URL originale : https://books.openedition.org/pufc/46827

Chapitre 4
Les dynamiques spatiotemporelles des zones de consommation
Estelle Gauthier, Olivier Weller, Pierre Pétrequin, Maréva Gabillot, Robin Brigand, Jehanne Affolter, Pierre Allard, Jessica Giraud, Émeline Le Goff, Thierry Logel, Laure Nuninger et Laurie Tremblay Cormier
p. 171-192
Texte intégral
Des méthodes pour identifier des aires de consommation préférentielles
1Regardons à présent l’extrémité de la chaîne des transferts : les lieux de consommation. On entendra par là tous les lieux où les artéfacts étudiés ont été utilisés ou conservés, y compris les lieux de dépôt volontaire et définitif (tombes, dépôts). Ces derniers représentent en effet une forme spécifique de consommation, puisqu’ils semblent avoir joué un rôle économique ou social (Lourdaux-Jurietti, 2017). Nous cherchons ici à identifier des aires de consommation privilégiées, où les produits sont concentrés en plus grand nombre qu’ailleurs, à déterminer leurs caractéristiques (surface, intensité), et à mettre en évidence leurs évolutions ou déplacements au cours du temps. Le programme Archaedyn avait dès l’origine pour objectif commun de produire des indices de concentration/dispersion et de stabilité/instabilité1. C’est surtout de cette manière que nous avons envisagé la construction de ces indices au sein de notre atelier (Gauthier et al., 2012). Il s’agit aussi d’un point commun à pratiquement tous nos jeux de données puisque, pour chacun d’entre eux, les lieux de découverte, qui sont autant de lieux de consommation, ont été inventoriés. Nous pouvons donc étudier leur distribution et leurs dynamiques spatiales.
2Nous supposons ici que les principales aires de consommation sont celles qui ont attiré un grand nombre de produits. Par nécessité, nous nous baserons sur les aires de plus grandes concentrations de découvertes, c’est-à-dire celles où les produits ont été thésaurisés en plus grand nombre. Cependant, un problème de représentativité des vestiges archéologiques se pose : les quantités découvertes peuvent-elles refléter les quantités consommées ? Ce n’est bien entendu pas le cas. Tout le matériel consommé a très bien pu disparaître, être emporté ou bien recyclé. Les proportions découvertes ne peuvent donc pas être considérées comme représentatives. En revanche, au-delà de l’estimation des quantités réellement consommées, nous pouvons tout de même affirmer que les zones dans lesquelles de nombreux objets ont été découverts, en ont de fait également reçu beaucoup et ont été particulièrement attractives. Il nous sera impossible de prétendre que nous pouvons identifier ainsi toutes les zones de consommation, mais celles qui apparaîtront pourront néanmoins être considérées comme telles. Ces cartes représentant les probables « zones principales de consommation » devront également être croisées avec la carte de fiabilité de la répartition pour une meilleure interprétation.
3Pour appréhender ces données quantifiées, nous privilégions une approche par la « modélisation2 spatiale ». En effet, « l’analyse spatiale » est « un ensemble de méthodes mathématiques et statistiques visant à préciser la nature, la qualité, la quantité attachées aux lieux et aux relations qu’ils entretiennent – l’ensemble constituant l’espace – en étudiant simultanément attributs et localisations » (Brunet et al., 1992). Parmi ces méthodes, ce que nous entendons ici par « modélisation spatiale » (ou « modélisation cartographie » ; Pirot et Varet-Vitu, 2004 ; Pirot et al., 2005) consiste non pas à créer un modèle des données dans l’espace, mais un modèle de l’espace lui-même auquel des valeurs sont attachées. Celles-ci sont enregistrées en tant que troisième dimension de l’espace (z) et peuvent correspondre non seulement à des données environnementales – par exemple l’altitude dans le cas d’un MNT –, mais également à des données thématiques – dans notre cas, des données archéologiques – chiffrées, quantitatives ou qualitatives. Aussi, l’espace n’est pas neutre : « selon que l’espace intervient comme simple support du phénomène modélisé ou comme agent à part entière, le modèle sera a-spatial ou spatial » (Voiron-Canicio, 2006). La « modélisation spatiale » fait donc intervenir l’espace au cœur de la démarche d’analyse et de modélisation : « Les différents phénomènes simples qui, ensemble, concourent à exprimer une certaine partie de la complexité du monde réel se manifestent aussi bien dans qu’à travers l’espace “spatial” ». C’est par ce biais très particulier qu’ils peuvent être analysés » (Pirot et al., 2005).
4Cette modélisation de l’espace prend la forme d’un grid3 : une « structure maillée topologique géoréférencée » (Pirot et al., 2005). Il s’agit d’une tesselation régulière de forme carrée (pixels), correspondant au mode raster, dotée d’une topologie et dans laquelle l’information est attachée au graphe dual (Pirot et Varet-Vitu, 2004 ; voir « Du modèle conceptuel de données à la géodatabase », chap. 2). Le modèle est créé sur la base de calculs statistiques, algébriques, voire multidimensionnels. Les propriétés intrinsèques des grids permettent en effet de leur appliquer des traitements mathématiques simples ou complexes. Contrairement aux données vectorielles, par nature discrètes, dans un grid, l’information est renseignée dans l’intégralité de l’aire étudiée – y compris sous forme de « no data ». On peut ainsi passer d’un nuage de points à un espace intégralement renseigné. Certains traitements permettent non seulement de bénéficier d’informations sur l’ensemble de l’espace, mais également de reconstituer une certaine continuité de la donnée elle-même – en effet, disposer de l’information partout ne signifie pas qu’elle soit continue. Les mailles ne sont alors pas simplement juxtaposées les unes aux autres de manière indépendante. Pour des données non continues (le peuplement par exemple), la prise en compte d’un voisinage (voir ci-après) fera apparaître des pôles grâce à un effet d’agrégation et de lissage, tandis que pour des données de nature continue (relief, températures, par exemple), les méthodes d’interpolation permettent de reconstituer une véritable continuité. Les calculs appliqués aux grids (géotraitements) permettent de reconstituer (ou supposer) un état complet de l’espace à partir d’un échantillon. Il est également possible d’appliquer des opérations entre plusieurs grids grâce à leurs propriétés topologiques, ce qui permet de confronter simultanément plusieurs informations (combinaisons, différences, stacks, analyses multivariées, etc.).
5L’objectif de la modélisation spatiale est de mettre en évidence des zones homogènes ou des configurations spatiales particulières. En effet, « les phénomènes observés sont souvent l’expression de phénomènes complexes résultant de la combinaison et/ou de la composition et de l’interaction de phénomènes simples sous-jacents qu’il faut révéler afin de les comprendre, les décrire, les expliquer. […] Une des façons d’expliciter, voire de comprendre l’espace spatial, est de concevoir des modélisations spatiales et des modèles spatiaux susceptibles de révéler des processus qui, à leur tour, induisent des phénomènes spatiaux » (Pirot et al., 2005). Contrairement à la cartographie thématique, où les données nécessitent d’être déchiffrées par le lecteur puis interprétées, qu’il s’agisse de « cartes à lire » ou de « cartes à voir » (Bonin, 1975 ; Brunet, 1987 ; Poidevin, 1999), les géotraitements (geoprocessing) effectués dans le cadre d’une modélisation spatiale produisent de l’information immédiatement lisible et compréhensible (Tomlin, 1990). Cette production d’information nouvelle – sous une forme visuelle lorsque les géotraitements produisent de nouveaux grids, ou bien chiffrée (dans le cas de traitements statistiques à un niveau global, par exemple) – représente le grand avantage de la modélisation spatiale.
6Parmi les nombreuses méthodes de modélisation spatiale, nous ferons notamment appel aux méthodes d’« algèbre de carte », dont le principal concepteur est Charles Dana Tomlin (1990).
L’analyse spatiale versus algèbre de carte sous ArcGis-ArcInfo, ArcInfo workstation est mise en œuvre par l’intermédiaire de l’ensemble des géotraitements ou geoprocessing. L’algèbre de cartes connue sous le nom de Map Algebra est une façon de réaliser de la modélisation spatiale à l’aide d’un langage de programmation de haut niveau permettant aussi bien des calculs simples comme les opérations mathématiques, arithmétiques, trigonométriques, booléennes, statistiques simples, etc., que des calculs complexes comme par exemple les statistiques multidimensionnelles, les modélisations spatiales en 3D, les modélisations spatiales hydrologiques tant au niveau local que global (Pirot et al., 2005).
7Ainsi, une modélisation spatiale reposant sur des méthodes d’algèbre de cartes, doit nous aider à identifier les zones de forte consommation du produit étudié, et à évaluer leur importance relative. Il s’agit de qualifier et/ou de quantifier l’espace, donnant ainsi la possibilité de hiérarchiser l’importance de certaines zones et de comparer plusieurs indicateurs ou différents états, par exemple des phases consécutives. Le passage en mode maillé géoréférencé est le plus à même de former des espaces comparables, et de leur attribuer des valeurs elles-mêmes comparables.
8Il est apparu très vite évident que de simples cartes de densités n’étaient pas assez efficaces pour répondre à nos objectifs. En effet, si les cartes de densité par maille permettent d’obtenir une information sur l’intégralité de l’espace, elles ne font que donner une valeur brute au sein de mailles juxtaposées sans lien entre elles. Cela pose des problèmes, car certaines concentrations risquent d’être fractionnées.
9Deux méthodes ont donc été testées, les « sommes focales » (Tomlin, 1990 ; Gauthier, 2005b) et les « densités de noyau » (ou KED : Kernels Estimation Density ; Rosenblatt, 1956 ; Parzen, 1962 ; Biau, 2003 ; Di Salvo et al., 2005 ; Zaninetti, 2005). Dans les deux cas, il s’agit d’estimer la densité des points à partir d’une fenêtre mobile dont la forme (carrée, circulaire, etc.) et les dimensions (longueur, diamètre selon les cas) doivent être définies préalablement. Le calcul de densité se fait en deux temps : d’abord le passage en mode maillé géoréférencé (grid), où chaque maille reçoit la valeur brute des entités ponctuelles de la couche de départ (nombre d’entités ou valeur pondérée par un attribut), puis un nouveau calcul des valeurs de chaque maille est effectué en tenant compte de son voisinage. Les calculs sont réalisés maille par maille et le voisinage est mobile, ce qui signifie que le voisinage se déplace pour être toujours centré sur la maille qui supporte le résultat du calcul – il est de forme et de taille identique pour toutes les mailles de la grille, fig. 58.
Figure 58. Représentation schématique du principe des sommes focales

Légende : Les chiffres inscrits dans le maillage correspondent aux nouvelles valeurs prises par les mailles en fonction du nombre de points issus du nuage de départ (une couche de sites archéologiques par exemple) et présents dans leur voisinage. Les couleurs permettent de distinguer le voisinage considéré pour chaque maille.
Source : CAO réalisé par Estelle Gauthier, d’après Gauthier (2004).
10Grâce au voisinage mobile, ces méthodes permettent de dépasser la représentation ponctuelle (et donc discrète) des sites en renseignant chaque parcelle d’espace en fonction de ce qui se trouve à proximité. Toutefois, à l’inverse de méthodes d’interpolation, la continuité des phénomènes eux-mêmes – très peu probable pour des données se rapportant à des phénomènes humains – n’est pas supposée. Ainsi, il s’agit de mettre en évidence des zones de concentration et de leur attribuer une valeur relative, mais sans supposer une progression continue des valeurs à l’échelle de toute la zone d’étude.
11Le calcul de la nouvelle valeur prise par les mailles est différent pour les deux méthodes testées. Pour les sommes focales, il s’agit simplement d’une somme des valeurs de toutes les mailles présentes au sein du voisinage – toutes les mailles comptent autant –, tandis que pour l’estimation des « densités de noyau » (KED), le poids des mailles du voisinage est pondéré en fonction de leur éloignement à la maille concernée. C’est pour cette raison que nous avons préféré cette méthode, car cette pondération permet de corriger certains excès possibles avec la méthode des sommes focales4 et améliore le rendu visuel. La valeur de la densité obtenue décroît proportionnellement en fonction de la distance au centre de la fenêtre mobile, ce qui lisse le résultat. Pour un rendu plus naturel, nous avons choisi des voisinages circulaires plutôt que carrés.
12Lorsque l’on pondère le calcul par un indicateur quantitatif, des valeurs fortes de densité de noyau peuvent être liées tantôt à un point isolé ayant livré une grande quantité de l’indicateur étudié, tantôt à une concentration de sites plus ou moins riches. Une zone entourée d’autres zones de forte densité verra également sa propre densité renforcée5. La taille du voisinage détermine le degré de lissage des données, le choix de son rayon est donc le paramètre fondamental de ces analyses. S’il est trop réduit, le lissage est non significatif, car trop morcelé et localisé à chaque entité ponctuelle ; s’il est trop grand, le lissage devient trop important et entraîne une perte d’information. Ce rayon optimal de l’analyse, celui qui mettra le mieux en évidence les pôles de concentration, peut être déterminé soit par un calcul basé sur le nombre de sites et la surface totale de la zone d’étude (Saligny et al., 2008 ; Nuninger et al., 2012a)6, soit sur un test empirique de plusieurs rayons suivi d’une lecture graphique du rayon le plus adapté (voir ci-après fig. 60). Cependant, pour qu’il soit le plus significatif possible, le voisinage devrait aussi correspondre au champ d’attraction des centres recherchés, dans la mesure où il est possible de l’estimer. Son choix est donc d’une grande importance.
13Nous proposons ici deux exemples d’application. Le premier concerne les transferts des haches en jades alpins : il s’agit d’identifier les places centrales qui jalonnaient l’Europe occidentale au Néolithique et qui, d’après nos interprétations7, ont probablement joué le rôle de centres de redistribution. Il reste à les identifier précisément et à évaluer leur poids respectif. Le second exemple concernera l’identification des principales aires de consommation du bronze dans le quart nord-est de la France. Nous chercherons non seulement à évaluer leur importance relative, mais aussi à mettre en évidence leurs évolutions au cours du temps. Enfin, nous discuterons de la possibilité de comparer les aires principales de consommation de plusieurs produits.
Des places centrales pour la consommation/redistribution des haches en jades alpins
14Nous l’avons souligné à plusieurs reprises, quel que soit le critère observé ou l’axe de diffusion concerné, la distribution des haches en jades alpins ne répond de toute évidence pas à un modèle de diffusion de proche en proche, ni de distribution directe du gîte aux sites. Les changements de la valeur de ces objets au cours de leur circulation et les mécanismes complexes de leurs transferts vont de pair avec une diffusion via des intermédiaires qui ont attiré localement un certain nombre d’exemplaires de haches en jades, en en retenant une faible part qui a finalement été thésaurisée à proximité, tandis que le reste était redistribué en direction d’autres centres de pouvoir plus lointains. Le lien entre cette fonction de redistribution et le rôle social et politique de ces lieux est très clair (Pétrequin, Gauthier et al., 2012 ; Pétrequin, Pétrequin et al., 2017d). C’est sans doute également dans certains de ces pôles qu’ont été réalisées les modifications de forme de certains modèles alpins, probablement pour des raisons sociales ou culturelles (augmenter la valeur des pièces, adapter leur forme aux goûts régionaux, etc.).
15Nous avons observé ci-avant l’existence de ces centres sans pour autant les identifier précisément et sans prendre en compte de possibles différences de poids dans les réseaux. Nous supposons ici qu’ils se trouvent au cœur des principales zones de concentration des objets : des zones attractives où une partie de la production a été stoppée dans sa course et thésaurisée, suggérant la présence d’une élite forte. Nous utilisons donc la méthode des densités de noyau pour identifier ces pôles de concentration. Le jeu de données de départ est celui de la répartition générale des haches en jades alpins (voir fig. 34).
16Nous avons choisi d’utiliser une résolution très fine de 500 mètres (Gauthier, 2004 ; Gauthier et al., 2012) et un voisinage large de 50 kilomètres autour de chaque maille, qui semblent être les paramètres les plus appropriés pour ce cas d’étude8.
17La représentation des valeurs de densité obtenues par un dégradé de couleur met en évidence des noyaux qui n’ont pas tous la même « importance » relative, tant en taille qu’en intensité. Il est donc nécessaire d’affiner le résultat en distinguant différents types de pôles selon leur importance relative. Pour cela, nous jouons sur la classification et la représentation colorimétrique des valeurs de densité pour tester la stabilité des noyaux selon la méthode de discrétisation des valeurs utilisée.
18Différentes méthodes de discrétisation sont testées : une classification des valeurs par la méthode de Jenks (1967), qui maximise la variance interclasse et minimise la variance intraclasse, fait apparaître des noyaux de concentration bien distincts (fig. 59). Cette méthode permet de visualiser de façon très efficace l’organisation générale des principaux pôles de consommation en Europe.
Figure 59. Estimation des densités de noyau des longues haches en jades alpins en Europe et discrétisation des valeurs par la méthode de Jenks

Source : Fond : ESRI WBM – Données : Pierre Pétrequin – CAO : András Márton et Estelle Gauthier, 2018.
19Deux noyaux de très fortes valeurs s’observent ainsi autour des gîtes alpins et dans le secteur de Carnac, mais il apparaît clairement que leurs valeurs exceptionnelles9 masquent d’autres centres que nous pourrions aussi considérer comme importants. Pour les faire apparaître plus nettement, dans une seconde approche, nous avons donc choisi une discrétisation selon la méthode des quantiles en créant un grand nombre de classes d’effectifs égaux (fig. 60). De nombreux noyaux secondaires apparaissent alors, mais le résultat n’est pas très net, les pôles étant plus difficiles à individualiser.
Figure 60. Estimation des densités de noyau des longues haches en jades alpins en Europe et discrétisation des valeurs par la méthode des quantiles

Source : Fond : ESRI WBM – Données : Pierre Pétrequin – CAO : András Márton et Estelle Gauthier, 2018.
20Dans une troisième approche, nous proposons de représenter les valeurs par un dégradé de couleur (étiré) basé sur un calcul de déviation standard (méthode des écarts-types), plus à même de souligner les valeurs qui s’éloignent de la moyenne. Or, c’est parmi les zones présentant une concentration « exceptionnelle » que doivent être recherchés les principaux centres de consommation. Il est intéressant de faire varier la valeur n (nombre d’écarts-types) considérée pour le calcul de la déviation standard pour la représentation en dégradé de couleur. Différentes catégories de centres peuvent en effet être distinguées : nous abaissons progressivement la valeur n (n = 12, n = 8, n = 5 et n = 3) pour laisser apparaître petit à petit des centres de poids différents (fig. 61). Les pôles qui apparaissent à n = 12 sont les plus importants et les plus stables ; d’un poids exceptionnel, ils sont visibles quelle que soit la valeur de n. Les pôles qui apparaissent pour des valeurs inférieures de n peuvent être considérés comme de moindre importance ; il peut s’agir de pôles ayant joué un rôle seulement temporaire ou bien relativement plus faible au sein du réseau – mais, un rôle tout de même.
21Si le résultat n’est pas fondamentalement différent entre les trois méthodes de discrétisation testées, nous préférons cette dernière, car elle souligne davantage la stabilité/l’instabilité statistique des pôles mis en évidence, et nous permet d’en estimer l’importance dans le réseau afin de le reconstituer le plus fidèlement possible.
Figure 61. Variation des paramètres du calcul de la déviation standard pour la représentation des concentrations de haches en jades

Légende : En modifiant progressivement la valeur n de l’écart-type, nous mettons en évidence des centres d’importances différentes.
Source : Données : Pierre Pétrequin – Fond : ESRI WBM – CAO : Estelle Gauthier, 2015.
22Au vu des résultats obtenus, nous proposons cinq catégories de centres. Les limites des classes des valeurs de densité de noyau sont ensuite déterminées empiriquement à partir de cette classification (fig. 62).
Figure 62. Récapitulatif des caractéristiques des cinq catégories de centres mises en évidence
Catégorie | Densité minimale dans les centres de consommation repérés (haches/km²) | Nb de centres concernés | Valeur n à laquelle la classe est nettement visible | |
dans le centre de la zone d’étude | dans les régions périphériques | |||
1 | 0,03 | 0,007 | 4 | 12 |
2 | 0,007 | 0,0045 | 3 | 12 |
3 | 0,0045 | 0,0028 | 8 | 8 |
4 | 0,0028 | 0,0015 | 20 | 5 |
5 | 0,0015 | 0,0009 | 28 | 3 |
Source : Estelle Gauthier, 2015.
23Toutefois, afin de pallier les effets de la forte décroissance avec la distance, affaiblissant les valeurs dans les marges de la zone d’étude, le poids des centres est réajusté dans les régions périphériques (Écosse, Danemark, péninsule ibérique, Europe centrale et sud-orientale). Il est en effet nécessaire de considérer différemment les zones les plus éloignées des gîtes qui, par définition, ont reçu une moindre quantité de produits, et doivent donc naturellement présenter des valeurs moins fortes. À l’inverse, les nœuds situés au cœur de la zone principale de diffusion des jades et entourés de pôles importants, disposeront logiquement de valeurs bien plus élevées. Il est donc important de relativiser le statut attribué aux nœuds en fonction de leur position dans le réseau de diffusion, et ce, en ajustant manuellement la catégorie attribuée aux noyaux situés en périphérie : ces derniers doivent être classés parmi les centres principaux à partir de valeurs plus faibles que pour les noyaux de la zone centrale. La figure 63 présente le résultat de la classification de tous les pôles.
Figure 63. Modélisation de la hiérarchie des centres de consommation des haches en jades alpins selon les valeurs de densités de noyau

Source : Données : JADE 2014, Pierre Pétrequin – Fond : ESRI WBM, NASA SRT – CAO : Estelle Gauthier, 2015.
24Enfin, la position des centres est corrigée en fonction de la localisation réelle des amas de points les plus importants. En effet, le calcul des densités de noyau appliqué à l’ensemble de la zone d’étude peut décaler certaines zones de concentration par rapport aux amas de points en raison de l’influence de noyaux plus importants à proximité immédiate ou de quelques points légèrement éloignés de l’amas principal.
25Certains pôles présentent de plus fortes concentrations, car ils ont attiré les haches en jades en très grand nombre et/ou sur une longue durée. D’autres ont sans doute joué un rôle mineur dans les réseaux de transfert ou bien de courte durée.
26La zone la plus importante est bien entendu l’aire des gîtes et des ateliers alpins. Elle peut être considérée comme un même ensemble, bien que plusieurs pôles de concentration s’y remarquent au niveau de chacun des deux gîtes, où de très nombreuses ébauches ont été mises au jour, mais également autour des villages producteurs qui ont sans doute été un point de passage obligé avant la diffusion plus lointaine des produits en jades. La seconde aire la plus importante est le golfe du Morbihan, principal pôle d’attraction et épicentre de la redistribution des jades alpins. L’autre épicentre contemporain, mais situé en plein cœur de l’Europe du cuivre et de l’or, peut également être classé comme majeur, étant donné son éloignement et la richesse des contextes de dépôt des haches en jades alpins – par exemple le dépôt de Svoboda et non loin, plusieurs tombes des célèbres nécropoles de Varna.
27L’ensemble du réseau est jalonné de centres secondaires qui forment autant d’étapes par lesquelles les haches en route pour le nord-ouest, le Morbihan en particulier, sont probablement passées et où quelques-unes ont fini leur course en y étant déposées (fig. 63). Ainsi, au moins une soixantaine de pôles peuvent être repérés par l’analyse des densités de noyau. Ils ne sont bien sûr pas tous contemporains, mais ils ont à un moment ou un autre attiré un certain nombre d’exemplaires de haches en jades. Au moins pendant un temps, ils ont tenu une place remarquable dans les réseaux de transfert.
28Ces centres de consommation/redistribution sont pour la plupart distants d’une centaine de kilomètres du centre voisin le plus proche ; très peu s’éloignent à plus de 140 kilomètres (fig. 64). L’Europe occidentale est ainsi entièrement (et assez régulièrement) maillée.
Figure 64. Variation de la distance des centres à leur voisin le plus proche

Source : DAO réalisé par Estelle Gauthier, 2015.
29Les deux épicentres sont situés à chaque extrémité du réseau qui est plus ou moins centré sur les gîtes alpins. À proximité immédiate de ces trois pôles principaux, on rencontre essentiellement des centres de statut faible (la basse vallée du Rhône, le Finistère, etc.). À mi-chemin, vers 300-600 kilomètres des gîtes alpins, se trouvent des centres de statut secondaire (l’Auvergne, le sud de la Bourgogne, le Bassin parisien, le confluent Rhin-Main) et à nouveau, à proximité, se trouvent des centres de statut plus faible. Dans les marges de la zone d’étude, le fonctionnement est similaire – l’Écosse paraît ainsi être un centre relativement important –, mais les poids sont moindres puisque les données se font de moins en moins nombreuses avec la distance. On pourrait donc suggérer que l’organisation de ces pôles s’apparente, en partie, au modèle des lieux centraux (Christaller, 1933 ; Lösch, 1940). La hiérarchie des centres et leur répartition semblent similaires, mais ils ne correspondent pas complètement10. Certains pôles très importants sont proches du fait de leur rôle spécifique et complémentaire dans les transferts de jades alpins – par exemple, les zones du Viso, du Beigua ainsi que des ateliers du Piémont. Les centres de statut secondaire semblent parfois trop proches les uns des autres, mais ils se situent en réalité sur des routes différentes. En effet, contrairement au modèle régulier de Christaller, les centres sont ici implantés le long des axes du réseau de transferts, des axes fluviaux en particulier. Chacun constitue en effet un nœud du réseau dans un espace qui peut être représenté sous la forme d’un graphe (Berge, 1967)11. Ce positionnement le long des grands axes de communication et de circulation confirme d’ailleurs la « centralité » – en termes d’accessibilité – de ces centres de pouvoir néolithiques. Par ailleurs, dans le modèle de Christaller, les centres sont supposés être situés dans un plan euclidien isotrope, le pouvoir d’acquisition étant similaire dans toutes les directions, ce qui n’est manifestement pas le cas ici : la diffusion est clairement orientée en direction du nord et de l’ouest de l’Europe depuis une source unique. Il convient donc de ne pas considérer l’espace comme uniforme et isotrope, mais plutôt comme un espace vectoriel composé d’une série d’axes orientés reliant principalement les gîtes alpins et les grands centres d’attraction des jades au nord de l’Europe (Morbihan, Grande-Bretagne, Allemagne, Danemark). Le modèle d’organisation des pôles de consommation des jades en Europe serait donc plus spécifique (fig. 65). L’approche des axes de diffusion sera développée dans le chapitre 6.
Figure 65. Proposition pour un modèle théorique d’organisation des pôles de consommation le long du réseau de transferts des jades alpins

Source : DAO réalisé par Estelle Gauthier.
30Cette analyse vient ainsi compléter les études réalisées précédemment et mettre en évidence l’organisation particulière des pôles de consommation des jades le long des réseaux de transferts. Ces centres de pouvoir, ayant attiré un grand nombre d’objets-signes sociaux, forment les jalons du circuit, et bénéficient de l’impulsion première donnée par l’épicentre de la diffusion des jades : le golfe du Morbihan. À leur tour, ils prennent une part active dans le réseau. Disposés tout le long du circuit, ils constituent non seulement des centres de consommation, mais également de redistribution, et pour certains des aires de retransformation, dans lesquelles les objets se dotent d’une nouvelle identité, telles les haches retravaillées en Morbihan, devenues des objets « carnacéens » à part entière.
31Les haches en jades ont fait l’objet d’un inventaire quasi exhaustif, ce qui nous permet de supposer une bonne représentativité des données. Les approches que nous avons présentées ci-avant nous ont permis de proposer un modèle de fonctionnement de leur réseau de transferts depuis les gîtes et les ateliers vers les zones de consommation, et ce, en identifiant et en hiérarchisant les principaux pôles de consommation/redistribution. Ces mêmes méthodes peuvent aussi bien être appliquées à d’autres matériaux qu’à d’autres périodes. Ainsi, nous proposons ci-après d’étudier la consommation du métal – le bronze essentiellement – dans le quart nord-est de la France à l’âge du bronze. À la différence des haches en jades, il n’est pour le moment impossible de connaître précisément l’origine de la matière première et d’identifier les ateliers de production, si bien qu’étudier la sphère de la consommation est notre seul axe de recherche possible en l’état actuel des données. Dans la partie suivante, nous tentons, toujours à l’aide de méthodes d’algèbre de cartes, de modéliser l’organisation spatiale de la consommation de bronze et ses évolutions au cours du temps.
Dynamiques de la consommation du métal en France orientale au Bronze moyen et final
32L’étude qui suit porte sur la consommation du métal à l’âge du bronze en France orientale, à savoir son estimation, sa distribution spatiale et ses évolutions. Elle a été réalisée dans le cadre d’une thèse de doctorat (Gauthier, 2005a ; fig. 66). L’objectif de cette étude consiste d’une part, à comprendre la place du bronze dans les systèmes économiques et sociaux de l’époque, et d’autre part, à réfléchir sur la possibilité d’estimer la consommation du métal grâce à l’analyse du bronze thésaurisé – dans les tombes et les dépôts en particulier. Il paraît en effet pertinent d’appréhender jusqu’à quel point ces découvertes peuvent refléter les quantités de métal réellement consommées, et de comprendre leurs variations en fonction des évolutions sociales et économiques de cette période.
33Ce cas d’étude s’applique particulièrement bien à la recherche d’indicateurs de concentration/dispersion et de stabilité/instabilité12, puisque l’on vise ici à mettre en évidence des zones de consommation privilégiées du bronze, que l’on peut supposer être – au moins en partie – les zones de plus forte concentration d’indicateurs (nombre d’objets, masses métalliques, regroupements de sites). On pourra également estimer leurs déplacements ou leurs évolutions au cours du temps, c’est-à-dire mettre en évidence leurs « dynamiques »13. Il s’agit en effet de « formaliser des changements référant à l’espace et opérant suivant certaines temporalités » (Ruas et Sanders, 2015). Nous cherchons ainsi à observer la pérennité de certaines zones, la diminution du rôle d’autres ou encore le développement de nouvelles aires de consommation.
Figure 66. Répartition des objets métalliques de l’âge du bronze moyen et final en France orientale

Source : Fond : IGN GéoFLA, Route 120 – Données : d’après Gauthier (2005a) – CAO : Estelle Gauthier, 2020.
34Ces variations suivront en partie seulement les évolutions du peuplement. À l’instar de l’exemple vu précédemment sur les haches à talon normandes, les sites qui ont livré le plus d’objets de bronze ne sont pas les habitats, mais les dépôts et les sites funéraires, des lieux de thésaurisation qui ont permis la conservation des objets métalliques tandis que la majeure partie du stock en circulation a probablement été recyclée (Needham, 1998). Dans les habitats, il est plus rare de retrouver de grosses quantités de métal. Par ailleurs, il a été montré clairement que le bronze a joué un rôle important dans la représentation sociale (Verger, 1991 ; Kristiansen, 2000 ; Pydyn, 2000). La France orientale, au contraire d’autres régions ayant un accès direct aux minerais de cuivre et d’étain – à l’instar de la Transdanubie par exemple –, est considérée comme « dépendante » des approvisionnements extérieurs (Mohen, 1990 ; Goldenberg, 1998). La nature de certains objets produits – des objets à haute valeur sociale tels des armes défensives ou de la vaisselle métallique, des éléments de harnachement ou encore certaines parures – montre que le bronze était utilisé par l’élite pour sa représentation sociale, même au Bronze final, alors que le bronze semble s’être diffusé plus largement à travers toutes les couches sociales, comme en témoignent les nombreux outils agricoles ou artisanaux en bronze (Pare, 2000). On s’attend donc à ce que la distribution du bronze reflète en partie le peuplement et en partie la structure sociale des territoires. Cependant, du fait de la recyclabilité des alliages à base de cuivre et de la nature particulière des lieux de déposition, la quantité de bronze découverte ne reflétera pas forcément la quantité de bronze consommée à l’époque. C’est dans la nature des objets et des sites qu’il faudra rechercher des indices de l’augmentation ou de la diminution de la place du recyclage dans l’économie du bronze et de la place de la thésaurisation dans la représentation sociale. Par ailleurs, il faut différencier d’un côté, le bronze en tant que matériau dont la valeur a pu varier et de l’autre, la nature des objets finis qui peuvent représenter une forte valeur sociale sans correspondre nécessairement à une importante quantité de matériau. Divers critères entrent donc en ligne de compte14. Dans cette partie, nous adoptons essentiellement une approche quantitative en nous intéressant au bronze en tant que matière consommée quelle que soit la forme qui lui a été donnée – des objets de différentes natures, armes, outils, parures, parfois des semi-produits, tels que des lingots. Nous proposons ici d’analyser les variations dans l’espace de trois indicateurs : les unités de découverte – habitats, dépôts, tombes et trouvailles isolées –, les objets de bronze et les masses métalliques qu’ils représentent.
35En effet, dans la recherche des principales zones de consommation du bronze, la masse de métal retrouvée est bien entendu un indicateur majeur dans la mesure où les zones ayant livré beaucoup de bronze sont logiquement des zones en ayant reçu – et donc probablement consommé – beaucoup (Stepniak, 1986). Par ailleurs, beaucoup de bronze, peut également signifier une grande quantité d’objets de bronze, même s’ils n’étaient pas toujours très lourds. En effet, le nombre d’objets donne un indice de la fréquence de l’utilisation du bronze et témoigne de sa place dans les activités. Par contre, en raison de la pratique du recyclage, nous ne pouvons pas affirmer que les zones ayant livré peu de découvertes n’étaient pas des zones de consommation ; le métal a en effet pu disparaître presque complètement. Il faut donc prendre en compte un autre indicateur : les sites archéologiques, qui sont autant de lieux potentiels de consommation. Le nombre élevé d’habitats voit augmenter la probabilité que le bronze y ait été consommé en plus grande quantité, tandis qu’un nombre élevé de tombes avec offrandes métalliques et de dépôts « votifs » marquera en parallèle la présence d’une élite ayant consommé du métal pour sa représentation sociale (Kristiansen, 2000 ; Pydyn, 2000). Ces trois indicateurs ne se concentrent pas nécessairement dans les mêmes aires, tout dépend des choix culturels liés aux différents contextes de thésaurisation ; c’est pourquoi il est intéressant de les comparer.
36Quatre phases seront considérées ici : le Bronze moyen (BM), le Bronze final 1 (BF1 = BFI-IIa15), le Bronze final 2 (BF2 = BFIIb-IIIa) et le Bronze final 3 (BF3 = BFIIIb). Nous calculerons tour à tour la densité des différents indicateurs par la méthode des densités de noyau16. Les paramètres qui, lors des tests, se sont avérés les plus efficaces pour modéliser les zones de forte densité sont un maillage de 500 mètres et un voisinage de 15 kilomètres de diamètre. Pour pouvoir ensuite confronter les résultats, il est absolument nécessaire que ces analyses soient réalisées selon les mêmes paramètres, en particulier la taille de la maille et celle du voisinage mobile, mais aussi l’origine du maillage et l’étendue de la zone sur laquelle porte le calcul. Néanmoins, les valeurs aussi doivent être comparables. Pour cela, nous les relativisons par rapport aux totaux par indicateur pour prendre en compte des fréquences plutôt que des effectifs bruts. Il faut aussi réduire l’impact de la différence de durée de chaque phase. Nous relativisons donc encore les valeurs en fonction du nombre de périodes de 50 ans au sein de chaque phase – cinq pour le BM, quatre pour le BF1 et le BF2 et trois pour le BF3). Enfin, étant donné les très faibles valeurs obtenues, un coefficient multiplicateur commun – ici, 1 000 000 – permet de ramener les résultats à des valeurs numériques plus facilement manipulables. Une fois corrigées, ces valeurs sont parfaitement comparables et les densités de kernels calculées selon des paramètres rigoureusement identiques. Les mêmes paramètres seront également utilisés pour la représentation graphique, et les résultats pourront être confrontés directement.
37Pour le Bronze moyen, un grand nombre d’unités de découverte sont comptabilisées le long de la vallée de la Saône (fig. 67). Il s’agit pour beaucoup de trouvailles de rivière représentant une masse métallique relativement peu élevée, excepté au niveau de Chalon-sur-Saône. C’est surtout en Alsace que l’on observe la plus forte densité d’unités de découvertes de cette phase, notamment au sein des nécropoles tumulaires des forêts de Haguenau. Grâce aux fouilles de Xavier Nessel et à leur publication par Claude Frédéric-Armand Schaeffer (1926), ces tombes sont bien connues, d’autant qu’elles ont livré un grand nombre d’objets métalliques. Au Bronze moyen, tandis que la région de Haguenau fait pleinement partie de la culture des tumulus orientaux (Kimmig, 1989 ; Wels-Weyrauch, 1989 ; Koenig et al., 1989) et constitue même l’un des groupes occidentaux les plus importants (Schaeffer, 1926), le reste de la France orientale se trouve dans les marges de cette vaste culture dont l’influence est évidente (Kubach-Richter et Kubach, 1989 ; Villes, 1989 ; Musée Dubois-Boucher et Musée de Préhistoire d’Île-de-France, 1999). Le sud du Bassin parisien subit quant à lui, une double influence, orientale et atlantique, du fait de sa position intermédiaire entre les deux technocomplexes (Mohen, 1989, p. 39). Ce secteur est dynamique en fin de période. Plusieurs dépôts situés à l’ouest de la zone d’étude semblent être directement liés à ce phénomène ; ils concentrent d’assez nombreux objets (Verneuil-l’Étang, Granges-sous-Grignon, Santenay, Teillet-Argenty) et associent parfois types continentaux et atlantiques. Ces ensembles représentent aussi des masses de métal élevées. Ils se composent d’objets relativement lourds, en particulier des haches et des lingots, contrairement aux tombes des forêts de Haguenau qui ont livré un grand nombre de parures, en moyenne plus légères. Au Bronze moyen, comme résultat d’influences contraires, s’observent deux cas de figure très différents de régions dynamiques, mais dont les modes d’expression liés au bronze sont pratiquement opposés.
Figure 67. Modélisation spatiale des principales aires de consommation du métal au Bronze moyen en France orientale

Légende : Les densités de noyau sont calculées pour le nombre d’unités de découvertes, le nombre d’objets de bronze et pour les masses métalliques.
Source : Fond : IGN GeoFLA, Route 120 – Données et CAO : Estelle Gauthier, 2015.
38Pour le Bronze final 1, les masses métalliques se concentrent au niveau du confluent Seine-Yonne qui apparaît nettement plus important, tandis que l’on ne trouve plus de concentration majeure dans la partie orientale de la zone d’étude (fig. 68). Les découvertes sont nombreuses le long des vallées, notamment le long de la Saône et de l’Yonne, mais c’est au niveau du confluent Seine-Yonne que les concentrations d’objets métalliques sont les plus fortes. Plusieurs grandes nécropoles (Marolles-sur-Seine, Barbuise-Courtavant, Barbey, etc.) y sont connues ainsi que de gros dépôts comme ceux de Villethierry ou de Cannes-Écluse. C’est dans ce secteur que se concentrent les plus grandes masses métalliques de cette phase. Claude Mordant a décelé dans cette accumulation de richesses un phénomène de « lisière » (Mordant, 1989). Cette zone de frontière entre les mondes atlantique et nord-alpin, est une zone de compétition culturelle particulièrement dynamique, théâtre de nombreux échanges d’ordre économique et culturel, et cadre du développement d’une élite sociale particulièrement puissante (Musée Dubois-Boucher et Musée de Préhistoire d’Île-de-France, 1999).
Figure 68. Modélisation spatiale des principales aires de consommation du métal au Bronze final 1 en France orientale

Légende : Les densités de noyau sont calculées pour le nombre d’unités de découvertes, le nombre d’objets de bronze et pour les masses métalliques.
Source : Fond : IGN GeoFLA, Route 120 – Données et CAO : Estelle Gauthier, 2015.
39En ce qui concerne le Bronze final 2, la situation est encore plus contrastée (fig. 69) : alors que les unités de découverte sont bien plus largement réparties en France orientale qu’aux phases précédentes, les objets métalliques présentent peu de concentrations importantes, hormis quelques dépôts comme celui de Blanot (21) ou encore Génelard (71). La transformation des pratiques funéraires y est pour beaucoup, car avec le phénomène des « champs d’urnes » le bronze est plus rarement déposé dans les tombes. On compte aussi davantage d’habitats de cette période. Les vallées ne sont plus les seules à livrer de nombreuses découvertes, puisque des concentrations se retrouvent dans le Morvan ainsi qu’en Franche-Comté. Le confluent Seine-Yonne semble avoir perdu en partie son rôle structurant dans les relations avec le technocomplexe atlantique. Pour les masses métalliques, la situation est encore différente : la vallée du Doubs se démarque particulièrement, car elle est jalonnée de dépôts plus modestes que celui de Blanot en nombre d’objets, mais relativement lourds (Bouclans, Tavaux, Évans). Le dépôt de vaisselle métallique d’Évans, est aussi exceptionnel par sa composition. La vallée de la Saône, notamment autour de Chalon-sur-Sâone, est également riche en trouvailles de rivières, parmi lesquelles on trouve de nombreuses épées. Le Bronze final 2 est donc marqué par une variété de situations autour de quelques sites emblématiques qui mettent l’accent de façons très diverses sur une consommation sociale du bronze.
Figure 69. Modélisation spatiale des principales aires de consommation du métal au Bronze final 2 en France orientale

Légende : Les densités de noyau sont calculées pour le nombre d’unités de découvertes, le nombre d’objets de bronze et pour les masses métalliques.
Source : Fond : IGN GeoFLA, Route 120 – Données et CAO : Estelle Gauthier, 2015.
40Enfin, le Bronze final 3 présente une situation beaucoup moins ambivalente (fig. 70). À l’instar du Bronze final 2, les découvertes sont nombreuses dans l’ensemble de la zone d’étude, avec toutefois des concentrations plus importantes le long des vallées et en Franche-Comté. Le secteur de Lons-le-Saunier est particulièrement riche en trouvailles de cette phase. Les objets sont quant à eux, concentrés dans différents secteurs de la zone d’étude, dans des dépôts du Jura (Briod), en Côte-d’Or (Vénarey-les-Laumes) ou encore près de Moulins (La Ferté-Hauterive, Charroux, Jenzat), des habitats et trouvailles de rivières autour de Chalon-sur-Saône en particulier, tandis que les masses reflètent peu ou prou cette répartition.
Figure 70. Modélisation spatiale des principales aires de consommation du métal au Bronze final 3 en France orientale

Légende : Les densités de noyau sont calculées pour le nombre d’unités de découvertes, le nombre d’objets de bronze et pour les masses métalliques.
Source : Fond : IGN GeoFLA, Route 120 – Données et CAO : Estelle Gauthier, 2015.
41On observe donc au travers de ces différents indicateurs, d’importants changements au cours de l’âge du bronze, tant dans la localisation des zones de concentration que dans les fonctionnements sociaux et économiques associés à la consommation du bronze.
42D’un point de vue méthodologique, le calcul des densités de noyau s’est révélé être un moyen efficace pour mettre en évidence des pôles de consommation. Ceux-ci ne sont pas tous visibles avec les mêmes indicateurs – ici des sites, des objets de bronze, des masses métalliques –, qui doivent être pris en compte de façon complémentaire afin d’obtenir une vision d’ensemble des aires au plus fort potentiel. Celles-ci ne couvrent pas toutes la même surface et les concentrations présentées n’ont pas non plus toujours la même intensité. Ainsi, ces pôles possèdent des poids variables, comme nous l’avions déjà remarqué pour l’exemple des longues haches en jade.
43Enfin, certains pôles semblent durables, tandis que le rôle d’autres paraît se limiter à une seule phase et que d’autres encore se déplacent au cours du temps. Dans la partie suivante, nous aborderons plus précisément la question de la confrontation de ces différentes situations grâce à une modélisation des dynamiques spatiotemporelles mobilisant des méthodes statistiques ou d’algèbre de carte.
Modélisation des dynamiques spatiotemporelles de la consommation du métal à l’âge du bronze dans l’est de la France
44Pour l’exemple des longues haches en jades comme pour celui des objets métalliques de l’âge du bronze, les zones de plus fortes densités de vestiges découverts pourraient avoir été des pôles de consommation privilégiés. Si dans le premier cas, nous avons choisi de pointer le centre de ces noyaux comme principaux nœuds du réseau de diffusion, nous soulignons qu’il ne s’agit pas pour autant de sites précis que nous identifions, mais bien d’aires à plus fort potentiel. Chacun de ces pôles n’est donc pas un site, mais un ensemble de sites ayant livré, tous ensemble, une part remarquable des quantités totales découvertes du produit étudié.
45D’un point de vue archéologique, cela se justifie par la forte connexion entre la consommation de produits à haute valeur ajoutée (jade, métal) et la hiérarchie sociale qui elle-même joue sur l’organisation territoriale. En effet, les élites les plus à même d’attirer de grandes quantités de ces produits socialement valorisés – et d’en redistribuer une partie – polarisent également le peuplement. Quant aux nécropoles qui sont des lieux privilégiés d’expression sociale, elles rassemblent probablement les défunts liés à des habitats dispersés tournant sur un territoire plus ou moins vaste (Brun et al., 2005). Par ailleurs, les dépôts, qui détenaient probablement un rôle religieux – ce qui est assez clair pour les jades (Pétrequin, Cassen et al., 2009), mais est sans doute vrai également pour une grande partie des dépôts métalliques (Lourdaux-Jurietti, 2017) – sont souvent réalisés à l’écart des habitats, dans des lieux naturels à haute valeur symbolique17. La dispersion des vestiges autour des sites occupés par les élites (par ailleurs difficiles à pointer) est tout à fait normale. Il est donc logique de prendre en compte non pas des sites précis mais des aires de consommation.
46Dans un second temps, nous souhaitons adopter une vision diachronique et comprendre les évolutions de ces pôles de consommation au cours des différentes phases de l’âge du bronze. Il s’agit donc de comparer les situations observées précédemment grâce aux densités de noyau pour les différentes phases successives, afin de quantifier les changements survenus au cours du temps, c’est-à-dire, ce que nous nommons des « dynamiques spatiotemporelles »18. Bien que la comparaison visuelle, par juxtaposition, de plusieurs cartes de densités soit possible, cet exercice n’est pas toujours aisé et reste très subjectif. Le croisement par calcul des différents jeux de données serait plus à même de faire apparaître les changements et de les quantifier à leur tour. Il est donc à nouveau question de réaliser une « modélisation spatiale »19 : le calcul effectué crée une information nouvelle qui apparaît visuellement dans le grid résultant, ne nécessitant pas, pour son interprétation, de lecture subjective de la part de l’observateur.
47Plus précisément, nous choisissons de mobiliser une méthode d’« algèbre de cartes » qui permet d’effectuer une confrontation directe de plusieurs grids20 maille à maille (fonction locale, Tomlin, 1990 ; voir également Pirot et al., 2005, fig. 2) : la soustraction de deux grids. Il est bien entendu nécessaire de s’assurer que les données sont comparables. Ainsi, les cartes de densités de noyau réalisées au préalable21 doivent impérativement porter sur la même zone d’étude et avoir été créées selon des paramètres identiques – référentiel spatial commun, taille de maille, taille et forme du voisinage, emprise du calcul – ; les données d’origine doivent également être comparables (durée de chaque phase). La soustraction des grilles de deux périodes consécutives (Gauthier, 2007) permet alors de visualiser les augmentations (valeurs positives) et les diminutions (valeurs négatives), ainsi que les cas de stabilité – les valeurs proches de zéro, qui correspondront le plus souvent à l’absence de découvertes aux deux phases. Par conséquent, cela permet de cartographier les « changements » entre deux états successifs.
48En reprenant les grids réalisés précédemment pour modéliser les zones de consommation du métal des quatre phases de l’âge du bronze, nous créons successivement trois cartes de différences entre les quatre phases étudiées (du BM au BF1, du BF1 au BF2 et du BF2 au BF3).
Figure 71. Variation des densités de noyau entre le Bronze moyen et le Bronze final 1 en France orientale

Légende : Les densités de noyau sont calculées pour le nombre d’unités de découvertes, le nombre d’objets de bronze et pour les masses métalliques.
Source : Fond : IGN GeoFLA, Route 120 – Données et CAO : Estelle Gauthier, 2015.
49Le plus remarquable dans le passage du Bronze moyen au Bronze final 1 est la nette diminution du nombre de découvertes dans la région de Haguenau, au profit des vallées et surtout du secteur du confluent Seine-Yonne où l’on observe des augmentations très fortes en termes d’effectifs et de masses métalliques (fig. 71). Le Bronze moyen et le Bronze final 1, présentent ainsi la dichotomie la plus forte avec deux secteurs privilégiés fonctionnant très différemment l’un de l’autre. Cette situation préexiste au Bronze moyen, mais sous une forme plus discrète. Alors que l’Alsace est résolument tournée vers le reste de la culture des tumulus, l’ouest de la zone d’étude se tourne davantage en direction du Bassin parisien. Toutefois, ces valeurs restent faibles au Bronze moyen et les sites concernés datent plutôt de la fin de la période ou de la transition Bronze moyen/final. Les effectifs des découvertes au niveau de la Bassée connaissent ensuite une très nette augmentation pendant l’étape ancienne du Bronze final. Il est néanmoins important de souligner que les variations très fortes des effectifs comme des masses métalliques sont également liées à un déséquilibre des sources documentaires. En effet, la qualité de la publication des nécropoles de Haguenau par Claude François-Armand Schaeffer (1926) est telle qu’elle crée une surreprésentation très importante des données du Bronze moyen dans le Bas-Rhin, tandis que les nombreuses campagnes de prospections aériennes, les fouilles de nécropoles, les travaux d’aménagement et les carrières de granulats dans la Bassée ont favorisé les découvertes dans ce secteur – expliquant ainsi ce déséquilibre quantitatif. Cet exemple est typique de l’effet que peut avoir, sur la cartographie des répartitions, la surreprésentation des données liée à un état exceptionnel de la documentation. Il n’en demeure pas moins que les périodes concernées par ces découvertes reflètent sans doute des changements dans les dynamiques culturelles.
50Entre le BF1 et le BF2, la situation paraît contradictoire (fig. 72) : les effectifs des sites et les masses métalliques présentent une évolution opposée dans certains secteurs. Si les découvertes se font globalement moins nombreuses dans les vallées, elles se développent dans des régions au relief plus marqué. Par contre, en ce qui concerne les objets de bronze et les masses métalliques, on constate une opposition nette entre le rôle dominant du confluent Seine-Yonne au Bronze final 1 et celui de la Bourgogne centrale et de la vallée du Doubs au Bronze final 2, ce qui laisse penser que les modes de vie et les dynamiques sociales et économiques ont profondément évolué entre ces deux phases, peut-être en même temps que les principaux réseaux d’échanges à longue distance. Alors qu’au Bronze final 1, la compétition semble se jouer à la frontière entre domaine nord-alpin et domaine atlantique, au Bronze final 2, ce seraient plutôt les relations avec l’est du massif jurassien, l’Allemagne méridionale, la Suisse occidentale et peut-être même le Midi qui seraient mises en avant.
Figure 72. Variation des densités de noyau entre le Bronze final 1 et le Bronze final 2 en France orientale

Légende : Les densités de noyau sont calculées pour le nombre d’unités de découvertes, le nombre d’objets de bronze et pour les masses métalliques.
Source : Fond : IGN GeoFLA, Route 120 – Données et CAO : Estelle Gauthier, 2015.
51Enfin, entre le Bronze final 2 et le Bronze final 3, la situation est également contrastée (fig. 73). Les unités de découvertes augmentent à nouveau fortement non seulement le long des vallées, mais aussi en Franche-Comté, tandis que les masses métalliques connaissent des diminutions remarquables le long de la vallée du Doubs et en divers points de la Bourgogne et de la Champagne. Le secteur de Lons-le-Saunier se démarque par une augmentation considérable du nombre d’objets métalliques en relation avec plusieurs dépôts découverts dans les environs. Partout ailleurs, il semblerait que les découvertes soient plus nombreuses, mais moins riches en métal, tout au moins en termes de masses.
Figure 73. Variation des densités entre le Bronze final 2 et le Bronze final 3 en France orientale

Légende : Les densités de noyau sont calculées pour le nombre d’unités de découvertes, le nombre d’objets de bronze et pour les masses métalliques.
Source : Fond : IGN GeoFLA, Route 120 – Données et CAO : Estelle Gauthier, 2015.
52Que peut-on en conclure ? Ces dynamiques spatiales traduisent avant tout les importantes fluctuations sociales et économiques qui ont eu lieu tout au long de la période étudiée et qui sont liées elles-mêmes aux transformations des grandes dynamiques culturelles et aux changements des principaux réseaux d’échanges et de relations interculturelles. Ainsi, au Bronze moyen, la France orientale est encore en retrait des principales dynamiques culturelles de l’époque, centrées d’une part, sur l’Europe centrale et l’Allemagne et d’autre part, sur la Bretagne et la Normandie. Cette opposition forte entre deux mondes, l’un nord-alpin, l’autre atlantique dès le Bronze ancien est clairement liée à la répartition très inégale des ressources en minerais. Si ce déséquilibre se fait encore sentir au Bronze moyen, il est pourtant moins fort qu’au Bronze ancien. En France orientale, des centres où s’accumulent population, activités et pouvoirs sont clairement visibles. Ces principaux centres de consommation se tournent alors en direction du technocomplexe le plus proche : l’Alsace, en marge de la culture des tumulus orientaux, est tournée vers l’Allemagne, tandis que l’ouest de la Bourgogne et le sud du Bassin parisien orientent les relations vers le domaine atlantique. C’est par leur proximité géographique des régions les plus dynamiques de la période que l’on peut expliquer le dynamisme de ces deux zones où la consommation du métal s’exprime différemment.
53Le Bronze final 1 représente une étape de profondes mutations, mais aussi avant tout une phase de transition, dans laquelle les changements interviennent de manière progressive. Les modèles diffusionnistes de Holste et de Kimmig, impliquant des mouvements de populations et donc voyant dans le Bronze final 1 une période de rupture sont aujourd’hui dépassés ; on pense plutôt à des mutations progressives des coutumes et des productions locales, et à un réajustement occidental des dynamiques culturelles (Torbrügge, 1989). Grâce à une diffusion du bronze au sein de la société, à une pratique de la thésaurisation moins « gourmande » en métal et à un développement parallèle du recyclage (Needham, 1998 ; Gauthier, 2005a), les populations de France orientale sont à même de constituer des stocks de bronze. Cette région n’est alors plus en marge des principales dynamiques culturelles, mais va au contraire bénéficier largement de sa position de carrefour entre les deux technocomplexes traditionnels. Ainsi, la zone stratégique du confluent Seine-Yonne connaît le développement le plus important. La nature des axes de communication n’a pas changé : les vallées sont toujours privilégiées, mais leur attraction semble se renforcer. Des changements dans les relations interrégionales ont modifié les réseaux de transferts, renforçant très probablement les contacts avec le domaine atlantique.
54Au Bronze final 2, la culture Rhin-Suisse-France orientale (RSFO) se met en place (Brun et Mordant, 1988), adoptant des pratiques funéraires et des productions communes – céramiques, mais surtout métalliques – avec pourtant deux foyers majeurs d’innovation : le Rhin moyen et le Rhin supérieur/Suisse occidentale. La France orientale se tourne alors non plus en direction du Bassin parisien, mais est pleinement intégrée à un grand ensemble culturel nord-alpin. Les contacts changent à nouveau de direction pour se tourner vers les secteurs les plus dynamiques de cette entité culturelle, en particulier la Suisse occidentale, ce qui explique le développement des vallées de la Saône, de l’Ognon et du Doubs, ainsi que des premiers plateaux du Jura à cette phase et à la suivante. Le Bronze final 3 apparaît comme une période de transition avec l’âge du fer, avec des continuités et des changements progressifs, signes de lents, mais importants bouleversements économiques et probablement sociaux. L’entité culturelle RSFO se désagrège progressivement au Bronze final 3 en raison d’une plus forte régionalisation (Jura, Lorraine, Allier, etc.). Par ailleurs, le développement plus important encore des sites implantés le long de la vallée de la Saône souligne le renforcement des relations avec le Midi de la France. Les lieux du pouvoir sont clairement établis à proximité des points de contrôle de la circulation comme le confirment les corrélations plutôt bonnes avec les différents axes de communication les confluents principaux (Mordant, 1998 ; Musée Dubois-Boucher et Musée de Préhistoire d’Île-de-France, 1999) ou secondaires, les carrefours et les gués (Dumont, 2002 ; 2013).
55Les méthodes d’algèbre de carte qui ont été employées ici – « densités de noyau » suivies d’une soustraction de grids –, sont particulièrement efficaces pour modéliser les changements au cours du temps des aires préférentielles de consommation d’un produit. Elles ne font pas simplement apparaître les augmentations et les diminutions, les déplacements ou la stabilité des zones de consommation (ou des vides), elles permettent également de quantifier ces changements et donc d’en comprendre l’importance relative. Une telle approche permet donc de confronter des données correspondant à deux phases successives pour peu que les grids de départ aient été créés selon les mêmes paramètres – données comparables, origine et taille du maillage identiques, mêmes paramètres de calcul. Cette méthode peut aussi être utilisée pour comparer les zones de concentration de plusieurs produits, sous certaines conditions…
Confronter directement les aires de consommation de deux produits ?
56Il peut en effet être intéressant de comparer les concentrations de différents produits afin de savoir si les zones de consommation sont identiques ou si des tendances spécifiques se dégagent. Les cas de figure sont variés : comparer la distribution de plusieurs matériaux, des découvertes issues de différents contextes, des produits socialement valorisés par rapport à d’autres plus « ordinaires », appréhender leur répartition par rapport à la localisation de certaines ressources, etc. Lorsque les zones de forte densité de différents produits sont similaires, cela peut indiquer une forte densité de population ou bien signifier la présence d’un pouvoir social et/ou économique fort. L’arrivée en nombre de produits variés résulte de l’attractivité générale de ces secteurs. Néanmoins, si les zones de concentration ne sont pas identiques, cela peut indiquer que les modes de consommation de ces produits étaient plus spécifiques et que ces zones de consommation sont spécialisées.
57À titre d’exemple, nous proposons de réaliser une analyse croisée de deux jeux de données ponctuelles à l’échelle de la France : la première concerne l’inventaire des longues haches en jades alpins au Néolithique ; la seconde, l’inventaire des halotoponymes et des sources salées22. Dans ce cas, la confrontation des produits en jades alpins et des ressources en sel est intéressante, car la présence de ces dernières a pu représenter un facteur attractif pour le peuplement (Pétrequin et Weller, 2007) et pour l’établissement d’un pouvoir social fort – ce que les concentrations de longues haches en jades pourraient justement refléter (Pétrequin, Pétrequin et al., 2015). Il s’agit ainsi de vérifier l’hypothèse d’un lien social entre l’exploitation éventuelle et/ou le contrôle de ressources salées et l’arrivée d’objets socialement valorisés en jades alpins afin d’identifier certaines microrégions clés au Néolithique.
58Les répartitions ponctuelles ne sont pas à même de nous donner une réponse claire, bien qu’à première vue une corrélation soit possible dans certains secteurs (fig. 74). Il nous semble pertinent de considérer d’une part, l’ensemble des halotoponymes et d’autre part, les halotoponymes certains, pondérés par leurs effectifs, afin non seulement de disposer d’une vue d’ensemble des secteurs potentiellement riches en toponymes liés au sel, mais aussi, en parallèle, de connaître plus spécifiquement les secteurs où les toponymes assurés sont effectivement nombreux23. Pour comparer ces distributions, nous créons dans un premier temps, les cartes de densités de noyau pour ces jeux de données selon des paramètres identiques.
Figure 74. Répartition de tous les halotoponymes (à gauche), des halotoponymes certains (au centre), des longues haches en jade (à droite), confrontée à la répartition des toponymes de sources salées

Source : Fond : IGN GeoFLA – Données : Olivier Weller et Pierre Pétrequin – CAO : Robin Brigand, 2012.
59Nous recherchons d’abord le rayon optimal. Il s’agit de tester plusieurs rayons de 5 à 50 kilomètres, selon un intervalle de 5 kilomètres (fig. 75). Les valeurs hautes de densités correspondent aux tailles de voisinages qui soulignent l’importance des points isolés ; le lissage sera insuffisant. Les valeurs basses correspondent en revanche à des voisinages mettant en évidence de vastes concentrations ; le lissage sera trop important. Le rayon optimal commun correspond à l’inflexion des deux courbes de distribution des valeurs maximales de densité. Dans notre cas, c’est un rayon de 25 kilomètres qui semble le plus adapté.
Figure 75. Détermination du rayon optimal

Légende : Il correspond approximativement au point d’inflexion de la courbe, établi ici à 25 kilomètres pour les halotoponymes (à gauche) et pour les haches en jade (à droite).
Source : DAO réalisé par Robin Brigand, 2012.
60Cette opération réalisée, il est possible de cartographier les densités d’halotoponymes ou de haches alpines. La comparaison peut alors se faire par la juxtaposition des densités de l’un des paramètres et de la répartition ponctuelle de l’autre. La figure 76 propose deux combinaisons possibles : d’un côté, la distribution des haches alpines superposée à la densité d’halotoponymes (à droite) et de l’autre, la répartition des sources salées confrontée à la densité des haches en jades alpins (à gauche).
Figure 76. Répartition des toponymes de sources salées comparée à la densité de haches en jade (à gauche) et la répartition des haches en jade comparée à la densité des halotoponymes (à droite)

Source : Fond : IGN GeoFLA – Données : Olivier Weller et Pierre Pétrequin – CAO : Robin Brigand, 2012.
61Afin de modéliser plus précisément les secteurs où coexistent de fortes densités d’halotoponymes et de haches alpines, nous avons choisi de réaliser des cartes cumulant les deux paramètres en multipliant leurs valeurs de densités. Il s’agit d’une méthode d’algèbre de cartes de type local (Tomlin, 1990). Les secteurs dans lesquels les densités des deux indicateurs sont fortes ressortent alors plus clairement. L’interprétation de la confrontation des paramètres deux à deux est ainsi plus aisée (fig. 77).
Figure 77. Produit des densités de noyau : sources salées et haches en jades alpins (à gauche), halotoponymes et haches en jades alpins (à droite)

Légende : Les valeurs fortes correspondent aux secteurs dans lesquels les densités des deux paramètres sont, ensemble, les plus élevées.
Source : Fond : IGN GeoFLA – Données : Pierre Pétrequin et Olivier Weller – CAO : Robin Brigand, 2012.
62Dans certains secteurs, une relation pourrait bien exister. On constate en effet une assez bonne concordance entre les fortes densités d’halotoponymes, de sources salées et de haches en jades non seulement dans le Jura, probablement en lien avec des exploitations de sel en bordure des premiers contreforts du Revermont (Lons-le-Saunier, Domblans), mais aussi dans le secteur de Corent dans le Puy-de-Dôme (Glaine-Montaigut), au niveau du site de La Bégude-de-Mazenc dans la Drôme (Portes-en-Valdaine) et dans les Hautes-Alpes, dans les Baronnies provençales (Mison, Apremont, Orpierre, Ventavon). Le littoral du sud du Morbihan et de la région nantaise est aussi une zone à la fois riche en halotoponymes et en jades alpins. Partout ailleurs, la relation est absente ou beaucoup moins évidente. Ces relations géographiques observées ne peuvent bien entendu pas être interprétées comme de véritables corrélations, même à un niveau local, les deux paramètres n’étant pas vraiment dépendants l’un de l’autre. Il serait également abusif de considérer la présence des sources salées comme les facteurs ayant exclusivement favorisé le développement de centres de consommation des jades à ces endroits. La création de ces derniers correspond sans doute à une conjonction de différents facteurs favorables, mais le rôle des sources salées et du sel marin mériterait d’être examiné plus en détail – il s’agit assurément de pistes à explorer.
63Une autre manière d’aborder la confrontation de deux jeux de données consiste à comparer uniquement le positionnement des secteurs les plus denses pour l’une et l’autre des distributions considérées. Il s’agit de déterminer statistiquement les secteurs les plus importants pour le premier produit, puis pour le second, pour ensuite comparer leurs localisations. On ne raisonne donc pas en termes de valeurs brutes, mais en termes d’importance relative.
64Pour pouvoir détourer les zones de plus fortes densités au sein d’une grille, il est nécessaire de choisir une valeur seuil. Pour cela nous discrétisons les valeurs des densités de noyau afin de ne retenir que la (ou les) dernière(s) classes. Plusieurs solutions sont possibles (Béguin et Pumain, 2003 ; Paegelow et Vidal, 2004) :
- une discrétisation par équifréquences basée sur les quantiles permettra de s’assurer qu’une certaine proportion des données sera représentée ;
- la méthode des seuils naturels de Jenks, très proche de la forme de la distribution puisqu’elle vise à minimiser la variance intraclasse et maximiser la variance interclasse, assurera davantage d’homogénéité au sein des espaces détourés ;
- une discrétisation standardisée (déviation standard) dans laquelle les classes sont déterminées selon une fraction d’écart-type par rapport à la moyenne, fera ressortir les valeurs exceptionnelles, en particulier dans le cas de distributions suivant une loi normale.
Figure 78. Comparaison des trois méthodes de discrétisation proposées afin d’identifier les principales concentrations des haches en jades alpins en France

Source : Fond : IGN GeoFLA – Données : Pierre Pétrequin – CAO : Estelle Gauthier, MSHE Ledoux, 2018.
65La comparaison des détourages des zones de plus fortes densités obtenus pour les haches en jades alpins en France avec ces trois méthodes de discrétisation, montre que le résultat est assez similaire quelle que soit la méthode utilisée (fig. 78). Dans le cas de la méthode de Jenks, les classes à isoler sont choisies de façon empirique – ici, nous avons choisi de considérer les cinq dernières classes sur sept. Avec les quantiles, nous avons choisi le dernier décile, de manière que cette classe de valeurs fortes corresponde aux 10 % des valeurs les plus grandes. Pour la déviation standard, nous avons choisi des intervalles d’un quart écart-type, en conservant la dernière classe, correspondant aux valeurs plus exceptionnelles. Peu de différences s’observent dans la position et le nombre des pôles de concentration. La déviation standard et la méthode de Jenks font apparaître un peu plus de pôles et légèrement plus grands que la méthode des déciles qui sépare mieux certaines concentrations proches. Nous préférons donc cette dernière méthode que nous appliquons également aux sources salées et halotoponymes afin de les confronter aux pôles déterminés pour les haches en jades (fig. 79).
Figure 79. Confrontation des principaux pôles de concentration des haches en jades, des halotoponymes et des sources salées

Source : Fond : IGN GeoFLA – Données : Pierre Pétrequin et Olivier Weller – CAO : Estelle Gauthier, 2018.
66Pour les sources salées, le résultat est bien moins probant : les données étant trop peu nombreuses et dispersées, les pôles mis en évidence reflètent presque exactement la répartition ponctuelle des sources salées identifiées par la toponymie. Quelques concentrations correspondent néanmoins à celles d’halotoponymes, comme les secteurs de Semur-en-Auxois, Lons-le-Saunier, Privas ou Aspremont. La confrontation des résultats obtenus pour les trois jeux de données permet toutefois de vérifier les possibles liens évoqués ci-avant entre forte présence d’objets en jades et contrôle/exploitation des ressources en sel, en particulier pour les sources jurassiennes et les Baronnies provençales ainsi que pour le golfe du Morbihan. Dans tout le reste de la France, aucune relation spatiale ne peut être clairement observée avec ces jeux de données. Le contrôle des ressources en sel et des productions afférentes pourrait donc constituer un facteur attractif pour les élites au Néolithique uniquement, dans certains secteurs très particuliers, où le sel constituerait, à certains moments clés, une richesse locale au fort enjeu économique et social.
67La confrontation directe de plusieurs matériaux doit naturellement être considérée avec beaucoup de précautions. La possibilité de comparer les jeux de données dépend fortement des conditions de l’inventaire et de la possibilité de dater les sites avec suffisamment de précision. L’exemple que nous avons proposé n’apporte pas de réponse évidente au lien qui pourrait exister entre contrôle de la ressource en sel et présence de marqueurs d’un fort pouvoir social au Néolithique, mais il donne quelques pistes de recherche à explorer, en permettant d’identifier quelques secteurs où cette relation pourrait effectivement avoir joué un rôle structurant. Pour tenter cette comparaison, nous avons testé plusieurs solutions méthodologiques, mobilisant des techniques de modélisation spatiale. Il s’agissait tantôt de confronter une répartition ponctuelle à un modèle de densité de l’autre indicateur, tantôt de faire ressortir l’intensité du lien entre les deux indicateurs – multiplication de grids –, tantôt de confronter la position des secteurs où les indicateurs sont les plus concentrés – identification des pôles principaux par discrétisation des valeurs de densité, puis leur représentation sur une même carte. Il est en effet important de prendre en compte la contrainte que représente la différence d’effectifs entre les deux indicateurs comparés. Ce sont donc des aires d’importance relative à chaque indicateur qui doivent être modélisées et comparées.
68Toutefois, jusqu’à présent, nous avons considéré l’espace comme homogène, sans prendre en compte les conditions environnementales. Or, il s’agit de facteurs notables jouant notamment sur les possibilités de circulation et les temps de parcours, ainsi que sur le contrôle visuel. Ainsi, des tests plus poussés sur le lien entre contrôle de la ressource en sel et le peuplement ont été menés sur la région moldave de Roumanie, tenant compte de différents paramètres dérivés principalement de la topographie.
Notes de bas de page
1 Voir l’avant-propos de l’ouvrage.
2 Pour la définition générale du terme « modélisation », voir l’introduction du chapitre 2.
3 Nous préférons ici le terme anglais « grid », la traduction en français par « grille » pouvant prêter à confusion.
4 Elle modélise en effet parfois des concentrations là où on ne connaît aucun site – entre deux pôles de faible importance par exemple, si le voisinage considéré est trop grand.
5 Mais sans les aberrations parfois obtenues avec les sommes focales (cf. note précédente).
6 La formule est la suivante : taille optimale de maille (en m) = √(surface en m²/nb de points). Nous l’appliquons ici non pas à la taille du maillage lui-même (résolution du raster), mais à la taille du voisinage.
7 Voir « La distance à la source : tests du modèle “down-the-line” », chap. 3.
8 Le calcul de la taille optimale pour le voisinage (voir note précédente) donne un résultat de 43 kilomètres.
9 Autour des gîtes notamment, les nombreuses ébauches conduisent à une surreprésentation des données.
10 En dehors des critiques fréquemment émises sur les fondements de la théorie elle-même (Bailly et al., 2016), notamment sur le postulat d’un espace non différencié et sur l’absence de prise en compte des comportements culturels et psychologiques des populations. La densité de population non uniforme sur le territoire desservi, avec une concentration plus forte près des centres, remet également en cause la forme hexagonale du modèle de Christaller. L’exigence de proximité entre le distributeur et les consommateurs, sur laquelle repose le modèle, ne s’applique pas non plus exactement dans notre cas.
11 Voir ci-avant « Le parcours de l’artéfact : modèle spatial », chap. 2.
12 Voir l’avant-propos de ce volume.
13 Le terme « dynamiques » prend ici plusieurs sens : il s’agit non seulement de comprendre les variations dans l’espace de la consommation d’un produit à une période donnée en mettant en évidence les pôles de consommation (vision synchronique), mais également d’en saisir les évolutions au cours du temps, notamment l’augmentation ou la diminution de la valeur de ces pôles, voire leur disparition ou leurs déplacements, et l’apparition de nouveaux pôles, au cours de phases successives (vision diachronique). Par conséquent, cela consiste à étudier les dynamiques spatiotemporelles. Sur la question de la diversité des points de vue sur la modélisation des dynamiques spatiales, voir Ruas et Sanders (2015).
14 Voir « Première approche de la hiérarchie du réseau » et « Considérer d’autre critères ? », chap. 6.
15 Correspondance dans le système chronologique de Jean-Jacques Hatt (1961).
16 Voir « Des méthodes pour identifier des aires de consommation préférentielles », dans ce chapitre.
17 Voir l’exemple de la hache de Lugrin, chapitre 2 ; voir aussi les dépôts de la région salinoise (Gauthier et Piningre, 2016 ; Gauthier, 2017).
18 Voir la note 13 de ce chapitre.
19 Voir la notion de « modélisation spatiale » dans « Des méthodes pour identifier des aires de consommation préférentielles » dans ce chapitre.
20 Les méthodes d’algèbre de cartes se répartissent en méthodes locales, focales, zonales et globales (Tomlin, 1990).
21 Voir « Dynamiques de la consommation du métal en France orientale au Bronze moyen et final » dans ce chapitre.
22 Ces dernières représentent des sources salées avérées ou bien marquées par un toponyme explicite (BD Nyme, IGN). Elles ont pu être exploitées à différentes périodes, potentiellement au Néolithique pour certaines d’entre elles. Les halotoponymes (toponymes liés au sel) sont quant à eux, des indicateurs plus indirects d’enjeux liés à la production ou la circulation du sel : exploitations de différentes natures (sel gemme, marin, sources), anciennes zones de stockage (greniers à sel), anciens chemins sauniers, ou encore limites de l’ancien impôt sur le sel. Par exemple, on distingue assez nettement dans l’ouest de la France la frontière entre les anciennes provinces libres de gabelle, grande gabelle et quart-bouillon. Cet indicateur est donc à utiliser avec précaution.
23 Voir « Tables de données et spatialisation », chap. 1.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1
Ce livre est diffusé en accès ouvert freemium. L’accès à la lecture en ligne est disponible. L’accès aux versions PDF et ePub est réservé aux bibliothèques l’ayant acquis. Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks
Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org
ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1
Vérifiez si votre bibliothèque a déjà acquis ce livre : authentifiez-vous à OpenEdition Freemium for Books.
Vous pouvez suggérer à votre bibliothèque d’acquérir un ou plusieurs livres publiés sur OpenEdition Books. N’hésitez pas à lui indiquer nos coordonnées : access[at]openedition.org
Vous pouvez également nous indiquer, à l’aide du formulaire suivant, les coordonnées de votre bibliothèque afin que nous la contactions pour lui suggérer l’achat de ce livre. Les champs suivis de (*) sont obligatoires.
Veuillez, s’il vous plaît, remplir tous les champs.
La syntaxe de l’email est incorrecte.
Référence numérique du chapitre
Format
Référence numérique du livre
Format
1 / 3