Les modèles statistiques sont une tentative de tendre une toile mathématique idéale sur le paysage accidenté des données. Lorsque le modèle résiste, il émet une tension, mais nous avons pris l'habitude de l'ignorer. Les chercheurs passent des heures à scruter les graphiques de résidus, essayant de deviner où le modèle « craque ». Squealer traduit cette résistance en son. Vous ne regardez plus la courbe — vous l'entendez grincer lorsqu'on la force à suivre le caprice de points individuels.

Imaginez : une harpe géante, où chaque corde est un paramètre du modèle et l'accord est la prédiction pour l'ensemble des données. Vous tendez une corde pour faire passer la courbe par un point choisi. Les autres répondent immédiatement, et le son global change. Parfois, il devient faux, criard — comme un orchestre désaccordé. Squealer agit comme un diapason de chef d'orchestre : grâce à des pseudo-points, vous exercez une influence douce sur la courbe, et l'ordinateur recalcule la distribution a posteriori et sonorise le coût de l'intervention. Plus la vraisemblance se dégrade, plus le son devient fort et désagréable. D'un bourdonnement confortable, il passe à un couinement strident — d'où son nom (squealer, le couineur). Ce couinement n'est pas anodin : notre cerveau, au fil de millions d'années, a appris à reconnaître la dissonance comme un signal d'alarme, et Squealer exploite cet instinct ancestral, nous faisant ressentir physiquement l'erreur statistique.

L'approche auditive est inestimable en cosmologie. Le modèle standard du Big Bang avec la matière noire et l'énergie noire décrit l'expansion de l'univers avec six paramètres. En travaillant sur le spectre de puissance du Fond diffus cosmologique du satellite Planck, vous touchez l'écho d'événements vieux de 13,8 milliards d'années, capturé dans des simulations numériques et déchiffré par Edwin Hubble, Georges Lemaître et Alan Guth (père de la théorie de l'inflation). Tenter d'ajuster la courbe aux petites échelles angulaires coûte 150 unités de log-vraisemblance — un son aigu et perçant. Les mêmes manipulations dans la région du premier pic acoustique ne coûtent que 20. Squealer transmet cela instantanément à vos oreilles, sans avoir à scruter les chiffres. Conclusion : les paramètres ΛCDM sont soudés plus rigidement qu'il n'y paraît — une modification locale du spectre exige de reconfigurer tout l'univers.

Squealer change la culture de la validation des modèles. Au lieu de tourner silencieusement des curseurs, le chercheur entre en dialogue avec les données et entend où le modèle déraille. C'est crucial pour les méthodes modernes d'apprentissage automatique : les réseaux de neurones profonds sont des boîtes noires, et leurs erreurs peuvent être catastrophiques. Une version tactile est déjà en développement : un joystick qui résiste physiquement à l'éloignement de l'optimum, et une intégration en temps réel avec les langages probabilistes. Dans quelques années, « écouter » les modèles deviendra aussi courant que les visualiser, aidant à distinguer la systématique du bruit et à regarder au-delà de l'horizon de notre confiance.