La présente invention concerne le traitement de signaux sismique et notamment le domaine de l'interprétation d'ondes sismiques pour la construction précise d'images, notamment pour des sous-sols carbonatés et pour la caractérisation fine des réservoirs.

Lors de la réalisation d'études sismique, la vitesse de propagation de rondelette sismique envoyée est une donnée importante pour une détermination précise d'une image sismique. Le plus souvent, une vitesse de propagation élevée à tendance à réduire la résolution verticale de l'image construite à partir d'outils d'imagerie sismiques classiques.

En particulier, les incertitudes calculatoires peuvent être telles dans les modèles de vitesses déterminés qu'une légère erreur dans le domaine temps peut induire de fortes variations dans le domaine spatial. Ce problème est renforcé si rondelette sismique se propage avec une forte vitesse dans le sous-sol exploré (en particulier, si le sous-sol comprend des carbonates, comme dans certains réservoirs du Moyen- Orient).

La résolution verticale des réservoirs est pourtant utile aux industrielles souhaitant exploiter ces réservoirs. Cette résolution permet notamment :

- une meilleure estimation des volumes d'hydrocarbures ou de gaz présents dans le sous-sol ;

- une meilleure modélisation des réservoirs pour des simulations ultérieures (ex. géo-modélisation) ;

- un meilleur contrôle des opérations de forages ;

- etc. Il y a ainsi un besoin pour traiter de manière améliorée les signaux sismique et ainsi augmenter la résolution des images sismiques.

La présente invention vient améliorer la situation.

A cet effet, la présente invention propose d'améliorer le traitement des signaux sismiques afin d'en extraire le maximum d'information, et notamment d'améliorer la définition des images sismiques générées.

La présente invention vise alors un procédé traitement d'un premier signal sismique. Le procédé comprend les étapes :

- réception d'au moins un deuxième signal sismique issue de l'émission d'une ondelette sismique dans un sous-sol ;

- identification d'au moins une partie dudit au moins un deuxième signal sismique correspondant à des réflexions de l'ondelette sismique dans une zone réservoir dudit sous-sol ;

- détermination d'une longueur de l'ondelette sismique ;

- réception de données de puits correspondant à ladite zone réservoir identifiée ;

- entraînement d'un réseau de neurones en utilisant :

- comme variables d'entrée une pluralité de sous-parties de ladite au moins une partie, les dites sous-parties de la partie étant de longueur fonction la longueur de l'ondelette sismique déterminée,

- et comme variable cible au moins une deuxième information géologique fonction desdites données de puits;

- détermination d'au moins une première information géologique à partir du premier signal sismique à l'aide dudit réseau de neurones entraîné.

En effet, il est possible l'ondelette sismique soit sensiblement constante (ou varie peu) dans toute la zone « réservoir » (i.e. constitué de roche aptes à capturer du gaz ou des hydrocarbures). L'utilisation d'un réseau de neurones peut permettre alors :

- d'ignorer l'ondelette sismique considéré comme constante (décomposition aveugle (sa variation étant très faible dans cette zone) ;

- d'utiliser la connaissance d'un puits pour améliorer la résolution de l'acquisition sismique dans une autre zone du sous-sol (« généralisation »).

Le au moins deuxième sismique peut comporter une pluralité de signaux sismiques avant sommation (ou « pre-stack » en anglais). En effet, le plus souvent les procédés de traitement utilisent des signaux sismiques après sommation (ou « stack » en anglais) car la complexité de traitement est trop importante avec des signaux avant sommation. Pour autant, ces signaux avant sommation comportent des informations hautes fréquences qui sont perdues après sommation : en conséquence, l'utilisation de signaux après sommation peut diminuer la précision de la détermination des informations géologiques.

On appelle « données de puits » les données issues d'un forage (eventuellment corriger géométrie du forage) ou d'un puits. Ces données peuvent contenir un grand nombre d'information ou avoir été filtrées/triées/calculée préalablement pour ne contenir qu'un seul type de donnée (ex. la réflectivité, la porosité, etc.) : le plus souvent on appelle les données de puits filtrées « informations géologiques ».

Par ailleurs, la longueur d'ondelette peut être déterminée en fonction d'un calcul d'autocorrélation de ladite au moins une partie.

Le calcul d'autocorrélation permet l'estimation de la longueur de l'ondelette sans avoir à la mesurer lors de l'émission de cette ondelette (par exemple, au niveau du camion vibrateur).

Dans un mode de réalisation, l'union de la pluralité de sous-parties peut être ladite au moins une partie.

outre, la longueur des sous-parties peut être la longueur de l'ondelette sismique déterminée.

En variante, la longueur des sous-parties peut être comprise entre 0.5 à 2 fois la longueur de l'ondelette sismique déterminée. Bien entendu, cette longueur peut être ajustée en fonction de l'incertitude du calage puits-sismique

Ainsi, il est possible de sur-dimensionner légèrement la longueur des sous-parties si la longueur de l'ondelette sismique n'est pas certaine (ex. la variance de cette longueur est supérieure à 0 strictement).

Ainsi la longueur des sous-parties peut être égale à la longueur de l'ondelette sismique multipliée par un facteur multiplicateur. Ce facteur peut être égal à 0.5 ou 1 ,5 ou encore être fonction de la variance calculée lors de la détermination de la longueur de l'ondelette sismique pour une pluralité de trace sismique.

Dans un mode de réalisation, la deuxième information géologique peut être une information parmi un groupe comportant une information de porosité, une information de réflectivité, une information de densité, une information de résistivité et une information de composition minéralogique, une information de mesure de rayon gamma (ou « gamma-ray log » en anglais), une information de densité, une information de vitesse de propagation sonore, une information de perméabilité et une information de saturation.

La deuxième information géologique peut être une information filtrée dans une gamme de fréquences donnée.

La gamme de fréquences donnée peut être une unique fréquence.

Ce filtrage permet de limiter la quantité d'informations pour l'apprentissage du réseau de neurones. Ainsi, ce filtrage permet une meilleure convergence du modèle et une meilleure précision.

Un dispositif destiné à de traiter de manière performante un signal sismique peut être avantageux, en lui-même. Ainsi, la présente invention vise également un dispositif destiné à traiter un premier signal sismique.

Le dispositif comprend :

- une interface pour la réception d'au moins un deuxième signal sismique issue de l'émission d'une ondelette sismique dans un sous-sol ;

- un circuit pour l'identification d'au moins une partie dudit au moins un deuxième signal sismique correspondant à des réflexions de l'ondelette sismique dans une zone réservoir dudit sous-sol ;

- un circuit pour la détermination d'une longueur de l'ondelette sismique ;

- une interface pour la réception de données de puits correspondant à ladite zone réservoir identifiée ;

- un circuit pour l'entraînement d'un réseau de neurones en utilisant :

- comme variables d'entrée une pluralité de sous-parties de ladite au moins une partie, les dites sous-parties de la partie étant de longueur fonction la longueur de l'ondelette sismique déterminée,

- et comme variable cible au moins une deuxième information géologique fonction desdites données de puits;

- un circuit pour la détermination d'au moins une première information géologique à partir du premier signal sismique à l'aide dudit réseau de neurones entraîné.

Un programme informatique, mettant en œuvre tout ou partie du procédé décrit ci- avant, installé sur un équipement préexistant, est en lui-même avantageux, dès lors qu'il permet de traiter de manière performante un signal sismique.

Ainsi, la présente invention vise également un programme informatique comportant des instructions pour la mise en œuvre du procédé précédemment décrit, lorsque ce programme est exécuté par un processeur.

Ce programme peut utiliser n'importe quel langage de programmation (par exemple, un langage objet ou autre), et être sous la forme d'un code source interprétable, d'un code partiellement compilé ou d'un code totalement compilé.

La figure 6 décrite en détails ci-après, peut former l'organigramme de l'algorithme général d'un tel programme informatique.

D'autres caractéristiques et avantages de l'invention apparaîtront encore à la lecture de la description qui va suivre. Celle-ci est purement illustrative et doit être lue en regard des dessins annexés sur lesquels :

- la figure 1 illustre une illustration de réflexions sismiques dans une réalisation particulière ;

- la figure 2a illustre un exemple de signal sismique reçu en réponse à l'émission d'une ondelette sismique dans un réservoir et dans un mode de réalisation selon l'invention ;

- la figure 2b illustre un exemple d'autocorrélation du signal de la figure 2a dans un mode de réalisation selon l'invention ;

- la figure 3a illustre un exemple de données de puits dans un mode de réalisation selon l'invention ;

- la figure 3b illustre un exemple de données de puits filtrées dans un mode de réalisation selon l'invention ;

- la figure 4a illustre un apprentissage d'un réseau de neurones à partir de données de signal sismique et de données de puits filtrées dans un mode de réalisation selon l'invention ;

- La figure 4b illustre une représentation tridimensionnelle d'un sous-sol géologique ;

- la figure 5a illustre une image sismique obtenue sans réseau de neurones décrit précédemment, (c'est-à-dire obtenue par un traitement « conventionnel ») ;

- la figure 5b illustre une image sismique obtenue avec l'utilisation d'un réseau de neurones décrit précédemment ; - la figure 6 illustre un ordinogramme possible d'un procédé dans un mode de réalisation de l'invention ;

- la figure 7 est un exemple de dispositif permettant de mettre en œuvre un mode de réalisation de l'invention.

La figure 1 illustre une illustration de réflexions sismiques dans une réalisation particulière.

Lors de l'émission d'une ondelette sismique dans le sous-sol, par un camion vibrateur sismique 101 par exemple, cette ondelette se propage dans le sous-sol verticalement (flèche 102a, 102b, 102c, 102d) mais également dans toutes les directions de l'espace (flèche 105a).

On appelle « ondelette sismique » l'impulsion sismique ou train d'onde élémentaire émis par la source d'ébranlement (ex. camion vibrateur).

Cette ondelette est réfléchie par les interfaces (104a, 104b, 104c, 104d) de changement d'indice de propagation dans le sous-sol : l'onde réfléchie (103a, 103b, 103c, 103d, 106a) se propage dans une direction symétrique à la direction d'incidence par rapport à une normale à l'interface au niveau de la zone d'incidence.

Par exemple, si l'interface 104a est perpendiculaire à l'onde 102a au point 108, alors l'onde réfléchie 103a sera dans la même direction que l'onde incidente 102a (mais dans le sens opposé).

Afin de capter les ondes réfléchies dans des directions variées, il est possible de placer différents géophones 107a ou 107b à différentes distances (ou offset) du camion sismique 101 . Ainsi, l'onde réfléchie 106a peut être captée par le géophone 107b.

Il existe de nombreuses méthodes pour déterminer à partir des enregistrements des géophones le trajet des ondelettes (ex. migration sismique). Ces méthodes fournissent le plus souvent des images sismiques à partir de signaux « avant sommation » (ou « pre-stack » en anglais) ou des images à partir de signaux « apès sommation » (ou « stack » en anglais). Lors de la réception du signal sismique, une partie du signal arrivant après une autre partie du signal est le plus souvent représentative d'une réflexion située plus en profondeur. Ainsi, il est possible, connaissant les cotes d'un réservoir 109 dans le sous-sol, de traiter un signal reçu par les différents géophones afin d'en extraire un signal filtré/traité et ne comportant que des informations relatives aux réflexions survenues au sein de ce réservoir (i.e. délimitation temporelle du signal reçu).

La figure 2a illustre un exemple de signal sismique reçu (ou « trace sismique reçue ») en réponse à l'émission d'une ondelette sismique dans un réservoir et dans un mode de réalisation selon l'invention.

Le signal sismique reçu (éventuellement après une délimitation temporelle comme évoqué ci-dessus) peut être représenté par le graphique 201 . L'axe t est ici un axe temporel exprimé en seconde, en fraction de secondes ou en nombre d'échantillons (le signal étant alors échantillonné selon une fréquence prédéterminée). L'axe S est représentatif, par exemple, d'une puissance ou d'une amplitude du signal acoustique reçu.

Bien entendu, il est difficile, à partir de ce signal, de déterminer la forme ou la longueur de rondelette émise. Pour ce faire, il est possible de réaliser une dé- convolution du signal reçu en supposant qu'une interface du sous-sol peut être représentée par une réponse impulsionnel incluant éventuellement un modèle de réflectivité et/ou un modèle d'atténuation.

Ce procédé est relativement complexe à mettre en œuvre et suppose une bonne connaissance de la position temporelle des interfaces.

De plus, le plus souvent cette dé-convolution est incomplète et un signal comportant des informations hautes fréquences (ex. supérieures à 100Hz) peut subsister. Ce signal résiduel est le plus souvent considéré, par l'art antérieur, comme un bruit.

La figure 2b illustre un exemple d'autocorrélation du signal de la figure 2a dans un mode de réalisation selon l'invention. En effet, il est possible de déterminer une estimation de la longueur de l'ondelette émise sans avoir à calculer de lourdes dé-convolutions.

Il est possible de calculer l'autocorrélation du signal reçu après délimitation temporelle de celui-ci dans une fenêtre de temps correspondant au réservoir. Une autocorrélation est une corrélation d'un signal par lui-même, ce deuxième signal étant décalé d'un écart temporel donné.

L'autocorrélation du signal 201 est la courbe 202. L'abscisse de cette courbe représente l'écart temporel entre les deux signaux identiques corrélés et l'ordonnée présente la corrélation de ces deux courbes pour l'écart temporel considéré.

Dans cette figure 2b, la corrélation des deux signaux est tantôt élevée, tantôt faible. La répétition (ou « respiration ») de cette corrélation permet ainsi de déterminer une distance de corrélation représentative de la longueur de l'ondelette ayant généré ce signal. Cette distance de corrélation 203 est la distance entre les deuxièmes zéros (204, 205) symétriques par rapport au pic maximal 206.

Si plusieurs distances sont utilisées pour calculer la longueur de l'ondelette (ex. pour plusieurs traces sismiques différentes), il est possible de déterminer une variance de cette distance afin de connaître la précision de cette détermination.

La figure 3a illustre un exemple de données de puits dans un mode de réalisation selon l'invention.

On appelle « données de puits » des données géologiques, géophysiques, ou autres, issues, par exemple, de forages. Ce sont, par exemple, une ou plusieurs informations localisées le long du puits concernant :

- le faciès du sous-sol ;

- la réflectivité des roches ;

- la porosité des roches ;

- la résistivité des roches ;

- l'élasticité des roches ; - la perméabilité des roches ;

- etc.

Lorsque ces données de puits ne comportent qu'une seul information (ex. la réflectivité), on parle plutôt, par la suite, d' « information géologique ».

La plupart de ces informations sont exprimées sous forme numérique (ex. la réflectivité exprimée en pourcentage, la perméabilité exprimée en Darcy, la porosité exprimée en pourcentage, etc.).

A titre d'illustration, la courbe 300 représente des données de puits pour une zone réservoir du sous-sol (relatives à la réflexivité des roches). L'abscisse de cette courbe représente la profondeur de la donnée de puits et l'ordonnée représente sa valeur. Ces données sont des données comportant de l'information « haute- fréquence ».

La figure 3b illustre un exemple de données de puits filtrées, dans un mode de réalisation selon l'invention.

Il est possible de traiter les données de puits brutes reçues afin d'obtenir des données modifiées/traitées. Par exemple, le traitement peut comprendre un filtre permettant de ne conserver qu'une fine plage de fréquences (ex. 90-100Hz) ou avantageusement qu'une plage de fréquences plus large (ex. de 0Hz à 200Hz) comprenant la valeur 0Hz.

La courbe 301 représente les données issues d'un filtrage des données de la courbe 300 à une bande de fréquence de 0-200Hz.

La figure 4a illustre un apprentissage d'un réseau de neurones à partir de données de signaux sismiques et de données de puits filtrées dans un mode de réalisation selon l'invention.

Afin de réaliser un apprentissage (ou entraînement) d'un réseau de neurones 404 utilisant un principe de rétro propagation (ou « back propagation » en anglais), il est utile de fournir au réseau de neurones 404 de nombreux exemples de valeurs d'entrée associées avec une ou plusieurs valeurs de sortie. On appelle ces valeurs « ensemble d'entraînement » (ou « training set » en anglais).

Cet entraînement est en réalité un apprentissage « supervisé » puisque les valeurs de sorties correctes sont connues pour chaque valeur d'entrée.

Lors de l'apprentissage, les nœuds du réseau de neurones 404 sont modifiés. De nombreux algorithmes sont possibles pour de telles modifications (i.e. modification des pondérations des différents nœuds).

Il est également possible de prévoir un ensemble de valeurs d'entrée et de sorties permettant de valider le réseau de neurones et/ou de calculer l'erreur de ce réseau : on appelle cet ensemble « ensemble de validation » (ou « validation set » en anglais). En pratique, l'ensemble d'entraînement est souvent environ deux fois plus grand que l'ensemble de validation (ex. dans un rapport 70%-30% par exemple).

Dans le mode de réalisation présenté, il est possible de prendre comme valeurs d'entrée, une pluralité de sous-parties (402, 403) du signal reçu (401 a, 401 b, 401 c,...) obtenu avant sommation (i.e. « pre-stack signal » en anglais).

Bien entendu, si le signal est sommé (i.e. « signal stack » en anglais), il est possible de travailler directement avec ce signal plutôt qu'avec chacun des signaux avant sommation. L'utilisation de signaux avant sommation permet d'éviter la perte d'information « haute fréquence » liée à la sommation de signaux non parfaitement « corrigées » (ex. « normal moveout correction » en anglais).

La longueur de ces sous-parties est la longueur de rondelette déterminée précédemment. Néanmoins, il est également possible de choisir comme longueur de ces sous-parties un multiple de la longueur de rondelette déterminée précédemment (ex. avec un facteur multiplicateur de 1 ,1 ou de 1 ,5 ou de 2) : en effet, si la sous- partie est légèrement plus grande que rondelette, la précision du réseau de neurones peut être plus importante (notamment en cas de mauvaise évaluation de la longueur de rondelette ou en cas de mauvais calage puit-sismique) même si la convergence du réseau de neurones lors de l'apprentissage peut être plus lente.

Dans le mode de réalisation présenté, il est possible de prendre une unique valeur de sortie pour toutes les valeurs d'entrée de l'ensemble d'apprentissage. Cette unique valeur de sortie est le signal 405 transformé / filtré issu des données de puits et limité au domaine « réservoir ».

L'apprentissage du réseau de neurones peut permettre d'éviter de calculer de lourdes dé-convolutions comme évoqué en relation avec la figure 2a. De plus, le réseau de neurones prend en compte l'intégralité du signal reçu, y compris l'information « haute fréquence » précédemment considérée comme du bruit devant être éliminé des calculs.

Les données retournées par le réseau de neurones sont de même nature que les données de puits ayant servi à l'apprentissage : si les données de puits ayant servi à l'apprentissage sont des informations de réflectivité, le réseau de neurones retourne des informations de réflectivité, etc.

La figure 4b illustre une représentation tridimensionnelle d'un sous-sol géologique.

Dans cette représentation 450, les données de puits au niveau des puits 451 et 452 sont connues.

Il est ainsi possible de réaliser l'apprentissage du réseau de neurones 404 en utilisant comme données d'entrée des sous-parties du signal avant sommation reçu au niveau de la tête de puits 4511 et associées aux données de puits connues au niveau du puits 451 .

Il est également possible d'ajouter à ces données d'entrée et de sortie d'autres données issues d'autres puits comme le puits 452. Ainsi, l'apprentissage est réalisé en utilisant :

- comme données d'entrée des sous-parties du signal avant sommation reçu au niveau de la tête de puits 4511 et associées aux données de puits connues au niveau du puits 451 (et éventuellement modifiées comme décrit précédemment) ;

- et comme données d'entrée des sous-parties du signal avant sommation reçu au niveau de la tête de puits 452t et associées aux données de puits connues au niveau du puits 452 (et éventuellement modifiées comme décrit précédemment).

Dès lors que l'apprentissage du réseau de neurones est terminé, il est possible de faire déterminer par le réseau de neurones des données de puits le long d'un puits

« virtuel » (i.e. segment vertical selon z de l'espace {x,y, z ) non réellement foré, ex. segment 453) à partir du signal sismique reçu au niveau de la tête de puits (ex. point 453t) de ce puits « virtuel ».

La figure 5a illustre une image sismique 501 obtenue à l'aide de méthodes de détermination de l'état de la technique, sans réseau de neurones. La figure 5b illustre une image sismique 502 obtenue avec l'utilisation d'un réseau de neurones décrit précédemment.

Il est possible de discerner un niveau de détail bien plus élevé sur l'image 502 que sur l'image 501 . En effet, la définition de l'image sismique 502 est notamment augmentée grâce à la prise en compte des informations « hautes fréquences » précédemment ignorées lors des dé-convolutions de l'art antérieur et considérées comme étant du bruit.

La figure 6 illustre un ordinogramme possible d'un procédé dans un mode de réalisation de l'invention.

Lors de la réception de signaux sismiques (601 a, 601 b, 601 c, etc.), il est possible d'identifier (étape 602), dans chacun d'eux, une partie correspondant à la propagation et la réflexion de rondelette émise, dans le réservoir.

Cette ondelette est supposée invariante dans ce domaine.

Les signaux sismiques correspondent, par exemple, à plusieurs émissions d'ondelette dans le sous-sol, à des temps et/ou des localisations différentes. Par ailleurs, ces signaux peuvent correspondre aux différents signaux reçus lors de émission d'une même ondelette par plusieurs géophones. Un traitement correctif de ces signaux a pu être effectué en amont, par exemple pour corriger les vitesses de propagation dans le sous-sol pour chacun des signaux. Pour chaque partie de signaux précédemment identifiées, il est également possible de calculer une autocorrélation (étape 603) de cette partie afin d'estimer la longueur de rondelette sismique.

Une fois la longueur de rondelette déterminée, il est possible de déterminer (étape 604) une longueur de « découpage » de la partie. Cette longueur de découpage peut être égale à la longueur de l'ondelette mais peut également être un multiple de la longueur de rondelette déterminée. Par exemple, si la longueur de rondelette est relativement certaine (ex. variance proche de zéro lors de la détermination de la longueur de rondelette), le facteur multiplicateur peut être proche de 1 . Si la variance est grande, le facteur multiplicateur peut alors augmenter.

La longueur de « découpage » déterminée à l'étape 604 peut permettre de décomposer chaque partie en une pluralité de sous-parties. Ces sous-parties peuvent se juxtaposer sans recouvrement ou elles peuvent partiellement se juxtaposer.

Par ailleurs, il est possible de recevoir des données de puits 605. Ces données de puits sont les données associées aux signaux et correspondant sensiblement aux mêmes localisations que ceux-ci : ainsi, si un signal sismique est reçu à une cordonnée (x,y), alors les données de puits sont issues de forages dont les coordonnées de la tête de puits sont (χ± Δχ , y ± Ay ) avec Ax et Ay des valeurs représentatives d'une incertitude relative au calage puit-sismique.

Ces données de puits sont alors traitées afin de les convertir si besoin en données numérique (filtrage 607, affectation de valeurs numériques 606 à des valeurs qualitatives, etc.).

Il est alors possible de réaliser un apprentissage (étape 608) d'un réseau de neurones vierge ou partiellement entraîné. Cette entraînement peut utiliser les sous- parties déterminées précédemment comme variables d'entrée et l'ensemble des données de puits traitées comme variable de sortie (ou variable cible). Seulement un sous-ensemble de ces sous-parties (ex. 70%) peut être utilisé pour l'apprentissage ou l'entraînement de ce réseau de neurones. Les autres sous-parties (ex. 30%) sont alors utilisées comme variables de validation afin de quantifier la précision et le taux d'erreur du réseau de neurones. Le procédé 609 est appelé « apprentissage ».

Une fois cet apprentissage effectué, il est possible de recevoir un signal sismique (610) dont les données de puits associées sont inconnues. Il est également possible de supprimer de ce signal 610 les parties de celui-ci ne correspondant pas à une réflexion d'une ondelette dans le réservoir (étape 61 1 ) : on parle alors de « nettoyage du signal sismique ».

Ce signal « nettoyé » peut être alors fourni en entrée du réseau de neurone ayant fait l'objet de l'apprentissage 609 (étape 612).

Dès lors, le réseau de neurones peut retourner, en sortie, des données de puits (ou informations géologiques) associées au signal d'entrée « nettoyé ». Ces données de puits sont cohérentes avec les données de puits ayant servi pour l'apprentissage (i.e. les informations géologiques sont des informations de réflectivité filtrées à 0- 200Hz si les données de puits ayant servi pour l'apprentissage sont des informations de réflectivité filtrées à 0-200Hz, les informations géologiques sont des informations de porosité filtrées entre 0 et 300Hz si les informations géologiques ayant servi pour l'apprentissage sont des informations de porosité filtrées entre 0 et 300Hz, etc.)

Le procédé 614 est appelé « généralisation » car il permet de connaître des données de puits (ou informations géologique) à des endroits du sous-sol où aucun forage n'a été effectué.

La figure 7 représente un exemple de dispositif de traitement d'un signal sismique dans un mode de réalisation de l'invention.

Dans ce mode de réalisation, le dispositif comporte un ordinateur 700, comprenant une mémoire 705 pour stocker des instructions permettant la mise en œuvre du procédé, les données de mesures reçues, et des données temporaires pour réaliser les différentes étapes du procédé tel que décrit précédemment.

L'ordinateur comporte en outre un circuit 704. Ce circuit peut être, par exemple :

- un processeur apte à interpréter des instructions sous la forme de programme informatique, ou - une carte électronique dont les étapes du procédé de l'invention sont décrites dans le silicium, ou encore

- une puce électronique programmable comme une puce FPGA (pour « Field- Programmable Gâte Array » en anglais).

Cet ordinateur comporte une interface d'entrée 703 pour la réception de données de signaux sismiques ou de données de puits, et une interface de sortie 706 pour la fourniture des données de puits en tout point de l'espace. Enfin, l'ordinateur peut comporter, pour permettre une interaction aisée avec un utilisateur, un écran 701 et un clavier 702. Bien entendu, le clavier est facultatif, notamment dans le cadre d'un ordinateur ayant la forme d'une tablette tactile, par exemple.

Par ailleurs, le schéma fonctionnel présenté sur la figure 6 est un exemple typique d'un programme dont certaines instructions peuvent être réalisées auprès de l'équipement décrit. A ce titre, la figure 6 peut correspondre à l'organigramme de l'algorithme général d'un programme informatique au sens de l'invention.

Bien entendu, la présente invention ne se limite pas aux formes de réalisation décrites ci-avant à titre d'exemples ; elle s'étend à d'autres variantes.

D'autres réalisations sont possibles.

Par exemple, l'ensemble des figures décrites peuvent sembler indiquer les puits de forages sont verticaux (ou tout du moins linéaire). Néanmoins, les procédés décrits peuvent se généraliser au cas des puits déviés. Dans cette dernière hypothèse, la trajectoire du puits peut être approximée ou « discrétisée » par une pluralité de segments verticaux et chacun de ces segments est alors considéré comme un puits à part entière dans les procédés décrit. Ainsi, lors de l'apprentissage du réseau de neurones, les variables d'entrées peuvent être les signaux reçus à la verticale de chaque segment, chacun de ces signaux étant associé aux données de puits pour ce segment comme variable de sortie/cible.