docs(gametheory,#20316): T0 -- trois liens morts repara (15g .ipynb, entree 20e, ligne SC-08)

MyIA.AI.Notebooks/GameTheory/README.md

@@ -135,7 +135,7 @@ La dernière phase ouvre les frontières de la discipline : CFR pour les jeux à
 |---|----------|--------------------|-------|--------|------------------|
 | 13 | Information imparfaite et CFR — [Python (WSL)](GameTheory-13-ImperfectInfo-CFR-Python.ipynb) · [C#](GameTheory-13-ImperfectInfo-CFR-CSharp.ipynb) | Counterfactual Regret Minimization, MCCFR, Deep CFR sur le poker | 70 min | Licence | [13b](GameTheory-13b-Safe-Subgame-Solving-Python.ipynb) · [13c](GameTheory-13c-Safe-Subgame-Solving-CSharp.ipynb) · [13d](GameTheory-13d-Optimistic-CFR-Python.ipynb) · [13e](GameTheory-13e-Revision-Croyances-Adversaire-Python.ipynb) |
 | 14 | Jeux différentiels — [Python](GameTheory-14-DifferentialGames-Python.ipynb) · [C#](GameTheory-14-DifferentialGames-CSharp.ipynb) | Jeux en temps continu, boucle ouverte et fermée, Stackelberg, poursuite-évasion | 60 min | Licence | — |
-| 15 | Jeux coopératifs — [Python](GameTheory-15-CooperativeGames-Python.ipynb) · [C#](GameTheory-15-CooperativeGames-CSharp.ipynb) | Valeur de Shapley, Core, condition de Bondareva-Shapley | 65 min | Licence | [15b](GameTheory-15b-Lean-CooperativeGames-Lean.ipynb) · [15c](GameTheory-15c-CooperativeGames-Python.ipynb) · [15d](GameTheory-15d-Mobius-Coalitions-Lean-Python.ipynb) · [15e](GameTheory-15e-Coalition-Power-SMT-Python.ipynb) · [15f](GameTheory-15f-Shapley-Groupes-Python.ipynb) · [15g](GameTheory-15g-AssistanceGames-2026-Python.html) |
+| 15 | Jeux coopératifs — [Python](GameTheory-15-CooperativeGames-Python.ipynb) · [C#](GameTheory-15-CooperativeGames-CSharp.ipynb) | Valeur de Shapley, Core, condition de Bondareva-Shapley | 65 min | Licence | [15b](GameTheory-15b-Lean-CooperativeGames-Lean.ipynb) · [15c](GameTheory-15c-CooperativeGames-Python.ipynb) · [15d](GameTheory-15d-Mobius-Coalitions-Lean-Python.ipynb) · [15e](GameTheory-15e-Coalition-Power-SMT-Python.ipynb) · [15f](GameTheory-15f-Shapley-Groupes-Python.ipynb) · [15g](GameTheory-15g-AssistanceGames-2026-Python.ipynb) |
 | 16 | Conception de mécanismes — [Python](GameTheory-16-MechanismDesign-Python.ipynb) · [C#](GameTheory-16-MechanismDesign-CSharp.ipynb) | Principe de révélation, VCG et la non-monotonie de son revenu, appariement stable de Gale-Shapley | 65 min | Licence | [16b](GameTheory-16b-Automated-Mechanism-Design-Python.ipynb) · [16c](GameTheory-16c-Extraction-de-Revenu-DSIC-IR-Python.ipynb) · [16d](GameTheory-16d-Echange-de-Reins-Lean-Python.ipynb) · [16e](GameTheory-16e-LLM-Players-Othman-Sandholm-Python.ipynb) · sous-série [SocialChoice](SocialChoice/README.md) |
 | 17 | Apprentissage multi-agent — [Python (WSL)](GameTheory-17-MultiAgent-RL-Python.ipynb) · [C#](GameTheory-17-MultiAgent-RL-CSharp.ipynb) | Self-play, fictitious play, NFSP, PSRO, introduction à AlphaZero | 55 min | Licence | [17b](GameTheory-17b-Asymmetric-Information-Python.ipynb) · [17c](GameTheory-17c-Lean-Lemons-Certificat-Lean.ipynb) · [17c bis](GameTheory-17f-Market-to-Balance-Sheet-Python.ipynb) · [17d](GameTheory-17d-Lean-Screening-Signaling-Lean.ipynb) |
 
@@ -266,7 +266,7 @@ Ces lettres prolongent la table périodique du 03 en une géométrie de l'espace
 | 15d | [Möbius sur les coalitions](GameTheory-15d-Mobius-Coalitions-Lean-Python.ipynb) | Décomposition de Möbius sur le treillis des coalitions, dividendes d'interaction | Python | Recherche |
 | 15e | [Pouvoir coalitionnel et SMT](GameTheory-15e-Coalition-Power-SMT-Python.ipynb) | Calcul exhaustif, encodage SMT borné et preuve | Python | Recherche |
 | 15f | [Shapley de groupe](GameTheory-15f-Shapley-Groupes-Python.ipynb) | Évaluer une équipe comme une unité : le meilleur binôme n'est pas celui des deux meilleurs individus | Python | Recherche |
-| 15g | [Assistance Games (résultat 2026)](GameTheory-15g-AssistanceGames-2026-Python.html) | Modèle (Θ, A_H, A_A, r), oracle de politique jointe en hindsight, EXP3 no-regret learner pour l'assistant (Ananthakrishnan et al., 2026) | Python | Recherche |
+| 15g | [Assistance Games (résultat 2026)](GameTheory-15g-AssistanceGames-2026-Python.ipynb) | Modèle (Θ, A_H, A_A, r), oracle de politique jointe en hindsight, EXP3 no-regret learner pour l'assistant (Ananthakrishnan et al., 2026) | Python | Recherche |
 
 ### Autour de 16 — mécanismes
 
@@ -359,6 +359,7 @@ Les notebooks numérotés de 18 à 25 ne prolongent pas le parcours principal. C
 | 20b | [Témoins d'impossibilité](GameTheory-20b-Chemin-Minimal-Temoins-Impossibilite-Python.ipynb) | Le chemin minimal qui ne peut pas exister, exhibé par le code | Python | Recherche |
 | 20c | [Jeux ordinaux 3×2](GameTheory-20c-Chemin-Minimal-3x2-Ordinal-Python.ipynb) | Le même théorème testé sur un second substrat | Python | Recherche |
 | 21 | [Translateur Life](GameTheory-20d-Loi-II-Translateur-Life-Python.ipynb) | Synthèse d'un translateur du jeu de la vie, et certificat d'impossibilité quand la traduction échoue | Python | Recherche |
+| 20e | [Perplexité structurelle Hashlife](GameTheory-20e-Perplexite-Structurelle-Hashlife-Python.ipynb) | La dissolution (soupe) contre l'auto-entretien (programme récursif) lue dans la taille comprimée des trajectoires, bornes de taille de programme publiées à l'appui | Python | Recherche |
 | 22 | [Ensembles limites](GameTheory-06i-Ensembles-Limites-Poincare-Bendixson-Python.ipynb) | Poincaré-Bendixson en dimension 2 : point fixe, orbite périodique ou cycle hétérocline, classés mécaniquement, et l'échec du théorème au-delà du plan | Python | Recherche |
 | 23 | [Affectation de Kuhn-Munkres](GameTheory-16f-Munkres-Assignment-Python.ipynb) | L'affectation optimale en arithmétique entière exacte, certifiée par dualité LP, et le pont vers le cœur de Shapley-Shubik | Python | Licence |
 | 23b | [Affectation en Lean](GameTheory-16f-Lean-Assignment-Lean.ipynb) | Dualité et optimalité de Kuhn-Munkres exécutées depuis le lake `assignment_lean` | Lean | Recherche |

MyIA.AI.Notebooks/GameTheory/SocialChoice/README.md

@@ -38,6 +38,7 @@ Cette sous-série du parcours [GameTheory](../README.md) explore ces résultats
 | SC-05 | [05-Gibbard-Satterthwaite](05-Gibbard-Satterthwaite.ipynb) | Gibbard-Satterthwaite sans mystère : la manipulation comme témoin (ex-GT-22, re-slot #12375) | 30 min | COMPLET |
 | SC-06 | [06-Mobius-Aggregation-Pouvoir-Manipulation](06-Mobius-Aggregation-Pouvoir-Manipulation.ipynb) | Möbius sur le treillis des coalitions : dividendes de Harsanyi, poids contre pouvoir, manipulation pondérée (See #12204) | 40 min | COMPLET |
 | SC-07 | [07-Committees-Core](07-Committees-Core.ipynb) | Élections de comité par approbation : core, quotas Hare/Droop, certificats de paiement et règle de l'entropie harmonique (arXiv 2609.11912, See #16848) | 40 min | COMPLET |
+| SC-08 | [08-Kemeny-RankedPairs-Dodgson](08-Kemeny-RankedPairs-Dodgson.ipynb) | Kemeny, Ranked Pairs et Dodgson : trois règles computationnellement dures — énumération des m! permutations contre formulation Z3 Optimize, la détermination du vainqueur NP-dure exhibée sur instances pédagogiques (Handbook of Computational Social Choice, See #19263) | 50 min | COMPLET |
 | SC-09 | [09-Committees-STV-Monroe-ChamberlinCourant](09-Committees-STV-Monroe-ChamberlinCourant.ipynb) | Comités multi-vainqueurs par classement : STV (Hare 1857, polynomial), Monroe (1995, NP-dur, quotas équilibrés floor/ceil par élu) et Chamberlin-Courant (1983, NP-dur), confrontation Z3 Optimize et profil discriminant (Handbook of Computational Social Choice ch. 6, See #19371) | 50 min | COMPLET |
 
 **Durée totale** : ~6h05