Finissant au doctorat en sciences de la Terre et de l’atmosphère, Arnaud Back a effectué sa soutenance de thèse le 30 mars 2026. Sous la direction de recherche de Paul Bédard (UQAC) et la codirection d’Amadou Barry (INRS) et de Julien Maître (UQAC), sa thèse a pour titre «Advancing Quantitative Petrography Through an Automated Grain Shape Quantification Framework».
Sous la présidence d’Adoubi Vincent De Paul Adombi (UQAC), le jury d’évaluation était composé de Kim H. Esbensen (KHE Consult) et de Julien Walter (UQAC).
Résumé de la thèse
L’analyse pétrographique traditionnelle repose presque exclusivement sur la description microscopique qualitative de la quantité de minéraux, des relations spatiales et de la forme des grains. Ces descriptions qualitatives fournissent des données quantitatives limitées grâce à l’utilisation de chartes associant l’évaluation qualitative à un intervalle de mesures quantitatives, ce qui démontre la nécessité d’améliorer la quantification en pétrographie. Ces données fournissent une base suffisante pour la caractérisation et la normalisation de ces descriptions. Cependant, elles manquent de précision pour l’analyse détaillée de la forme et des relations spatiales des minéraux et des objets géologiques. Ces limites restreignent en retour le potentiel des études géologiques à comparer avec précision des échantillons provenant de différentes études et régions. Alors que la pétrographie traditionnelle reste largement qualitative, les progrès en analyse d’images permettent désormais une caractérisation précise des grains. Cependant, les descripteurs de forme sont souvent redondants, sous-utilisés en géologie et manquent de standardisation dans leurs utilisations.
Cette étude vise à déterminer comment l’analyse automatisée de la forme des grains peut faire progresser la pétrographie quantitative à travers trois objectifs clés : 1) développer un protocole reproductible d’acquisition de microphotographies, 2) créer un système d’analyse quantitative de la forme, comprenant la compilation de descripteurs, le développement d’une bibliothèque Python et des procédures de traitement des données, et 3) valider la méthode grâce à l’analyse quantitative de la forme des grains d’or provenant de tills.
Voir plus
La méthodologie employée pour atteindre ces objectifs a établi un cadre rigoureux pour l’analyse quantitative de la forme des grains en développant tout d’abord un protocole standardisé d’acquisition de microphotographies. Ce protocole aborde systématiquement quatre groupes de paramètres : les besoins de l’étude, l’équipement du microscope, les paramètres logiciels et les facteurs externes, garantissant ainsi une application adaptable à différentes études. Une revue exhaustive de la littérature, réalisée à l’aide de l’analyse bibliométrique du logiciel VOSviewer, a permis d’identifier 348 utilisations de descripteurs de forme dans 15 domaines scientifiques à partir de 81 articles. Cette liste exhaustive de descripteurs de forme a permis le développement d’une bibliothèque de descripteurs codée en Python, la bibliothèque open source PyShapeDescriptors disponible sur GitHub. Cette bibliothèque est capable de calculer jusqu’à 100 paramètres de forme. Les fonctions des descripteurs ont ensuite été étudiées et testées à l’aide d’images générées de formes idéales, allant de cercles à des dodécagones avec des intensités variables d’arrondis et de rugosité, puis ont été validées sur 584 images de grains de galène, présentant des formes diverses, allant d’angulaires à rondes. La méthode de caractérisation des formes combine plusieurs descripteurs grâce à une analyse en composantes principales. Cette méthodologie offre une facilité d’interprétation grâce à des matrices de coefficients qui quantifient la contribution de chaque descripteur au modèle linéaire, tout en nécessitant des ressources informatiques minimales par rapport aux approches basées sur les réseaux neuronaux. Enfin, afin de valider l’applicabilité de la méthode dans le monde réel, le système a été utilisé pour quantifier la forme des grains d’or à partir d’une base de données complète comprenant 179 539 images de grains d’or provenant de sédiments glaciaires canadiens. Les résultats ont été comparés à la classification ARTMorph, une routine basée sur un réseau neuronal convolutif, spécialement entraînée par des géologues professionnels pour la classification morphologique des grains d’or, confirmant ainsi l’efficacité de la méthode dans le cadre d’applications géologiques pratiques.
Cette thèse propose un concept innovant pour la pétrographie quantitative en développant et en validant une méthode d’analyse automatique de la forme des grains. Les principales contributions sont les suivantes : 1) un processus complet et adaptatif couvrant l’acquisition d’images et le traitement des données, dont le fonctionnement a été démontré grâce à l’utilisation d’images au microscope optique, générées par ordinateur et au microscope électronique à balayage ; 2) des avancées technologiques avec la création de la bibliothèque PyShapeDescriptors et d’une routine de génération de formes synthétiques simulant l’arrondi et la rugosité avec un paramétrage précis ; 3) des connaissances scientifiques remettant en question la classification traditionnelle des descripteurs ; 4) une utilisation géologique réussie dans le cadre de l’étude quantitative de la forme des grains d’or, montrant l’évolution de la morphologie des grains suite à leur transport ; et 5) le potentiel d’applications interdisciplinaires s’étendant à des domaines tels que les sciences des matériaux et les sciences planétaires. En intégrant l’acquisition d’images standardisées, l’analyse d’images et des techniques statistiques avancées, ce travail fournit une base solide pour la caractérisation quantitative automatisée de la forme des minéraux, offrant à la fois des applications immédiates dans le domaine de l’exploration et des implications à long terme pour l’évolution des méthodes de quantification de la forme des grains en géologie.
Félicitations à Arnaud Back pour la soutenance de sa thèse de doctorat!
