. 🚩 Publication Niveau 1 👻 — Micro-anomalie dans séquences symboliques Auteur : Kevin Fradier — Chercheur indépendantDate : 2026Licence : © 2025 Kevin Fradier — CC BY-NC-ND 4.0 1️⃣ Contexte Cette publication teste un effet local observable dans un petit corpus symbolique : Séquence courte, motifs simples. Effet reproductible mais faible. Aucune hypothèse théorique ni interprétation fournie. 2️⃣ Objectif Identifier une micro-anomalie locale dans la séquence. Mesurer un écart chiffré et stable sur répétition. Créer un point d’entrée pour expérimentations futures (Niveau 2+). 3️⃣ Protocole Données : Séquence symbolique courte (~50 symboles) Alphabet réduit : lettres ou symboles simples Motif ciblé : trigramme ou tetragramme rare choisi dans le corpus. Méthode : Encoder chaque symbole en nombre. Calculer une mesure simple de dispersion (ex : variance locale ou entropie simplifiée). Comparer avec une version permutée aléatoirement. 4️⃣ Code Python autonome import numpy as np # Exemple de corpus court sequence = "fachysykalarataiins" # ~50 symboles réels à tester alphabet = sorted(set(sequence)) mapping = {c: i for i, c in enumerate(alphabet)} signal = np.array([mapping[c] for c in sequence]) # Motif cible motif = "kai" # trigramme rare # Détection positions positions = [i for i in range(len(sequence)-len(motif)+1) if sequence[i:i+len(motif)] == motif] # Mesure simple : variance du motif values = [signal[i:i+len(motif)].mean() for i in positions] if positions else [] variance = np.var(values) if values else 0 # Comparaison avec permutation shuffled_signal = np.random.permutation(signal) shuffled_values = [shuffled_signal[i:i+len(motif)].mean() for i in positions] if positions else [] shuffled_variance = np.var(shuffled_values) if shuffled_values else 0 print("Motif:", motif) print("Positions:", positions) print("Variance originale:", variance) print("Variance permutée:", shuffled_variance) print("Écart:", shuffled_variance - variance) 5️⃣ Observation attendue Micro-anomalie détectable : 0 à quelques occurrences. Écart entre séquence originale et permutée : faible mais reproductible. Effet stable sur répétitions, mais limité en intensité. Exemple simulé : motif trouvé à 1 position, écart de variance = 0.02 6️⃣ Critères Niveau 1 👻 Effet local et simple. Effet reproductible. Effet observable sans théorie, totalement autonome. Point de départ pour niveaux supérieurs. 7️⃣ Phrase-clé “Une séquence courte peut montrer des variations locales inattendues. Cette publication montre simplement que cela se produit.” 8️⃣ Invitation conditionnelle Testez sur vos propres séquences. Observez motifs et écarts. Toute reproduction doit être documentée et associée à cette publication pour traçabilité. 9️⃣ Traçabilité Licence : © 2025 Kevin Fradier — CC BY-NC-ND 4.0