Depuis la découverte de l'accélération de l'expansion de l'univers à la fin des années 90, le modèle LambdaCDM décrivant les propriétés de l'univers avec seulement six paramètres, demeure encore à ce jour en accord avec les observations actuelles. La découverte de l'accélération de l'expansion de l'univers révéla l'existence d'une nouvelle composante noire de l'univers: la matière noire qui constitue 70% de la densité totale de l'univers. Durant ces dernières années, de nombreuses expériences furent proposées dans le but d'étudier l'accélération cosmique, et cela grâce à diverses sondes cosmologiques, par exemple le groupement de galaxies, les Supernovae, les lentillages gravitationnels faible et fort, le fond diffus cosmologique ou les amas de galaxies. Afin de quantifier les performances des sondes cosmologiques, la Dark Energy Task Force (DETF) a défini une métrique de la Figure de Merit comme inversement proportionnelle à la surface du contour donnée par les paramètres d'énergie noire w0, et wa issus de la paramétrisation Chevallier-Polarski-Linder. Nous entrons actuellement dans une ère de haute précision avec la génération IV des grands relevés d’énergie noire: Euclid, DESI, LSST, et W-FIRST. La prédiction des contraintes et de la Figure de Merit qu'apportera une future expérience (forecasts) est aujourd'hui devenue l'une des principales préoccupations des scientifiques, car en plus de prédire les performances des futurs relevés, les forecasts aident à leur conception. Ce travail a pour but de donner des estimations quantitatives sur le pouvoir contraignant de quelques principaux relevés de génération IV (Euclid, DESI, et LSST) dans le cadre du modèle LambdaCDM, mais aussi pour ses extensions (modèles relâchant les paramètres de l'énergie noire, et modèles de gravité modifiée). Ce travail se concentre également sur l'aspect numérique des approches statistiques utilisées dans les forecasts et présente des méthodes assurant la robustesse des résultats via des analyses de stabilité, de convergence, et grâce aux comparaisons entre différentes approches possibles (formalisme de Fisher, et Monte-Carlo Markov-Chain). Dans cette thèse, nous montrons qu'effectuer des corrélations croisées entre différentes sondes cosmologiques améliore considérablement la Figure de Merit, en particulier pour Euclid, le gain étant moins important pour LSST. La comparaison des relevés montre toutefois que LSST sera potentiellement le relevé de génération IV qui fournira la plus grande Figure de Merit, contrairement à DESI qui sera le relevé le moins performant. Nous mettons également en avant que l'analyse multi-traceurs effectuée sur les différentes populations qu'observera DESI ne permet pas un gain considérable sur les contraintes et la Figure de Merit par rapport à une simple analyse mono-traceur. |
Since the discovery of the acceleration of the expansion of the universe in the late 90s, the LambdaCDM model that describes the properties of the universe with only six parameters, remains to this day in agreement with the current observations. The discovery of the acceleration of the expansion of the universe revealed the existence of a new dark component of the universe: the dark matter which constitutes 70% of the total density of the universe. In recent years, many experiments have been proposed to study cosmic acceleration, thanks to various cosmological probes, for instance galaxy clustering, Supernovae, weak and strong lensing, the cosmic microwave background or clusters of galaxies. In order to quantify the performance of cosmological probes, the Dark Energy Task Force (DETF) has defined a metric of the Figure of Merit as inversely proportional to the contour area given by the dark energy parameters w0, and wa from the Chevallier-Polarski-Linder parameterization. We are entering an era of high precision with generation IV dark energy surveys Euclid, DESI, LSST, and W-FIRST. The prediction of the constraints and the Figure of Merit that a future experiment will bring (forecasts) has now become one of the main concerns of scientists, because in addition to predicting the performance of future surveys, the forecasts help in their design. The purpose of this work is to provide quantitative estimates of the binding power of some of the main Generation IV surveys (Euclid, DESI, and LSST) as part of the LambdaCDM model, but also for its extensions (models releasing darke energy parameters, and modified gravity models). This work also focuses on the numerical aspect of the statistical approaches used in the forecasts and presents methods ensuring the robustness of the results thanks to stability and convergence analysis, and through comparisons between different possible approaches (Fisher formalism, and Monte-Carlo Markov-Chain). In this thesis, we show that carrying out cross-correlations between different cosmological probes significantly improves the Figure of Merit, especially for Euclid, the gain being less important for LSST. However, the comparison of the surveys shows that LSST will potentially be the Generation IV survey that will provide the largest Figure of Merit, contrarily to DESI which will be the poorest performing survey. We also highlight that the multitracer analysis carried out on the different populations that will observe DESI does not bring a considerable gain on the constraints and the Figure of Merit compared to a simple single-tracer analysis. |