docs(iit,#13410): densité ICT-14b + ICT-13b — lectures chiffrées (1305/1514)

MyIA.AI.Notebooks/IIT/ICT-Series/ICT-13b-DecroisementDynamiqueObservable.ipynb

@@ -182,6 +182,14 @@
     "      f\"(saturation attendue)\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture de la sortie.** Le réplicateur déterministe vit dans une coopération quasi nulle : le champ moyen oscille dans $[0{,}055,\\ 0{,}255]$ et *finit* à $0{,}056$ -- la trajectoire s'enfonce et reste au fond. À l'observable argmax, la dominante finale est tft, et la sortie qualifie elle-même la saturation d'*attendue* : sans innovation de vocabulaire ni stochasticité de population, la trajectoire se fige tôt sur une stratégie et n'en bouge plus. C'est le pôle haut-gauche du plan -- celui qui doit reproduire les $0{,}0000$ des PRs argmax.\n"
+   ],
+   "id": "d52c7bdb"
+  },
   {
    "cell_type": "markdown",
    "id": "4ec3161b",
@@ -227,6 +235,14 @@
     "      f\"{sorted(set(int(d) for d in evo.dominant_idx))}\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture de la sortie.** Même socle, même matrice de gains, même $\\mu$ -- et pourtant tout diffère : sur 401 générations, la coopération traverse $[0{,}261,\\ 0{,}938]$ et *finit* à $0{,}671$, douze fois le niveau final du réplicateur ($0{,}056$). Surtout, la liste des stratégies visitées à la dominante est $[0, 1, 2, 3, 4, 5]$ -- *tout* le vocabulaire, chaque stratégie a dominé au moins une génération. La population finie ne se fige pas : elle circule. C'est le contraste brut qui motive le plan décroisé -- avant même la mesure $b_1$, les deux dynamiques produisent des trajectoires qualitativement différentes sur le même substrat.\n"
+   ],
+   "id": "a742c157"
+  },
   {
    "cell_type": "markdown",
    "id": "6ba08a7c",
@@ -281,6 +297,14 @@
     "    print(f\"{dyn:<6} {obs:<8} {len(st):>6} {uniq:>17} {changes:>12}\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture du tableau des quatre séquences.** Longueur constante (401 partout), et deux facteurs qui se lisent en multiplicateurs sur la colonne *changements* : passer au digitize-8 multiplie les changements par 8 côté réplicateur ($1 \\rightarrow 8$) et par 4 côté agent-based ($70 \\rightarrow 280$) ; passer à la dynamique agent-based multiplie par 70 côté argmax ($1 \\rightarrow 70$) et par 35 côté digit8 ($8 \\rightarrow 280$). Les deux facteurs enrichissent le signal, mais la dynamique pèse un ordre de grandeur de plus que l'observable. La table est le plan factoriel $2 \\times 2$ rendu visible *avant* la mesure -- la question de la section suivante est de savoir lequel des deux facteurs fabrique du relief $b_1$, ou si les deux y contribuent.\n"
+   ],
+   "id": "59b35e13"
+  },
   {
    "cell_type": "markdown",
    "id": "a5aea6fe",
@@ -342,6 +366,14 @@
     "    print(f\"  [{dyn} x {obs}] b1={r.b1}, n_edges={r.n_edges}, n_triangles={r.n_triangles}\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture de la table décroisée, ligne par ligne.** Réplicateur : $0{,}0000$ en argmax *et* en digitize-8 -- y compris la cellule haut-droite, celle qui n'avait jamais été mesurée : même à résolution riche, une trajectoire saturée ne produit aucun relief. Agent-based : $0{,}0280$ en argmax (petit mais non nul -- les 70 changements de dominante laissent une trace) et $0{,}5036$ en digitize-8. Les deux contrôles internes annoncés en intro tiennent : la ligne réplicateur reproduit les $0{,}0000$ des trois PRs argmax, la cellule bas-droite est non nulle comme le $0{,}3989$ de #12732. Le détail edges/triangles porte une leçon de méthode à lui seul : le graphe le plus *dense* est celui du repl $\\times$ argmax ($435$ arêtes, $4\\,060$ triangles) -- précisément la cellule à $b_1 = 0$ -- parce que deux symboles qui se répètent enchaînent beaucoup d'adjacences sans aucun changement de motif ; la cellule au relief maximal ($239$ arêtes seulement) est la plus *pauvre* en arêtes. Densité de graphe et relief de persistance mesurent deux choses différentes -- la table répond au plan factoriel : le relief exige la dynamique à population finie, l'observable seule ne suffit pas.\n"
+   ],
+   "id": "723dc56f"
+  },
   {
    "cell_type": "markdown",
    "id": "7f167d18",
@@ -410,6 +442,14 @@
     "print(\"#12732 publiait 0.3989 sur cette cellule (graine 20260720).\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture du contrôle de reproduction.** Le pipeline 15j (frontières de fenêtres exactes de #12732) retrouve $0{,}3989$ -- la valeur *publiée*, identique, même graine maîtresse. Le pipeline unifié, lui, mesure $0{,}5036$ sur la même trajectoire. L'écart $0{,}3989 \\leftrightarrow 0{,}5036$ n'est donc pas un désaccord sur la donnée mais un effet de *définition* : les frontières de fenêtres du proxy changent le découpage, pas le verdict qualitatif (non nul, même ordre de grandeur). C'est exactement pourquoi la table de la section 4 annonce les deux : le contrôle garantit que l'écart inter-pipelines est documenté, jamais lissé -- et que le chiffre cité dans l'arbitrage porte toujours son pipeline avec lui.\n"
+   ],
+   "id": "670bd0df"
+  },
   {
    "cell_type": "markdown",
    "id": "9b707bcb",
@@ -481,6 +521,14 @@
     "plt.tight_layout(); plt.show()"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture du contrôle de résolution, ligne par ligne.** Colonne réplicateur : $0{,}0000$ à 2, 4, 8 *et* 16 symboles -- augmenter la résolution de l'observable ne fabrique aucun relief sur une trajectoire saturée, ce qui répond au point 3 de #13039 : l'observable n'est pas un facteur de confusion généralisé. Colonne agent-based : $0{,}0000$ (2 symboles), $0{,}1211$ (4), $0{,}5036$ (8), puis *chute* à $0{,}1598$ (16) -- non-monotone avec un pic net à 8. Trop peu de symboles : la séquence est grossière et le relief se moyenne ; trop : chaque symbole devient rare, les motifs longs se fragmentent et le $b_1$ se dilue. La résolution optimale vit entre les deux -- et le digitize-8 de la recette #12732 tombe précisément sur le pic de cette colonne.\n"
+   ],
+   "id": "36002304"
+  },
   {
    "cell_type": "markdown",
    "id": "07c4c400",

MyIA.AI.Notebooks/IIT/ICT-Series/ICT-14b-ActiveInferenceEFE.ipynb

@@ -377,6 +377,14 @@
     "print(f\"   Le terme épistémique s'éteint (l'incertitude se concentre), A ≈ B : frontière confirmée.\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture de la sortie.** Les dix valeurs, toutes seeds confondues, sont à $1{,}0$ -- la récupération de A comme celle de B, sans exception : en régime stationnaire les deux agents convergent vers le bras optimal. Ce qui subsiste est un régulateur fin : le regret résiduel vaut $2{,}04$ pour A contre $1{,}38$ pour B -- l'exploration dirigée continue à sonder légèrement après convergence, d'où un petit surcoût résiduel. C'est numériquement la frontière annoncée : le terme épistémique ne *pénalise* presque plus quand il ne sert plus -- il s'éteint de lui-même sur des postériors concentrés, et $A \\approx B$ au sens des ordres de grandeur ($2$ contre $1{,}4$, à comparer aux $35$ contre $66$ du régime non-stationnaire où l'écart était le signal).\n"
+   ],
+   "id": "e622cadd"
+  },
   {
    "cell_type": "markdown",
    "id": "39d2e78c",
@@ -429,6 +437,14 @@
     "print(\"   l'avantage de A est entièrement crédité au terme épistémique (pas à un artefact).\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture du contrôle nul.** Zéro violation sur $5 \\times 397 = 1\\,985$ décisions post-warmup : l'agent C ($\\lambda = 0$, terme épistémique ablaté) est *indiscernable* du greedy B, décision par décision. C'est la pièce qui verrouille l'attribution causale : si C divergeait de B ne serait-ce qu'une fois, l'avantage mesuré de A pourrait venir d'un artefact d'implémentation (une autre règle de choix, un tie-break différent) plutôt que du terme épistémique. Le null adverse tient -- l'écart $A > B$ du Gate 1 est *entièrement* crédité au terme épistémique de l'EFE, et à rien d'autre.\n"
+   ],
+   "id": "9d17e837"
+  },
   {
    "cell_type": "markdown",
    "id": "fbc3499d",
@@ -503,6 +519,14 @@
     "print(\"(la croyance stale fige le greedy, seul l'épistémique dirige la ré-exploration).\")"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Lecture du balayage.** La sortie énonce elle-même le résultat : *« l'avantage du terme épistémique émerge quand l'oubli ralentit (la croyance stale fige le greedy, seul l'épistémique dirige la ré-exploration) »*. Le long de l'axe $\\rho$, le delta de récupération $(A - B)$ traverse donc zéro : côté oubli rapide, la croyance se renouvelle assez vite pour que le greedy récupère seul -- l'oubli fait le travail d'exploration à la place du terme épistémique ; côté oubli lent, la croyance stagne sur l'ancien bras optimal et seul le terme épistémique pousse à re-sonder. Le régime du Gate 1 ($\\rho = 0{,}99$) est exactement le côté droit de cette frontière -- et le balayage montre que le verdict n'y est pas accidentel : c'est un continuum, pas un point isolé favorable.\n"
+   ],
+   "id": "c754976a"
+  },
   {
    "cell_type": "markdown",
    "id": "ed1c6c33",