🤖 machine learning

SPLICE: Latent Diffusion over JEPA Embeddings for Conformal Time-Series Inpainting

SPLICE est un cadre modulaire qui combine la diffusion latente sur des embeddings JEPA avec l'inférence conforme adaptative pour atteindre une précision d'imputation de séries temporelles à la pointe de l'état de l'art et des garanties de fiabilité sans distribution et à échantillon fini pour des applications critiques des réseaux électriques.

Auteurs originaux : Arnaud Zinflou

Publié 2026-05-04

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Arnaud Zinflou

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez d'écouter votre chanson préférée, mais qu'un morceau de l'enregistrement manque. Peut-être que la bande a été mâchouillée, ou que le Wi-Fi a coupé pendant quelques jours. Vous devez combler cette partie manquante pour que la chanson se déroule sans accroc, mais vous devez aussi savoir : Dans quelle mesure sommes-nous sûrs que ce que nous avons comblé correspondait réellement à ce qui était là ?

Cet article présente SPLICE, un nouvel outil conçu pour réparer les morceaux manquants de données électriques (comme les notes manquantes d'une chanson), tout en fournissant un « score de confiance » pour la correction. Voici comment cela fonctionne, décomposé en parties simples :

1. Le Problème : Le « bruit de fond » dans les données

Les réseaux électriques doivent savoir exactement combien d'électricité est consommée chaque heure pour maintenir l'éclairage. Mais parfois, des capteurs tombent en panne, des câbles sont coupés ou des ordinateurs plantent, laissant d'énormes lacunes dans les données (parfois manquantes pendant 91 jours d'affilée !).

Les anciennes méthodes tentaient de combler ces lacunes en traçant simplement une ligne lisse entre les points « avant » et « après ». C'est comme deviner les paroles manquantes d'une chanson en fredonnant simplement l'air entre les mots connus. Cela peut sembler correct, mais cela manque du rythme complexe et des détails nécessaires pour faire fonctionner un réseau électrique en toute sécurité.

Les méthodes d'IA plus récentes peuvent mieux deviner les détails manquants, mais elles ressemblent à un artiste confiant qui devine parfaitement les paroles mais refuse d'admettre : « Je pourrais me tromper ». Dans un réseau électrique, se tromper sans le savoir peut être dangereux.

2. La Solution : SPLICE (L'Architecte « Rêveur »)

Les auteurs ont construit un système appelé SPLICE qui agit comme un architecte hautement qualifié qui ne se contente pas de deviner ; il « imagine » à quoi devrait ressembler le bâtiment manquant en se basant sur le quartier environnant.

Voici le processus étape par étape :

Étape 1 : Le Traducteur (Encodeur JEPA)
Imaginez que les données électriques sont une langue complexe. La première partie de SPLICE est un traducteur qui prend une journée entière de consommation d'électricité et la compresse en une petite « note de résumé » de 64 nombres. Il apprend l'« ambiance » de la journée (est-ce un mardi d'été chaud ? un week-end d'hiver calme ?) sans se perdre dans chaque détail individuel. Cela repose sur un concept appelé JEPA (Joint Embedding Predictive Architecture), qui consiste à enseigner à un ordinateur à comprendre l'« histoire » des données plutôt que de simplement mémoriser les chiffres.
Étape 2 : Le Constructeur de Ponts (Pont Latent Conditionnel)
Une fois que le système a les « notes de résumé » pour les jours avant et après la lacune, il doit construire un pont sur les jours manquants.
- Le Pont Déterministe : C'est le « pari sûr ». Il construit le chemin le plus probable à travers la lacune, comme tracer la ligne la plus droite entre deux points.
- Le Pont Créatif (Flow Matching) : C'est la partie « rêveuse ». Au lieu de simplement tracer une ligne, il génère de nombreux chemins possibles que la consommation d'électricité aurait pu emprunter. C'est comme imaginer dix versions différentes des paroles manquantes de la chanson. L'article a trouvé une nouvelle méthode plus rapide pour le faire (appelée Flow Matching) qui est 5 à 10 fois plus rapide que les anciennes méthodes, mais tout aussi précise.
Étape 3 : Le Traducteur Retour (Décodeur)
Le système prend ces « notes de résumé » et le « pont » qu'il a construit et les retranslate en chiffres réels de consommation d'électricité horaires. Crucialement, il examine la météo et le calendrier (pleut-il ? est-ce un jour férié ?) pour s'assurer que la supposition a du sens pour ce moment précis.

3. Le Filet de Sécurité : ACI (La « Bande de Confiance »)

C'est l'innovation la plus importante. Même la meilleure supposition peut être erronée.

L'Ancienne Façon : Le système vous donnait un seul chiffre et disait : « Ce sont les données manquantes. »
La Façon de SPLICE : Il enveloppe la réponse dans une bande de sécurité. Il dit : « Nous pensons que les données manquantes sont ici, mais nous sommes sûrs à 95 % qu'elles se trouvent quelque part dans cette large bande. »

Le système utilise une technique appelée Inférence Conformelle Adaptative (ACI). Imaginez cela comme un thermostat auto-correcteur.

Si le système commence à deviner de manière trop étroite et à manquer les données réelles, l'ACI élargit automatiquement la bande de sécurité.
S'il est trop prudent et que la bande est énorme, il la resserre.
Il le fait en temps réel, apprenant de ses erreurs au fur et à mesure, garantissant qu'à long terme, les données réelles tombent à l'intérieur de la bande 93 à 95 % du temps.

4. Les Résultats : Meilleures Suppositions, Plus Rapides et Plus Sûres

Les auteurs ont testé cela sur 13 ensembles de données électriques différents (provenant de maisons, d'usines et de villes).

Précision : SPLICE a fait les suppositions les plus précises de données manquantes par rapport à cinq autres méthodes de pointe. Il a gagné sur 9 ensembles de données sur 12.
Vitesse : En utilisant la nouvelle méthode « Flow Matching », il a comblé 91 jours de données manquantes en quelques millisecondes seulement, ce qui est 5 à 10 fois plus rapide que les meilleures méthodes précédentes.
Fiabilité : Il a résolu le problème de la « sous-couverture ». Les anciennes méthodes prétendaient souvent avoir une confiance de 95 % mais n'étaient en réalité correctes que 86 % du temps. SPLICE a corrigé cela, atteignant systématiquement l'objectif de 93 à 95 %.

5. L'Astuce « Taille Unique »

Enfin, l'article a montré que le « Traducteur » (la partie qui comprend les données) pouvait être entraîné sur neuf villes différentes, puis utilisé sur quatre nouvelles villes qu'il n'avait jamais vues auparavant. Cela fonctionnait presque aussi bien que s'il avait été entraîné spécifiquement sur ces nouvelles villes. Cela signifie que le système est flexible et peut être déployé rapidement sans avoir besoin de tout réentraîner depuis zéro.

En résumé : SPLICE est un outil intelligent, rapide et honnête. Il ne se contente pas de combler les blancs des données électriques manquantes ; il imagine les scénarios les plus probables, le fait incroyablement vite, et entoure ses réponses d'un filet de sécurité afin que les ingénieurs sachent exactement dans quelle mesure ils peuvent faire confiance au résultat.

1. Énoncé du Problème

Le papier aborde le défi critique de l'imputation de séries temporelles à long horizon dans les systèmes électriques, spécifiquement pour reconstruire des données de charge électrique manquantes dues à des défaillances de capteurs ou des coupures de communication.

Le Vide : Les modèles génératifs profonds existants (par exemple, modèles de diffusion, VAE) atteignent une haute précision de reconstruction mais manquent de garanties de fiabilité à échantillon fini. Dans les infrastructures critiques comme les réseaux électriques, les estimations ponctuelles sans quantification de l'incertitude sont insuffisantes pour la dispatch et la planification.
Le Défi : L'interpolation traditionnelle échoue à capturer des structures temporelles fines, tandis que les méthodes de prédiction conforme standard échouent souvent sous des décalages de distribution non stationnaires (par exemple, changements saisonniers, changements de régimes météorologiques) car elles supposent l'échangeabilité des données.
Objectif : Développer un cadre fournissant une reconstruction haute fidélité des données manquantes (jusqu'à 91 jours) tout en offrant des intervalles de prédiction adaptatifs sans distribution avec des garanties de couverture rigoureuses.

2. Méthodologie : Le Cadre SPLICE

SPLICE (Imputation Latente Prédictive Auto-supervisée avec Enveloppes Conformes) est un pipeline modulaire en quatre étapes :

A. Encodeur JEPA (Apprentissage de Représentation)

Architecture : Utilise une Architecture d'Embedding Prédictif Joint (JEPA) pour mapper des segments multivariés quotidiens (charge, météo, calendrier) dans un espace latent compact de 64 dimensions.
Mécanisme : Un Transformer masqué prédit l'embedding latent des jours masqués basé sur le contexte observé.
Objectif d'Entraînement : Combine une perte de prédiction cosinus avec une régularisation de type VICReg (contraintes de variance et de covariance) pour prévenir l'effondrement des embeddings et assurer la propagation de l'information.
Avantage : Contrairement aux VAE, le JEPA apprend un espace latent structuré qui préserve la dynamique temporelle sans l'effet de "flou" des pertes de reconstruction, ce qui le rend idéal pour la génération à long horizon.

B. Pont Latent Conditionnel (Génération de Trajectoires)

Fonction : Génère des trajectoires candidates pour le gap manquant dans l'espace latent JEPA.
Modes : Prend en charge quatre niveaux de stochasticité :
1. Déterministe : Prédiction directe (MSE la plus faible).
2. Perturbé par du bruit : Ajoute du bruit gaussien à la sortie déterministe pour créer un ensemble pour la quantification de l'incertitude.
3. Génératif (DDIM) : Échantillonnage de diffusion standard.
4. Génératif (Appariement de Flux) : Le backend préféré. Il apprend un champ de vitesse pour transporter les échantillons le long de trajectoires d'EDO rectilignes.
Efficacité : La variante d'Appariement de Flux atteint une qualité comparable à DDIM en 5–10 étapes d'Euler, offrant une accélération de 5 à 10 fois par rapport à l'échantillonneur DDIM en 50 étapes.

C. Décodeur Conditionné par Heure

Fonction : Mappe les trajectoires latentes générées vers l'espace du signal (charge horaire).
Innovation : Contrairement aux décodeurs standards, il est conditionné par des covariables horaires (météo, calendrier) pendant le gap. Cela permet au modèle de "connaître" les facteurs externes (par exemple, la température) pour les jours manquants, comblant le fossé d'information entre les espaces latent et d'observation.
Entraînement : Utilise une perte MSE pondérée par la charge (poids 5x sur la charge) et une augmentation par bruit pour améliorer la robustesse.

D. Inférence Conforme Adaptative (ACI)

Problème : La Prédiction Conforme Standard (CQR) suppose l'échangeabilité, ce qui est violé dans les séries temporelles.
Solution : SPLICE enveloppe la sortie générative avec une Inférence Conforme Adaptative (ACI).
Mécanisme : L'ACI maintient un niveau de non-couverture en cours d'exécution ( $\alpha_t$ ) qui se met à jour en ligne en fonction des erreurs observées :
$\alpha_{t+1} = \alpha_t + \gamma(\alpha - \text{err}_t)$
Garantie : Cela assure une couverture à long terme (par exemple, 95 %) même sous des décalages de distribution, s'auto-corrigeant sans recalibrage manuel.

3. Contributions Clés

Pipeline Latent Modulaire : Une architecture novatrice couplant l'apprentissage de représentation JEPA avec un pont latent conditionnel et un décodeur conditionné par heure.
Efficacité de l'Appariement de Flux : Démontre que l'Appariement de Flux dans l'espace latent JEPA fournit une accélération d'inférence de 5 à 10 fois par rapport à DDIM avec une qualité comparable ou supérieure.
Incertitude Sans Distribution : Premier travail à envelopper un pipeline d'imputation génératif profond avec l'ACI, corrigeant les échecs de sous-couverture allant jusqu'à 7,5 points de pourcentage dans des environnements non stationnaires.
Transfert d'Apprentissage : Montre qu'un encodeur JEPA regroupé unique, entraîné sur neuf domaines divers, peut se transférer vers quatre domaines non vus avec un ajustement fin minimal (seulement le pont et le décodeur), égalant ou dépassant les oracles par jeu de données.

4. Résultats Expérimentaux

Évalué sur 13 jeux de données (9 flux d'utilités propriétaires, 3 UCI Electricity, 1 ETTh1) avec des gaps de 91 jours :

Précision :
- A atteint le plus faible MSE Charge-seulement (0,056), surpassant des bases solides comme SAITS (0,064), BRITS (0,068) et CSDI (0,252).
- A gagné sur 9/12 jeux de données non dégénérés contre des bases externes.
- L'Appariement de Flux a réduit le MSE de 8,7 % par rapport à DDIM tout en utilisant 10 fois moins d'étapes.
Calibration de l'Incertitude :
- L'ACI a atteint une couverture empirique de 93–95 % sur tous les jeux de données, corrigeant avec succès la sous-couverture dans les jeux de données volatils (par exemple, RIInd1014 est passé de 86 % à 93,5 %).
- CRPS (Score de Probabilité Rangée Continue) : L'ensemble perturbé par du bruit a obtenu le meilleur CRPS (0,161), soit une amélioration de 18,3 % par rapport à la base déterministe la plus forte (SAITS).
Transférabilité :
- Un encodeur regroupé ajusté finement uniquement sur le pont/décodeur a égalé ou dépassé les oracles par jeu de données sur 3 des 4 domaines retenus.
Études d'Ablation :
- Les embeddings JEPA ont réduit le MSE de 53,2 % par rapport au seul JEPA et de 25,1 % par rapport à une base VAE+Pont héritée.
- Le décodeur amélioré (perte pondérée par la charge + augmentation par bruit) a contribué à une réduction supplémentaire de 9,3 % du MSE.

5. Signification et Impact

Fiabilité du Réseau : Fournit aux opérateurs de réseaux électriques non seulement des valeurs imputées, mais des intervalles de confiance statistiquement garantis, cruciaux pour prévenir la sous-provision ou les événements manqués de réponse à la demande.
Évolutivité et Efficacité : Le backend d'Appariement de Flux rend l'imputation à long horizon computationnellement réalisable pour des applications en temps réel ou quasi temps réel.
Généralisation : L'approche d'encodeur regroupé suggère une voie vers des modèles de fondation universels pour les séries temporelles, réduisant le coût de l'entraînement de nouveaux modèles pour chaque nouveau capteur ou région.
Avance Méthodologique : Réussit à combler le fossé entre la modélisation générative (pour une reconstruction haute fidélité) et la prédiction conforme (pour une incertitude rigoureuse), abordant une limitation majeure dans la gestion actuelle des infrastructures par l'IA.

En conclusion, SPLICE représente une avancée significative dans l'imputation de séries temporelles en combinant la puissance de représentation du JEPA, l'efficacité de l'Appariement de Flux et le rigueur statistique de l'Inférence Conforme Adaptative pour résoudre un problème critique dans les systèmes énergétiques.