Quant-prose cross-family census (#9434, item 1)

Recensement chiffré des valeurs quantitatives écrites en dur dans les cellules markdown des notebooks, classées selon la ligne de partage codifiée par #9434 (acceptance item 4, #9958 MERGED).

Question Réponse
Outil scripts/notebook_tools/scan_quant_classify.py (#9800 + #9813 + #9820 + #9838 MERGED)
Cible MyIA.AI.Notebooks/** (toute la racine, glob par défaut)
Méthode Extraction de nombres dans cellules markdown, classification par : (a) regex TIME_UNITS / SEMVER / SEED_KEYWORDS / MACHINE_DEP_KEYWORDS / ENV_DEP_KEYWORDS / STOCH_KEYWORDS / DATA_LIST_MARKERS, (b) contexte bayésien (c.1272), (c) localisation structurelle (c.1275 : rung/epic/phase/%)
Date run 2026-08-08 (cycle c.1331+40)
Lane myia-po-2024:CoursIA-2

Résumé global

  • Notebooks scannés : 972
  • Findings totaux : 111086
  • STRUCTUREL : 101777 (91.6%)
  • DRAINABLE (MACHINE-DEP + ENV-DEP + STOCHASTIQUE-NON-SEEDEE) : 9309 (8.4%)
    • MACHINE-DEP : 4545
    • ENV-DEP : 3197
    • STOCHASTIQUE-NON-SEEDEE : 1567

Par famille

Famille #NB #Findings STRUCT MACHINE ENV STOCH DRAINABLE %DRAIN
GameTheory 56 7554 7141 201 179 33 413 5.5%
GenAI 145 14696 12920 1129 415 232 1776 12.1%
IIT 53 5019 4827 71 67 54 192 3.8%
ML 48 3510 3077 90 201 142 433 12.3%
OTHER 7 452 431 15 1 5 21 4.6%
Probas 58 11728 11269 173 123 163 459 3.9%
QuantConnect 207 18829 17437 726 280 386 1392 7.4%
RL 17 1151 1008 81 17 45 143 12.4%
Search 118 16293 14829 678 473 313 1464 9.0%
Sudoku 37 5599 4748 427 376 48 851 15.2%
SymbolicAI 226 26255 24090 954 1065 146 2165 8.2%

Par sous-famille (top 20 par drainable)

Famille Sous-famille #NB #Findings DRAINABLE
QuantConnect Python 56 10240 1009
GenAI Audio 30 4157 703
Search Applications 43 4830 555
SymbolicAI Lean 28 5418 471
Search Part1-Foundations 29 5134 378
SymbolicAI Tweety 32 3215 339
SymbolicAI SemanticWeb 25 2724 324
GenAI Texte 20 3273 319
Search Part2-CSP 18 3451 296
SymbolicAI SMT 46 4434 271
QuantConnect projects 110 6105 229
SymbolicAI Planners 23 2611 229
ML ML.Net 20 1763 224
GenAI Video 17 1674 217
ML DataScienceWithAgents 28 1747 209
SymbolicAI SymbolicLearning 20 2528 207
Search Part4-Metaheuristics 22 2325 204
SymbolicAI SmartContracts 27 2569 199
Probas Infer 19 5214 189
IIT ICT-Series 50 4688 177

Top 5 notebooks par drainable, par famille

GameTheory (drainable total = 413)

Notebook Drainable
MyIA.AI.Notebooks\GameTheory\GameTheory-08-CombinatorialGames-CSharp.ipynb 27
MyIA.AI.Notebooks\GameTheory\SocialChoice\04-Computational-Aggregation-SAT-Z3-Csharp.ipynb 22
MyIA.AI.Notebooks\GameTheory\GameTheory-08-CombinatorialGames-Python.ipynb 19
MyIA.AI.Notebooks\GameTheory\GameTheory-15b-Lean-CooperativeGames-Lean.ipynb 13
MyIA.AI.Notebooks\GameTheory\GameTheory-07-ExtensiveForm-CSharp.ipynb 13

GenAI (drainable total = 1776)

Notebook Drainable
MyIA.AI.Notebooks\GenAI\Texte\10_LocalLlama.ipynb 75
MyIA.AI.Notebooks\GenAI\Texte\9_Production_Patterns.ipynb 66
MyIA.AI.Notebooks\GenAI\Audio\02-Advanced\02-1-Chatterbox-TTS.ipynb 39
MyIA.AI.Notebooks\GenAI\Audio\02-Advanced\02-7-Song-Generation.ipynb 38
MyIA.AI.Notebooks\GenAI\Audio\03-Orchestration\03-1-Multi-Model-Audio-Comparison.ipynb 38

IIT (drainable total = 192)

Notebook Drainable
MyIA.AI.Notebooks\IIT\ICT-Series\ICT-25-InoculationRL-Python.ipynb 37
MyIA.AI.Notebooks\IIT\ICT-Series\ICT-21-SAETrajectoires-Python.ipynb 13
MyIA.AI.Notebooks\IIT\ICT-Series\ICT-13-AxelrodStrategicMorphodynamics-Python.ipynb 10
MyIA.AI.Notebooks\IIT\ICT-Series\ICT-15e-Bridge2-RecoverabilityAgency-Python.ipynb 9
MyIA.AI.Notebooks\IIT\ICT-Series\ICT-15c-MetaProxyObstruction-Python.ipynb 8

ML (drainable total = 433)

Notebook Drainable
MyIA.AI.Notebooks\ML\ML.Net\ML-6-ONNX-Python.ipynb 32
MyIA.AI.Notebooks\ML\ML.Net\ML-6-ONNX.ipynb 24
MyIA.AI.Notebooks\ML\DataScienceWithAgents\01-PythonForDataScience\notebooks\1.2-Manipulation_de_Donnees_avec_NumPy.ipynb 22
MyIA.AI.Notebooks\ML\DataScienceWithAgents\02-ML-Cours\2.5-Biais-Variance-CV-ROC.ipynb 22
MyIA.AI.Notebooks\ML\ML.Net\ML-4-Evaluation-Python.ipynb 20

OTHER (drainable total = 21)

Notebook Drainable
MyIA.AI.Notebooks\CaseStudies\Diagnostic-Medical\solution\Diagnostic-Medical.ipynb 6
MyIA.AI.Notebooks\CaseStudies\Diagnostic-Medical\student\Diagnostic-Medical.ipynb 6
MyIA.AI.Notebooks\CaseStudies\SmartGrid-Energy\solution\SmartGrid-Energy.ipynb 4
MyIA.AI.Notebooks\CaseStudies\SmartGrid-Energy\student\SmartGrid-Energy.ipynb 3
MyIA.AI.Notebooks\GradeBook.ipynb 1

Probas (drainable total = 459)

Notebook Drainable
MyIA.AI.Notebooks\Probas\Infer\Infer-2-Gaussian-Mixtures.ipynb 38
MyIA.AI.Notebooks\Probas\Infer\Infer-15-Recommenders.ipynb 27
MyIA.AI.Notebooks\Probas\DecisionTheory\PyMC\DecPyMC-7-Sequential.ipynb 17
MyIA.AI.Notebooks\Probas\DecisionTheory\DecInfer\DecInfer-03-Utility-Money.ipynb 16
MyIA.AI.Notebooks\Probas\PyMC\PyMC-06-Debugging.ipynb 16

QuantConnect (drainable total = 1392)

Notebook Drainable
MyIA.AI.Notebooks\QuantConnect\Python\QC-Py-12-Backtesting-Analysis.ipynb 47
MyIA.AI.Notebooks\QuantConnect\Python\QC-Py-28-Market-Regime-Detection.ipynb 43
MyIA.AI.Notebooks\QuantConnect\Python\QC-Py-31-Transformer-Training.ipynb 41
MyIA.AI.Notebooks\QuantConnect\Python\QC-Py-17-Sentiment-Analysis.ipynb 36
MyIA.AI.Notebooks\QuantConnect\Python\QC-Py-10-Risk-Portfolio-Management.ipynb 35

RL (drainable total = 143)

Notebook Drainable
MyIA.AI.Notebooks\RL\rl_4_multi_armed_bandits.ipynb 24
MyIA.AI.Notebooks\RL\rl_6d_sac_from_scratch.ipynb 16
MyIA.AI.Notebooks\RL\rl_10_reward_shaping.ipynb 12
MyIA.AI.Notebooks\RL\rl_6c_ppo_from_scratch.ipynb 12
MyIA.AI.Notebooks\RL\rl_8_model_based_dyna_q.ipynb 11

Search (drainable total = 1464)

Notebook Drainable
MyIA.AI.Notebooks\Search\Applications\Search\App-14-ConnectFour-Adversarial.ipynb 58
MyIA.AI.Notebooks\Search\Part2-CSP\CSP-5-Optimization-CSharp.ipynb 38
MyIA.AI.Notebooks\Search\Part1-Foundations\Search-11-Metaheuristics.ipynb 34
MyIA.AI.Notebooks\Search\Part1-Foundations\Search-09-LinearProgramming.ipynb 34
MyIA.AI.Notebooks\Search\Part2-CSP\CSP-3-Advanced.ipynb 30

Sudoku (drainable total = 851)

Notebook Drainable
MyIA.AI.Notebooks\Sudoku\Sudoku-03-Genetic-Python.ipynb 70
MyIA.AI.Notebooks\Sudoku\Sudoku-18-Comparison-CSharp.ipynb 64
MyIA.AI.Notebooks\Sudoku\Sudoku-13-SymbolicAutomata-CSharp.ipynb 61
MyIA.AI.Notebooks\Sudoku\Sudoku-18-Comparison-Python.ipynb 53
MyIA.AI.Notebooks\Sudoku\Sudoku-04-SimulatedAnnealing-Python.ipynb 51

SymbolicAI (drainable total = 2165)

Notebook Drainable
MyIA.AI.Notebooks\SymbolicAI\Lean\Lean-11-TorchLean.ipynb 70
MyIA.AI.Notebooks\SymbolicAI\Lean\Lean-10-LeanDojo.ipynb 69
MyIA.AI.Notebooks\SymbolicAI\SemanticWeb\SW-13-Python-Reasoners.ipynb 57
MyIA.AI.Notebooks\SymbolicAI\SymbolicLearning\SL-1-LogicalLearning.ipynb 48
MyIA.AI.Notebooks\SymbolicAI\SemanticWeb\SW-1-CSharp-Setup.ipynb 41

Lecture

  • SymmetricAI est la famille la plus drainable (2165 valeurs, 8.2% du total) — cohérent avec la maturité de la veine #9434 (lean-10, lean-11, SW-13, sudoku-12/13/18, etc.).
  • GenAI (1776) reflète principalement 10_LocalLlama.ipynb (75) et 9_Production_Patterns.ipynb (66) — timings de modèles locaux documentés en prose.
  • Search (1464) est portée par App-14-ConnectFour-Adversarial.ipynb (58) — adversarial search timings machine-dep.
  • QuantConnect (1392) — timings de backtest/simulation, conformes à la classe MACHINE-DEP.
  • Sudoku (851) — notebooks comparison (18-Python, 18-Csharp, 3-Genetic, 13-SymbolicAutomata) avec timings de solveurs.
  • Probas (459) — Infer.NET + DecisionTheory, bien que veine drainage Probas CLOSED par po-2025 (commentaire de claim).
  • ML (433) — ONNX notebooks top contributeurs (timing inférence).
  • GameTheory (413) — Combinatorial Games + SocialChoice (SAT solver timings).
  • IIT (192) — ICT-25 InoculationRL (37) principalement.

Caveats

  • La classification n’est pas parfaite : les couches anti-FP (c.1272 contexte bayésien, c.1275 Argument_Analysis) couvrent les patterns connus, mais des FPs restent possibles (par exemple, une valeur dans une cellule de résultat précédente que le classifieur pourrait classer ENV-DEP par contexte).
  • Le ratio STRUCTUREL/DRAINABLE est élevé (~92%) — la majorité des valeurs quantitatives en prose sont des constants pédagogiques (ordres de grandeur, ratios fixes, paramètres théoriques) qui ne dériveront pas.
  • Une re-exécution produira le même décompte modulo le contenu des cellules markdown ajoutées/modifiées depuis ce run.
  • Le décompte par famille est calculé sur le premier composant du chemin (MyIA.AI.Notebooks/<FAMILY>/...) — les notebooks en dehors de cette taxonomie sont classés en OTHER (RL principalement, 24 notebooks).

Comment reproduire

python scripts/notebook_tools/scan_quant_classify.py --root MyIA.AI.Notebooks --json-out /tmp/census.json

Options utiles : --check (exit 1 si ≥ 1 drainable, pour CI), --limit N (test rapide), --notebook <path> (audit ciblé).

Liens

  • Issue #9434 (cette census résout l’item 1 des 4 acceptance criteria)
  • Issue #9377 (mandat parent — quantitatif tenu par le CI, pas par la prose)
  • Issue #8052 (vague de PRs qui ré-épinglent des valeurs drift)
  • PR #9800 (scan_quant_classify.py triage 4-classes — outillage)
  • PR #9813 (anti-FP bayesian context)
  • PR #9820 (retire }cii typo + apprentissage trop large)
  • PR #9838 (anti-FP Argument_Analysis c.1275)
  • PR #9958 (item 4 C.5 codification de la ligne de partage — MERGED)
Retour au sommet