Une nouvelle méthode d’IA réduit les jeux de données scientifiques jusqu’à 100 fois
Des chercheurs du SLAC National Accelerator Laboratory ont développé une méthode de compression fondée sur des réseaux neuronaux qui a réduit les volumes de données scientifiques d’un facteur de 10 à 100 lors des tests, selon les données d’entrée et le niveau de précision requis. L’idée centrale n’est pas de compresser uniformément toutes les parties des données, mais de préserver les structures à différentes échelles spatiales susceptibles de s’avérer cruciales pour l’analyse scientifique. L’étude a été publiée dans Nature Machine Intelligence.
Les instruments scientifiques produisent plus de données que les infrastructures ne peuvent en absorber
La motivation derrière cette nouvelle méthode découle d’un problème très concret de la science expérimentale moderne. La résolution des capteurs et les cadences de mesure augmentent si rapidement que les instruments de nouvelle génération commencent à générer des flux de données dont le stockage intégral, le transfert et le traitement ultérieur deviennent de plus en plus coûteux.
La compression avec perte conventionnelle peut réduire la taille des fichiers, mais elle peut aussi supprimer des signaux de faible amplitude ou des structures fines. Dans une photographie ordinaire, cette perte peut ne pas avoir d’importance. Dans une mesure scientifique, en revanche, un détail infime peut contenir précisément l’information physique que les chercheurs recherchent.
Le SLAC cite comme exemple les petites taches qui apparaissent dans les mesures par rayons X. Ces structures peuvent révéler l’organisation interne, des défauts ou des dynamiques au sein d’un matériau. Si un algorithme de compression les traite comme du bruit, il peut réduire non seulement la taille du fichier, mais aussi la valeur scientifique de la mesure.
L’analyse en ondelettes sépare l’information par échelle
La méthode publiée dans Nature Machine Intelligence s’appelle WIEN-INR. Elle combine l’analyse en ondelettes et les représentations neuronales implicites.
D’abord, l’analyse en ondelettes sépare le jeu de données en composantes à différentes échelles spatiales, distinguant les structures à grande échelle des détails fins. Un réseau neuronal apprend ensuite à représenter de manière compacte les informations présentes à ces différentes échelles.
Cette architecture permet d’éviter un problème courant de la compression généraliste, dans laquelle une structure d’arrière-plan étendue et une caractéristique minuscule mais scientifiquement importante peuvent être traitées sensiblement de la même manière.
Selon le chercheur du SLAC Yuan Ni, la méthode a généralement réduit la taille des fichiers d’un facteur de 10 à 100, selon les données sources et la qualité souhaitée. Ce résultat ne doit toutefois pas être interprété comme une compression entièrement sans perte. Il s’agit d’un compromis contrôlé entre volume de données et fidélité du signal, conçu pour mieux préserver les caractéristiques fines importantes pour l’analyse qu’une approche de compression générique.
C’est une description plus exacte que d’affirmer que le système « ne perd absolument aucune donnée ».
Le système ne peut décoder que la région dont vous avez besoin
Une deuxième force majeure de la méthode apparaît lorsque les données sont utilisées ultérieurement. Si un chercheur n’a besoin que d’une petite région d’un grand jeu de données compressé, il n’est pas nécessaire de reconstruire l’intégralité du fichier.
WIEN-INR peut décoder uniquement une région d’intérêt sélectionnée, et le faire à différentes échelles et résolutions. Le SLAC note que la décompression complète d’un gros fichier avec un codec conventionnel peut prendre des minutes, des heures, voire des jours. Le décodage sélectif évite une grande partie de ce travail.
Dans les grands environnements de calcul scientifique, cette capacité peut être tout aussi importante que le taux de compression lui-même. Le problème ne réside pas seulement dans le coût du stockage. Le déplacement de données entre les systèmes de stockage, les nœuds de calcul et les institutions de recherche consomme de la capacité réseau, de l’énergie et du temps.
La méthode a fonctionné avec des types de données très différents
Les chercheurs n’ont pas limité leurs tests à un seul type de jeu de données de rayons X. Ils ont appliqué la méthode à des mesures moléculaires et de matériaux, à des données de champ magnétique solaire et à des photographies ordinaires. Le réseau neuronal a pu s’adapter à différents types de données et apprendre les caractéristiques importantes pour chacun d’eux.
Les auteurs ne présentent pas WIEN-INR comme un remplacement universel des méthodes existantes de compression ou de réduction de données. Il peut plutôt fonctionner à leurs côtés comme une option supplémentaire dans les cas où la récupération ultérieure de structures à fine échelle est particulièrement importante.
Des chercheurs de l’Université de Californie à Davis et de l’Université Carnegie Mellon ont également contribué à l’étude. L’équipe a entraîné ses réseaux neuronaux à l’aide du superordinateur Perlmutter de l’installation NERSC du département américain de l’Énergie. L’article, « Multi-resolution enhancement for full-spectrum neural representations », a été publié dans Nature Machine Intelligence le 24 août 2026.
Les infrastructures de recherche européennes font face au même défi
Le potentiel de la méthode dépasse largement le cadre d’un seul instrument du SLAC. Les infrastructures européennes dédiées à la physique des particules, à la science synchrotron, à l’astronomie, à la recherche climatique et à l’observation par satellite génèrent elles aussi des volumes de données en augmentation rapide.
Ce qui importe ici est le principe plutôt qu’un algorithme spécifique. Lorsqu’un instrument produit plus d’informations qu’il n’est pratique d’en stocker et d’en déplacer intégralement, la chaîne de traitement des données doit décider de plus en plus tôt quelles informations préserver et à quel niveau de fidélité.
Le rôle de l’IA dans la science ne se limite donc plus à trouver des motifs après qu’une expérience a eu lieu. La prochaine étape importante pourrait consister à représenter les données scientifiques sous une forme qui réduit considérablement les besoins en stockage et en calcul tout en préservant les structures fines qui pourraient s’avérer importantes pour la prochaine découverte.
Les instruments scientifiques produisent plus de données que les infrastructures ne peuvent en absorber
La motivation derrière cette nouvelle méthode découle d’un problème très concret de la science expérimentale moderne. La résolution des capteurs et les cadences de mesure augmentent si rapidement que les instruments de nouvelle génération commencent à générer des flux de données dont le stockage intégral, le transfert et le traitement ultérieur deviennent de plus en plus coûteux.
La compression avec perte conventionnelle peut réduire la taille des fichiers, mais elle peut aussi supprimer des signaux de faible amplitude ou des structures fines. Dans une photographie ordinaire, cette perte peut ne pas avoir d’importance. Dans une mesure scientifique, en revanche, un détail infime peut contenir précisément l’information physique que les chercheurs recherchent.
Le SLAC cite comme exemple les petites taches qui apparaissent dans les mesures par rayons X. Ces structures peuvent révéler l’organisation interne, des défauts ou des dynamiques au sein d’un matériau. Si un algorithme de compression les traite comme du bruit, il peut réduire non seulement la taille du fichier, mais aussi la valeur scientifique de la mesure.
L’analyse en ondelettes sépare l’information par échelle
La méthode publiée dans Nature Machine Intelligence s’appelle WIEN-INR. Elle combine l’analyse en ondelettes et les représentations neuronales implicites.
D’abord, l’analyse en ondelettes sépare le jeu de données en composantes à différentes échelles spatiales, distinguant les structures à grande échelle des détails fins. Un réseau neuronal apprend ensuite à représenter de manière compacte les informations présentes à ces différentes échelles.
Cette architecture permet d’éviter un problème courant de la compression généraliste, dans laquelle une structure d’arrière-plan étendue et une caractéristique minuscule mais scientifiquement importante peuvent être traitées sensiblement de la même manière.
Selon le chercheur du SLAC Yuan Ni, la méthode a généralement réduit la taille des fichiers d’un facteur de 10 à 100, selon les données sources et la qualité souhaitée. Ce résultat ne doit toutefois pas être interprété comme une compression entièrement sans perte. Il s’agit d’un compromis contrôlé entre volume de données et fidélité du signal, conçu pour mieux préserver les caractéristiques fines importantes pour l’analyse qu’une approche de compression générique.
C’est une description plus exacte que d’affirmer que le système « ne perd absolument aucune donnée ».
Le système ne peut décoder que la région dont vous avez besoin
Une deuxième force majeure de la méthode apparaît lorsque les données sont utilisées ultérieurement. Si un chercheur n’a besoin que d’une petite région d’un grand jeu de données compressé, il n’est pas nécessaire de reconstruire l’intégralité du fichier.
WIEN-INR peut décoder uniquement une région d’intérêt sélectionnée, et le faire à différentes échelles et résolutions. Le SLAC note que la décompression complète d’un gros fichier avec un codec conventionnel peut prendre des minutes, des heures, voire des jours. Le décodage sélectif évite une grande partie de ce travail.
Dans les grands environnements de calcul scientifique, cette capacité peut être tout aussi importante que le taux de compression lui-même. Le problème ne réside pas seulement dans le coût du stockage. Le déplacement de données entre les systèmes de stockage, les nœuds de calcul et les institutions de recherche consomme de la capacité réseau, de l’énergie et du temps.
La méthode a fonctionné avec des types de données très différents
Les chercheurs n’ont pas limité leurs tests à un seul type de jeu de données de rayons X. Ils ont appliqué la méthode à des mesures moléculaires et de matériaux, à des données de champ magnétique solaire et à des photographies ordinaires. Le réseau neuronal a pu s’adapter à différents types de données et apprendre les caractéristiques importantes pour chacun d’eux.
Les auteurs ne présentent pas WIEN-INR comme un remplacement universel des méthodes existantes de compression ou de réduction de données. Il peut plutôt fonctionner à leurs côtés comme une option supplémentaire dans les cas où la récupération ultérieure de structures à fine échelle est particulièrement importante.
Des chercheurs de l’Université de Californie à Davis et de l’Université Carnegie Mellon ont également contribué à l’étude. L’équipe a entraîné ses réseaux neuronaux à l’aide du superordinateur Perlmutter de l’installation NERSC du département américain de l’Énergie. L’article, « Multi-resolution enhancement for full-spectrum neural representations », a été publié dans Nature Machine Intelligence le 24 août 2026.
Les infrastructures de recherche européennes font face au même défi
Le potentiel de la méthode dépasse largement le cadre d’un seul instrument du SLAC. Les infrastructures européennes dédiées à la physique des particules, à la science synchrotron, à l’astronomie, à la recherche climatique et à l’observation par satellite génèrent elles aussi des volumes de données en augmentation rapide.
Ce qui importe ici est le principe plutôt qu’un algorithme spécifique. Lorsqu’un instrument produit plus d’informations qu’il n’est pratique d’en stocker et d’en déplacer intégralement, la chaîne de traitement des données doit décider de plus en plus tôt quelles informations préserver et à quel niveau de fidélité.
Le rôle de l’IA dans la science ne se limite donc plus à trouver des motifs après qu’une expérience a eu lieu. La prochaine étape importante pourrait consister à représenter les données scientifiques sous une forme qui réduit considérablement les besoins en stockage et en calcul tout en préservant les structures fines qui pourraient s’avérer importantes pour la prochaine découverte.
