À travers les ondulations de l'eau, les galets au fond d'une piscine semblent décalés et déformés. De la même manière, la gravité de la matière noire invisible courbe la lumière des galaxies lointaines — un phénomène appelé lentille gravitationnelle faible.
Mais les ondulations d'une piscine ne vivent qu'à la surface, tandis que la matière noire est répartie en volume, à différentes profondeurs. Or, nous ne voyons qu'une projection plane — comme une seule photo du ciel. Reconstruire une image tridimensionnelle à partir de cela revient à deviner la forme des vagues à partir d'un unique cliché du fond. Auparavant, on inventait des règles simplifiées, comme « les vagues sont généralement lisses ». Cependant, la véritable toile cosmique est bien plus complexe : elle est faite de filaments et d'amas et ressemble à une éponge géante.
Les auteurs de l'étude ont emprunté une autre voie. Ils ont pris une simulation informatique détaillée de l'Univers — une sorte de « simulateur » qui calcule honnêtement comment la matière se rassemble en nœuds et en filaments sous l'effet de la gravité. Sur ces simulations, ils ont entraîné un réseau de neurones, qui a mémorisé les motifs tridimensionnels caractéristiques. Désormais, en regardant les images déformées des galaxies, le réseau complète la profondeur en s'appuyant sur ces motifs appris, plutôt que sur des hypothèses grossières.
Cette approche ne se contente pas de fournir une seule réponse. Elle génère tout un ensemble de cartes plausibles. C'est important, car le problème n'a en principe pas de solution unique : différentes structures volumétriques peuvent donner la même image plane. L'ensemble des variantes montre la dispersion des possibilités et permet d'évaluer la fiabilité du résultat. Lors des tests, la nouvelle méthode a nettement surpassé les précédentes en précision et a mieux rendu la structure filamentaire de la toile cosmique.
Si la matière noire émettait de la lumière, le ciel nocturne brillerait plus fort qu'un jour nuageux — tant elle est abondante.