L'appareil photo prend une image, mais le capteur bruit, l'optique floute, et une partie des pixels est surexposée. Reconstituer l'image d'origine, c'est un peu comme deviner une mélodie sur un disque rayé : les possibilités sont nombreuses, et l'on ne sait pas laquelle est la bonne. En science, ces problèmes sont dits inverses, et on les rencontre partout, des tomographes médicaux aux radiotélescopes. C'est particulièrement difficile quand on n'a rien à quoi comparer l'image « correcte » : en astronomie, par exemple, nous ne pouvons pas nous approcher d'une galaxie lointaine pour vérifier si nous avons bien dessiné les amas de matière invisible.

La nouvelle méthode contourne ce problème par une astuce ingénieuse. D'abord, elle « secoue » les données en utilisant leurs symétries internes — comme si l'on retournait et faisait pivoter une photo pour comprendre quels détails sont aléatoires et lesquels se répètent. Cela donne une première estimation approximative : où, sur la carte, nous sommes sûrs de nous, et où nous jouons à la boule de cristal. Ensuite, une procédure mathématique entre en jeu, qui calibre ces estimations, non pas par rapport à une référence (il n'y en a pas), mais à partir des données elles-mêmes.

La méthode a été testée sur la construction de cartes de matière noire par lentillage gravitationnel faible. Les amas massifs de matière courbent la courbure de l'espace-temps et déforment légèrement les formes des galaxies lointaines — comme les rides de l'eau modifient l'aspect des galets au fond. À partir de ces déformations, on reconstitue la masse invisible, mais sans un moyen fiable d'évaluer l'erreur, on risque facilement de prendre ses désirs pour des réalités. La nouvelle approche fournit une carte honnête des incertitudes et ne repose pas sur des modèles cosmologiques qui pourraient eux-mêmes être erronés.

En fin de compte, les astronomes disposent d'un outil qui ne ment pas, même quand personne ne connaît la vérité.