ACP en géosciences avec RStudio

Objectif : ne jamais faire une ACP sur des données qu'on n'a pas regardées.

Prise en main de RStudio (projets, scripts, console). Import d'une base géochimique réelle. Le piège des valeurs « < LD » : pourquoi remplacer par LD/2 déforme la structure, et ce qu'on fait à la place. Données compositionnelles : une somme qui vaut toujours 100 % crée des corrélations qui n'existent pas — transformations CLR et ILR. Statistiques descriptives, matrice de corrélation, détection des valeurs extrêmes.

Livrable : un jeu de données propre, documenté, prêt pour l'analyse.

Objectif : comprendre ce que la machine calcule, pas seulement l'appeler.

L'intuition géométrique : chercher la direction de plus grande variance. Centrage, réduction, et pourquoi une ACP non normée sur des ppm et des pourcentages n'a aucun sens. Valeurs propres, vecteurs propres, inertie. La décomposition en valeurs singulières (SVD) : la mécanique réelle derrière FactoMineR. La variante SVD2, pondérée, et son usage en exploration. Combien d'axes garder : éboulis, Kaiser, test des bâtons brisés, et le seul critère qui compte vraiment — l'interprétabilité géologique.

Livrable : une ACP complète, avec justification écrite du nombre d'axes retenus.

Objectif : transformer des axes anonymes en processus géologiques.

Le cercle de corrélation : ce qu'il dit et ce qu'il ne dit pas. Contributions et cosinus carrés — distinguer une variable bien représentée d'une variable proche du centre. Le biplot individus + variables, et comment le rendre lisible quand on a 800 points. Variables supplémentaires : projeter la lithologie, l'altération, la profondeur sans qu'elles influencent les axes. Nommer les axes : « altération phyllique », « signature mafique », « dilution sédimentaire ». Classification ascendante hiérarchique sur les scores pour définir des faciès géochimiques.

Livrable : une planche d'interprétation annotée, prête pour un rapport.

Objectif : produire quelque chose qu'un chef de projet peut utiliser.

Cartographier les scores d'axes : interpolation, seuils, superposition sur le fond géologique. Hiérarchiser les anomalies. Croiser avec la structure et la géophysique. Les limites honnêtes de la méthode : ce que l'ACP ne détectera jamais, les cas où elle induit en erreur, et les alternatives (ACP robuste, analyse factorielle, t-SNE/UMAP — quand et pourquoi). Rapport reproductible en R Markdown. Soutenance du projet.

Livrable : projet certifiant — une note d'exploration de 6 à 10 pages, cartes comprises, sur un jeu de données minier.

Oui. R est enseigné depuis l'ouverture de RStudio. La séance 1 suppose zéro connaissance. En revanche, il faut accepter d'écrire du code plutôt que de cliquer — c'est le prix de la reproductibilité.

La formation R/Python consacre une partie d'un module à l'ACP, dans un parcours qui va jusqu'au krigeage. Ici, l'ACP occupe quatre semaines entières : données compositionnelles, SVD, ACP robuste, cartographie des scores. Si votre besoin est la géochimie d'exploration, prenez celle-ci.

Oui, et c'est encouragé pour le projet final. Envoyez-nous un extrait avant le démarrage pour qu'on vérifie qu'il se prête à l'exercice.

Non. L'ACP reste la première chose à faire sur un tableau géochimique, parce que ses axes sont interprétables — un réseau de neurones ne vous dira jamais « ceci est une altération phyllique ». Les deux se combinent : l'ACP en amont, l'apprentissage en aval.