Dans le domaine de l'intégration des données multimodales, l'alignement des caractéristiques joue un rôle pivot. Cet article introduit une approche novatrice à l'alignement des caractéristiques qui révolutionne la fusion de l'information multimodale. Notre méthode utilise un nouveau processus itératif d'écartement télescopique et d'expansion des représentations de caractéristiques à travers différentes modalités, aboutissant à une représentation cohérente et unifiée dans un espace de caractéristiques partagé. Cette technique sophistiquée montre une capacité remarquable à capturer et exploiter des interactions complexes intermodales aux niveaux les plus élevés d'abstraction. En conséquence, nous observons des améliorations significatives dans les performances des tâches d'apprentissage multimodal. Par une analyse comparative rigoureuse, nous établissons la supériorité de notre approche par rapport aux paradigmes existants de fusion multimodale dans une variété d'applications diverses. Des évaluations empiriques exhaustives menées sur des ensembles de données multidimensionnels englobant des séquences temporelles, des données visuelles et de l'information textuelle fournissent des preuves convaincantes que notre méthode atteint des références sans précédent dans le domaine. Ce travail non seulement fait progresser l'état de l'art en apprentissage multimodal, mais ouvre également de nouvelles voies pour explorer les synergies entre différentes modalités de données dans des scénarios analytiques complexes.