Cet article présente une nouvelle approche algorithmique pour la détermination précise et fiable du décalage vers le rouge photométrique, facteur clé des relevés photométriques à grand champ. Au lieu des techniques conventionnelles d'apprentissage automatique et d'intelligence artificielle, nous proposons une méthode permettant de déterminer le décalage vers le rouge photométrique des galaxies à l'aide d'un réseau antagoniste génératif conditionnel (CGAN). Cette méthode fournit des estimations ponctuelles et des estimations de densité de probabilité des décalages vers le rouge photométriques. Elle est testée à l'aide des données Y1 du Dark Energy Survey (DES) et comparée au réseau à densité mixte (MDN). Bien que le MDN surpasse le CGAN, ses performances sont similaires à celles du MDN, ce qui suggère l'application potentielle du CGAN à l'estimation du décalage vers le rouge photométrique.
