Crypto-analyste de l'espace : le réseau de neurones déchiffre les codes secrets des étoiles variables ✛ ✎ ✦

Les profondeurs du cosmos ne sont pas silencieuses — elles regorgent de messages chiffrés. Chaque étoile, chaque quasar envoie son code lumineux tremblotant : rythmé comme le morse d'une céphéide, ou chaotique comme un chiffre brisé de supernova. Les astronomes interceptent ces signaux par millions chaque nuit — mais comment les lire sans clé ? Les télescopes comme ZTF débitent des bandes infinies de courbes de lumière, et c'est là qu'intervient l'apprentissage automatique — non pas un simple auditeur, mais un crypto-analyste chevronné.

Imaginez un crypto-analyste à qui l'on confie des millions de messages chiffrés sans clé. Il écoute les motifs, recoupe les fragments, et peu à peu la structure du langage se révèle à lui. C'est exactement ainsi que fonctionne Astra-CLR. Son architecture est un transformeur à double vision : à partir de chaque courbe de lumière, elle crée une vue « globale » et plusieurs fragments « locaux », parfois bruités, déformés, avec des lacunes. Le réseau apprend à faire correspondre ces vues de sorte que l'essence cachée de l'objet reste inchangée — comme un cryptographe qui reconnaît un message même s'il est transmis avec des interférences.

Le résultat est comparable à la révélation d'un déchiffreur qui reconstitue le code commun à partir de bribes. Après un pré-entraînement sur 2,1 millions de courbes, le modèle a maîtrisé l'« alphabet » de 12 classes de variabilité : des systèmes binaires à éclipses aux objets cataclysmiques avec naines blanches. Une simple régression logistique sur les vecteurs extraits a donné une précision de 70 % — comme si le déchiffreur distinguait avec assurance un chiffre diplomatique d'un chiffre commercial. Et un étiquetage minime (seulement 2 % des données) a porté la précision à 77 %, et l'espace latent s'est resserré en grappes denses — désormais, l'analyste distingue les styles individuels des expéditeurs.

Cette approche n'est pas qu'un classifieur — c'est un « embeddeur » universel, une base prête pour tout futur relevé. LSST et Roman nous submergeront de données où l'étiquetage manuel deviendra un luxe. Astra-CLR montre que l'on peut entraîner un réseau de neurones à voir l'essence des choses sans indications, simplement en lui montrant le monde — puis, en ajustant un peu les réglages, le transformer en un outil précis pour les découvertes scientifiques.

La prochaine étape consiste à apprendre au réseau à combiner le temps et la couleur dans des codes dynamiques et à transférer ce qu'il a appris entre différents relevés. C'est la voie vers un déchiffreur universel des signaux cosmiques, capable de repérer les anomalies en temps réel. Peut-être qu'un jour, un tel crypto-analyste remarquera la première indication d'une physique inconnue — et le murmure silencieux de la courbure de l'espace-temps deviendra un texte lisible. Il est curieux que le regroupement des représentations révèle parfois des sous-groupes d'objets qui pourraient indiquer de nouveaux phénomènes astrophysiques — des « attracteurs étranges » potentiels de la dynamique stellaire, en attente d'une interprétation théorique.