spb/qc-election

- PHASE D : feature store démographique depuis le classeur OFFICIEL Élections
  Québec (Recensement 2021 × 127 circonscriptions 2026, codes stables, source
  parfaite — aucune interpolation) : population, 65+, langue à la maison,
  universitaire, locataires, immigrants, revenu 100k+, autochtones,
  appartements, minorités visibles + z-scores + SIMILARITÉ top-10 (validée :
  Gouin≈Mercier/SMSJ, Westmount≈NDG/MRO, Ungava profil nordique).
  API /api/demographics/{nom}; démographie + semblables intégrés aux fiches
- MODÈLE DU SOIR D'ÉLECTION (modeling/election_night.py, dormant) : prior =
  forecast final; décomposition hiérarchique des résidus rapportés (national
  ~N(0,σ_ind²) → régional → local, pondérés par dépouillement propre — garde
  anti-biais des premiers bureaux); resimulation à variances réduites; calling
  conservateur (P≥99,5 % ET ≥40 % dépouillé). /api/election-night +
  POST /api/admin/election-night. Test synthétique : décalage national +3 pp
  retrouvé, zéro invention à décalage nul
- LABO DE SCÉNARIOS partageables par URL (?s=base64) : encodage/décodage
  complet, bouton copier, presets appliqués aux contrôles, étiquetage strict
  « conditionnel — pas le forecast officiel »
- FICHES ENRICHIES : sensibilité au swing (marge attendue, chemin de bascule
  minimal, stabilité vs IC) + démographie officielle
- FAVICON (SVG+PNG 64/180/512, fleur QC Signal) + OG:IMAGE 1200×630 (hémicycle)
  + balises og/twitter sur les 11 pages
- COMPAS-PROGRAMMES.md : mandat complet du compas électoral IA inscrit à la
  feuille de route (règles de neutralité/preuve, ordre d'exécution, actifs
  réutilisables) — prochaine grande phase
- 37/37 tests (slug, bornes démographiques, soir d'élection)

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

- Replay : baselines « dernier sondage » et « moyenne 14 j » scorées à chaque
  horizon et agrégées (modèle 3,71 bat dernier-sondage 3,84; moyenne-14j 3,49
  gagne l'EAM ponctuelle — consigné honnêtement dans STATISTICAL_DEBT comme
  recherche ouverte : la valeur du modèle est la DISTRIBUTION, les baselines
  n'ont ni intervalles ni probabilités)
- Course à 64 (/api/battlegrounds.paths_to_64 + section /circonscriptions) :
  pour chaque parti, échelle des sièges du plus sûr au plus décisif, 64e siège
  de la majorité surligné (PQ : Maskinongé 43 %, marge 0,9 pp), marge attendue
  = swing minimal de bascule, onglets par parti
- Connecteurs PRIMAIRES des 7 firmes (ingest/pollster_reports.py) : veille des
  pages de publications (Firecrawl), archivage des rapports (data/raw/reports),
  extraction PAR RÈGLES avec niveau de confiance, FILE DE RÉVISION (Poll
  excluded=True « révision requise » — jamais d'entrée silencieuse),
  réconciliation Wikipédia, statut de source consigné (Pallas/Synopsis murées
  = connecteurs désactivés de fait). Test live Léger : 5 rapports archivés,
  0 création sous le seuil de confiance — comportement voulu
- Tests invariants (§qualité) : 127 sièges/simulation, P(victoire) somme à 1,
  probabilités [0,1], extraction primaire (35/35 verts)

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

Méthodologie ultra avancée, première vague (§100 : replay + scoring + erreur
dynamique des sondeurs) :

- ingest/wikipedia_historical.py : 462 sondages archivés sur 6 élections
  (2007: 34, 2008: 36, 2012: 121, 2014: 60, 2018: 106, 2022: 105), ères de
  partis (ADQ 2007-2008), cache data/historical/*.csv avec provenance
- Cœur alr PARAMÉTRÉ par liste de partis (trend/forecast/house_effects/
  fundamentals) — zéro changement de comportement 2026, replay multi-ères
- validation/historical_replay.py : LOEO STRICT (house effects, fondamentaux
  exclude_year, σ sur les autres élections), rolling origin J-120→J-1,
  CRPS + log score + couverture 50/90/95 + sharpness (scoring.py)
- national/pollster_error.py : erreur d'INDUSTRIE par élection (2018 CAQ −5,4,
  2007 PLQ −9,2, 2014 PQ +4,9…), σ_industrie estimé LOEO ≈0,21 (composantes
  principales ≥5 %, borné [0,08; 0,25]), house effects hiérarchiques n/(n+k)+τ
- ADOPTION σ appris (use_empirical_industry_error=True) validée par replay :
  log score −3,80 vs −5,33, CRPS 2,64 vs 2,67, couverture 95 % 83 % vs 76,5 %,
  EAM inchangée (3,71 vs 3,69) — fuite du backtest fondamentaux corrigée
- API /api/replay, /api/pollster-error (+ v3), POST /api/admin/replay
- Audits §100 : METHODOLOGY_AUDIT, STATISTICAL_DEBT (dette paramétrique
  complète), V3_MODEL_ARCHITECTURE, HISTORICAL_REPLAY_PLAN
- 33/33 tests (CRPS/log score, bornes σ, replay 2018 smoke, ère ADQ 5 partis)

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>

- Attention Wikipédia (pageviews partis+chefs, API Wikimedia) : parts 7 j/28 j,
  z-scores; détecteur de turbulence → variance de campagne ×≤1,45 (jamais la moyenne)
  [Smith & Gustafson POQ 2017]
- Sondage synthétique LLM « silicon sampling » : 96 strates région×âge×genre×langue
  poststratifiées, ancré dans les manchettes réelles — EXPÉRIMENTAL, poids nul
  [arXiv:2411.01582; critique McKown-Dawson 2025]
- Page quotidienne /aujourdhui : forecast daté, Δ vs veille, journal 24 h (sondages
  intégrés + radar), attention web avec sparklines, synthétique vs forecast
- API : /api/today, /api/attention, /api/synthetic; admin POST /synthetic (amorçage)
- forecast(drift_multiplier) : turbulence élargit l'incertitude seulement
- 24 tests verts

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>