La granularité fait référence à la façon dont un système est divisible. Les systèmes à grains fins, qui ont une granularité élevée, sont décomposés en un plus grand nombre de pièces plus petites, tandis qu’un système à grains grossiers a un plus petit nombre de pièces plus grandes. Par exemple, une mesure du poids d’un objet en onces est plus granulaire qu’une mesure du poids du même objet en livres, qui à son tour est plus granulaire qu’une mesure en tonnes. Le concept est important dans un certain nombre de domaines, notamment la science, la technologie informatique et les affaires.
Dans le traitement informatique parallèle, le terme fait référence à la façon dont les tâches sont réparties. Le traitement parallèle à grain fin divise une tâche en un grand nombre de tâches plus petites, généralement de courte durée, tandis que le traitement parallèle à grain grossier a des tâches plus grandes et plus longues. Une granularité plus fine augmente la quantité de travail qui peut être effectué simultanément et est donc potentiellement plus rapide, mais au prix de nécessiter plus de ressources pour la communication entre les processeurs.
La granularité est également utilisée pour décrire la division des données. Les données à faible granularité sont divisées en un petit nombre de champs, tandis que les données à haute granularité sont divisées en un plus grand nombre de champs plus spécifiques. Par exemple, un enregistrement des caractéristiques physiques d’une personne avec des données élevées pourrait avoir des champs séparés pour la taille, le poids, l’âge, le sexe, la couleur des cheveux, la couleur des yeux, etc., tandis qu’un enregistrement avec des données faibles enregistrerait les mêmes informations dans un plus petit nombre de champs plus généraux et un enregistrement encore plus faible répertorieraient toutes les informations dans un seul champ. Une plus grande granularité rend les données plus flexibles en permettant le traitement séparé de parties plus spécifiques des données, mais nécessite des ressources de calcul plus importantes.
En sciences physiques, le terme fait référence au niveau de détail des modèles scientifiques. Un modèle à grain fin est très détaillé, tandis qu’un modèle à grain grossier fait la moyenne des détails de bas niveau plutôt que de les représenter individuellement. Par exemple, un modèle informatique à grain fin des interactions entre les atomes les modélisera au niveau subatomique selon les lois de la mécanique quantique, tandis que des modèles un peu plus grossiers peuvent traiter le noyau entier d’un atome comme une particule à un seul point qui est ensuite modélisée. selon la physique classique, et les modèles encore plus grossiers traitent des groupes entiers d’atomes comme une seule unité. Les modèles à grain grossier sont moins précis, mais nécessitent moins de puissance de calcul pour modéliser un système donné que les modèles à grain fin. Ils permettent également de modéliser des systèmes à grande échelle qui seraient peu pratiques ou impossibles à représenter avec des modèles plus fins.
Ce concept est également utilisé dans les affaires et la finance. En banque, la granularité de la gestion des risques du portefeuille de crédit renvoie à la diversité du portefeuille. Les portefeuilles très granulaires comportent un plus grand nombre d’expositions réparties dans divers domaines économiques, ce qui protège la banque contre des pertes soudaines et importantes résultant d’un défaut de paiement d’un seul gros débiteur ou d’un ralentissement dans un seul secteur. Le terme peut également faire référence à un principe similaire pour réduire le risque des investissements en actions, obligations ou devises.