Les étoiles variables pulsent, s'embrasent ou s'assombrissent à cause d'éclipses — comme si elles jouaient une symphonie cosmique. Leur photométrie (enregistrement de la luminosité) est captée par les télescopes avec des interruptions et du bruit. Mais ce « son » recèle les secrets de l'évolution stellaire : de la naissance dans les nuages de gaz et de poussière jusqu'à la mort en supernova.

Autrefois, les scientifiques cherchaient les signes à la main ; désormais, l'apprentissage automatique s'en charge. L'algorithme examine chaque étoile de trois manières : comment sa luminosité varie, quel est son rythme (les fréquences), et à quoi ressemble son cycle moyen — comme un chef d'orchestre qui voit à la fois la partition et le déroulement de l'orchestre. Cela permet de saisir même les lents changements imperceptibles à l'œil.

Cette méthode dépasse les classifications manuelles et fonctionne bien même avec des données limitées : un seul exemple par type suffit. Pour les futures enquêtes qui compteront des milliards d'étoiles, c'est une nécessité. De manière inattendue, l'algorithme s'est révélé utile pour la recherche d'exoplanètes — grâce aux minuscules creux dans la lumière. Il permettra aussi d'affiner les distances dans l'Univers via le décalage vers le rouge, et, combiné à la simulation numérique, prédira le comportement d'une étoile. Ainsi, l'évolution galactique deviendra plus claire lorsque nous aurons trié des myriades de symphonies lumineuses. Fait remarquable : le prototype de la méthode a été testé sur l'étoile Mira Ceti, connue depuis l'Antiquité — sa découverte, il y a un siècle, a permis d'estimer les dimensions du cosmos.