Découvertes de tracés inédits par imagerie hyperspectrale dans la grotte ornée paléolithique Mayenne-Sciences (France)

palevol comptes rendus 2025  24  26 Comptes Rendus Palevol est une revue en flux continu publiée par les Publications scientifiques du Muséum, Paris et l’Académie des sciences, Paris Comptes Rendus Palevol is a fast track journal published by the Museum Science Press, Paris and the Académie des sciences, Paris Les Publications scientifiques du Muséum publient aussi / The Museum Science Press also publish: Adansonia, Geodiversitas, Zoosystema, Anthropozoologica, European Journal of Taxonomy, Naturae, Cryptogamie sous-sections Algologie, Bryologie, Mycologie. L’Académie des sciences publie aussi / The Académie des sciences also publishes: Comptes Rendus Mathématique, Comptes Rendus Physique, Comptes Rendus Mécanique, Comptes Rendus Chimie, Comptes Rendus Géoscience, Comptes Rendus Biologies. Diffusion – Publications scientifiques Muséum national d’Histoire naturelle CP 41 – 57 rue Cuvier F-75231 Paris cedex 05 (France) Tél. : 33 (0)1 40 79 48 05 / Fax : 33 (0)1 40 79 38 40 [email protected] / https://sciencepress.mnhn.fr Académie des sciences, Institut de France, 23 quai de Conti, 75006 Paris. © This article is licensed under the Creative Commons Attribution 4.0 International License (https://creativecommons.org/licenses/by/4.0/) ISSN (imprimé / print) : 1631-0683/ ISSN (électronique / electronic) : 1777-571X Directeurs De la publication / Publication directors : Gilles Bloch, Président du Muséum national d’Histoire naturelle Étienne Ghys, Secrétaire perpétuel de l’Académie des sciences réDacteurs en chef / editors-in-chief : Michel Laurin (CNRS), Philippe Taquet (Académie des sciences) assistante De réDaction / assistant editor : Adenise Lopes (Académie des sciences ; [email protected]) Mise en page / Page layout : Audrina Neveu (Muséum national d’Histoire naturelle ; [email protected]) révisions linguistiques Des textes anglais / english language revisions : Kevin Padian (University of California at Berkeley) réDacteurs associés / associate editors (*, took charge of the editorial process of the article/a pris en charge le suivi éditorial de l’article) : Micropaléontologie/Micropalaeontology Lorenzo Consorti (Institute of Marine Sciences, Italian National Research Council, Trieste) Paléobotanique/Palaeobotany Cyrille Prestianni (Royal Belgian Institute of Natural Sciences, Brussels) Anaïs Boura (Sorbonne Université, Paris) Métazoaires/Metazoa Annalisa Ferretti (Università di Modena e Reggio Emilia, Modena) Paléoichthyologie/Palaeoichthyology Philippe Janvier (Muséum national d’Histoire naturelle, Académie des sciences, Paris) Amniotes du Mésozoïque/Mesozoic amniotes Hans-Dieter Sues (Smithsonian National Museum of Natural History, Washington) Tortues/Turtles Walter Joyce (Universität Freiburg, Switzerland) Lépidosauromorphes/Lepidosauromorphs Hussam Zaher (Universidade de São Paulo) Oiseaux/Birds Jingmai O’Connor (Field Museum, Chicago) Paléomammalogie (mammifères de moyenne et grande taille)/Palaeomammalogy (large and mid-sized mammals) Grégoire Métais (CNRS, Muséum national d’Histoire naturelle, Sorbonne Université, Paris) Paléomammalogie (petits mammifères sauf Euarchontoglires)/Palaeomammalogy (small mammals except for Euarchontoglires) Robert Asher (Cambridge University, Cambridge) Paléomammalogie (Euarchontoglires)/Palaeomammalogy (Euarchontoglires) K. Christopher Beard (University of Kansas, Lawrence) Paléoanthropologie/Palaeoanthropology Aurélien Mounier (CNRS/Muséum national d’Histoire naturelle, Paris) Archéologie préhistorique (Paléolithique et Mésolithique)/Prehistoric archaeology (Palaeolithic and Mesolithic) Nicolas Teyssandier* (CNRS/Université de Toulouse, Toulouse) Archéologie préhistorique (Néolithique et âge du bronze)/Prehistoric archaeology (Neolithic and Bronze Age) Marc Vander Linden (Bournemouth University, Bournemouth) référés / reviewers : https://sciencepress.mnhn.fr/fr/periodiques/comptes-rendus-palevol/referes-du-journal couverture / cover : Made from the Figures of the article. Comptes Rendus Palevol est indexé dans / Comptes Rendus Palevol is indexed by: – Cambridge Scientific Abstracts – Current Contents® Physical – Chemical, and Earth Sciences® – ISI Alerting Services® – Geoabstracts, Geobase, Georef, Inspec, Pascal – Science Citation Index®, Science Citation Index Expanded® – Scopus®. Les articles ainsi que les nouveautés nomenclaturales publiés dans Comptes Rendus Palevol sont référencés par / Articles and nomenclatural novelties published in Comptes Rendus Palevol are registered on: – ZooBank® (http://zoobank.org) 531 COMPTES RENDUS PALEVOL • 2025 • 24 (26) © Publications scientifiques du Muséum et/and Académie des sciences, Paris. www.cr-palevol.fr Romain LAHAYE Laboratoire d’Archéosciences et Sciences du Patrimoine (LASP), Université de Sherbrooke, Campus principal, 2500, boulevard de l’Université, Sherbrooke J1K 2R1 (Canada) [email protected] (auteur correspondant) Frédéric DONZE Laboratoire de géosciences, Institut des Sciences de la Terre (ISTerre), Université Grenoble Alpes, CS 40700, F-38058 Grenoble (France) [email protected] Bernard SCHMITT CNRS, Institut de Planétologie et Astrophysique, Université Grenoble Alpes, CS 40700, F-38058 Grenoble (France) [email protected] Romain PIGEAUD Centre de Recherche en Archéologie, Archéosciences, Histoire (CReAAH), Université de Rennes-1, Centre de recherches sur les arts et le langage (CRAL), EHESS/CNRS, 54 boulevard Raspail, F-75006 Paris (France) [email protected] Soumis le 2 décembre 2024 | Accepté le 3 juillet 2025 | Publié le 3 décembre 2025 Découvertes de tracés inédits par imagerie hyperspectrale dans la grotte ornée paléolithique Mayenne-Sciences (France) urn:lsid:zoobank.org:pub:B56B3F01-3174-4F96-9008-ABFDFFC8B53B Lahaye R., Donze F., Schmitt B. & Pigeaud R. 2025. — Découvertes de tracés inédits par imagerie hyperspectrale dans la grotte ornée paléolithique Mayenne-Sciences (France). Comptes Rendus Palevol 24 (26) : 531-544. https:// doi.org/10.5852/cr-palevol2025v24a26 RÉSUMÉ L’étude de l’art rupestre bénéficie désormais des avancées technologiques en imagerie. Parmi ces techno logies, l’imagerie hyperspectrale (HSI) se révèle être un outil puissant pour analyser les peintures ancien nes en révélant des détails invisibles à l’œil nu. Les travaux de recherche présentés appliquent l’HSI à l’art rupestre paléolithique de la grotte ornée Mayenne-Sciences (Mayenne, France), dont les dessins et gravures datent du Gravettien. L’objectif principal était de déterminer quel type d’informations supplémentaires l’HSI peut apporter par rapport aux méthodes traditionnelles d’analyse d’art rupestre, en particulier dans le spectre visible et le très proche infrarouge. L’enjeu était également de tester l’application dans un contexte difficile : une obscurité totale nécessitant un 532 COMPTES RENDUS PALEVOL • 2025 • 24 (26) Lahaye R. et al. éclairage adapté, une hygrométrie élevée et la présence de particules d’argile pouvant s’infiltrer dans les appareillages. Un imageur HSI Specim IQ a permis d’acquérir des images hyperspectrales sous éclairage artificiel de différentes figures pariétales, principalement tracées au pigment noir sur des concrétions calcaires. Des transformations mathématiques avancées réduisant la dimensionnalité des données ont permis d’extraire, de différencier les pigments utilisés et de révéler des tracés jusqu’alors inconnus. Un bison dessiné au charbon, très altéré, est apparu quasiment tel qu’il était lors de son tracé initial. Par ailleurs, deux chevaux semblent avoir été tracés en plusieurs fois. Nos résultats montrent que l’HSI est particulièrement efficace pour améliorer le contraste des pigments dans le visible, tout en apportant de nouvelles informations discriminantes dans la partie très proche infrarouge du spectre. Cette méthode non invasive a permis de révéler de nouvelles figures, de préciser la composition des pigments et d’apporter des éléments inédits sur les méthodes de création de ces œuvres d’art. Cette étude souligne l’importance de l’intégration des technologies d’imagerie avancées dans l’étude de l’art rupestre et ouvre des perspectives pour l’application de l’HSI à d’autres sites archéologiques. ABSTRACT New paintings and drawings in the Paleolithic cave of Mayenne-Sciences (France) revealed by hyperspectral imaging. Rock art research requires precise redrawing, which began in the late 19th century to authenticate and disseminate Palaeolithic paintings and engravings. Currently, redrawing methods have evolved towards digital photography and computer-assisted analysis, revealing details invisible to the naked eye. However, accurate documentation still requires specific equipment and meticulous image processing. Image processing software is essential for enhancing the contrast of photographs and revealing subtle details, making it a crucial tool for the analysis of rock art. Rock art studies are now benefiting from technological advances in imaging. Among such technologies, hyperspectral imaging (HSI) has emerged as a powerful tool for the analysis of ancient paintings, disclosing details that remain invisible to the naked eye. This cutting-edge technology is particularly effective for complex applications, capturing hundreds of extended spectral bands. These bands, which are both contiguous and finely sampled, can extend well beyond the visible spectrum. HSI creates a detailed spectral signature for each pixel, forming a hypercube or three-dimensional data cube. This hypercube consists of a series of images, each image corresponding to a specific spectral band captured by the imager. The research presented here applies HSI to Palaeolithic parietal art in the Mayenne-Sciences cave (Mayenne, France), whose drawings and engravings have been dated to the Gravettian period, between 25 800 and 27 700 calBP. The main objective was to determine what additional information HSI could provide over traditional rock art analysis methods, particularly in the visible and very near infrared spectrum. An additional challenge involved testing the application under difficult conditions: total darkness requiring appropriate lighting, high humidity (almost 99%) and the presence of clay particles that could infiltrate the equipment. Using an HSI Specim IQ imager, we acquired hyperspectral images under artificial lighting of various parietal figures, mainly drawn with black pigment on limestone concretions. This non-invasive method has enabled the discovery of new figures, clarification of pigment composition, and shed new light on the techniques used to create these works of art. The findings from the Mayenne-Sciences cave demonstrate the effectiveness of hyperspectral imaging (HSI) not only in complementing visible images but also in detecting previously unknown paintings and signs. Using advanced mathematical transformations to reduce the dimensionality of the data, we were able to extract and differentiate the pigments used, revealing previously unknown paintings and drawings. A charcoal-drawn bison, which had been heavily altered, appeared almost exactly as it had been drawn by the Palaeolithic artist. In addition, two horses appear to have been drawn several times, with analysis revealing at least two layers of different pigments. Finally, the discovery of a new triangular sign with rounded edges (a sign that was found in two caves nearby) is of particular importance. The results also indicate that HSI is highly effective in enhancing pigment contrast in the visible range and providing additional discriminating information in the near-infrared spectrum. The potential to re-evaluate and refine the interpretation of prehistoric artworks through the use of advanced imaging technologies such as HSI is therefore considerable. The study emphasises the importance of integrating these technologies into the study of rock art and opens up prospects for their application to other archaeological sites. Regarding future prospects, this work emphasises the necessity for further exploration of HSI applications in other rock art sites, while considering the specific challenges associated with each environment. The ongoing improvement of hyperspectral imaging technologies and the adaptation of methodologies to varying field conditions could unveil new research opportunities in the study of prehistoric art. Moreover, the integration of SWIR (Short-Wave Infrared) HSI, or VNIR (Visible and Near Infrared) combined to SWIR point spectroscopy, alongside other in-situ analytical techniques such as X-ray microfluorescence and Raman spectrometry, has the potential to enrich our insight. Furthermore, when coupled with laboratory analytical techniques that necessitate sampling, such as “invasive” methods (mass MOTS CLÉS Imagerie hyperspectrale, HSI, grotte ornée, art paléolithique, archéologie. 533 Découvertes de tracés inédits dans la grotte Mayenne-Sciences COMPTES RENDUS PALEVOL • 2025 • 24 (26) KEY WORDS Hyperspectral imaging, HSI, rock art studies, Palaeolithic art, archaeology. spectrometry and scanning electron microscopy), a more comprehensive understanding of pigments and painting techniques may be facilitated. Such an approach would not only refine our interpretation of these ancient practices but also illuminate artistic traditions in the Palaeolithic era. In addition to its scientific benefits, the hyperspectral imaging study of the Mayenne-Sciences cave enhances our perception of rock art as a crucial element of humanity’s cultural heritage. This research reveals previously unseen details and provides new interpretations of prehistoric works of art, contributing to a better understanding of the history of art. It also underlines the importance of preserving these irreplaceable testimonies to human creativity. INTRODUCTION Dans le domaine de la recherche sur les arts rupestres, mobiliers et pariétaux, l’acte de relever les figurations est indispensable pour mener une étude approfondie. Cette pratique, amorcée à la fin du xixe siècle, avait pour objectif initial d’authentifier les dessins paléolithiques et de les rendre accessibles à un plus large public. Elle consistait à extraire ces représentations anthropiques de leur support naturel afin de les transmettre aux chercheurs ainsi qu’au grand public qui ne pouvait se rendre sur le site en personne. Toutefois, la documentation précise de ces œuvres millénaires se heurte à une problématique fondamentale : comment révéler et analyser des tracés souvent altérés par des processus taphonomiques complexes, masqués sous des concrétions calcaires ou dont les pigments se sont dégradés au point de devenir invisibles à l’œil nu ? L’évolution méthodologique de l’étude des peintures rupestres reflète cette quête constante d’amélioration documentaire. Les méthodes de relevés sont passées du dessin à main levée et du traçage direct à des approches plus sophistiquées comme la photographie numérique et l’analyse d’images assistée par ordinateur (Aujoulat & Perazio 2005 ; Lahaye 2023 ; Paillet 2023). Ces avancées technologiques ont non seulement amélioré la précision des relevés, mais ont également révélé l’existence de motifs jusqu’alors inconnus, mettant en lumière des peintures, des sous-dessins et des repentirs invisibles à l’œil nu. La photographie numérique, malgré sa facilité d’utilisation et son intégration avec des logiciels de traitement d’image comme DStretch®, reste néanmoins limitée au spectre visible et peine à discriminer des pigments de composition similaire ou à pénétrer les voiles de calcite qui recouvrent souvent les œuvres pariétales. L’imagerie multispectrale a constitué une première réponse à ces limitations en ajoutant quelques canaux dans le proche infrarouge. Le projet Archéologie et Taphonomie de la Paroi Ornée à Cussac (ArTaPOC) a notamment démontré l’utilité de cette approche pour comprendre la taphonomie des parois ornées (Jaubert etal. 2020). Cependant, ces systèmes se limitent généralement à quelques filtres spectraux larges et spécifiques, ne permettant pas une caractérisation fine des signatures spectrales des pigments. L’imagerie hyperspectrale (HSI) représente un saut qualitatif majeur dans cette évolution technologique. Issue des missions d’exploration spatiale dès la fin des années 1980, notamment avec l’instrument ISM français pour les missions Phobos (Hauber etal. 1991), cette technologie capture des centaines de bandes spectrales étendues, contiguës et finement échantillonnées. L’HSI crée pour chaque pixel une signature spectrale détaillée, formant un hypercube ou cube de données tridimensionnel où chaque image correspond à une bande spectrale spécifique (Jaiswal etal. 2023) (Fig. 1). Cette richesse d’information spectrale permet de reconnaître les signatures distinctives des pigments même présents en quantités infimes, en se basant sur leur composition chimique plutôt que sur des différences visibles de couleur. Dans le contexte spécifique de l’art rupestre préhistorique, trois groupes de recherche ont été pionniers dans l’utilisation de l’HSI Visible-Near InfraRed (VNIR). Bayarri etal. (2015, 2019, 2021) ont appliqué cette technologie dans les grottes d’El Castillo et d’Altamira en Cantabrie, révélant jusqu’à 76 % de figures additionnelles dissimulées sous des couches de calcite. Leur approche, bien que novatrice, s’est principalement concentrée sur la détection de nouvelles figures sans explorer pleinement les capacités de discrimination des pigments. Schmitt etal. (2023) ont franchi une étape supplémentaire dans le Sahara central en démontrant comment l’HSI peut révéler des détails invisibles sur des parois de grès oxydés, mais surtout en établissant la supériorité de l’Analyse en Composantes Indépendantes (ACI) sur l’Analyse en Composantes Principales (ACP) pour séparer efficacement les pigments de la texture rocheuse (Fig. 2). Leur travail en lumière naturelle diffuse a cependant limité l’exploitation du proche infrarouge au-delà de 920 nm. Defrasne etal. (2023) ont confirmé ces découvertes à l’abri Otello en Provence, ajoutant l’utilisation combinée de mesures VNIR et ShortWave InfraRed (SWIR) (1 000-2 500 nm) pour fournir des données sur la composition minéralogique des pigments. Malgré ces avancées significatives, plusieurs lacunes méthodologiques et applicatives demeurent. Premièrement, l’application de l’HSI en milieu souterrain profond avec éclairage artificiel contrôlé reste peu documentée, alors que la majorité de l’art pariétal paléolithique se trouve dans de telles conditions. Deuxièmement, la discrimination fine entre 534 COMPTES RENDUS PALEVOL • 2025 • 24 (26) Lahaye R. et al. pigments de même nature, mais potentiellement d’origines ou d’époques différentes, nécessite des protocoles analytiques plus sophistiqués que la simple détection. Troisièmement, l’intégration systématique de transformations mathéma - tiques avancées comme l’ACI, la Minimum Noise Fraction (MNF) ou autres méthodes de réduction dimensionnelle pour extraire l’information pertinente des hypercubes reste sous-exploitée dans ce domaine. La présente étude vise à combler ces lacunes en appliquant l’imagerie hyperspectrale VNIR (400-1 000 nm) aux peintures rupestres de la grotte ornée Mayenne-Sciences (Mayenne, France). Ce site, découvert en 1967 et daté du Gravettien (26 666 ± 864 à 27 255 ± 413 calBP), représente l’une des douze grottes ou abris paléolithiques identifiés au nord de la Loire (Pigeaud etal. 2003 ; Pigeaud 2004). Les 59 unités graphiques recensées, principalement réalisées au charbon de bois, présentent des défis analytiques particuliers : forte altération par les écoulements de calcite, superpositions de tracés, et dégradation différentielle des pigments. Notre approche méthodologique novatrice combine plusieurs éléments distinctifs. D’abord, nous avons développé un protocole d’acquisition optimisé pour l’environnement souterrain, utilisant un système d’éclairage halogène de 1 500W garantissant une illumination uniforme et un excellent rapport signal/bruit sur toute la gamme spectrale. Ensuite, nous appliquons systématiquement l’ACI pour extraire et concentrer l’information spectrale, suivant les recommandations de Schmitt etal. (2023), mais en l’adaptant aux spécificités des pigments noirs sur substrat calcaire. Enfin, nous corrélons les signatures spectrales obtenues avec l’analyse stratigraphique des tracés pour proposer des interprétations sur les techniques de création et les phases d’exécution. L’objectif de cette étude est triple : 1) démontrer la capacité de l’HSI à révéler des œuvres invisibles dans des conditions d’acquisition difficiles ; 2) établir des protocoles reproductibles pour l’analyse hyperspectrale en grotte ornée ; et 3) apporter de nouvelles données sur les techniques artistiques gravettiennes et leur évolution temporelle. Au-delà de l’apport scientifique immédiat pour la compréhension du site Mayenne-Sciences, cette recherche vise à établir l’HSI comme un outil incontournable pour l’étude non invasive de l’art rupestre, ouvrant des perspectives pour la réévaluation de sites déjà étudiés et la découverte de nouvelles œuvres dans ces patrimoines exceptionnels. MATÉRIEL ET MÉTHODE Acquisition de données à l’Aide de l’imAgeur Hsi sPecim iq Notre étude repose sur l’utilisation de l’imageur SPECIM IQ opérant dans le VNIR, couvrant une gamme spectrale de 400 à 1 000 nm, avec un échantillonnage spectral de 3 nm et une résolution spectrale de 7 nm. Il délivre un cube de données de 512 × 512 pixels, avec une résolution spatiale comprise entre 0,4 et 0,8 mm selon une distance d’acquisition variant de 0,5 à 1 m. Cette configuration se compare favorablement fig. 1. — Principe de mesure de l’imagerie hyperspectrale et description des données acquises. Dans le mode pushbroom de l’imagerie hyperspectrale, l’imageur balaie la surface ligne par ligne et enregistre un spectre complet à chaque position de pixel. Une image à chaque longueur d’onde formant un cube de données 3D est obtenue (deux dimensions spatiales et une dimension spectrale). D’après Aiazzi et al. 2012. Capteur hyperspectral Chaque pixel contient un spectre continu qui est utilisé pour identifier les matériaux présents dans le pixe l Identifier la signature spectrale Energie Dimension le long de la trajectoire construite par le mouvement de la caméra Dimension spectrale Fauchée de balayage 0400800 1200 1600 2000 2400 nm 535 Découvertes de tracés inédits dans la grotte Mayenne-Sciences COMPTES RENDUS PALEVOL • 2025 • 24 (26) à celles employées dans d’autres études récentes : par exemple, Bayarri etal. (2019, 2021) ont utilisé une gamme spectrale similaire à El Castillo, mais avec une résolution spatiale inférieure ; Schmitt etal. (2023) ont travaillé dans des conditions de lumière diffuse naturelle, limitant l’exploitation au-delà de 920 nm ; Defrasne etal. (2023) ont élargi leur analyse au SWIR (1 000-2 500 nm) pour une caractérisation minéralogique plus poussée. Pour répondre aux exigences de l’imagerie hyperspectrale dans un environnement souterrain, nous avons opté pour un système d’éclairage artificiel à large spectre composé de deux projecteurs halogènes de 750 W chacun, positionnés latéralement à la scène. Ce dispositif assure une illumination homogène sur des zones allant de 50 × 50 cm à 1 × 1 m, avec une variation d’intensité inférieure à 15 %, et une stabilité temporelle remarquable (1 %) pendant les deux minutes d’acquisition. Contrairement aux LED, ces sources halogènes garantissent une couverture spectrale continue sur toute la plage d’acquisition du SPECIM IQ (Fig. 3), condition indispensable pour garantir un excellent rapport signal/bruit. Voici quelques informations clés pour reproduire notre approche technique. Le processus de mesure comprend six étapes : 1. Mise au point : l’imageur hyperspectral est mis au point sur la cible à l’aide de la caméra viseur, c’est-à-dire un petit appareil photographique RVB situé juste au-dessus de l’imageur spectral, avec une direction de vue identique, mais un champ de vision plus large. La mise au point est effectuée manuellement en mettant en évidence les bords nets. 2. Image contextuelle : pour superposer les images de l’imageur spectral et de la caméra viseur, leur parallaxe est corrigée automatiquement ou manuellement. 3. Panneau de référence : après avoir sélectionné le champ de vision de l’imageur HSI, un panneau de référence spectralement blanc sur les gammes visibles et proche infrarouge (Spectralon® 99 %, 10 × 10 cm) est positionné à côté de la paroi peinte, proche du centre du champ de vision de l’instrument pour permettre de capturer les caractéristiques spectrales de l’éclairage. Après optimisation du temps d’intégration et mesure, une partie de la zone blanche de la cible de référence (typiquement 2 000 à 8 000 pixels selon la distance imageurparoi) est sélectionnée par seuillage de l’intensité de l’image, suivi d’un algorithme de connectivité des pixels. Ces pixels sont moyennés pour fournir le spectre de référence. 4. Mesure de la scène : après ces étapes d’ajustement initiales et optimisations du temps d’intégration, le processus d’enregistrement de l’image est déclenché. Tout d’abord, une image de référence sombre représentant le signal de fond du capteur et le bruit de lecture, sans lumière incidente, est enregistrée automatiquement. Ensuite, le scanner de ligne démarre l’acquisition des données proprement dite. 5. Validation : une fois que l’image complète de 512 × 512 pixels est numérisée, la mise au point et d’éventuelles saturations ou sous-expositions sont vérifiées dans la vue de validation des données avec une image RVB synthétique dérivée du cube d’image hyperspectrale et des histogrammes de pixels d’intensité minimale et maximale. 6. Calibration : après avoir éliminé le fond sombre, le processus de calibration convertit le cube hyperspectral en unité de « facteur de réflectance » en divisant les spectres de tous les pixels par le spectre moyen de la zone sélectionnée de la référence Spectralon. Toutes les données sont automatiquement enregistrées : les cubes de données hyperspectrales brutes et calibrées, les spectres de référence sombre et blanc, un aperçu RVB des données HSI et l’image contextuelle RVB. fig. 2 . — Comparaison entre les spectres de l’imagerie hyperspectrale VNIR et le signal d’un appareil photographique RVB classique pour des pigments de peinture rupestre typiques. Les spectres de réflectance à haute résolution mesurés sur une couche très mince de pigment rouge « Beauregard » (rouge) peint sur une roche carbonatée, et la roche non peinte elle-même (brune) sont tracés avec une ligne continue (échelle de gauche). Les points sont des simulations correspondant au signal RVB d’un appareil photo numérique (Canon 20D) extrait de ces spectres en les convoluant avec les bandes passantes de ses filtres (lignes pointillées en bas, échelle de droite) avec des « barres d’erreur » représentant la largeur à mi-hauteur des trois filtres. La courbe noire représente la sensibilité photopique totale de l’œil. D’après Schmitt et al. 2023. Spectre Roche brune Pigment rouge Roche brune Pigment rouge Appareil Photo Sensibilité Œil humain (photopique) Appareil Photo Canon 20D B G R Réflectance Sensibilité relative Longueur d’onde (nm) 0.5 0.4 0.3 0.2 0.1 0.0 400 450 500 550 600 650 700750 800850 900950 1000 1.0 0.5 0.0 536 COMPTES RENDUS PALEVOL • 2025 • 24 (26) Lahaye R. et al. AnAlyse des données HyPersPectrAles Un ensemble de données de réflectance hyperspectrale obtenues sur divers panneaux a été analysé en utilisant différents outils standard disponibles dans le logiciel d’imagerie hyperspectrale ENVI® (Version 5.5, L3HARRIS GEOSPATIALTM). Les résultats ont été comparés à l’image contextuelle RVB enregistrée simultanément (avec seulement 20 % de meilleure résolution spatiale, mais un éclairage et une géométrie de vision identiques) et analysée avec Dstretch®. Principalement trois types de transformations mathématiques non supervisées – ACP, ACI, MNF – visant à extraire et à concentrer les informations contenues dans les cubes de données sont utilisées en imagerie hyperspectrale. Elles sont appelées « rotations », car elles visent à changer la base sur laquelle l’ensemble de données est projeté afin de réduire la dimensionnalité des données utiles (initialement 204 plans d’information spectrale, un à chaque longueur d’onde) et de séparer le bruit dans les données. Leurs hypothèses de travail sur le contenu initial des données sont cependant différentes et l’ACI récemment développée est censée être la transformation la plus efficace pour séparer différentes couches d’information, c’est-à-dire différents types de peintures ainsi que les variations de composition et de texture des roches. Cette transformation a été développée pour résoudre le problème de la « séparation aveugle des sources », sans information a priori sur le mélange. Contrairement à l’ACP, elle considère des sources d’information indépendantes non contraintes à avoir une distribution gaussienne, typique des ensembles de données hyperspectrales naturelles, et utilise des statistiques d’ordre élevé pour révéler des caractéristiques intéressantes, mais faibles ou ne couvrant qu’une petite partie de l’image. Ces transformations sont fréquemment utilisées dans l’exploration spatiale et l’analyse de données de télé détection (Hyvarinen & Oja 2000) et plus récemment l’ACP a été introduite et couramment utilisée dans les études d’œuvres d’art (Domingo etal. 2015 ; Pronti etal. 2019 ; Cucci etal. 2020). Dans l’art rupestre, l’ACP a été utilisée pour l’analyse d’images de l’appareil photographique RVB et un groupe de chercheurs a utilisé tous ces algorithmes en parallèle sur des données hyperspectrales pour l’analyse de peintures rupestres, mais n’a pas discuté de leurs avantages relatifs (Vincent Garcia etal. 1996 ; Domingo etal. 2015 ; Rogerio-Candelera 2015 ; fig. 3. — L’imageur hyperspectrale Specim IQ sur le terrain, devant le panneau principal de la grotte Mayenne-Sciences. La cible de référence se situe sous l’imageur. Crédits : photo de Romain Lahaye. 537 Découvertes de tracés inédits dans la grotte Mayenne-Sciences COMPTES RENDUS PALEVOL • 2025 • 24 (26) Bayarri 2020; Bayarri etal. 2021). Après une comparaison approfondie de l’ACP et de l’ACI sur des images RVB de peintures rupestres superposées (Cerrillo-Cuenca etal. 2021) concluant à une légère supériorité de l’ACI, Schmitt etal. (2023) ont montré que l’ACI est aussi la méthode d’analyse la plus efficace sur des données hyperspectrales VNIR pour extraire et différencier les pigments minéraux entre eux et par rapport à la paroi. Nous utiliserons donc cette transformation pour l’analyse des données de cette étude. Toutefois, avant d’exécuter la transformation, plusieurs analyses préliminaires du cube de données et quelques conversions sont nécessaires afin d’optimiser leurs résultats. Tout d’abord, le cube de données doit être pivoté de 90° dans le sens horaire pour revenir à la vue verticale originale. Enfin, à partir des statistiques locales sur les spectres très homogènes de la cible de référence (Fig. 4) couplées à une analyse d’une sélection de spectres individuels, nous pouvons sélectionner la plage spectrale dans laquelle le rapport signal/bruit est suffisamment grand tout en conservant assez de canaux pour préserver la plupart des informations utiles et exécuter efficacement la transformation ACI. Grâce à l’éclairement halogène, l’illumination est bonne à toutes les longueurs d’onde du VNIR, contrairement aux mesures effectuées précédemment en lumière diffuse naturelle (abris ombragés), très pauvres en rayonnement infrarouge audessus de 920 nm (Schmitt etal. 2023). Il est donc possible de conserver l’essentiel des canaux spectraux hormis les cinq premiers dans le bleu profond (< 410 nm), là où le détecteur est le moins sensible. Bien que la méthode de transformation ne soit pas systématiquement indiquée dans les légendes des illustrations, toutes les figures de cette étude ont été produites à l’aide de la méthode ACI, qui a été privilégiée après comparaison avec l’ACP et la MNF, suivant les recommandations de Schmitt etal. (2023) et Cerrillo-Cuenca etal. (2021). Les performances relatives montrent en effet que l’ACI sépare plus efficacement les sources non-gaussiennes (pigments vs substrat). L’ACP, quant à elle, reste utile pour une première exploration des données, tandis que la MNF optimise la séparation signal/bruit, mais peut masquer des détails subtils. Les futures publications devront inclure ces précisions directement dans les légendes des figures. Les cartographies de pigments ont été générées par transformation ACI, concentrant l’information spectrale dans deux à sept composantes selon la complexité de la scène. La validation des séparations spectrales s’appuie sur plusieurs éléments, comme l’extraction systématique des spectres sur les régions d’intérêt (ROI) identifiées, comme illustré (Fig. 5), la comparaison avec les signatures spectrales de référence des pigments connus (charbon, hématite), ainsi que la cohérence spatiale des cartographies avec l’organisation des tracés. ANALYSES HYPERSPECTRALES DANS LA GROTTE MAYENNE-SCIENCES PrésentAtion du site La grotte ornée Mayenne-Sciences, à Thorigné-en-Charnie, Mayenne, représente l’une des douze grottes ou abris paléolithiques identifiés au nord de la Loire. Découverte le 11 juin 1967 par une équipe de spéléologues sous la direction de Roger Bouillon, cette grotte a fait l’objet d’une analyse détaillée (Pigeaud 2004). Nichée dans le karst de Saulges, un phénomène géomorphologique créé par l’Erve, un tributaire de la Sarthe, qui a creusé le plateau calcaire de Saulges sur une distance d’environ 1,5 km, la grotte se présente comme une petite cavité en angle droit. Elle se compose de quatre salles alignées et s’ouvre sur le Porche de la Dérouine. Sa longueur totale, suivant le parcours spéléologique actuel, est d’environ 60 mètres, bien qu’elle ne mesure que 50 mètres en considérant l’entrée paléolithique la plus probable. Depuis la Salle 0 (Fig. 6), le parcours principal s’étend à l’horizontale, en prenant comme référence le niveau de sol du porche. Actuellement, les recherches ont identifié 59 unités graphiques. Parmi celles-ci, on compte 16 figurations animales fig. 4. — Statistiques sur les spectres de la cible de référence (c. 1900 pixels) avec la moyenne (noir), la moyenne +/- écart-type (vert), les valeurs minimum et maximum (rouge) montrant l’augmentation du bruit en dessous de 410 nm et au-dessus de 920 nm. 1.15 1.10 1.05 1.00 0.95 0.90 0.85 400 500 600 700800 90 01 000 Longueur d’onde (nm) Facteur de réflectance 544 COMPTES RENDUS PALEVOL • 2025 • 24 (26) Lahaye R. et al. BAyArri v. 2020. — Algoritmos de análisis de imágenes multiespectrales e hiperespectrales para la documentación e interpretación del arte rupestre. Doctoral thesis, Universidad Nacional de Educación a Distancia (España), Escuela Internacional de Doctorado, 219 p. https://hdl.handle.net/20.500.14468/18302 BAyArri v., lAtovA j., cAstillo e., lAsHerAs j. A., de lAs HerAs c. & PrAdA A. 2015. — Nueva documentación y estudio del arte empleando técnicas hiperespectrales en la Cueva de Altamira, in collAdo girAldo H. & gArcíA ArrAnz J. J. (eds), Proceedings of the XIX International Rock Art Conference IFRAO 2015 (Cáceres, Spain, 31 August - 4 September 2015), Tomar: 2293-2307. BAyArri v., seBAstián m. A. & riPoll s. 2019. — Hyperspectral Imaging Techniques for the Study, Conservation and Management of Rock Art. Applied Sciences 9 (23): 5011. https://doi. org/10.3390/app9235011 BAyArri v., cAstillo e., riPoll s. & seBAstián A. m. 2021. — Improved Application of Hyperspectral Analysis to Rock Art Panels from El Castillo Cave (Spain). Applied Sciences 11 (3): 1292 https://doi.org/10.3390/app11031292 cerrillo-cuencA e., sePúlvedA m. & guerrero-Bueno z. 2021. — Independent component analysis (ICA): A statistical approach to the analysis of superimposed rock paintings. Journal of Archaeological Science 125: 105269. clottes j., vAllAdAs H. & cAcHier & Arnold m. 1992. — Des dates pour Niaux et Gargas. Bulletin de la Société préhistorique française 89 (9): 270-274. Réédition dans clottes J. 2015. — Une vie d’art préhistorique. Éditions Jérôme Millon (coll. L’Homme des origines), Grenoble: 109-114. cucci c., Picollo m., cHiArAntini l., udA g., fiori l., de nigris B. & osAnnA m. 2020. — Remote-sensing hyperspectral imaging for applications in archaeological areas: noninvasive investigations on wall paintings and on mural inscriptions in the Pompeii site. Microchemical Journal 158: 105082. https:// doi.org/10.1016/j.microc.2020.105082 d efrAsne c., m Assé m., g irAud m., s cHmitt B., f ligiel d., le mouélic s. & cHAlmin e. 2023. — The contribution of VNIR and SWIR hyperspectral imaging to rock art studies: example of the Otello schematic rock art site (Saint-Rémy-de-Provence, Bouches-du-Rhône, France). Archaeological and Anthropological Sciences 15 (116). https://doi.org/10.1007/s12520-023-01812-6 d omingo i., c Arrión B., B lAnco s. & l ermA j. l. 2015. — Evaluating conventional and advanced visible image enhancement solutions to produce digital tracings at el Carche rock art shelter. Digital Applications in Archaeology and Cultural Heritage 2 (2-3): 79-88. https://doi.org/10.1016/j.daach.2015.01.001 HAuBer e., regner P., scHmidt K., neuKum g. & scHwArz g. 1991. — Color decorrelation for the Phobos mission camera experiment, Planetary and Space Science 39 (1-2): 297-309. HyvArinen A. & ojA e. 2000. — Independent component analysis: algorithms and applications. Neural Networks 13: 411-430. jAiswAl g., rAni r., mAngotrA H. & sHArmA A. 2023. — Integration of hyperspectral imaging and autoencoders: benefits, applications, hyperparameter tunning and challenges. Computer Science Review 50: 100584. https://doi.org/10.1016/j.cosrev.2023.100584 jAuBert j., feruglio v. & fourment n. (eds) 2020. — Grotte de Cussac. - 30 000. Éditions Confluences, Bordeaux, 214 p. lAHAye r. 2023. — La mobilisation des données sud-africaines dans l’interprétation rituelle des arts rupestres San du Maloti-Drakensberg. Thèse de doctorat non publiée, Université Paris 1 PanthéonSorbonne, 416 p. lorBlAncHet m. 2018. — Art pariétal. Grottes ornées du Quercy. Éditions du Rouergue (1re édition 2010), Arles-Rodez, 474 p. PAillet P. 1999. — Le Bison dans les arts magdaléniens du Périgord. Éditions du CNRS (Gallia préhistoire ; Supplément 33), Paris, 475 p. https://www.persee.fr/doc/galip_0072-0100_1999_ sup_33_1 PAillet P. 2023. — De l’usage et de l’utilité du virtuel dans l’étude des grottes ornées : un retour d’expérience sur deux exemples périgourdins, in coqueugniot H., dutour o., jAuBert j. & PAillet P. (eds), Les sciences archéologiques à l’ère du virtuel. Éditions du Comité des travaux historiques et scientifiques, Paris. https://books.openedition.org/cths/17378 PigeAud r. 2004. — La grotte ornée Mayenne-Sciences (Thorignéen-Charnie, Mayenne) : un exemple d’art pariétal d’époque gravettienne en France septentrionale. Gallia Préhistoire 46: 1-154. P igeAud r. 2023. — Si loin, si proche : l’art paléolithique des « grottes de Saulges », in n Audinot n. & m ArcHAnd g. (eds), Préhistoire et Protohistoire de l’Ouest de la France. Nouvelles perspectives en hommage à Jean-Laurent Monnier. Revue Archéologique de l’Ouest 12e supplément : 157-162. PigeAud r., vAllAdAs H., Arnold m. & cAcHier H. 2003. — Deux dates carbone 14 en spectrométrie de masse par accélérateur (SMA) pour une représentation pariétale de la grotte ornée Mayenne-Sciences (Thorigné-en-Charnie, Mayenne) : émergence d’un art gravettien en France septentrionale ? Comptes Rendus Palevol 2 (2): 161-168. https://doi.org/10.1016/S16310683(03)00014-9 PigeAud r., PlAgnes v., BoucHArd m., BAHAin j.-j., cAusse cHr., demAilly s., lABorde-tisnerAt n., fAlguères cH., noël f., r odet j., v AllAdAs H. & w Alter P H . 2010. —Analyses archéo - métriques dans la grotte ornée Mayenne-Sciences (Thorigné-enCharnie, Mayenne), avec la collaboration de Bonic P., cHAut j.-j., colinArt s., lAvAl e. & renAult g., de la Société française pour l’Étude et la Protection des Mammifères. L’Anthropologie 114 (1): 97-112. https://doi.org/10.1016/j.anthro.2010.01.004 PoPlin f. 1984. — Sur le profil dorso-lombaire des bisons dans la nature et dans l’art pariétal, in BAndi H.-g., HuBer w., sAuter m.-r. & sitter B. (eds), La contribution de l’éthologie et de la zoologie à l’interprétation de l’art des peuples chasseurs préhistoriques.Troisième colloque de la Société Suisse des Sciences Humaines, Sigriswill, 1979, Fribourg: 217-242. Pronti l., romAni m., veronA-rinAti g., tArquini o., colAo f., colAPietro m., Pifferi A., cestelli-guidi m. & mArinelli m. 2019. — Post-processing of VIS, NIR, and SWIR multispectral images of paintings. New discovery on the The Drunkenness of Noah, painted by Andrea Sacchi, stored at Palazzo Chigi ( Ariccia, Rome). Heritage 2 (3): 2275-2286. https://doi.org/10.3390/ heritage2030139 reicHe i., coquinot y., trosseAu A. & mAigret A. 2023. — First discovery of charcoal-based prehistoric cave art in Dordogne. Scientific Reports 13: 22235. https://doi.org/10.1038/s41598023-47652-1 rogerio-cAndelerA m. 2015. — Digital image analysis based study, recording, and protection of painted rock art. Some Iberian experiences. Digital Applications in Archaeology and Cultural Heritage 2: 68-78. scHmitt B., souidi z., duquesnoy f. & donzé f.-v. 2023. — From RGB camera to Hyperspectral imaging: a breakthrough in Neolithic Rock Painting analysis. Heritage Science 11: 91. https:// doi.org/10.1186/s40494-023-00940-5 vicent gArciA j. m., montero ruíz i., rodríguez AlcAlde á. l., nAvArrete i. & cHAPA Brunet t. 1996. — Aplicación de la imagen multiespectral al estudio y conservación del arte rupestre postpaleolítico. Trabajos de Prehistoria 53 (2): 19-35. https://doi. org/10.3989/tp.1996.v53.i2.390 Soumis le 2 décembre 2024 ; accepté le 3 juillet 2025 ; publié le 3 décembre 2025.