L’astrophysique est une science physique basée sur l’observation. Les instruments de détection sont
toujours plus gigantesques et perfectionnés, la quantité et la qualité des données recueillies imposent à
l’évidence des traitements fiables et efficaces. Les problématiques physiques sont pointues, les objets
étudiés très complexes, de sorte que les analyses et interprétations nécessitent des méthodologies so-
phistiquées. Sans entrer dans les détails, tous les domaines de l’astrophysique sont concernés par une
question statistique sous-jacente, que ce soit au niveau du détecteur (traitement du signal), de l’infor-
mation recueillie (traitement d’image), de l’extraction d’une quantité physique (bruits, distributions) et
de leur exploitation (analyses de données, fouille de données, bases aux millions d’entrées, réduction de
dimensionnalité, classifications multivariées et même "phylogénétiques", ajustements de modèles, tests
discriminatoires, etc).
Les astrophysiciens ont donc un énorme besoin de compétences en statistique, et ce de plus en plus,
mais ne font pas suffisamment appel aux statisticiens et restent donc trop souvent avec des méthodes un
peu dépassées voire inadaptées.
Pourtant, les problématiques astrophysiques sont un défi passionnant pour la recherche en statistique
en lui offrant des données souvent uniques. D’un côté des méthodes éprouvées existent que les astrophy-
siciens ignorent, d’un autre côté des méthodes sont à tester et améliorer, voire inventer, sans lesquelles les astrophysiciens ne pourraient extirper l’information pertinente de leurs observations et de leurs modèles.

Il existe donc à l’évidence un intérêt commun à débrider cette thématique interdisciplinaire.

Astrophysique et statistique entretiennent néanmoins depuis de nombreuses années des liens étroits. En réalité, l'astrostatistique apparaît aujourd'hui comme une véritable discipline mais qui reste un peu dans l'ombre. Elle existe de manière officielle dans quelques rares universités aux Etats-Unis et en Angleterre, ainsi que lors de conférences régulières plus particulièrement autour du traitement des données dont des références sont indiquées en fin de ce message. En France, l'enquête de l'INSMI en 2010 (rapport sur "Les interactions pluridisciplinaires des mathématiques") montre que les collaborations entre mathématiciens et astrophysiciens sont étonnamment faibles.

Afin d'aller au-delà de ces liens issus d'initiatives principalement locales et individuelles, l'Institut International de la Statistique (ISI) a mis en place en Janvier 2010 un Comité et un Réseau d'Astrostatistique sous la houlette de Joseph Hilbe (http://isi-web.org/com/ast). Ce réseau compte aujourd'hui plus d'une centaine de membres, statisticiens et  astrophysiciens. L'astrostatistique est par essence interdisciplinaire, et ne peut exister uniquement comme sous-ensemble d'un domaine ou d'un autre. Du reste, elle pourrait concerner  d'autres communautés comme l'informatique, le traitement du signal et de l'image, ainsi que la classification et les systèmes complexes. Il est donc envisageable de créer une  association internationale d'astrostatistique, indépendante de l'ISI et de l'IAU (Union Astronomique Internationale).


Il apparaît ainsi opportun aujourd'hui de répertorier la communauté française autour de l'astrostatistique. Si besoin elle pourra être structurée pour encourager les collaborations, favoriser les projets scientifiques en fournissant une meilleure visibilité à cette discipline, et assurer des formations croisées entre disciplines.


L'objectif de ce premier atelier est de rassembler astrophysiciens et statisticiens impliqués ou intéressés par l'astrostatistique afin d'identifier les intérêts scientifiques et les besoins en terme d'expertise, de collaboration et de formation.




Quelques thématiques de l'astrostatistique
------------------------------------------------------------------

Cosmologie bayesienne, lentilles gravitationnelles (weak lensing)
Fluctuations, statistiques de fonctions de corrélations à n points (isotropie, gaussianité)
Signal et bruit
Réduction de dimensionalité
Classification multivariée
Spectres
Data mining
Images (déconvolution, détection automatique de formes et structures)
Images hyperspectrales, hypercubes
Parcimonie
Model-fitting
Séries temporelles