Fix(gametheory): fournee de consolidation du contre-audit GT — 8 PRs en 1 (cherry-pick, #24280)

MyIA.AI.Notebooks/GameTheory/GameTheory-06-EvolutionTrust-Python.ipynb

@@ -16,7 +16,7 @@
    "source": [
     "# GameTheory-06-EvolutionTrust-Python\n",
     "\n",
-    "**Navigation** : [<< 5-ZeroSum-Minimax](GameTheory-05-ZeroSum-Minimax-Python.ipynb) | [Index](README.md) | [06i — Ensembles limites](GameTheory-06i-Ensembles-Limites-Poincare-Bendixson-Python.ipynb) | [7-ExtensiveForm >>](GameTheory-07-ExtensiveForm-Python.ipynb)\n",
+    "**Navigation** : [<< 5c-KKT-Dualite](GameTheory-05c-KKT-Dualite-Lagrangienne-Python.ipynb) | [Index](README.md) | [06i — Ensembles limites](GameTheory-06i-Ensembles-Limites-Poincare-Bendixson-Python.ipynb) | [7-ExtensiveForm >>](GameTheory-07-ExtensiveForm-Python.ipynb)\n",
     "\n",
     "## Evolution de la Confiance et Dilemme du Prisonnier Itere\n",
     "\n",
@@ -2939,7 +2939,7 @@
    "source": [
     "***\n",
     "\n",
-    "**Notebook précédent**: [GameTheory-05-ZeroSum-Minimax-Python](GameTheory-05-ZeroSum-Minimax-Python.ipynb)  \n",
+    "**Notebook précédent**: [GameTheory-05c-KKT-Dualite-Lagrangienne-Python](GameTheory-05c-KKT-Dualite-Lagrangienne-Python.ipynb)  \n",
     "**Notebook suivant**: [GameTheory-07-ExtensiveForm-Python](GameTheory-07-ExtensiveForm-Python.ipynb)  \n",
     "**Navigation — prolongement spatial** : [GameTheory-14c — Jeux spatiaux : la structure spatiale soutient-elle la coopération ?](GameTheory-14c-Jeux-Spatiaux-Cooperation-Python.ipynb)"
    ]

MyIA.AI.Notebooks/GameTheory/GameTheory-16b-Automated-Mechanism-Design-Python.ipynb

@@ -1,3 +1,3 @@
 {
  "cells": [
   {
@@ -200,7 +200,7 @@
     "# Cellule 3 — Implémentation du générateur (version compacte pour H.3 < 30s)\n",
     "#\n",
     "# Domaine : 2 agents, 2 types, 2 issues, paiements ∈ {0, 1}.\n",
-    "# (Réduit depuis {0, 1, 2} pour rester tractable : 16 issues × 16 paiements = 256 candidats.)\n",
+    "# (Réduit depuis {0, 1, 2} pour rester tractable : 16 issues × 256 paiements = 4096 candidats.)\n",
     "# On garde l'esprit \"énumération + tri\" mais l'espace est plus petit.\n",
     "\n",
     "PAYMENT_RANGE_FAST = (0, 1)\n",
@@ -918,7 +918,7 @@
     "\n",
     "***\n",
     "\n",
-    "**Refs** : #12211 · Sandholm 2002 (AMDA) · Conitzer & Sandholm 2002 · Vervaeke #11488\n",
+    "**Refs** : #12211 · Sandholm 2002 (AMDA) · Conitzer & Sandholm 2003 · Vervaeke #11488\n",
     "\n"
    ]
   },

MyIA.AI.Notebooks/GameTheory/GameTheory-16g-Populations-Othman-Sandholm-Python.ipynb

@@ -22,7 +22,7 @@
     "N paires tirées selon une distribution sur les politiques.\n",
     "\n",
     "**Déconflit** : ce carnet ne réécrit pas le 16e (pilote fondateur) ni les\n",
-    "16/16b/16c/16d (mechanism design). Il **re-gèle** le protocole §0 sur des\n",
+    "16/16b/16c (mechanism design). Il **re-gèle** le protocole §0 sur des\n",
     "populations au lieu d'une paire. La formalisation Lean de la Proposition 6\n",
     "(#12343, §1.1 du 16e) reste propriétaire du owner.\n",
     "\n",

MyIA.AI.Notebooks/GameTheory/GameTheory-16h-Cooperation-LLM-Python.ipynb

@@ -223,7 +223,7 @@
      "text": [
       "§1 — 6 politiques chargees : ['tft', 'generous_tft', 'suspicious_tft', 'always_defect', 'uniform_random_seed', 'llm_proxy_tft']\n",
       "  Payoff matrix : T=5, R=3, P=1, S=0\n",
-      "  Structure dilemme : T > R > P > S, 2R > T + S (8 > 5)\n"
+      "  Structure dilemme : T > R > P > S, 2R > T + S (6 > 5)\n"
      ]
     }
    ],
@@ -290,7 +290,7 @@
     "assert len(POLICIES) >= 5, f\"Au moins 5 politiques (j'ai {len(POLICIES)}).\"\n",
     "print(f\"§1 — {len(POLICIES)} politiques chargees : {list(POLICIES.keys())}\")\n",
     "print(\"  Payoff matrix : T=5, R=3, P=1, S=0\")\n",
-    "print(\"  Structure dilemme : T > R > P > S, 2R > T + S (8 > 5)\")"
+    "print(\"  Structure dilemme : T > R > P > S, 2R > T + S (6 > 5)\")"
    ]
   },
   {
@@ -854,7 +854,7 @@
     "\n",
     "- Pas de réécriture de `16e` (pilote fondateur Othman–Sandholm SAGT 2009, COMPLETED) ni de `16g` (populations, MERGED via #19888).\n",
     "- S'inscrit dans le sillage « **stratégies de populations LLM** » du réservoir #14468 (Coopération/stratégie de populations LLM).\n",
-    "- Pas d'overlap avec la formalisation Lean 16f (Munkres assignment) ni avec 16b/16c/16d (mechanism design pur)."
+    "- Pas d'overlap avec la formalisation Lean de l'affectation (Kuhn-Munkres, assignment_lean/) ni avec 16b/16c (mechanism design pur)."
    ]
   },
   {

MyIA.AI.Notebooks/GameTheory/GameTheory-16i-Appariage-Stable-Gale-Shapley-Python.ipynb

@@ -18,7 +18,7 @@
     "\n",
     "**GameTheory-16i** (sous-famille *matching*) — **approfondissement** du [carnet 16](GameTheory-16-MechanismDesign-Python.ipynb) §5, qui y introduit déjà l'algorithme, la stabilité et l'avantage du côté proposeur.\n",
     "\n",
-    "L'**appariage stable** (*mariage stable*) de **Gale et Shapley (1962)** a valu à **Lloyd Shapley le prix Nobel d'économie 2012**. Le carnet 16 en pose les bases ; ici on pousse la **facette d'incitation** — la question que le §5 ne fait qu'évoquer à travers le théorème de **Gibbard–Satterthwaite** :\n",
+    "L'**appariage stable** (*mariage stable*) de **Gale et Shapley (1962)** a valu à **Lloyd Shapley le prix Nobel d'économie 2012**. Le carnet 16 en pose les bases ; ici on pousse la **facette d'incitation** — la question que le §6 ne fait qu'évoquer à travers le théorème de **Gibbard–Satterthwaite** :\n",
     "\n",
     "> Un agent peut-il améliorer sa situation en **mentant sur ses préférences** ?\n",
     "\n",

MyIA.AI.Notebooks/GameTheory/GameTheory-16j-Screening-Loyer-Information-Python.ipynb

@@ -560,7 +560,7 @@
    "source": [
     "### Lecture\n",
     "\n",
-    "Le coût de l'asymétrie **croît de façon convexe** avec l'écart de type : $\\approx 0.04$\n",
+    "Le coût de l'asymétrie **croît de façon concave** avec l'écart de type : $\\approx 0.04$\n",
     "pour $\\theta_H=1.25$, $0.083$ pour $\\theta_H=2$, $\\approx 0.10$ pour $\\theta_H=3$. Plus\n",
     "les types sont différents, plus le loyer à verser au type haut (et la distorsion du type\n",
     "bas) sont gros — le résultat qu'on attendait, **mesuré** plutôt que supposé.\n"
@@ -770,7 +770,7 @@
     "- Ce coût se **décompose** de façon exacte en loyer (type haut) + distorsion (type bas) —\n",
     "  ici loyer $1/18$ + distorsion $1/36$ = coût espéré $1/12$, ce qui n'est **pas** un\n",
     "  partage 50/50 mais une conséquence des paramètres choisis.\n",
-    "- Le coût **croît convexe** avec l'écart de type : l'asymétrie d'information coûte d'autant\n",
+    "- Le coût **croît concave** avec l'écart de type : l'asymétrie d'information coûte d'autant\n",
     "  plus cher que les types sont différents.\n",
     "\n",
     "C'est le fondement des mécanismes de §16 (conception de mécanismes) : tout contrat qu'on\n",

MyIA.AI.Notebooks/GameTheory/GameTheory-18b-Casser-la-Composition-Python.ipynb

@@ -16,7 +16,7 @@
     "- **Surface A — la sélection n'est pas compositionnelle.** Quand une meilleure réponse locale est *multivoque* (plateau d'optima) et que les paiements sont *couplés*, composer des sélections d'argmax locaux produit un profil qui n'est pas un équilibre du jeu composé. La propriété de Hedges, dans sa forme exacte, porte sur les *correspondances* d'ensembles ; la lecture fonctionnelle du jouet GT-18 — composer des points — ne survit qu'univoque.\n",
     "- **Surface B — la frontière de contraction.** La convergence de la boucle GT-18 tient parce que l'update est (presque) contractante. En balayant le pas d'update, la boucle passe de la convergence monotone au 2-cycle exact, puis à l'oscillation persistante — et la frontière mesurée coïncide avec la borne de Banach, exactement.\n",
     "\n",
-    "Références : Hedges (2015), *The composition of games* ; GT-18 (`GameTheory-18-Open-Games-et-Lentilles-Python.ipynb`)."
+    "Références : Ghani, N., Hedges, J., Winschel, V., Zahn, P. (2018), *Compositional Game Theory* (LICS '18, arXiv:1603.04641) ; GT-18 (`GameTheory-18-Open-Games-et-Lentilles-Python.ipynb`)."
    ]
   },
   {

MyIA.AI.Notebooks/GameTheory/GameTheory-18c-Humour-Banc-Python.ipynb

@@ -2121,9 +2121,9 @@
     "\n",
     "- **Naïf** : P=0,500, R=1,000, F1=0,667 — il attrape tous les vrais positifs (R=1) mais au prix de 6 faux positifs (toute cellule `rire_sans_recadrage` est classée `humour_reussi` parce que `laugh=True`). La moitié de ses prédictions `humour_reussi` est fausse.\n",
     "- **Partage** : P=1,000, R=1,000, F1=1,000 — parfait sur le sous-ensemble. La section circularité (cell[43-45]) montrera **pourquoi ce chiffre n'est pas un résultat** : les features sont dérivées du label, l'identité est constructive.\n",
-    "- **LLM `anthropic/claude-haiku-4.5`** (canal épinglé OpenRouter) : P=0,294, R=0,833, F1=0,435 — un régime inverse du naïf : sur 6 vrais `humour_reussi`, il en attrape 5 (R=0,833), mais en prédisant la classe positive bien trop large — 12 faux positifs pour 5 vrais positifs (P=0,294). Il ratisse large : presque tout ce qui ressemble de près à une blague est classé positif.\n",
+    "- **LLM `anthropic/claude-haiku-4.5`** (canal épinglé OpenRouter) : P=0,312, R=0,833, F1=0,455 — un régime inverse du naïf : sur 6 vrais `humour_reussi`, il en attrape 5 (R=0,833), mais en prédisant la classe positive bien trop large — 11 faux positifs pour 5 vrais positifs (P=0,312). Il ratisse large : presque tout ce qui ressemble de près à une blague est classé positif.\n",
     "\n",
-    "La lecture honnête : le LLM **n'est pas évalué sur le même terrain** que les détecteurs à règles. Ces derniers lisent des features booléennes dérivées du label ; le LLM ne voit que le texte. Le F1=0,435 du LLM n'est donc pas « moins bon que 1,000 » — il est **incomparable** au 1,000, qui mesure une identité algébrique, pas une capacité de classification. La section circularité (cell[43-45]) formalise exactement cette réserve."
+    "La lecture honnête : le LLM **n'est pas évalué sur le même terrain** que les détecteurs à règles. Ces derniers lisent des features booléennes dérivées du label ; le LLM ne voit que le texte. Le F1=0,455 du LLM n'est donc pas « moins bon que 1,000 » — il est **incomparable** au 1,000, qui mesure une identité algébrique, pas une capacité de classification. La section circularité (cell[43-45]) formalise exactement cette réserve."
    ]
   },
   {
@@ -2433,7 +2433,7 @@
     "- **Mais l'IC dégénéré est la signature d'un pipeline déterministe**, pas d'une mesure confiante : un bootstrap non paramétrique sur un classifieur qui est une fonction déterministe des labels rend toujours la même valeur, donc un intervalle de largeur nulle. Ce n'est pas une forte confiance, c'est l'absence de stochasticité.\n",
     "- **La trace algébrique** l'explique : `label → features_from_label → reframe_detector` est une **involution** (sauf pour `recadrage_sans_rire` qui tombe en `rien` — un cas où le détecteur est strictement plus conservateur que l'annotation). Le détecteur inverse la construction des features, donc il ne peut pas se tromper sur un Argumentum, fût-il tenu à l'écart.\n",
     "\n",
-    "La réserve structurelle est posée en cell[45] : le F1=1,000 **ne mesure pas la théorie du partage sur le corpus Argumentum**, il mesure l'identité de construction features ↔ label. L'écart avec le LLM épinglé (haiku-4.5, F1 = 0,435) n'est pas un résultat : c'est l'écart entre un détecteur évalué sur son terrain de construction et un modèle évalué hors du sien. La voie de validation réelle est #12756 (features annotées depuis le texte, indépendamment du label)."
+    "La réserve structurelle est posée en cell[45] : le F1=1,000 **ne mesure pas la théorie du partage sur le corpus Argumentum**, il mesure l'identité de construction features ↔ label. L'écart avec le LLM épinglé (haiku-4.5, F1 = 0,455) n'est pas un résultat : c'est l'écart entre un détecteur évalué sur son terrain de construction et un modèle évalué hors du sien. La voie de validation réelle est #12756 (features annotées depuis le texte, indépendamment du label)."
    ]
   },
   {
@@ -2465,7 +2465,7 @@
     "Conséquence directe : le F1 = 1,000 du banc **ne mesure pas la théorie du partage\n",
     "sur le corpus Argumentum** — il mesure l'identité de construction features ↔\n",
     "label. Tant que les features ne sont pas annotées indépendamment du label,\n",
-    "l'écart avec le LLM épinglé (haiku-4.5, F1 = 0,435) n'est pas un résultat : c'est l'écart entre un\n",
+    "l'écart avec le LLM épinglé (haiku-4.5, F1 = 0,455) n'est pas un résultat : c'est l'écart entre un\n",
     "détecteur évalué sur son terrain de construction et un modèle évalué hors du\n",
     "sien.\n",
     "\n",

scripts/notebook_tools/twin_pairs.d/gametheory-6-evolutiontrust/0055-2026-11-02-myia-po-2024-CoursIA-2.yaml

@@ -0,0 +1,6 @@
+date: '2026-11-02'
+by: myia-po-2024:CoursIA-2
+python_sha: 34de0de4c3198c2c1eb89e52f6476522a5dfb33e
+csharp_sha: 166ef01d82c552042924c40b3ecb72155163101e
+content_python_sha: 7570f93f3e2f5d305f5107653d9b7a9a710c96cfc7947c562fba7f5dac971dd8
+content_csharp_sha: ddc0a1e35b6178150b9d6d90539f78ec3c82d64a72d8214e734174fb7d4222e7

scripts/notebook_tools/twin_pairs.d/gametheory-6-evolutiontrust/0056-2026-11-03-myia-po-2024-CoursIA-2.yaml

@@ -0,0 +1,6 @@
+date: '2026-11-03'
+by: myia-po-2024:CoursIA-2
+python_sha: c7024832c8291e04966878653be9921b92f87308
+csharp_sha: 166ef01d82c552042924c40b3ecb72155163101e
+content_python_sha: 2a21a0d6c1bc735b60cdd9e29c2065299b18da00424bc3f26eb78c0299a06bbf
+content_csharp_sha: ddc0a1e35b6178150b9d6d90539f78ec3c82d64a72d8214e734174fb7d4222e7