La fusion de modèles veut associer de façon implicite (structurellement) les caractéristiques bénéfiques de différents types de modèles afin d'obtenir un modèle "semi-physique" ayant de bonnes performances en terme de précision et de robustesse. La notion de modèle semi-physique peut être considérée comme une première approche de fusion pour les modèles dynamiques ordinaires. Dans nos problématiques d'estimation d'état, nous abordons plutôt le cas des systèmes spatio-temporels dont l'évolution peut se modéliser analytiquement par une EDP. Cette équation apporte la connaissance générale et universelle des lois physiques. Mais les conditions de bord ainsi que les effets locaux sont souvent très difficiles à modéliser précisément. Le calcul statistique est donc complémentaire pour apporter la connaissance de terrain. Le modèle analytique doit être "relaxé" en introduisant à un niveau spatial cellulaire des fonctions empiriques ajoutant des degrés de liberté (incertitude) au modèle théorique initial. L'implantation se fait ici en adoptant le formalisme d'automates cellulaires qu'on choisit réversible. Cette structuration doit conduire à un modèle plus parcimonieux (moins de paramètres à estimer que dans le cas d’un modèle statistique pur). L'identification paramétrique des fonctions analytiques de transitions de l'automate et des fonctions de liberté doit donc être effectuée par apprentissage statistique. Un indice de redondance local limite le sur-apprentissage. Un indicateur de variance d'estimation sur la base d'exemples permet de rendre compte de la précision du modèle. Il évite le sous-apprentissage. Un indice de corrélation statistique mesure la robustesse. Les interpolations géostatiques permettent d'estimer l'information aux états où l'indice de corrélation est faible. Ces indices définissent en même temps les cellules où l'apprentissage doit être renforcé. Une cartographie de ces indices de qualité doit guider aussi la stratégie de placement du capteur (mobile) visant à acquérir les nouvelles données. Enfin, la modélisation inverse explicite (réversibilité des automates cellulaires) par l’approche "semi-physique" semble originale. Nous l’appliquons aux modèles d’évolution spatio-temporels rencontrés dans les problèmes environnementaux. Dans sa phase de rappel, le modèle inverse fusionné permet in fine d'estimer les états du système à partir d’un ensemble réduit de mesures, en optimisant le coût de l'instrumentation à précision fixée.