Les rayons cosmiques sont des particules subatomiques très énergétiques venant d'en-dehors du système solaire. Parmi ces rayons se trouvent des électrons, dont l'étude permettrait de répondre aux questions sur leurs mécanismes de production et d'accélération. Pour ce faire, j'ai développé une méthode basée sur des réseaux de neurones, permettant d'identifier les rares électrons dans les données prises par le satellite DAMPE entre 2015 et 2020. Ce discriminateur surclasse les méthodes traditionnelles en termes de performances et de fiabilité, en particulier aux énergies les plus hautes. Ce réseau de neurones est intégré comme maillon principal d'une chaîne d'analyse complexe, visant à comprendre au maximum les données disponibles. Ainsi, les incertitudes liées à nos méthodes restent entre 1 et 8.5% alors que nous identifions 90% des électrons. Leur spectre révèle un durcissement à 3.6 TeV, signe potentiel d'une source locale de rayons cosmiques.
Cosmic rays are highly energetic subatomic particles coming from outer spaces. Among them one may find electrons, which may carry valuable information on how were they produced and accelerated. To study them among other objectives, the DAMPE satellite was sent into Earth orbit. It has been taking data nonstop since then and has already revealed new structures in the spectra of cosmic rays. Such a complex detectors warrants an equally powerful analysis method: for this thesis, I developed an electron identification method based on neural networks. Reliable, the classifier retains high efficiency at all energies and significantly outperforms traditional methods. The classifier is integrated in an analysis chain to fully understand DAMPE data. Our uncertainties stay below 8.5% as we detect up to 14 TeV electrons. Their spectra exhibits a hardening at 3.6 TeV, potential hint of a local source of cosmic rays.