Une contrainte
Une contrainte est une règle qui empêche tout d’arriver. Dans un crible, certains nombres disparaissent ; dans un système physique, certaines configurations deviennent impossibles.
Mathématique PT / identité maîtresse
La PT part d’une idée simple : quand une contrainte agit, tout ne disparaît pas. Une part devient structure, une autre reste dispersée. Le premier principe dit que ces deux parts ne sont pas indépendantes : elles se partagent une même quantité totale de distinction.
GFT est l’identité qui formalise ce budget. Pour toute distribution $P$ sur $m$ états, la capacité totale $log_2 m$ se décompose exactement en information persistante et entropie résiduelle.
Simple
Imagine un tri. Au départ, beaucoup de choses sont possibles. Puis une règle agit : elle élimine, sépare, oriente. À la fin, il reste deux choses à lire : ce qui a pris une forme stable, et ce qui reste encore ouvert.
Pour la PT, c’est cela la persistance. Ce n’est pas “rester pareil sans bouger”. C’est survivre à une contrainte admissible en gardant une identité lisible. La formule technique vient après ; elle sert à compter cette répartition.
Une contrainte est une règle qui empêche tout d’arriver. Dans un crible, certains nombres disparaissent ; dans un système physique, certaines configurations deviennent impossibles.
Ce qui persiste n’est pas ce qui reste immobile. C’est ce qui traverse la contrainte sans perdre son identité structurale.
Tout ce qui n’est pas stabilisé reste sous forme d’incertitude, de choix ouverts ou de bruit. La PT appelle cette part l’entropie résiduelle.
Le point clé est que structure et dispersion ne s’ajoutent pas librement. Elles se partagent un même budget de distinction.
Le mot “information” peut faire peur, mais ici il signifie d’abord : combien de différences faut-il pour reconnaître une situation ? Si tout se ressemble, il y a peu à distinguer. Si une forme apparaît, quelque chose devient reconnaissable.
Le premier principe dit que cette reconnaissance a un coût. Plus une structure devient nette, moins il reste de flou disponible dans le même système. Et si la structure se défait, le flou remonte.
C’est le fil qui relie les autres pages : dans la cosmogonie, la cascade trie les seuils ; dans le tableau périodique, les couches et les blocs sont des formes stabilisées ; ici, on explique la règle de comptabilité commune.
Imagine un jeu avec plusieurs cases possibles. Plus il y a de cases, plus il faut de distinctions pour dire précisément où l’on se trouve. Ce nombre total de distinctions est le budget du système.
En mathématiques, on note ce budget $\log_2(m)$ parce qu’on le compte en questions oui/non, donc en bits. Mais l’idée derrière est simplement celle-ci : le système possède une quantité totale de distinction disponible.
Une partie devient une forme : elle distingue, contraint, sélectionne. C’est la persistance. L’autre partie reste ouverte, dispersée, indécise. C’est l’entropie.
Le principe fondamental dit que ces deux parts se compensent exactement. Quand une structure gagne un bit, l’entropie disponible perd un bit, et inversement. La PT met cette conservation au centre de tout le reste.
ce qui pourrait arriver
ce qui trie
ce qui garde une forme
ce qui reste ouvert
Pour $m$ possibilités, il existe un budget total de distinctions. En langage technique, ce budget vaut $\log_2 m$ bits.
$D_{\mathrm{KL}}$ mesure ce qui distingue la distribution réelle de l’état maximalement indifférencié.
$H(P)$ mesure ce qui reste dispersé, non cristallisé, non sélectionné comme structure persistante.
L’identité est une tautologie algébrique : elle est vraie pour n’importe quelle distribution. Sa force ne vient donc pas d’une difficulté technique, mais du fait qu’elle donne le langage de conservation dans lequel la PT lit le crible.
Dans le crible, $D_{\mathrm{KL}}$ devient la part structurée : ce qui a été sélectionné, contraint, rendu distinct. $H(P)$ devient la part encore dispersée. Leur somme reste le même cap informationnel.
Soit $P=(p_0,\ldots,p_{m-1})$ une distribution de probabilité et $U_m=(1/m,\ldots,1/m)$ la distribution uniforme. Par définition :
On distribue le logarithme, puis on utilise $\sum_r p_r=1$ :
Or $H(P)=-\sum_r p_r\log_2 p_r$. Donc :
GFT est une identité universelle, puis un principe de lecture PT lorsqu’on applique ses deux termes au crible et aux distributions de résidus.
L’identité seule ne prouve pas une nouvelle loi sur les premiers. La profondeur vient de son rôle dans la chaîne PT, pas de l’algèbre.