A methodology for cultural evolution (GIS, biostatistics, phylogeny and Machine Learning) : an example of application to populations of the past Une méthodologie en évolution culturelle (SIG, biostatistiques, phylogénie et Machine Learning) : exemple d'application aux populations du passé

Since Thomsen's Three-Age System, the concept of cultural evolution has undergone profound transformations. Today, culture is understood as a dynamic phenomenon shaped by complex mechanisms of transmission, adaptation, and social interaction. While recent advances in the social, biological, and computational sciences have enriched our understanding-particularly through the use of phylogenetic methods, advanced statistics, and artificial intelligence-these tools are still rarely applied to the study of archaeological funerary contexts.This dissertation proposes an innovative interdisciplinary approach to studying cultural transmission processes through funerary practices. Burials-biological, material, symbolic, and social testimonies-offer a unique entry point into the cultural fabric of past societies. The aim is to reconstruct cultural dynamics at the scale of a few generations by integrating cultural data (grave goods, architecture, rituals), biological data (osteological and genetic profiles), and environmental data (isotopic analyses).To achieve this, a rigorous and accessible methodology has been developed, structured in three stages: a descriptive phase (geospatial and statistical analyses), a phylogenetic and statistical phase (to identify cultural patterns and their evolutionary dynamics), and an interpretative phase using machine learning algorithms. The latter helps uncover underlying structures not easily discernible through traditional approaches.Three contrasting archaeological datasets were selected to test this methodology: the Xiongnu necropolis of Tamir (Mongolia), rich in grave goods but partially looted; the predynastic necropolis of Adaïma (Egypt), with a high number of well-preserved immature individuals and rich material culture; and several Neolithic European sites sharing a specific funerary practice, despite varied preservation conditions. These diverse cases enable a robust evaluation of the method's transferability across temporal, cultural, and taphonomic contexts.In addition, this research introduces IArch, an original application designed as an intuitive interface that allows archaeologists to apply machine learning algorithms without requiring technical or coding expertise. This tool aims to democratize access to advanced analytical techniques within the field of funerary archaeology.This work is rooted in a deeply interdisciplinary framework, bridging archaeology, biological anthropology, evolutionary biology, statistics, and computer science. It contributes to the renewal of cultural evolution studies by establishing a methodological foundation that is reproducible, adaptable, and accessible to all. Beyond disciplinary boundaries, this research encourages us to see funerary contexts not merely as material remnants, but as powerful indicators of cultural complexity in past human societies. Depuis le système des trois âges de Thomsen, la notion d'évolution culturelle a profondément évolué. Aujourd'hui, la culture est comprise comme un phénomène dynamique, façonné par des mécanismes complexes de transmission, d'adaptation et d'interaction sociale. Si les sciences sociales, biologiques et informatiques ont récemment contribué à enrichir ces approches, notamment par l'usage de la phylogénie, des statistiques avancées ou de l'intelligence artificielle, ces outils sont encore rarement mobilisés dans l'analyse des ensembles funéraires archéologiques.Cette thèse propose une approche interdisciplinaire innovante pour étudier les processus de transmission culturelle à partir des pratiques funéraires. Les sépultures, en tant que témoins biologiques, matériels, symboliques et sociaux, offrent un accès unique à la culture des sociétés passées. L'objectif est de restituer les dynamiques culturelles à l'échelle de quelques générations en croisant des données culturelles (mobilier, architecture, rites), biologiques (profils ostéologiques, génétiques) et environnementales (isotopes).Pour ce faire, une méthodologie rigoureuse et accessible est développée, articulée en trois temps : une phase descriptive (analyses géospatiales, statistiques), une phase d'analyse phylogénétique et statistique (pour cerner les motifs culturels et leur dynamique évolutive), et une phase interprétative mobilisant des algorithmes d'apprentissage automatique. Cette dernière permet de révéler des structures sous-jacentes non perceptibles par les approches traditionnelles.Trois corpus archéologiques contrastés ont été sélectionnés pour tester cette approche : la nécropole Xiongnu de Tamir (Mongolie), riche en mobilier mais partiellement pillée ; la nécropole prédynastique d'Adaïma (Égypte), avec de nombreux immatures bien conservés et beaucoup de mobilier ; et des sites néolithiques européens partageant une pratique rituelle spécifique, malgré des conditions de conservation variables. Ces choix permettent d'évaluer la transférabilité de la méthodologie sur des contextes divers.En complément, cette thèse propose un outil applicatif inédit, IArch, une interface intuitive permettant aux archéologues d'exploiter des algorithmes de machine learning sans compétences techniques particulières. Ce logiciel vise à démocratiser l'accès à ces outils dans le cadre de l'étude des pratiques funéraires.Ce travail s'inscrit dans une dynamique résolument interdisciplinaire, croisant archéologie, anthropologie biologique, biologie évolutive, statistiques et informatique. Il contribue à renouveler les approches de l'évolution culturelle des sociétés anciennes en posant les bases d'une méthode reproductible, adaptable et compréhensible par tous. En dépassant les cloisonnements disciplinaires, il invite à considérer les sépultures comme des révélateurs de la complexité culturelle humaine, plutôt que comme de simples vestiges matériels.