STaRS — Système de Traçage et d'Analyse des Rémanences Systémiques

. STaRS — Système de Traçage et d’Analyse des Rémanences Systémiques Auteur : Kevin FradierDate : Janvier 2026Licence : © 2026 Kevin Fradier — CC BY-NC-ND 4.0 📜 Résumé STaRS est un cadre computationnel multi-modules conçu pour : STaRS-TIME : analyser la persistance et l’incertitude temporelle de motifs dans tout système complexe. STaRS-EXT : détecter la disparition ou extinction de motifs, mesurer la persistance et les artefacts. Fournir des observables neutres et testables : invariants, motifs fermés, stabilité, robustesse, contribution nodale. Visualiser les structures et contributions locales via cartes 2D/3D. STaRS est multi-domaine (réseaux sociaux, séries temporelles, flux écologiques, interactions IA/humains), falsifiable et extensible, et reste neutre ontologiquement : aucune hypothèse sur la causalité ou le temps absolu. 1. Architecture multi-module STaRS/ ├── core/ │ ├── stars_base.py # Extraction de motifs, invariants, robustesse │ ├── stars_time.py # Incertitude de datation │ └── stars_ext.py # Extinction et disparition des motifs ├── viz/ │ └── plot_tools.py # Cartographie 2D/3D des contributions ├── examples/ │ └── demo_stars.py # Exemple d’utilisation multi-module ├── README.md └── LICENSE 2. Code Python consolidé (simplifié ici) core/stars_base.py import numpy as np import networkx as nx from scipy.stats import bootstrap class STaRS_Base: """Extraction de motifs, invariants, stabilité et robustesse multi-domaine.""" def __init__(self, M, min_size=3, max_size=6): self.M = np.array(M, dtype=float) self.min_size = min_size self.max_size = max_size self.motifs = [] self.local_values = [] self.node_map = None def extract_motifs(self): G = nx.from_numpy_array(self.M) raw = nx.cycle_basis(G) self.motifs = [m for m in raw if self.min_size