fix(density,#17040): redressement paquet P09 -- series IIT

MyIA.AI.Notebooks/IIT/ICT-Series/ICT-05-CausalEmergence-Python.ipynb

@@ -521,13 +521,6 @@
     "plt.show()"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Lecture de la figure.** Les trois systèmes côte à côte, chacun avec sa paire de barres $\\Phi_{\\text{micro}}$ (gris) / $\\Phi_{\\text{macro}}$ (vert), et au-dessus l'étiquette d'émergence **colorée selon son signe** : vert pour le système de Hoel ($+0{,}48$), rouge pour XOR ($-1{,}38$) et `basic_network` ($-1{,}79$). Le titre de la figure dit exactement ce qu'elle encode : *émergence (vert) vs dégradation (rouge) selon le système*. La comparaison visuelle ferme la section : l'agrégation n'est ni toujours bonne ni toujours mauvaise -- elle est **discriminante**, et le signe du delta dit laquelle des deux descriptions, micro ou macro, porte la causalité du système considéré.\n"
-   ]
-  },
   {
    "cell_type": "markdown",
    "id": "d09be37c",
@@ -638,13 +631,6 @@
     "print(\"le supplement d'integration (Phi) survit a la perte d'etats -> emergence.\")"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Lecture du bilan, chiffres en main.** Les comptes exacts : 4 nœuds micro $= 16$ micro-états contre 2 nœuds macro $= 4$ macro-états -- l'agrégation jette $\\log_2 16 - \\log_2 4 = 2$ bits de résolution d'état. Le micro portait $\\text{EI} = 1{,}1486$ bit ; la sortie n'affiche pas l'EI du macro, seulement le verdict intégratif : le gain de $\\Phi$ vaut $+0{,}4833$ *après* cette perte de résolution. C'est la décomposition de la section 4 en acte : l'EI est le produit déterminisme × non-dégénérescence, et l'agrégation échange de la résolution (des états) contre du déterminisme (des transitions) -- ici l'échange est bénéficiaire. La phrase de la sortie le résume elle-même : *le macro a moins d'états mais une dynamique plus déterministe ; le supplément d'intégration ($\\Phi$) survit à la perte d'états* -- c'est la définition opérationnelle de l'émergence causale.\n"
-   ]
-  },
   {
    "cell_type": "markdown",
    "id": "364fb138",

MyIA.AI.Notebooks/IIT/ICT-Series/ICT-06-SortingToTPM-CausalEmergence-Python.ipynb

@@ -494,13 +494,6 @@
     "    print(f\"  {k:22s} : {float(prof[k]):.4f}\")"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Lecture chiffree - l'identite du §3 verifiee sur la sortie.** Trois des cinq valeurs se deduisent l'une de l'autre : specificite 0,9698 = 1 - degenerescence 0,0302, et effectiveness 0,7170 = determinisme 0,7472 - degenerescence 0,0302 = 0,7472 + 0,9698 - 1, au centieme pres (les valeurs sont arretees a 4 decimales). Et l'information effective la confirme en bits : 0,7170 x log2(24) = 0,7170 x 4,585 ≈ 3,29, sortie 3,2876. L'EI porte donc aussi la taille de l'espace (24 etats), pas seulement la qualite des transitions — le profil tout entier tient en une phrase : un systeme assez deterministe (0,75), tres specifique (0,97), presque sans degenerescence (0,03). Et ce n'est que le point de depart : c'est la reference micro contre laquelle l'emergence sera jugee.\n"
-   ]
-  },
   {
    "cell_type": "markdown",
    "id": "ict6-micro-interp",
@@ -592,13 +585,6 @@
     "print(\"\\nemergence causale obtenue par ce macro ?\", \"OUI\" if eff_lvl > eff_micro else \"NON\")"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Lecture chiffree - l'echec du macro naif en trois nombres.** Micro (24 etats) : effectiveness 0,7170. Macro « niveau de tri » (7 etats, un par nombre d'inversions, de 0 a 6) : 0,6825. Gain : -0,0345, et le verdict affiche tout net : « emergence causale obtenue par ce macro ? NON ». Regrouper par niveau de tri rend les transitions plus floues : un meme niveau peut descendre vers plusieurs niveaux selon la permutation exacte, l'identite des inversions portait de l'information causale et on la jette. C'est la lecon d'ICT-5 en acte — l'emergence n'est pas automatique, un coarse-graining « evident » peut detruire — et le contraste avec la section suivante (gain positif +0,1085) se lira dans la table de l'apportionnement glouton.\n"
-   ]
-  },
   {
    "cell_type": "markdown",
    "id": "ict6-naive-interp",
@@ -722,13 +708,6 @@
     "      f\"  (+{max(eff_vals) - eff_vals[0]:.4f})\")"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Lecture chiffree - vingt et une fusions, un seul verdict.** Le chemin va de 24 etats (micro) a 3 etats (macro le plus grossier) : 21 fusions, chacune avec son gain delta_cp. L'effectiveness passe de 0,7170 a 0,8256 (+0,1085, « OUI » affiche) et le determinisme de 0,7472 a 0,8296. L'EI en bits, elle, descend de 3,2876 a 1,3085 — verification de la definition : 0,8256 x log2 3 = 0,8256 x 1,585 ≈ 1,31 ; l'EI du macro reste effectiveness x la nouvelle taille, elle ne baisse que parce que l'espace retrecit. La repartition des gains n'est pas uniforme : les plus gros deltas sont les deux dernieres fusions (+0,0219 a la taille 4, +0,0199 a la taille 5), les premieres valent 0,002-0,005 — le travail causal se condense vers le grossier. C'est l'armature chiffree de la figure suivante : l'effectiveness qui monte, l'EI qui descend.\n"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 9,
@@ -888,13 +867,6 @@
     "plt.tight_layout(); plt.show()"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Lecture chiffree - EC decomposee.** La sortie donne l'identite de la definition en acte : EC 8,1658 = log2 L 4,3923 + H(p) 3,7735, avec L = 21 transitions d'echelle (les 24 etats passes a 3, une fusion par ligne du tableau). H(p) mesure l'egalite de repartition des gains : 3,7735 sur un maximum de log2 21 = 4,3923, soit 86 % du plafond — on est loin d'un chemin ou une fusion unique porterait tout le travail (H = 0). Pourtant la lecture precedente montre que les plus gros deltas se concentrent sur les dernieres fusions : la distribution n'est pas uniforme, elle est charpentee — beaucoup de micro-gains, quelques macro-gains. C'est en ce sens que la morphogenese par tri est multi-echelles : ni le micro seul, ni le « niveau de tri », ni meme la plus grosse fusion ne resument le travail causal a eux seuls.\n"
-   ]
-  },
   {
    "cell_type": "markdown",
    "id": "ict6-ec-interp",

MyIA.AI.Notebooks/IIT/ICT-Series/ICT-32-StratificationCausaleLife.ipynb

@@ -80,13 +80,6 @@
     "Rappel des primitives (Hoel) : le **déterminisme** mesure à quel point chaque état-cause détermine son effet ; la **dégénérescence** mesure la concentration des effets (plusieurs causes vers le même effet) ; l'**effectiveness** normalisée est leur différence, et l'**information effective** `EI = effectiveness × log2(n)`."
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Protocole de mesure — lire un profil causal.** Le bloc enchaime trois appels dont il faut fixer le role avant de lire la sortie : `trajectory(embed(canonical_pattern(\"glider\"), 16), 64)` construit le film du glider sur le tore 16x16 (64 pas, cycle ferme) ; `cycle_tpm_from_trajectory` encode ce film en TPM, avec un seul 1 par ligne et par colonne ; `causal_profile` calcule le quadruplet determinisme, degenerescence, effectiveness, EI. A la lecture, une deuxieme ligne s'ajoute a la sortie — l'EI theorique d'un cycle de 64 — qu'il faudra confronter a celle du profil. L'arithmetique du rappel suffit pour predire un cycle pur : determinisme 1.000, degenerescence 0.000, effectiveness 1.000, EI = log2(64) = 6.000 bits. C'est l'etalon du bloc : la partition par phase et l'apportionnement glouton s'y compareront pour dire ce qui change a chaque echelle et ce qui se conserve.\n"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 2,
@@ -142,7 +135,7 @@
    "id": "7ad1557b",
    "metadata": {},
    "source": [
-    "### Lecture du résultat\n",
+    "### Lecture du résultat — rotation pure du cycle glider\n",
     "\n",
     "Le profil est celui d'une **rotation pure** : déterminisme 1.000, dégénérescence 0.000, `EI = log2(64) = 6` bits exactement — chaque bit de l'état micro sert à distinguer la cause suivante. Le glouton d'apportionment confirme ce diagnostic en une seule passe : il essaie toutes les fusions de paires, n'en trouve aucune qui améliore l'effectiveness, et s'arrête immédiatement."
    ]
@@ -224,7 +217,7 @@
    "id": "b0daf339",
    "metadata": {},
    "source": [
-    "### Lecture du résultat\n",
+    "### Lecture du résultat — la strate phase est causalement étanche\n",
     "\n",
     "La description « particule » est **causalement étanche** : effectiveness 1.000 conservée, EI réduit d'exactement `log2(16)` bits — précisément l'information de position que la strate jette. Perdre la position ne perd **aucune cause** : la dynamique de phase est autonome. C'est la lecture formelle de l'intuition « un glider est une particule » — et la porte ouverte à la question inverse : existe-t-il des cas où la macro ne se contente pas d'être étanche, mais **bat** le micro ?"
    ]
@@ -241,13 +234,6 @@
     "Commençons petit : le tore 2×2 et ses 16 graines."
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Protocole de mesure — rendre la perte mesurable.** `torus_ensemble_tpm(2)` joue la regle B3/S23 sur chaque grille du tore 2x2 et regroupe les transitions dans une TPM de 16 lignes : deux graines qui aboutissent au meme successeur partagent la meme colonne d'avenir. La sortie compte ce phenomene d'abord (successeurs distincts, collisions), puis donne le quadruplet du profil. L'etalon est le plafond sans perte : effectiveness 1.000 et EI = log2(16) = 4.000 bits ; l'ecart affiche entre ce plafond et l'EI mesure la quantite exacte d'information que la regle ne projette pas, dans la continuite du titre de la section. Enfin `fate_strata` relit la TPM pour grouper les graines par destin commun, et la sortie des tailles de strates prepare les deux partitions a dessiner a la section suivante.\n"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 5,
@@ -284,7 +270,7 @@
    "id": "6f9013a1",
    "metadata": {},
    "source": [
-    "### Lecture du résultat\n",
+    "### Lecture du résultat — 11 collisions sur 16 graines\n",
     "\n",
     "**11 collisions sur 16 graines** : la dégénérescence saute à 0.672, l'effectiveness tombe à 0.328. Vu de l'ensemble, l'état micro d'une graine ne détermine pas sa cause en retour — la règle a fondu 16 origines possibles en 5 avenirs. Visualisons la structure de ces fusions : les strates de destin (les fibres de la fonction successeur) et leurs tailles."
    ]
@@ -350,7 +336,7 @@
    "id": "4bb89eae",
    "metadata": {},
    "source": [
-    "### Lecture du résultat\n",
+    "### Lecture du résultat — la hiérarchie des destins du tore 2×2\n",
     "\n",
     "Les tailles racontent une hiérarchie brutale : **12 graines sur 16 fondent vers le même avenir — la grille vide** — et les quatre strates restantes sont des singletons : les quatre **dominos** (deux cellules adjacentes), chacun son propre successeur. Sur ce tore minuscule, le voisinage emmêlé par le rebouclage (une cellule voisine d'une autre par plusieurs directions à la fois) rend la règle fortement dissipative : seules 4 graines sur 16 se perpétuent à l'identique. La **structure** de la mesure, elle, est générale : la règle comprime l'ensemble des origines."
    ]
@@ -368,13 +354,6 @@
     "- **la partition par population** : grouper par nombre de cellules vivantes — une observable macro naturelle… mais qui ne suit pas la règle."
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Protocole de lecture — trois lignes, quatre colonnes.** Le tableau applique `partition_profile` trois fois sur le meme objet : micro (les 16 etats de la TPM), destin (les strates de `fate_strata`), population (les strates de `live_count_strata`, qui groupe les grilles par nombre de cellules vivantes). Chaque ligne porte quatre nombres — determinisme, degenerescence, effectiveness, EI — et la lecture a une regle d'ordre : le determinisme se lit en premier (celui du destin est un invariant de construction, chaque strate pointe vers un successeur unique, il ne peut etre que 1.000) ; la degenerescence ensuite, c'est elle que le destin dissout ; l'effectiveness resume les deux et porte le verdict ; l'EI enfin traduit le jugement en bits, effectiveness multipliee par la taille de l'espace reduit. Le point a arbitrer en regardant la sortie : les deux partitions dessinees ne se distinguent-elles que par la degenerescence, ou le prix du regroupement touche-t-il aussi le determinisme ?\n"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 7,
@@ -417,7 +396,7 @@
    "id": "ff9a7ac1",
    "metadata": {},
    "source": [
-    "### Lecture du résultat\n",
+    "### Lecture du résultat — le destin bat le micro, la population non\n",
     "\n",
     "Le contraste est net des deux côtés :\n",
     "\n",
@@ -435,13 +414,6 @@
     "Les strates de destin, nous les avons dessinées — mais le glouton de `greedy_apportionment` n'en sait rien : il fusionne paire par paire en maximisant l'effectiveness à chaque pas. S'il aboutit de lui-même à la partition gagnante, la stratification n'est pas un artefact de notre dessin."
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Protocole de lecture — suivre le chemin de fusions.** `greedy_apportionment(tpm2)` part du micro et ne garde une fusion que lorsque son delta est positif : la sortie aligne une ligne par echelle — taille courante, effectiveness, EI, delta de la fusion, positions fusionnees — puis la taille finale et l'EC sous sa forme log2 L + H(p). Trois reperes pour la lecture : verifier qu'aucune echelle retenue ne baisse l'effectiveness ; reperer ou le chemin s'arrete, car le glouton n'a recu aucune indication sur les strates que la section precedente a dessinees a la main ; et regarder la repartition des deltas, celle que la composante H(p) de l'EC resume en un nombre. Une contre-verification d'arithmetique en passant : l'EI d'une ligne vaut l'effectiveness multipliee par log2 de la taille affichee, les colonnes du tableau doivent donc rester coherentes entre elles.\n"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 8,
@@ -493,7 +465,7 @@
    "id": "012962fb",
    "metadata": {},
    "source": [
-    "### Lecture du résultat\n",
+    "### Lecture du résultat — le glouton re-dérive la partition par destin\n",
     "\n",
     "**Le glouton re-dérive la partition par destin** : chemin monotone 16 → 5 états, effectiveness 0.328 → 1.000 en onze fusions, échelle terminale de 5 états — exactement le nombre d'avenirs distincts. La colonne des fusions montre la mécanique : la grande strate grandit par **absorption successive** des singletons. L'EC de 6.70 dit de plus que le travail causal est **distribué** le long de l'échelle (onze fusions d'ampleur croissante, de 0.023 à 0.129, plutôt qu'un saut unique) : la stratification n'a pas un « palier magique », elle se construit."
    ]
@@ -508,13 +480,6 @@
     "Le tore 2×2 est un monde dégénéré ; la question est de savoir si la structure de la mesure (dégénérescence micro massive, restauration par le destin) survit avec un espace d'états 32× plus riche. Le tore 3×3 porte 512 graines — toujours tractable pour un profil et une partition dessinée (le glouton, lui, coûte O(n⁴) : documenté, non exécuté)."
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Protocole de mesure — la meme chaine, quatre sorties.** Cote calcul, rien de nouveau : `torus_ensemble_tpm(3)` reprend la fonction de la section 2 sur la totalite des graines du tore 3x3, et les trois lectures suivent — `causal_profile` pour le profil micro, `fate_strata` pour les strates de destin, `partition_profile` pour la partition. La sortie affiche donc quatre nombres a lire ensemble : les collisions, la degenerescence et l'effectiveness du micro, l'effectiveness du destin. L'ecart entre les deux effectiveness est le verdict de la section : s'il reste du meme ordre que celui du tore 2x2, la structuration n'est pas un accident de l'espace restreint. Les valeurs exactes changeront — le plafond log2 grandit avec la taille — mais le rapport entre les colonnes, lui, doit tenir.\n"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 9,
@@ -554,7 +519,7 @@
    "id": "ac9c3eaa",
    "metadata": {},
    "source": [
-    "### Lecture du résultat\n",
+    "### Lecture du résultat — la structure tient sur le tore 3×3\n",
     "\n",
     "La structure tient, et s'aggrave dans le bon sens : **384 collisions sur 512 graines** (75 %), dégénérescence micro 0.656, et la partition par destin la restaure presque parfaitement — effectiveness 0.998, EI 3.09 → 6.98 bits. Plus l'espace d'états est riche, plus la règle B3/S23 y fond les origines — et plus le squelette causal (les 128 avenirs distincts) concentre la description."
    ]