Plongez votre regard dans le ciel nocturne : ce n'est pas un semis d'étoiles, mais un manuscrit à plusieurs couches. Sous l'encre brillante des étoiles et des galaxies transparaît un texte pâle, presque effacé. C'est le message de la matière noire, écrit par lentillage gravitationnel : les masses invisibles déforment la lumière des galaxies lointaines, laissant des filigranes à peine perceptibles sur le parchemin cosmique. Pendant des décennies, les astronomes — de Fritz Zwicky à Vera Rubin — ont cherché des preuves de son existence, et Einstein avait prédit l'effet lui-même dès les années 1930. Mais pour déchiffrer cette couche cachée, il faut mesurer le « cisaillement » — la modification systématique des formes des galaxies. Autrefois, cela exigeait un travail minutieux : identifier chaque galaxie séparément, mesurer précisément son ellipticité, puis corriger le flou atmosphérique et le bruit du détecteur. Comme un moine médiéval grattant la couche supérieure des lettres avec un scalpel.

La nouvelle approche — l'estimation postérieure neuronale (NPE) — agit différemment. Elle ne gratte pas la surface, mais lit directement toute la page, discernant à travers les bruits et les distorsions la vérité cachée. En s'entraînant sur des univers synthétiques — des simulations réalistes du futur relevé LSST avec photométrie multibande (filtres riz), fonction d'étalement variable, étoiles et artefacts de matrice — un réseau de neurones profond apprend à transformer directement les pixels en distribution de probabilité du cisaillement. Des millions de cosmos virtuels, nés dans des simulations numériques, deviennent un terrain d'entraînement pour l'apprentissage automatique, où se perfectionne la capacité à écarter automatiquement les facteurs perturbateurs sans formules explicites. Ainsi, la détection, la séparation, la mesure et la calibration se fondent en un seul acte implicite — un paléographe neuronal qui a maîtrisé l'écriture de la matière noire.

Les tests ont montré une précision impressionnante. Même en ajoutant des étoiles saturées avec des « aigrettes » de diffraction et des artefacts CCD, l'erreur quadratique moyenne (RMSE) est restée autour de 0,0016–0,0019, et le coefficient de corrélation de Pearson dépassait 0,99. L'algorithme classique AnaCal donnait une plus grande dispersion. De plus, les intervalles postérieurs étaient parfaitement calibrés : la couverture empirique des régions de confiance à 90 % coïncidait presque exactement avec la valeur nominale, ce qui signifie que le réseau ne devine pas seulement, mais communique honnêtement son incertitude. En substance, il ne fournit pas un simple nombre, mais une mesure de son ignorance — une compétence cruciale lorsque chaque pixel peut contenir la clé de la nature de l'énergie noire. La mesure de la systématique reste l'équation \(\hat{\gamma}_j^n = (1+m_j)\gamma_j^n + c_j\), où le biais multiplicatif \(m_j\) et additif \(c_j\) tendent vers zéro dans la nouvelle méthode. En d'autres termes, les estimations sont proches de la vérité sans la chaîne traditionnelle de corrections de calibration.

Cette percée signifie que l'analyse des relevés cosmologiques peut être radicalement simplifiée. Les projets de quatrième génération — LSST, Euclid, Roman — compteront des milliards de galaxies, et la moindre systématique peut fausser les conclusions sur l'énergie noire et l'expansion de l'univers. L'approche par réseau de neurones peut traiter de tels volumes de données, transformant directement les pixels en cartes de matière noire et — avec la connaissance du décalage vers le rouge — en tomographie tridimensionnelle. Nous entrons dans une ère où le palimpseste sera lu automatiquement et sans interruption, et les calibrations manuelles resteront dans les archives.

Le principal défi à venir : l'écart entre le simulateur et le ciel réel. Un décalage de distribution pourrait compromettre la précision, c'est pourquoi les prochaines étapes sont le diagnostic de la mauvaise spécification du modèle et des techniques d'inférence bayésienne robuste. Parallèlement, des simulateurs de plus en plus détaillés avec cisaillement et convergence variables sont créés, et la NPE pourra alors reconstruire directement le champ de densité de la matière noire au niveau des pixels, en contournant les catalogues. Car on ne sait pas encore si la matière noire est constituée de particules ou d'une modification de la gravité — et une carte précise du lentillage apportera la réponse décisive. À terme, nous apprendrons à lire non seulement le texte bidimensionnel, mais aussi tridimensionnel de la matière noire, découvrant enfin de quoi est réellement fait le palimpseste caché de notre Univers.