1L’endokarst est un des exemples types d’objet géomorphologique qui ne peut être appréhendé et étudié qu’au travers de ses trois dimensions (3D). Prenons par exemple la structuration du drainage souterrain qui, bien qu’obéissant à une logique similaire aux réseaux hydrographiques (i.e., hiérarchisation des écoulements, logique amont/aval), est entièrement organisée en 3D dans le volume calcaire. Dès lors qu’on sait que cette géométrie endokarstique est en grande partie commandée par des paramètres géomorphologiques externes, on comprend leur intérêt dans les reconstitutions morphogéniques et paléogéographiques. Le recours aux plans, aux coupes développées et/ou projetées et aux sections a très vite été la solution retenue pour essayer de se représenter en 3D les (ré)organisations du karst souterrain. Cependant, une partie de l’information est déformée, perdue, voire difficilement perceptible ou intégrable.
2En effet, en cartographie classique, la dimension de l’altitude est représentée par des courbes de niveau. Aujourd’hui, on utilise des MNT, à maille régulière ou non et où le z est l’expression de l’altitude. Pour autant, il ne s’agit pas véritablement de 3D mais plutôt de 2,5D. Dans le domaine de l’endokarst, les formes sont repliées sur elles-mêmes et se superposent, aboutissant à une information géométrique que les représentations 2,5D (type raster) ne permettent pas de représenter correctement. Ce type de représentation en 2D ou 2,5D s’est donc très tôt heurté à la complexité des volumes souterrains. Cette complexité apparaît non seulement 1) à l’échelle de l’ensemble des drains (i.e., étagement des conduits les uns sur les autres, multiplicité des connexions, variabilité des dimensions…) mais aussi 2) à l’échelle des formes elles-mêmes (i.e., morphologie pariétale) ou des dépôts. Or, ces formes et formations de l’endokarst, qui constituent, quelle qu’en soit l’échelle, le cœur des travaux de géomorphologie endokarstique et des reconstitutions paléogéographiques, paléoenvironnementales ou paléoclimatiques, restent largement sous exploitées du fait des limites méthodologiques actuellement existantes. Dans le même temps, les développements informatiques des quinze dernières années ont ouvert des perspectives difficilement envisageables auparavant. L’apparition plus récente des lidars terrestres a décuplé les vitesses et la quantité d’information recueillie en milieu souterrain. Nous proposons ici de parcourir ces différentes techniques et les solutions géomorphologiques qu’elles ont apportées à la compréhension d’un système souterrain. L’exemple choisi ici est le réseau karstique de l’aven d’Orgnac (Ardèche, France). Cette cavité, de plus de 5 km de développement, présente l’avantage de se situer dans une région où les données paléogéographiques sont assez bien établies et d’offrir une accessibilité aisée pour la mise en œuvre de ces techniques. Seule grotte touristique française classée « Grand site de France », la recherche scientifique est favorisée pour développer les connaissances en tant que vecteurs de valorisation patrimoniale. Du fait de cette dimension patrimoniale, les conditions de conservation imposent, pour les études, le recours à des techniques non destructives, ce que les technologies laser autorisent justement.
3Dans la première partie de cet article sont présentés la discrétisation de l’espace souterrain, mise en œuvre ici à différentes échelles, et les outils lasergrammétriques permettant de rendre compte des morphologies souterraines à des échelles très fines. Deux exemples sont plus particulièrement traités et font l’objet des deux autres parties de l’article : 1) l’analyse 3D de morphologies pariétales, qui a permis de souligner les impacts souterrains de l’aggradation sédimentaire pliocène, et 2) l’étude 3D à haute résolution d’une « forêt » de stalagmites, qui a permis d’appréhender une dynamique généralisée de soutirage durant le Quaternaire. L’objectif de cet article est de montrer que le recours aux technologies 3D permet de faire un saut dans l’analyse, le traitement et la compréhension d’un certain nombre de processus karstogénétiques, que ce soit pour l’analyse des ensembles de drains dans les massifs karstiques, pour l’étude des morphologies pariétales de conduits karstiques ou pour les recherches menées sur les morphologies externes de stalagmites.
4Le karst a fait l’objet de représentations graphiques et cartographiques dès qu’il a été véritablement étudié (Shaw, 1992 ; Gauchon, 1997). La topographie spéléologique devient ainsi dès le milieu du XIXe siècle une discipline, sinon un art, qui accompagne tant le travail des explorateurs que des scientifiques (Martel, Fournier…). Dès cette époque, une certaine formalisation des relevés se met en place et conduit à la réalisation de plans, de coupes projetées et de coupes développées (fig. 1). Des sections de conduits accompagnent fréquemment ces documents et permettent d’apprécier localement la géométrie des drains.
Fig. 1 – Topographie spéléologique en plan (à droite) et en coupe (à gauche) de l’aven d’Orgnac (extrait de R. de Joly, 1947).
Fig. 1 – Cave survey (plan on right, cross-section on left) of Orgnac’s cave (from R. de Joly, 1947).
Ce mode de représentation, auquel on ajoute parfois des sections, est communément utilisé pour représenter l’endokarst.
This mode of representation, which is sometimes added sections, is commonly in use to represent the subterranean karst.
5Ces solutions de représentation sont toujours en vigueur aujourd’hui et, depuis une quinzaine d’années, le recours aux solutions informatiques a permis d’automatiser et d’accélérer un certain nombre de procédures dans le traitement et le rendu des données acquises en milieu souterrain. Des gammes de logiciels dédiés (Toporobot, VisualTopo, Thérion…) accélèrent la saisie des données, automatisent les calculs et proposent des solutions mathématiques aux bouclages des conduits répartissant d’autant les erreurs matérielles ou de mesure (Heller, 1983 ; Budaj et Mudrák, 2008). Pour autant, l’acquisition proprement dite n’a guère changé (Faucher et Mautref, 1991). Les tronçons de conduits sont toujours assimilés à un squelette filiforme. Les stations sont acquises les unes derrière les autres, sous forme de coordonnées polaires (distance, direction, inclinaison) et des sections de galeries permettent de rendre compte des changements majeurs des dimensions des conduits (fig. 2). Il s’agit véritablement d’une discrétisation des volumes souterrains à des mailles fréquemment plurimétriques et c’est la qualité des dessins levés sous terre qui, s’appuyant sur le squelette, permet de véritablement rendre compte des morphologies et des dépôts à grande échelle. Ce type d’acquisition numérique s’avère cependant très satisfaisant à petite échelle. En effet, la géométrie des grands réseaux spéléologiques s’appréhende à l’échelle des massifs karstiques et c’est la position géométrique des conduits eux-mêmes qui constitue l’information à traiter. En ce sens, les logiciels de traitement de données, développés au sein de la communauté spéléologique, constituent un excellent support de visualisation (fig. 3). Couplé à des MNT (maille à 50 m pour la BD alti IGN en France, par exemple) et des modèles géologiques (maille similaire pour un clic tous les millimètres sur une carte géologique), le modèle 3D des conduits peut être exploité pour des reconstitutions de paléo-niveaux de base ou pour l’identification de niveaux préférentiels de karstification (Filipponi et Dickert, 2007).
Fig. 2 – Procédure topographique classique en milieu souterrain.
Fig. 2 – Classical topographic procedure.
L’opération consiste à transformer l’axe du conduit en squelette 3D. Les informations de largeur et de hauteur assimilent de fait les sections des drains du karst à une suite de rectangles. La maille de cette opération de discrétisation oscille généralement entre 1 m et 20 m, ce qui est satisfaisant pour un travail à petite échelle.
The operation consists in transforming the conduit axis in 3D skeleton. The information (width and height) assimilates sections as a series of rectangles. The mesh resolution generally varies between 1 m and 20 m, which is satisfactory for work for a regional scale.
Fig. 3 – Vue 3D de l’ensemble du réseau d’Orgnac dans son contexte géologique.
Fig. 3 – 3D view of Orgnac’s network in its geological context.
Les drains du karst sont représentés ici entre le mur et le toit de l’Urgonien calcaire. Largeur de l’image : 2 km environ.
Drains karst are represented here between the base and the roof of the Urgonian limestone. Image width: 2 km.
6Passer à une échelle plus fine implique donc une discrétisation des formes selon d’autres critères mais, surtout, fondée sur des levés topographiques à haute densité, plus cohérents avec la taille des objets investigués. Ce type d’acquisition, à des mailles décimétriques à infra-millimétriques requiert l’utilisation de lidars dont l’usage s’est peu à peu répandu ces dernières années. Nous avons pu mettre en œuvre cette technologie en l’appliquant à des problématiques strictement morphologiques, tant sur des formes que sur des dépôts. Dans ces domaines, deux technologies coexistent : 1) les lidars par mesure du temps de vol adapté à de longues distances (hectométriques à kilométriques) mais soumis à un bruit quasi centimétrique variant avec la distance de l’objet à numériser et 2) les lidars par décalage de phase, plus fins mais limités à des distances plus courtes (quelques dizaines de mètres). Nous avons eu l’occasion de mettre en œuvre les deux technologies en les appliquant à des objets de tailles différentes : les salles géantes de l’aven d’Orgnac et une série de stalagmites dans le même réseau. Dans les deux cas, la procédure d’acquisition des points sur le terrain reste similaire : mise en station de l’appareil, multiplication des positions du scanner laser, définition des fenêtres de balayage sur l’objet scanné, choix du pas angulaire déterminant la densité du nuage de points. Des objets géométriquement simples, placés dans la scène d’acquisition, permettent un géoréférencement au tachéomètre. Les sphères (pluricentimétrique à pluridécimétrique) sont les plus classiquement utilisées. En effet, la sphère présente l’avantage d’être une forme pure sur laquelle un ajustement mathématique sur un nuage de points donne toujours le même centroïde quelle que soit la position de scan (fig. 4). Ces sphères permettent d’assembler les scènes par ajustement de leur centre. En complément, des méthodes par best-fit (i.e., reconnaissance de formes sur le nuage de points, basée sur une minimisation des distances en 3D) ont été utilisées. Elles reposent sur la méthode ICP (Iterative Closest Point) basée sur une consolidation sur points non homologues et sur la correspondance de formes non élémentaires (Besl et McKay, 1992). L’acquisition des points proprement dite est faite par lasergrammétrie à des vitesses oscillant de 2000 points/s (modèle Optech Ilris 3D) à 500000 points/s (modèle Leica HDS 6000). Le taux de retour est variable selon les conditions du milieu (taux d’humidité de l’air, surface humide, albédo…) ; cela est réellement problématique à partir du moment où l’on travaille aux limites de l’appareil (température, distance). Selon les scanners utilisés, l’acquisition des nuages de points est plus ou moins aisée. L’Optech Ilris 3D offre une investigation à longue portée, adaptée à de grands volumes, mais avec des fenêtres limitées à 40°x40° ce qui impose de multiplier les scènes de scan, tandis que le Leica HDS 6000 travaille sur une fenêtre dôme de 360° en rotation variant de +90° à -65° en vertical, mais avec une investigation plus courte. Ainsi, la scène de la forêt de stalagmites (cf. infra) a été levée seulement à partir de quatre positions de scan Leica tandis que la complexité des Salles rouges a nécessité plus de 80 levés laser avec l’Optech Ilris 3D. Dans tous les cas, nous avons cherché à adapter le pas du levé en fonction de la problématique de recherche. Ce pas était de l’ordre de 3 cm à une distance de 22 m pour les Salles rouges et de 6,3 mm à 10 m pour la forêt de stalagmites. Ce pas n’est évidemment pas constant et varie linéairement avec l’éloignement du scanner à la scène ; la multiplication des positions de scanners ne rend pas toujours possible son évaluation stricte. Quel que soit ce pas, la suite du travail consiste à assembler, nettoyer, filtrer et trianguler ce nuage de points brut pour envisager ensuite une analyse des formes à partir du modèle 3D.
Fig. 4 – Mise en œuvre du matériel de relevés lasergrammétriques sur les stalagmites (1) de la salle 1 d’Orgnac II.
Fig. 4 – Installing the lidar on field, here for the speleothems forest (1), room 1, Orgnac II.
Noter le lidar Leica HDS 6000 (2), la station totale (3), le PC (4) et les sphères (5) pour l’assemblage et le référencement des nuages de points.
Note the lidar Leica HDS 6000 (2), the theodolite (3), the PC (4) and spheres (5) for assembly and referencing of point clouds.
7Il subsiste fréquemment quelques points aberrants dans la scène, liés à des problèmes de réflexion ou à des effets de bord (e.g., « voile de mariée » par exemple qui sont la marque des points mal positionnés car tangents aux objets scannés). Ces points sont la plupart du temps éliminés « à la main ». De plus, la multiplication des positions de scan augmente d’autant le nombre de points et certains secteurs (e.g., portion de parois) sont ainsi doublés, triplés ou quadruplés. Un processus de filtrage permet d’éliminer les points redondants (liés à ces recouvrements des scènes de scan), d’uniformiser la densité du nuage de points par ré-échantillonnage et de lisser le nuage de points afin de diminuer les rugosités liées au bruit de mesure. Des fonctions de filtrage sont offertes par Polyworks© et 3DReshaper©, les deux logiciels de rétro-ingénierie utilisés ici. Différents traitements s’appliquent aux données 3D brutes (Curless, 1999 ; Girod et al., 2000 ; Boehler et al., 2002). Ce nettoyage par filtrage automatique consiste à supprimer les points trop éloignés de la surface théorique, par filtrage des points par rapport aux points voisins. Il y a deux possibilités pour appliquer ce filtrage : 1) par ajustement de l’intensité (seuil) - suivant la valeur de cette intensité, on supprime plus au moins de points - ou 2) par découpage avec un critère de distance, en séparant séparation du nuage de points en plusieurs nuages dont la distance minimum est la valeur indiquée par l’opérateur. A l’issue de ces traitements, la définition du pas moyen du nuage de points reste toujours une opération délicate. En effet, en l’absence de topologie (information de voisinage entre points), il n’est pas possible de mesurer la distance entre deux points sans critère a priori. Ce pas peut être apprécié par la densité (i.e., rapport du nombre de points au volume de la plus petite boîte englobant ces points) mais cela ne permet pas d’apprécier la dispersion. C’est finalement le regard du « naturaliste » qui permet de s’assurer de la conformité entre le nuage de points et la forme investiguée. Ce contrôle est effectué par un certain nombre de mesures « point à point » sur le nuage ; le « pas » devient alors le plus souvent proche des paramètres annoncés par le scanner. Cependant, il subsiste une certaine dispersion spatiale de la distribution du pas dans le nuage.
8La suite de l’opération consiste à mailler le nuage de points pour obtenir un modèle RTI (Réseau Triangulaire Irrégulier, TIN en anglais ; fig. 5). Cette opération permet de réduire la quantité de points acquis tout en conservant le même niveau d’information morphologique des objets. Les surfaces planes sont décrites par moins de triangles que les surfaces plus rugueuses. Cela permet également l’accélération des procédures d’affichage et de traitement. Le modèle RTI apporte surtout une information de voisinage à chaque sommet créé. Cette topologie est fondamentale pour la suite des traitements, notamment pour l’identification des ruptures morphologiques ou pour les opérations de segmentation. Il s’agit donc de transformer le nuage de points en une « peau » numérique continue avec création de nouveaux sommets reliés par des arrêtes. Cette opération a été réalisée avec le logiciel 3DReshaper© qui est satisfaisant pour ce type de traitement. C’est un vrai mailleur 3D, c’est-à-dire qu’il cherche à créer une topologie dans le nuage de points ; ce n’est pas un mailleur 2,5D comme Surfer© ou ArcGis© qui utilise la normale des points selon un plan de référence, généralement le plan perpendiculaire à l’axe de scan ou le plan de l’horizontale. Ce faisant, on passe d’une information ponctuelle (le point) à une information surfacique (la peau), augmentant ainsi le potentiel d’information. Si pour des mesures simples, il est préférable de travailler à partir du nuage de points, le calcul de surface ou de volume rend indispensable cette étape de triangulation. Il convient au préalable de vérifier la conformité du modèle, c’est-à-dire s’assurer qu’il ne comporte aucune erreur de topologie afin de rendre possible les calculs surfaciques ou volumiques et ce, avant toute étape de traitement automatique. En effet, des erreurs topologiques ou autres discontinuités dans le modèle triangulé induisent systématiquement des erreurs dans les algorithmes de traitement de surface comme par exemple pour la segmentation (Hajri, 2010). En fait, lors de la triangulation (maillage), des faces anormales sont fréquemment produites (fig. 6). Il peut s’agir : 1) de faces « non-manifold » si une arête appartient à trois facettes (ou plus) ; 2) de faces croisées si les arêtes d’une facette traversent une autre facette ; 3) de faces redondantes (dans ce cas, le nombre d’arêtes et de faces qui appartiennent à un même sommet doit être identique) ; 4) de faces allongées (pics), une facette allongée pouvant être identifiée en fonction de plusieurs critères (longueur d’arête, rapport base/hauteur, rapport arête maximale/arête minimale…) ; 5) de faces instables (inversées), une facette étant considérée comme instable lorsque sa normale présente une incohérence par rapport aux autres facettes. Ces erreurs peuvent être dues à un filtrage insuffisant du bruit, à des paramètres de triangulation incorrects (e.g., création d’arêtes entre des sommets ne devant pas être reliés) ou à des formes d’objets très complexes. Pour vérifier et corriger ces incohérences dans le modèle RTI, Polyworks©, et plus précisément le module IMedit, a été utilisé. La fonction de détection d’anomalies offertes par ce module comptabilise les erreurs (tab. 1) et permet de les corriger. Une autre intervention est également envisageable, consistant à « boucher les trous » qui peuvent subsister dans le modèle. Ces trous, dus à une absence de faces, peuvent avoir plusieurs origines : 1) absence de données : la zone n’a pas été scannée correctement (problèmes de masques sur le terrain) ; 2) processus de maillage inefficace : les trous apparaissent lorsque la densité d’une zone est plus faible que sur le reste de la vue ; 3) mauvais nettoyage de bruit : les facettes anormales sont supprimées ; 4) processus de recalage : il arrive couramment que l’assemblage des vues entraîne la création de trous. Les trous qui n’avaient pas été complétés de façon automatique dans un maillage peuvent être « bouchés » le plus souvent manuellement à l’aide des deux modeleurs Polyworks© et 3DReshaper©. Le remplissage d’un trou se fait suivant la courbure locale donnée par la surface qui entoure ce trou. Cette opération n’a pas été envisagée ici car elle s’apparente plus à la construction d’informations à vocation purement esthétique, pouvant parfois fausser les résultats en créant de nouveaux triangles sans validité de terrain.
Fig. 5 – Du relevé lasergrammétrique dense (nuage de points) au modèle 3D (modèle TIN).
Fig. 5 – From the points cloud (lidar survey) to the 3D-TIN model (approximate height: 2 m).
Ce dernier est représenté ici en mode filaire (centre) et en mode lissé (droite). Il s’agit d’une discrétisation de l’espace souterrain (ici une portion de parois de grotte). Bien que le schéma soit sans échelle (profondeur de vue), la hauteur approximative de la paroi est ici de 2 m. La maille angulaire est fixe, ce qui donne une maille fixe à distance constante. Le passage au modèle maillé (modèle à faces triangulaires irrégulières) permet de réduire la densité de points, en gardant le même niveau d’information, et donne une information topologique de voisinage.
This one is represented by wireframe (centre) and smoothed mode (right). Again, this is a representation (here a portion of the cave walls). Angular mesh is fixed to give a fixed resolution at a constant distance. Meshing the point cloud in a TIN model allows to reduce the density of points, while keeping the same level of information, and to give topological information.
Fig. 6 – Amélioration du maillage par suppression des faces « non-manifold » (1), croisées (2), redondantes (3), allongées (4) et instables ou inversées (5).
Fig. 6 – Improvement of the 3D TIN model by deleting non-manifold faces (1), crossed faces (2), redundant faces (3), elongated faces (4) and inversed faces (5).
Tab. 1 – Détail des nuages de points et analyse des maillages des Salles rouges et de la forêt de stalagmites de l’aven d’Orgnac crée sous 3DReshaper© et analysé sous ImEdit© (Polyworks©) et MeshLab©.
Tab. 1 – Meshing analyse of the 'Red rooms' and the speleothems forest of Orgnac’s cave built with 3DReshaper© and analysed with ImEdit© (Polyworks©) and MeshLab©.
9La mise en œuvre d’un modèle 3D résulte d’une véritable chaine opératoire : relevé lasergrammétrique, assemblage de scènes, consolidation, géoréférencement (local ou non), nettoyage, filtrage, maillage, vérification de la conformité. Toutes ces opérations sont réalisées sur différents logiciels de maillage et de retro-ingénierie (ici 3DReshaper© et Polyworks©). Certains développements internes (Hajri, 2010) ont permis de compléter ces outils en permettant d’évaluer finement les mailles des modèles RTI et en proposant des procédures de segmentation (cf. infra). Cependant, à chaque étape, il existe une phase de validation qui reste visuelle. Cette phase est exercée par le géomorphologue lui-même qui, avec une démarche « naturaliste », s’assure de l’adéquation correcte entre la construction du modèle 3D et la justesse visuelle des formes qu’il souhaite analyser. Il importait de souligner l’ensemble de cette chaine opératoire et les processus de validation pour utiliser à bon escient ces outils dans l’analyse des objets géomorphologiques. En effet, ce n’est qu’à partir du moment où le clone numérique a été validé que l’analyse morphogénique proprement dite va pouvoir débuter. Celle-ci est construite ici sur des problématiques géomorphologiques portées par des questionnements nourris sur l’endokarst d’Orgnac. Deux d’entre elles sont présentées ici, l’une sur l’analyse pariétale des grands volumes souterrains et l’autre sur la mobilité des stalagmites au cours de leur croissance. Pour ces deux exemples, le recours à l’analyse 3D a permis d’améliorer le niveau de compréhension des phénomènes étudiés.
10Le réseau d’Orgnac se caractérise par le gigantisme de ses volumes souterrains. Très tôt, le paragénétisme est avancé pour expliquer la taille des réseaux d’Orgnac. Il s’agit d’un mode de genèse particulier associant de manière synchrone une accumulation sédimentaire souterraine et une érosion de la partie supérieure des conduits. Il se traduit par une élévation continue de la galerie au cours du temps (Renault, 1967). Dans le même esprit, un modèle conceptuel de genèse construit à partir des Salles rouges (Jaillet et al., 2007) a permis de mettre en avant deux étapes majeures dans la morphogenèse des drains karstiques d’Orgnac : une phase d’aggradation du remplissage sédimentaire endokarstique concomitante d’une corrosion de la voute du conduit suivie d’une phase d’évacuation des éléments fins à l’origine des volumes souterrains aujourd’hui visibles (fig. 7). Un tel processus (dit paragénétique) n’implique pas d’écoulements importants pour expliquer la taille des conduits. En revanche, il implique un cadre paléogéographique intégrant d’abord une dynamique généralisée de remontée du niveau de base suivi de son abaissement. Cette évolution morphogénique est à l’origine de morphologies caractéristiques de parois et de plafonds de conduits qui deviennent dès lors des indicateurs intéressants pour les reconstitutions spéléogéniques et karstogéniques : lapiaz de voûte, chenaux anastomosés de plafond (Bretz, 1942 ; Slabe, 1995 ; Lauritzen et Lundberg, 2000 ; Palmer, 2007). A Orgnac, nous avons travaillé à partir d’une forme pariétale caractéristique : les banquettes limites de remplissage (Renault, 1970). L’intérêt de ces banquettes est qu’à chaque stade de l’aggradation sédimentaire, une nouvelle banquette pariétale est construite, les banquettes antérieures étant scellées au fur et à mesure sous le remplissage. C’est suite à l’évacuation des sédiments que les banquettes limites sont exhumées (fig. 7) et deviennent des supports de raisonnement pour reconstituer les phases d’aggradation commandées par une remontée généralisée du niveau de base. Du fait de leur intérêt paléogéographique, ces banquettes ont fait l’objet d’une investigation 3D.
Fig. 7 – La morphogenèse des drains d’Orgnac est attribuée à un processus paragénétique.
Fig. 7 – Paragenesis processes are identified in Orgnac’s cave.
Une première phase pliocène, en zone noyée à écoulements lents (1), est associée à une aggradation sédimentaire (2). Une seconde phase quaternaire est marquée par une activité de soutirage (3) qui met au jour les banquettes limites (4). Le fluage sédimentaire (5) est enregistré dans la croissance des stalagmites (6).
First, during Pliocene, a saturated zone (1) is associated with sediment aggradation (2). Second, the Quaternary is marked by suffosion (3) that reveals benches wall (4). Sediment creep (5) is recorded in the speleothems growth (6).
11L’interfluve Ardèche-Cèze, dans lequel se développe le réseau d’Orgnac, est tributaire du réseau hydrographique du Rhône. Ce dernier a été marqué au cours du Néogène par un épisode eustatique majeur : le cycle messino-pliocène. Pour le fleuve, cela s’est traduit par une profonde incision au cours du Messinien et par une remontée brutale au début du Pliocène (Clauzon, 1982). Les conséquences au niveau du karst ardéchois ont été étudiées à partir du système souterrain de Saint-Marcel (Mocochain et al., 2006), permettant de proposer un cadre pour l’étagement des surfaces (Mocochain et al., 2009). Parmi celles-ci, la surface d’érosion à 260 m NGF est ainsi rattachée à la fin de l’aggradation continentale pliocène (Mocochain et al., 2009) et le système d’Orgnac, à l’aval d’un potentiel paléo-poljé (Delannoy et al., 2007), présente justement un arrêt des remplissages vers 250 m NGF. Dès lors, il devenait clair que les formes d’aggradation associées au remplissage sous cette côte pouvaient avoir enregistré la remontée du niveau de base au cours du Pliocène. Le remplissage ayant en grande partie disparu suite au soutirage quaternaire, ce sont uniquement les formes pariétales qui subsistent et qui constituent le support informationnel. C’est dans cet esprit que nous avons cherché à exploiter cette information morphologique, en l’absence de sédiment. Pour cela, les banquettes limites se sont révélées le support pertinent pour l’analyse. Le site des Salles rouges dans le réseau d’Orgnac est celui où ces morphologies pariétales sont les mieux conservées. Les remplissages de calcite y sont limités et ne recouvrent pas toutes les parois. Cependant, les dimensions de la galerie (120 m de longueur, 40 m de section moyenne) ne permettaient pas des relevés simples sur le terrain (problème d’accessibilité mais aussi de visibilité). Aussi, l’analyse des formes était-elle jusqu’à présent limitée à une description sans possibilité de correcte quantification. Le recours à un levé topographique 3D haute résolution allait apporter une solution numérique satisfaisante.
12Le relevé lasergrammétrique a été réalisé avec un lidar Optech Ilris 3D. La distance moyenne séparant le lidar de la paroi était de 22 m, le pas moyen du nuage de points est de 27 mm. Calculée en fonction de la distance de l’objet et du bruit de mesure de l’appareil utilisé, sa précision est de l’ordre de 10 mm. Ces scènes ont été assemblées sous Polyworks© (module ImAlign) par méthode de best-fit avec un recouvrement des scènes entre elles de 30-50 %. L’utilisation d’une embase robotisée permettrait de réduire le nombre de scènes acquises sans supprimer cependant cette étape de consolidation. La qualité de cet ajustement (d’ordre centimétrique), compatible avec le pas du nuage et avec la dimension (ordre métrique à décamétrique) des objets recherchés, est permise ensuite grâce au caractère fermé de l’objet, évitant toute dérive angulaire lors du processus de recalage. En effet, en l’absence de point de géoréférencement physique sur le terrain, l’assemblage des scènes dans un même référentiel se fait de façon interactive (i.e., c’est à l’opérateur d’assembler lui-même les nombreuses scènes de scan). Cet assemblage est ensuite consolidé par des algorithmes de comparaison de formes. Or, ces algorithmes de calcul induisent un biais dans l’analyse, celui d’additionner les imprécisions du nuage (bruit) de proche en proche, avec des risques importants de dérives angulaires, ce qui revient à distordre le modèle final rendu géométriquement incorrect. Ici, le caractère fermé de l’objet permet à l’algorithme de boucler les cheminements de calcul, ce qui est plus correct d’un point de vue topographique. Après réduction du recouvrement, le nuage de points est référencé en local afin de travailler avec un plan XY effectivement horizontal et une orientation géographique satisfaisante. Le nuage de points 3D est ensuite maillé avec un pas moyen d’au moins 3 fois le pas de scan original, ce qui simplifie le modèle tout en conservant un degré d’information compatible avec les analyses qui suivent. Ceci a été réalisé sous le module ImMerge de Polywoks© avec une maille de l’ordre de 200 mm. D’un nuage de 18 millions de points, on passe ainsi à un modèle RTI de 660 000 triangles (tab. 1). Bien que cela ne représente que 2 % des points au départ, l’information est suffisamment continue et résolue dans les parties rugueuses et non redondantes pour permettre l’identification des formes recherchées.
13La suite du travail consiste en une identification des morphologies recherchées. Ce travail s’apparente à celui qui pourrait être conduit sur le terrain avec, en plus, la possibilité d’avoir des vues impossibles en réalité terrain. Les formes sont identifiées et digitalisées directement sur le modèle en 3D de manière à obtenir une série de polylignes 3D, chacune correspondant à une banquette ou à une portion de banquette (fig. 8). Ces polylignes forment alors un ensemble de nuages de points discontinus qui constituent les restes des surfaces de remplissage dans la cavité. Les tronçons de banquette le long d’une même paroi (droite puis gauche) sont assemblés et ces groupes de polylignes de rive droite et de rive gauche permettent de reconstituer la surface supérieure du remplissage endokarstique. Les résultats sont de deux types : 1) reconstitution en 3D de la surface supérieure du remplissage souterrain à chaque étape de son aggradation sédimentaire ; 2) reconstitution, toujours en 3D, de la section mouillée du conduit lors de sa mise en place (fig. 9). Sur le modèle 3D, l’observation attentive des parois montre que sur des tronçons importants, les banquettes s’ajustent parfaitement sur un plan même lorsqu’elles présentent de larges circonvolutions dans l’espace de la galerie souterraine (fig. 8). Il a donc été choisi d’ajuster différents plans de part et d’autre du conduit souterrain. La droite d’intersection de deux plans en vis-à-vis se positionne plus ou moins au milieu du conduit. Le nuage de points constitué par ces ajustements et les polylignes des banquettes constituent le support à la construction d’une nouvelle triangulation 3D en accord avec ce qui peut être observé sur le terrain. Dans le cas du drain des Salles rouges, l’opération a été répétée sur une série de trois banquettes étagées (fig. 9).
Fig. 8 – Identification sur le modèle 3D de banquettes limites (haut, milieu et bas) de la rive droite du conduit souterrain des Salles rouges d’Orgnac, avec détail de l’ajustement d’une surface géométrique simple (ici un plan) le long d’une banquette limite sur le modèle RTI.
Fig. 8 – Identification on the 3D model of benches wall (upper, middle and bottom) of the right wall of 'Red rooms' Orgnac. Note the adjustment of a simple geometric surface (a plane) along a bench on the TIN model.
Fig. 9 – Ajustement 3D de surfaces étagées (ici 3) à partir des banquettes limites de rive droite et de rive gauche.
Fig. 9 – 3D adjustment of 3 stepped surfaces from the rights and lefts benches wall.
Ces surfaces gauches constituent une modélisation des limites diachrones du remplissage endokarstique au cours de son aggradation sédimentaire. La dernière surface (la plus haute) permet de reconstituer le gabarit du conduit à la fin de la phase paragénétique, probablement à la fin du Pliocène.
These surfaces are a top limit modelling diachronic karstic filling during the subterranean sedimentation. The last step (the highest) gives the conduit size to the end of the paragenetic phase, probably in late Pliocene.
14Ce type d’ajustement 3D permet de proposer une paléo-géométrie du remplissage à chaque étape de sa mise en place. Il est donc possible de chercher à reconstituer la section mouillée du conduit 1) à différents endroits dans le profil longitudinal du conduit et 2) à différentes étapes de la mise en place de ce conduit au droit d’une section donnée. Cependant, la reconstitution ne reste valide que pour la dernière étape, celle où le toit du conduit est encore conservé. Pour ce faire, le modèle a été sectionné avec un pas de 2 m, perpendiculairement à l’axe général du drain, pour extraire les sections de la galerie lors de la dernière étape génétique du conduit souterrain. Sur cette dernière étape, la voûte est préservée et la surface sédimentaire bien contrainte par l’ajustement des surfaces. Sur le tronçon des Salles rouges étudié, les sections mouillées varient de 120 m2 à 320 m2, montrant que dans une même étape, à débit constant, les vitesses étaient différentes le long d’un même profil longitudinal. Ces vitesses d’écoulement peuvent être abordées par le diagramme de F. Hjulström (1935), qui lie vitesse et granulométrie des dépôts. Ces derniers ont disparu dans les Salles rouges de l’aven d’Orgnac mais sur ce type de morphologie, ils sont rattachés classiquement aux limons et aux argiles (Renault, 1967). En limite transport/dépôt, on peut donc raisonnablement penser que les vitesses de circulation devaient se situer entre 0,01 m/s et 0,1 m/s. Au regard des sections identifiées, cela implique des paléo-débits compris entre 1,2 m3/s et 32 m3/s. Cette fourchette large (rapport de 1 à 26) est commandée par des incertitudes fortes sur les vitesses proposées par Hjulström (rapport de 1 à 10) plus que sur le modèle 3D où, a contrario, la surface des sections mouillées est bien contrainte même si sa valeur évolue dans l’espace de la cavité. Ces gammes de débit sont cohérentes avec les reconstitutions paléogéographiques qui ont été réalisées dans le secteur d’étude pour l’alimentation du drain fossile d’Orgnac, avec une mise en place attribuée au Pliocène (-5 Ma à -2 Ma environ ; Delannoy et al., 2007 ; Jaillet et al., 2007 ; Delannoy et al., 2009 ; Jaillet et al., 2010). Si les incertitudes de débit sont liées aux incertitudes des vitesses d’écoulement estimées à partir du diagramme de F. Hjulström (1935), l’analyse géométrique du drain reste fine et permet, à débit constant, d’apprécier, donc de comparer, les variations de vitesse le long du drain. Dans ces conditions, le recours au clone numérique pour une analyse géomorphologique s’est révélé être une approche particulièrement féconde et adaptée à l’étude des modalités de remplissage des réseaux souterrains de l’aven d’Orgnac en lien avec l’aggradation pliocène. Au final, de cette étude minutieuse des formes pariétales de l’aven d’Orgnac se dégagent trois apports importants : le renforcement des hypothèses sur la genèse de ces formes originales que sont les banquettes limites, en apportant des arguments géométriques ; le renforcement des hypothèses sur le contexte génétique de ces formes (Delannoy et al., 2007 ; Jaillet et al., 2007) ; la validation d’un contexte génétique noyé différent de la dynamique actuelle, de type épinoyée. L’analyse des stalagmites translatées va permettre d’étudier une autre dynamique morphogénique : les phases de vidange du réseau karstique et de soutirage des sédiments.
15Scellant le remplissage argileux en cours de démantèlement depuis le début du Quaternaire, de nombreux édifices stalagmitiques présentent un coude affectant leur morphologie externe (fig. 10). Ce coude est attribué à la mobilité du sol engendrée par des soutirages endokarstiques. Reposant sur un remplissage argileux qui flue peu à peu en direction du point de soutirage, le point d’alimentation (au plafond) demeurant fixe, la croissance de la stalagmite est décalée à chaque activité du soutirage. Les datations U/Th et l’analyse de la structure interne de deux échantillons (Sadier et al., 2007) ont permis de montrer qu’il existe plusieurs phases de mobilité. L’enregistrement proposé par ces stalagmites ne résulte donc pas d’un unique événement. Pour aller plus loin dans cette analyse de l’enregistrement par translation, il convenait de multiplier les données en travaillant sur un plus grand nombre d’échantillons. Mais il n’était pas envisageable, dans ce site classé, de multiplier les prélèvements. Le recours au clone numérique visait 1) à procéder à une analyse non destructive des échantillons, 2) à atteindre une certaine exhaustivité dans l’analyse du site pour ne pas réduire l’interprétation à un échantillon unique et 3) à montrer qu’il était possible d’en dégager une analyse géomorphologique complétant les reconstitutions spéléogéniques déjà avancées sur le réseau.
Fig. 10 – Les stalagmites translatées de la « forêt » d’Orgnac présentent un coude caractéristique (flèche blanche) qui est attribué au déplacement du plancher argileux durant la croissance du spéléothème.
Fig. 10 – Stalagmites translated 'forest' of Orgnac give a characteristic bend (white arrow) that is attributed to the creep soil during the growth.
Etudier la géométrie de ces coudes permet d’analyser la dynamique spatiale des soutirages affectant le réseau d’Orgnac au cours du Quaternaire.
Studying the geometry of these bends can analyse the spatial dynamics of suffosion in Orgnac’s network during the Quaternary.
16Le choix s’est porté sur la salle 1 d’Orgnac II où une forêt de stalagmites se situe en bordure du cheminement mis en place pour les visites spéléologiques réglementées (fig. 10). Le nuage de points a été acquis avec un scanner Leica HDS 6000. La mesure est basée sur le décalage de phase (précision inframillimétrique) et la fenêtre de travail est un dôme de 360° x +90°/-65°. Quatre positions de scan ont permis l’obtention d’un nuage de points dense (pas infracentimétrique). Des sphères de géo-référencement positionnées sur la scène (fig. 4) ont été scannées à très haute résolution afin de procéder à un ajustement et à un alignement des nuages de points selon les centroïdes de ces sphères. Cette méthode a été complétée par une procédure de best-fit sur les nuages de points, consolidant et validant leurs alignements réciproques. L’ensemble de ces traitements a été réalisé en partie sous la suite logicielle de retro-ingénierie Polyworks©, puis sous Realworks© et 3DReshaper©. Seule la partie centrale de la forêt de stalagmites proprement dite, soit un espace de 72 m2, a été conservée pour la suite de l’étude (tab. 1). Le nuage (8 millions de points) a été maillé avec 3DReshaper© avec une maille de 15 mm permettant d’obtenir un modèle de 800 000 triangles, retenu car s’approchant au plus près de la réalité de l’objet naturel : des stalagmites d’une dizaine de centimètres de section et de moins d’1 m de hauteur.
17Caractériser et analyser automatiquement ces stalagmites a consisté à 1) extraire les points du maillage 3D des stalagmites du reste de la scène, 2) à produire un modèle cartographique et 3) à extraire une série d’informations géométriques pour chaque entité. La méthode développée ici repose sur la modélisation d’une succession d’ellipses superposées suivant l’altitude (fig. 11 ; Hajri et al., 2009). L’extraction devient alors un problème de classification des nuages de forme elliptique de ces points 3D, obtenus par intersections entre des plans perpendiculaires à l’axe Z et le modèle 3D de la scène (fig. 10). Ainsi, pour chaque section Si (ou plan), un ensemble de données 3D contenant tous les points du modèle TIN ayant des altitudes comprises entre Zi et Zi+/- h*e est défini avec i = numéro d’ordre du plan, h = facteur d’épaisseur du plan compris entre 1 et 3 et e = maille moyenne du modèle RTI (ici 15 mm).
Fig. 11 – Vue du modèle RTI de la forêt de stalagmites translatées de la salle 1 d’Orgnac.
Fig. 11 – 3D view of the speleothems forest in chamber 1 (Orgnac’s cave).
Le modèle (maille moyenne : 15 mm) est pratiquement sans trou et sa conformité est validée. L’algorithme développé a permis d’extraire automatiquement les ellipses superposées caractérisant la géométrie des stalagmites.
Model (resolution average: 15 mm) is virtually without any holes and his conformity is checked. Our algorithm was used to extract automatically superimposed ellipses characterising the geometry of stalagmites.
18- Une première étape basée sur l’algorithme de classification DBSCAN (Density Based Spatial Clustering of Applications with Noise ; Ester et al., 1996) permet l’identification des clusters de points 3D, denses, de formes arbitraires et présentes dans une section Si. Cet algorithme repose sur l’utilisation de deux paramètres liés à la densité : le rayon maximum du voisinage d’un objet R et le nombre minimum d’objets qui doit être contenu dans ce voisinage pour considérer la zone comme dense. Ces paramètres sont fixés en fonction de la maille du modèle RTI. Identifier automatiquement et seulement les régions de haute densité de points permet à l’algorithme de s’affranchir du bruit qui peut exister autour d’un cluster dense et influencer la phase d’ajustement des ellipses.
19- Une deuxième étape a pour but de ne garder que les clusters de forme elliptique, par une méthode d’ajustement qui consiste à chercher la primitive M, de type connu, défini par les paramètres a (de forme et de position), qui ajuste « au mieux » un ensemble de données. Les méthodes d’optimisation ou de moindre carré (Bookstein, 1979 ; Taubin, 1991 ; Sampson, 1992 ; Haralick et Shapiro, 1993 ; Gander et al., 1994) ont été utilisées pour ajuster et détecter cette primitive. Elles sont rapides et précises mais sensibles à la présence de points aberrants dans les données. Ceci a été en partie résolu grâce à l’utilisation à l’étape précédente de DBSCAN. La méthode d’ajustement robuste et non itérative intégrant directement la contrainte d’ellipticité proposée par A. Fitzgibbon et al. (1999) a été utilisée.
20- Enfin, une dernière étape permet d’affecter les clusters elliptiques extraits aux stalagmites correspondantes et traite les cas de fusion entre stalagmites. Cette méthode est basée sur le déplacement d’un plan mobile suivant l’axe Z. Chaque classe de forme elliptique identifiée selon une section Si, est traitée selon trois cas possibles : 1) elle fait partie d’une stalagmite déjà extraite et est affectée à une liste de classes déjà identifiées ; 2) elle définit le début (la tête) d’une nouvelle stalagmite ou 3) il s’agit d’un cas de fusion de deux stalagmites et elle représentera cette fusion. Afin de différencier ces trois cas, on utilise la mesure des distances entre les centres des classes elliptiques identifiées sur des sections successives comme paramètre de classification (Hajri et al., 2009).
21A l’issue de ce traitement, le modèle 3D est segmenté et la forêt de stalagmites est automatiquement extraite. Des tests ont été réalisés faisant varier le pas entre deux plans, l’épaisseur de ce plan (+/- h x e) et la distance minimale entre deux stalagmites. Le rayon de voisinage de l’algorithme DBSCAN est fixé comme étant égal à cette distance minimale. Avec ces tests, le nombre de stalagmites détectées varie de 88 à 136 (Hajri et al., 2009). Tous sont globalement très satisfaisants et le choix maximalisant les résultats est fait sur le modèle 3D coloré par l’opérateur (fig. 12). Un tableau de synthèse des stalagmites est alors obtenu. Les paramètres automatiquement extraits sont ainsi : la position des centres de chaque ellipse, les longueurs (a) et largeur (b) de chaque ellipse, l’orientation du grand axe de chaque ellipse, l’élévation et de la distance projetée (centre de l’ellipse de base à centre de l’ellipse sommitale), la distance géodésique (somme des distances séparant deux centres d’ellipse consécutifs) et l’azimut du déplacement (centre de l’ellipse de base vers le centre de l’ellipse sommitale). Ces paramètres permettent non seulement une analyse de l’objet à la fois à l’échelle de la stalagmite et à l’échelle de toute la population mais aussi un éclairage inédit à l’étude des soutirages endokarstiques.
Fig. 12 – Résultat de l’opération de segmentation ayant permis d’identifier automatiquement 134 stalagmites.
Fig. 12 – Result of the segmentation operation, which automatically identified 134 stalagmites.
22Apprécier l’action du soutirage revient ici à mesurer le décalage entre la base et le sommet du coude de la stalagmite. Pour étudier cette mobilité, le centre de la stalagmite (i.e., centre de chacune des ellipses) est considéré comme étant l’axe principal de croissance. Sur les 134 stalagmites retenues, la moyenne du déplacement est de 3,8 cm (minimum : 0,1 cm ; maximum : 25,8 cm ; écart-type : 4,3 cm). Les informations extraites et structurées en base de données ont été insérées dans un logiciel SIG pour les spatialiser et les croiser avec le MNT du sol du réseau souterrain (pas : 0,25 m). La distribution des orientations des déplacements montre une légère prééminence de la classe nord-ouest, compatible avec une dynamique de soutirage dans la partie sud-est de la forêt de stalagmites. Cependant, il n’a pas été possible de corréler spatialement l’intensité du déplacement (en cm par stalagmite) avec l’intensité de la pente (sur la grille du MNT). Cela montre que la dynamique du soutirage obéit à des lois mécaniques, dans la masse du remplissage argileux, que la topographie du sol de la galerie ne permet pas d’apprécier. Cette topographie est certes conditionnée par la dynamique de soutirage mais aussi par d’autres processus (e.g., ruissellement) qui peuvent la réorganiser en surface mais pas en profondeur. Cette étude conduite sur la forêt segmentée des stalagmites a permis de montrer qu’il était possible d’identifier des classes directionnelles préférentielles associées à la dynamique géomorphologique recherchée. Cependant, la distribution des directions, les seuils de pertinence de déplacement, la répartition géographique des stalagmites, les corrélations avec l’intensité des pentes ou l’orientation du MNT montrent que l’enregistrement du soutirage ne concerne pas toutes les stalagmites et ne traduit pas la topographie locale. Cet enregistrement semble ne concerner que certaines stalagmites et le travail présenté ici permet justement de les identifier. A ce titre, ce type d’analyse constitue un protocole qui doit préparer et orienter les stratégies de prélèvement, notamment sur des sites à haute valeur patrimoniale ou lorsque les moyens doivent être concentrés sur un ou deux échantillons pertinents.
23Au travers de ces exemples pris dans l’aven d’Orgnac, il a été possible de montrer que le recours à l’analyse 3D sur clone numérique est fécond et autorise des avancées que les méthodes traditionnelles ne permettent pas.
24Ces avancées sont d’abord celles de l’accessibilité à la totalité des objets étudiés. En effet, la hauteur, le noir, le temps de séjour réduit et les problèmes de conservation et de déplacements limités au sein d’objets à haute valeur patrimoniale constituent autant de limites à l’analyse in situ des formes et des dépôts de l’endokarst. Appliqués ici à des banquettes pariétales sur des salles géantes ou sur une forêt de stalagmites sur un site inaccessible pour des raisons de conservation, il a été possible de travailler sur le modèle 3D dont le temps d’acquisition sur le terrain est raisonnable. En outre, au lieu de limiter l’analyse à une portion de banquette ou à une stalagmite, il est au contraire désormais possible de travailler sur la totalité du drain souterrain ou ici sur plus d’une centaine de stalagmites par le recours à des méthodes de segmentation et de traitement informatique automatique. Cette complétude dans l’investigation endokarstique permet de valider, notamment par la statistique, les résultats qui étaient limités précédemment à un nombre restreint d’objets, souvent choisis a priori.
25Les grandes phases de l’évolution géomorphologique du karst d’Orgnac étaient connues : 1) au Pliocène, une phase d’aggradation sédimentaire endokarstique associée à une élévation continue de l’altitude du drain, suivie 2) durant le Quaternaire, par une phase de verticalisation des écoulements souterrains engendrant soutirage et vidange des dépôts mis en place précédemment. Cette évolution est en accord avec le cadre paléogéographique régional d’évolution du niveau de base rhodanien durant 5 Ma (Clauzon, 1996) et reconnu dans d’autres systèmes karstiques de cette région (Mocochain et al., 2006). Aussi, il semblait fécond de rechercher dans les morphologies souterraines les éléments qui pouvaient permettre d’affiner les connaissances morphogéniques et paléogéographiques ; l’analyse 3D proposée ici en constitue une première phase riche de perspectives. En effet, l’analyse sur modèle 3D des banquettes limites de remplissage des Salles rouges d’Orgnac a permis de reconstituer différentes étapes de l’aggradation sédimentaire et de proposer des gammes de paléo-débits. La poursuite de ce travail sur la totalité de la séquence des banquettes, malheureusement discontinue, entre les cotes 160 m NGF et 260 m NGF, permettra à l’avenir de proposer une reconstitution plus pertinente, couvrant une partie importante du Pliocène, et de montrer les éventuelles variations ayant affecté l’alimentation hydrologique du karst durant 3 Ma. En complément, l’analyse de la forêt de stalagmites a permis de montrer la dynamique spatiale d’un soutirage sur la mécanique d’un remplissage au cours du Quaternaire. Ce travail peut permettre d’orienter les stratégies de prélèvement pour datation notamment ; développé à l’échelle de l’ensemble des soutirages identifiés dans le réseau karstique, il permettrait aussi de spatialiser la dynamique diachrone de ces structures de verticalisation du karst. Il pourrait être possible d’identifier une évolution de ces soutirages depuis le sud (paléo-exutoire supposé du système), vers le nord (zone d’alimentation du système) et d’orienter avec plus d’acuité les campagnes de prélèvements pour une série de datations qui s’avéreront nécessaires au contrôle chronologique d’une telle étude. Sans remplacer les études géomorphologiques menées en grotte, l’approche par la 3D constitue une entrée pertinente qui vient compléter et, le cas échéant, orienter les prochaines études. D’autres travaux dans d’autres systèmes karstiques confirment ce potentiel.
26Plusieurs travaux de relevés lasergrammétriques ont été réalisés récemment en milieu endokarstique. La salle de la Verna (Pyrénées Atlantiques), le plus grand volume karstique français, a été scannée à une maille de 30 cm pour les besoins d’implantation d’une conduite forcée, mais aussi pour une étude scientifique du site (Maire et al., 2010). Majlis al Jinn, dans le Sultana d’Oman, une des plus grandes salles souterraines du Monde, a été scannée pour les besoins d’un projet d’aménagement touristique (Chazaly et al., 2010). Plusieurs études archéologiques en grotte font dorénavant appel à la modélisation 3D comme c’est le cas dans la grotte Chauvet (Ardèche), sur les fouilles préhistoriques du cône d’Orgnac (Ardèche) ou dans la grotte Parpalo (Espagne ; Lerma et al., 2010). Dans les grottes de Choranche (Vercors), le plafond du lac de Coufin a fait l’objet d’un levé centimétrique avec identification semi-automatique des plans de fracturation (Hajri et al., 2010). Tout comme la salle de la Cathédrale à Choranche (Sadier et al., 2006), la grotte de Castellana (Caprioli et al., 2003) a fait l’objet d’un levé 3D sur les stalagmites. Peak Cavern (Royaume Uni) a fait l’objet des premiers travaux de relevés Lidar (Westerman et al., 2003). Des travaux 3D ont été menés sur des coups de gouges (micro formes pariétales ; Bird et al., 2009) et nul doute que les années à venir verront ce type de recherche se développer et se démocratiser. Cependant, les études appliquées strictement à la géomorphologie endokarstique et à l’échelle des drains sont encore rares. Cela peut paraître paradoxal tant l’information extraite des modélisations 3D à partir de relevés lasergrammétriques est justement une information de type morphologique. Cette information « en creux », empreinte de l’érosion du passé, est au cœur des préoccupations des géomorphologues et les études menées en milieu souterrain karstique, ancrées sur l’analyse des vides, ne peuvent qu’être qu’enrichies par ces techniques actuellement en plein essor. Leurs utilisations restent limitées en raison des coûts d’acquisition encore élevés et des traitements informatiques chronophages. Il s’agissait ici d’explorer les potentialités des modélisations 3D en milieu souterrain en gardant à l’esprit les questionnements et problématiques géomorphologiques. Les exemples présentés témoignent sans aucun doute de la richesse des informations pouvant être extraites et analysées mais montrent également toute la complexité du 3D, tant dans le levé que dans le traitement qui en découle.
Ce travail a été réalisé dans le cadre des travaux de recherche menés sur l’aven d’Orgnac et financés par la DREAL Rhône-Alpes et la commune d’Orgnac-l’Aven. Un certain nombre de personnes ont participé aux travaux d’acquisition des données sur le terrain : Jean-Loïc Bersihand, Didier Cailhol, Emmanuel Malet, Anne-Sophie Perroux, Françoise Prud’homme, Stéphane Tocino et Matthieu Thomas. Nous tenons à remercier en outre les quatre relecteurs anonymes qui ont contribué à l’amélioration du manuscrit ainsi que Georges-Marie Saulnier et Russell Neil Drysdale pour la correction de l’anglais.