spb/qc-election

Frontend — design system « QC Signal » (sous-agent, 11 pages × 4 viewports,
zéro erreur JS, zéro débordement, light+dark dédiés) :
- Tokens complets (palettes, radius 8-24, spacing 4/8, ombres discrètes),
  échelle typo (metric-xl 64px, tabular-nums partout), navbar + fleur SVG,
  FORECAST STRIP sticky sur toutes les pages (P(1er) publiée + Δ veille)
- Accueil recomposé : verdict éditorial → MAIN OUTCOME (métrique héroïque,
  intervalles VISUELS 24 ───●─── 86) → HÉMICYCLE SVG 127 sièges (marqueur
  majorité 64, hover IC) → OUTCOME BAR (majorité/minoritaire/autre) →
  cartes partis compactes data-first (sparklines, deltas neutres jamais
  vert/rouge) → mouvement + pivots
- /aujourdhui briefing éditorial, /carte 75/25, tables sticky-header,
  composants deltaHTML/rangeHTML/emptyState/hemicycleSVG, skeletons
- docs/DESIGN_SYSTEM.md + docs/UI_AUDIT.md (18 dettes retirées)

Backend :
- national/next_poll.py (§46-48) : P(prochain sondage | modèle) publiée à
  chaque run + SURPRISE de chaque nouveau sondage (z par parti, densité
  prédictive, verdict bruit/à surveiller/mouvement-ou-aberrant) mesurée
  contre la prédiction STOCKÉE du run précédent (jamais rétro-ajustée)
- data/replay_report.json committé (LOEO 6 élections)
- 33/33 tests

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

Phase A (fondations) :
- modeling/validation/ : scoring commun (EAM/RMSE, couverture 50/90/95, Brier,
  log loss, sharpness, biais) + cadre d'ABLATION (backtest 2022 par variante,
  deltas vs FULL publiés, data/ablation_report.json, /api/ablation,
  POST /api/admin/ablation)
- Feature flags conservateurs (enable_social_volatility, enable_tipping_points,
  enable_ablation, enable_social_directional=OFF)
- Observabilité Apify (table apify_runs) + /api/admin/data-health (§33-34)

Phase B (Social Intelligence Layer) :
- modeling/signals/social.py : métriques inter-plateformes normalisées
  (attention_z, velocity_z, breadth, cross_platform, stance_balance) +
  filtrage de coordination (quasi-doublons, rafales) → attention organique
- modeling/signals/volatility.py : multiplicateur de variance unifié
  wiki+social, borné [1, 1,5], variance seulement (§16)
- modeling/signals/event_detection.py : événements à confirmation croisée
  (≥2 familles : presse, social, Wikipédia), sans effet directionnel présumé

Forecast par comté :
- simulate.tipping_points : circonscriptions pivots de la majorité (méthode
  des simulations, 64e siège le plus sûr), stocké par run (§24)
- Page /circonscriptions : 127 fiches (recherche, filtres, tri, détail complet
  IC 95 %/candidatures/2022), pivots avec barres de course, KPIs
- /api/battlegrounds + API v3 (/api/v3/forecast|ridings|social|battlegrounds|
  events|beyond|calibration|ablation), compatibilité v1 conservée

29/29 tests verts. METHODOLOGY §9 bis. ModelVersion 3.0.0.

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

Frontend :
- Refonte style.css : header compact blur, drawer hamburger mobile (verrou, backdrop,
  Escape), safe-areas, anti-zoom iOS 16px, cartes dégradées + hover lift, focus rings,
  skeleton shimmer, clamp typographique, prefers-reduced-motion
- Charts : thème Inter, grille recessive, tooltips arrondis/blur, légendes cercle,
  dégradés sous courbe (areaGrad), traits lumineux (lineGlow), pastilles endLabel,
  barres à coins arrondis, ResizeObserver
- Palette des partis validée (dataviz : CVD ΔE≥20, contraste ≥3:1, 2 surfaces)

Sondages (« ça doit être parfait ») :
- Parseur Wikipédia par SECTION (« Opinion polls »/« Campaign period » acceptées,
  ventilations langue/région et projections exclues) — plus de seuil de 20 rangées :
  la table de campagne entre dès sa 1re rangée
- Mode de collecte par maison (design effects réels), vraie plage de terrain,
  indécis parsés
- Upsert par (maison, fin de terrain) : n/MoE/chiffres révisés mis à jour, jamais
  dupliqués; purge des doublons hérités
- Boucle de garantie radar→base (statut intégré/en attente), pipeline 3 h en campagne

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

- Prior de fondamentaux : satisfaction gouvernementale + vote précédent + usure,
  régression ridge 1998-2022 (LOO), blend à poids décroissant w(t) vers le scrutin
- Votes réels des 4 partielles 2023-2025 injectés dans le filtre de Kalman
  (swing local rétréci ×0,6, n équiv. 350, erreur excédentaire ±3 pp)
- Ajustement médias borné ±0,35 pp (sentiment 14 j, tanh + seuil de volume)
- Ensemble 88/12 modèle/Polymarket sur P(plus de sièges), publié partout
- Veille continue Firecrawl : radar de nouveaux sondages, extraction de la
  satisfaction (Léger 40 % trouvée live), presse élargie au-delà des RSS
- Décomposition du forecast couche par couche à chaque run (API /api/beyond)
- Nouvelle page /signaux + carte « D'où vient le forecast » sur l'accueil
- Backtest 2022 comparatif (mae v2 vs sondages seuls)
- Tables byelections / web_signals / indicators, endpoints admin (watch,
  indicator, byelection), 8 nouveaux tests (22/22 verts)

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

Modèle bayésien d'état latent (Kalman/alr) + house effects + Monte Carlo
corrélé (erreurs systémique/régionale/locale), backtesting 2022 calibré,
carte officielle DGEQ (127 circonscriptions), simulateur what-if, sentiment
médiatique et marchés prédictifs en signaux auxiliaires. FastAPI + SQLite,
frontend ECharts thèmes sombre/clair, responsive mobile. Déployée sur M2U64
→ https://www.qc-election.com (PM2 + ngrok).

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>