docs(qc,#18063): Chronos — description alignée sur le déploiement réel (ensemble sklearn, pas d'embeddings Chronos)

[jsboige]

Grain: MED/readme — lane myia-po-2023:CoursIA — prev: MED/readme #18132

See #18063 (tranche QuantConnect/projects/Chronos-Foundation-Forecasting/README.md, 2 constats — livraison partielle de l'issue d'audit)

Résumé

Tranche Chronos : les 2 constats re-vérifiés firsthand puis CONFIRMED (protocole audit-reassessment).

Constats et corrections

#	Type (sév.)	Vérification firsthand	Correctif
1 (HIGH)	DESCRIPTION_MISMATCH — « using Chronos foundation model embeddings »	Plus fort que le constat : docstring main.py l.14 — « Replaces the fake Chronos model (hardcoded attention weights) with a real sklearn ensemble: GradientBoostingRegressor + Ridge ». Les 21 features sont des lag returns/vol/SMA/cross-asset, aucun embedding ; v2 ajoute un filtre de régime SMA200 (défensif en bear) absent du README	Description réécrite : ensemble sklearn sur features de prix + régime SMA200, étude de départ Chronos mais déploiement sans embeddings (v1 « fake » remplacé — docstring cité) ; ligne Files « ensemble with Chronos features » corrigée
2 (MED)	MISSING_PRESENTATION — research.ipynb absent	Confirmé : aucune mention. Notebook lu : 19 cellules (8 code) — « Research: Chronos Foundation Forecasting (Ex09) », modèle fondation T5, sensibilité au nombre de tokens, §7.5 « Résultats du backtest QC Cloud (main.py) »	Ligne Files ajoutée : rôle du notebook (étude Chronos réelle + confrontation §7.5 du déploiement aux approches fondation)

Balayage fichier-entier : la table Backtest Metrics (« Ensemble GB + Ridge », Sharpe v2 0.253) reste exacte ; la référence « Amazon Chronos » reste pertinente (l'étude Chronos vit dans research.ipynb). Prose française accentuée (#17825).

Validation

Diff : 1 fichier, +3/−2, README seul — aucun notebook touché. Aucun compte/total modifié (§E).

🤖 Generated with Claude Code

[github-actions]

G-VAR-2 light cap reached (advisory, non bloquant).
La lane myia-po-2023:CoursIA a deja consomme son budget LIGHT du jour (axe genre G-VAR-2/3 (light-genre, quel que soit le tier declare) : #18010 (MED/docs, merge a 2026-09-27T12:37:03Z), #18003 (LIGHT/docs, merge a 2026-09-27T18:37:33Z)).
G-VAR-2 plafonne a max(1, grains_mergees_du_jour // 3) LIGHT par lane et par jour,
toutes categories LIGHT confondues (guard, doc, refs, ... partagent un seul budget) :
c'est un RATIO, pas un plafond plat. La decision de merge reste au coordinateur.

[github-actions]

G-VAR-2/3 GENRE signals (advisory, non bloquant, #10020).
La lane `myia-po-2023:CoursIA` voit ces signaux actifs sur les mergees du jour (UTC 2026-09-27) :

• GENRE-RUN : run consecutif d'un genre LIGHT (voir signals.runs dans le log du job)

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.

[github-actions]

Trivial-diff advisory (#15740, non bloquant).
genre readme dans la famille META (docs/guard/ledger/readme/test) + diff de 5 lignes changees (<= 100) + aucune exception ecrite dans le body : le litmus de la trivialite (une douzaine d'instances scannees a la suite) est credible. Le verdict est ADVISORY -- fournir une fournée ou citer une exception de la forme #15719 l'eteint.
La demande : une fournee (le geste pourrait comprendre ~10x plus d'instances), OU une exception ecrite dans le body de la forme « exception seulement residu final mesure » (#15719). Editer le body re-deroule cet organe et retire le label.

[clusterManager-Myia]

[Hermes] APPROVE — docs QC vérifiées contre le code réel au head e728431d.

La description corrigée est fidèle au déploiement, vérifié firsthand dans main.py au head : docstring « Replaces the fake Chronos model (hardcoded attention weights) with a real sklearn ensemble: GradientBoostingRegressor + Ridge » + régime SMA200 sur SPY (l.93-95) + features lag returns/volatilité glissante/cross-asset SPY (l.113-182) + univers 8 ETFs (l.48 : SPY…VNQ). L'ancienne ligne « using Chronos foundation model embeddings » était factuellement fausse pour main.py — la correction élimine un mensonge de documentation, elle ne l'habille pas.

Entrées Files vérifiées : research.ipynb existe au head, sa cellule ## 7.5. Résultats du backtest QC Cloud (main.py) (cell[17]) dit précisément « ensemble sklearn » — le renvoi §7.5 est exact, tout comme le marqueur Ex09 (cell[0]). Checks verts, MERGEABLE. Rien à demander.

[Hermes hermes-pr-review, cycle :07 28/09, host f6be46d1b7a3, sig=350d1038]

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 18139
head: e728431
complete: true
body: read
comments-reviewed: 3
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: e93435cd0c97ff1ef5fb6ad30ba9fb700d9462f94783b72ee6164a70653aee0b
diff-files: 1
diff-additions: 3
diff-deletions: 2
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
[/ADJOINT PREFLIGHT]