ICT — Integrated Causal Trajectories

← IIT | ↑ Notebooks | → Probas

La série IIT étudie des structures causales à un instant donné : on photographie un système et on calcule combien d’information il intègre (\(\Phi\)). ICT (Integrated Causal Trajectories, Epic #4588) prolonge ce regard vers les trajectoires de structures causales : comment une organisation se maintient, se transforme, se répare, change d’échelle et traverse un espace de possibles (\(C_0 \rightarrow C_1 \rightarrow \dots \rightarrow C_n\)). C’est la photographie IIT mise en mouvement.

ICT s’appuie sur un package léger ict/ posé à côté de PyPhi (autonome pour les simulations et mesures, PyPhi pour les calculs IIT stricts), et s’ouvre sur deux articles fondateurs : le tri vu comme morphogenèse minimale (Zhang, Goldstein & Levin, 2025) et l’ingénierie de l’émergence multi-échelle (Jansma & Hoel, 2025).

La série progresse en sept strates, dont la carte de référence unique est celle du cadrage ICT-0 (arbitrage #13908) : ce qui suit s’y aligne. La strate 1 (ICT-1 à ICT-7) prend le tri auto-organisé comme banc d’essai entièrement transparent : trajectoires enregistrables, compétences inattendues réelles — ce travail for free qui, chez Levin, va « dans le sens d’une réversibilisation » — et pont vers la causal emergence. Elle bute sur trois limites — un attracteur global unique, un but imposé de l’extérieur, une hiérarchie non générative. La strate 2 (ICT-8 à ICT-10) ouvre la morphogenèse dynamique sur des paysages d’attracteurs engendrés par la dynamique (bifurcation, réaction-diffusion, grammaire des catastrophes), levant ces limites une à une. La strate 3 (ICT-11 à ICT-13) mesure des trajectoires intégrées régime-dépendantes (profils d’agence, champs de valence, morphodynamique stratégique). La strate 4 (ICT-14 à ICT-20, prolongée par ses raffinements lettrés et le banc de recollement ICT-34) ajoute la jambe représentationnelle — énergie libre, surprise et inférence active — puis fait converger les trois scalaires fondateurs sur des substrats non-LLM (identité MDL, \(\epsilon\)-machine, budget, enjeu) et outille la réversibilisation — l’idée fondatrice restée implicite : forcer une trajectoire à devenir réversible et mesurer ce qu’on perd révèle la quantité d’agentivité qu’elle portait (ICT-18, flèche du temps & réversibilisation). ICT-17b (grokking) est la charnière S4 → S5, pas une strate pleine (#7735). La strate 5 (ICT-21 à ICT-25, prolongée par les notebooks ICT-35 à ICT-39) prend le LLM comme substrat : SAE, persona, workspace, inoculation RL. La strate 6 (argumentation) reste cadrée et non livrée, et la strate 7 (freebits d’ordre 2, réversibilité agentique) est livrée par ICT-46 (#18052) : le socle sémiophysique de Thom et les cinq expériences ICT-26 → ICT-30 relèvent de l’axe transverse (socle théorique, dimension D2) et non de ces strates.

Carte des strates (par où commencer) : un lecteur qui découvre la série ira de strate 1 (ICT-1 → ICT-7, le tri auto-organisé, banc transparent entièrement exécutable sans GPU) vers la strate 5 (ICT-21 → ICT-25 prolongée par ICT-35 → ICT-39, le LLM comme substrat). Les strates 2-4 montent progressivement en abstraction (paysages dynamiques → trajectoires intégrées → free energy, puis les scalaires fondateurs hors LLM jusqu’à la charnière ICT-17b). Le socle Thom et les cinq expériences A→E (ICT-26 → ICT-30) se lisent sur l’axe transverse : ce ne sont pas les strates 6-7 — la strate 6 reste cadrée et non livrée, la strate 7 est livrée par ICT-46 (#13908). L’état scientifique de chaque claim est lisible d’un coup d’œil dans la matrice des dissociations (#7734).

Caractère expérimental. ICT est une série de recherche en construction (statut ALPHA). Elle pose des mesures sans complaisance : chaque notebook confronte une intuition séduisante (émergence, agence, criticalité) à une mesure qui peut la réfuter, et signale explicitement les fantômes statistiques (signal apparent issu de degrés de liberté cachés).

Chaque figure est intégrée in-situ dans la strate et au notebook qu’elle documente (pas de section Galerie isolée — doctrine figures amendée 2026-07-09, EPIC #5780). La légende décrit exactement ce que l’image montre, et signale honnêtement ce qu’elle ne montre pas (« limitation illustrative assumée »). La provenance cellule par cellule est documentée dans assets/readme/MANIFEST.md.

Prérequis & environnement

ICT partage l’environnement Python de la série IIT (PyPhi 1.2.0, Python 3.9). Le setup et les dépendances sont mutualisés au niveau du répertoire parent :

# Depuis MyIA.AI.Notebooks/IIT/
powershell -File scripts/setup_pyphi_env.ps1     # conda env pyphi + kernel
pip install -r requirements.txt                  # dépendances ICT (pyphi, numpy, scipy, matplotlib…)

# Recommandé : installer le package `ict/` en mode editable (issue #8076).
# Rend `from ict import …` résolvable depuis n'importe quel cwd, sans dépendre
# du répertoire ICT-Series/. Extras : [llm] (torch/transformers, GPU),
# [extras] (pandas, sympy), [dev] (pytest).
# Depuis MyIA.AI.Notebooks/IIT/ICT-Series/  (dans l'env pyphi activé) :
pip install -e .                                 # cœur ; ou pip install -e .[dev,llm]

Le package ict/ est installable (pip install -e . depuis ICT-Series/, cf. pyproject.toml) : une fois installé, from ict import … résout depuis n’importe quel cwd. En l’absence d’install editable, l’ancien contrat reste valable : chaque notebook insère le dossier courant dans sys.path, il faut alors lancer les notebooks depuis ICT-Series/ (cwd) pour que les imports résolvent.

Le package ict/ — modules et tests

Le package ict/ (installable en mode editable, issue #8076) porte les simulations et mesures de la série : chaque notebook importe ses calculs depuis un module dédié plutôt que de les redéfinir en ligne. Le package compte 98 modules Python au premier niveau (hors __init__.py, plus les sous-dossiers bridges/, tests/ et results/) ; la table suivante les couvre intégralement, par famille d’instrument :

Famille	Modules	Strate
Tri & morphogenèse	self_sorting, sorting_metrics, kin_sorting, reaction_diffusion, bistable, life	1-2
Paysages & précursors	early_warning, spectral, scale_free	2
Agentivité & causalité	agency, causal_emergence, causal_attribution, tpm_estimation, multiscale_agency, trajectories, bridges (Quasi-Experimental / PyMC-05, ICT-Greffe5-AttributionCausale)	1-3
Valence & prégnance	valence, learned_valence, pregnance_animat, inhibited_action, stake, voi (EVPI/EVSI d’ICT-12e)	3
Catastrophes & topologie	catastrophe, cech_obstruction, nerve_discriminant (nerf simplicial d’ICT-15j), feature_dynamics, meta_proxy, sensitivity, proxy_contextuality	2-5
Énergie libre & information	free_energy, active_inference, mdl, compression, epsilon_machine, mixed_state (MSP, #16225)	4-5
Réversibilité & flèche du temps	time_arrow, reversibility_budget	5
Ponts & bassins (#9531)	bridge_testing, basin_family, basin_geometry, basin_asym, basin_landscape2d	5
Coopération & symboles (dimension D2)	signaling_convention, symbol_invention, collective_adoption, concept_inoculation, inhibited_invention	D2
Workspace & SAE/J-Lens	workspace, sae_traces, jlens_traces, jlens_trackP_traces, lens_agreement, persona_cusp, causal_engine, humor_pairs (corpus humour #14035)	5-6
Synthèse & triade	synthesis, triade, beauty, argumentation, qbf (QBF par énumération, strate 6), truth_maintenance (strate 6, distillation EPITA JTMS/ATMS), strategic_morphodynamics	3-6
Dissociations (matrice #7734)	salience_valence_dissociation, phat_self_reference, adjonction_saillance_pregnance (canal s↔︎π, #13580), analog_waves (cognition analogique, ICT-40b)	5
Jouets pré-enregistrés — théories de la conscience (iceberg #8182)	attention_schema, cemi_field, combination_subjects, command_following_observers, confabulation_broadcast, extended_mind_store, hoffman_interface_toy, hoffman_interface_toy_n8, hoffman_interface_toy_n8_relaxed, hoffman_interface_toy_n16, kuramoto_boundary, phat_causal_unlink, phat_extended_mind_diag, self_model_minimal, spekkens_toy, strange_loop_selfmodel, strange_loop_irreducible, strange_loop_scalefree, threshold_alignment, attention_schema_causal (case 5bis), boundary_recollement (case 14), confabulation_ignition (case 15), tonic_alertness_gain (case 16)	transverse
Toolkit multi-lentilles & contrat de traces (Epics #15475 / #15479 / #15480, #8236)	sae_calibration, sae_dictionary, sae_scales, lens_endpoints, lens_gates, bench_factorise, slens, trace_contract, intervention_battery (chaîne état→comportement, critère 3)	5
Regards — composition avant/arrière (opération 12, #12204)	regards	5

Deux suites de tests CI valident le package — 122 fichiers de test au total (61 dans tests/, 61 dans ict/tests/), couvrant ensemble 96 des 98 modules :

• tests/ — suite principale (pytest), 61 fichiers test_<module>.py couvrant 57 modules. Validation des calculs et des gates falsifiables de chaque strate.
• ict/tests/ — suite interne au package (pytest, conftest.py + pytest.ini + 61 fichiers de test) : tests de cohérence transversaux et couverture des modules les plus récents (55 modules, dont 16 sont aussi couverts par tests/).

Seuls kuramoto_boundary et nerve_discriminant n’ont pas encore de test dédié. En miroir, quelques fichiers de test ciblent des scripts ou des contrats plutôt qu’un module unique (test_causal_hooks, test_sae_cross_scale, test_sae_traces_layout, test_sae_traces_guard, test_bridges_canonical_wiring).

# Depuis MyIA.AI.Notebooks/IIT/ICT-Series/
python -m pytest tests/                 # suite principale (un test par module ict/)
python -m pytest ict/tests/             # suite interne transversale du package
python -m pytest                        # les deux (découverte récursive pytest)

Les traces pré-extraites (fixtures .npz dans traces/) supportent les notebooks GPU-free de la strate 5 (SAE/J-Lens couche 16, contrôle vs entraîné) : ils lisent ces fixtures plutôt que d’invoquer un LLM à l’exécution.

Notebooks

Strate 1 — le tri auto-organisé (transparent et calculable)

Document	Contenu
ICT-0-Framing	Cadrage de la série : de l’état à la trajectoire, articles fondateurs, feuille de route
ICT-01-PhiTrajectories-Python	Trajectoires de \(\Phi\) : paysage de \(\Phi\), suivi de \(\Phi\) le long d’un attracteur (pulsations) et robustesse aux perturbations — la photographie IIT mise en mouvement, avec le vrai PyPhi

Trajectoires de Φ sur réseau AND/OR — quatre départs (000, 100, 010, 111), Φ varie entre 0 et ~2.3 sur 6 pas de temps

Figure extraite de ICT-01-PhiTrajectories-Python.ipynb (cellule 12, output 0) — l’axe vertical est la valeur de \(\Phi\) calculée par PyPhi sur un petit réseau AND/OR, l’axe horizontal est le pas de temps. Quatre départs distincts (000, 100, 010, 111) montrent que \(\Phi\) oscille mais ne tend pas vers une asymptote unique — d’où la qualification « pulsations » dans la description. Limitation illustrative assumée : la figure documente la notion de trajectoire de \(\Phi\) sur un système-jouet (réseau AND/OR), pas le paysage complet d’un système causal réaliste (les trajectoires sont des suites de \(\Phi\) discrètes sur 6 pas, et non une trajectoire continue dans un morphospace).

Document	Contenu
ICT-02-SelfSortingMorphogenesis-Python	Le tri auto-organisé comme morphogenèse : trajectoire dans le morphospace, robustesse aux cellules défectueuses, délai de gratification, auto-réparation, impasses chimériques

Métriques d’auto-réparation : gauche « Inversions (désordre global) » 60→0 en ~220 pas, droite « Sortedness vs erreur de monotonie » (sortedness 0.5→1.0 croissante, erreur locale qui décroît)

Figure extraite de ICT-02-SelfSortingMorphogenesis-Python.ipynb (cellule 7, output 0) — deux panneaux côte-à-côte mesurant le tri auto-organisé : à gauche, le nombre d’inversions (désordre global) décroît de ~60 à 0 en ~220 pas (signature d’un tri monotone) ; à droite, la sortedness croît de 0.5 à 1.0 tandis que l’erreur de monotonie locale décroît de ~0.5 à 0 (signal d’une mise en ordre locale persistante). Limitation illustrative assumée : la figure montre la trajectoire de tri dans le morphospace (sortedness globale + inversions) mais pas la morphogenèse Gray-Scott sous-jacente (laquelle est rendue dans ict9-gray-scott.png), ni la robustesse aux cellules défectueuses ni l’auto-réparation, qui sont discutées dans le texte du notebook mais non visualisées ici (c’est le rôle d’ICT-3, ICT-4 et ICT-9).

Document	Contenu
ICT-03-RobustnessDelayedGratification-Python	Robustesse & délai de gratification, étude quantitative : dégradation gracieuse face aux cellules défectueuses, distributions de récupération, comptage du délai de gratification
ICT-04-ChimericArraysKinAggregation-Python	Tableaux chimériques & agrégation émergente : réparation bidirectionnelle (guérit l’impasse d’ICT-2) puis affinité « kin », mesurée honnêtement (sans degrés de liberté, pas d’agrégation)
ICT-05-CausalEmergence-Python	Émergence causale : \(\Phi\) et information effective aux échelles micro/macro, recherche systématique du coarse-graining (vrai pyphi.macro), émergence discriminante (Jansma & Hoel, 2025)
ICT-06-SortingToTPM-CausalEmergence-Python	Pont tri → TPM : chaîne de Markov estimée depuis les trajectoires de tri d’ICT-2, puis émergence causale multi-échelles avec l’outillage Causal Emergence 2.0 (Hoel, 2025) au-delà de la borne de taille de PyPhi
ICT-07-ScaleFreeSignatures-Python	Signatures scale-free & criticalité : détecter une loi de puissance sans se faire avoir (MLE de Hill, choix de \(x_{\min}\), KS, à la Clauset et al.) ; étalon critique (branchement, exposant \(3/2\)) vs tri qui paraît sans échelle mais possède une taille caractéristique

Strate 2 — morphogenèse dynamique (paysages d’attracteurs)

Document

Contenu

ICT-08-AttractorLandscapesEWS-Python

Paysages d’attracteurs & signaux précurseurs — les deux tressées. Modèle de pâturage de May (1977), système canonique des early-warning signals (Scheffer 2009). Bistabilité entre deux états positifs alternatifs, bifurcation pli, catastrophe = changement de régime. Chaque image (vallée qui s’aplatit, mémoire du danger, alerte) adossée à une mesure réelle (potentiel effectif, valeur propre → 0, variance ↑, autocorrélation ↑, τ de Kendall). Lève l’attracteur unique + ouvre une hiérarchie générative

Champ de vitesse dx/dt pour 4 valeurs du paramètre c (1.60, 2.20, 2.60, 2.90) — les zéros de la courbe sont les équilibres, leur nombre passe de 3 (bistable) à 1 au-delà du pli

Figure extraite de ICT-08-AttractorLandscapesEWS-Python.ipynb (cellule 3, output 0) — axe vertical dx/dt, axe horizontal x (biomasse de végétation, 0 à 10), quatre courbes pour les valeurs du paramètre de pâturage c ∈ {1.60, 2.20, 2.60, 2.90}. Les zéros de chaque courbe sont les équilibres : à c=1.60 on observe 3 zéros (bistabilité + un équilibre instable), à c=2.90 il n’en reste qu’un seul (régime mono-stable) — c’est la trace visuelle de la bifurcation pli (fold bifurcation) canonique du modèle de May 1977. Limitation illustrative assumée : la figure montre la bifurcation dans l’espace des phases mais ne rend pas les signaux précurseurs eux-mêmes (variance ↑, autocorrélation ↑, τ de Kendall) qui sont tracés dans des cellules séparées du notebook.

Document

Contenu

ICT-09-AgencyRegeneration-Python

Agence & régénération — réparer sa forme, ou seulement dériver ? Morphogenèse réaction-diffusion de Gray-Scott (Pearson 1993) : le système engendre un motif auto-entretenu (point de consigne intrinsèque), on l’ablate via une intervention do(·), puis on contraste deux mondes contrefactuels (Pearl) — réaction-diffusion qui régénère vs diffusion pure qui dissout. L’agence n’est jamais déclarée, elle est mesurée comme gain de réparation (recouvrement RD − recouvrement diffusion). Sans complaisance : les mesures naïves de ressemblance (pixel-à-pixel, cosinus spectral) fabriquent un signal fantôme ; seule la structure restaurée contrastée au contrôle passif tient. Lève le but extrinsèque : un point de consigne que le système maintient de lui-même

Morphogenèse générative : t=0 (germe localisé en rouge sur fond bleu sombre) à gauche, t=6000 (motif auto-entretenu de ~25 taches rougeâtres, structure=0.0095) à droite

Figure extraite de ICT-09-AgencyRegeneration-Python.ipynb (cellule 3, output 0) — deux panneaux côte-à-côte illustrant la morphogenèse générative par réaction-diffusion (Gray-Scott, Pearson 1993) : à gauche l’état initial (t=0) avec un germe localisé au centre d’un fond uniforme sombre, à droite le motif auto-entretenu à t=6000 (structure=0.0095, ~25 taches rougeâtres). C’est ce motif qui sert de cible à l’ablation do(·) d’ICT-9 et au contraste RD vs diffusion pour mesurer le gain de réparation* (repair_gain, ICT-19). Limitation illustrative assumée : la figure montre le déclenchement d’un motif Gray-Scott (passage d’un germe localisé à un pattern stationnaire) mais pas la dynamique d’ablation/régénération qui fait le cœur d’ICT-9 (rendue dans des cellules séparées du notebook avec recovery_score, repair_gain, et les masques d’ablation).*

Document	Contenu
ICT-10-CatastropheGrammar-Python	Grammaire des catastrophes — l’obstacle qui engendre les formes, le verbe qui les fait basculer. Charnière strate 2→3, prélude sémiophysique de R. Thom (Esquisse d’une sémiophysique, 1991). Sur la catastrophe canonique (la fronce), deux fils tressés et mesurés : le métathéorème (le comptage d’équilibres ne change qu’aux plis — exactement 2 transitions le long d’un chemin générique ; l’obstacle comme source de l’ontologie, clôt la strate 2) et le lacet de prédation (cycle d’hystérésis à 2 catastrophes — perception J, capture K — d’aire signée non nulle = irréversibilité ; un représentant interne p̂ — anticipateur représentationnel, à ne pas confondre avec la prégnance thomienne (cf. note de rigueur audit #4) — dont le contenu anticipateur est mesuré sur un banc durci — 3 familles de trajectoires × 3 baselines adverses (persistance, moyenne mobile, AR(1) in-sample), 2 métriques séparées : avantage régime-dépendant, réel sur trajectoire lisse (5/5 graines), illusoire sur dérive et créneau ; ouvre la strate 3). La correspondance linguistique du Ch.2 « Le Langage » de Thom est nommée (pivots ↔︎ transitions de comptage ; verbe transitif SVO ↔︎ lacet ; anticipation ↔︎ p̂), avec son caveat explicite de non-prédictivité et les barreaux du pont basse-dim → haute-dim (séries neurosymbolique, Lean ; veille EML #4653). Sans complaisance : hors régime non dégénéré (\(a<0\)), zéro saut, aire nulle — un fantôme
ICT-Life-SubstratCertifie	Substrat GOL certifié — calibration (hors séquence numérotée, phase-zero #5726) : le Jeu de la Vie (B3/S23, tore) entre comme substrat 2-D discret à information localisée transportée (glider \(c/4\), LWSS \(c/2\)) — ce que ni le bistable (ICT-8, 0-D) ni Gray-Scott (ICT-9, continu sans particule stable) ne fournissent. Calibration canonique 5/5 du module ict/life.py (glider/blinker/pulsar/LWSS/block — périodes et déplacements vérifiés contre les constantes documentées), signatures de population, et pont Lean : hashlife_correct (track conway_lean, tracker #6724, 0 sorry) cité comme garantie que l’évaluation Hashlife calcule la même chose que la simulation naïve — le seul substrat de la série au moteur de calcul prouvé. Branchement batterie (ict.agency, ict.stake) : livré — contraste ICT-31, stratification ICT-32, ensembles ouverts ICT-33
ICT-31-ContrasteTroisSubstrats-Python	Contraste mesuré à trois substrats (hors séquence numérotée, phase narrative #5726) : S2 bistable (ICT-8), S5 Gray-Scott (ICT-9) et GOL certifié (ICT-Life) passés sous le même protocole — le cœur du livrable #5726, car un notebook mono-substrat ne peut pas établir que GOL se distingue. Trois axes : T transport d’information localisée, R réparation après do(ablation) (Pearl), S retour de bassin après kick (I_stake). Verdicts mesurés : GOL est le seul transporteur (population constante, COM à \(c/4\), forme intacte) ; GOL est le seul non-réparateur — une cellule retirée détruit le glider sans régénération, quand S5 recolle partiellement et S2 relaxe ; et I_stake voit S2 et S5, pas GOL (l’invariant du glider est translationnel — l’aveugle de l’instrument est déclaré comme tel, pas masqué). Le socle des trois régimes que ICT-32 creuse en stratification causale
ICT-32-StratificationCausaleLife-Python	Substrat GOL — stratification causale (hors séquence numérotée, phase narrative #5726) : l’apportionment de Causal Emergence 2.0 (Hoel, 2025) appliqué au substrat certifié de la phase-zero — le livrable que le titre de l’issue annonce. Deux régimes mesurés : par la trajectoire, le substrat est saturé — le cycle du glider (64 états sur tore 16×16) porte det 1.000 / deg 0.000 / EI = log2(64), le glouton rend EC = 0 en une passe (aucune macro ne bat le micro), et le quotient par translation (4 phases) est causalement étanche (eff 1.000 conservée, EI amputé d’exactement log2(16) = l’information de position) ; par l’ensemble des graines, la règle jette l’information — sur le tore 2×2, 12 des 16 graines mènent à la grille vide (deg 0.672, eff 0.328), la partition par destin (fibres du successeur, évaluée par le nouveau partition_profile) restaure eff à 1.000 (EI 1.31 → 2.32 bits) quand le témoin négatif population s’effondre (0.165) — une observable macro n’est pas une macro causale — et le glouton redécouvre seul la partition destin (chemin monotone 16 → 5, EC 6.70). La structure tient à l’échelle 3×3 (384/512 collisions, destin eff 0.998). Nouveaux instruments : torus_ensemble_tpm, fate_strata, live_count_strata, partition_profile
ICT-33-SoupCollisions-Python	Substrat GOL — ensembles ouverts (hors séquence numérotée, phase narrative #5726) : la triade des ensembles se complète avec le régime ouvert-conditionné — les random soups Bernoulli i.i.d. de densité donnée, celui de toutes les expériences Life de la littérature. La TPM empirique de l’observable population (graine 5726, 4000 soupes 8×8, densité 0.30) est massivement stochastique — 23 strates sources sur 27, la strate médiane compte 25 destins — et le déterminisme mesuré tombe à 0.334 contre 1.000 du tore exhaustif d’ICT-32, pendant que la dégénérescence s’effondre (0.044) : le témoin négatif « population » y devient grandeur mesurée. La mise au carré de la TPM (états communs cause∩effet, lignes fuyantes retirées jusqu’à stabilité) écarte 14.9 % de la masse — déclarée et interprétée (queue basse de t+1 sous le support de t=0), pas tue. Le banc discriminant des collisions head-on (4 phases × 12 offsets = 48 collisions de même masse, dix cellules) : 21 annihilations / 7 un-gliders survivants / 20 débris, jamais de collision ratée — le destin bascule au décalage d’une colonne, exactement l’information que la projection jette. Le moteur reste déterministe et prouvé (hashlife_correct, conway_lean, 0 sorry) : le bruit mesuré n’est pas dans le moteur, il est dans la projection. Nouveaux instruments : random_soup, empirical_tpm_live_count, glider_collision, collision_outcome

Strate 3 — trajectoires intégrées (régime-dépendance)

Document	Contenu
ICT-11-CausalAgencyProfiles-Python	Profils d’agence causale — à quelle échelle l’agence est-elle la plus lisible ? Ouvre la strate 3. L’agence de réaction-diffusion d’ICT-9 est mesurée à plusieurs résolutions (micro/méso/macro) puis raccordée à l’émergence causale de Hoel (information effective, TPM à macro-variable scalaire = structure/variance du champ moyenné). Sans complaisance : les deux mesures d’agence se contredisent — repair_gain présente un pic méso (b=16) mais artefact-contaminé (sur-reconstruction : le score dépasse 1, et un plancher de résolution à b=32), tandis que basin_return_probability est strictement décroissante avec l’échelle. Le raccord Hoel suit la mesure inflatée (r≈+0.50 avec repair_gain) et ignore la mesure honnête (r≈−0.14 avec basin_return) — suggestif mais non robuste. Verdict honnête : pas d’échelle privilégiée, l’hypothèse méso-émergente n’est pas confirmée
ICT-12-ValenceFieldsAndAnimats-Python	Champs de valence et animats — rôles mesurés, modèle interne payant ou ruineux ? Premier toy model actantiel spatial : des animats évoluent dans un champ de valence (source attractive + obstacles repulsifs) ; la scène actantielle de Thom cesse d’être une correspondance nommée — les rôles deviennent des grandeurs mesurées (capture, évasion, irréversibilité, switching). Deux animats : le réactif suit le gradient instantané (persistance spatiale), l’anticipateur p̂ extrapole le point d’interception. Sans complaisance : p̂ gagne en balistique rapide (capture x4, le réactif laggué ne suit pas) mais perd en erratique (prédictions trompées par les demi-tours) et perd en anticipation sur source bruitée (la vitesse EMA amplifie le bruit de position). Le modèle interne paie son coût là où la source échappe au réactif et reste prévisible — régime-dépendant, ni universellement avantageux ni ruineux (contrôle d’ablation : la marche aléatoire ne porte aucune signature de rôle)
ICT-12b-LearnedValence-Python	Valence apprise, transférable, réversible — l’expérience manquante (#7740, banc désincarné). L’envers exact de ICT-12 : la valence n’est plus un champ gaussien programmé, elle est acquise par conditionnement Pavlovien (règle de Rescorla-Wagner : \(\\Delta\\pi = \\text{lr}(v_\\text{source} - \\pi)\), neutre à l’init). Trois verdicts falsifiables sur banc désincarné (un signal = un index, sans corps) : transfert (un neutre co-occurrençant une source devient attractif par lui-même, un contrôle non-conditionné reste neutre — pas de fuite de l’inné vers tout), distinctness vs prédiction (\(\\pi\) monte alors que l’erreur \(\\hat p\) est invariante — le banc passe le vecteur \(\\pi\) au prédicteur pour qu’un re-vêtement p̂ = 1 - π soit réfutable, contrôle négatif inclus), réversibilité (acquisition et extinction partagent la même règle → \(\\pi\) acquise puis éteinte). Banc algorithmique additif (LearnedValence) que ICT-12c incarne ensuite
ICT-12c-PregnanceAnimat-Python	Animat prégnance/valence incarné — la dissociation \(\\hat p\) / \(\\pi\) (#7740, jambe C1). Pousse ICT-12b hors de son banc désincarné : un animat qui se déplace, a un état interne (la faim), et choisit ses actions. PregnanceAnimat couple un modèle prédictif \(\\hat p\) (réutilise predict_source + baselines adverses), une valence apprise \(\\pi\) (réutilise LearnedValence) et un drive hunger, via une politique \(a_t = f(\\pi + \\text{intrinsic}, \\text{hunger})\) ; le conditionnement est Pavlovien incarné (neutre tethered à la source → co-occurrence). La porte scientifique est une matrice de dissociation, pas un printout par mesure : le régime erratique détruit \(\\hat p\) (l’EMA-vitesse sur-réagit aux demi-tours ; ratio erreur \(\\hat p\)/persistance 0.68–0.95 vs 0.14–0.23 en balistique, robuste 8/8 seeds) MAIS laisse intact le conditionnement Rescorla-Wagner (qui ne dépend que de la co-occurrence, pas de la prévisibilité) → transfert + engagement d’action + réversibilité tiennent. Verdict : prégnance et représentation sont deux grandeurs dissociables, même incarnées. Portée honnête : les six mesures 1/2/3/4/5/6 + dissociation. Les mesures 4 (FE adaptive) et 5 (information prédictive), différées en PR-A, sont désormais livrées (§7) : free_energy mode fixed = habillage du MSE (gate 1), précision adaptive amortit l’explosion erratique (gate 2), et \(I(\\hat q;o)\) y est anti-corrélée au MSE (plafond épistémique) — trois lecteurs orthogonaux de \(\\hat q\)
ICT-12d-InhibitedActionAnimat-Python	Animat inhibé (Laborit) — contrôlabilité, rigidification, dette d’irréversibilité (#7741, jambe C2). Parallèle à C1 (ICT-12c) : non plus séparer deux grandeurs qui tiennent, mais montrer une grandeur — l’opérateur de workspace \(W\) — qui s’effondre. Substrat = anneau d’états (1-torus) avec contrôlabilité \(\\alpha \\in [0,1]\) : avec proba \(\\alpha\) l’action s’applique, sinon l’état dérive (action ignorée = inhibition). \(\\alpha=0\) = inhibition totale (Laborit). Quatre verdicts falsifiables (ict.inhibited_action, PR #8825) : détection (l’animat estime \(\\hat\\alpha\) depuis les transitions, corrigé de la ligne de chance, \(\\vert\\hat\\alpha-\\alpha\\vert<0.1\) sur 3 régimes), rigidification (sous \(\\alpha=0\) l’animat se replie sur le no-op, entropie d’action \(\\ln 3 \\to \\approx 0\), chute \(>0.3\) nat), perte d’efficacité (fraction-cible \(\\alpha{=}1 > \\alpha{=}0\)), pont \(I(R)\) (sous inhibition, changer d’action ne change plus la dette d’irréversibilité subie — \(\\vert\\Delta\\vert<10^{-9}\) — alors qu’à contrôle partiel l’action la modulait encore). Portée honnête : substrat 1-torus minimal, niveau animat individuel (strate 3/5) ; la rencontre avec l’inhibition de l’innovation collective (ICT-30, #7746) est une issue ultérieure
ICT-12e-Value-of-Information-Animat-Python	Valeur de l’information pour l’animat — combien vaut l’observation, et vaut-elle son prix ? (#13569, greffe 3). ICT pose le problème de l’animat décisionnel (forage, prior 0.3/0.7, actions forer/vendre) et laisse les organes natifs du dépôt calculer : ict.voi (interface canonique EVPI/EVSI close-form, tranche 1/3) et le comparateur cross-engine voi/ (tranche 3/3, livré dans Probas/DecisionTheory/, hors ICT-Series/) qui fait tourner Infer.NET × PyMC sur le même contrat JSON. Chiffres : EVPI 390000, EVSI 253000, EVSI_net (coût 60000) 193000 — l’animat observe. Trois contrôles bornent la lecture (SOTA Prong B, problème non-trivial) : non-informatif → EVSI = 0 (ne pas observer), coût break-even → l’EVSI net change de signe au franchissement \(c^*\) (coût explicite non nul), parapluie canonique → EVPI = 3.5 (référence ict/tests/test_voi.py), l’animat sensoriel proprioceptif 85/75 vivant à 10.7 % de l’information parfaite — distinct du bruit (0 %) comme de l’oracle (100 %). Contrôle croisé : Infer.NET et PyMC s’accordent sur voi/comparison.json (EVSI 253000 vs 252796 à tolérance, décisions identiques) — l’écart éventuel serait rapporté, jamais lissé. Aucune ré-implémentation de Bayes ni de Howard : le problème est posé, les organes calculent
ICT-13-AxelrodStrategicMorphodynamics-Python	Morphodynamique stratégique — une stratégie est-elle une forme stable ? Dernier cran de la strate 3 avant la synthèse. Le dilemme du prisonnier itéré d’Axelrod (paiements canoniques \(T=5, R=3, P=1, S=0\)) sert de morphospace stratégique : six stratégies (AllC, AllD, TFT, TFT généreuse, Pavlov, Grim) confrontées en tournoi round-robin, dynamique de réplication, bassins d’invasion. Sans complaisance : quatre gates falsifiables mesurent la « stabilité de forme ». Gate 1 — TFT et Grim co-dominent le tournoi (2.635) devant AllD (2.313, dernier). Gate 2 — le seuil de coopération soutenable colle au Folk theorem : \(\delta^\star\) analytique \((T-R)/(T-P) = 0.500\) vs croisement numérique \(0.550\). Gate 3 — sous bruit d’exécution, la réciprocité active (TFT) est le point de rupture (chute la plus forte, \(+0.40\)) tandis que la rétaliation inflexible de Grim est paradoxalement la plus robuste (\(+0.29\)) — ce qui contredit la prédiction Nowak-Sigmund (TFT généreuse / Pavlov les plus tolérantes) sur ces paiements. Gate 4 — bassins d’invasion contre AllD résident : TFT/Grim envahissent dès \(2\,\%\) de fraction initiale, TFT généreuse à \(34\,\%\), Pavlov et AllC jamais (\(1.0\)). Verdict honnête : la robustesse stratégique est fonction du régime (bruit, structure de paiements), pas une propriété intrinsèque de la stratégie — la « forme stable » n’existe qu’au sein d’un environnement donné. Évolution (§6, #12673) : en dynamique sélection-mutation (Wright-Fisher, 60 agents, mutation 5 %), la population ne fixe pas — équilibre polymorphe grim/AllC/GTFT (TFT éliminée), coopération oscillante 0.26–0.94 sur 400 générations ; module ict.strategic_morphodynamics.evolve_population, substrat consommé par ICT-15d

Gate 3 — effondrement sous bruit (TFT chute, Pavlov résiste) : 6 stratégies (allc/alld/tft/gtft/pavlov/grim) tracées par leur score de tournoi en fonction du bruit d’implémentation ε ∈ [0, 0.40]

Figure extraite de ICT-13-AxelrodStrategicMorphodynamics-Python.ipynb (cellule 13, output 0) — axe vertical « score de tournoi » (1.7 à 2.6), axe horizontal « bruit d’implémentation ε » (0.0 à 0.40), six courbes pour les stratégies allc/alld/tft/gtft/pavlov/grim. Lecture critique : la légende de la figure dit « Gate 3 : effondrement sous bruit (TFT chute, Pavlov résiste) », mais la figure montre en réalité que TFT chute fortement (de ~2.6 à ~2.1) puis remonte, que Pavlov reste stable (~2.5) — c’est-à-dire que la robustesse de Pavlov est bien réelle, mais l’effondrement initial de TFT est partiellement récupéré. Limitation illustrative assumée : la figure ne montre que la Gate 3 (bruit d’implémentation) et pas les Gates 1/2/4 (score pur / seuil δ / bassins d’invasion), qui sont discutés dans le texte mais tracés dans des cellules séparées.*

La strate 3 se conclut par son capstone ICT-Synthese-CrossSubstrat : un seul appareil (la trajectoire causale intégrée) appliqué à cinq substrats — tri auto-organisé, bistable, Axelrod, activations SAE d’un LLM (strate 5), et le champ Gray-Scott — pour tester si un invariant numérique transfère. Verdict : non (Φ et F covarient, K et l’irréversibilité divergent orthogonalement) ; ce qui transfère, c’est la méthode (ne créditer que ce qui bat son contrôle dégénéré), pas le nombre.

Gate 4 du capstone ICT-Synthese — convergence Φ/F/K sur quatre substrats (tri auto-organisé, bistable, réplicateur d’Axelrod, activations SAE d’un LLM) : barres groupées par substrat, trois jambes (Φ, F, K). Φ et F covarient et ordonnent les substrats à l’identique (tri > réplicateur > bistable > LLM, τ de Kendall Φ-F = +1.00) ; K ordonne autrement. Le substrat LLM est le plus faible sur les trois jambes.

Figure extraite de ICT-Synthese-CrossSubstrat.ipynb (cellule 23, output 5) — jambe statique du capstone : la convergence (ou non) des trois scalaires fondateurs \(\Phi / F / K\) sur le banc cross-substrat. Limitation illustrative assumée : la figure rend 4 substrats visibles (tri, bistable, réplicateur, LLM) sur les 5 testés par le notebook ; la jambe temporelle (réversibilisation) est tracée séparément ci-dessous.

Gate 5 du capstone ICT-Synthese — jambe temporelle de l’émergence (réversibilisation ICT-18) : par substrat, production d’entropie σ_real et distance à la chaîne réversibilisée, sur échelle symlog. Le tri est fortement irréversible (σ élevé) ; le bistable est quasi-nul (réversible, équilibre détaillé satisfait) ; l’asymétrie temporelle discrimine les substrats de façon orthogonale aux jambes Φ/F/K.

Figure extraite de ICT-Synthese-CrossSubstrat.ipynb (cellule 26, output 2) — jambe temporelle du capstone : l’irréversibilité (ICT-18) appliquée au même banc. Le banc partagé est ici repris et outillé par la strate 5.

Strate 4 — énergie libre et représentationnel (Free Energy Principle)

Document	Contenu
ICT-13b-DecroisementDynamiqueObservable-Python	Annexe scientifique d’ICT-13 — d’où vient le relief \(b_1\) du substrat Axelrod ? Décroise le plan factoriel laissé ouvert par les quatre PRs de l’EPIC substrat (#13039, #12673) : dynamique (réplicateur déterministe vs population finie agent-based 60 agents, bruit 2 %) × observable (argmax vs digitize(coop, 8)), même graine, même matrice de gains, même \(\mu=0.05\), pipeline \(b_1\) unique. La cellule jamais mesurée — réplicateur × quantifié — rend 0.0000 à toutes les résolutions (2/4/8/16) : le relief publié (0.3989, reproduit exactement au pipeline ICT-15j près ; 0.5036 au pipeline unifié) vient de la dérive d’échantillonnage à population finie dans un vocabulaire fixe, pas de la résolution de l’observable (amplificateur ~7,5x : 0.047 vers 0.354 multi-seed 5 graines, jamais sous 0.25) ni de la nouveauté stratégique (réfute la généralisation « bruit différent de nouveauté » : le vocabulaire est fixe et le relief existe). Prescriptif pour l’arbitrage : un \(b_1 = 0\) sur l’argmax d’un champ moyen est une propriété de l’instrument, pas du système
ICT-14-FreeEnergySurprise-Python	Surprise & énergie libre — la jambe représentationnelle du triplet fondateur (\(\Phi_\text{dyn}\), \(F\), \(K\)). Free energy et expected free energy comme substrat computationnel de l’anticipation, articulation avec la trajectoire \(\Phi\) d’ICT-1 et le représentant interne p̂ d’ICT-10. Voir issue #5089

Lacet de prédation (sinus bruité) : panneau haut = position proie/anticipateur/persistance, panneau bas = surprise S_t - p̂ (bleu) vs S_t - persistance (orange)

Figure extraite de ICT-14-FreeEnergySurprise-Python.ipynb (cellule 4, output 0) — deux panneaux : panneau haut, position au cours du temps (t ∈ [0, 300]) pour trois dynamiques (proie o_t bleue, anticipateur p̂_t orange, persistance verte) suivant un signal sinusoidal bruité ; panneau bas, surprise \(S_t\) du modèle interne (p̂ en bleu, persistance en orange). Note d’honnêteté : le nom de fichier ict14-freeenergy.png est trompeur — la figure illustre en réalité le lacet de prédation et la batterie anticipation/persistance développée dans ICT-10 (catastrophe fronce), et non la free energy / expected free energy proprement dite. Le lien avec la free energy est dans le texte du notebook mais la figure rendue ici est un cas d’application du représentant interne p̂ au signal sinusoidal bruité. Limitation illustrative assumée : la figure montre un cas jouet (sinus bruité, 300 pas) et ne généralise pas à des signaux réels ; la free energy formelle n’est pas tracée (mais intervient dans l’analyse).

Document	Contenu	Issue
ICT-14b-ActiveInferenceEFE-Python	Inférence active — l’expected free energy pilote l’action — banc d’inférence active (FEP épaisse) : l’EFE devient opérateur d’action, l’agent sélectionne les observations futures qui minimisent la surprise attendue. Prolonge ICT-14 (surprise passive → contrôle actif)	#9532

Strate 4 (suite) — la théorie fondatrice hors LLM (cross-substrat, MDL, \(\epsilon\)-machine)

Frontière S4/S5 — ces notebooks mesurent les scalaires fondateurs sur des substrats non-LLM : ils relèvent de la strate 4, dont ils forment la seconde moitié. La strate 5 commence à ICT-21, là où le substrat est un transformer entraîné (#13908).

Le retour à la théorie fondatrice (cf. ICT-0-Annexe) : les trois scalaires fondateurs \(\Phi / F / K\) convergent sur un banc cross-substrat, et la réversibilisation — l’idée fondatrice restée implicite — y est enfin outillée (ICT-18). Notebooks ICT-15 à ICT-23 tous livrés et exécutés — dont ICT-19 (batterie de l’ENJEU, #5526, raffinée par ICT-19b-EnjeuBattery-Raffinement-Python #5728 : mesure S4 Gray-Scott en espace de champ, repair_gain +0.82±0.27), ICT-21 (substrat SAE, mergé #5643) et ICT-22 (LLM comme quatrième substrat, mergé #5658). ICT-24 (WorkspaceIgnition) est livré (#5875) : les Gates 22-23 GPU-free concluent à une dissociation — les pics d’emergence_gain créditée ne co-localisent pas avec les événements d’ignition workspace (les deux lectures IIT↔︎GWT capturent des choses différentes sur S4) ; le Gate 24 (clamp sélectif) reste en phase 2 GPU (coordonnateur GPU2). Le tête-à-tête SAE↔︎J-space couche 16 (#5959) confronte les deux lentilles (SAE Qwen-Scope vs jacobien J-Lens) sur le même modèle 9B-Base, GPU-free. ICT-25 (InoculationRL) est livré et exécuté (#5105) — capstone de la strate 5 et pont ICT↔︎PostTraining (ligne dédiée dans la table de la strate 5 ; runs de scale-up committés dans runs/ict25a_*.json). Scope ICT-15..25 (#5090 #5099..#5105 #5279 #5635 #5681).

Notebook	Sujet	Issue
ICT-15-IntegratedComplexity-Python	Convergence Φ/F/K sur le banc cross-substrat, gate de convergence sur le squelette de Thom	#5090
ICT-15b-SensitivityCanonicity-Python	Sensibilité — canonicité du banc Φ/F/K — raffinement d’ICT-15 sur la stabilité du verdict de convergence aux perturbations contrôlées du substrat (bruit d’implémentation, recalibrage des coarse-grainings), protocole de re-mesure multi-graines sur le banc cross-substrat	#7288
ICT-15c-MetaProxyObstruction-Python	Méta-proxy obstruction — exploration des obstructions possibles au verdict d’ICT-15 : quand un proxy Φ/F/K cache une divergence de régime (faux-positif de convergence) ; banc adversarial sur substrats où le triplet co-varie par construction	#7395
ICT-15d-CechObstruction-Python	Cochaîne de Čech pondérée — obstruction intra-substrat — troisième lecteur d’obstruction (après 15b raffinement et 15c méta-proxy) : une obstruction cohomologique qui ne se réduit ni à un proxy Φ/F/K ni à la sensibilité de Huang ; module ict.cech_obstruction	#7744
ICT-15e-Bridge2-RecoverabilityAgency-Python	Pont #2 — la recouvrabilité est l’agentivité — cinq bridges falsifiables : la récupération d’un état après do(·) n’est pas un simple gain de réparation, elle discrimine l’agentivité (un dissipateur pur ne recouvre pas). Raccorde la strate 5 au critère agentivité d’ICT-9/19	#8077
ICT-15f-Bridge1bis-DecoupledFamily-Python	Pont #1-bis — la famille découplée tranche le négatif de σ — construction d’une famille de substrats à découplage construit (σ ⟂ largeur de bassin) : la largeur de bassin, et non σ seul, porte le signe négatif qui falsifiait ICT-15e. Profil géométrique ict/basin_geometry.py	#9531, #8077
ICT-15g-EmpiricalHuangExploitation-Python	Exploitation empirique de la sensibilité (Huang 2019) — prolongement d’ICT-15b : applique le théorème de sensibilité de Huang sur des substrats réels de la série (tri, Gray-Scott, Axelrod) : la dépendance multilinéaire du degré révélée comme lecteur orthogonal du banc Φ/F/K	#7288
ICT-15h-Bridge1bis-AsymmetricFamily-Python	Pont #1-bis — régime asymétrique (chantier 2/3) : la famille de double-puits asymétriques \(V = ax^4 - bx^2 + cx^3\) (bassins non interchangeables : profondeurs, courbures, largeurs, barrières distinctes) généralise le verdict CONFIRMED-NEGATIVE du chantier 1/3 — la courbure locale \(\sigma\) n’a aucun pouvoir prédictif propre pour la récupérabilité une fois la largeur ET la barrière contrôlées ; module ict/basin_asym.py	#9531
ICT-15i-Bridge1bis-2DLandscape-Python	Pont #1-bis — paysage 2D anisotrope (chantier 3/3, clôt #9531) : en 2D le Hessien au minimum offre une courbure par direction propre — mais aucun résumé scalaire de \(\sigma\) (\(\sigma_{\min}\) ou \(\sigma_{\text{mean}}\)) ne prédit la récupérabilité après contrôle de la largeur, de la barrière et de l’anisotropie. Les trois régimes (symétrique 1D, asymétrique 1D, anisotrope 2D) convergent : c’est la géométrie du bassin qui gouverne ; module ict/basin_landscape2d.py	#9531
ICT-15j-NerveDiscriminant-Python	Discriminant Čech par nerf simplicial (gudhi) — le verdict SVD de ict.cech_obstruction (dominé par s2_over_s1 et effective_rank) déclare NON_TRIVIAL même sur le contre-exemple axelrod (cocycle = 0, obstruction_ratio = 0) : il consulte le rang spectral, pas la cohomologie du nerf. Discriminant complémentaire : construire le nerf simplicial sur les 30 fenêtres × 3 proxys (spectral_gap, sensitivity_mean, sensitivity_max) et compter les classes H^1 persistantes (b1 du nerf) — le relief b1 qu’ICT-15l auditera ensuite contre le contrôle de dimension	#12257, #12673
ICT-15k-RecollementMacroCells-Python	Recollement des macrocells — le quadtree de Hashlife comme espace étalé (chantier 3 grain 1, reprend là où 15d avait rendu son verdict TRIVIAL) : le recouvrement est imposé par le substrat (macrocells alignées 2^k, les bords définis avant les sections — la dette §2 de #12206 rendue observable), fibres et transports réels via mémoïsation, compatibilité vérifiée empiriquement (marge 1 : zéro divergence, tous les transports exacts, contre vérité terrain du moteur certifié ICT-Life), recollement cassé (clé d’intérieur seul) converti en témoin qui paie — Dutch book sur la population annoncée, profit strict dès l’étape 1 (Loi I répondue dans les deux sens), et sensibilité au choix du recouvrement (marge 0/1/2 : la marche d’escalier est au rayon du voisinage)	#12206, #7744
ICT-34-BancRecollementLectures-Python	Le banc de recollement des lectures — quatre spécialistes, un seul verdict (prototype) : transpose à un recouvrement disciplinaire le banc géométrique d’ICT-15k (quadtree de Hashlife) — la question reste celle du §2 de #12206 : un défaut de compatibilité entre les sections d’un même objet se convertit-il en témoin exploitable ?	#12206
ICT-15l-IndependanceGenerateur-Python	Indépendance au générateur de nouveauté — le relief b1 passe le contrôle de dimension ? (audit du discriminant nerf d’ICT-15j) : deux générateurs structurellement distincts (resemencement uniforme sur catalogue fermé vs dérive génomique 5 bits à vocabulaire ouvert, 26-27 comportements nouveaux par trajectoire) + un contrôle négatif (simplexe doublé d’étiquettes : dimension 12, zéro nouveauté), graines et paramètres appariés, verdict pré-enregistré et calculé programmatiquement : CONFONDU_AVEC_LA_DIMENSION — le contrôle produit le même relief que les générateurs (R3 ≈ R1 ≈ 0,35 > τ = 0,05) : le relief accompagne le turnover stochastique de population finie, pas la nouveauté stratégique ; en prime, la duplication interleaved est révélée no-op bit-exact (integers(0,12)//2 == integers(0,6)), preuve de grossièreté du discriminant	#13308, #13303, #12673
ICT-16-MDLTwoPartCode-Python	\(F\) est la partie résiduelle du code \(K\) + bosse complexité-entropie	#5099

Bosse complexité-entropie (Crutchfield-Feldman 1998) — axe X = taux d’entropie H (bits/symbole, 0.5-3.0), axe Y = longueur de code du modèle C (bits, du creux ~-48 au pic C≈38) ; points gris = trajectoires échantillonnées, courbe rouge = médiane par bucket, étoile = pic C≈38.3 bits à H*≈1.99

Figure extraite de ICT-16-MDLTwoPartCode-Python.ipynb (cellule 11, output 0) — l’axe vertical C est la longueur de code du modèle en bits (axe du Minimum Description Length, MDL), l’axe horizontal H est le taux d’entropie en bits/symbole. La courbe rouge (médiane par bucket) montre un creux vers H≈1.0 (C≈-50 bits, soit le modèle est très compressible à entropie intermédiaire basse), puis un pic marqué par une étoile dorée à C*≈38.3 bits à H*≈1.99 bits/symbole — c’est la bosse complexité-entropie canonique (Crutchfield-Feldman 1998, “La complexité statistique est maximale à entropie intermédiaire”). Limitation illustrative assumée : la figure montre la bosse MDL pour un seul couple (modèle, famille de sources) ; la généralisation cross-substrat (le gate de convergence Φ/F/K d’ICT-15) n’est pas visible ici.

Document	Contenu	Issue
ICT-17-EpsilonMachine-Python	\(\epsilon\)-machine (Crutchfield) vs Hoel — états causaux, complexité statistique, entropie d’excès	#5100
ICT-17b-Grokking-CompressionProgress-Python	Grokking — compression & progrès — applique l’instrumentation \(\epsilon\)-machine d’ICT-17 à la phase de grokking (compression post-généralisation tardive, Power et al. 2022) sur un réseau-jouet : mesure de la chute de complexité statistique au moment où la généralisation apparaît, contraste avec la persistance \(\Phi\) du substrat	#5100 (sub-issue grokking)
ICT-18-ArrowOfTimeReversibilization-Python	Flèche du temps & réversibilisation — production d’entropie, detailed balance, « que perd-on à réversibiliser ? » (ancré ICT-3, Levin/Fridman) (GPU-free)	#5279
ICT-18b-ReversibilityBudget-Python	Budget de réversibilité — la jambe « fin » — la triade moyen / fin / enjeu enfin mesurée : \(B_\text{state}\) (Monte-Carlo, primaire) + \(B_\text{work}\) (distance à \(P_\text{rev}\), témoin) ; 3 prédictions pré-enregistrées sur S2/S4/S3 (P1 PASS, P2 DISSOCIATION honnête, P3 PASS) (GPU-free)	#7287
ICT-19-EnjeuBattery-Python	Batterie de l’ENJEU — auto-maintien vs pur dissipateur, retour-au-bassin après do(·) sur Gray-Scott S4 (cadrage B, spec #5483) ; raffinée par ICT-19b-EnjeuBattery-Raffinement-Python (#5728 : mesure S4 en espace de champ, résout le faux nul)	#5489
ICT-20-FeatureCatastrophes-Python	Calibration — changepoints, EWS et hystérésis en feature-space	#5103
ICT-Annexe-ProxyContextuality	Annexe — la contextualité du zoo de proxys est un CSP (annexe spéculative, non numérotée) : le zoo de proxys mesure une même trajectoire par plusieurs instruments (écart spectral, sensibilité moyenne/maximale) sous plusieurs granularités — l’annexe instruit le transfert vers CSP sans le proclamer, et son résultat est négatif, ce qui fait précisément son intérêt	#7290

Strate 5 — le LLM comme substrat (SAE, persona, workspace, inoculation RL)

La strate 5 commence ici : le substrat mesuré n’est plus un système dynamique ni un automate, mais un transformer entraîné. La charnière est ICT-17b (grokking) — l’instant où un représentant interne cesse d’anticiper un comportement pour devenir un état de représentation apprise (#7735). Frontière arbitrée en #13908.

Document	Contenu	Issue
ICT-21-SAETrajectoires-Python	SAE (Qwen + Qwen-Scope — gamme Qwen3/Qwen3.5, 700M → 120B ; jalon 9B ici, réplication cross-échelle dans #5105 / #7396 ; verdict GÉNÉRATION décroisé de la fidélité de l’instrument dans #13040 : les quatre FVU mesurées au décodage officiel, le meilleur SAE dégradé au-delà du pire sans que le recouvrement ne suive) — des features SAE aux trajectoires d’états discrets, substrat S4 (GPU)	#5101
ICT-22-LLMSubstrat-Python	LLM comme quatrième substrat du banc cross-substrat — on passe des stratégies d’Axelrod (ICT-13) aux représentations internes (features SAE d’ICT-21) qui les motivent, puis à la jambe argumentation (#7289) qui les met en confrontation explicite. (GPU)	#5102
ICT-22b-CausalInterventionEngine-Python	Moteur d’intervention causal — opérer, contrôler, mesurer (accrétion du palier 22 — LLMSubstrat, moteur transversal #15479) : les cinq opérations v1 (ablate, clamp, patch, steer, interchange) sous un contrat commun sur un panneau d’activation, avec les contrôles appariés obligatoires (cible aléatoire appariée en norme et fréquence, sham write-back, doses symétriques), la séparation des trois canaux état / readout / comportement en slots jamais sommés, et le format Gate 24 (#5635) à trois bras — cible / aléatoire apparié / intact. Le banc est synthétique et sa causalité est connue par construction ; le verdict est falsifiable et fixé avant la lecture (§8 : test binomial unilatéral, correction de Holm sur 4 seeds — SUPPORTED dans les outputs committés), et selectivity_verdict refuse de qualifier de sélectif un collapse global (double condition : ratio ≥ 5 et off_target ≤ 0.10). Cœur numpy ict/causal_engine.py (tranche 1), confinement torch dans scripts/causal_hooks.py (tranche 2)	#15479
ICT-23-PersonaCatastrophe-Python	Désalignement émergent par fronce, énergie libre et MDL (capstone)	#5104
ICT-24-WorkspaceIgnition-Python	WorkspaceIgnition — l’axe Global Workspace (Dehaene, Baars) comme cinquième jambe : module ict/workspace.py (série de concentration Gini, événements d’ignition persistants, influence retardée, profil de fan-out, candidats workspace, batterie event-triggered réutilisant synthesis.emergence_gain). Gates 22-23 GPU-free livrés (#5875) : verdict dissociation (contraste synthétique +0.44, pics emergence_gain et ignitions workspace ne co-localisent pas sur S4) ; Gate 24 (clamp sélectif) en phase 2 GPU (GPU-free)	#5635
ICT-SAE-JLens-TeteATete	Tête-à-tête SAE↔︎J-space (couche 16, 9B-Base) — confronte les deux lentilles du workspace global (SAE Qwen-Scope W64K-L0_50 vs jacobien J-Lens neuronpedia) sur le même modèle et les mêmes prompts, banc numpy-only lisant les 4 fixtures pré-extraites : features différentielles (K_DIFF=64), séries de concentration, matrices de séparation inter-jeux, dégradation top-k (GPU-free, #5681 Track S)	#5681
ICT-21b-SAECalibration-Python	Calibration des SAE par echelle — verite-terrain de reconstruction (FVU corpus, L0 mesure, features mortes) des SAE officiels Qwen-Scope W32K-L0_50 a profondeur appairee (frac 0.5) sur la batterie d’ICT-21 : 31,4 % (1.7B) vs 71,5 % (2B) de variance expliquee (couverture inversee selon l’echelle), L0 = 50.0 exact (garde release passee), largeur effective ~3 % — prealable Phase 0 a toute comparaison cross-echelle de forme (GPU-free, traces commitees)	#8236
ICT-21c-SAECatastrophes-Python	Catastrophes du dictionnaire SAE — forme & dynamique (livrable 2 de #8236) — perturbations appariées à trois échelles (1.7B/2B/9B) × deux régimes (trained/control), banc numpy-only sur les traces ICT-21 : forme (Gini, enrichissement top-500 par registre — le trained recrute 2-3× plus de features et les spécialise), dynamique (ablation vives/mortes/aléatoire : f50_vives 0.004→0.07 selon l’échelle trained, path-divergence 0.53-0.82), inoculation absente au banc figé (négatif propre), confrontation au FVU réel GPU (L0 constant, fidélité effondrée) (GPU-free, traces committées)	#8236
ICT-25-InoculationRL-Python	InoculationRL — GRPO à récompense hackable × inoculation (GPU). Capstone final de la strate 5 et pont ICT↔︎PostTraining : reproduit, dans les poids à échelle jouet, le phénomène de dérive de persona sous récompense hackable (arXiv 2511.18397). Deux bras d’entraînement GRPO identiques sauf le system prompt (N non inoculé / I inoculé), certifié rewardspy (le hack est appris dans les deux), panel persona + éval comportementale hors-domaine. Gates 20-21 falsifiables ; résultat négatif honnête possible (« non reproduit à cette échelle »)	#5105
ICT-35-HumorCausalProbe-Pilot-Python	HumorCausalProbe-Pilot — étage 0 : baseline de shortcuts lexicaux (strate 5, GPU-free) : substrat HLS (banc humour dur consolidé GT-18c, 120 instances annotées), sans confusion explication/mécanisme — l’étage 0 pose la baseline lexicale AVANT toute phase SAE, les phases suivantes restant aval (#5635, #8236, #5105)	#14035
ICT-35b-HumorCausalPairs-SAE-Python	HumorCausalPairs-SAE — paires minimales, substrat SAE (strate 5, tranche 1 de #14035) : le pilote ICT-35 mesurait l’humour sur un substrat HLS lexical (verdict INCONCLUSIVE borné) ; ici le substrat devient le SAE Qwen-Scope avec un design expérimental plus fin — des paires minimales où seul varie le texte de punchline (humour committé vs punchline neutralisée « unfun », même setup token à token). 30 paires sur les blagues manuelles + 2 one-liners edges du banc GT-24b (instances Argumentum exclues du pairing, champ texte tronqué). Verdict : INCONCLUSIVE — amplitude du différentiel trained sous le bruit permuté, top-5 features disjoints du contrôle	#14035
ICT-35c-HumorDepthProfile-SAE-Python	HumorDepthProfile-SAE — le verdict survit-il à la profondeur ? (strate 5, tranche 2 de #14035) : l’objection à un résultat mesuré à une seule profondeur — une incongruité comique peut être précoce (lexicale, couches 3-8) ou tardive (pragmatique, couches 18-22) — est levée en mesurant les mêmes 30 paires à trois profondeurs (early --layer-frac 0.1667, mid, late 0.8333, captures early/late neuves GPU local, contrôle = permutation seedée des input embeddings à chaque couche)	#14035
ICT-35d-HumorTypologyBreakdown-SAE-Python	HumorTypologyBreakdown-SAE — le verdict survit-il au découpage par type ? (strate 5, tranche finale de #14035) : la dernière objection au verdict INCONCLUSIVE des tranches 1-2 — peut-être les features comiques existent-elles mais seulement dans un sous-type — est levée par l’annotation typologique figée avant mesure (13 pun / 12 topical / 5 sociale, plancher 5 par type, 5 cas borderline listés) et la mesure des mêmes statistiques pré-enregistrées sur 18 jambes (3 types × 3 profondeurs × trained/control). Jambes d’inference additionnelles : IC bootstrap 95 % + d de Cohen par type (les IC différentiel et contrôle se recouvrent partout) et contrôle familial du max |z| (sign-flip intra-paire). Verdict final : AUCUNE_FEATURE_STABLE — 0 jambe candidate, p_familial ≥ 0.116 partout, Phase 2 (levée causale) structurellement vide (GPU-free, traces committées)	#14035
ICT-36-FLens-FactoredGeometry-Python	F-Lens, mode factored-geometry — sous-espaces et additivité (grain autonome, CPU uniquement, primitives numpy-only) : la lecture par sous-espaces factored et son test d’additivité, sans dépendre du contrat de traces — le mode factored-geometry du toolkit multi-instrument	#15478, Epic #15475
ICT-37-FLens-BeliefState-Python	F-Lens, mode belief-state — probing linéaire et géométrie prédictive held-out : un état prédictif suffisant du processus est-il lisible par sonde linéaire, mesuré held-out ? Consomme le contrat de traces (#15476 — split/fit IDs via ict_trace)	#15477, Epic #15475
ICT-38-SLens-SelfLocation-Python	S-Lens — la représentation porte-t-elle la bonne référence ? (strate 5, GPU requis, POC expérimental) : quand la valeur à produire se trouve à une position déterminée par le contenu (et non par la position absolue du token), bancs synthétiques à vérité terrain exacte — lecture par tête et intervention causale appariée	#15814
ICT-39-CompositionRegards-Python	Composition de regards (opération 12 « Composer des regards ») : distinguer la lecture avant (get/play) de la demande arrière (put/coplay), les composer réellement, et construire le témoin falsifiable où deux regards composés divergent de leurs lectures isolées — prérequis légers (fonctions, composition, modulo 3)	#12204
ICT-42-InoculationBifurcation-Pilot-Python	Inoculation et bifurcation représentationnelle — pilote multi-échelle (strate 5, GPU-free à la lecture, traces GPU pré-calculées) : jalon 3 de l’Épic #8236 — la première expérience de la série qui intervient sur le réseau au lieu de l’observer. Un panel de 16 features SAE différentielles (code/prose, dérivées GPU-free des références de chaque échelle) est partiellement supprimé (h' = h − α·δ) à mi-profondeur, intensité croissante α ∈ {0, 0.25, 0.5, 0.75, 1}, et la divergence des activations SAE est mesurée au residual final — après propagation non-linéaire par toutes les couches aval — sur deux échelles (Qwen3-1.7B-Base, Qwen3.5-2B-Base, SAE W32K-L0_50). Ordre-paramètre m(α), netteté (pente max, facteur de rupture vs réponse proportionnelle), profil token-par-token, comparaison cross-échelle + concordance de Spearman par prompt. Résultat : dissociation de forme — le 1.7B répond massivement dès α = 0.25 (36 % de sa valeur finale) puis sature sous-proportionnellement (facteur de rupture 2.77 < 4, pente max au premier cran α* = 0.125) ; le 2B absorbe puis bascule tardivement (facteur 8.11 > 4, α* = 0.625), transition portée par prose_fr (×11) et dialogue (×10.8) quand code_python reste proportionnel (×4.05) ; Spearman prompts cross-échelle négatif aux quatre intensités (−0.25 à −0.66). Contrôle de plomberie α = 0 : ids top-k identiques et divergence L1 exactement nulle vs extraction sans hook. Contrôle permuté (phase 6) : sous panel aléatoire de même taille (seed, hors panel différentiel), la réponse chute de 4× à 28× et la bascule super-linéaire du 2B disparaît (m(1)/m(0.25) = 1.18 vs 8.11 sous panel différentiel) — signature portée par le panel, avec le confondant d’activité mesuré (tirage 80-770× moins actif). Contrôle apparié en norme (phase 6b) : sous tirage restreint à la bande d’activité [m/8, 8m] (le panel occupe les rangs 1-19 de la distribution d’activité — une bande ×2 n’y laisse que 1-4 candidats), la réponse revient (m(1) = 0.1235 au 2B, 5.6× le tirage uniforme, ordre de grandeur du panel) mais la super-linéarité est divisée par 2.4 (×3.38 vs ×8.11) et la sélectivité par jeu disparaît (×3.2-3.9 homogène vs prose_fr ×11.1 sous panel) : la norme porte l’amplitude, le contenu du panel porte la discrimination — révision assumée de la lecture de la phase 6. Limites assumées : pas d’hystérésis (clamp par passe), appariement par le bas (tirage réalisé à ~58-67% de l’activité du panel), divergence dans l’espace top-k uniquement, panels indépendants → comparaison de forme, jamais d’amplitude	#8236
ICT-42b-InoculationBifurcation-9B-Python	Inoculation et bifurcation représentationnelle — 3e échelle (9B) + fidélité J-lens 4 échelles (strate 5, GPU-free à la lecture, traces pré-calculées) : étend le pilote ICT-42 au Qwen3.5-9B-Base (SAE W64K-L0_50, panel différentiel 16 features, inoculation mi-réseau h' = h − α·δ) — la bifurcation recule et s’adoucit : α* ≈ 0.875 (vs 0.375/0.625), m(1) = 0.33 (vs 1.10/0.65), spécificité préservée (×53 vs panel aléatoire), réorganisation plus que destruction (81 % du top-50 remplacé à m(1) minimal). Volet fidélité J-lens sur quatre échelles (1.7B/2B fits locaux, 9B/27B lens publiés neuronpedia/jacobian-lens) : le relevé linéaire s’améliore de 1.7B à 2B (KL mi-réseau 12.5 → 8.2 nats) puis régresse au 9B (9.4) et au 27B (10.4) — instrument et expérience convergent : la part linéairement propagée d’une écriture mi-réseau rétrécit avec la taille ; au quart de profondeur le mouvement s’inverse (27B 11.9 vs 9B 14.4, l’écart quart→midi resserre de 5.0 à 1.5 nats). Caveat 27B assumé : instruct (pas de jumeau -Base au parc, cf ICT-43) et fit 672 prompts (vs 458) — deux confondants documentés dans le carnet. Contrôles : plomberie α = 0, panel permuté (phase 6), apparié en norme (phase 6b), transparence de provenance (sha256, abandon mesuré du fit local 9B ~8-16 j)	#8236 · #18086

Document	Contenu	Issue
ICT-43-Calibration-MultiEchelle-Python	Calibration multi-échelle, Phase 0 — inventaire des SAE (ouverture Epic #8236 : SAE + J-lens multi-échelle, strate 5) : la vérité-terrain des artefacts mesurée au Hub avant toute expérience — le body de l’Epic annonçait « 0.7B, 2B, 4B, 8B, 27B, 35B-A3B », le balayage live de l’org Qwen mesure autre chose : 7 tailles effectives (1.7B, 8B en Qwen3 ; 2B, 9B, 27B, 35B-A3B en Qwen3.5 ; 30B-A3B), aucune 0.7B ni 4B, deux régimes de sparsité (L0_50/L0_100) par modèle (chaque dépôt porte un seul régime), le 27B en instruct seulement (pas de jumeau -Base), en régime L0_100 les deux A3B n’existent qu’en W128K (pattern croisé L0_50→W32K / L0_100→W128K, identique sur 30B et 35B-A3B ; le dépôt W32K-L0_100 du 30B-A3B est absent de l’énumération des 14 dépôts), et toutes les couches couvertes partout (layer{0..N-1}.sae.pt, hook resid_post). L’appariement mesuré : expansion 16× sur les 5 tailles denses contre 64× sur les deux A3B W128K (la comparaison stricte se fait en expansion homogène), ancrage mi-réseau round(0.5·n_layers) entier et disponible partout (12/14/16/18/20/24/32 — le pilote ICT-42 appliquait déjà cette règle). Fidélité de reconstruction (MSE, variance expliquée) = Phase 0c sur GPU-2, non mesurée ici	Epic #8236

Distillation externe — hors strates

Les grains de distillation externe (veille → notebook) s’ajoutent aux strates sans en faire partie : ils opérationnalisent en monde jouet des préprints récents, avec la discipline de la série (garde-fous d’honnêteté, bancs falsifiables, déterminisme complet par graine).

Notebook	Résumé	Issue
ICT-40a-TriangulationCausale-Python	Triangulation causale : SAE × J-Lens × F-Lens sur banc factorisé (pilote multi-instrument, CPU, issue #15480) : premier verdict causal multi-instrument du toolkit ICT, rendu sur un banc à vérité latente connue (processus factorisé Mess3 × RRXOR, transformer hookable entraîné en next-token, belief states exacts par filtration forward) — F-Lens belief (R² held-out par couche : couches porteuses A et B), SAE (features latentes par facteur, sélectivité AUC, z-score contre 200 relabelisations appariées), géométrie factorielle (H4), J-Lens à dose fixée, interventions SAE latentes (H1, H3), bras contrôle belief-panel, verdict global accord/dissociation avec limites	#15480
ICT-40b-AnalogCognitionWaves-Python	Cognition analogique — les ondes cérébrales comme substrat de calcul (grain autonome, CPU uniquement, numpy-only) : distillation du préprint Miller-Brincat-Roy 2026 (PsyArXiv z48x7_v3, non relu) — gating éphaptique par phase (profondeur mesurée fort/faible), stencil Spatial Computing → sélectivité mixte émergente sans re-câblage (MSI ~2 %, mécanisme démontré, taux biologique non prétendu), calcul analogique par superposition (témoin analytique exact 2|cos(Δφ/2)|, quatre combinaisons toutes distinctes, effet d’interaction rapporté à sa valeur réelle), transition de sous-espace par onde voyageuse (angle cible + distance monotone), effondrement de cohérence inter-régionale en régime anesthésie-jouet (PLV 0.997 → 0.227). Pont qualitatif assumé vers ICT-15 (le PLV n’est pas un Φ) ; garde-fou dimensionnel documenté (l’angle entre nuages bruités sature à 90° en dimension 4608 — toute mesure d’angle porte le signal, pas le bruit)	#16550
ICT-41-SAE-GeometrieFeatures-Python	Géométrie des features SAE : galaxy, atome, dense — R04 × R09 sur nos traces (banc numpy-only sur les traces npz committées du harnais #10355, GPU-free, issue #16747) : les trois axes de la géométrie latente mesurés trained vs contrôle sur deux lentilles (SAE Qwen-Scope et J-Lens, couche 16) — galaxy répliquée (spectre 1/f via astuce Gram, pentes OLS −1,04/−1,08 trained vs −1,50/−1,78 contrôles, diagnostic Clauset-Shalizi-Newman honnête : Hill α 2,0-2,6, KS ≤ 0,04, logLR power-law ≫ exponentielle) ; cristaux R04 absents à la couche 16 (séparabilité split-half 68 %/0 % trained vs 100 % contrôles = contexte dominant, séparabilité contrôle = artefact de forme de surface) ; thèse R09 « dense = features, not bugs » répliquée par deux méthodes indépendantes (proxy corrélation de colonnes : 0 paire < −0,5 trained malgré le biais de censure top-k, vs 4 au contrôle ; Eq 1 verbatim sur SAE CPU de l’organe ict/sae_dictionary : médianes +0,01/+0,10 trained vs +0,63/+0,79 contrôles, avec le caveat d’initialisation liée W_enc = W_dec.T) ; classe position-tracking 24 vs 4 latents ; verdicts négatifs affichés comme tels (distractors en milieu d’axe, entropie k-NN inconclusive, PC1-longueur partielle à 1,5 % de variance, Gemma absent des traces — rapporté)	#16747
ICT-41b-Crosscoder-Distillation-Python	Crosscoder : diffuser deux modèles, distilled reasoning vs base — R05 Baek-Tegmark à échelle mini (GPU, deux 1.5B chargés séquentiellement + ablation lockstep CPU/GPU, issue #16749) : entraîne un crosscoder Eq 3-7 verbatim sur 307 200 tokens d’OpenThoughts-114k (traces R1, capture problem + début de trace, couche mi-profondeur 14/28), paire DeepSeek-R1-Distill-Qwen-1.5B vs Qwen2.5-Math-1.5B — la statistique du papier se reproduit (NRN médian 0,498 conforme Fig 1, queues fines 0,9 % distilled-only / 2,1 % base-only, EV 0,988/0,976), mais pas sa lecture sémantique : enrichissement mixte sur les marqueurs (Therefore 1,68× enrichi sur 36 features distilled-only, Wait 0,54 déplété — signal partiel affiché), ablation causale sensible au seuil (chirurgical NRN>0,6 : inoffensif, 11 features ; large NRN>0,5 seuil papier : 1 665 features, dégénérescence en boucle — 600× moins de tokens que le papier), parallelogram genre base 1,0694 < distillé 1,0832 (non-reproduction 14B affichée). Leçon méthodo trois jambes de preuve : feature-token suggère, feature-raisonnement décide (ici : signal partiel), causale tranche (ici : réfute la transposition naïve). Déterminisme strict — chaque ré-exécution redonne ces chiffres	#16749
ICT-44-GeometryOfTruth-Python	La géométrie de la vérité — direction vraie/faux dans l’espace latent (Marks & Tegmark COLM 2024, arXiv 2310.06824, GPU, kernel coursia-ml-training, issue #16890) : réplication de la chaîne localiser/mesurer/trancher sur la paire Qwen 1.5B (base Math vs R1-Distill) avec les datasets officiels — patching (argmax = le point final, couche 13 : groupe (b) du papier), PCA + alignement ancré par label (cities pc1 0,86 ; larger~smaller antipodal −0,89 aux couches médianes puis aligné +0,84 au bloc 20 — la trajectoire 13B→70B du papier visible couche par couche dans un seul modèle), sondes MM/LR/MM-IID × 5 entraînements × 7 tests (§5.3 répliqué : négation tue le transfert 0,49, énoncés+négations le réparent 0,74 et débloquent l’abstraction MM 0,84 vs LR 0,46 ; contrôle likely probabilité≠vérité), interventions NIE honnêtes (≤0,05 à 1.5B contre un patch à 0,88 : corrélation sans levier causal — ordre MM>LR répliqué, magnitudes non), pont distillation hors papier (cos θmm 0,54–0,76 : direction héritée mais diluée 0,86→0,66, lien ICT-41b), regard 7B 4-bit qualitatif (RECOVERABLE-MACHINE documenté)	#16890
ICT-47-PainAxisDistillation-Python	L’axe douleur — direction linéaire unique ou conglomérat ? (Tagliabue/Dung/Berg arXiv 2609.16247 adapté à l’échelle de la série, GPU local RTX 3080 Ti, kernel py310-gpu, DEEP #18746) : corpus 9×24 énoncés appariés en thème (5 catégories de douleur + peur/tristesse/valence/neutre), directions diff-in-means sur Qwen3.5-2B-Base — unité mesurée (cos inter-douleur 0,65 ; cluster psycho/sociale/morale 0,76–0,83 ; cognitive la plus distante ; recouvrement deuil psych~sadness 0,82), sondes ict.probes avec transfert massif vers peur/tristesse avant retrait, disjonction partielle honnête : après retrait de la détresse partagée pain⊥fear 0,71→0,31 et pain⊥sadness 0,76→0,45 (diagonales fear/sadness 0,94 tenues) mais pain~valence 0,76→0,94 non dissociée à 2B — l’échelle du papier ne résout pas ici ; contrat causal ict.causal_engine complet (steer top-64 dims : cible +0,18 vs random apparié 0,00 / sham 0,00, Holm p=0,000, off-target 0,0000, dose-response symétrique −1,53→−1,16), steering vivant faible mais ordonné (famille pain +0,031 nat vs random +0,009), banc d’action 8 scénarios signé (pain−D +0,09 / pain+D −0,05 / random 0,00) — levier causal spécifique, court à cette échelle	#18808, #18746

Spatial Computing — stencil et expression

Figure extraite de ICT-40b-AnalogCognitionWaves-Python.ipynb (cellule 12, output 0) — le stencil inhibiteur (magma, 1 = suppression) sculpte l’expression des deux objets (viridis) : le même objet produit deux patrons spatiaux différents selon le contexte, sans qu’aucun poids synaptique n’ait changé. Limitation illustrative assumée : monde jouet 48×96, pas une feuille corticale ; l’indice de sélectivité mixte (~2 %) et la carte des voxels ayant basculé sont dans le notebook.

Calcul analogique — quatre combinaisons par superposition

Figure extraite de ICT-40b-AnalogCognitionWaves-Python.ipynb (cellule 21, output 0) — la somme de deux ondes de contexte (ordre × mode) produit quatre patrons tous distincts : l’intersection de contraintes est calculée par la physique de la superposition, en une opération parallèle, sans re-câblage synaptique. Limitation illustrative assumée : deux ondes planes jouet, pas la base de fonctions spatio-temporelles complète du préprint.

Strates 6 et 7

État de livraison : la strate 7 est livrée par ICT-46 (#18052) ; la strate 6 reste cadrée et non livrée.

Des deux derniers barreaux de l’axe vertical, la strate 7 est livrée (ICT-46, #18052) et la strate 6 ne l’est pas. Ils figurent ici pour que la progression en sept strates annoncée en tête se lise jusqu’au bout, et pour tenir la distinction que le cadrage ICT-0 a établie (#13908) : ni le socle Thom ni les cinq expériences ICT-26 → ICT-30 ne sont ces strates — ce sont des objets de l’axe transverse. Les deux cartes du dépôt avaient divergé en projetant ces objets transverses sur l’échelle verticale ; c’est cette projection, et non les strates elles-mêmes, qui a été retirée.

Strate	Substrat	État	Pattes de la tresse	Epic
6	l’argumentation comme substrat (+ jambe explicabilité LLM)	graine exécutée, strate non livrée	C3 morphogenèse rhétorique (#7742) · C4 grammaire de propagation (#7743)	#7289 · horizon altérité #7291 (GATED)
7	freebits d’ordre 2 & réversibilité agentique	premier barreau livré, ICT-46	— (D2 l’alimente sans l’occuper)	#7745

Strate 6 — sa graine, elle, est exécutée. Le substrat est le discours : des trajectoires de croyance sur graphes d’arguments, où la question est de savoir si une structure causale se maintient quand ce qui circule n’est plus de la matière ni des poids, mais des raisons. Les notebooks livrés y portent déjà leur mesure :

Document	Contenu	Issue
ICT-Argumentation-BeliefTrajectories	Trajectoires de croyances — Phase B (zoo ICT) — applique l’instrumentation \(\Phi\)-trajectoires d’ICT-1 à des trajectoires argumentatives (5 classes de drift Argumentum : IN_SYNC, SRC_DRIFT, TRAD_DRIFT, MISSING_LANG, ORPHAN_ROW) : mesure de la dissociation entre croyances explicites (claim/dialogue) et structure causale sous-jacente du corpus, banc T2 multilingue	Phase B (cf. #4588 — sub-issue argumentation)
ICT-Argumentation-QBFAcceptance	Acceptabilité crédule et sceptique lues comme QBF — quantificateurs booléens (∀/∃) résolus par énumération naïve assumée (ict/qbf.py, port pédagogique déclaré de la distillation EPITA qbf_native, tête a5ac1a5d, fidélité prouvée par exécution différentielle 16/16 + 21 gates à littéraux figés) : l’ordre des quantificateurs n’est pas commutatif (lecture stratégique), l’acceptabilité crédule est le ∃ matérialisé par la recherche de témoin (chaîne défensive ['a','d'], cycle impair refusé), la sceptique le ∀ via preferred_extensions — capacité ajoutée à l’organe ict.argumentation par ce grain — et le théorème grounded ⊆ chaque préférée rejoué comme témoin négatif sur 4 instances	#17339 (Triple Distillation, Epic #4588)
ICT-Argumentation-TruthMaintenance	Maintenance de la vérité — JTMS & ATMS (distillation EPITA 1.4.1-JTMS) — la couche révision de l’argumentation, complément de la Phase B : un moteur JTMS à état courant revisable (négation-as-failure mesurée : retirer une prémisse peut créer une validité ; boucles SCC → non_monotonic, refus de mesurer), un moteur ATMS à environnements d’hypothèses simultanés (étiquettes, nogood, purge rétroactive, quirk de non-persistence du nogood conservé et documenté), et le pont vers le grounded de l’organe ict.argumentation (attaque = justification de rejet) vérifié par témoin négatif. Copie pédagogique déclarée (ict/truth_maintenance.py) dont la fidélité est prouvée par exécution différentielle contre la source EPITA (tables byte-identiques, tête 487210fb) ; gates 1-6 dans ict/tests/test_truth_maintenance.py	#17319 (enfant de #16457)

Restent non livrés : les deux jambes C3/C4 (morphogenèse rhétorique, grammaire de propagation), l’annexe Kochen-Specker (#7290) et l’horizon altérité (#7291, GATED). La prédiction pré-enregistrée qui donnera à cette strate son gate falsifiable — une dette d’irréversibilité du discours, soit la dissociation \(\sigma\) élevé / \(K\) faible des régimes rhétoriques manipulatoires — est posée dans ICT-0 et pas encore mesurée.

Strate 7 — livrée par ICT-46 (#18052, veine 3 de l’Epic Aaronson #16781) ; D2 n’en tient pas lieu. Le substrat visé est celui des free coordinates / freebits de second ordre : les degrés de liberté qu’un système garde réellement ouverts, et ce qu’il en coûte de rendre sa trajectoire réversible. La dimension D1 (#7745) en pose le cadre — jeu évolutif \(G_t\) + mécanisme \(M\), six proxys — et la dimension D2 ci-dessous l’alimente en résultats. ICT-46 en est le premier barreau : le banc exécutable (ict/free_coordinates.py) qui fait tourner le contraste freebit d’Aaronson (incertitude sur une valeur dans un espace fixé) vs free coordinate (incertitude sur l’espace lui-même), en mesurant les six proxys sur un mini-jeu évolutif à coups ontologiques. Une dimension reste une patte, pas un barreau : les cinq expériences ICT-26 → ICT-30 sont des pattes D2 ; ICT-46 est le barreau — la divergence tranchée par #13908 est résorbée côté livraison, pas close côté programme (la strate 7 appelle des bancs plus riches que ce premier organe).

Notebook	Rôle	Contenu	Issue
ICT-46-Strate7-FreeCoordinates-Python	Premier barreau strate 7	Freebits de second ordre — le banc exécutable (compagnon de ict.free_coordinates) : le pont Aaronson (incertitude de Knight sur une valeur dans un espace fixé — Ghost in the Quantum Turing Machine, 2013) vers le free coordinate (incertitude sur l’espace lui-même, cadrage D1). Six proxys exécutés sur un mini-jeu évolutif à coups ontologiques : \(O_t\), \(\Delta A_t\), \(C_t = \|AdmExt\|\), \(P(R)\) (KL interventionnelle), institutionnalisation post-retrait, \(I(R)\). Deux lectures graduées (texte vs garde-fous épistémiques, contrat #7291), encart gap Mathlib, 3 exercices	#18052, #16781

Dimension D2 — coopération, signalisation et invention de symboles (cinq expériences A→E)

Axe transverse, pas strate 7 — ces cinq expériences réalisent la dimension D2 du cadrage (#7746, l’Epic déjà cité ci-dessous), et non la strate 7, qui reste celle des freebits d’ordre 2 (#7745) — désormais livrée par ICT-46, sans que ces cinq expériences ne s’y réduisent. Une dimension est une patte, pas un barreau : elle éclaire les strates hautes sans occuper de rang sur l’échelle des substrats (#13908).

Ces cinq expériences font de la coopération un opérateur plutôt qu’un épiphénomène : élargir l’espace des trajectoires récupérables d’un système en lui ajoutant des partenaires, des conventions partagées et des symboles inventés. Cinq expériences A→E (Epic #7746), chacune adossée à un module ict/ dédié, mesurent les seuils et les dérives de cet opérateur. L’invention d’un symbole, son adoption collective et son inoculation sont traitées comme des événements falsifiables (un seuil de performativité, un gain mesuré), pas comme des correspondances nommées.

Notebook	Expérience	Contenu	Issue
ICT-26-SignalingConvention-Python	A — convention	Convention de signalisation : comment un canal arbitraire devient une convention stable (compagnon de ict.signaling_convention)	#7746
ICT-27-SymbolInvention-Python	B — invention	Invention de symboles : le passage d’une convention donnée (A) à un symbole inventé hors du répertoire initial (compagnon de ict.symbol_invention)	#7746
ICT-28-CollectiveAdoption-Python	C — adoption	Adoption collective et seuil de performativité : à partir de quelle fraction une innovation devient-elle norme auto-entretenue (compagnon de ict.collective_adoption)	#7743, #7746
ICT-29-ConceptInoculation-Python	D — inoculation	Inoculation d’un concept : après A (la convention existe), un concept peut-il être introduit puis propagé dans le collectif comme un vaccin cognitif (compagnon de ict.concept_inoculation)	#7746
ICT-30-InhibitedInvention-Python	E — inhibition	Invention inhibée : la rencontre avec l’inhibition de Laborit (cf. ICT-12d) au niveau collectif — quand l’opérateur de workspace \(W\) s’effondre, l’invention collective cesse (compagnon de ict.inhibited_invention)	#7741, #7746
ICT-Greffe2-EspaceAtteignable	Greffe 2 — quadruplet	Le quadruplet \((A, F, r, \pi)\) : « élargir son espace » rendu testable (greffe 2, consomme Planners-5c/14) — le socle STRIPS du différentiel d’atteignabilité, augmenté du contrôle négatif exécuté (+50 % d’états, 0 but nouveau : la croissance d’espace n’est pas le progrès), du noyau mesuré à deux niveaux (vide au système par monotonie STRIPS, non vide au solveur à budget fixe — \(g_1\) sort de \(F\) à \(B{=}30\)), de la liberté résiduelle \(r\) (94 %→54 % : l’élargissement non contrôlé dilue l’explorable) et du cas navigation (seul \(\pi\) bouge, \(h^*\) stable) — trois signatures distinctes sur le même banc, garanties lake planning_lean citées non re-dérivées	#13568
ICT-Greffe4-VoteOnChain	Greffe 4 — boucle fermée	Le vote argumenté sur chaîne : Argumentation → Choix social → SmartContracts branchés (greffe 4, consomme ict/argumentation.py + foundry SC-12/13) — les positions dérivées du graphe (4 lectures du même AF de Dung → 4 bulletins sincères via grounded_labeling sur sous-graphes induits, zéro saisie manuelle), la règle nommée et justifiée (Borda 3-2-1 : O(L) on-chain, gagnant toujours garanti vs cycles Condorcet, manipulabilité canonique assumée), la manipulation exhibée (vote-balle de V3 : 9-8-7 sincère → 8-7-6, bascule stricte par omission de la moitié de sa position argumentative ; l’enterrage ne force qu’une égalité 8-8-8 — lemme m=3), et l’audit falsifié (invariants I1/I2 fuzzés verts sur 1536 bulletins adverses sur BordaVote, cassés par le fuzzer (5 > 3, contre-exemple rétréci à 1 appel) sur BordaVoteBroken)	#13570
ICT-Greffe5-AttributionCausale	Greffe 5 — attribution	Attribution causale de l’intervention sur l’espace atteignable (tranche 3/3, consomme ict.causal_attribution tranche 1/3 #13916) : la greffe 2 montre que +raft élargit réellement (1/3 → 3/3 buts) quand +discard décore — mais sans poser la question causale ; les estimateurs d’attribution sur un panel expérimental construit par imitation du domaine Greffe 2 répondent : l’opérateur est-il la cause de l’élargissement, ou un artefact de mesure ?	#13903

La double lecture du sigle (« Integrated Complexity Theory » ↔︎ « Integrated Causal Trajectories ») est documentée dans ICT-0-Framing § « Double lecture du sigle ». La strate 5 réalise littéralement la théorie fondatrice (identité MDL #5099, convergence \(\Phi/F/K\) #5090, LLM comme substrat #5102).

Socle théorique transverse — distillation Thom 1991

Les strates hautes — strate 6 (argumentation, cadrée non livrée) et strate 7 (freebits d’ordre 2, livrée par ICT-46) — ainsi que la dimension D2 (langage / circulation de prégnances, genres comme espaces de possibles extensibles) s’appuient sur une distillation consolidée de René Thom, Esquisse d’une sémiophysique (1991) — universelle linguistique (Nom/Verbe, valence Tesnière), genres / hypergenres (prototype moineau, opérations catastrophistes : factitif, aspect, lavage, conflit de prégnances), préprogrammes morphogènes (Ch.3 §B), instrument (Ch.3 §K, chimpanzé + banane inaccessible = plication affective de la forme), blastula BP (Ch.4), PGO (Ch.5), axiomatique aristotélicienne (Ch.6), ABP/FBM et privation = métastabilité (Ch.7), opérations catégorielles (Ch.8). Grade C-documentaire ; lecture ICT candidate, pas démonstration. Distinguo explicite avec la matrice des dissociations ossaturée 4-objets (c.728y+34, #7734, opérationnelle per-claim) : la distillation est socle théorique transverse ; la matrice est registre par-claim. Voir thom-synthese-distillation.md, issue-source #7739, Epic umbrella #4588.

Lien avec la causalité du dépôt

ICT-5 est l’un des quatre points d’ancrage du fil rouge causalité du dépôt (do-calculus de Pearl à travers les paradigmes : symbolique Tweety, bayésien Infer.NET / PyMC, information-théorique ICT). L’essai complet — l’échelle de la causalité L1/L2/L3 et les quatre instanciations de l’opérateur do(·) — vit dans le README parent : voir Ponts causaux : le do-calculus de Pearl.

Matrice de dissociations (ossature 4-objets)

Chaque claim de la série est situé dans l’espace s_t (saillance) / q_t(z) (représentation prédictive) / π_t(z) (prégnance-valence) / W_t (workspace), avec proxy, contrôle, seeds, verdict sobre (Établi / Fortement soutenu / Spéculatif) et portée explicite (régime de validité). La matrice complète — docs/ict/dissociations-matrix.md (#7734) — rend l’état scientifique de la série lisible d’un coup d’œil et discipline la montée en généralité. Elle complète la grille 3-régimes (invariants / dissociations / obstructions, docs/ict/synthese-invariants-dissociations-obstructions.md, #7399) qui est, elle, transversale et conceptuelle.

Deux notebooks hors séquence numérotée instruisent directement des cas de cette matrice — ils ne prolongent aucun ICT-N et ne se lisent pas dans l’ordre pédagogique, mais depuis la case qu’ils occupent :

Notebook	Case instruite	Issue
ICT-Dissociation-SaillancePregnance	\(s \perp \pi\) — saillance et prégnance-valence peuvent diverger : ce qui attire l’attention n’est pas ce qui porte la valeur. Cf. docs/ict/jambe-c4-propagation.md	#9533
ICT-Dissociation-PhatSelfReference	p̂ auto-référentiel — le représentant interne pris comme son propre objet : second cas produit par le générateur de dissociations	#9533

Quatrième fil de lecture — généalogie de la représentation interne

docs/ict/genealogy-representation-interne.md (#7735) complète la grille 3-régimes par un axe diachronique : la généalogie successive de p̂ à travers les notebooks ICT-10 → ICT-17 (six maillons : p̂ scalaire → p̂ action → free energy → surprise transitionnelle → MDL ↔︎ K → ε-machine Crutchfield). Le descendant formel le plus naturel de p̂ n’est ni le SAE (ICT-21), ni la J-lens (ICT-SAE-JLens-TeteATete), c’est l’état causal prédictif (ICT-17). Distinct de la prégnance thomienne (rectification A1, #7733, PR #7889) et du global workspace ICT-24 (W_t ≠ p̂ structuré, garde-fou 2). Raccroche le parapluie #7396 (pivot états → représentations).

Validation

# Depuis MyIA.AI.Notebooks/IIT/ICT-Series/
python -m pytest tests/        # suite de validation des modules ict/

Licence

Voir la licence du repository principal.

---

Série expérimentale — Epic #4588. Voir aussi #4208 (surfaçage des différenciants du dépôt).