Quiconque travaille avec des données géophysiques connaît la frustration : la série n’est presque jamais complète. Un récepteur qui tombe en panne, une station à l’arrêt, une période sans relevés. Les lacunes sont la règle, non l’exception. Et pendant longtemps, la réponse a presque toujours été la même : interpoler les trous, les combler par des zéros ou approximer la matrice de covariance. Chacun de ces raccourcis introduit une distorsion qui contamine l’estimation finale.
Hector a été conçu pour n’avoir besoin d’aucun d’entre eux. Dès lors que le bruit est, ou a été, stationnaire, l’outil gère directement les données manquantes : sans interpolation, sans remplissage par des zéros et sans approximations de la matrice de covariance. La série incomplète entre telle quelle, et l’estimation ressort sans le biais que les raccourcis avaient l’habitude d’introduire.
À partir de là, Hector ouvre un éventail de contrôle que peu d’outils offrent. Il permet d’intégrer des signaux annuels, semestriels et d’autres signaux périodiques au processus d’estimation de la tendance. Il permet d’estimer des décalages à certaines époques, ces sauts brusques qui marquent une série et qui, ignorés, faussent la pente. Et il permet de choisir le modèle de bruit parmi la loi de puissance, ARFIMA, Gauss-Markov généralisé et bruit blanc, ou toute combinaison de ceux-ci, en ajustant l’analyse à la nature réelle des observations.
Le souci de la qualité des données s’étend au reste du travail. Hector inclut des programmes pour éliminer les valeurs aberrantes et pour générer des graphiques de densité spectrale de puissance, qui aident à comprendre la structure du bruit avant de la modéliser. Il comprend également un programme scripté pour détecter automatiquement les décalages, ce qui évite d’avoir à les chercher un à un. Et lorsqu’on sélectionne le modèle en loi de puissance, avec des combinaisons de bruit blanc, de scintillement (flicker) et de marche aléatoire, il permet d’obtenir la première différence des données.
Pour le chercheur, cela se traduit par quelque chose de concret. Moins de temps passé à rapiécer des séries et à justifier des raccourcis, plus de temps à interpréter des résultats dignes de confiance. L’intégrité de l’estimation ne dépend plus de la chance d’avoir des données complètes. Elle dépend désormais du bon outil.