[EPIC] Série TAL dédiée — migrer les notebooks 23–26 hors de GenAI/Texte

[jsboige]

Constat

Le parcours TAL classique dispose désormais d’un deck dédié et de plusieurs notebooks exécutables, mais ses notebooks sont rangés à la suite de la série généraliste GenAI/Texte :

• deck Slidev français : slides/09-traitement-automatique-langues/ ([TAL] Migrer le cours historique de 34 slides vers Slidev #15398, livré par feat(slides,#15398): TAL -- migration cours historique 34 slides vers Slidev FR #15406) ;
• mots, morphologie, dépendances et NER : 23_TAL_Du_Mot_Aux_Dependances.ipynb (TAL — analyser un corpus français des mots aux dépendances et entités nommées #12958, livré par feat(genai,#12958): notebook 23 TAL -- pipeline spaCy FR du mot aux dépendances et entités #12985) ;
• modèles de langue n-grammes, lissage et perplexité : 24_NGrammes_Modeles_De_Langue.ipynb (GenAI/Texte: notebook modeles de langue n-grammes, lissage et perplexite (gap mesure par #16229) #16235, PR feat(#16235): notebook modeles de langue n-grammes, lissage et perplexite #16246) ;
• CRF linéaire pour étiquetage séquentiel : 25_CRF_Etiquetage_Sequentiel.ipynb ([TAL] CRF linéaire from scratch pour l'étiquetage séquentiel #16252, PR feat(tal): CRF linéaire from scratch pour l’étiquetage séquentiel #16267) ;
• PCFG/CYK et ambiguïté syntaxique : 26_PCFG_CYK_Parsing.ipynb ([TAL] Parsing PCFG/CYK from scratch avec ambiguïté mesurée #16253, construit localement au moment de l’ouverture de cet EPIC).

Ce placement mélange deux progressions différentes : ingénierie des LLM dans GenAI/Texte, et fondations du traitement automatique des langues, du modèle symbolique/probabiliste vers les témoins modernes. La série TAL mérite donc un owner de répertoire et une navigation propres.

Objectif

Créer une série notebook dédiée au traitement automatique des langues, rattacher les travaux existants à cette série, puis migrer les notebooks correspondants sans perte de contenu, d’outputs, de navigation ni de provenance.

Chemin cible proposé, à confirmer par le census de migration :

MyIA.AI.Notebooks/NLP/

Le nom de répertoire reste distinct du titre pédagogique français ; la documentation primaire et le README de série restent en français.

Périmètre initial

Étape	Sujet	Source
01	Du mot aux dépendances et entités	#12958 / #12985
02	N-grammes, lissage et perplexité	#16235 / #16246
03	CRF et étiquetage séquentiel	#16252 / #16267
04	CFG, PCFG et parsing CYK	#16253
Deck	Progression classique → moderne	#15398 / #15406

Le deck reste dans slides/09-traitement-automatique-langues/ ; il devient le point d’entrée transversal et ses liens doivent viser les nouveaux owners notebook après migration.

Stratégie de migration

1. Laisser les PRs de contenu déjà construites terminer leur admission dans leurs chemins actuels, afin de ne pas réécrire simultanément trois branches et leurs preuves d’exécution.
2. Après disponibilité des quatre notebooks sur main, ouvrir une PR de migration atomique : git mv des quatre notebooks vers la série dédiée, création du README français et réparation de tous les liens/références.
3. Préserver byte-for-byte les cellules, outputs, execution counts et métadonnées des notebooks tant que seules les routes changent. Toute modification de source code déclenche une ré-exécution complète du notebook concerné conformément à C.2.
4. Mettre à jour les owners dans le deck TAL, _quarto.yml, la documentation curriculaire et les README de navigation réellement concernés.
5. Laisser COURSE_CATALOG.generated.* et tous les blocs CATALOG-STATUS byte-identiques : la régénération appartient à l’automatisation.
6. Vérifier les liens sur l’arbre complet, les collisions de PR ouvertes, les twin/ledgers path-keyed éventuels et les ratchets notebook après les renames.

Critères d’acceptation

• un répertoire de série TAL dédié existe avec un README français présentant l’ordre pédagogique, les prérequis et les ponts vers le deck ;
• les quatre notebooks 23–26 sont migrés par git mv, avec une numérotation locale cohérente et sans duplication résiduelle dans GenAI/Texte ;
• contenu des cellules, outputs et execution counts sont préservés byte-for-byte lorsque la migration est path-only ;
• tous les liens entrants et sortants vers les anciens chemins sont recensés puis réparés (README, deck, Quarto, curriculum et notebooks) ;
• le deck 09 pointe vers les owners TAL réels pour n-grammes, CRF et PCFG/CYK ;
• les PRs/issus TAL — analyser un corpus français des mots aux dépendances et entités nommées #12958, [TAL] Migrer le cours historique de 34 slides vers Slidev #15398, GenAI/Texte: notebook modeles de langue n-grammes, lissage et perplexite (gap mesure par #16229) #16235, [TAL] CRF linéaire from scratch pour l'étiquetage séquentiel #16252 et [TAL] Parsing PCFG/CYK from scratch avec ambiguïté mesurée #16253 sont citées dans le README ou l’historique de migration sans rouvrir leurs acceptances déjà livrées ;
• validation notebooks, navlinks, hiérarchie Markdown, output/source-collapse, output-failure, twin parity et git diff --check sont verts sur la tête exacte ;
• catalogue généré et blocs CATALOG-STATUS restent inchangés sur la branche feature ;
• aucune publication protégée, sortie fabriquée, rapport d’audit ou snapshot de coordination n’est committé.

Hors périmètre

• réécrire le contenu scientifique des quatre notebooks pendant le déplacement ;
• déplacer les notebooks LLM/RAG qui restent propriétaires de GenAI/Texte ;
• déplacer le deck hors de slides/09-traitement-automatique-langues/ ;
• créer immédiatement toutes les unités TAL évoquées dans [EPIC] Thom — langage, agents transparents et singularités #15397 (HMM, WordNet, pragmatique, parole, etc.) : elles restent de futurs grains atomiques après census de la nouvelle série.

Dépendances et séquencement

La PR de migration dépend de l’admission des contenus #16246, #16267 et #16253 afin que le déplacement porte une seule fois sur l’état canonique de main. Cette dépendance bloque la migration, pas la production ni la review des notebooks concernés.

See #15397. See #15398. See #12958. See #16235. See #16252. See #16253.

[jsboige]

[CLAIMED] sous-grain migration atomique (etape 2 de la strategie) — myia-po-2023:CoursIA 2026-09-18T15:52Z. Preflight : 4/4 notebooks sur origin/main (23/24/25/26 verifies cat-file), 0 PR ouverte en collision, repertoire cible inexistant. Plan : git mv x4 vers MyIA.AI.Notebooks/NLP/ (renumerotes 01-04), README FR de serie, reparation des liens (deck TAL, _quarto.yml, READMEs navigation), catalog byte-identique, preservation blob-verifiee des 4 notebooks.

[jsboige]

[DELIVERED-partiel] etape 2 (migration atomique) — lane myia-po-2023:CoursIA — PR #16713. git mv x4 vers MyIA.AI.Notebooks/NLP/ (renumerotes 01-04), preservation byte-for-byte verifiee (seuls liens markdown internes recables en binaire, outputs/execution_count intacts, exception C.2), README FR de serie cree, liens externes recables (_quarto.yml, curriculum, deck TAL avec GAP lines mises a jour, README GenAI/Texte -> pointeur). Catalog byte-identique. Preflight : 0 PR soeur, 4/4 notebooks sur main. Residuels EPIC signales dans le body. — myia-po-2023:CoursIA

[jsboige]

[INFO] candidate-delivered — vérification firsthand lane myia-po-2025:CoursIA, 2026-09-25T04:0xZ (tirage picker, L1356 : gh pr list --state all --search 16271 consulté avant claim — aucune PR ouverte, aucune candidate-delivered déjà postée).

Issue livrée par substance — PRs mergees : #16713 (migration atomique 23-26 → MyIA.AI.Notebooks/NLP/, cite #16271) et #17699 (HMM/Viterbi 2026-09-24, le futur grain atomique que le body « Hors périmètre » annonçait).

Acceptance vérifiée firsthand sur origin/main :

1. Série dédiée + README : MyIA.AI.Notebooks/NLP/ existe avec README.md + 01_TAL_Du_Mot_Aux_Dependances + 02_NGrammes_Modeles_De_Langue + 03_CRF_Etiquetage_Sequentiel + 04_PCFG_CYK_Parsing + 05-HMM-Viterbi.
2. Pas de duplication résiduelle : git ls-tree origin/main MyIA.AI.Notebooks/GenAI/Texte/ | grep -E "2[3-6]_" → vide.
3. Deck 09 vers owners réels : slides/09-traitement-automatique-langues/slides.md pointe ../../MyIA.AI.Notebooks/NLP/0{1..5}*.ipynb ; les 7 mentions GenAI/Texte restantes visent les notebooks LLM/RAG qui restent propriétaires de GenAI/Texte (TV-00b, 05_RAG_Modern, 10b, 11, 13, 19_OWUI — hors périmètre explicite du body). Zéro lien vers un ancien chemin migré.

Non re-vérifié par cette passe (dévolu au closing coordinateur, G.9) : byte-preservation des cellules (déjà prouvée dans #16713), navlinks/ratchets sur la tête de migration, citation des issues mères dans le README.

La fermeture effective revient au coordinateur (urne delivered, #15069) — la lane rend la main.

[jsboige]

[INFO] candidate-delivered — lane myia-po-2024:CoursIA rend la main (prestation de verification, pas de reprise). Fermeture reservee coordinateur/adjoint (#15069).

Le body de cette EPIC decrit une migration a faire ; elle est faite sur main. Verifie firsthand ce cycle :

• Serie dediee existante : MyIA.AI.Notebooks/NLP/ contient 01_TAL_Du_Mot_Aux_Dependances, 02_NGrammes, 03_CRF, 04_PCFG_CYK, 05-HMM-Viterbi + README.md francais complet (ordre pedagogique, progression en 5 etapes, pont vers le deck, origine [EPIC] Série TAL dédiée — migrer les notebooks 23–26 hors de GenAI/Texte #16271 citee).
• Pas de duplication residuelle : aucun 2[3-6]_* TAL restant dans GenAI/Texte/ (listing direct).
• Deck relie aux owners : slides/09-traitement-automatique-langues/slides.md reference NLP/ (10 occurrences, grep direct).
• Liens anciens chemins : grep repo-wide GenAI/Texte/(23_TAL|24_NGrammes|25_CRF|26_PCFG) = 1 seul fichier touche, NLP/01 lignes 2089-2090, et c'est metadata.papermill.{input,output}_path -- classe toleree (normalisation au basename a la prochaine re-exec, pas un lien casse).
• Enfants : feat(genai,#12958): notebook 23 TAL -- pipeline spaCy FR du mot aux dépendances et entités #12985 MERGED ; feat(#16235): notebook modeles de langue n-grammes, lissage et perplexite #16246 fermee SANS merge mais le contenu n-grammes est sur main (e15d73b, livre par po-2026 le 2026-09-15, documente sur GenAI/Texte: notebook modeles de langue n-grammes, lissage et perplexite (gap mesure par #16229) #16235 par po-2027 puis po-2023) puis migre en NLP/02 ; feat(tal): CRF linéaire from scratch pour l’étiquetage séquentiel #16267 MERGED ; [TAL] Parsing PCFG/CYK from scratch avec ambiguïté mesurée #16253 fermee avec 04_PCFG_CYK present en NLP/04.

Residuels mineurs (non bloquants, a disposition de l'adjoint) : (1) la metadata.papermill de NLP/01 vise l'ancien chemin -- tolerance admise, normaliser a la prochaine re-exec ; (2) le README cite l'EPIC mais pas chacune des 5 issues enfants exigees par l'acceptance.

Rappel lecon #11900 : le picker pondere le delaissement, et le body date de sa redaction -- trois umbrellas consecutives ce cycle (#16271, #15062-children, #16372) etaient livrees-non-fermees a des degres divers.