Publié le 2 octobre 2026 · Thèmes : astronomie, intelligence artificielle et sciences participatives
Et si quelques minutes passées devant l’écran pouvaient réellement aider les astronomes ? Avec Artifact InSPECtor, chacun peut examiner de vraies données du télescope spatial Euclid et contribuer à améliorer les outils d’intelligence artificielle qui les analysent.
Euclid cartographie l’Univers invisible
Lancé en 2023, Euclid est un télescope spatial de l’Agence spatiale européenne, auquel la NASA contribue. Sa mission est ambitieuse : observer des milliards de galaxies jusqu’à environ dix milliards d’années-lumière et cartographier plus d’un tiers du ciel. Cette immense carte en trois dimensions doit permettre de mieux comprendre comment les grandes structures de l’Univers se sont formées et comment son expansion a évolué.
Derrière cet objectif se cachent deux grandes inconnues de la cosmologie : la matière noire, dont la gravité influence la formation des galaxies, et l’énergie noire, nom donné à ce qui semble accélérer l’expansion de l’Univers.
Un arc-en-ciel pour mesurer la distance des galaxies
Euclid ne produit pas seulement de belles images. Son instrument NISP observe dans le proche infrarouge et peut décomposer la lumière d’une galaxie selon ses différentes longueurs d’onde. On obtient alors un spectre, comparable à un minuscule arc-en-ciel contenant de nombreuses informations.
Les astronomes y recherchent notamment le décalage vers le rouge, ou redshift. Plus l’Univers s’est dilaté pendant le trajet de la lumière, plus les raies du spectre sont déplacées vers les grandes longueurs d’onde. Cette mesure permet d’estimer la distance d’une galaxie et de reconstruire la distribution de la matière à différentes époques cosmiques.
Le problème : tout signal n’est pas un objet céleste
Les détecteurs enregistrent parfois des formes qui ne proviennent ni d’une étoile ni d’une galaxie. Un rayon cosmique peut frapper le capteur ; de la lumière parasite peut se réfléchir dans l’instrument ; l’optique, l’électronique ou certains pixels peuvent également produire des traces. Ces faux signaux sont appelés des artefacts.
À l’échelle d’un relevé portant sur des millions de galaxies, une vérification entièrement manuelle serait impossible. Les équipes développent donc des modèles d’intelligence artificielle capables de repérer et de délimiter automatiquement ces artefacts. Mais les instruments sont récents et les cas ambigus nombreux : l’algorithme peut confondre une vraie structure astronomique avec un défaut, ou masquer une zone trop grande.
Quand l’œil humain entraîne le regard de la machine
C’est ici qu’intervient Artifact InSPECtor, un projet de sciences participatives présenté par la NASA et hébergé sur Zooniverse. Après un court tutoriel, les volontaires examinent des extraits de données d’Euclid. Ils vérifient si les zones repérées par l’algorithme correspondent réellement à un artefact et indiquent ce qui doit être conservé ou corrigé.
Une classification isolée ne suffit pas à modifier le modèle. Les réponses de nombreux participants sont regroupées afin de produire des annotations plus fiables. Elles servent ensuite aux chercheurs à améliorer les cartes de segmentation — autrement dit, la façon dont l’IA délimite précisément les pixels à écarter. Les résultats doivent aussi préparer le traitement de futures données du télescope spatial Nancy Grace Roman.
Comment participer ?
- Ouvrir le projet Artifact InSPECtor sur Zooniverse.
- Suivre le tutoriel, qui explique comment reconnaître les principaux artefacts.
- Examiner les images proposées et vérifier les zones surlignées en bleu.
- Classer autant d’exemples qu’on le souhaite, sans obligation de durée.
Aucune connaissance préalable n’est nécessaire. Le tutoriel prend environ dix à quinze minutes et le projet fonctionne depuis un ordinateur, une tablette ou un smartphone.
Une activité particulièrement intéressante avec des élèves
Ce projet réunit plusieurs notions rarement visibles ensemble : spectres, galaxies, expansion de l’Univers, capteurs numériques, traitement d’image et apprentissage automatique. Il montre surtout que les données scientifiques ne sont jamais « propres » par nature : avant de les interpréter, il faut comprendre comment elles ont été produites et reconnaître ce qui relève de l’objet étudié ou de l’instrument.
Artifact InSPECtor offre aussi une bonne manière de parler d’intelligence artificielle sans la présenter comme une boîte magique. L’algorithme propose ; des humains observent, corrigent et discutent les cas difficiles ; les chercheurs évaluent ensuite la qualité des résultats. L’IA devient ici un outil de recherche dont les limites doivent être mesurées.
Observer le ciel, ce n’est pas seulement regarder des astres : c’est aussi apprendre à distinguer un signal réel de la trace laissée par l’instrument qui l’a enregistré.
Une question, une remarque ou une source complémentaire ? Les échanges constructifs sont les bienvenus.