Une intelligence artificielle découvre des exoplanètes

Les exoplanètes sont presque devenues une spécialité suisse depuis que Michel Mayor et Didier Queloz, de l’Université de Genève, ont démontré en premier l’existence de l’une d’elles. La principale technique pour repérer ces planètes qui, comme leur nom l’indique, sont en dehors de notre système solaire est la méthode des transits. Lorsque l’un de ces corps célestes passe entre son étoile et nous, il masque une partie de la lumière de son soleil. En calculant cette baisse de luminosité, on peut donc non seulement déduire l’existence de cette exoplanète, mais également son diamètre. Pour être sûr de son coup, il faut que ces observations aient été répétées plusieurs fois avec les mêmes résultats.

Sauf que parfois, cette périodicité est altérée par l’interaction avec d’autres planètes. Et donc il est impossible de détecter cette exoplanète. À moins de trouver des outils prenant en compte ces altérations. «C’est pourquoi nous avons songé à utiliser l’intelligence artificielle appliquée à la reconnaissance d’images, explique Adrien Leleu, chercheur au Département d’astronomie de la Faculté des sciences de l’UNIGE et au NCCR PlanetS. Il est en effet possible d’apprendre à une machine, en utilisant un grand nombre d’exemples, à prendre en compte tous les paramètres et prédire l’effet des interactions entre planètes dans une représentation imagée de l’effet induit.» Les astronomes des universités de Genève et de Berne se sont alors associés à l’entreprise française Disaitek.

Le type d’intelligence artificielle (IA) utilisé est le même que celui d’un véhicule autonome: un réseau de neurones qui analyse chaque pixel d’une image pour savoir de quoi il s’agit: trottoir, panneaux ou piétons dans le cas d’une voiture. Dans le contexte de détection d’exoplanètes, le but est de déterminer, pour chaque mesure de luminosité de l’étoile, si l’éclipse d’une planète est observée. Le réseau de neurones prend sa décision en recoupant toutes les observations disponibles de cette étoile avec l’éventail de configurations vues durant son apprentissage.

Et ça fonctionne! Dès les premiers essais de cette méthode «nous avons découvert deux exoplanètes, Kepler 1705b et Kepler 1705c, qui avaient été totalement manquées par les précédentes techniques», révèle Adrien Leleu. Mieux, cette technique permet également d’obtenir des indications sur le rayon d’une exoplanète ainsi que sur sa masse, et donc sa densité et sa composition.

Si la méthode est très utile en astrophysique, elle peut également servir sur Terre. À partir d’images satellites à très haute résolution, Disaitek utilise désormais cette IA pour traiter des problématiques environnementales, notamment la détection des dépôts sauvages de déchets et des décharges illégales. Un fléau en constante augmentation qui ne trouvait pas de réponse claire avec les moyens traditionnels.