diff --git a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-16-MDLTwoPartCode.ipynb b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-16-MDLTwoPartCode.ipynb
index f93caf4710..44ea054fa5 100644
--- a/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-16-MDLTwoPartCode.ipynb
+++ b/MyIA.AI.Notebooks/IIT/ICT-Series/ICT-16-MDLTwoPartCode.ipynb
@@ -18,6 +18,8 @@
     "\n",
     "**Strate 5** | Epic **#4588** | Issue **#5099** | Part of **#4588** (Closes **#5099**).\n",
     "\n",
+    "**Navigation** : [Index de la série](README.md) | Témoin transverse (lecture Tegmark/Schmidhuber) : [ICT-MUH](ICT-MUH-FibreTegmark.ipynb)\n",
+    "\n",
     "## Pourquoi MDL après K (ICT-13) et F (ICT-14) ?\n",
     "\n",
     "ICT-0 a pose que l'integration ($\\Phi$), la surprise ($F$) et la compression ($K$) sont trois facettes d'un même quantite. ICT-13 a attache la jambe $K$ a la **longueur** d'une trajectoire reelle par contraste shuffle -- mais un `k_gain > 0` ne dit rien sur la *forme* du modèle : toute la complexite est-elle dans la **matrice de transition** ou dans les fluctuations atypiques ? ICT-16 attache $K$ a la **structure interne** du modèle via le principe MDL (Minimum Description Length, Rissanen 1978) -- code en deux parties : `bits_modele` (decrire la TPM avec un prior) + `bits_residuel` (encoder les residuals d'un modèle idealise par cette TPM).\n",
diff --git a/MyIA.AI.Notebooks/SymbolicAI/Lean/Lean-12b-Lean-Sensitivity-Theorem.ipynb b/MyIA.AI.Notebooks/SymbolicAI/Lean/Lean-12b-Lean-Sensitivity-Theorem.ipynb
index a5a2fa4e5c..72ec430fd4 100644
--- a/MyIA.AI.Notebooks/SymbolicAI/Lean/Lean-12b-Lean-Sensitivity-Theorem.ipynb
+++ b/MyIA.AI.Notebooks/SymbolicAI/Lean/Lean-12b-Lean-Sensitivity-Theorem.ipynb
@@ -40,7 +40,8 @@
     "**Le pont** : Lean-12 (empirique) ↔ Lean-12b (formel) ↔ Lean-14 (Finiteness,\n",
     "autre bound polynomial) ↔ Lean-16 (Conway Free Will, autre théorème emblématique\n",
     "résolu formellement). Tous démontrent la même leçon : un notebook qui exhibe la\n",
-    "preuve dans le kernel Lean est plus solide qu'un notebook qui la décrit en prose."
+    "preuve dans le kernel Lean est plus solide qu'un notebook qui la décrit en prose.\n",
+    "**Navigation** : [Lean-12 — Sensitivity (empirique Python)](Lean-12-Sensitivity-Theorem.ipynb) | Suivant : [Lean-12c — TPR (companion natif)](Lean-12c-Tensor-Product-Representations-Lean.ipynb) | [Index de la série](README.md)\n"
    ]
   },
   {