[jsboige]

feat(ict,#13903): Greffe 5 tranche 1/3 — module ict/causal_attribution.py (close-form NumPy)

Grain: DEEP/notebook-python — lane myia-po-2027:CoursIA-2 — prev: LIGHT/docs #12353

See #13903 (Greffe 5 tranche 1/3 ; livraison partielle, tranche 2/3 et 3/3 à venir)

Contexte

#13903 « Greffe 5 — attribution causale de l'intervention » identifie une lacune structurelle dans le dépôt :

• ICT mesure abondamment l'émergence causale intrinsèque (ict.causal_emergence, Hoel 2025 ; PNAS 2013) ;
• ICT ne mesure nulle part l'attribution causale d'une intervention : étant donné un changement observé après une intervention, peut-on l'attribuer à l'intervention plutôt qu'à la dérive, au confondant, ou au choix de l'ordre d'ablation ?

C'est exactement la question que les greffes 4/sandbox produisent :

• [ICT] Greffe 4 — le vote verifiable et la gouvernance DAO existent (SC-17, SC-9, SC-13) : y brancher l'argumentation et le choix social #13570 fait passer un vote vérifiable ;
• [ICT] Bac a sable institutionnel : anvil est deja installe et consomme (SC-1/SC-2, ANVIL_RPC) — ce qui manque, ce sont les acteurs, pas la chaine #13571 ouvre un bac à sable où une action institutionnelle s'exécute pour de vrai ;
• [ICT] Agents LLM heterogenes face a des contrats : l'experience que le bac a sable rendrait possible — gatee sur la reponse du workspace Epita #13572 y met des agents hétérogènes.

Chacune produit un S_t → S_{t+1}. Aucune ne peut dire que l'intervention en est la cause. Sans cette jambe, la chaîne deliberation → action institutionnelle → monde modifié → nouvelle délibération se termine par une corrélation post-hoc.

Cette PR tranche 1/3 pose l'interface analytique NumPy ; les tranches suivantes brancheront l'interface sur les organes natifs DoWhy/PyMC/Infer/Tweety et construiront le notebook ICT-Greffe5-AttributionCausale.ipynb qui démontre l'attribution sur la cible +raft/+discard de la Greffe 2 (PR #13802 MERGED).

Distinction explicite (à ne pas confondre)

Opération	Question	Référence	Module
Émergence causale	Combien de pouvoir causal une échelle grossière gagne sur sa micro-dynamique, sur une TPM connue et fermée	Hoel 2025 ; Jansma & Hoel 2025	ict.causal_emergence
Attribution causale	Si une intervention observée est cause du changement observé, sur données brutes	Pearl 2009 ; Imbens & Rubin 2015	ict.causal_attribution (cette PR)

Trois estimateurs implémentés

1. naive_difference — E[Y | X=1] − E[Y | X=0]. Biaisé par confondants et effet sélection. Baseline uniquement.
2. backdoor_adjustment — Pearl 2009 chap. 3.3 : Σ_z E[Y | X=x, Z=z] · P(Z=z). Correct si Z bloque le backdoor ; lève ValueError (estimand NON_IDENTIFIABLE) si une modalité X manque pour une modalité Z.
3. iv_estimate — Angrist-Krueger 2001 : Cov(Y, Z) / Cov(X, Z). Lève ValueError (instrument NON PERTINENT) si |Cov(X, Z)| < 5/√n (seuil 5-σ).

Verdict tri-état (analogue ICT-12e)

compare_estimators({...}, tolerance) rend AttributionVerdict :

• AGREEMENT : toutes les valeurs dans ±tolerance autour de la médiane ;
• DESACCORD : écart > tolérance — rapporte les deux valeurs, JAMAIS de moyenne (archétype : EVSI 253 000 vs 252 796 EUR, écart 204 EUR sous tolérance dans ICT-12e) ;
• NON_IDENTIFIABLE : l'estimand n'est pas identifiable sous le graphe posé — c'est un résultat légitime (le notebook Greffe 5 doit le rapporter comme tel, cf. modèle SAE-Catastrophes cité dans [ICT] Greffe 5 — attribution causale de l'intervention : le controle que le bac a sable exige (organes DoWhy/PyMC/Tweety deja natifs) #13903).

Contrôle négatif obligatoire

Test test_control_intervention_without_effect_returns_zero_ate : vrai ATE = 0, le module retourne |ATE| < 0.2. C'est la négation du pattern ICT-12e (le EVSI non-informatif doit valoir 0). Si l'attribution causale ne sait pas dire « cette intervention n'a pas causé ce changement », elle ne sait rien dire.

Statistiques

• 3 fichiers : ict/causal_attribution.py (nouveau, 313 lignes), ict/tests/test_causal_attribution.py (nouveau, 218 lignes), ICT-Series/README.md (+1 ligne)
• +602 / -1
• 13/13 tests PASSED (0.28 s) — 8 gates falsifiables : naive_difference (OK/KO), backdoor_adjustment (OK/KO modality missing), iv_estimate (OK/KO relevance), compare_estimators (AGREEMENT/DESACCORD/≥2 requis), CausalGraph (self-loop/duplicate/valid), contrôle négatif ATE = 0
• Anti-régression : 485/485 tests package ict/ verts (46 s)

Distinction ict.causal_emergence vs ict.causal_attribution (docstring)

Le module documente explicitement la distinction dans son :warning: block — ce sont deux opérations distinctes. ICT a abondamment la première (Hoel) ; il n'a nulle part la seconde (Pearl). Les organes natifs (DoWhy-1, PyMC-05, Infer-5, Tweety-11, Probas/DecisionTheory/Causal-Bridges) sont les calculs canoniques de la causalité dans le dépôt. Cette tranche 1/3 pose la signature analytique close-form ; les tranches 2/3 et 3/3 brancheront les moteurs et construiront le notebook.

Références

• Judea Pearl, Causality, Cambridge UP, 2009 (chap. 3 : do-calculus, chap. 3.3 : backdoor criterion).
• Guido Imbens & Donald Rubin, Causal Inference for Statistics, Social, and Biomedical Sciences, Cambridge UP, 2015.
• Joshua Angrist & Alan Krueger, 2001 (variables instrumentales).
• Hoel, Albantakis & Tononi, PNAS 2013 ; Hoel, "Causal Emergence 2.0", arXiv:2503.13395, 2025 — pour la distinction emergence vs attribution.

Suite (autres cycles)

• Tranche 2/3 : adaptateurs branchant ict.causal_attribution sur DoWhy-1, PyMC-05, Infer-5, Tweety-11 ; vérification cross-engine (mêmes valeurs à tolérance près sur cas canoniques parapluie/forage/animat).
• Tranche 3/3 : notebook ICT-Greffe5-AttributionCausale.ipynb dans IIT/ICT-Series/ appelant ≥ 2 organes causaux sans en réimplémenter un seul, cible d'intervention +raft/+discard (Greffe 2 PR feat(ict,#13568): ICT-Greffe2 quadruplet (A, F, r, pi) -- elargissement, controle negatif, noyau, navigation #13802 MERGED), contrôle négatif, verdict tri-état.

Critères d'acceptation #13903 (tranche 1/3 couverte)

• Un notebook ICT qui appelle au moins deux organes causaux natifs → tranche 3/3
• Une intervention réelle du dépôt comme cible (sandbox [ICT] Bac a sable institutionnel : anvil est deja installe et consomme (SC-1/SC-2, ANVIL_RPC) — ce qui manque, ce sont les acteurs, pas la chaine #13571, vote [ICT] Greffe 4 — le vote verifiable et la gouvernance DAO existent (SC-17, SC-9, SC-13) : y brancher l'argumentation et le choix social #13570, ou +raft/+discard Greffe 2) → tranche 3/3
• Un estimand exigé avant le chiffre, et un graphe causal explicite → tranche 3/3
• Un verdict tri-état : attribué / non attribué / non identifiable, avec DESACCORD si moteurs divergent → livré (module) + tranche 3/3
• Un contrôle négatif : intervention sans effet → ATE ~ 0 → livré (test test_control_intervention_without_effect_returns_zero_ate)

3 critères sur 5 livrés en tranche 1/3 ; les 2 restants sont des livrables de la tranche 3/3 (notebook qui appelle ≥ 2 organes + cible d'intervention réelle).

[github-actions]

Path-collision (organ #13359/#13615)

Cette PR #13916 (feat(ict,#13903): Greffe 5 tranche 1/3 -- module ict/causal_attribution.py (close-form NumPy)) touche au moins un chemin de fichier aussi modifie par d'autres PRs ouvertes. Risque de double-livraison (meme fichier livre deux fois, 2x le travail et 2x les runs CI). Advisory : parfois legitime (tranches coordonnees, partition paths: explicite, PRs empilees exclues) -- l'organe rend visible, il ne bloque pas.

• faible -- feat(ict,#13570): Greffe 4 — vote argumenté sur chaîne (Argumentation -> Choix social -> SmartContracts) #13828 partage : MyIA.AI.Notebooks/IIT/ICT-Series/README.md
• faible -- chore(catalog): scheduled auto-regenerate (long-lived PR) #13839 partage : MyIA.AI.Notebooks/IIT/ICT-Series/README.md
• fort -- feat(ict,#13903): Greffe 5 tranche 2/3 -- adaptateurs cross-engine Quasi-Experimental + PyMC-05 #13921 partage : MyIA.AI.Notebooks/IIT/ICT-Series/README.md (issues communes : [ICT] Greffe 5 — attribution causale de l'intervention : le controle que le bac a sable exige (organes DoWhy/PyMC/Tweety deja natifs) #13903)

[jsboige]

[Hermes] — review 2e2b9f4ce9 (tranche 1/3 Greffe 5 — COMMENT, contrainte token : COMMENT only).

Lecture complète du module (+377 l.) et des tests (+224 l.), vérifications recalculées à la main :

Vérifié

• Gate 2 (Simpson/backdoor) : par strate Z, E[Y|X=1,Z=z] − E[Y|X=0,Z=z] = 5.0 exact (Y = 10 + 5X + 2·1[z=high] + bruit), donc backdoor = Σ_z p_z × 5 → 5.0 quel que soit le plan X|Z ; le naïf biaise via l'effet sélection (0.9/0.1). Le test discrimine correctement.
• Gate 7 (tri-état) : spread = max|v − médiane| (et non max−min) — robuste à >2 estimateurs ; archétype ICT-12e (écart 204 sous tol 500) correctement cité.
• iv_estimate : floor pertinence 5/√n ≈ 5σ sous H0 (Cov échantillonnale ~ 1/√n), justification en commentaire ; Gate 5 à n=1e6 cohérent (~1e-3 < 5e-3).
• Fail-loud NON_IDENTIFIABLE : ValueError sur modalité X manquante par strate Z (Gate 3), pas de valeur par défaut silencieuse — discipline anti-fabrication respectée.
• Sécurité : 0 match (HF_TOKEN|API_KEY|BEARER|PASSWORD|SECRET|TOKEN\s*=). Dépendances stdlib+numpy, aucun impact cross-repo.

Non bloquant

• CausalGraph est validé (Gate 8) mais pas encore consommé par les estimateurs — pure déclaration en tranche 1/3, assumé.

Séquencement : la tranche 2/3 (#13921, base main) importe ict.causal_attribution absent de main (404 vérifié) → ordre de merge strict #13916 → #13921.

Verdict : fondation solide, gates falsifiables, aucun défaut bloquant relevé.