Time Machine Unit

Time Machine Unit

La mission de Time Machine Unit est d’intégrer l’intelligence artificielle et le patrimoine culturel à travers une synergie entre la recherche scientifique et les institutions patrimoniales. Cette unité se consacre au développement des projets interdisciplinaires recourant à la recherche de méthodologies d’intelligence artificielle pour débloquer le potentiel des documents historiques, offrant de nouvelles perspectives et idées sur notre passé commun et notre mémoire.

Comprendre le passé, densifier le présent, planifier l’avenir: L’objectif est de créer des méthodologies et des approches pour densifier le présent avec les informations du passé, pour mieux comprendre les futurs possibles.

Innovation éducative : Time Machine Unit propose des programmes d’éducation, cours, workshop hands on et séminaires, qui équipent les communautés académiques, professionnelles et les citoyens avec les compétences nécessaires pour l’extraction computationnelle et l’analyse des données historiques.

Programmes collaboratifs: Time Machine Unit promeut activement des programmes collaboratifs, facilitant les opportunités d’étude et d’échange pour les étudiants et les chercheurs. Cet effort collaboratif vise à envisager et réaliser un paysage dans lequel la technologie numérique améliore l’accessibilité, la compréhension et la préservation des artefacts culturels pour les générations futures.

  • Piliers :

    – développer des projets interdisciplinaires d’intelligence artificielle appliquée au patrimoine culturel, dans la perspective de la relation entre la recherche académique et les institutions patrimoniales.
    – créer et promouvoir un nouveau type d’enseignement pour les communautés académiques et professionnelles basé sur la compréhension des documents historiques et leur extraction et analyse computationnelle.
    – promouvoir des programmes d’étude et d’échange pour les étudiants et chercheurs en collaboration avec des institutions patrimoniales intéressées par la compréhension de quel avenir numérique pour le patrimoine culturel est possible.

Les projets développés dans le cadre de collaborations entre l’EPFL et l’Unil sont répartis en six thèmes : la ville et son territoire, la population, le patrimoine, l’iconographie, les sources textuelles et les sources audiovisuelles.

Chaque thème comprend donc différents projets articulés par des coordinateurs. L’objectif est de fédérer les projets existants en permettant et en facilitant la communication des résultats de recherche et les échanges entre les chercheurs des deux institutions. L’objectif est de promouvoir le développement de nouveaux projets de recherche en créant les conditions nécessaires à un véritable échange de connaissances et de technologies autour de thèmes transversaux et interdisciplinaires. Bénéfiques à tous les niveaux, la discussion et la mise en œuvre de méthodologies et d’outils communs permettront notamment d’optimiser l’acquisition et l’interopérabilité des données de recherche. L’initiative Lausanne Time Machine vise également à encourager les jeunes chercheurs à proposer des thèmes de recherche et à valoriser les études réalisées dans le cadre de leur thèse ou de leur projet de post-doctorat. Les recherches en cours et les résultats déjà obtenus peuvent faire l’objet de cours et de séminaires d’enseignement. Un cours commun EPFL-Unil intitulé Histoire urbaine digitale : Lausanne Time Machine est donné depuis 2020. C’est aussi l’occasion de présenter et de mettre en œuvre différentes approches interdisciplinaires autour des thèmes abordés.

Data cockpit

Dans la section “cockpit”, vous pouvez explorer quelques ensembles de données à orientation thématique provenant du travail d’extraction effectué à partir des sources historiques originales.

Nos projets portent sur corpus historiques et leur mise à disposition auprès de différents publics.

Si vous êtes un chercheur, un étudiant, un professeur ou un enseignant, ou simplement un citoyen intéressé, parcourez les jeux de données que nous mettons à votre disposition dans la section Cockpit.