Le secret de la lumière diffuse : comment peser des galaxies invisibles ✛ ✎

Original: "Probabilistic redshift estimation of unresolved galaxies from multi-band background light maps"
arXiv:2607.14525 · 2026-07-16 · arXiv non-exclusive · analyse indépendante · 2 min
Les astronomes ont appris à déterminer les distances de galaxies impossibles à distinguer individuellement.

Imaginez un tableau composé de millions de minuscules points de couleurs variées. De loin, ces points se fondent en une teinte unique, mais en observant les nuances dans différentes zones, on peut deviner quelles couleurs dominent. C'est exactement ce que font les astronomes : ils observent la lumière globale de galaxies lointaines et, grâce à sa couleur, ils calculent comment ces galaxies sont réparties en fonction de la distance.

L'Univers regorge de galaxies, mais la plupart sont trop faibles pour être vues individuellement, même avec les télescopes les plus puissants comme Hubble et James Webb. Leur lumière combinée se fond en une lueur ténue : le fond optique cosmique. En examinant attentivement ce fond dans différentes couleurs (ce qu'on appelle la photométrie), on peut remarquer de légères ondulations. Elles proviennent du fait que les galaxies lointaines émettent une lumière légèrement différente en raison de l'expansion de l'univers : leur lumière est étirée, devenant plus rouge. C'est comparable au son d'une ambulance qui s'éloigne : plus elle est loin, plus le son est grave. En astronomie, ce décalage est appelé décalage vers le rouge, et il permet d'estimer la distance d'un objet.

La nouvelle méthode utilise l'apprentissage automatique : un programme informatique qui apprend à partir d'exemples. D'abord, les scientifiques ont créé un immense univers virtuel grâce à la simulation numérique, où toutes les distances des galaxies sont connues à l'avance. Ensuite, ils ont montré au programme des centaines de milliers d'images du fond, accompagnées des bonnes réponses. Le programme a appris à deviner à quelle distance se trouvent les amas de lumière qu'il voit. Au final, la précision est meilleure qu'un pour cent, même pour les galaxies impossibles à distinguer.

Environ 90 % de toutes les galaxies de l'Univers ne sont pas visibles individuellement, même pour le télescope Hubble. Leur lueur cumulée conserve la mémoire des premières étoiles qui se sont allumées il y a des milliards d'années.

Cette découverte aidera à mieux comprendre la matière noire — cette masse invisible dont on a commencé à parler après les observations de Vera Rubin. On pourra aussi étudier l'époque où les premières étoiles se sont allumées — l'époque de formation stellaire — et comment la matière interstellaire a assombri la lumière. L'idée remonte à la découverte d'Edwin Hubble, qui a prouvé que l'Univers est en expansion, et aux rêves de Nancy Grace Roman de puissants télescopes spatiaux. D'ailleurs, la méthode rappelle l'étude du Fond diffus cosmologique, mais au lieu de l'ancienne lumière micro-onde, on analyse la lumière visible.

La nouvelle méthode détermine la distance moyenne des galaxies invisibles avec une précision supérieure à un pour cent — on pourrait ainsi mesurer la taille d'une personne avec une erreur de moins d'un centimètre.

L'idée de lire le fond cosmique évoque le roman d'Isaac Asimov « La Fin de l'éternité », où des scientifiques analysent un rayonnement mystérieux pour comprendre la structure du temps.

v = H_0 d
Loi de Hubble : la vitesse de récession d'une galaxie v est proportionnelle à sa distance d, où H₀ est la constante de Hubble, clé de l'échelle de l'univers.
1+z = \frac{\lambda_{obs}}{\lambda_{em}}
Le décalage vers le rouge z indique de combien la longueur d'onde de la lumière a été étirée par l'expansion de l'espace. Plus z est grand, plus l'objet est lointain et plus nous regardons loin dans le passé.
Scientifiques
Fritz ZwickyEdwin HubbleSubrahmanyan ChandrasekharChristian DopplerAdam RiessJohn Archibald Wheeler
Notions
décalage vers le rouge distribution gaussienne bootstrap sources rouges du JWST modèle probabiliste galaxies à haut décalage vers le rouge lsst galaxies à points rouges flots normalisants distribution de pull classification d'images regroupement en classes fonction d'étalement du point carte tridimensionnelle reconstruction de microlentille par réseau de neurones réseau aléatoire Théorie des probabilités estimation d'incertitude modélisation stochastique probabilistic forecast