Dans ce nouveau travail, nous montrons que les statistiques d’ordre supérieur — des outils plus avancés capables d’identifier des motifs, des pics et des textures subtiles dans la toile cosmique — permettent de révéler une bien plus grande partie de l’information contenue dans
la structure complexe de l’Univers à petite échelle.
À l’aide de simulations réalistes de type Euclid, nous testons cinq de ces méthodes : la fonction de distribution de probabilité à un point, la norme l₁, le comptage de pics, les fonctionnelles de Minkowski, et les nombres de Betti. Chacune d’elles surpasse l’approche traditionnelle à deux points, améliorant les contraintes sur le paramètre de l’équation d’état de l’énergie noire, responsable de l’accélération de l’expansion de l’Univers, d’un facteur allant jusqu’à 2 à 3.
Cela signifie que ces sondes d’ordre supérieur ne se contentent pas de retrouver toute l’information accessible par les méthodes standard : elles en extraient aussi de nouvelles, liées à la croissance non linéaire des structures cosmiques. En d’autres termes, elles offrent une
vision plus fine et plus complète de l’Univers.
Nous montrons également que ces résultats demeurent robustes dans des conditions réalistes, notamment lorsqu’on prend en compte les masques observationnels utilisés dans la chaîne d’analyse d’Euclid. Cela fait des statistiques d’ordre supérieur un outil à la fois prometteur et pratique pour les futures analyses des données Euclid.
