L'IA et le ciel

IA et observation du ciel

Les télescopes modernes et les missions spatiales produisent plus de données que les humains ne peuvent en examiner à la main. Les astronomes recourent donc à l'apprentissage automatique (machine learning), une branche de l'IA, pour rechercher des signaux, trier des objets et repérer l'inhabituel. L'IA est un outil qui filtre et accélère l'analyse. Les découvertes restent confirmées par l'observation, la vérification et la relecture par les pairs, menées par des personnes.

Pourquoi l'astronomie a besoin de l'IA

L'astronomie est l'une des sciences qui génèrent le plus de données. La mission Gaia de l'ESA a cartographié bien plus d'un milliard d'étoiles. La mission Kepler de la NASA (jusqu'à sa fin en 2018) et TESS ont suivi dans le temps la luminosité d'un très grand nombre d'étoiles. De nouveaux relevés au sol, comme l'observatoire Vera C. Rubin au Chili, sont conçus pour photographier le ciel encore et encore et saisir tout ce qui change.

Il en résulte un flot d'images et de mesures qu'aucune équipe ne peut examiner à l'œil. C'est là qu'intervient l'apprentissage automatique : une branche de l'intelligence artificielle (IA) dans laquelle un ordinateur apprend à reconnaître des motifs à partir d'exemples, au lieu de suivre des règles écrites à la main. Ce n'est pas de la magie. Il excelle simplement dans les tâches répétitives, où une personne se fatiguerait ou passerait à côté de quelque chose.

À la chasse aux exoplanètes

Les exoplanètes (planètes autour d'autres étoiles) sont souvent découvertes par la méthode des transits : lorsqu'une planète passe devant son étoile, la lumière stellaire diminue légèrement et périodiquement. Il faut distinguer ces baisses du bruit, des taches stellaires et des étoiles binaires à éclipses.

Un exemple bien connu est Kepler-90. En 2017, la NASA a annoncé qu'une méthode d'apprentissage automatique, développée avec Google, avait trouvé une planète supplémentaire, Kepler-90i, dans les données de Kepler. Kepler-90 devenait ainsi le premier système connu à huit planètes, comme notre Système solaire. Cela a montré qu'un algorithme peut repérer un signal faible, facile à négliger. Néanmoins, les données provenaient d'un télescope, et le résultat a été vérifié et publié par des scientifiques.

La même idée est appliquée aux données de TESS : un logiciel propose des candidats, et des personnes décident lesquels méritent des observations de suivi. Beaucoup de candidats se révèlent être de fausses alertes, ce qui fait partie du processus normal.

Trier les galaxies

Lorsque les relevés photographient des millions de galaxies, quelqu'un doit les classer : spirales, elliptiques, en fusion, etc. Galaxy Zoo est un célèbre exemple de travail collectif : des volontaires du monde entier classent des images de galaxies. Ces étiquettes humaines constituent aussi un précieux matériau d'entraînement pour des algorithmes capables ensuite de trier des collections bien plus vastes.

Des approches similaires aident pour d'autres tâches : repérer des étoiles qui explosent (supernovae) dans de nouvelles images, trouver des traînées d'astéroïdes, ou signaler des objets rares qui ne ressemblent à rien de connu. L'IA joue souvent le rôle de filtre qui indique aux scientifiques où il vaut la peine de regarder.

Comment l'IA peut aider un amateur

Il n'est pas nécessaire d'être professionnel pour profiter de ces idées. Quelques usages réalistes et modestes :

• Planifier votre soirée : des applications et des assistants IA peuvent résumer ce qui se trouve au-dessus de l'horizon, l'heure du coucher de la Lune et les objets à rechercher. Vérifiez les heures exactes dans un bon outil d'éphémérides ou sur une carte du ciel.
• Identifier des objets : les applications de carte du ciel utilisent l'appareil photo et la localisation de votre téléphone pour vous dire quel point lumineux vous regardez. Il s'agit souvent d'une planète plutôt que d'une étoile.
• Traiter les photos : certains logiciels réduisent le bruit des astrophotos. Soyez prudent : un traitement trop poussé peut inventer des détails qui n'existent pas.
• Apprendre et expliquer : l'IA peut vous aider à comprendre des termes, mais ses réponses doivent être vérifiées auprès de sources fiables.

Pour les bases de l'observation, voir comment observer le ciel, et si vous choisissez votre matériel, jumelles ou télescope. Pour les données stellaires à l'origine de nombreux outils modernes, lisez l'article sur les catalogues d'étoiles Gaia et Hipparcos.

La limite : l'IA assiste, les humains vérifient

L'IA a des limites claires :

• Elle dépend de ses données. Si les exemples d'entraînement sont incomplets ou biaisés, le logiciel manquera ou confondra certains objets.
• Elle peut se tromper avec aplomb. Les modèles de langage donnent parfois des réponses plausibles mais fausses. Pour en savoir plus : les hallucinations de l'IA.
• Elle ne remplace pas l'observation. Un candidat planète n'est qu'un candidat tant que des mesures indépendantes ne l'ont pas confirmé.
• Elle n'assume aucune responsabilité. Un résultat scientifique est défendu par des personnes, avec des méthodes que d'autres peuvent reproduire et avec une relecture par les pairs.

La bonne pratique est donc simple : utilisez l'IA comme aide, et vérifiez les faits qui comptent. La façon de procéder est présentée dans vérifier les faits avec l'IA et dans ce que l'IA peut et ne peut pas faire.

Le plus beau, c'est que l'IA n'enlève rien à l'émerveillement devant le ciel. Elle se charge des gros calculs, tandis que vous et les astronomes gardez l'essentiel : la curiosité, la patience et le plaisir de lever les yeux et de vérifier par vous-même.

Les positions dans Astronativa sont astronomiquement exactes. L'interprétation est source d'inspiration. · Glossaire · Conditions · Confidentialité · Remerciements