Soutenance de thèse de Sylvain GOUYOU BEAUCHAMPS

Grâce aux futurs grands relevés de galaxies, comme Euclid, les observables de la structure à grande échelle de l'univers pourront être mesurées avec une précision encore jamais atteinte. Cela devrait permettre de lever le voile sur les mystères de la cosmologie moderne, comme l'origine de l'expansion accélérée de l'univers et la valeur de la masse totale des neutrinos. Cependant, pour tirer profit de mesures aussi précises, il est impératif de contrôler et comprendre les sytématiques liées aux différentes étapes des analyses statistiques qui sont mises en oeuvre pour extraire les paramètres cosmologiques des observables. En particulier, la modélisation théorique et la matrice de covariance de nos observables sont les principaux ingrédients de la fonction de vraisemblance, centrale dans l'estimation statistiques des paramètres cosmologiques. Ces ingrédients doivent être contrôlés avec une grande précision afin de fournir des contraintes cosmologiques non biaisées. Cette thèse s'inscrit dans la préparation du relevé textit{Euclid} et vise à étudier les biais potentiels sur l'estimation des paramètres cosmologiques provenant d'une mauvaise modélisation de l'un ou l'autre de ces composants de la fonction de vraisemblance. Après avoir défini le contexte général de la cosmologie de précision et introduit les concepts théoriques et techniques exploités dans cette thèse, je présenterai les résultats des deux analyses que j'ai menées. Une première partie de cette thèse se consacre à une étude des biais sur l'estimation des postérieurs des paramètres cosmologiques, obtenus avec le spectre de puissance de la matière. En particulier, je me concentre sur les effets induits par: l'estimation de la matrice de covariance avec un nombre fini de simulations, la covariance non-gaussienne générée par l'évolution non-linéaire du champ de densité aux petites échelles et la modélisation théorique du spectre de puissance non-linéaire. Comme l'un des principaux objectifs d'Euclid est de mesurer précisément la somme de la masse des neutrinos, je consacre une attention particulière à l'estimation de ce paramètre en effectuant l'analyse à partir de simulations N-corps qui incluent des neutrinos massifs. La seconde étude présentée dans cette thèse vise à quantifier l'effet de la covariance non-gaussienne induites par les corrélations entre les modes internes et externes au relevé, appelée la covariance super-relevé (SSC). Une prévision des contraintes cosmologiques obtenues avec Euclid, dans le cadre d'une analyse combinant le comptage des galaxies avec des données photométriques et le lentillage gravitationel faible, indique que la SSC représente une part non négligeable de l'erreur totale sur les paramètres cosmologiques. De plus, je présente une nouvelle méthode permettant de tenir compte de la géométrie du sondage dans le calcul de la SSC.

Upcoming cosmological surveys such as Euclid, aim at providing measurements of cosmological observables coming from the Large Scale Structure of the universe with an unprecedented precision. This should help in uncovering the mysteries of modern cosmology, like the origin of the accelerated expansion of the universe and the value of the total neutrino mass. However, to take advantage of such precise measurements, we must control and understand the systematics linked to the different steps of the statistical analysis which are exploited to extract cosmological parameters from the observables. In particular, the theoretical modeling and the covariance matrix of our observables are the most important ingredient if the likelihood function, that is central in the statistical estimation of cosmological parameters. This thesis aims at studying the potential biases on cosmological parameter estimation, coming from a poor modeling of either of these ingredients of the likelihood, in the preparation of the Euclid survey. After setting the general context of precision cosmology and introducing the key theoretical and technical concepts exploited in this thesis, I will present the results of the two analysis that I conducted. A first part of this thesis is dedicated to a study of the biases on the estimation of cosmological parameter posteriors, with the matter power spectrum. In particular I focus on effects induced by: the estimation of the covariance matrix with a finite number of mocks, the non-Gaussian covariance arising from non-linear clustering on small scales and the theoretical modeling of the non-linear power spectrum. As one of the major goals of Euclid is to provide a stringent constraint on the total neutrino mass, I dedicate a particular attention to this parameter, by performing the analysis with state-of-the-art N-body simulations that include massive neutrinos. The second analysis presented in this thesis aims to quantify the effect of the non-Gaussian covariance coming from the correlations between modes inside and outside the survey, called the Super-Sample Covariance (SSC). By forecasting the cosmological constraints coming from a Euclid-like analysis, combining photometric galaxy clustering and weak lensing, I show that SSC accounts for a non-negligible part of the total error budget on cosmological parameters. In addition I present a new method to account for the survey footprint in the computation of SSC.