Préambule

Le XX siècle a vu l'avénement, parallèlement au développement d'instruments de plus en plus sensibles, de la cosmologie observationnelle. Initiée par la découverte de l'expansion de l'univers par Edwin Hubble en 1929, l'une des pierres angulaires de la théorie du « Big Bang », elle se poursuivit avec la détection en 1970 des effets dynamiques d'une masse gravitationnelle bien supérieure à la masse lumineuse observée dans les galaxies et les amas de galaxies. Cette matière de nature énigmatique a été baptisée matière noire, et semble former un halo autour des galaxies et des amas de galaxies. Dernier rebondissement en date, l'utilisation des supernovæ de type Ia comme indicateurs de distance a montré en 1998 que l'expansion de l'univers était en phase d'accélération. Une forme d'énergie énigmatique, qui avait été introduite en 1917 sous le nom de constante cosmologique par Albert Einstein pour obtenir une solution statique à ses équations, est alors réhabilitée. De nombreuses théories alternatives ont été proposées pour décrire cette énergie noire, ou énergie du vide dont la pression est négative, mais les données disponibles en cette fin de siècle ne permettent pas de les distinguer.

C'est dans le but de mieux contraindre l'équation d'état de l'énergie noire, et ainsi de pouvoir conclure sur sa nature, que le programme SNLS a été imaginé. Reprenant la fructueuse méthode des supernovæ de type Ia, mais à une échelle industrielle, le SNLS table sur un échantillon de 700 supernovæ de type Ia identifiées en 5 ans de fonctionnement, à des décalages Doppler vers le rouge (le redshift) compris entre 0.2 et 1. La précision attendue sur le paramètre d'état est de 5%.

La classification des supernovæ est fondée sur la présence ou l'absence de marqueurs spectraux de divers éléments chimiques (Hydrogène, Hélium, Silicium, Soufre). Leur détection inambigüe devient d'autant plus difficile que la supernova est lointaine (donc faible) et proche du centre de sa galaxie hôte (contamination par le spectre galactique). Pour ces cas difficiles, on recourt généralement à un ajustement global du spectre par une librairie de spectres de galaxies et de supernovæ de tous types, pour trouver la combinaison de supernova plus galaxie qui reproduit le mieux le spectre observé. Une majorité des spectres obtenus pour le SNLS sont dans ce cas, surtout au delà d'un redshift de 0.5. La technique d'ajustement de modèles est intrinsèquement limitée par la densité de la librairie disponible, et la classification de spectres à bas niveau de signal se fait sur des structures spectrales proches de la limite de détectabilité, rendant incertaine la classification.

Il devient alors important d'être assuré que ces structures ne sont pas des artefacts créés par la chaîne de traitement (résidu du fond de ciel, trace de rayon cosmique, sensibilité mal mesurée). À cette fin, et pour traiter les pixels de données le plus convenablement possible, j'ai réalisé un chaîne de traitement complète, adaptée à nos abondantes données. Ses spécificités résident principalement dans le filtrage temporel des impacts de rayons cosmiques (par moyenne robuste des séries de spectrogrammes), et l'absence de rééchantillonnage pour corriger des distorsions (des écarts à la linéarité de la fonction de dispersion). Le produit de réduction est un spectrogramme émargé, exempt de fond de ciel et accompagné de l'image du modèle du bruit statistique propagé. Cette dernière permet d'identifier la position des impacts de rayons cosmiques ayant été rejetés, le niveau du fond de ciel, et les creux de sensibilité du détecteur.

Lorsque la galaxie hôte est résolue sur le spectrogramme, la méthode usuelle pour mesurer le spectre de la supernova consiste à extraire le spectre à la position de la supernova et à côté de la supernova, où seul le spectre de la galaxie est présent. La soustraction d'une fraction de ce dernier au premier qui contient le spectre de la supernova contaminé par un fond galactique, permet alors d'obtenir le spectre de la supernova seule. Ceci est d'autant moins praticable que la galaxie est peu résolue, et la soustraction introduit un bruit supplémentaire au spectre extrait. Moyennant une hypothèse d'achromatisme des sources étendues, j'ai implémenté l'extraction multi-composantes des sources prédites par l'imagerie (champs profonds et courbes de lumière des transients), en divisant les galaxies en 3 groupes : ponctuelles (non résolues), étendues (elliptiques) et mixtes (spirales, formées d'un cur ponctuel et de bras étendus, soit deux composantes). La supernova est une source transitoire ponctuelle supplémentaire, dont la position est fournie par la chaîne de détéction photométrique.

Après un chapitre de rappels succints de la nature morbide des supernovæ, le deuxième chapitre détaille le fonctionnement du programme SNLS, et en particulier l'identification spectroscopique en temps réel des spectres fournis par l'instrument FORS1 du VLT (Very Large Telescope).

Le troisième chapitre est consacré à la chaîne de traitement des spectrogrammes que j'ai réalisée. Chaque étape de calibration (cosmétique du capteur, calibration en longueur d'onde et calibration en flux) y est détaillée, ainsi que l'étape de moyennage de la série de spectrogramme pour obtenir un spectrogramme combiné, exempt de fond de ciel et d'impacts de rayons cosmiques.

La méthode d'extraction à composantes multiples à laquelle j'ai abouti pour obtenir une séparation efficace du spectre de la supernova de celui de sa galaxie hôte (lorsque c'est possible) fait l'objet du quatrième chapitre. Cette méthode utilise les informations de l'imagerie pour définir les sources à extraire et pour guider l'extraction.

Enfin, on trouvera dans le dernier chapitre un résumé de l'ensemble des données fournies par FORS1 au cours du premier Large Program, de Juin 2003 à Septembre 2005. 184 candidats ont été pointés, dont 63% sont des supernovæ de type Ia, confirmées ou probables (55% la première année, 72% la seconde).