On présente un nouvel algorithme de compression, basé sur la méthode EIM (empirical interpolation method) déjà utilisée dans des problèmes de bases réduites. Celui-ci permet (entre autres) de traiter des données représentant une fonction paramétrique multivariée, ou un ensemble de fonctions multivariées corrélées entre elles. Mais son usage ne s'arrête pas à la compression, puisqu'il génère également une base de vecteurs et un ensemble de points d'interpolation, qui permettront d'approximer de futures fonctions à partir de très peu de valeurs: on obtient ainsi un surrogate model élémentaire, entièrement linéaire et très facile à mettre en place. Autres avantages: la compression est très facilement parallélisable et adaptable en out-of-core (traitement de données très voluminuese, ne tenant pas en mémoire d'un seul bloc).

On évalue les performances de cet outil sur un problème de neutronique: la reconstruction de sections efficaces homogénéisées, étape problématique des simulateurs déterministes de réacteurs nucléaires du fait du volume très important de données à tabuler. On étudie également l'effet de certaines options de l'algorithme, notamment la technique de normalisation.