15 175 107 étoiles. Chacune a reçu son âge. Mais aucun chiffre n'est exempt d'une touche d'incertitude : l'âge d'une étoile n'est pas un clou enfoncé sur l'axe du temps, mais un nuage de probabilité, un brouillard cachant la valeur réelle. Pour évolution galactique, une telle étiquette temporelle est inestimable : sans elle, la carte de la Voie lactée reste plate. Au début du XXe siècle, Cecilia Payne-Gaposchkin a montré que les étoiles sont principalement composées d'hydrogène, et Hans Bethe a expliqué comment les réactions nucléaires déterminent leur cycle de vie. Cependant, contrairement à l'éclat ou à la position dans le ciel, l'âge ne peut être mesuré directement. Il est déduit de modèles d'évolution stellaire ou — pour les privilégiés — des oscillations sismiques (astérosismologie, c'est-à-dire la mesure de l'âge par les oscillations de l'étoile), comme l'ont fait le télescope Kepler dirigé par William Borucki et TESS. Mais ces âges précis ne sont qu'une goutte d'eau dans l'océan comparé aux millions d'étoiles pour lesquelles seules des données de photométrie (mesure de la luminosité) et de spectroscopie (décomposition de la lumière par longueurs d'onde) sont disponibles. La mission Gaia de l'Agence spatiale européenne a fourni des spectres à basse résolution pour 220 millions de sources. On en extrait la température, la gravité de surface, la Métallicité (proportion d'éléments plus lourds que l'hélium) — des paramètres qui portent l'empreinte de l'âge. La question est de savoir comment reconstruire la chronologie à partir de ces indices indirects.
Les chercheurs ont entraîné un ensemble de 135 569 étoiles du projet APOGEE — leurs âges étaient connus avec suffisamment de précision. Sur ces étalons, ils ont formé NGBoost — un algorithme d'apprentissage automatique qui ne produit pas un seul nombre, mais une distribution de probabilité complète. Cependant, le NGBoost standard considère les étiquettes comme parfaitement précises, alors qu'en réalité les âges des étalons contiennent eux-mêmes des erreurs. Par conséquent, la fonction de perte a été modifiée : la variance totale du modèle tient compte du carré de l'erreur de l'âge d'apprentissage : \(\sigma_{\text{total}}^2 = \sigma^2 + \sigma_{A,\text{obs}}^2\). En d'autres termes, l'incertitude du modèle s'ajoute à l'imprécision connue des étiquettes. Mais les données d'entrée — température, composition chimique — sont connues avec des erreurs. Pour évaluer comment cette incertitude se répercute sur le résultat, on a appliqué la méthode de Monte-Carlo (simulation avec échantillonnage aléatoire multiple) : pour chaque étoile, on a généré 200 variantes des paramètres d'entrée, légèrement perturbées dans les limites des erreurs, et on a moyenné les prédictions. Ainsi est né un modèle qui non seulement donne l'âge, mais indique honnêtement la dispersion.
Sur l'ensemble de test, les âges prédits se sont alignés le long de la ligne de correspondance parfaite, avec un décalage systématique de seulement –0,119 milliard d'années et une dispersion de 1,200 milliard d'années. Les étoiles avec de grandes incertitudes ont reçu des intervalles prédits plus larges — le modèle évaluait correctement sa confiance. Ensuite, l'algorithme a été appliqué à 15 175 107 étoiles du catalogue Gaia avec des paramètres dans des plages définies (température 3700–6032 K, logarithme de la gravité de surface 0,66–4,83, métallicité de –0,76 à 0,53). Pour chacune, on connaît désormais non seulement l'âge, mais aussi trois composantes d'erreur : l'erreur propre du modèle, celle propagée à partir des données d'entrée, et l'erreur totale. L'incertitude totale typique est d'environ 1,4 milliard d'années — soit environ un quart de l'âge de la Terre.
La comparaison avec des catalogues indépendants obtenus par les méthodes d'astérosismologie et de spectroscopie a confirmé l'accord : les écarts se situent entre 1,5 et 1,8 milliard d'années, et les principaux décalages systématiques sont hérités de l'échelle d'âge de l'échantillon d'apprentissage. Le principal résultat n'est pas seulement des chiffres, mais une carte honnête des erreurs. Désormais, les astronomes peuvent sélectionner des étoiles avec une précision d'âge acceptable pour étudier l'évolution galactique. L'approche probabiliste permet non pas de masquer l'incertitude, mais de travailler avec : construire des distributions d'âges dans différentes régions de la Voie lactée, en se rappelant que chaque âge n'est pas un clou, mais un nuage de probabilité. Cela est particulièrement précieux pour l'histoire de la formation stellaire et l'évolution chimique du disque. À l'avenir, le modèle pourra prendre en compte des indicateurs supplémentaires — la teneur en lithium, la rotation des étoiles — et utiliser les données d'autres grands relevés, comme LAMOST ou le futur spectrographe 4MOST. L'affinement de l'échelle d'âge à l'aide de nouvelles données astérosismologiques resserrera le brouillard probabiliste. Ainsi, en regardant à travers lui, les chercheurs commencent à distinguer les contours de l'histoire de la Voie lactée. L'imprécision des âges reste le principal obstacle, mais une prise en compte honnête des incertitudes est une façon de ne pas se perdre dans le brouillard, mais d'y tracer un itinéraire fiable.
L'âge de la plus vieille étoile connue de la Voie lactée (HD 140283, « Mathusalem ») avait d'abord été estimé à 16 milliards d'années – soit plus que l'âge de l'Univers ! L'erreur a été corrigée par la suite, mais ce cas montre à quel point il est difficile de mesurer l'âge. La nouvelle méthode vise précisément à réduire ce genre de mésaventures, en indiquant honnêtement le flou de l'estimation.
L'idée de lire l'âge d'une étoile dans son spectre rappelle le tricordeur de « Star Trek », capable de déterminer la composition et l'âge de n'importe quel objet en une seconde. La réalité est encore loin d'une telle précision, mais le catalogue de 15 millions d'étoiles est un pas vers un « tricordeur galactique ».