AstroGraphAnomaly : Détecter les étoiles les plus inhabituelles avec des graphes et de l'intelligence artificielle
AstroGraphAnomaly : À la recherche des étoiles les plus étranges de Gaia grâce aux graphes
Auteur : Didier Daloze
Date : 6 février 2026
Le catalogue Gaia DR3 contient plus d’un milliard de sources. La très grande majorité suit des comportements « normaux » : étoiles de disque, halo, naines rouges, etc. Mais une infime fraction présente des caractéristiques inhabituelles - mouvements propres extrêmes, positions improbables, couleurs atypiques, ou isolement structurel. C’est précisément cette population rare que le projet open-source AstroGraphAnomaly vise à détecter de façon automatique et reproductible, même sans exemples étiquetés d’anomalies.
Le cœur de la méthode repose sur :
Un graphe k-NN construit dans l’espace ciel (RA/Dec, k=5 par défaut)
Un scoring d’anomalie (Isolation Forest ou PineForest)
Des métriques de graphe (degré, centralité, communautés, bridges)
Une explicabilité locale (LIME + prompts LLM)
Voici ce que révèlent les visualisations produites par le pipeline sur un champ test (autour de RA ≈ 10° et Dec ≈ 20° dans les premiers graphiques, puis autour de RA ≈ 180° dans les plus récents).
1. Distribution globale des scores d’anomalie
Distribution des Scores d'Anomalie
(Histogramme + KDE - pic marqué à ~0.35, longue queue vers 0.70+)
La population principale est très concentrée autour de scores bas (0.35-0.40). La queue à droite représente les candidats anormaux. Cette forme asymétrique classique montre que la détection fonctionne : les outliers sont bien séparés de la masse.
2. Qu’est-ce qui distingue les anomalies des étoiles normales ?
Comparaison des Moyennes des Features
(Barres groupées : anomalous en bleu, normal en vert)
Les anomalies se démarquent sur presque toutes les dimensions Gaia :
Plus brillantes en G (magnitude moyenne plus basse)
Légèrement plus rouges (bp_rp plus élevé)
Nettement plus proches (parallaxe beaucoup plus élevée)
Mouvements propres fortement négatifs et très dispersés (pmra et pmdec)
Ce profil est typique des étoiles locales à haute vitesse propre (high proper motion stars), de naines proches ou d’objets dont l’astrométrie est perturbée.
3. Classement des top candidats par score
Anomaly Score par Source ID
(Barres descendantes des IDs Gaia les plus anormaux)
Les scores les plus élevés dépassent 0.70. On remarque des regroupements d’IDs (préfixes 4008…, 4020…) → probable concentration spatiale ou lot Gaia commun. Ces 20-30 premières sources sont les priorités.
4. Visualisation dans l’espace du graphe k-NN
Graphe Anomalies (k-NN)
(Projection 1D/diagonale, couleur par score d’anomalie)
Les points les plus hauts (jaune/orange) sont les plus éloignés le long de cette structure. Cela montre que les anomalies ne sont pas seulement extrêmes en valeurs brutes, mais aussi isolées dans leur voisinage spatial (faible connectivité dans le graphe k-NN ciel).
5. Position sur le ciel des top anomalies
Top Anomalies : Position et Score
(Scatter RA vs Dec, couleur par score)
Les anomalies se concentrent fortement dans une petite zone (~0.5° × 0.5° autour de RA 10-10.5°, Dec 20-20.5°). Cette non-uniformité spatiale est un indice majeur : soit une vraie population astrophysique locale, soit un artefact régional Gaia.
6. La candidate la plus extrême après filtrage
Filtered Anomalies : Position et Score
(Zoom très serré, un point dominant à score ~0.90)
Après application d’un seuil élevé, une seule source se détache nettement (score proche de 0.90). Elle cumule : extrême en features, isolement maximal dans le graphe, et position précise. C’est la cible prioritaire n°1.
7. Diagramme couleur-magnitude (HR-like) de l’échantillon
Diagramme Couleur-Magnitude Gaia
(BP-RP vs G - diagramme classique de Gaia)
On observe la séquence principale bien définie, avec un nuage dense autour de BP-RP ≈ 0.5-1.5 et G ≈ 16-20. Les points les plus rouges et/ou les plus brillants (en bas à droite) correspondent souvent aux candidats proches à mouvements élevés - cohérent avec les moyennes vues plus haut.
8. Distribution spatiale complète des étoiles sélectionnées
Distribution des étoiles Gaia dans la région sélectionnée
(Nuage circulaire RA ≈ 179-181°, Dec ≈ 29-31°)
Ce plot montre l’ensemble des sources extraites dans le champ analysé (forme circulaire typique d’une requête cone-search Gaia). La densité est relativement uniforme, mais les anomalies (vues précédemment) se situent dans des sous-régions spécifiques.
9. Structure communautaire du graphe k-NN
Graphe Anomalies par Communauté (k-NN)
(Graphe nodulaire coloré par communauté, échelle de -0.9 à -1.1)
Ce graphe visualise les nœuds (étoiles) et arêtes (voisins k-NN). Les couleurs représentent les communautés détectées (algorithme Louvain ou équivalent). On observe :
Une grande composante centrale connectée
Plusieurs petites communautés périphériques
Certains nœuds très isolés ou en pont entre communautés
Les anomalies ont tendance à se situer aux interfaces ou dans les petites communautés périphériques, ce qui renforce leur statut d’outliers structurels.
Conclusion et perspectives
AstroGraphAnomaly démontre une approche cohérente et puissante :
Séparation claire entre normal et anormal (scores + features)
Détection d’isolement à la fois statistique et structurel (graphe)
Concentration spatiale des outliers → indice astrophysique ou instrumental
Visualisation communautaire qui révèle la topologie locale du ciel
Le code est disponible sous licence MIT :
https://github.com/dalozedidier-dot/AstroGraphAnomaly
Prochaines étapes envisagées :
Ajout systématique de RUWE, excess noise, phot_bp_rp_excess_factor
Tests sur d’autres régions (amas, pôles galactiques, zones de faible densité)
Publication des top candidates si validation astrophysique
Intégration plus poussée de l’explicabilité (LIME + LLM automatique)
Et toi, que penses-tu de cette concentration autour de RA ≈ 10° / Dec ≈ 20° (premiers plots) et de la nouvelle zone autour de 180° ? Prêt à creuser l’une de ces super-candidates ?