[Audit #17073] Série DSWA — 03-DeepLearning — partition Hermes

[clusterManager-Myia]

[Audit #17073] Série DSWA — 03-DeepLearning — partition Hermes

Campagne #17073, partition Hermes (audit pédagogique lecture seule). Sous-série MyIA.AI.Notebooks/ML/DataScienceWithAgents/03-DeepLearning/ — 21 notebooks.

Panorama de la série

Arc pédagogique (ordre numérique du répertoire) :

1. Fondements : 3.0 Théorie de l'information (entropie, KL, cross-entropy) → 3.1 Rétropropagation from scratch → 3.2 Optimisateurs → 3.3 Régularisation.
2. Architectures : 3.4 Attention/Transformer from scratch → 3.4c MoE from scratch.
3. Phénomènes : 3.5 Phénomènes de généralisation.
4. Familles génératives : 3.6 (concepts) → 3.6b PyTorch → 3.6c/3.6d/3.6e (diffusion, score-SDE, conditionnels from scratch) → 3.10 Diffusion SOTA.
5. Efficacité & représentations : 3.7 Distillation maître-élève → 3.8 Représentations contrastives → 3.9/3.9a/3.9b/3.9c/3.9e/3.9f Compression (FP, INT8, pruning, SOTA).

Niveau d'apprenant proposé : intermédiaire → avancé ; fil rouge from-scratch (NumPy à la main, gradients codés sans autograd), avec déclinaisons PyTorch (3.6b) et SOTA (3.10, 3.9e/f) en aboutissements.

Ordre canonique proposé : l'ordre numérique est globalement cohérent. Deux remarques :

• 3.8 (représentations contrastives/SSL) est conceptuellement un fondement des représentations, placé après la distillation (3.7) — ordre acceptable mais l'inverse se défend (SSL avant compression de modèles).
• La conclusion de 3.8 annonce « un notebook 3.7 sur MoCo/CLIP » : aucun notebook MoCo/CLIP n'existe dans la série (3.7 = distillation) → gap de série (candidat d'enrichissement, pas un défaut de notebook existant).

Gaps entre notebooks : pas de notebook MoCo/CLIP/signal continu (audio/image) malgré l'annonce en conclusion de 3.8 ; pas de notebook ViT ; la branche compression est très dense (6 notebooks) au regard de la branche représentations (1).

Checklist notebooks

• 3.0-Theorie-Information.ipynb
• 3.1-Retropropagation.ipynb
• 3.10-Modeles-Generatifs-Diffusion-SOTA.ipynb
• 3.2-Optimisateurs.ipynb
• 3.3-Regularisation.ipynb
• 3.4-Attention-Transformer-From-Scratch.ipynb
• 3.4c-MoE-from-scratch.ipynb
• 3.5-Phenomenes-de-Generalisation.ipynb
• 3.6-Modeles-Generatifs.ipynb
• 3.6b-Modeles-Generatifs-PyTorch.ipynb — audité ce cycle (4 findings en commentaire)
• 3.6c-Modeles-Generatifs-Diffusion-from-scratch.ipynb
• 3.6d-Modeles-Generatifs-Score-SDE-from-scratch.ipynb — audité ce cycle (6 findings en commentaire)
• 3.6e-Modeles-Generatifs-Conditionnels-from-scratch.ipynb
• 3.7-Distillation-Maitre-Eleve.ipynb — audité ce cycle (2 findings en commentaire)
• 3.8-Representations-Contrastives.ipynb — audité ce cycle (findings en commentaire)
• 3.9-Compression-Quantization-FP.ipynb
• 3.9a-Compression-Quantization-INT8.ipynb
• 3.9b-Compression-Pruning-from-scratch.ipynb
• 3.9c-Pruning-From-Scratch.ipynb
• 3.9e-Compression-Quantization-SOTA.ipynb
• 3.9f-Compression-Pruning-SOTA.ipynb

[clusterManager-Myia]

Audit 3.8-Representations-Contrastives.ipynb — 6 findings

Posture : apprenant ayant lu 03-Embeddings-From-Scratch (référencé en intro, lu en survol). Organes : couverts (0 signal sur 5 checks ; accents : 0 cure / 7 formes hors table ; CJK résiduel cellule 4 NON couvert par restore_accents_canonical — détecté par detect_cjk_residue, 2 glyphes).

1. stale-claim — section 9 : le 3ᵉ diagnostic annoncé n'existe pas

Cellules : 25 (annonce), 26 (code), 26 (sortie), 27 (lecture).
Extrait (c. 25) : « 3. Différence embedding-a vs embedding-b : doit être < 1 (les deux vues diffèrent). » puis « On mesure les trois et on trace un graphique de diagnostic ».
Classe : stale-claim.
Pourquoi : l'apprenant cherche le troisième diagnostic (diff a/b) et le graphique annoncés — la cellule 26 n'en mesure que deux, ne trace rien (aucun appel plt. dans tout le notebook alors que « matplotlib pour les figures » est annoncé en intro), et la lecture (c. 27) couvre silencieusement ce qui l'intéresse. La promesse de la section n'est pas tenue et personne ne le signale.
Vérifié : code cellule 26 inspecté (aucun calcul diff a/b, aucun plot) ; grep plt. sur les 13 cellules de code = 0 appel.

2. output-uninterpreted — section 3 : swap affiché cosinus=1.000, jamais expliqué

Cellules : 8 (sortie), 9 (lecture de la démo).
Extrait (sortie c. 8) : « politique=swap : nnz orig=5, nnz vue=5, cosinus=1.000 » — identique ligne à ligne à id (la borne inférieure, « pas une vraie augmentation » selon la c. 7).
Classe : output-uninterpreted.
Pourquoi : sur un BoW normalisé, permuter deux composantes non-nulles distinctes est un no-op exact — le cosinus vaut structurellement 1.000 et la moitié des paires d'entraînement (politique par défaut swap) ne voient aucun signal d'augmentation. C'est le fait le plus important de la sortie et il n'est dit nulle part.
Vérifié par exécution réelle (cellules 2+5+8 rejouées, corpus du notebook) : vue_swap ne modifie le vecteur BoW que pour 54/400 phrases (13,5 %) ; 166/400 contiennent un mot répété. La sortie cosinus=1.000 est donc la norme, pas une coïncidence de graine.
Note #13410 : pas de réécriture d'une lecture existante — la c. 9 existe mais n'interprète pas ce chiffre ; la lecture ci-dessus est à fusionner dans la c. 9, pas une seconde cellule de lecture.

3. stale-claim — section 2 : le titre contient un résidu CJK « 稀疏 »

Cellule : 4 (titre de section).
Extrait : « ## 2. Représentation par sac-de-mots (BoW) — vue continue = vecteur稀疏 ».
Classe : stale-claim.
Pourquoi : le titre de section s'affiche avec deux glyphes chinois (« sparse » non traduit) — hors table de restore_accents_canonical (organe dédié detect_cjk_residue : 1 hit, cellule 4). L'apprenant voit un titre corrompu sur l'écran de navigation du notebook.
(Organe detect_cjk_residue couvre la détection ; le dépôt ici documente l'impact pédagogique et l'état du fichier.)

4. exercise-mismatch — Exercice 2 : entièrement résolu d'avance

Cellules : 35 (énoncé), 36 (code + sortie).
Extrait (c. 36) : la boucle complète for tau in taus_exo: _, pertes = entrainement_contrastif(...) s'exécute et imprime « ✓ Exercice 2 : la température τ=0.1 est bien plus basse que τ=2.0 (sweet spot confirmé) ».
Classe : exercise-mismatch.
Pourquoi : l'énoncé demande de « tracer loss finale en fonction de τ et vérifier », or la cellule fournit le calcul, l'affichage et l'assert de conclusion — il ne reste rien à compléter, contrairement aux exercices 1 et 3 qui ont un vrai TODO étudiant. L'apprenant n'apprend rien en exécutant cette cellule déjà écrite.

5. navigation-misplaced — conclusion : renvoi vers un « notebook 3.7 » erroné

Cellule : 39 (conclusion).
Extrait : « La suite naturelle : un notebook 3.7 sur MoCo/CLIP avec un signal continu ».
Classe : navigation-misplaced.
Pourquoi : 3.7 existe déjà dans la série (3.7-Distillation-Maitre-Eleve.ipynb, vérifié au listing du répertoire) et porte sur la distillation — le renvoi pointe vers un numéro occupé par un autre sujet. L'apprenant qui suit le lien logique « 3.8 → 3.7 » tombe sur un notebook sans rapport avec MoCo/CLIP ; la suite annoncée n'existe pas (gap de série documenté dans le panorama).

6. paraphrase-stack — cellule 9 : réécriture verbeuse de la sortie

Cellule : 9.
Extrait : « réduit effectivement et de manière contrôlée le nombre total de composantes non-nulles présentes (passant de 5 à seulement 3 dans cet exemple concret et illustratif) tout en conservant une similarité cosinus élevée de 0.775, illustrant ainsi de façon particulièrement claire la robustesse essentielle des représentations appariées ».
Classe : paraphrase-stack.
Pourquoi : reformulation gonflée (« effectivement et de manière contrôlée », « dans cet exemple concret et illustratif », « de façon particulièrement claire ») qui n'ajoute aucune interprétation au-delà de la lecture des chiffres — même motif que la c. 15 (« montre clairement et de manière précise... de façon définitive »), style signature des PRs de densification #13410. Défaut nommé : la prose occupe la place de l'interprétation (cf. finding 2 : le vrai contenu interprétable — cosinus=1.000 — est absent).

---

Règle #13410 respectée : une seule lecture par sortie ; les corrections proposées pour les c. 9/27 sont des réécritures de cellules existantes, jamais des additions.

Candidats d'enrichissement (arbitrage user, exécutables par personne d'autre) :

• Notebook MoCo/CLIP signal continu (annoncé par la conclusion de 3.8, inexistant) — gap de série.
• Le point 3° « perte de supervision vs gain SSL » (écart supervisé - contrastif négatif ici : 0.368 < 0.432) mériterait une explication dédiée ; la c. 24 l'effleure (« à ce budget de données ») sans l'approfondir.

[jsboige]

Livré en PR #17389 (lane myia-po-2026:CoursIA), chaque constat re-vérifié firsthand dans le notebook avant édition :

• CJK c.4 : « vecteur稀疏 » → « vecteur creux »
• swap non interprété (c.9) : mesure de corpus ajoutée en c.8 (graine fixée) + lecture réécrite — swap = no-op exact sur BoW L1-normalisé à poids égaux : 578/1400 phrases avec mot répété, seulement 163/1400 vecteurs modifiés → ~88 % du corpus sans augmentation côté b
• promesse §9 non tenue (c.25/26) : 3e diagnostic implémenté (‖z_a−z_b‖ moyen = 0.564 < 1, vues distinctes OUI) + le graphique promis (variance expliquée cumulée + histogramme similarités, matplotlib) ; c.27 réécrite sur les sorties réelles
• Exercice 2 résolu (c.36) : stubbé (C.1), même patron que les exercices 1/3 voisins
• renvoi 3.7 (c.39) : corrigé — 3.7 = distillation, MoCo/CLIP = futur notebook
• paraphrases (c.9/c.12/c.15) : réécritures sobres ancrées verbatim (règle densite pedagogique : 430 notebooks sous le plancher 1200 — surface majoritairement non suivie #13410 : réécriture, jamais addition)

Validation H.1 : exec complète sans batch-mode, execution_count 1..13 CLEAN, 0 erreur, plot PNG vérifié non-trivial (652 couleurs uniques).

[clusterManager-Myia]

Audit 3.6d-Modeles-Generatifs-Score-SDE-from-scratch.ipynb — 6 findings

Posture : apprenant ayant lu 3.6 / 3.6b / 3.6c (survol headers des trois prérequis, chainage explicite confirmé : c.0 rappelle le DDPM du 3.6c, c.11 explique pourquoi les jouets symétriques des 3.6/3.6b sont remplacés). Organes : couverts (split_reading 4 paires génériques jaccard ≤ 0.137 sous seuil ; interp_positioning 0 ; output_failure 0 ; source_parses 0 ; accents 5 cures / 3 cellules + 22 formes hors table ; duplicate_sections : 5× titre générique « Lecture du résultat », occurrences distinctes — pas un porteur #17066).

F1 — stale-claim (c.26)

Extrait : « sur une grille 26x26 couvrant l'espace [-3.2, 3.2]^2 à 4 instants différents (t=0.0, 0.3, 0.6, 0.9) »
Pourquoi : la cellule 17 committée échantillonne t = 0.05, 0.3, 0.6, 0.95 — l'apprenant qui croise la lecture et les 4 panneaux voit des instants qui n'existent pas ; la lecture duplique en outre l'interprétation de la « Lecture du résultat » c.18 déjà posée après la figure (règle #13410 : réécrire, pas empiler).

F2 — stale-claim (c.30)

Extrait : « duree d'entrainement : 49.2 s (8000 pas) »
Pourquoi : l'output committé de la c.29 imprime « duree d'entrainement : 24.6 s » — la valeur citée verbatim n'existe dans aucun output (gate #17040, critère 2).

F3 — stale-claim (c.41)

Extrait : « La pondération par alpha_bar(t) dans la perte DSM compense cet effet en donnant moins de poids aux petits t »
Pourquoi : la pondération de la section 4 (c.23 : λ(t) = 1 − ᾱ(t)) est inversée dans la citation — l'apprenant qui la recopie retient l'exact contraire de la démonstration qui précède.

F4 — reading-before-code (c.49)

Extrait : « Le test des quatre conventions de signe, verbatim : « derive = -1*(-beta/2 x) +1betas | MMD=0.00079 | modes=5/5 <-- RETENUE » »
Pourquoi : la lecture précède de deux cellules l'exécution qu'elle cite (le test tourne en c.51) et la section 7.5 (c.50-51) reprend la même interprétation après l'output — l'apprenant lit un résultat non encore produit.

F5 — stale-claim (c.53)

Extrait : « Langevin recuit (réseau) MMD=0.00894 modes=5/5 12.6 s ; Euler-Maruyama (réseau) 0.00156 5/5 1.0 s »
Pourquoi : les 5 latences citées divergent des outputs committés de la c.52 (5.2 / 0.6 / 1.4 / 1.2 / 1.4 s contre 12.6 / 1.0 / 1.8 / 2.5 / 2.6 s) — MMD et couvertures de modes sont exacts, seules les durées dérivent.

F6 — navigation-misplaced (c.41)

Extrait : « La démonstration de la divergence de la cible aux petits t est cruciale pour comprendre pourquoi la pondération est nécessaire »
Pourquoi : cette lecture interprète la figure de divergence de la section 4 (c.25) mais est posée 16 cellules plus loin, empilée sur les lectures du tableau EQM (c.39) et de la figure des champs (c.40) — l'apprenant a changé de section depuis deux titres.

---

Lectures vérifiées contre outputs et exactes : c.5, c.15, c.30 (pertes), c.34, c.39, c.53 (MMD/modes), c.57 — le « ×6.14 » y est imprimé par la c.54 elle-même, pas une reconstruction. Exercices 1-3 : stubs conformes C.1 (return None implicite + relais de référence), vérifications indépendantes de l'implémentation étudiante (graines séparées). Le contre-exemple mauvais signe (§7.5) et le plancher de loss (§5) sont des apports réels par rapport au 3.6c.

— Hermes (po-2026) [AUDIT #17073, cycle 2026-09-22]

[clusterManager-Myia]

Audit 3.6b-Modeles-Generatifs-PyTorch.ipynb — 4 findings

Posture : apprenant ayant lu 3.6-Modeles-Generatifs.ipynb (prérequis cité en tête, survol headers ; même triptyque VAE/GAN/diffusion en NumPy pur → ici déclinaison PyTorch, chainage explicite). Organes : couverts (split_reading 0 ; interp_positioning 0 ; output_failure 0 ; source_parses 0 ; accents 0 cure / 10 formes hors table ; duplicate_sections : advisory multi_closing « ce qu'il faut retenir » + « récapitulatif » — 2 clôtures distinctes, pas un doublon).

1. stale-claim — le récap final vend la grille canonique, le tableau du notebook la contredit

Cellules : 51 (id 806926be, sortie tableau), 53 (id 0d1b876a), 55 (id 7c018905).
Extrait (c. 53) : « Diffusion : recouvre mieux les modes (la couverture est le point fort), mais le coût d'inférence est élevé » — idem c. 55 : « Diffusion : recouvre mieux mais coûte cher ».
Pourquoi : la sortie mesurée (c. 51) donne Diffusion cov 4/4 mais ESS 1.62 — le pire ESS des quatre mécanismes, en dessous du GAN « collapsed » (2.99) — et la lecture c. 52 le dit elle-même (« La Diffusion couvre tout et s'effondre quand même ») ; l'apprenant qui révise sur les sections 6-bis/8 retient le contraire de ce que le notebook a mesuré.

2. stale-claim — « budget de pas commun » annoncé, jamais true dans le code

Cellules : 1 (id b6dda023), 2 (id cf181083).
Extrait (c. 1) : « on fixe le budget de pas (steps) commun aux trois mécanismes pour que la comparaison de coût soit légitime. »
Pourquoi : STEPS = {'vae': 1500, 'gan': 3000, 'diff': 1500} — le GAN fait exactement le double des deux autres (et le commentaire inline « # budget commun, documenté » dans c. 2 est tout aussi faux) ; l'apprenant croit comparer les coûts à budget égal, et la colonne t(s) du §6 compare en plus des durées d'entraînement à graines différentes, pas des pas.

3. figure-missing — la grille de trajectoire dessine 5 cases, la trajectoire n'en remplit que 3

Cellules : 46 (id 0c5fd154, traj.append si t % 60 == 0 → 3 instantanés), 48 (id 0d3baecf), 49 (lecture sans id, entre 486f7ee0 et e07a8851).
Extrait (c. 48) : for j, x in enumerate(traj[:5]): — sortie : « Trajectoire inverse stockée : 3 instantanés (tous les 60 pas). »
Pourquoi : la rangée basse 2×5 affiche deux sous-graphiques vides (cases 4-5) sans qu'aucune cellule ne le signale ; l'apprenant cherche un débruitage manquant là où c'est la découpe [:5] qui promet plus que le pas d'échantillonnage (60) ne produit (3).

4. stale-claim — le marqueur d'exercice annoncé n'existe pas sous cette graphie

Cellules : 55 (id 7c018905) vs stubs 11, 20, 32, 44.
Extrait (c. 55) : « Tout le notebook tourne de bout en bout même exercices non complétés (stubs aux endroits marqués TODO étudiant). »
Pourquoi : les quatre stubs réels portent TODO etudiant (sans accent, ex. c. 11 : « TODO etudiant : implementer. ») — un grep "TODO étudiant" ne retourne rien et l'apprenant qui cherche le marqueur annoncé pour se repérer ne le trouve pas.

---

Vérifications par exécution (po-2026) : valeurs STEPS extraites de c. 2 ; longueur de traj recalculée depuis la boucle t % 60 == 0 sur range(199, 0, -1) = {180, 120, 60} ; graphie des stubs par grep des 4 cellules d'exercice. Exclusions appliquées : paires de lectures empilées [[3,4],[6,7],[23,24],[35,36]] = lecture-puis-transition distinctes, pas de paraphrase-stack ; double clôture = advisory organe, couvert.

[clusterManager-Myia]

Audit 3.6c-Modeles-Generatifs-Diffusion-from-scratch.ipynb — 4 findings

Posture : apprenant ayant lu 3.6 (survol headers, triptyque VAE/GAN/diffusion) et 3.6b (audité au cycle précédent) — le header c.0 positionne explicitement ce notebook comme l'étape « démonter le pipeline » entre le panorama 3.6 et la démo SOTA 3.6b, chainage clair. Organes : couverts (split_reading 12 paires génériques jaccard ≤ 0.194 — empilements #13410 signalés, pas re-décrits ; interp_positioning 0 ; output_failure 0 ; source_parses 0 ; duplicate_sections 0 ; accents 3 cures / 29 formes hors table). Gates #17040 vérifiées programmatiquement en plus des organes (regex valeurs citées vs outputs réels) — c'est elles qui révèlent F1-F3.

1. stale-claim — durées d'un run précédent, conclusion INVERSÉE sur le compromis vitesse

Cellules : 28, 36, 47, 48, 52.
Extrait (c. 47) : « L'entraînement du schedule cosinus termine en 37 secondes, soit 5 secondes de moins que le linéaire » ; (c. 52) : « "termine en 37.0 s" (cosinus) contre "termine en 42.3 s" (linéaire) ».
Sorties réelles committées : linéaire « termine en 48.1 s » (c. 33), cosinus « termine en 50.2 s » (c. 50) ; sampling « 2.63 s (41.1 ms/image) » (c. 43) contre « 2,17 secondes soit 33,9 ms » cité en c. 36.
Classe : stale-claim.
Pourquoi : l'apprenant qui croise constate l'inverse de la prose (cosinus PLUS LENT de +2 s, pas plus rapide de −5 s) — le « compromis vitesse/qualité » narré en c. 47/48/52 s'effondre à la vérification.

2. stale-claim — métriques MMD et sampling d'un run précédent, y compris l'écart-type de bruit de mesure

Cellules : 42, 48, 51, 58, 61.
Extrait (c. 48) : « une MMD plus élevée (0.01086 vs 0.00721) » ; (c. 51) : « ecart-type 0.140 s — environ 6 % de variation » ; (c. 61) : « (2,51 s vs 2,45 s pour 1024 échantillons) ».
Sorties réelles : « MMD lineaire : 0.00741 / cosinus : 0.00946 » (c. 50), « 3 tirages : 2.90 s, 3.44 s, 3.98 s -> ecart-type 0.538 s » (c. 50), recap « 2.90 s / 3.10 s » (c. 60).
Classe : stale-claim.
Pourquoi : cinq Lectures citent des chiffres introuvables dans les outputs (et un σ divisé par ~4, qui sous-estime la variabilité que la section 4.1 dit justement de ne pas ignorer) — l'apprenant ne peut réconcilier aucune de ces valeurs avec ce qui est affiché.

3. stale-claim — le décompte du verdict 4.1 cité en prose ≠ décompte du tableau committé

Cellules : 68.
Extrait (c. 68) : « le verdict mesuré est INCONCLUSIVE (4 cases linéaire, 6 cases cosinus) » ; « l'écart y passe de +0,00106 à -0,00123 » ; « le décompte est passé de 5–5 à 4–6 ».
Sorties réelles (c. 66) : « VERDICT : INCONCLUSIVE (3 cases lineaire / 7 cases cosinus) » ; « Ecart cosinus-lineaire a sigma=1 : 12 ep +0.00044 -> 24 ep -0.00103 ».
Classe : stale-claim.
Pourquoi : trois décomptes différents (5–5, 4–6 dans la prose, 3–7 dans l'output) pour un tableau que la cellule même qualifie de lecture d'honnêteté méthodologique — l'apprenant ne sait plus lequel fait foi.

4. reading-before-code — trois Lectures insérées DANS les blocs d'exercice, interprétant des sorties qui n'existent pas encore

Cellules : 19, 28, 36.
Extrait (c. 19) : « Le réseau SmallUNet compte 396 417 paramètres et produit une sortie de forme (4, 1, 8, 8) ».
Placement : c. 19 est coincée entre le stub (c. 18) et la cellule de vérification (c. 20) de l'Exercice 1, mais « SmallUNet : 396,417 parametres » est la sortie de c. 23 ; c. 28 (perte 0.0564) est entre l'énoncé (c. 27) et le stub (c. 29) de l'Exercice 2 alors que la loss n'est imprimée qu'en c. 33 ; c. 36 (sampling 2,17 s) coupe l'Exercice 3 (c. 35/37) et décrit la sortie de c. 43.
Classe : reading-before-code.
Pourquoi : chaque Lecture cite des valeurs que l'apprenant n'a pas encore vues (4 à 10 cellules plus bas) tout en interrompant l'énoncé de l'exercice qu'il est en train de lire.

---

Renvoi organes : F1-F3 relèvent de la classe stale-claim déjà portée par les propositions d'organe sur #17073 (sous-familles « prose vs run ré-exécuté » et « durées citées sans appui d'output »). Signal utile pour l'organe check_prose_quantitative_claims : passé sur ce notebook avec les 5 classes (--all), il répond « [OK] aucun compteur quantitatif en prose » alors que 8 Lectures citent des valeurs numériques contredites par les outputs — sa détection ne couvre pas ce motif.

Exclusions assumées (Panade 3) : empilements « Lecture/Lecture supplémentaire » = couverts par split_reading (12 paires) ; la fin de section 5 (tableau diffusers) est dense mais sans défaut nommé ; 29 formes accentuées hors table = tracker existant, pas un finding d'audit.

---

Note : commentaire restauré le 2026-09-29 (Hermes) — le dépôt initial du 23:52Z avait été manglé (gh api -f body=@file poste le chemin littéral au lieu du contenu). Corps restitué à l'identique depuis le transcript de session.

[clusterManager-Myia]

Audit 3.7-Distillation-Maitre-Eleve.ipynb — 2 findings. Organes : check_split_reading_cells 0, check_interp_positioning 0, check_output_failure_text 0, check_cell_source_parses 0, restore_accents_canonical --check : 1 accent curable (11 formes hors table), check_duplicate_sections 0.

Antériorité vérifiée (blob parent 59f7f79, avant la tranche densité #16929 du 22/09) : le notebook parent avait 25 cellules ; la tranche a inséré 5 cellules « Lecture » et n'a rien modifié d'existant (multiset SHA sources identique). Les deux findings ci-dessous portent sur le placement et la couverture des lectures insérées — verdict tranché par comparaison au blob parent.

---

Finding 1 — navigation-misplaced

• Cellules : markdown id inconnu (position 28/30, entre « Exercice 2 » id=ce4b758a et « Exercice 3 » id=18a5a612) ; lecture de la sortie de code id=f79643b1 (position 22/30, section 9 Verdict).
• Extrait : **Lecture** : Verbatim : « 5 folds x 4 graines = 20 paires appariees », « exactitude : gain +0.0064 +/- 0.0113 | edge +0.6 sigma | victoires 17/20 » …
• Classe : navigation-misplaced
• Pourquoi : la lecture de la sortie du verdict (section 9, cellule 22) est rejetée à la position 28, après la section 10 et entre les exercices 2 et 3 — l'apprenant traverse toute la section 10 et deux exercices sans la lecture du verdict qu'il vient de voir s'imprimer, et la conclusion (cellule 29) qui cite ce verdict la précède dans l'ordre de lecture.

(Entrée du parent : la cellule n'existait pas ; créée par #16929. check_interp_positioning retourne 0 sur ce notebook — signal non couvert.)

Finding 2 — output-uninterpreted

• Cellules : code id=8dd56eae (position 9/30, section 3 — test du facteur T²) ; markdown id=14822d8f (position 8, énoncé) ; markdown id=?(position 7, « Lecture du code » de [06]) qui annonce « facteur vérifié numériquement à la section suivante ».
• Extrait : sortie de 8dd56eae : T KL brute T^2*KL facteur / 1.0 0.0591 0.0591 1.00 / 2.0 0.0143 0.0573 4.00 / 5.0 0.0022 0.0549 25.00
• Classe : output-uninterpreted (règle densite pedagogique : 430 notebooks sous le plancher 1200 — surface majoritairement non suivie #13410 : aucune lecture n'existe pour cette sortie → celle-ci manque, il n'y a rien à réécrire)
• Pourquoi : le test quantitatif du facteur T² — le seul output de sa section, annoncé comme « vérifié numériquement » par la lecture précédente — n'est jamais relu : les valeurs 0.0591→0.0022 (chute ~1/T²) et la compensation T²·KL ≈ constant (0.0549–0.0591) restent sans lecture, et l'apprenant qui validerait la colonne « KL brute » croirait lire une divergence KL alors qu'elle contient la norme du gradient de la KL (colonne facteur = ratio sc/nb) — l'invariance d'échelle annoncée par l'énoncé [08] n'est jamais confrontée aux nombres.

(Entrée du parent : sortie déjà non lue dans le parent ; la tranche #16929 ne l'a pas corrigée — antériorité établie.)

---

Exclusions : « robe » citée dans [16] alors que la sortie classe Dress derrière T-shirt (ordre des classes proches) — nuance de style, pas un défaut nommé ; conclusion [29] annonce « présent dans ~85-90 % des tirages » alors que la sortie montre 17/20 et 18/20 = 85 % et 90 % exactement — cohérent, pas un finding.

Gates #17040 vérifiées : valeurs verbatim citées par les lectures toutes présentes dans les sorties (0.8132/0.0462, 0.7940/0.0934, 0.8029/0.0684, +0.0064/+0.0113, 17/20, 18/20, 0.6337/0.5813, verdict INCONCLUSIVE) ; aucune séquence de 2+ cellules de prose consécutives ; pas de header dupliqué.

[jsboige]

Grain: MED/notebook-python — lane myia-po-2024:CoursIA — prev: MED/notebook-python #18487

[CLAIMED] lane myia-po-2024:CoursIA -- paths: MyIA.AI.Notebooks/ML/DataScienceWithAgents/03-DeepLearning/3.0-Theorie-Information.ipynb, MyIA.AI.Notebooks/ML/DataScienceWithAgents/03-DeepLearning/3.1-Retropropagation.ipynb

Tranche bornée : audit (posture apprenant, organes de la campagne #17073) des deux premiers notebooks des fondations de la checklist — 3.0 Théorie de l'information et 3.1 Rétropropagation from scratch, tous deux NumPy pur, donc auditables sans GPU. Findings re-vérifiés firsthand, correctifs des CONFIRMED, re-exécution réelle, PR unique. Les 14 autres notebooks de la checklist restent libres.

Contrôle de collision fait avant claim : aucune PR ouverte touchant ces chemins, aucun claim étranger sur l'issue (check_lane_claim.py scoped — CLEAR).

[jsboige]

[DELIVERED] lane myia-po-2024:CoursIA -- PR #18505 -- paths: MyIA.AI.Notebooks/ML/DataScienceWithAgents/03-DeepLearning/3.0-Theorie-Information.ipynb, MyIA.AI.Notebooks/ML/DataScienceWithAgents/03-DeepLearning/3.1-Retropropagation.ipynb

Audit correctif (campagne #17073, partition Hermes) des deux carnets de fondation : 7 findings CONFIRMED corrigés (chiffres de lecture ré-ancrés sur les sorties committées, inversion cold/hot corrigée, 2 renvois morts réparés, 1 claim fausse sur la classe majoritaire), 4 faux positifs documentés au body avec contre-preuve.

Markdown-only (exception C.2) : toutes les cellules code byte-identiques à main (source, outputs, execution_count, metadata) — vérifié cellule à cellule. Copies post-fix re-exécutées hors arbre (papermill, 23/23 et 34/34 cellules, 0 erreur, exec contigus). Organes rejoués sur la tête : exec_sequence CLEAN 1..N, C.2 1/1 compliant, prose-counts --strict rc=0.

Les autres carnets de la checklist restent libres.

[jsboige]

[RELEASED] lane myia-po-2024:CoursIA

Verrou épic-wide résiduel, à corriger : mon marqueur [DELIVERED] du 2026-09-29T22:39Z (PR #18505) portait sa clause paths: après la clause -- PR #N — or l'organe ne lit la clause paths: que sur les marqueurs CLAIMED / CLAIMED-AMEND / RELEASED / OVERRIDE (_PATHS_CLAUSE_RE de check_lane_claim.py), jamais sur [DELIVERED]. Mesure firsthand : pour une lane tierce (--lane myia-po-2026:CoursIA), l'issue sortait blocked: true, query_scope: EPIC_WIDE_NO_PATHS_DECLARED — ma tranche livrée verrouillait donc la checklist entière, y compris les carnets destinés aux autres lanes de la partition.

Je libère explicitement : la tranche 3.0/3.1 est livrée (PR #18505, delivered_claims: [18505] conservé) ; les autres carnets de la checklist sont libres pour toutes les lanes, comme annoncé à l'ouverture du claim.

[jsboige]

Grain: MED/notebook-python — lane myia-po-2024:CoursIA — prev: DEEP/notebook-python #18857

[CLAIMED] lane myia-po-2024:CoursIA -- paths: MyIA.AI.Notebooks/ML/DataScienceWithAgents/03-DeepLearning/3.5-Phenomenes-de-Generalisation.ipynb, MyIA.AI.Notebooks/ML/DataScienceWithAgents/03-DeepLearning/3.6-Modeles-Generatifs.ipynb

Suite de la tranche fondations #18505 (3.0 + 3.1 livrés) : audit correctif campagne #17073, partition Hermes, des carnets 3.5 (phénomènes de généralisation) et 3.6 (panorama génératif VAE/GAN/diffusion NumPy pur — socle prérequis des 3.6b/c/d déjà audités). Choix guidé par la cartographie collisions : 3.2/3.3/3.4 occupés par #18712 (po-2027), 3.4c par ma propre PR #18791. NumPy pur, auditable CPU. Findings re-vérifiés firsthand avant édition, corrections markdown-only (exception C.2) sauf re-exec requise.