Prédire l'avenir de nombres qui évoluent au fil du temps est une tâche qui façonne le monde moderne. Du moment où un gestionnaire de réseau électrique décide de la quantité d'électricité à produire pour la soirée, à l'instant où un trader achète ou vend une devise en fonction des tendances du marché, la capacité de prévoir ce qui vient ensuite est vitale. Pendant des décennies, les scientifiques ont tenté d'apprendre aux ordinateurs à percevoir ces modèles, en traitant les données de séries temporelles comme une séquence de nombres à analyser. L'objectif est simple : regarder ce qui s'est passé dans le passé et l'utiliser pour deviner ce qui se passera dans le futur. Cependant, ces séquences sont souvent désordonnées. Elles sont remplies de pics soudains, de bruit aléatoire et de vibrations à haute fréquence qui peuvent ressembler à des signaux importants mais ne sont en réalité que des distractions. Lorsqu'un ordinateur essaie de trouver un événement passé similaire pour aider à une prédiction, il est souvent trompé par ce bruit, associant une tendance actuelle à une tendance historique qui semble similaire uniquement à cause d'un bug aléatoire, et non parce qu'elles partagent la même histoire sous-jacente.

Une équipe de chercheurs a proposé une nouvelle façon de résoudre ce problème en changeant la manière dont l'ordinateur « voit » les données. Au lieu de demander à la machine de comparer des chiffres bruts, ils suggèrent de convertir les données en images. Imaginez que vous preniez un graphique linéaire du prix d'une action ou d'une lecture de température et que vous le présentiez à l'ordinateur sous forme d'image. Cette approche, appelée VRATF, repose sur l'idée que la forme globale d'une tendance — la façon dont une ligne courbe, monte ou descend — est plus importante que la valeur exacte de chaque point. En transformant les données en un format visuel, le système peut ignorer les minuscules oscillations bruyantes pour se concentrer sur l'aspect général. Les chercheurs ont constaté que lorsqu'ils utilisaient cette méthode visuelle pour trouver des événements passés similaires, les prédictions qui en résultaient étaient souvent plus précises, surtout lorsqu'il s'agissait de regarder loin dans le futur.

Le cœur de cette nouvelle méthode implique un processus en deux étapes qui imite la façon dont un humain pourrait aborder une prévision difficile. D'abord, le système nettoie les données. Il prend une longue chaîne de nombres et filtre le bruit à haute fréquence, ne conservant que les tendances lisses et à mouvement lent. Il dessine ensuite ces tendances nettoyées sous forme de graphiques linéaires simples, semblables à un graphique que vous pourriez voir dans un journal. Ces images sont injectées dans un puissant système de vision — un type d'intelligence artificielle entraînée à reconnaître les formes et les motifs dans les images — qui n'a jamais vu de séries temporelles auparavant mais qui excelle à repérer les similitudes géométriques. Ce système construit une bibliothèque de ces images de tendances. Lorsqu'une nouvelle prédiction est nécessaire, le système dessine la tendance actuelle sous forme d'image et recherche dans cette bibliothèque les modèles historiques les plus visuellement similaires. Une fois qu'il trouve une correspondance, il regarde ce qui s'est passé après l'occurrence de ce modèle historique et utilise cela comme un guide pour le futur.

Parallèlement à cette recherche visuelle, un autre modèle informatique, plus léger, fait sa propre prédiction en se basant strictement sur les chiffres qu'il voit actuellement. Les chercheurs combinent ensuite ces deux sources d'information. Ils ne se contentent pas de faire une moyenne ; ils utilisent un mécanisme intelligent et ajustable qui apprend à quel point faire confiance à la recherche visuelle par rapport au modèle numérique pour chaque situation spécifique. Si la recherche visuelle trouve une correspondance très forte, le système s'appuie lourdement sur cette référence historique. Si la correspondance est faible, il s'appuie davantage sur le modèle numérique. Cet équilibre est appris automatiquement lors de l'entraînement, permettant au système de s'adapter à différents types de données, qu'il s'agisse du rythme régulier des modèles météorologiques ou des fluctuations erratiques des marchés financiers.

Les chercheurs ont testé cette approche sur six ensembles de données réels différents, incluant la consommation d'électricité, les conditions météorologiques et les taux de change des devises. Ils ont comparé leur méthode à dix autres techniques de prévision de pointe, y compris des modèles complexes qui reposent sur de vastes quantités de données et des structures mathématiques avancées. Les résultats ont montré que cette approche basée sur la vision était très compétitive. Dans de nombreux cas, elle a surpassé les autres méthodes, particulièrement lorsque l'horizon de prédiction était long. Par exemple, pour prévoir la consommation d'électricité 720 heures à l'avance, la nouvelle méthode a réduit considérablement le taux d'erreur par rapport aux modèles standards. L'étude suggère que l'approche visuelle est particulièrement efficace pour gérer les données bruitées, là où les méthodes traditionnelles peinent souvent à distinguer une véritable tendance d'une fluctuation aléatoire.

L'une des découvertes les plus frappantes fut la manière dont le système gérait différents types de données. Sur des ensembles de données avec des motifs clairs et répétitifs, comme les changements de température horaires, la méthode visuelle fonctionnait bien sur tous les horizons temporels. Sur des données plus chaotiques, comme les taux de change quotidiens, la méthode visuelle tenait son rang, bien que les chercheurs aient noté que le filtrage du bruit devait être ajusté avec soin. Ils ont découvert que supprimer trop de détails pouvait nuire à la prédiction, tandis qu'en supprimer trop peu laissait le système confus par le bruit. L'équilibre optimal dépendait de la nature spécifique des données. De plus, les chercheurs ont trouvé que leur système était non seulement précis, mais aussi efficace. Parce que le gros du travail de création de la bibliothèque visuelle était effectué au préalable, l'entraînement réel du modèle de prédiction était rapide, convergeant vers un haut niveau de performance en une fraction du temps requis par d'autres modèles complexes.

L'étude a également exploré pourquoi cette approche visuelle fonctionne mieux que les autres. Ils l'ont comparée à une méthode qui utilise des descriptions textuelles pour trouver des tendances similaires et à une autre qui utilise directement les chiffres bruts. La méthode visuelle a systématiquement surpassé l'approche textuelle, suggérant que les détails géométriques d'une courbe — ses pentes et ses points de rupture — portent plus de pouvoir prédictif qu'une description écrite de la tendance. Elle a également surpassé l'approche par chiffres bruts, confirmant que l'étape initiale de filtrage du bruit et de conversion des données en une image propre était cruciale. En se concentrant sur la forme de la tendance plutôt que sur les valeurs spécifiques, le système a évité le piège de l'appariement de deux séquences qui semblaient similaires uniquement à cause de pics aléatoires.

En fin de compte, cette recherche offre une perspective nouvelle sur un vieux problème. Elle suggère que la façon dont nous représentons les données importe autant que les algorithmes que nous utilisons pour les analyser. En traduisant les séries temporelles en un langage visuel que l'intelligence artificielle moderne comprend bien, les chercheurs ont pu construire un outil de prévision qui est à la fois puissant et efficace. La méthode ne nécessite pas une puissance de calcul massive lors de la phase de prédiction, et elle n'a pas besoin d'être réentraînée de zéro pour chaque nouveau jeu de données. Au lieu de cela, elle tire parti des forces existantes des systèmes de vision pour trouver les histoires cachées au sein du bruit. Bien que les chercheurs reconnaissent qu'il reste encore de la marge de progression, notamment pour la gestion de bases de données extrêmement volumineuses ou l'adaptation à des types de données entièrement nouveaux, leur travail démontre que, parfois, la meilleure façon de voir l'avenir est de regarder le passé sous forme d'image.