On propose un modèle graphique probabiliste réalisant un encodage parcimonieux des dépendances d'un jeu de variables réelles à partir de corrélations possiblement incomplètes et de la fonction de répartition de chaque variable. L'application sous-jacente est un grand système partiellement observé, comme par exemple un réseau routier, où une petite proportion de variables réelles sont observées et les autres doivent être prédites. Il s'agit donc de trouver un algorithme permettant de travailler en temps réel sur des grands systèmes. Au lieu d'essayer d'encoder directement les dépendances du système, on propose une manière de le faire dans un espace de variables binaires latentes qui reflètent une vision sommaire des variables (par exemple embouteillé/fluide pour des routes). La méthode s'appuie en partie sur des algorithmes de passage de message comme " belief propagation ", mais la difficulté est surtout de définir des variables binaires cohérentes avec celles de départ, ainsi que leurs corrélations. L'applicabilité de la méthode en pratique est démontrée par des expérimentation numériques.