Un lycéen de 18 ans a repéré 1,5 million d'objets cosmiques que toute la NASA avait laissés filer. Sa méthode, cent fois plus rapide que les outils classiques, cache un secret que peu imaginaient possible.
Matteo Paz, lycéen américain de 18 ans, a épluché les archives infrarouges du télescope NEOWISE de la NASA et y a débusqué plus de 1,5 million d'objets cosmiques jusqu'alors inconnus. Annoncé en 2025, ce travail n'avait pas pu être achevé par des équipes entières de chercheurs de l'agence spatiale américaine, alors même que les données restaient accessibles à tous.
Scolarisé à Pasadena High School, l'adolescent a suivi plusieurs programmes avancés, dont Math Academy et Planet Finder Academy, avant de rejoindre la Summer Research Connection du Caltech. Tout commence en 2022, quand il a 17 ans, lors de ce stage d'été.
Il y est encadré par Davy Kirkpatrick, astronome spécialiste de l'infrarouge à l'Infrared Processing and Analysis Center. Le télescope infrarouge NEOWISE, lancé en 2009, a accumulé environ 200 milliards de lignes de données, des archives si massives qu'une bonne partie restait peu exploitée.
Plutôt que de trier ces données à la main, Matteo Paz a préféré concevoir son propre algorithme. « Je n'avais pas prévu de fouiller les données à la main », confie-t-il. Kirkpatrick avait pourtant d'abord testé une analyse manuelle sur un petit bout de ciel, jugée trop lente.
« On avait besoin de méthodes intelligentes pour débloquer ce trésor », explique l'astronome au même média. Le lycéen, lui, ne cache pas sa gratitude envers son mentor : « J'ai beaucoup de chance d'avoir rencontré Davy », a-t-il déclaré à Futura Sciences.
[embed]https://www.youtube.com/shorts/Kdt04_h9UU4[/embed]
Un algorithme cent fois plus rapide que les outils classiques
Le résultat de ce travail s'appelle VARnet, un modèle de deep learning intégré à un catalogue baptisé VarWISE. Ce réseau neuronal convolutif a appris sur plus d'un million de courbes de lumière simulées et d'objets déjà connus, pour apprendre à classer automatiquement chaque source selon son comportement temporel, la variation de luminosité d'un astre observée dans le temps.
Sur GPU, le traitement prend moins d'une milliseconde par objet, jusqu'à cent fois plus vite que les pipelines classiques décrits par la NASA.
Le catalogue recense environ 1,9 million d'objets infrarouges variables, dont 1,5 million n'avaient jamais été répertoriés. Parmi ces découvertes figurent :
- des trous noirs supermassifs,
- des étoiles en formation,
- des supernovas,
- des systèmes binaires,
- ainsi que plusieurs dizaines d'astéroïdes et de comètes candidates.
« Ces objets manquaient car trop faibles ou trop proches », précise Matteo Paz à JVTech. La NASA a validé ces résultats et les intègre désormais à ses propres catalogues.
Ce travail lui vaut un article en auteur unique publié dans The Astronomical Journal, en avril 2025. Il remporte par ailleurs le premier prix du Regeneron Science Talent Search 2025, doté de 250 000 dollars. Son catalogue sert déjà de ressource pour de grands observatoires, comme le Vera C. Rubin Observatory.
Matteo Paz étudie désormais l'astrophysique au Caltech et poursuit ses travaux à l'IPAC. Il évoque des applications similaires de sa méthode à toutes les séries temporelles, des marchés financiers à la surveillance de la pollution en passant par la météo extrême. Les archives NEOWISE restent accessibles au public : n'importe qui, muni de compétences en Python, d'un algorithme d'IA et d'un GPU correct, pourrait en théorie reproduire une démarche du même genre.