Je développe un substrat de calcul déterministe, apprenant et évolutif pour construire des systèmes d’intelligence artificielle capables de fonctionner dans la durée, parfois sans connexion à Internet, tout en conservant un état vérifiable et une trace rejouable de leurs décisions.

À mesure que l’intelligence artificielle entre dans la robotique, l’industrie, les transports, la recherche et l’exploration spatiale, la compréhension, la traçabilité et l’auditabilité deviennent essentielles. Lorsqu’une IA agit sur un robot, une machine, un véhicule ou un instrument scientifique, il faut pouvoir examiner ce qu’elle a fait, comprendre les éléments qui ont conduit à sa décision, rejouer l’exécution et vérifier l’effet d’une modification, plutôt que de dépendre d’un fonctionnement entièrement opaque.

Partir des plus petites briques

Je suis parti des éléments les plus élémentaires : représentation des états, calcul déterministe, neurones, synapses, propagation, plasticité, mémoire et conséquences des actions. Je cherche à assembler progressivement ces composants sans perdre la possibilité d’examiner chaque étape.

Le projet est neuromorphique par l’une de ses trajectoires de développement, mais il ne dépend pas d’un matériel neuromorphique. Son substrat déterministe peut fournir des briques pour des logiciels, des systèmes embarqués, des robots, des simulations ou des architectures qui dialoguent avec des modèles de langage.

L’objectif est de permettre à un système de percevoir son environnement, d’en construire une représentation exploitable, d’apprendre localement, de conserver son expérience, de faire évoluer certaines connexions ou certains blocs et d’ajouter de nouvelles capacités sans recommencer nécessairement tout son entraînement.

Une intelligence conçue pour l’embarqué

La frugalité est une propriété de conception du projet. Une IA embarquée ne devrait pas mobiliser en permanence l’ensemble de son réseau : elle devrait pouvoir activer les neurones, les synapses et les blocs nécessaires à la situation présente, tout en laissant le reste du système au repos. Cette activation sélective vise à limiter le calcul, la mémoire et les ressources matérielles nécessaires à l’exécution.

Les premiers protocoles établissent déjà une activation sparse et bornée : seuls certains neurones et certaines connexions sont sollicités, la propagation est contrôlée et son coût de calcul est suivi à chaque étape. Ces résultats restent liés aux protocoles testés ; ils ne constituent pas encore une mesure générale de gain énergétique.

Le gain énergétique reste à mesurer sur des plateformes réelles. Ce que je cherche déjà à établir, c’est une architecture capable de fonctionner avec des ressources contraintes, de conserver uniquement l’état utile et de faire évoluer ses capacités sans réentraîner systématiquement l’ensemble du système.

Ce qui est déjà établi

Les travaux réalisés ont permis de développer et de tester :

• une arithmétique déterministe et bit-exacte ;
• des neurones et synapses simulés avec propagation de signaux ;
• une activation sparse et bornée, avec une propagation contrôlée et un coût de calcul suivi ;
• des mécanismes de plasticité et d’apprentissage ;
• une mémoire épisodique capable d’enregistrer, d’indexer et de rejouer des épisodes ;
• la conservation et la restauration d’états ;
• le rejeu déterministe d’exécutions vérifiées ;
• l’analyse des conséquences d’une action dans un monde simulé ;
• des outils de diagnostic et d’analyse causale ;
• des expériences sur des réseaux dérivés de données de connectome ;
• des composants testés dans des scénarios impliquant des modèles de langage.

Ces travaux ont déjà établi, sur des protocoles précis, que des calculs peuvent être reproduits au bit près, que des états peuvent être repris après interruption, que des circuits peuvent apprendre des tâches simples et que certaines exécutions peuvent être auditées après coup. Les contrôles disponibles comprennent notamment 672 codes identiques et 48 empreintes par pas identiques dans un protocole de vérification croisée.

Ces résultats ne constituent pas encore une intelligence générale. Ils forment les fondations expérimentales nécessaires pour mesurer jusqu’où une architecture apprenante, persistante et vérifiable peut aller.

Une recherche parallèle avec les modèles de langage

Les modèles de langage constituent une ligne de recherche complémentaire. Ils peuvent proposer une intention, une hypothèse, une interprétation ou une action. Le substrat déterministe peut alors fournir un cadre d’exécution, une mémoire persistante, l’observation des conséquences et une vérification rejouable.

Les expériences menées avec des modèles de langage ont déjà produit de très bons résultats dans plusieurs défis publics et travaux de recherche. Ces résultats sont vérifiables par des tiers à partir de classements, de listes officielles, de dépôts publics, de certificats et de calculs reproductibles.

Ils montrent qu’une approche combinant modèles probabilistes, recherche structurée, exploration, mémoire et vérification déterministe a produit, pour les cas présentés ici, des solutions contrôlées par des vérificateurs ou des classements publics. Ils ne constituent pas encore une preuve d’intelligence générale, mais ils m’encouragent à poursuivre la recherche sur l’articulation entre modèles probabilistes et substrat déterministe.

L’Atlas et les challenges servent notamment à étudier comment un système peut sélectionner ce qu’il observe, cartographier les problèmes rencontrés et construire progressivement une représentation exploitable du monde qu’il explore.

Défis et classements en un coup d’œil

Ce tableau récapitule les résultats publiés des défis publics. Les fiches détaillées suivent plus bas ; pour les défis d’octobre encore ouverts, il indique seulement la présence du nom dans la liste des solveurs ou des réponses correctes, sans score ni solution.

Synthèse des résultats affichés sur les classements ou fiches de référence, avec leurs dates de relevé

Domaine	Défi	Résultat rapporté	Relevé / précision
ESA · SpOC 4	Luna Tomato · Trajectory Matching	1er au classement post-compétition · −506 077,456	07/10/2026
ESA · SpOC 4	Luna Tomato · Matching I	1er au classement post-compétition · −33 567,564	14/10/2026
ESA · SpOC 4	Luna Tomato · Matching II	1er au classement post-compétition · −73 799,877	13/10/2026
ESA · SpOC 4	Keplerian Tomato TSP · Large	1er au classement post-compétition · 272,712 jours	02/10/2026
Empilement de cercles	Packomania · table csqv	367 entrées sur 583 dans ma table	Table du 30/09/2026
Empilement de cercles	Friedman Packing Center	16 entrées sur 20 pour le rectangle ; plus le cercle n = 50	Pages relevées le 11/10/2026
Connectome · FlyWire Codex	Max Quasi-Cliques	Score en tête après clôture	Relevé du 07/10/2026
Connectome · FlyWire Codex	Minimum Feedback Arc Set	Score en tête après clôture	Relevé du 07/10/2026
Connectome · FlyWire Codex	Visual Columns	Score en tête après clôture	Relevé du 07/10/2026
Connectome · FlyWire Codex	VNC Matching	Score en tête après clôture	Relevé du 07/10/2026
Théorie des nombres	IBM Ponder This · septembre 2026	45 termes · progression non prolongeable	Liste des solveurs recalculée le 11/10/2026
Puzzle mathématique	IBM Ponder This · octobre 2026	Figure dans la liste IBM des solveurs (*)	Liste officielle · 01/10/2026
Puzzle logique	Jane Street · It’s a Metric, Too	Figure dans la liste des réponses correctes	Relevé du 07/10/2026 · liste évolutive
Mathématiques	Graphe sans 4-cycle · 50 sommets	181 arêtes	Vérifié le 13/10/2026
Mathématiques	Kakeya discret	0,1067652 · aire de l’union de 128 triangles minces	3 contrôles indépendants
Mathématiques	Distances unitaires	429 distances pour 121 points à coordonnées rationnelles	Vérifiées le 13/10/2026
Mathématiques	Complexité entière de 2⁶¹ − 1	127 occurrences de 1 dans une expression exacte	Vérifiée le 13/10/2026

Les rangs ESA sont post-compétition et peuvent évoluer ; ils ne sont pas le classement officiel final. Les mesures des différents défis répondent à des objectifs distincts et ne sont pas directement comparables.

Mes résultats

Chaque résultat est présenté avec sa source (plateforme, table ou liste) et sa date ; le mécanisme de vérification diffère d’une plateforme à l’autre. Cliquez sur une carte pour le détail.

Agence spatiale européenne (ESA)

Sur les tableaux publics d’ESA Optimize, mon profil apparaît au rang 1 dans chacun des quatre défis post-compétition ci-dessous. Ce sont des résultats observables et datés dans ces classements ; ils ne constituent ni le classement officiel final de SpOC 4, ni une preuve d’optimalité ou une validation générale du substrat.

Synthèse des classements · SpOC 4

Rangs et valeurs reportés sur les relevés datés des quatre défis

Défi ESA Optimize	Rang affiché	Score / mesure affichée	Relevé
Luna Tomato · Trajectory Matching	1er · post-compétition	−506 077,456	07/10/2026
Luna Tomato · Matching I	1er · post-compétition	−33 567,564	14/10/2026
Luna Tomato · Matching II	1er · post-compétition	−73 799,877	13/10/2026
Keplerian Tomato TSP · Large	1er · post-compétition	272,712 jours	02/10/2026

Source des rangs : profil public sur ESA Optimize.

Les soumissions affichées ici sont postérieures au 30 juin 2026 : les classements peuvent évoluer et ne constituent pas le résultat officiel de la compétition. Accéder aux quatre fiches ESA →

Lecture espace–temps · SpOC 4

Suivre un transfert Terre–Lune en 4D

Trois coordonnées spatiales (x, y, z) ; le temps normalisé (t/T) est codé par la couleur et le mouvement.

4D · t en couleur

Glisser pour tourner · molette pour zoomer

Orbites schématiséest/T : début → finImpulsions ΔV₁, ΔV₂, ΔV₃

Ⅱ Pause↺ Rejouer

Progression temporelle normalisée t sur T

t/T = 0,00

Point représenté · x/D = 0,075 · y/D = 0,000 · z/D = 0,000 · t/T = 0,000

ΔV₁ DépartΔV₂ Transition entre les deux arcsΔV₃ Arrivée

Schéma pédagogique, non à l’échelle. D est une unité graphique et T une durée normalisée, sans valeur physique. Le tracé est une courbe de démonstration : il ne simule pas la dynamique, ne valide aucune trajectoire et ne représente pas la solution classée présentée sur cette page. « 4D » désigne ici x, y, z et le temps, pas une quatrième dimension spatiale.

Sources du défi : présentation ESA sur Optimize · dépôt public ESA SpOC4.

Empilements de cercles

Deux tables tenues par des tiers : chaque empilement est exact et se revérifie.

Connectome de la drosophile

Quatre défis FlyWire Codex, où mes scores sont en tête après la clôture.

Théorie des nombres

Une énigme publiée chaque mois, avec sa liste de solveurs.

Mathématiques

Quatre problèmes de construction, dont la solution se vérifie en exact.

Documents déposés

Les dernières versions des publications ArithSpec sont disponibles sur Zenodo, avec PDF, codes et sources.

Tous les résultats →

Ces résultats ont été obtenus sur du matériel accessible, détaillé dans la présentation du programme de recherche. Chaque chiffre de ce site porte sa source et sa date ; ses limites sont écrites à côté.

Lire la présentation du programme de recherche →

Des systèmes qui doivent pouvoir durer

À terme, une intelligence artificielle embarquée devrait pouvoir fonctionner localement, sans connexion permanente, conserver une mémoire utile, s’adapter à de nouvelles situations, recevoir de nouveaux blocs de capacité et rendre compte de ses décisions.

Les débouchés envisagés couvrent la robotique autonome, les machines industrielles, les systèmes embarqués, les véhicules et drones, les robots d’assistance, la simulation scientifique, les logiciels autonomes, les systèmes de sécurité, l’exploration spatiale et les architectures qui utilisent des modèles de langage.

Dans tous ces domaines, l’enjeu est le même : ne pas seulement produire une réponse, mais pouvoir établir quelles étapes ont conduit le système à agir, dans quelles conditions, avec quel état interne et avec quelles conséquences.

Une ambition à mesurer étape par étape

Ma volonté est de construire un modèle sûr, certifiable et auditable. Chaque étape est consignée : hypothèses, versions, protocoles, résultats, échecs, corrections et limites.

L’intelligence artificielle générale est l’horizon de cette recherche, pas un résultat déjà revendiqué. Le travail actuel consiste à établir, étape par étape, si un système peut être apprenant, persistant, modulaire, adaptatif, utilisable hors ligne et auditable, sans que son architecture interne doive être entièrement rendue publique.