🇺🇸 Matteo Paz

Matteo Paz a grandi à Pasadena, en Californie — une ville dont l'horizon est dominé, intellectuellement, par le California Institute of Technology et le Jet Propulsion Laboratory de la NASA. La proximité est devenue destinée. En 2022, alors qu'il était encore en première année de lycée, Paz s'est inscrit à la Planet Finder Academy de Caltech, un programme de sensibilisation conçu pour donner aux élèves un avant-goût de la véritable astronomie.

Un avant-goût ne suffisait pas. Paz s'est inscrit à un programme d'été de six semaines à Caltech qui jumelle des étudiants avec des mentors du campus, où il a commencé à travailler avec l'astronome Davy Kirkpatrick à l'IPAC, le centre de données astronomiques de Caltech. La mission qui allait changer sa vie concernait NEOWISE — le vaisseau spatial Wide-field Infrared Survey Explorer reconverti qui avait passé plus d'une décennie à scanner l'ensemble du ciel en lumière infrarouge, chassant principalement les astéroïdes géocroiseurs.

Les archives de NEOWISE constituaient à la fois un trésor et un problème. La mission avait produit environ 200 milliards d'entrées de données individuelles couvrant près de deux décennies d'observations célestes. Enfouis dans cette botte de foin se trouvaient des objets variables — des étoiles qui pulsent, des systèmes binaires qui s'éclipsent mutuellement, des galaxies lointaines alimentées par des trous noirs qui s'embrasent — dont la luminosité change au fil du temps. Les identifier manuellement, une courbe de lumière à la fois, était tout simplement impossible à cette échelle.

La réponse de Paz fut de cesser de chercher manuellement. Il a développé un algorithme d'apprentissage automatique — un modèle d'IA entraîné à reconnaître les signatures infrarouges subtiles de la variabilité dans les données brutes — capable de traiter l'ensemble des archives NEOWISE et de repérer les sources dont la luminosité changeait réellement, par opposition au bruit instrumental qui faisait semblant.

Les résultats furent stupéfiants. Son algorithme a signalé environ 1,5 million d'objets célestes potentiels auparavant inconnus — des étoiles variables candidates, des trous noirs et d'autres sources astrophysiques qui étaient restés dans les propres données de la NASA, invisibles, pendant des années. En astronomie, où une seule nouvelle découverte peut justifier une carrière, un catalogue de 1,5 million de candidats produit par un adolescent constituait un véritable événement.

Le travail n'était pas un coup d'éclat opaque. Paz et son mentor Kirkpatrick ont préparé les résultats pour la communauté professionnelle, avec des plans pour publier le catalogue complet des objets variables issus des données NEOWISE afin que les astronomes du monde entier puissent assurer le suivi des découvertes. Le projet a démontré un principe aux implications bien au-delà d'un seul télescope : une énorme valeur scientifique reste dormante dans les données archivées, attendant de meilleurs outils pour la libérer.

En mars 2025, Paz s'est présenté au Regeneron Science Talent Search, le concours (anciennement parrainé par Westinghouse et Intel) qui identifie les jeunes scientifiques les plus doués d'Amérique depuis 1942 — ses anciens élèves comprennent de nombreux lauréats du Nobel. Face à 40 finalistes dont les projets allaient du traitement de maladies musculaires rares à la résolution de problèmes mathématiques de longue date, Paz a remporté la première place et le prix principal de 250 000 $.

La couverture de sa victoire, du Smithsonian aux publications propres de Caltech, a souligné le même point : il ne s'agissait pas d'un étudiant imitant la recherche, mais d'un étudiant faisant de la recherche à l'échelle professionnelle. Le Steward Observatory de l'University of Arizona a noté avec une certaine fierté que son mentor Kirkpatrick était leur diplômé PhD — un rappel que les grands prodiges sont généralement le produit du talent rencontrant un mentorat généreux.

Paz a été ouvert sur les origines de sa confiance mathématique, attribuant le mérite à un professeur de calcul inspirant du lycée pour avoir accéléré son amour de la matière, et aux programmes de Caltech pour lui avoir confié un véritable problème plutôt qu'un problème factice. Sa trajectoire — d'étudiant de programme de sensibilisation à auteur d'un catalogue d'un million d'objets — a pris à peine trois ans.

Le défi technique qu'il a résolu mérite d'être explicité. NEOWISE a été conçu pour chasser les astéroïdes, pas pour cataloguer les étoiles variables ; ses observations d'une portion donnée du ciel étaient épisodiques, bruitées et n'ont jamais été destinées au type d'astronomie temporelle que Paz a tenté. Extraire une véritable variabilité de ces données signifiait enseigner à un modèle à distinguer le véritable scintillement d'une étoile des artefacts instrumentaux, des impacts de rayons cosmiques et des mille façons dont un détecteur peut mentir. Les relevés professionnels emploient des équipes et des années pour un tel travail. Paz l'a compressé en un projet de recherche de lycée — et a produit une liste de candidats suffisamment grande pour occuper les astronomes de suivi pendant une décennie.

L'argent du prix, aussi substantiel soit-il, pourrait s'avérer la partie la moins précieuse de sa victoire. Le Regeneron Science Talent Search fonctionne comme le système d'alerte précoce le plus fiable de la science américaine : ses meilleurs lauréats s'orientent historiquement vers les institutions et laboratoires de recherche d'élite du pays, et Paz — déjà intégré à l'IPAC de Caltech avant même de finir le lycée — entre dans ce pipeline avec un résultat d'échelle professionnelle déjà derrière lui. Les astronomes cités au sujet du projet ont formulé le point clairement : le catalogue n'est pas un exercice d'étudiant ; ce sont des données que le domaine utilisera réellement.

Ce qui fait résonner l'histoire de Paz au-delà de l'astronomie, c'est sa méthode. Il n'a pas construit un télescope ; il a construit un instrument pour lire ce que les télescopes avaient déjà vu. À une époque où la science génère des données plus vite que les humains ne peuvent les inspecter, l'adolescent de dix-sept ans de Pasadena a démontré que les prochaines grandes découvertes appartiendront peut-être à celui qui écrira les meilleurs algorithmes — et qu'il n'existe pas d'âge minimum pour le faire.