Anthropic et Claude Science dressent la première carte complète du ciel en ultraviolet

Anthropic a publié la première carte complète de tout le ciel en ultraviolet. Elle a été réalisée par Brice Ménard, astrophysicien à l'université Johns Hopkins et chercheur chez Anthropic, avec Claude Science. La carte associe l'UV lointain (154 nm) et l'UV proche (232 nm). Environ un tiers de sa surface, y compris une partie importante du plan de la Voie lactée, n'a pas été mesuré par des télescopes : il est prédit par un modèle. Chaque pixel est marqué « mesuré » ou « prédit », et accompagné d'une estimation d'incertitude.

Pourquoi il n'existait pas de carte UV complète

L'ultraviolet est absorbé par la couche d'ozone : on ne peut donc l'observer que depuis l'espace. En un demi-siècle, les télescopes ont accumulé beaucoup de données, mais la couverture du ciel reste inégale. Le plus gros jeu de données vient de la mission NASA GALEX (2003–2013) : environ 38 000 observations distinctes, soit à peu près deux tiers du ciel. Seulement, GALEX évitait délibérément les zones comportant des étoiles très brillantes, afin de ne pas endommager ses détecteurs. Or ces zones se trouvent justement dans le plan de la Galaxie, là où les étoiles sont les plus denses. Swift et l'instrument sud-coréen FIMS/SPEAR ont apporté des données supplémentaires, mais l'ensemble fusionné comptait encore de nombreux trous.

Les méthodes statistiques pour estimer les zones manquantes sont connues. Le problème, c'est le travail qu'elles exigent : un étalonnage à l'échelle du pixel et de nombreuses analyses répétées, soit des semaines de travail minutieux. Brice Ménard reconnaît que les astrophysiciens repoussent ce genre de tâches au profit de sujets plus urgents. Résultat : en cours, il devait s'excuser pour une carte UV criblée de zones vides. Chaque discipline traîne le même type de backlog : des projets qui expliqueraient une idée clé ou aideraient des collègues, mais qui n'arrivent jamais en haut de la liste.

Comment les agents ont construit la carte

À l'été 2026, Brice Ménard a confié à Claude Science une tâche simple à formuler et difficile à réaliser : rassembler tous les relevés UV disponibles, les ramener à une échelle commune, les fusionner en une seule carte et remplir les zones qu'aucun télescope UV n'avait observées. Claude a joué le rôle d'orchestrateur d'une équipe d'agents IA, et le travail s'est déroulé en plusieurs étapes :

• les agents ont cherché sur le web des relevés UV astronomiques publics, chacun contenant des milliers ou des dizaines de milliers d'images ;
• les données téléchargées ont été rendues cohérentes entre elles, afin de pouvoir comparer des images prises à des années d'écart ;
• autour des étoiles brillantes, la lumière parasite a été supprimée, comme l'éblouissement d'un lampadaire sur une photo, faute de quoi on ne peut pas mesurer la faible lueur UV voisine ;
• les différentes régions du ciel ont été traitées en parallèle, chacune par son propre agent ou groupe d'agents ;
• les relevés ont été étalonnés les uns par rapport aux autres, ramenés à une même résolution et projetés dans un système de coordonnées commun.

Brice Ménard a donné les instructions de haut niveau pour la fusion, et Claude s'est chargé des détails. Les autres précisions, notamment la méthode de prédiction des zones manquantes, ne figurent pas dans l'extrait disponible du matériel. On sait seulement qu'elle est décrite dans la publication originale d'Anthropic.

À quoi servira le résultat

La première application est pédagogique. Les étudiants pourront observer en UV la structure de la Voie lactée : les nuages autour des jeunes étoiles, les anneaux laissés par les supernovae, la poussière éclairée par la lumière stellaire. Les couches « mesuré/prédit » et les cartes d'incertitude permettent de distinguer les données réelles des données issues du modèle. Pour le travail scientifique, c'est essentiel : les régions prédites ne peuvent pas être traitées comme des observations, mais peuvent être utilisées en tenant compte de l'erreur estimée.

La principale leçon dépasse l'astronomie. Une tâche du type « un jour, peut-être », pour laquelle un spécialiste manquait de semaines, a été menée à bien par des agents coordonnés en un seul projet estival. Pour les équipes de recherche, c'est un signal : il faut passer en revue leur backlog à la recherche de travaux à l'énoncé clair, aux données ouvertes et à l'étalonnage lourd mais formalisable. Ce sont précisément ces tâches que les systèmes d'agents prennent le plus volontiers en charge. Quant à la couche d'incertitudes, elle montre comment étiqueter un résultat produit par une IA pour qu'il puisse être vérifié.