L'IA accélère le déchiffrement des langues anciennes mais reste dépendante des experts

L’IA permet d’accélérer l’analyse de corpus de langues anciennes comme le Linear A ou l’étrusque, mais ses résultats reposent sur des hypothèses humaines préalables et nécessitent une validation experte.

Les langues isolées, comme le Linear A de la civilisation minoenne ou l’étrusque, posent des défis majeurs en raison de l’absence de textes bilingues ou de liens clairs avec d’autres langues. Jusqu’à présent, leur déchiffrement reposait sur des décennies de travail manuel par des linguistes. L’IA intervient désormais comme un outil complémentaire : elle automatise l’exploration de motifs à grande échelle, mais ne génère pas d’intuitions linguistiques par elle-même. Un cas récent illustre cette dynamique : en juin 2026, un ingénieur autodidacte en IA et linguiste amateur a formulé une hypothèse sur l’origine sémitique d’un mot en Linear A, puis utilisé des scripts pour tester cette piste sur l’ensemble des inscriptions disponibles. L’outil a permis d’assigner des valeurs à 40 signes et de compiler un lexique de 408 mots, mais cette proposition reste à confirmer par la communauté scientifique.

L’efficacité de l’IA se limite à la vérification rapide de pistes suggérées par des experts. Elle excelle dans l’analyse de motifs répétitifs, comme la distribution de caractères ou les structures grammaticales, mais ne peut remplacer la créativité ou la contextualisation historique requise pour interpréter des textes anciens. Les linguistes soulignent que sans une expertise humaine pour formuler des hypothèses et évaluer la cohérence des résultats, les outils d’IA produisent des pistes sans garantie de pertinence. Les avancées récentes montrent ainsi une collaboration où l’IA agit comme un accélérateur, tandis que l’intervention humaine reste indispensable pour valider et affiner les interprétations.