| Resumé |
Le modèle cosmologique de concordance, bien qu'il prédise avec précision de nombreuses observations, ne fournit pas des explications physiques pour plusieurs phénomènes : l'énergie sombre et l'expansion accélérée récente, l'inflation de l'ère primordiale, et la nature de la matière noire. Les amas de galaxies, étant les objets effondrés les plus massifs de notre Univers, sont une sonde cosmologique importante, à l'intersection de la croissance des structures et de l'histoire de l'expansion de l'Univers. Ils peuvent nous aider à répondre aux grandes énigmes actuelles de la cosmologie. Un défi clé pour les analyses d'amas, dont le populaire test des comptages, est de relier les propriétés observées à la masse des amas - une quantité critique pour la cosmologie. La plupart du contenu baryonique des amas est constitué d'un plasma diffus émettant en rayons X, ce qui rend cette longueur d'onde pratique pour leur étude. La modélisation classique dans les analyses de comptage en rayons X nécessite des relations d'échelle empiriques pour obtenir des diagrammes d'observables X (XODs). Cependant, ce formalisme limite le potentiel cosmologique des échantillons d'amas, car les relations d'échelle sont sur-paramétrées, dégénérées avec la cosmologie, et faiblement reliables aux processus physiques du gaz. Dans ma thèse, j'utilise d'abord la modélisation classique pour estimer le potentiel d'ATHENA, un puissant télescope X lancé dans les années 2030, pour détecter les amas. En fonction de ses caractéristiques techniques attendues, je montre que les relevés profonds d'ATHENA permettront d'atteindre des amas bien plus éloignés que ceux des échantillons X actuels. Je fournis ensuite des prévisions cosmologiques sur ces relevés, qui soulignent l'importance cosmologique des amas distants, en particulier pour mieux contraindre l'équation d'état de l'énergie noire. Je propose ensuite de réviser la modélisation directe des XODs pour ne plus recourir aux relations d'échelle analytiques. Je développe un modèle basé sur des simulations, lesquelles intègrent tous les processus astrophysiques impactant le gaz intra-amas. Comme les simulations hydrodynamiques sont trop coûteuses pour être utilisées lors d'une analyse cosmologique, j'utilise une approche d'apprentissage automatique pour accélérer le calcul des propriétés du gaz, que je conditionne sur les paramètres cosmologiques et astrophysiques. J'intègre ensuite ce modèle dans une chaîne complète et rapide, qui produit des XODs directement à partir des paramètres de simulation, et peut être utilisée pour une inférence, sans relations d'échelle. Contrairement à la modélisation analytique, cette méthode basée sur des simulations ne permet pas le calcul explicite de la vraisemblance. J'utilise donc des méthodes d'inférence sans vraisemblance pour obtenir des posteriors cosmologiques. Je compare d'abord les inférences explicites et implicites sur des XODs analytiques, puis je teste enfin l'inférence implicite sur des XODs simulés. Je montre que ce modèle est moins dégénéré et peut fournir des contraintes cosmologiques plus fortes que le modèle analytique. La paramétrisation est aussi plus pertinente car directement basée sur des processus astrophysiques. Je discute enfin des pistes pour appliquer avec succès cette approche sur des échantillons d'amas observés. Dans un contexte où les nouveaux grands relevés du ciel (par eRosita, Euclid, Rubin...) vont nous procurer de très riches catalogues d'amas, cette modélisation basée sur des simulations pourrait permettre de maximiser l'information cosmologique tirée de ces relevés. |