approche bayesienne notamment) ont d’abord été utilisées. dans les domaines reposant sur des mesures (datations archéométriques, estimation de l’âge, etc.), avant d’être mises à contributions plus largement pour estimer la probabilité d’appartenance d’objets archéologiques (au sens large) à des catégories, fonctionnelles, chronologiques, culturelles etc. (par ex. Buck et al. 1996, Ejstrud 2005, Hatzinikolaou 2006). La modélisation apparaît également comme un outil prometteur en archéologie du fait de la non reproductibilité des phénomènes observés (à la différence des sciences expérimentales). Dans une démarche rétrospective, la modélisation permet en effet d’envisager la variété des « possibles », de tester différentes hypothèses, différents scénarios d’évolution du système étudié et d’en estimer ainsi la vraisemblance (van der Leeuw et Kohler 2007).

Bibliographie


– Buck C. E., Cavanagh W. G., Litton C. D., 1996 ‐ Bayesian approach to interpreting archaeological data. Chichester, Wiley.

– Clarke D., 1971 – Analytical Archaeology, London, Methuen and Co.

– Clarke D., 1973 ‐ Archaeology: the loss of innocence. Antiquity, 47, pp. 6–18.

– Demoule J.‐P., Giligny F., Le Hroeff A., Schnapp A., 2002 – Guide des méthodes de l’archéologie, Éditions de la Découverte, Paris, 300 p. ; réédition augmentée 2005 et 2009.

– Demoule J.‐P., 2005. L’archéologie, entre science et passion, collection Découvertes, Gallimard, Paris, 160 p.

– Djindjian F., 2011 – Manuel d’archéologie. Paris, Armand Colin (Collection U – Archéologie).

– Ejstrud B., 2005 ‐ Taphonomic Models: Using Dempster‐Shafer theory to assess the quality of archaeological data andindicative models. In : van Leusen, M., Kamermans, H. (eds.) ‐ Predictive Modelling for Archaeological Heritage Management: a research agenda. Rijksdienst voor het Oudheidkundig Bodemonderzoek, Amersfoort, p. 183‐194.

– Gallay A., 1986 – L’archéologie demain. Paris, Belfond.

– Gardin J.‐C., 1979 ‐ Une archéologie théorique. Paris, Hachette.

– Hatzinikolaou, E.G., 2006 ‐ Quantitative methods in archaeological prediction: from binary to fuzzy logic. In : N.W. Mehrer ‐ K.L. Wescott (eds.) ‐ Gis and Archaeological Site Location Modeling. CRC Press, Boca Raton, p. 437‐446.

– Hodder I., 1991 ‐ Postprocessual Archaeology and the Current Debate. In : Processual and Post‐Processual Archaeologies: Multiple Ways of Knowing the Past, Edited by R. Preucel, pp. 30–41. CAI Southern Illinois University at Carbondale, Occasional Paper No. 10.

– Testard A., 2012 – Avant l’Histoire. L’évolution des sociétés de Lascaux à Carnac. Paris, Gallimard.

– Van der Leeuw S. E., Kohler T., eds., 2007 ‐ The Model‐Based Archaeology of Socio‐Natural Systems. School of Advanced Research, Santa Fe, NM.

Share Button