Suivant l’évolution des codes de calculs et des instruments de mesure, la visualisation scientifique, ainsi que plus généralement l’analyse des données scientifiques, ont vu apparaître ces dernières années de nouveaux défis techniques, nécessitant de revoir l’ensemble des outils ou des approches jusque-là disponibles :

– Volumétrie des données : Avec la généralisation des modèles 3D, les jeux de données produits ont vu leur volumétrie exploser. Des maillages non-structurés de plusieurs centaines de millions d’éléments ne sont plus impossibles aujourd’hui. À cause de leur empreinte mémoire, leur traitement local, via des stations de travail dédiées, est devenu impossible et impose des traitements lourds sur des machines distantes. Seul le résultat final, sous forme d’images ou de scène 3D, est alors transféré au poste client.

Le besoin d'un traitement efficace de gros volumes de données a conduit au développement de moteurs de traitement hautement parallélisés, comme Cassandra-PCS, sur la base de technologies open-source validées, comme Java, VTK, X3D, ProActive ou MPI.

– Complexité des données et des traitements : Les modèles numériques étant de plus en plus fins, les instruments de mesure de plus en plus performants, les données produites sont de plus en plus riches et proches, dans le cas de données numériques, de la réalité. Leur traitement nécessite donc des outils nouveaux, dépassant le simple «plan de coupe», permettant l’extraction des information pertinentes (réduction de bruits, exploration de l’espace de phases, iso-contours...).

Des analyses métier de plus en plus complexes conduisent à combiner de nombreux filtres sous la forme d’un pipeline de traitement, qui doit pouvoir être adaptable, configurable et extensible. De nouveaux outils, comme Cassandra, répondent à ces enjeux.

– Travail d’équipe et interdisciplinarité : La démarche scientifique elle-même a évolué. La recherche s’effectue de plus en plus en équipe, parfois sur des sites différents et très souvent interdisciplinaires. La communication, la collaboration et l’échange d’informations deviennent alors des enjeux critiques. Sur un plan pratique, cela a conduit, dans le cadre de projets de R&D comme SCOS et Collaviz, soutenus par l’Agence nationale de la recherche (ANR,) à développer de nouvelles solutions de plates-formes de travail collaboratif pour la visualisation scientifique.