Katherine Bouman, l’ingénieure de 29 ans qui a aidé à produire la première image d’un trou noir

La collaboration de l’Event Horizon Telescope, qui a révélé la première image d’un trou noir ce mercredi, a impliqué plus de 200 chercheurs et ingénieurs, hommes et femmes de grand talent et dont le rôle de chacun a été essentiel à la publication de cette image. Parmi ces acteurs se trouve Katherine Bouman, une des informaticiennes ayant travaillé sur l’algorithme qui a permis de reconstituer l’image du trou noir à partir des données de l’EHT. 

Bouman, 29 ans, chercheuse postdoctorale au Centre d’astrophysique Harvard-Smithsonian, travaille sur un tel algorithme depuis près de six ans, alors qu’elle était étudiante de troisième cycle au MIT. Elle était l’une des informaticiennes, sur des dizaines d’autres informaticiens/nes, à utiliser des algorithmes pour traiter les données recueillies par le projet Event Horizon Telescope, une collaboration mondiale composée d’astronomes, d’ingénieurs et de mathématiciens.

Des télescopes du monde entier ont capté des ondes radio haute fréquence à proximité de Messier 87 (M87), une galaxie dotée d’un trou noir supermassif à 54 millions d’années-lumière. Mais la perturbation atmosphérique et la précision des mesures signifiaient « qu’un nombre infini d’images possibles » pourrait expliquer les données, a déclaré Bouman. Des algorithmes bien conçus ont dû traverser ce chaos.

« Nous avons assemblé deux des images et les avons ensuite moyennées pour obtenir l’image que nous avons montrée aujourd’hui » déclare Bouman. L’anneau de matière qui entoure M87*, qui a une masse de 6.5 milliards de soleils, « est quelque chose pour lequel nous avions une confiance incroyable ».

Katherine Bouman a répondu à certaines questions posées par le Washington Post. En voici quelques unes :

Q : Vous n’êtes pas astronome. Comment avez-vous été impliquée dans ce projet ?

R : J’ai fait des études en informatique et en génie électrique. J’ai fait mon doctorat dans le domaine de la reconnaissance et l’analyse d’images par ordinateur. Et j’ai entendu parler de ce projet, de cette idée d’imagerie des trous noirs.

À l’époque, je ne savais même pas ce qu’était un trou noir. Mais j’ai suivi cette réunion [où Shep Doeleman, l’astronome de l’Université de Harvard qui dirige le projet Event Horizon Telescope, discutait de trous noirs]. Je ne savais pas de quoi il parlait, mais lorsque j’ai quitté la réunion, je savais que c’était une chose sur laquelle je voulais travailler.

Je m’intéresse à la façon dont nous pouvons voir ou mesurer des choses que nous pensons être invisibles. Et sur comment nous pouvons trouver des moyens uniques de fusionner l’instrumentation et des algorithmes pour mesurer des choses qui ne sont pas mesurables avec des instruments standards.

Q : Quel était le rôle de l’algorithme pour cette image ?

R : Nous avons des télescopes distribués dans le monde entier. Pour chaque groupe de deux télescopes du réseau de télescopes, nous mesurons une seule fréquence spatiale. Nous obtenons donc une information partielle. C’est presque comme voir un pixel dans une image. Nous devons ensuite trouver des méthodes pour traiter ces données très rares et très bruyantes afin de trouver l’image qui pourrait avoir causé les mesures.

Sur le même sujet : Voici comment la première photo d’un trou noir confirme la relativité générale

Ce que nous devons finir par faire est d’imposer des éléments appelés « régularisateurs » ou « priors », qui nous permettent en quelque sorte de dire : ‘Très bien, de toutes les images pouvant éventuellement contenir ces données, cet ensemble d’images est le plus probable’.

Mais le danger est que nous ne voulons pas injecter des informations supplémentaires dans le problème, cela biaiserait nos résultats vers quelque chose que nous nous attendions à voir. Nous avons passé énormément de temps à nous assurer que ce que nous voyions était bien réel et non pas simplement quelque chose que, même inconsciemment, nous aurions pu imposer aux données.

Q : Quand avez-vous su que le trou noir était, eh bien, un trou noir ?

R : Nous étions au moins convaincus de voir cette caractéristique en forme d’anneau. Cependant, nous ne savions pas que les autres équipes obtiendraient le même résultat. Nous nous sommes tous réunis lors d’une séance à Cambridge, au Massachusetts, et le deuxième jour de la réunion, nous avons tous révélé l’image que nous avions reconstituée à partir des données. Ce fut probablement le moment le plus excitant que j’ai jamais vécu avec le projet.

Quand j’ai vu que nous avions tous reconstruit cet anneau, je savais qu’il s’agissait d’une propriété indiquant que nous avions bien affaire à un trou noir.