Le 26 Mars 2026, Laura Willot soutiendra sa thèse intitulée :
Structuring, enriching, and exploring photographic collections for the spatio-temporal monitoring of heritage restoration sites
📅 Jeudi 26 mars 2026 – 14h
📍 Salle G. Morin – bâtiment N’ – Campus CNRS Joseph Aiguier – 31 Chemin Joseph Aiguier – 13009 Marseille
Comment y assister ? En remplissant le formulaire disponible sur ce lien
https://framaforms.org/soutenance-phd-defence-laura-willot-1770667255
Composition du jury :
Directeur : Dan Vodislav (ETIS, CYU)
Directrice : Valerie Gouet-Brunet (LaSTIG, IGN)
Directeur : Livio De Luca (MAP, CNRS)
Encadrante : Adeline Manuel (MAP, CNRS)
Rapporteur : Gilles Gesquiere (LIRIS, ULL2)
Rapporteur : El Mustapha Mouaddib (MIS, UPJV)
Examinatrice : Florence Clavaud (Archives Nationales)
Examinateur : Dimitris Kotzinos (ETIS, CYU)
Examinatrice : Angela QUATTROCCHI (UNIRC, Italia)
Résumé de la thèse :
Cette thèse explore l’usage d’outils numériques pour la valorisation de corpus d’images acquises dans le cadre de chantiers de restauration du patrimoine, en prenant pour étude de cas la documentation de la restauration de la cathédrale Notre-Dame de Paris après l’incendie d’avril 2019. Durant ce chantier, de très nombreuses photographies ont été acquises puis enrichies par diverses métadonnées de contextualisation (date d’acquisition, position de la caméra dans la cathédrale, description du contenu visuel, etc.), constituant ainsi une ressource précieuse pour documenter le processus de restauration. Leur quantité rend cependant toute exploration manuelle impossible.
L’approche que nous avons développée repose sur la notion de distance entre images, calculée à partir de leurs métadonnées (dates, coordonnées spatiales, etc.), facilitant ainsi l’exploration du corpus. Cette approche s’articule en quatre étapes : Comprendre, Structurer, Explorer, Enrichir. La première étape (Comprendre) consiste à analyser les données et leurs représentations, en étudiant les outils et le contexte de leur production, pour définir un modèle de données graphe, intégrant les différentes connexions entre métadonnées et images. La deuxième étape (Structurer) se concentre sur la gestion des données, grâce à une base de données orientée graphe, et le développement de modèles de Deep Learning pour générer de nouvelles représentations de données. La troisième étape (Explorer) exploite la visualisation de données (nuages de mots, réduction de dimension) et la notion de distance (recherche de plus proches voisins, clustering) pour explorer le corpus. Enfin, la quatrième étape (Enrichir) se construit autour d’un framework général, unifiant les outils et étapes précédentes pour produire de nouvelles connaissances.
Ces travaux ouvrent la voie à une exploration et un enrichissement partiel de grands corpus d’images patrimoniales. Des travaux supplémentaires seront nécessaires pour approfondir la production de connaissances à partir de ces collections.