La lumière traversant un cristal biréfringent change de polarisation en fonction de la longueur d'onde. Ce profil est comme une mosaïque assemblée à partir de rares éclats de lumière, où chaque fragment suggère la forme de ses voisins. Le problème est que, en régime de famine de photons, lorsque seulement une poignée de photons est détectée, la précision des estimations se heurte à une limite fondamentale : le bruit de grenaille domine et le rapport signal sur bruit chute. Dans une telle situation, la méthode standard des ombres classiques, qui opère pixel par pixel, donne des points disparates, sans lien entre eux. La nouvelle étude propose une autre voie : les ombres classiques fonctionnelles (FCS), qui reconstruisent le profil comme une fonction unique, en utilisant l'ensemble des données.

L'idée est née de la tomographie quantique : là-bas, les ombres classiques estiment les propriétés d'un état quantique à partir d'un petit nombre de mesures, mais elles exigent des copies identiques de l'état. En polarimétrie, en revanche, chaque mesure donne un état avec une valeur différente du paramètre classique, la longueur d'onde. Les auteurs formalisent le problème comme un apprentissage supervisé de la fonction ρ(x), qui fait correspondre la longueur d'onde à l'état de polarisation. Pour chaque événement, on applique une transformation unitaire aléatoire, puis une mesure dans une base fixe. À partir de ces données, on calcule un instantané classique, un objet mathématique qui n'est pas nécessairement un état physique, mais qui permet d'estimer les pertes. Au lieu d'une optimisation pixel par pixel, on introduit une paramétrisation de l'hypothèse η(x) comme un état pur avec des angles θ(x) et φ(x), et on minimise une fonction de perte globale, moyennée sur l'ensemble d'apprentissage.

L'expérience a confirmé la faisabilité : dans la gamme de longueurs d'onde 808–812 nm, les profils de phase et d'angle de polarisation ont été reconstruits. La méthode standard donne des points disparates, tandis que la FCS reproduit une dépendance linéaire lisse, en utilisant les corrélations entre longueurs d'onde voisines. Théoriquement, on prouve le caractère non biaisé de l'estimation des pertes et la bornitude de la variance, ce qui garantit l'efficacité de la méthode pour un nombre d'échantillons T = O(maxₓ||η₀(x)||²_shadow,x / ε² · log(|F|/δ)). L'avantage clé est l'utilisation de l'ensemble des données pour reconstruire une seule fonction, ce qui donne une meilleure régularisation par rapport à un ajustement direct de pixels individuels.

Les perspectives de la méthode sont larges : elle peut être étendue à des états d'hypothèse mixtes en utilisant la distance de trace et les projecteurs optimaux de Helstrom, ce qui permettrait de l'appliquer à des scénarios bruités plus réalistes. Il serait également intéressant d'adapter la FCS à l'imagerie de phase et à d'autres types de mesures optiques où la fonction ρ(x) décrit des dépendances spatiales ou temporelles. La combinaison avec des méthodes d'apprentissage actif pour le choix optimal des points de mesure est prometteuse. Dans l'ensemble, ce travail transfère le paradigme des ombres classiques du calcul quantique vers la métrologie avec une variabilité naturelle des paramètres, ouvrant la voie à l'application de méthodes quantiques inspirées en polarimétrie classique et en imagerie de phase, où chaque photon compte.