[Origami pli 1] CausalBridges-00-PearlLadder-Intro : motivation Snow/Doll-Hill, échelle de Pearl pas-à-pas (socle commun aux 8 plis à venir)

[jsboige]

Grain: DEEP/notebook-python — lane myia-po-2027:CoursIA-2 — prev: DEEP/notebook-lean #19281

Sous-grain du Pli 1 de l'Epic origami #19309 « Compléter la constellation causale » (Epic parent ouvert en parallèle, voir aussi le commentaire d'état sur #19309). Pré-condition vide : ce pli est le socle, sans lequel les 8 plis suivants (P-09 Hernan, P-10 ML-CATE, P-11 Schölkopf 2021, P-12 Schölkopf 2012, P-13 Causal RL, P-14 Heckman, P-15 m-Transport, P-16 ATE-ATT-CATE systematic) n'ont pas de lecteur commun. Le prochain pli (P-09 Hernan) reste verrouillé jusqu'au merge et à la validation de celui-ci.

Le parent porte le programme et les sources (R-pearl 2009, R-scholkopf2021, R-hernan 2020, R-rubin 2005, R-bareinboim2016/2020, R-petersbook 2017, etc.) ; cette issue réserve un seul livrable atomique : CausalBridges-00-PearlLadder-Intro-Python.ipynb.

Livrable

• Créer MyIA.AI.Notebooks/Probas/DecisionTheory/Causal-Bridges/CausalBridges-00-PearlLadder-Intro-Python.ipynb (noyau Python, kernel coursia-ml-training), exécuté bout-en-bout, committé avec outputs réels (C.2).
• Motivation historique (cellule 0) : Snow/choléra 1854 (Broad Street pump) + Doll & Hill 1950 (smoking/lung cancer) — deux exemples où l'observation seule a été piégeuse et où la causalité a demandé un raisonnement supplémentaire. Figures matplotlib schématiques.
• DAG 4 nœuds (cellule 1) : Z (confondeur, ex. aptitude) → X (traitement, ex. mentorat), X → Y (outcome, ex. score), Z → Y, plus M (médiateur, ex. effort) entre X et Y. Dessin networkx + export PNG.
• P(y|x) (association) (cellule 2) : observation pure. Sur DGP semi-synthétique, montrer que P(Y|X=1) ≠ P(Y|do(X=1)) quand Z confond. C'est le barometer de Pearl §1.
• P(y|do(x), z) (intervention) (cellule 3) : mutilation du graphe (Pearl §3.3) — supprimer l'arête Z → X, fixer X := x, puis estimer. Vérification par simulation : P(Y|do(X=1)) = E_Z[P(Y|X=1, Z)].
• P(y_x | x₀, y₀) (contrefactuel individuel) (cellule 4) : abduction-action-prédiction (Pearl §9) sur 1 individu — pour 1 étudiant non traité à $V > 0$ ayant $Y=0.6$, estimer son $Y$ sous $T := 1$.
• 5 exercices C.1 :
  1. Ajouter un second confondeur W (ex. motivation), étendre le DAG, vérifier l'identifiabilité.
  2. Vérifier P(Y|do(X)) reste identifiable (backdoor adjustment).
  3. Calculer le contrefactuel inverse (« aurait-il réussi sans mentorat ? » pour un étudiant traité à $V < 0$).
  4. Reproduire le paradoxe de Simpson (un effet qui s'inverse en agrégeant).
  5. Démontrer que voir le barometer ≠ le faire tomber (illustration causale).
• 3 cellules-types vérifiées post-exec : cell 2 (P(Y|X) naïf), cell 3 (P(Y|do(X)) après mutilation), cell 4 (contrefactuel individuel) — outputs canoniques, execution_count non-null.
• Bibliographie primaire en cellule dédiée : Pearl Causality 2009 (ch. 1, 3, 9) ; Hernan/Robins What If 2020 ch. 1-2 ; Schölkopf 2021 (2102.11107) §1.
• Verdict SOTA documenté : SOTA-OK (Pearl + numpy + scipy + networkx + matplotlib, aucun GPU requis, aucun réseau neuronal, installable via pip sans secret).
• README de la série Causal-Bridges : ajouter une ligne dans la table « Contenu » référençant ce notebook comme socle d'entrée commun aux 8 plis à venir.

Acceptation

• Le notebook existe à MyIA.AI.Notebooks/Probas/DecisionTheory/Causal-Bridges/CausalBridges-00-PearlLadder-Intro-Python.ipynb, exécuté bout-en-bout, outputs commités (C.2).
• execution_count non-null sur toutes les cellules code ; outputs cohérents (C.2) ; pas d'erreur volontaire (C.1 : stubs pass / return None / print("Exercice a completer")).
• 3 cellules-types vérifiées post-exec : cell 2 (association naïve), cell 3 (intervention mutilée), cell 4 (contrefactuel individuel). Outputs canoniques documentés dans la PR.
• 5 exercices C.1 présents, alignés à la convention dépôt (sans lever d'exception).
• Bibliographie primaire en cellule dédiée (Pearl 2009 ch. 1/3/9, Hernan/Robins 2020 ch. 1-2, Schölkopf 2021 §1).
• Verdict SOTA documenté en cellule dédiée (SOTA-OK argumenté).
• README de la série Causal-Bridges mis à jour avec une ligne « CausalBridges-00 — PearlLadder-Intro | ~45 min | socle d'entrée commun aux plis à venir ».
• PR Grain: DEEP/notebook-python — lane <lane> — prev: <prev> en première ligne, hors worktree (cf. gh-posting-hygiene.md).
• PR reviewable : scope borné au seul notebook + 1 ligne README, pas de diffs collatéraux.
• Issue de suivi ouverte si une dépendance (librairie, GPU, kernel) s'avère manquante.

Pré-condition et verrouillage

• Pré-condition du Pli 1 : aucune. C'est le socle.
• Verrouillage du Pli 2 (P-09 Hernan Target Trial Emulation) : verrouillé jusqu'à merge vérifié du Pli 1 par ai-01. Au merge, le coordinateur déplie par commentaire [PLI 2 DÉPLIÉ] sur l'Epic parent, créant la sous-issue P-09.
• Pli 1 peut être pioché immédiatement par n'importe quelle lane Python (recommandation : lane myia-po-2025:CoursIA-2 ou myia-po-2027:CoursIA-2, par adjacence thématique avec la série Causal-Bridges).

Vérification avant de croire le scan (cf. audit-reassessment.md)

Le scratchpad/causal_scan.md session 2026-10-05 affirme qu'aucun notebook de la constellation ne pose l'échelle de Pearl pas-à-pas avant d'attaquer do-calculus. Vérification firsthand : CausalBridges-01 attaque « l'échelle de Pearl » mais suppose DAG + conditional proba acquis et entre directement dans les 3 règles du do-calculus. C'est conforme : le scan est correct, le Pli 1 comble un vrai manque (entrée pédagogique, pas redondance).

Ancrage aux refs cibles

• R-pearl (Pearl Causality 2009, ch. 1) : la table d'exemples Snow/Doll-Hill est canonique.
• R-hernan (Hernan/Robins What If 2020, ch. 1-2) : la reformulation « voir vs faire » en réponse à « qu'est-ce que l'inférence causale ? ».
• R-scholkopf2021 (2102.11107) §1 : la motivation « pourquoi la causalité ? » en lien avec le machine learning.
• R-bareinboim2016 (Pearl's Hierarchy, r60.pdf) §1 : la hiérarchie rungs 1-2-3.

Conventions

• Noyau : Python 3, kernel coursia-ml-training (cf. CausalBridges-01).
• Dépendances : numpy, scipy, networkx, matplotlib. Aucune GPU. Aucune API externe.
• Anti-régression : ne pas dupliquer ce qui est déjà dans CausalBridges-01..08 — ce Pli 1 est avant CB-01, pas en doublon.
• Pas de secret dans le notebook (règle secrets-hygiene.md).
• Pas de scrub de sortie (règle 6 secrets-hygiene.md + sota-not-workaround.md Stop & Repair).

Audience

• Étudiants EPITA/EPF/ECE qui abordent l'inférence causale via le dépôt.
• Lecteurs du document greenpau Causal Inference.md qui veulent une entrée exécutable avant les ressources externes.
• Lanes Python qui piochent un grain DEEP/CONTENU adjacent à l'IIT / Probabilités / Décision.

---

Part of #19309

[jsboige]

Part of #19309 (Epic origami — compléter la constellation causale, pli 1 / 9). Pli 1 sans pré-condition, socle commun aux 8 plis P-09..P-16. Verrouillage : Pli 2 (P-09 Hernan) attend le merge vérifié de Pli 1, dépliage par commentaire [PLI 2 DÉPLIÉ] du coordinateur ai-01 sur l'Epic parent. Cadrage user 2026-10-05 (option A).

[jsboige]

[CLAIMED] lane myia-ai-01:CoursIA-2 -- paths: MyIA.AI.Notebooks/Probas/DecisionTheory/Causal-Bridges/CausalBridges-00-PearlLadder-Intro-Python.ipynb (c.182, EPIC #19309 Origami pli 1, DEEP/notebook-python socle Pearl Ladder introductive)

[jsboige]

[INFO] c.182 Pli 1 Origami causal LIVRÉ — PR #19368 (tête 59ea252dd)

DEEP/notebook-python sur EPIC #19310 (sous-issue de l'EPIC origami #19309).

Livrables

• PR feat(probas,#19310): CausalBridges-00 — Pearl Ladder introductive (Pli 1 Origami causal) #19368 : feat(probas,#19310): CausalBridges-00 — Pearl Ladder introductive (Pli 1 Origami causal). Branche feature/19310-cb00-pearl-ladder-intro.
• Nouveau notebook : MyIA.AI.Notebooks/Probas/DecisionTheory/Causal-Bridges/CausalBridges-00-PearlLadder-Intro-Python.ipynb (96 ko, 20 cellules : 10 markdown + 10 code).
• Exécution : bout-en-bout via nbclient (kernel python3), 10 cellules code avec execution_count non-null, outputs cohérents, 0 erreur (H.3 ✅).
• Claim amend : c.6001836187 — paths MyIA.AI.Notebooks/Probas/DecisionTheory/Causal-Bridges/CausalBridges-00-PearlLadder-Intro-Python.ipynb (CREATION scope, vérifié CLEAR par check_lane_claim.py).

Contenu du Pli 1

1. Motivation historique : Snow/choléra 1854 (Broad Street) + Doll-Hill 1950 (smoking/cancer). DGP illustré, 4 quartiers fictifs (Soho/Bloomsbury/Westminster/Camden), figures matplotlib avec confounding par zone.
2. DAG 4 nœuds : Z (aptitude, confondeur) → X (mentorat) → M (effort, médiateur) → Y (score), plus Z → Y (effet direct). Dessin networkx avec labels d'arêtes.
3. P(Y|X) — association naïve (cellule-type 1) : simulation 100 000 unités, biais de sélection par Z mesuré.
4. P(Y|do(X)) — intervention mutilée (cellule-type 2) : ajustement backdoor par Z (Pearl §3.3.1), effet causal ajusté vs association naïve.
5. Contrefactuel individuel (cellule-type 3) : Alice (X=0, Y=0.6) → contrefactuel Y sous X=1 par abduction-action-prediction (Pearl §9).
6. 5 exercices C.1 : 2e confondeur W, identifiabilité backdoor, contrefactuel inverse, paradoxe de Simpson, baromètre/tempête. Tous en pass + # TODO etudiant (C.1 : pas d'erreur volontaire).

Conformité

• C.1 (pas d'erreur volontaire) : ✅ exercices = pass + # TODO etudiant.
• C.2 (notebook committé AVEC outputs) : ✅ 10 cellules code exécutées.
• H.3 (pre-commit execution_count=null + outputs=[]) : ✅ Passed.
• SOTA-OK : ✅ numpy + scipy + networkx + matplotlib (vrais outils, pas de workaround).
• Pas de secret : ✅.
• Pas de scrub de sortie : ✅ Stop & Repair respecté.

README de la série Causal-Bridges — écarté (conflit #19150)

Le README a été explicitement écarté de la claim et de la PR (conflit avec #19150 po-2024 en cours sur ce même fichier). La ligne de README prévue par l'acceptance (CausalBridges-00 — PearlLadder-Intro | ~45 min | socle d'entrée commun aux plis à venir) sera livrée dans un PR de suivi après merge de #19150.

Plancher G-VAR-1

TENU c.182. Premier grain DEEP/notebook-python de la série c.182 — le 5e pattern c.103 d'EPIC terminée (Compression + NLP + Complexity + RL + SymbolicAI = 5/5) ouvre sur un nouveau cycle DEEP/CONTENU via les Origami EPICs du coordinateur.

Verrouillage des plis suivants (EPIC #19309)

Au merge vérifié par ai-01, le coordinateur déplie le pli 2 (P-09 Hernan Target Trial Emulation) par commentaire [PLI 2 DÉPLIÉ] sur l'EPIC parent #19309. Pli 1 = socle, Plis 2-9 = dépendances.