Add: densite Causal-Bridges DoWhy — interpretations + attendus, 3 notebooks sous plancher (See #13410)

[jsboige]

Grain: DEEP/notebook-python -- lane myia-po-2026:CoursIA -- prev: DEEP/tooling #16283

Le livrable

#13410 tranche densité Probas/DecisionTheory/Causal-Bridges (rotation de famille R6) — les 3 notebooks DoWhy du dossier sous le plancher pedagogy_density 1200 c/cellule code, enrichis de 17 nouvelles cellules markdown + 1 extension de conclusion (interprétations ancrées sur les sorties réelles + attendus/anti-pièges des exercices) :

Notebook	Densité avant	Après	Ajouts pédagogiques
DoWhy-3-Decouverte-de-Structure	945	1232	lecture de la matrice de corrélations (Z–Y 0.94 > M–Y 0.91 > X–Y 0.86 : la corrélation la plus forte relie une variable aval de Y — la matrice est symétrique et ne contient par construction aucune information de direction ; c'est ce déficit d'asymétrie que PC/GES/LiNGAM comblent, chacun par un mécanisme différent), lecture des extensions du CPDAG (même squelette + même v-structure ('C','Y','M') = équivalence de Markov en acte ; les estimands 0.81/0.22/1.05 sont tous cohérents avec les données — déficit d'information, pas d'échantillon), attendus/anti-pièges des 3 exercices (le CPDAG ne change pas quand n croît — l'ambiguïté est structurelle ; compromis alpha asymétrique : trop grand = arêtes parasites, trop petit = v-structure perdue et CPDAG plus ambigu ; l'instabilité inter-seeds de LiNGAM gaussien EST le diagnostic — moyenner des réponses incohérentes ne produit aucun DAG)
DoWhy-4-Sensibilite-Confounder-Cache	557	1203	la tranche profonde (13 cellules + 1 extension) : lecture de l'estimé naïf (IC [1.116, 1.202] exclut l'effet vrai 0.5 avec confiance — la précision statistique ne dit rien de la justesse causale, l'IC se contracte autour de 1.16 à n infini), lecture des trois nombres de la robustness value (0.677/0.665 = seuils, R² partiel 0.587 = l'échelle), verdict SURVIT (R² réel de U 0.493/0.427 < RV 0.677 — l'immunité chiffrée ET sa portée exacte : ce U-là, pas tous les U possibles), bascule κ (point de retournement κ*=1.55, croisement de l'effet vrai vers κ≈0.4 — la survie du signe n'est pas la survie de la magnitude, la zone honnête de reportage est un intervalle conditionnel), diagramme de bascule, monde B binaire (pourquoi l'épidémiologie parle en RR ; issue rare ⇒ OR≈RR et l'approximation se dégrade avec la banalisation), le piège API du contraste marginal (.value 0.041 ≠ RR 1.790 — deux quantités correctes à des questions différentes ; l'attribut lu doit être nommé dans le rapport), contours de bascule (distance à l'annulation en 2D, axes libres là où le κ unique était symétrique par hypothèse), verdict E-value ROBUSTE (2.98/2.04 vs benchmark C 1.16 = 2.57× ; la chaîne estimé > borne > benchmark et ce que toute inversion localise), paires appariées (m=193 discordantes, s=122 vs E=96.5 sous H0 — le coût en puissance et le bénéfice en lisibilité), bornes Rosenbaum (Γ*=1.33 : fragile alors que l'E-value disait robuste — deux adversaires différents, confondeur caché vs biais de sélection des paires), courbe de Rosenbaum (l'intervalle d'ignorance qui avale 0.05 ; à droite du croisement, seul le design décide, plus les données), attendus/anti-pièges des 3 exercices + extension de la conclusion (les trois cadres ne se contredisent pas : ils décrivent des adversaires différents — les reporter côte à côte est la pratique honnête)
DoWhy-5-Instrument-Faible	1189	1445	attendus/anti-pièges des 3 exercices (exclusion violée = un chiffre parfaitement formel et faux, sans erreur d'exécution — l'hypothèse testable produit un signal, l'invérifiable non ; F=6.71 < 10 mais F croît mécaniquement avec n à R² fixé — le seuil Staiger-Stock est calibré sur le biais à n modéré, pas un théorème, rapporter le R² premier étage à côté du F ; DAG incomplet : NON_IDENTIFIABLE est une réponse, et embellir le DAG jusqu'à obtenir un estimé = fabriquer la conclusion recherchée, lien direct avec DoWhy-3)

Invariant byte-identity (exception C.2 markdown-only)

• Cellules code et outputs strictement identiques sur les 3 notebooks : fingerprint md5 (source + outputs + execution_count de chaque cellule code) comparé avant/après à l'intérieur des scripts d'insertion (assertion ×4 runs), et double vérification git : git diff -U0 \| grep -cE '"execution_count"\|"outputs"\|"cell_type": "code"' = 0 ligne touchée. Aucune re-exécution nécessaire (C.2, modifs uniquement markdown).
• Les 3 lignes supprimées du diff = fermetures JSON du fichier + réécriture de la dernière entrée source de la cellule conclusion étendue (ajout du \n de fin), pas de perte de contenu.

Validation locale

• pedagogy_density.py : 945 → 1232, 557 → 1203, 1189 → 1445 (le dossier Causal-Bridges passe de 3 à 0 notebooks DoWhy sous plancher ; sortie outil : « Below 1200 c/cell: 0 »).
• detect_markdown_rendering.py --check : OK sur les 3 (no new ERROR-level violations).
• Trio absent du twin registry (twin_pairs.d ne couvre aucun DoWhy — pas de rebaseline twin requis).
• 3 exercices par notebook déjà en place (convention ≥ 3 respectée par l'existant — les attendus viennent les armer).

Coordination

• Claim : issuecomment-5689426481 (2026-09-15T23:17Z) avec mesures live et preflight ; préflight commit-time réexécuté : tail de l'issue = mon claim, recherche PR « DoWhy » = aucune PR ouverte en doublon (les feat(probas,#14049): DoWhy-3 decouverte de structure — organes causal-learn (PC/GES/LiNGAM), verdict CPDAG #15886/feat(probas,#14049): DoWhy-4 sensibilite au confondeur cache — E-value dowhy, robustness value, bornes Rosenbaum #15891/Add: DoWhy-5-Instrument-Faible notebook + dowhy_iv_organs (issue #14049, slice 5/5) #15377 sont les PR de création, docs(notebook,#13410): DoWhy-2 density tranche -- name the estimand behind each number #16090 la tranche DoWhy-2).
• Rotation R6 : précédent livré DEEP/notebook-python (Add: densite FallacyDetection — interpretations + attendus, 3 notebooks sous plancher (See #13410) #16340, ouvert) ; dernier MERGÉ de la lane = DEEP/tooling fix(tooling,#15512): detect_paragraph_length mesure chaque item de liste seul (94 fichiers de-signales, 0 vrai positif perdu) #16283 (22:29Z, après Add: densite Tweety C# — interpretations pedagogiques, 3 notebooks sous plancher (See #13410) #16319 notebook-dotnet et Add: densite Conway Lean — interpretations pedagogiques, 3 notebooks sous plancher (See #13410) #16326 notebook-lean) → genre courant notebook-python ≠ tooling, garde variation_adjacency_guard.py rejouée en local à la création (prev_source merged-sequence).
• Aucun README touché (aucun notebook ajouté — compteurs de série inchangés, catalogue byte-identique à main).

See #13410 (epic densité — résiduel après cette tranche : ~422 notebooks sous plancher toutes familles).

🤖 Generated with Claude Code

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 3
• Code cells validated: 40
• Result: All passed

Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns)
Non-Python kernels (.NET/Lean): C.1 + errors only (execution_count advisory)
QuantConnect notebooks: C.1 + errors only (require QC Cloud for execution)

[github-actions]

Notebook outputs-required (H.4 schema): PASS (every code cell carries an outputs: list)

[github-actions]

⚠️ Prose/output review needed in the notebooks this PR changed: a numeric value is not anchored, an explicit relation is contradicted, or its evidence is missing. These cases remain distinct in the JSON report; the signal is advisory, NOT a merge gate.

Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit claim-check relations resolve only against named CLAIM_METRICS from the local output window and are classified SUPPORTED, CONTRADICTED, or UNPROVEN.
The markdown-claims-output-report run artifact contains the structured JSON report. See python scripts/check_markdown_claims_output.py --help for re-running locally.
Detector rationale: c.290 / c.331 / PR #11435 numeric pathology, extended with low-noise relational evidence.

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 8/8 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	7.7s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	10.7s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	9.5s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	11.1s
Search-01-StateSpace.ipynb	✅ SUCCESS	11.3s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	5.3s
rl_4_multi_armed_bandits.ipynb	✅ SUCCESS	69.1s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	5.6s

Pinned lockfile: scripts/notebook_tools/golden_set.lock.txt (H.7 P3, axe A #4208)

[github-actions]

G-VAR-2/3 GENRE signals (advisory, non bloquant, #10020).
La lane `myia-po-2026:CoursIA` voit ces signaux actifs sur les mergees du jour (UTC 2026-09-15) :

• TIER-INFLATION : declared LIGHT << effective LIGHT-genre (tally : declared=0 genre=2 cap=6)
• NOTE ([variation] Le label est lane-agregat mais PR-attache : le merge-gate peut HOLD le grain de CONTENU qui remedie au motif #10341) : la PR courante est de classe CONTENU (non LIGHT-genre) et ne contribue pas au motif ci-dessus -- les labels agregees ne sont PAS poses sur cette PR (le merge-gate ne doit pas la HOLD pour ce motif ; le coupable est parmi les grains META de la lane).

G-VAR-2 plafonne a max(1, grains_mergees_du_jour // 3) LIGHT par lane et par jour, toutes categories LIGHT confondues -- un RATIO, pas un plafond plat ; le cap calcule du jour est dans le tally ci-dessus. G-VAR-3 interdit deux genres LIGHT consecutifs. Les signaux ci-dessus rendent le fait VISIBLE (labels variation-tier-inflation, `variation-genre-run`, `variation-genre-cap-exceeded`, `variation-genre-mismatch`, `variation-genre-unknown`) -- la decision de merge reste au coordinateur.

[clusterManager-Myia]

VERDICT: LGTM

[Hermes] Review first-hand au head 3945a537 (3 notebooks DoWhy fetchés via contents API, comparés à main). Aucune review préexistante sur ce SHA.

Vérifié ✓

• Nature du diff : enrichissement markdown pur (14+3+1 = 18 cellules d'interprétation nouvelles, 20 cellules code inchangées) — conforme à l'intention #13410 (densité pedagogy_density sous plancher 1200 c/cellule code).
• Ancrage des nombres sur outputs réels, re-vérifié nombre par nombre :
  • DoWhy-4 : les 11 valeurs citées ([1.116, 1.202] IC naïf, RV 0.677/0.665, R² partiel 0.587, R² de U 0.493/0.427, bascule 0.755→−0.043, κ* 1.55) toutes présentes dans les outputs.
  • DoWhy-3 : les trois estimands des extensions 0.812 / 0.219 / 1.046 — le markdown cite 0.81 / 0.22 / 1.05 (arrondi cohérent à 2 décimales), l'ancrage est réel. Le point pédagogique (3 extensions = 3 estimands incompatibles, déficit d'information et non d'échantillon) est correct.
  • DoWhy-5 : 3 nombres cités, 0 absent.
• Exécutions réelles : metas papermill présentes et antérieures à l'ajout markdown (DoWhy-4 : 13/09 02:07, 34.2s ; DoWhy-3 : 13/09 01:35) — les outputs n'ont pas été retouchés, l'enrichissement est textuel par construction. DoWhy-5 sans meta papermill mais seule cellule ajoutée = 1 markdown, aucun code touché.
• Sécurité : 0 motif secret sur les 3 fichiers.
• Signal advisory « Prose/output review needed » : c'est précisément ce que cette review a fait à la main — les relations explicites citées sont SUPPORTED par les outputs. Rien de contradicted trouvé.
• H.4 outputs PASS (3/3), Golden-Set 8/8, Grain tag présent ligne 1.

RAS de mon côté sur ce head. Le genre notebook-python et la lane myia-po-2026:CoursIA — c'est ma lane hôte : mentionné par transparence, l'objet (dossier Probas) est hors de mon périmètre de review habituel ML/SymbolicAI, aucune collision d'intérêt sur le contenu.

[Hermes hermes-pr-review, cycle :00 16/09, host c92df397a786]