Une récolte de candidats qui pourrait remodeler la science des exoplanètes
Les astronomes ont peut-être identifié l’un des plus grands ensembles de candidats exoplanètes jamais signalés en une seule fois. Selon un nouveau préprint décrit dans le matériel source fourni, des chercheurs ont découvert 11 554 candidats exoplanètes en appliquant un algorithme d’apprentissage automatique à des courbes de lumière provenant de 83 717 159 étoiles observées par le Transiting Exoplanet Survey Satellite de la NASA, ou TESS.
Si ces candidats sont confirmés, le résultat marquerait un bond extraordinaire du nombre de mondes connus au-delà du système solaire. Le texte source note que plus de 6 000 exoplanètes avaient été confirmées en septembre 2025, avec près de 300 ajoutées depuis. Une récolte validée à cette échelle ferait grimper le total vers 18 000, soit presque le triple du nombre actuel.
Ce chiffre en tête d’affiche explique précisément pourquoi cette annonce mérite à la fois attention et prudence. Les candidats signalés ne sont pas encore des planètes confirmées, et l’étude n’a pas été évaluée par les pairs. Néanmoins, même au stade des candidats, ce travail montre combien le potentiel de découverte reste enfoui dans les données astronomiques existantes.
Pourquoi autant de mondes ont pu être manqués
La méthode de base derrière cette recherche est bien connue des spécialistes des exoplanètes. TESS observe les étoiles à la recherche de minuscules baisses de luminosité pouvant se produire lorsqu’une planète passe devant son étoile hôte du point de vue de la Terre. Ces événements sont appelés transits. Le défi est celui de l’échelle. Lorsque l’ensemble de données porte sur des dizaines de millions d’étoiles, le nombre de signaux faibles, bruités et ambigus devient trop grand pour être examiné efficacement par les méthodes traditionnelles.
C’est là que le nouvel algorithme semble avoir apporté sa plus grande contribution. En parcourant plus de 80 millions d’étoiles, il aurait repéré des signatures subtiles qui auraient autrement été pratiquement impossibles à détecter. Cela rappelle que la découverte en astronomie ne dépend plus seulement de télescopes plus grands. Elle dépend aussi de la capacité à extraire davantage de signal des données que les télescopes recueillent déjà.
Lancé en 2018, TESS se prête particulièrement bien à ce type d’exploration à grande échelle, car il a produit une archive immense d’observations stellaires répétées. Chaque courbe de lumière est un enregistrement de l’évolution de la luminosité dans le temps. Cachées parmi ces courbes peuvent se trouver les baisses régulières produites par des planètes en orbite, mais aussi du bruit lié à l’activité stellaire, à l’instrumentation et à d’autres effets astrophysiques. L’apprentissage automatique offre une façon de trier cette complexité à grande échelle.
