Le tomographe à rayons X rappelle le menuisier qui examine une bûche sous tous les angles pour voir où se trouve le vide à l'intérieur. Il prend des dizaines de clichés-plans, en tournant la source et le détecteur autour de l'objet. Ensuite, un programme « assembleur » recolle ces ombres en un modèle volumétrique. L'assembleur le plus rapide est l'algorithme FBP (rétroprojection filtrée). Il travaille presque instantanément, mais il y a un hic : quand les clichés sont peu nombreux ou que la dose d'irradiation est réduite, les ombres deviennent floues. Et là, la FBP se met à étaler le bruit sur toute l'image. Au lieu du vide dans la bûche, on voit des ondulations.

Les auteurs de l'étude ont proposé un autre « assembleur », probabiliste. Il ne se contente pas d'additionner les ombres, il estime : quelle structure interne de l'objet aurait le plus probablement donné ces projections floues ? À la base se trouve un modèle de champ aléatoire de Markov — une façon de décrire comment les points voisins du volume s'influencent mutuellement. Si les voxels voisins (pixels volumétriques) ont presque toujours des densités similaires, l'algorithme reçoit un indice : un point brillant isolé parmi des points sombres est plutôt du bruit qu'un détail réel. Le programme règle lui-même sa sensibilité en évaluant le niveau de bruit directement à partir des données d'entrée — par minimisation de l'énergie libre bayésienne. Aucun réglage manuel.

Les tests sur des simulations ont montré : dans des conditions de faible dose et de petit nombre d'angles, la nouvelle méthode donne une image bien plus nette que la FBP. Cela ouvre la voie à la tomographie là où il fallait auparavant choisir entre qualité et sécurité : contrôle qualité de la microélectronique sans irradiation prolongée, inspection des bagages en seulement deux angles, diagnostic médical avec une charge de rayonnement réduite. Une collecte rapide des données et un assemblage calme et réfléchi — au lieu de la précipitation qui gâche le résultat.