En mai 2023, une équipe de Tel-Aviv et d'Ariel publiait dans PNAS Nexus un modèle capable de traduire l'akkadien vers l'anglais. Trois ans plus tard, deux nouveaux outils prolongent le chantier : TabletCraft tente le trajet inverse, de l'anglais vers le cunéiforme, et Palaeographicum compare des millions de signes sur des photographies de tablettes hittites. Aucun ne remplace l'assyriologue, car ce que fait la machine n'est qu'un maillon d'une chaîne dont les premiers restent humains.

Ce que le modèle de 2023 savait faire

Le système signé Gai Gutherz, Shai Gordin et leurs collègues, publié le 2 mai 2023 dans PNAS Nexus, reposait sur un réseau de neurones convolutif (via la bibliothèque Fairseq), un choix motivé par ses bons résultats en traduction à faibles ressources et au niveau du caractère. Deux entrées étaient possibles. La première partait d'une translittération, c'est-à-dire la transcription des signes en alphabet latin que produisent les spécialistes (score de 37,47 BLEU). La seconde partait directement des glyphes cunéiformes encodés en Unicode (36,52 BLEU). Dans les deux cas, les performances étaient meilleures sur les phrases courtes ou moyennes, sous 118 caractères environ.

Le corpus d'entraînement venait de l'Open Richly Annotated Cuneiform Corpus (ORACC), en regroupant cinq collections (RINAP, RIAo, RIBo, SAAo et Suhu), soit 8 056 tablettes, très majoritairement néo-assyriennes, avec une forte proportion d'inscriptions royales et de lettres administratives.

Les limites, elles, étaient assumées par les auteurs. Sur 50 phrases testées en translittération, seules 16 ressortaient correctement traduites ; 12 contenaient des hallucinations et 22 des erreurs. Le modèle avait notamment tendance à effacer les négations, transformant « le roi ne descend pas » en son contraire. Et surtout, il ne lisait pas les photographies de tablettes : l'identification des signes et leur conversion en caractères exploitables avaient déjà été faites par des humains en amont.

« Traduire le cunéiforme » : le raccourci qui agace les spécialistes

C'est le point que Cécile Michel, assyriologue au CNRS, tient à corriger. Annoncer qu'« une IA traduit le cunéiforme » relève de l'imprécision, parce que le cunéiforme n'est pas une langue mais un système d'écriture, celui qu'ont partagé pendant trois millénaires des langues aussi différentes que le sumérien, l'akkadien ou le hittite. On ne traduit donc pas « du cunéiforme » comme on traduirait du latin.

La distinction n'est pas cosmétique. Elle décrit ce que « lire » veut dire pour un assyriologue, et le travail se fait en trois temps. D'abord la transcription : reconnaître, sur une tablette d'argile souvent abîmée, chaque signe et sa position. Ensuite la translittération, qui note ces signes en caractères latins avec leurs valeurs phonétiques ou logographiques. La traduction proprement dite ne vient qu'en dernier. Comme le rappelaient les auteurs de 2023, les experts eux-mêmes ne passent pas directement des signes anciens à une langue moderne. Un modèle qui prend en entrée une translittération propre a donc sauté les deux étapes les plus coûteuses, celles où se concentre l'expertise.

TabletCraft : le voyage retour vers l'argile

Présenté en 2026 par Zhaohui Wang (USC Viterbi) et accepté à un atelier de la conférence ACL 2026, TabletCraft ajoute une direction que le système précédent ignorait. Il traduit toujours l'akkadien vers l'anglais, mais aussi l'anglais vers une translittération akkadienne, puis convertit celle-ci en caractères cunéiformes via une table de correspondance de 14 240 entrées translittération vers Unicode, couvrant 95,3 % des signes des textes de test.

Techniquement, le modèle affine un ByT5-base sur 116 000 paires de phrases bidirectionnelles issues de plusieurs jeux de données, dont le corpus Akkademia. La tokenisation au niveau de l'octet lui permet d'absorber les signes diacritiques et les logogrammes sans se heurter à un vocabulaire fermé. Les scores annoncés, 49,1 BLEU dans le sens akkadien vers anglais et 48,5 dans l'autre, dépassent ceux de 2023, mais l'auteur pose lui-même les garde-fous. Le texte akkadien généré à partir de l'anglais reste une approximation moderne, explicitement non destinée à servir de preuve historique primaire. Les performances chutent aussi selon les dialectes, les textes commerciaux vieil-assyriens restant plus difficiles que le néo-assyrien sur lequel l'entraînement s'est concentré. Le code est ouvert, distribué sous forme d'un paquet installable.

Palaeographicum : comparer les signes, pas les traduire

Le troisième outil ne traduit rien, et c'est justement son intérêt. Développé par l'université de Wurtzbourg et l'Académie des sciences et de la littérature de Mayence, avec l'université technique de Dortmund, Palaeographicum prolonge le projet CuKa (2018-2023) mené par Gerfrid Müller. Il analyse la forme des signes cunéiformes hittites sur des photographies numérisées, repère dans toute une collection les occurrences identiques ou proches d'un même signe, puis les rassemble en tableaux d'images comparables.

Le service s'appuie sur le Hethitologie-Portal de Mayence, catalogue en accès libre de quelque 30 000 fragments de tablettes hittites. Dans sa version actuelle, Palaeographicum donne accès à 70 000 photographies documentant plus de cinq millions de signes. L'usage visé est la paléographie : identifier la main d'un scribe à ses habitudes de tracé, dater un fragment, rapprocher des morceaux dispersés. Selon l'équipe, une comparaison d'écritures qui demandait trois jours peut désormais se faire en cinq minutes.

Des corpus numériques comme socle

Aucun de ces modèles n'existerait sans des décennies de numérisation. ORACC réunit aujourd'hui environ 10 000 textes translittérés, soit près d'un million de mots et 2,3 millions de signes, dont quelque 9 000 accompagnés d'une traduction anglaise. La Cuneiform Digital Library Initiative (CDLI) met à disposition plus de 200 000 textes en photographies, copies et translittérations. Ce sont ces bases, patiemment annotées à la main, qui fournissent la matière d'entraînement ; sans elles, les réseaux de neurones n'auraient rien à apprendre.

Ce que la machine ne fait pas

Les trois systèmes butent sur les mêmes obstacles. Les tablettes sont lacunaires, l'argile cassée, les signes érodés ; restituer un passage manquant reste un pari qu'aucun modèle ne tranche seul. Le contexte compte énormément, un même signe pouvant se lire de plusieurs façons. Et les hapax, ces mots attestés une seule fois, ne laissent au modèle aucune régularité statistique à exploiter.

D'où la position commune de ces travaux, l'IA en assistant plutôt qu'en traducteur autonome. Une sortie qui semble correcte doit encore passer devant un spécialiste, seul capable de repérer une négation avalée ou un logogramme mal résolu. Les corpus qui nourrissent les modèles restent l'œuvre d'assyriologues, et c'est leur relecture qui valide, ou non, ce que la machine propose. Les outils de 2026 accélèrent le tri, la comparaison, le premier jet de traduction ; ils ne comblent pas les milliers de tablettes encore jamais éditées, qui n'existent pour l'instant que sous forme d'argile dans les réserves des musées.