diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-0-Framing.md b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-0-Framing.md index caa50bee1b..0e5de9a736 100644 --- a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-0-Framing.md +++ b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-0-Framing.md @@ -317,6 +317,7 @@ IIT/ ├── ICT-8-AttractorLandscapesEWS.ipynb # ✅ strate 2 : paysages d'attracteurs + early-warning signals ├── ICT-9-AgencyRegeneration.ipynb # ✅ strate 2 : agence = régénération réaction-diffusion (Gray-Scott) ├── ICT-10-CatastropheGrammar.ipynb # ✅ charnière strate 2→3 : grammaire des catastrophes (fronce, pli, lacet de prédation) +├── ICT-22b-CausalInterventionEngine.ipynb # ✅ moteur d'intervention causal — 5 ops, contrôles appariés, format Gate 24 (accrétion du palier 22, #15479) └── ict/ ├── self_sorting.py # ✅ modèle vue-cellule (Cell, SelfSortingArray, scheduler) ├── kin_sorting.py # ✅ règles enrichies : réparation bidirectionnelle + affinité kin @@ -330,6 +331,7 @@ IIT/ ├── reaction_diffusion.py # ✅ strate 2 : simulateur Gray-Scott (Laplacien périodique, diffusion pure de contrôle) ├── agency.py # ✅ strate 2 : ablation do(·), structure, recovery_score, repair_gain, similarité spectrale ├── catastrophe.py # ✅ charnière strate 2→3 : fronce (cusp), équilibres/plis, lacet d'hystérésis, représentant interne p̂ + ├── causal_engine.py # ✅ moteur commun d'interventions causales (ablate/clamp/patch/steer/interchange), contrôles appariés (#15479) ├── distances.py # à venir : distances entre états / structures / trajectoires └── ... ``` diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/README.md b/MyIA.AI.Notebooks/IIT/ICT-Series/README.md index e23b8cf067..82099e753b 100644 --- a/MyIA.AI.Notebooks/IIT/ICT-Series/README.md +++ b/MyIA.AI.Notebooks/IIT/ICT-Series/README.md @@ -55,7 +55,7 @@ Le package `ict/` (installable en mode editable, issue [#8076](https://github.co | Réversibilité & flèche du temps | `time_arrow`, `reversibility_budget` | 5 | | Ponts & bassins (#9531) | `bridge_testing`, `basin_family`, `basin_geometry`, `basin_asym`, `basin_landscape2d` | 5 | | Coopération & symboles (dimension D2) | `signaling_convention`, `symbol_invention`, `collective_adoption`, `concept_inoculation`, `inhibited_invention` | D2 | -| Workspace & SAE/J-Lens | `workspace`, `sae_traces`, `jlens_traces`, `jlens_trackP_traces`, `lens_agreement`, `persona_cusp` | 5-6 | +| Workspace & SAE/J-Lens | `workspace`, `sae_traces`, `jlens_traces`, `jlens_trackP_traces`, `lens_agreement`, `persona_cusp`, `causal_engine` | 5-6 | | Synthèse & triade | `synthesis`, `triade`, `beauty`, `argumentation`, `strategic_morphodynamics` | 3-5 | | Dissociations (matrice #7734) | `salience_valence_dissociation`, `phat_self_reference` | 5 | @@ -211,6 +211,7 @@ La **strate 5 commence ici** : le substrat mesuré n'est plus un système dynami |----------|-------|-------| | [ICT-21-SAETrajectoires](ICT-21-SAETrajectoires.ipynb) | SAE (Qwen + Qwen-Scope — **gamme Qwen3/Qwen3.5, 700M → 120B** ; **jalon 9B ici**, réplication cross-échelle dans #5105 / #7396 ; verdict GÉNÉRATION décroisé de la fidélité de l'instrument dans #13040 : les quatre FVU mesurées au décodage officiel, le meilleur SAE dégradé au-delà du pire sans que le recouvrement ne suive) — des features SAE aux trajectoires d'états discrets, substrat S4 *(GPU)* | [#5101](https://github.com/jsboige/CoursIA/issues/5101) | | [ICT-22-LLMSubstrat](ICT-22-LLMSubstrat.ipynb) | LLM comme quatrième substrat du banc cross-substrat — on passe des **stratégies** d'Axelrod (ICT-13) aux **représentations internes** (features SAE d'ICT-21) qui les motivent, puis à la jambe argumentation (#7289) qui les met en confrontation explicite. *(GPU)* | [#5102](https://github.com/jsboige/CoursIA/issues/5102) | +| [ICT-22b-CausalInterventionEngine](ICT-22b-CausalInterventionEngine.ipynb) | **Moteur d'intervention causal — opérer, contrôler, mesurer** *(accrétion du palier 22 — LLMSubstrat, moteur transversal [#15479](https://github.com/jsboige/CoursIA/issues/15479))* : les cinq opérations v1 (`ablate`, `clamp`, `patch`, `steer`, `interchange`) sous un **contrat commun** sur un panneau d'activation, avec les **contrôles appariés obligatoires** (cible aléatoire appariée en norme *et* fréquence, sham write-back, doses symétriques), la **séparation des trois canaux** état / readout / comportement en slots jamais sommés, et le format **Gate 24** ([#5635](https://github.com/jsboige/CoursIA/issues/5635)) à trois bras — cible / aléatoire apparié / intact. Le banc est synthétique et sa causalité est connue **par construction** ; le verdict est **falsifiable et fixé avant la lecture** (§8 : test binomial unilatéral, correction de Holm sur 4 seeds — `SUPPORTED` dans les outputs committés), et `selectivity_verdict` **refuse** de qualifier de sélectif un collapse global (double condition : ratio ≥ 5 *et* `off_target` ≤ 0.10). Cœur numpy `ict/causal_engine.py` (tranche 1), confinement torch dans `scripts/causal_hooks.py` (tranche 2) | [#15479](https://github.com/jsboige/CoursIA/issues/15479) | | [ICT-23-PersonaCatastrophe](ICT-23-PersonaCatastrophe.ipynb) | Désalignement émergent par fronce, énergie libre et MDL (capstone) | [#5104](https://github.com/jsboige/CoursIA/issues/5104) | | [ICT-24-WorkspaceIgnition](ICT-24-WorkspaceIgnition.ipynb) | WorkspaceIgnition — l'axe *Global Workspace* (Dehaene, Baars) comme cinquième jambe : module `ict/workspace.py` (série de concentration Gini, événements d'ignition persistants, influence retardée, profil de fan-out, candidats workspace, batterie event-triggered réutilisant `synthesis.emergence_gain`). **Gates 22-23 GPU-free livrés (#5875)** : verdict dissociation (contraste synthétique +0.44, pics emergence_gain et ignitions workspace ne co-localisent pas sur S4) ; Gate 24 (clamp sélectif) en phase 2 GPU *(GPU-free)* | [#5635](https://github.com/jsboige/CoursIA/issues/5635) | | [ICT-SAE-JLens-TeteATete](ICT-SAE-JLens-TeteATete.ipynb) | **Tête-à-tête SAE↔J-space** (couche 16, 9B-Base) — confronte les deux lentilles du workspace global (SAE Qwen-Scope W64K-L0_50 vs jacobien J-Lens neuronpedia) sur le même modèle et les mêmes prompts, banc numpy-only lisant les 4 fixtures pré-extraites : features différentielles (K_DIFF=64), séries de concentration, matrices de séparation inter-jeux, dégradation top-k *(GPU-free, #5681 Track S)* | [#5681](https://github.com/jsboige/CoursIA/issues/5681) |