Pipeline universel STaRS × ESE — multi version

. 🪐 Pipeline universel STaRS × ESE — version publication compacte Auteur : Kevin Fradier — Chercheur indépendantLicence : © 2026 Kevin Fradier — CC BY‑NC‑ND 4.0Statut : Publication méthodologique et testable 1️⃣ Résumé ultra-compact STaRS et ESE testent la robustesse d’un signal ou d’une structure émergente. Applicables à tout système produisant de l’information : fossiles, réseaux, texte, signal, image. Message clé : les outils ne disent pas ce qui s’est passé, ils indiquent jusqu’où les données peuvent parler. 2️⃣ Pipeline condensé avec scores intégrés import numpy as np import hashlib AUTHOR_SIGNATURE = "Kevin Fradier | STaRS × ESE | 2026" def simulate_noise(data, loss_rate=0.3): return [level * (np.random.rand(len(level)) > loss_rate) for level in data] def 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(data, n_iter=100): original = np.array([np.sum(l) for l in data]) scores = [] for _ in range(n_iter): pert = np.array([np.sum(l) for l in simulate_noise(data)]) scores.append(np.corrcoef(original, pert)[0,1]) return np.nanmean(scores), np.nanstd(scores) def analyze(data): ent = [entropy(l) for l in data] mean_corr, std_corr = robustness(data) result = { "mean_entropy": round(float(np.mean(ent)), 3), "robustness_corr": round(mean_corr, 3), "robustness_std": round(std_corr, 3), "signature": AUTHOR_SIGNATURE } result["hash"] = hashlib.sha256(str(result).encode()).hexdigest() return result # --- Exemple condensé --- data_example = [np.random.poisson(5, 10) for _ in range(5)] result = analyze(data_example) # Affichage condensé print("✅ Pipeline condensé STaRS × ESE") print("Entropy moyenne :", result["mean_entropy"]) print("Robustesse (corr) :", result["robustness_corr"], "±", result["robustness_std"]) print("Hash :", result["hash"]) print("Signature :", result["signature"]) 3️⃣ Tableau de décision canonique avec scores simulés Étape Score attendu Statut scientifique STaRS local Robustesse