L'exploitation graphique de champs de données dans un espace à deux dimensions passe généralement par l'interpolation des données aux noeuds d'une grille régulière. Lorsque les données sont nombreuses et réparties de facon inhomogène, les méthodes classiques, qui considèrent tour-à-tour chaque noeud de la grille, ne sont plus intéressantes. En effet, si la grille est trop fine, le temps de calcul risque d'être inutilement long, tandis que si la grille est trop lâche, les résultats du calcul seront insuffisamment précis.

ECTIA a développé une méthode d'interpolation, MANIF, s'appuyant sur un type particulier de réseaux de neurones (les réseaux de Kohonen) qui permet de s'affranchir de ces limitations. Cette technique définit la position optimale de points où il est pertinent de réaliser une interpolation. Une méthode classique (Krigeage par exemple) peut ensuite être utilisée pour l'interpolation des données en ces points. Mais la technique peut aussi réaliser l'interpolation en même temps qu'elle définit les points d'interpolation. Une carte d'erreur peut être calculée simultanément. Le gain en temps de calcul est alors maximal.

De cette technique d'interpolation à la fusion de données, il n'y a qu'un pas, puisqu'il est possible de prendre en compte les erreurs sur les données. La fusion de données est alors vue comme une interpolation de données d'origines et de précisions diverses.