Gamma-ray astronomy refers to the study of the highest-energy photons. There are produced by the most violent spatial phenomena and are promising messengers to validate topical physics theories. To this end, this thesis takes part of the Cherenkov Telescope Array Observatory (CTAO) project, the new cutting-edge ground-based observatory which aims to detect new gamma-ray sources in the Universe. In particular, the telescope acquisitions are analysed using machine learning techniques, but the great variety of observation conditions impact the detection capabilities. In this thesis, three techniques have been developed to overcome these difficulties, and exhibit a clear performance improvement compared to the current methodology. Yet, some improvements are still needed to fully characterize gamma-ray sources, but they paved the way to the design of new approaches.
L'astronomie gamma correspond à l'étude des photons de la plus haute énergie. Ils sont produits par les phénomènes spatiaux les plus violents et sont des messagers prometteurs pour valider les théories physiques actuelles. Cette thèse s'inscrit dans le projet de Cherenkov Telescope Array Observatory (CTAO), le nouvel observatoire terrestre de pointe qui vise à détecter des sources de rayons gamma dans l'Univers. En particulier, les acquisitions des télescopes sont analysées à l'aide de techniques d'apprentissage automatique, mais la grande variété des conditions d'observation impacte les capacités de détection. Dans cette thèse, trois méthodes ont été développées pour surmonter ces difficultés et montrent un net gain sur les performances par rapport à la méthodologie actuelle. Cependant, des améliorations sont encore nécessaires pour caractériser pleinement les sources de rayons gamma, mais elles ont ouvert la voie à la conception de nouvelles approches.