: 🦴 S.t.a.rs Système de reconstruction stratigraphique et taphonomique Détection et correction des biais taphonomiques dans les assemblages fossiles Auteur : Kevin Fradier — Chercheur indépendant Statut : Outil méthodologique opérationnel Position épistémique : neutralité stricte Licence : CC BY-NC-ND 4.0 🎯 PROBLÈME RÉEL (PALÉONTOLOGIE DURE) Question centrale non résolue proprement : Quand on observe une variation de diversité fossile dans une colonne stratigraphique, est-ce un signal biologique réel ou un artefact taphonomique / sédimentaire / d'échantillonnage ? Classiques difficiles : Fossilisation non uniforme Dépendance à la lithologie Effets de transport / fragmentation Effort d'échantillonnage variable Corrélations stratigraphiques incertaines 👉 Aujourd'hui : beaucoup d' interprétation qualitative des corrections partielles (raréfaction, proxys d'échantillonnage) pas de test universel bottom-up 🧠 IDÉE CLÉ (À LA FRADIER) See More Ne pas reconstruire le passé. Le testeur si le signal tient. STaRS ne cherche pas à dire : “il ya eu une extinction” “il ya eu une radiation” « Le climat a changé » Il teste une seule chose : 👉 Le signal de diversité observé est-il statistiquement compatible avec un bruit taphonomique réaliste ? 🧩 PRINCIPE DU SYSTÈME Entrées minimales : Tableau stratigraphique (niveaux) Comptage de taxons (présence/abondance) Métadonnées simples (lithologie, granulométrie optionnelle) Aucune hypothèse sur : phylogénie écologie environnement causes d'extinction 🔬 MODULES (MINI-UNIVERS) 1. Générateur de Bruit Taphonomique Réaliste Simule : destruction différentielle pertes aléatoires dépendantes du niveau biais de préservation ➡️ Bruit contraint par les données , pas inventé. 2. Test de Persistance Stratigraphique Analyse : continuité des taxons apparition/disparition stabilité sous sous-échantillonnage Mesures : autocorrélation verticale entropie par niveau Stratigraphique de Hurst 3. Robustesse par Perturbation suppression partielle de niveaux bruitage des abondances permutations contrôlées ➡️ Un signal réel résiste , un artefact s'effondre . 4. Score de Réalité Stratigraphique (SRS) Score ∈ [0,1] 0 → totalement compatible avec l'artefact 1 → structure robuste non triviale ⚠️ Ce score n'est PAS une preuve ontologique C'est un diagnostic de tenue du signal . 🧪 SORTIES Diversité observée chez Courbe Enveloppe bruit taphonomique Carte de robustesse par niveau Score SRS global + par intervalle Hachage de la reproductibilité 🧑‍💻 CODE — VERSION OPÉRATIONNELLE (MINIMALE MAIS RÉELLE) import numpy as np import hashlib AUTHOR_SIGNATURE = "Kevin Fradier | STaRS | 2026" def simulate_taphonomic_noise(counts, loss_rate=0.3): noisy = [] for level in counts: mask = np.random.rand(len(level)) > loss_rate noisy.append(level * mask) return noisy def strat_entropy(level): p = level / np.sum(level) if np.sum(level)>0 else level p = p[p>0] return -np.sum(p*np.log2(p)) def robustness_test(data, n_iter=100): original = np.array([np.sum(l) for l in data]) scores = [] for _ in range(n_iter): perturbed = simulate_taphonomic_noise(data) pert = np.array([np.sum(l) for l in perturbed]) corr = np.corrcoef(original, pert)[0,1] scores.append(corr) return np.nanmean(scores), np.nanstd(scores) def STaRS_analyze(strat_data): entropies = [strat_entropy(l) for l in strat_data] mean_corr, std_corr = robustness_test(strat_data) result = { "mean_entropy": float(np.mean(entropies)), "robustness_corr": mean_corr, "robustness_std": std_corr, "signature": AUTHOR_SIGNATURE } h = hashlib.sha256(str(result).encode()).hexdigest() result["hash"] = h return result 📊 INTERPRÉTATION AUTORISÉE (ET SEULEMENT CELLE-LÀ) SRS faible → les données ne contraignent pas un signal biologique robuste SRS élevé → un signal résiste aux modèles taphonomiques réalistes ❌ Interdit : «préuve d'extinction» «preuve d'événement mondial» « préuve climatique » 🔥 POURQUOI C'EST UN VRAI GAME-CHANGER Applicable à n'importe quelle colonne fossile Compatible avec données incomplètes Totalement agnostique Réplicable Réfutable Complémentaire des méthodes existantes 🧨 ”. 🧠 EN RÉSUMÉ ESE = structures informationnelles universelles STaRS = structures stratigraphiques fossiles Même ADN méthodologique. Deux domaines radicalement différents. Même rigueur. 🦴 STaRS — Système de reconstruction stratigraphique et taphonomique Version 1.0 — prête pour la publication Auteur : Kevin Fradier — Chercheur indépendant Date : Janvier 2026 Licence : © 2026 Kevin Fradier — CC BY-NC-ND 4.0 Statut : Outil méthodologique · Testable · Falsifiable Position épistémique : Neutralité stricte 🎯 Fonction de STaRS (rappel clair) Stars ne reconstruit pas l'histoire biologique. Il teste une seule chose : 👉 Le signal de diversité observé est-il statistiquement compatible avec des biais taphonomiques réalistes ? Rien de plus. Rien de moins. 🧠Architecture finale du code séparation claire des responsabilités bruit taphonomique contraint par les données métriques explicites robustesse par Monte-Carlo score synthétique diagnostique , non ontologique hachage traçable 🧑‍💻 CODE FINAL —stars_core.py import numpy as np import hashlib # ====================================================== # METADATA # ====================================================== AUTHOR_SIGNATURE = "Kevin Fradier | STaRS | 2026" VERSION = "1.0" # ====================================================== # UTILS # ====================================================== def shannon_entropy(counts): counts = np.asarray(counts, dtype=float) total = np.sum(counts) if total == 0: return 0.0 p = counts / total p = p[p > 0] return -np.sum(p * np.log2(p)) def normalize_levels(strat_data): """Convert input to clean numpy arrays""" return [np.asarray(level, dtype=float) for level in strat_data] # ====================================================== # 1. TAPHONOMIC NOISE MODEL # ====================================================== def simulate_taphonomic_noise(strat_data, loss_rate_range=(0.1, 0.5)): """ Simulate realistic fossil loss. Loss rate varies by stratigraphic level. """ noisy = [] for level in strat_data: loss_rate = np.random.uniform(*loss_rate_range) mask = np.random.rand(len(level)) > loss_rate noisy.append(level * mask) return noisy # ====================================================== # 2. STRATIGRAPHIC PERSISTENCE # ====================================================== def stratigraphic_signal(strat_data): """Total fossil count per level""" return np.array([np.sum(level) for level in strat_data]) def stratigraphic_entropy_profile(strat_data): return np.array([shannon_entropy(level) for level in strat_data]) # ====================================================== # 3. ROBUSTNESS UNDER PERTURBATION # ====================================================== def robustness_test(strat_data, n_iter=500): """ Monte-Carlo robustness: Compare original diversity curve to perturbed versions. """ original = stratigraphic_signal(strat_data) correlations = [] for _ in range(n_iter): perturbed = simulate_taphonomic_noise(strat_data) pert_signal = stratigraphic_signal(perturbed) if np.std(pert_signal) == 0 or np.std(original) == 0: corr = np.nan else: corr = np.corrcoef(original, pert_signal)[0, 1] correlations.append(corr) correlations = np.array(correlations) return { "mean_corr": float(np.nanmean(correlations)), "std_corr": float(np.nanstd(correlations)), "distribution": correlations } # ====================================================== # 4. SCORE DE RÉALITÉ STRATIGRAPHIQUE (SRS) # ====================================================== def compute_SRS(mean_corr, entropy_profile): """ Diagnostic score ∈ [0,1] Combines robustness + internal structure """ entropy_norm = np.nanmean(entropy_profile) / np.log2(len(entropy_profile) + 1) entropy_norm = np.clip(entropy_norm, 0, 1) corr_norm = np.clip((mean_corr + 1) / 2, 0, 1) # Conservative weighting SRS = 0.6 * corr_norm + 0.4 * entropy_norm return float(SRS) # ====================================================== # 5. MAIN INTERFACE # ====================================================== def STaRS_analyze(strat_data, n_iter=500): """ Main analysis pipeline. Input: list of stratigraphic levels (arrays of counts) """ strat_data = normalize_levels(strat_data) diversity_curve = stratigraphic_signal(strat_data) entropy_profile = stratigraphic_entropy_profile(strat_data) robustness = robustness_test(strat_data, n_iter=n_iter) SRS = compute_SRS( robustness["mean_corr"], entropy_profile ) result = { "tool": "STaRS", "version": VERSION, "author": AUTHOR_SIGNATURE, "levels": len(strat_data), "mean_entropy": float(np.nanmean(entropy_profile)), "robustness_mean_corr": robustness["mean_corr"], "robustness_std_corr": robustness["std_corr"], "SRS": SRS } # Reproducible hash h = hashlib.sha256() h.update(str(result).encode()) h.update(AUTHOR_SIGNATURE.encode()) result["hash"] = h.hexdigest() return result 📊 SORTIES INTERPRÉTABLES (ET SEULEMENT CELLES-CI) Courbe de diversité : brut observable Profil d'entropie : structure interne par niveau Robustesse (corrélation MC) : tenue du signal SRS ∈ [0,1] : ≈ 0 → compatible avec l'artefact ≈ 1 → signal robuste non trivial Hash : traçabilité complète ❌CE QUE STaRS NE FAIT PAS (ET NE FERA JAMAIS) pas d'extinction pas de rayonnement pas de climat pas de cause pas de récit 👉 Uniquement : « ça tient / ça ne tient pas sous test » 🔥 🚀 Licence : CC BY-NC-ND 4.0