Comment Black Hole Hunters traque les trous noirs cachés

Pour débusquer des trous noirs invisibles, Black Hole Hunters demande à des volontaires d’examiner les courbes de luminosité d’étoiles. Ils recherchent un indice discret : lorsqu’un objet sombre passe devant une étoile compagne, sa gravité peut dévier et amplifier la lumière de celle-ci. Les chercheurs s’appuient sur les observations du satellite TESS, tandis que les classifications des bénévoles et des outils algorithmiques aident à trier les données. Un signal intéressant reste une piste à vérifier : repérer un motif ne suffit pas à confirmer la présence d’un trou noir. 1718

Le signal recherché : une étoile qui s’éclaire à répétition

Le projet s’intéresse à l’autolentillage gravitationnel dans les systèmes binaires, où deux étoiles — ou une étoile et un objet compact — sont liés par leur gravité. Si le système est vu sous un angle presque de profil, la lumière de l’étoile visible peut être déviée et amplifiée par son compagnon sombre lorsque celui-ci passe devant elle. Contrairement à un événement de microlentillage isolé, cet éclaircissement peut se répéter au rythme de l’orbite du système. 18

Les chercheurs cherchent cette variation périodique dans les courbes de lumière, qui retracent l’éclat d’une étoile au fil du temps. Des exemples simulés aident les bénévoles à reconnaître les motifs attendus. La foire aux questions du projet précise que ces événements sont rares et qu’au moment où elle a été rédigée, aucun cas concluant d’autolentillage par un trou noir n’avait été identifié.

Bénévoles et algorithmes, un travail en complémentarité

Hébergé sur Zooniverse, Black Hole Hunters propose une formation en ligne avant de demander aux participants de classer des courbes de lumière. Le projet exploite des observations de TESS ; ses chercheurs ont également évoqué l’étude de données provenant d’autres relevés astronomiques. 1718

Les classifications des volontaires ne remplacent pas l’analyse scientifique : elles constituent une étape du processus. Dans une mise à jour publiée en avril 2026, le chercheur Adam McMaster indiquait que les participants avaient soumis 7,6 millions de classifications. Il expliquait que leur travail, associé à des simulations plus élaborées, permettait de développer des algorithmes capables de présélectionner les courbes de lumière et de réduire le nombre de candidats à examiner.

Le projet a été lancé sur Zooniverse le 26 octobre 2021. L’équipe présentée par la plateforme comprend Adam McMaster, Hugh Dickinson et Matthew Middleton, ainsi que des collaborateurs du Flatiron Institute, de l’Open University et de l’Université de Southampton. Cette dernière indique qu’une subvention accordée en 2024 a soutenu les travaux de Middleton et McMaster avec Dickinson, ainsi que le recrutement de bénévoles. 17

Higgs Hunters : une autre science, une autre comparaison

Higgs Hunters s’attaquait à un problème différent. Les volontaires examinaient des images de l’expérience ATLAS, installée au Grand collisionneur de hadrons (LHC), à la recherche de sommets décentrés : des traces de particules qui semblent commencer à distance du point principal de collision. Ces formes peuvent signaler des particules ayant parcouru une certaine distance avant de se désintégrer. Mais une marque inhabituelle sur une image ne constitue pas, à elle seule, la preuve d’une nouvelle particule. 10

Une étude du projet a évalué la capacité de personnes non spécialistes à reconnaître des désintégrations de particules à longue durée de vie et d’autres caractéristiques inhabituelles. Pour les images analysées, elle a rapporté une efficacité et un taux de faux positifs comparables à ceux des algorithmes d’ATLAS. Les auteurs ont aussi indiqué que des volontaires avaient signalé des événements présentant des caractéristiques inattendues, afin qu’ils puissent être examinés de plus près. 3

Selon l’Université d’Oxford, Higgs Hunters a réuni 42 280 participants venus de plus de 170 pays. Des élèves britanniques ont ensuite pris part à une étape d’analyse. Ces chiffres concernent ce projet distinct : ils ne doivent pas être confondus avec les classifications de Black Hole Hunters ni être interprétés comme la preuve que les bénévoles surpassent les algorithmes dans toutes les tâches scientifiques. 4

Ce que ces projets montrent sur la science participative

Ces deux initiatives illustrent une contribution concrète du public à la recherche : des bénévoles formés peuvent aider à parcourir de grands ensembles de données et attirer l’attention sur des motifs que les scientifiques pourront ensuite examiner. Dans le cas de Higgs Hunters, une comparaison avec des algorithmes a été menée pour une tâche précise de classification d’images. Black Hole Hunters, lui, combine les classifications des participants, des simulations et un filtrage algorithmique pour étudier des données astronomiques d’un autre type. Dans les deux cas, un candidat doit faire l’objet d’un suivi scientifique avant de pouvoir être considéré comme une découverte. 318