Pour atteindre cet objectif, Théo Santos mise sur les réseaux de neurones génératifs, un outil phare de l’intelligence artificielle. Ces algorithmes, déjà connus pour produire des images réalistes (Midjourney) ou générer du texte (ChatGPT), trouvent ici une nouvelle application.

« Je les utilise pour proposer des modèles possibles de l’intérieur de la Terre. Les réseaux apprennent à partir de jeux de données et produisent des représentations qui ressemblent visuellement à celles utilisées pour leur entraînement. Ces modèles servent ensuite à améliorer les algorithmes de résolution des problèmes inverses », explique le doctorant.

L’idée est simple en théorie : proposer un modèle avec le réseau de neurones génératifs, simuler les observations à partir de ce modèle proposé, comparer ces observations simulées avec les données réelles, puis ajuster le modèle en repassant par le réseau de neurones, pour réduire l’écart. Ces étapes sont répétées de nombreuses fois. En pratique, cette approche requiert des outils mathématiques sophistiqués et une phase d’entraînement des algorithmes sur des images obtenues par la géodynamique, afin que le réseau de neurones propose les modèles les plus proches de la réalité possible.

Le résultat ? Une méthode innovante qui pourrait transformer la manière dont on visualise et interprète les profondeurs terrestres, et permettrait peut-être de lever le voile sur des structures jusqu’ici inaccessibles.