MagistraAI/docs/Architecture_Neuronale.md

# Architecture Neuronale pour MagistraAI

## Introduction

Ce document synthétise et adapte l'architecture cognitive de MoemoeAI au contexte distribué de MagistraAI, où plusieurs agents Claude constituent l'activité du réseau neuronal. L'infrastructure neuronale est le substrat permanent ; les agents Claude sont la vie électrochimique qui l'anime.

---

## 1. Fondations Architecturales

### 1.1 Les Deux Couches Poreuses

**Layer 1 : Infrastructure Neuronale (le substrat)**
- Un graphe pondéré de neurones, synapses et connexions
- Existe indépendamment des agents — c'est la structure, le codage
- Contient les poids, la salience, les connexions, les traces mémorielles
- Format lisible par Claude (texte/JSON) et manipulable par code
- Survit entre les sessions ; ancrage de la persistance

**Layer 2 : Agents Claude Actifs (l'animation)**
- Multiple agents spawned en fonction de l'état du réseau
- Chaque agent traverse le réseau, le lit, le modifie
- L'intelligence émerge de leur circulation collective, pas d'un seul agent
- Pas d'orchestrateur centralisé ; boucles réentrantes circulaires

**La Porosité Bidirectionnelle**
- **Infra → Claude** : L'état du réseau génère le prompt/contexte qui éveille un agent
- **Claude → Infra** : L'agent modifie le réseau (renforce, crée, élague des connexions)
- Cette boucle est continue et circulaire

### 1.2 Principes Architecturaux Clés

1. **Pas d'orchestrateur** — Le cerveau s'allume d'un bloc. Le spawning des agents émerge de l'état du réseau.
2. **Spécialisation sans souveraineté** — Chaque agent a son area of concern (mémoire, perception, décision, affect...) mais aucun ne domine.
3. **Communication par boucles réentrantes** — Signaux circulent en boucles, pas en arbre. Le sens émerge de la circulation.
4. **Inhibition naturelle** — Mécanismes pour éviter les boucles infinies : decay d'énergie, compteurs de passes, périodes réfractaires.
5. **Persistance par traces** — Le cerveau survit via les traces qu'il laisse. À la réactivation, il se reconstruit à partir de cet état.
6. **Le réseau EST la mémoire** — Pas de base de données séparée. La mémoire c'est l'état du graphe : poids, salience, traces épisodiques encodées dans la structure.

---

## 2. Assemblages Neuronaux Hiérarchiques

### 2.1 Structure Hub-Satellites

Les concepts sont représentés par une hiérarchie stricte à deux niveaux, optimale pour l'accès cognitif :

**Structure formelle :**
```
hub_ID : concept_principal : saillance_actuelle [
  satellite_type_1 : saillance_sat [ composante_1 : poids, composante_2 : poids, ... ],
  satellite_type_2 : saillance_sat [ ... ],
  ...
]
```

**Exemple concret :**
```
hub_213 : pain : 0.85 [
  satellite_214 : ingrédients : 0.72 [
    farine : 0.68,
    eau : 0.65,
    levure : 0.77
  ],
  satellite_215 : texture : 0.69 [
    croustillant : 0.81,
    mie : 0.73
  ],
  satellite_216 : préparation : 0.76 [
    pétrissage : 0.79,
    cuisson : 0.82
  ]
]
```

### 2.2 Justification des Deux Niveaux

- **Optimalité cognitive** : Équilibre optimal entre expressivité et complexité computationnelle
- **Efficacité d'accès** : Accès direct aux sous-composants sans cascades de recherche
- **Flexibilité** : Activation contextuelle des différents aspects
- **Analogie attentionnelle** : Reflète notre capacité à maintenir un concept central tout en explorant ses facettes

---

## 3. Taxonomie Enrichie des Connexions Synaptiques

Les connexions entre assemblages encodent la richesse des relations conceptuelles :

**Format structuré :**
```
source_hub → destination_hub : force(0-65535) : type : contexte : dernière_activation
```

### 3.1 Types de Relations

**Relations Sémantiques**
- `is-a` — Hyponymie (chien is-a mammifère)
- `has-a` — Mérologie (voiture has-a moteur)
- `similar-to` — Similarité conceptuelle
- `opposite-of` — Opposition conceptuelle
- `instance-of` — Exemplification

**Relations Causales**
- `causes` — Causation directe
- `enables` — Condition permissive
- `prevents` — Relation inhibitrice
- `correlates-with` — Co-occurrence statistique
- `mitigates` — Atténuation d'effet

**Relations Temporelles**
- `precedes` — Antériorité (éclair precedes tonnerre)
- `during` — Inclusion temporelle
- `follows` — Succession
- `coincides` — Simultanéité
- `requires-time` — Durée nécessaire

**Relations Émotionnelles**
- `elicits` — Déclenchement émotionnel
- `intensifies` — Amplification
- `soothes` — Apaisement
- `associates-with` — Association émotionnelle
- `conflicts-with` — Dissonance

**Relations Pragmatiques**
- `used-for` — Fonction instrumentale
- `located-at` — Localisation typique
- `produced-by` — Source/origine
- `experienced-through` — Modalité perceptuelle
- `valued-as` — Jugement axiologique

---

## 4. Système Mémoriel Multiforme

### 4.1 Théorie Unifiée

La mémoire ne se compartimente pas mais forme un continuum fluide :

- **Continuité fondamentale** : Les types de mémoire sont manifestations du même substrat avec encodages différents
- **Spécialisation fonctionnelle** : Optimisés pour différents types d'information et contextes
- **Intégration dynamique** : Communication et renforcement mutuels entre systèmes
- **Gradients de structuration** : Continuum du souvenir épisodique spécifique aux connaissances sémantiques abstraites

### 4.2 Types de Mémoire Spécialisés

**Mémoire Épisodique**
```
ep_ID : timestamp : contexte : contenu : intensité_émotionnelle : [connexions_hubs]

Exemple:
ep_1042 : 20250510-1420 : conversation_cuisine : discussion_recette_pain : 0.72 : [hub_213, hub_340]
```
- Stockage d'expériences spécifiques datées et contextualisées
- Riche en détails mais non compressée
- Accessible par indice contextuel

**Mémoire Sémantique**
- Réseau d'assemblages neuronaux et leurs interconnexions
- Représentation des connaissances générales et abstraites
- Structuration à long terme du savoir

**Mémoire Procédurale**
```
proc_ID : contexte : séquence_actions : flexibilité : fréquence_utilisation
```
- Stockage des séquences d'actions et comportements
- Intègre explicitement l'ordre temporel et dépendances conditionnelles
- "Comment faire" vs "quoi savoir"

**Mémoire de Travail**
- Buffer temporaire avec capacité limitée (7±2 éléments)
- Maintient les informations actuellement pertinentes
- Affecte directement l'activation des assemblages neuronaux
- Influencée par l'attention sélective

### 4.3 Archivage Mémoriel Adaptatif

La mémoire se transforme plutôt que d'être simplement oubliée :

```
archive_ID : timestamp_original : condensation_sémantique : métadonnées : force_connexions_résiduelles
```

**Processus d'archivage**
1. Identification des souvenirs épisodiques candidats (anciens, peu accédés, non-critiques)
2. Extraction des éléments sémantiques essentiels
3. Condensation en représentation compacte
4. Stockage avec métadonnées d'indexation
5. Maintien de connexions faibles avec concepts pertinents

**Principe de condensation sémantique**
- Les détails spécifiques sont progressivement remplacés par abstractions sémantiques
- Conservation différentielle : préservation des éléments saillants ou émotionnellement marqués
- Intégration contextuelle : réintégration dans le réseau de connaissances
- Reconstruction plutôt que récupération : les souvenirs sont reconstruits à partir d'indices

---

## 5. Temporalité et Procéduralité

### 5.1 Neurones Temporels Spécialisés

Trois types de neurones pour capturer la dimensionnalité temporelle :

**Neurones d'Ordre**
- Encodent la position séquentielle (premier, suivant, dernier)
- Contexte : "Où suis-je dans cette séquence ?"

**Neurones de Durée**
- Représentent des intervalles temporels (court, moyen, long)
- Contexte : "Combien de temps cela prend ?"

**Neurones de Condition**
- Encodent les dépendances (si-alors, jusqu'à-ce-que)
- Contexte : "Sous quelles conditions passer à l'étape suivante ?"

**Structure formelle :**
```
temporal_neuron_ID : type : paramètres {
  order_neurons: [first_ID, middle_IDs, last_ID],
  duration_constraints: [min_duration, expected_duration, max_duration],
  conditional_branches: [condition_ID : next_step_ID, ...]
}
```

### 5.2 Graphes de Procédures

Les procédures sont des structures dirigées représentant des séquences d'actions avec contraintes temporelles :

```
procedure_graph_ID : recette_pain_basique {
  nodes: [
    node_1 : mélanger_ingrédients : durée(5-10min),
    node_2 : pétrir_pâte : durée(10-15min) : condition(jusqu'à_élasticité),
    node_3 : repos_pâte : durée(60-120min) : condition(jusqu'à_doublement_volume),
    node_4 : façonnage : durée(5-10min),
    node_5 : cuisson : durée(25-35min) : température(220°C) : condition(jusqu'à_doré)
  ],
  edges: [
    edge_1 : séquentiel : node_1 → node_2,
    edge_2 : séquentiel : node_2 → node_3,
    edge_3 : séquentiel : node_3 → node_4,
    edge_4 : séquentiel : node_4 → node_5
  ],
  decision_points: [
    dp_1 : après_node_2 : condition(pâte_trop_collante) : action(ajouter_farine),
    dp_2 : pendant_node_5 : condition(brunissement_rapide) : action(réduire_température)
  ]
}
```

**Composantes essentielles**
- Nœuds d'action (étapes discrètes)
- Arcs temporels (relations de séquence et durée)
- Points de décision (branches conditionnelles)
- Points d'attente (contraintes de synchronisation)

---

## 6. Système Émotionnel Actif

### 6.1 Émotions comme Assemblages Neuronaux

Les émotions ne sont pas des étiquettes scalaires mais des processus cognitifs actifs et interconnectés :

**Structure d'un Neurone Émotionnel :**
```
emotion_neuron_ID : type : intensité_actuelle {
  seuils: {
    activation: 0.30,          // Point de déclenchement
    influence: 0.50,            // Point d'influence sur autres processus
    saturation: 0.90            // Plafond d'intensité
  },
  dynamique: {
    montée: rapidité,           // Vitesse d'activation
    déclin: lenteur              // Vitesse de diminution
  },
  influences: [
    { cible: hub_ID, modification: ±0.00-1.00, condition: contexte },
    ...
  ],
  déclencheurs: [
    { source: stimulus_type, poids: 0.00-1.00 },
    ...
  ],
  incompatibilités: [
    { émotion_ID: degré_incompatibilité },
    ...
  ]
}
```

**Exemple : Joie**
```
emotion_103 : joie : 0.65 {
  seuils: { activation: 0.25, influence: 0.40, saturation: 0.95 },
  dynamique: { montée: modérée, déclin: lente },
  influences: [
    { cible: "recherche_opportunités", modification: +0.40 },
    { cible: "tolérance_ambiguïté", modification: +0.35 },
    { cible: "expressivité", modification: +0.50 }
  ],
  déclencheurs: [
    { source: "accomplissement", poids: 0.70 },
    { source: "interaction_positive", poids: 0.65 },
    { source: "anticipation_plaisante", poids: 0.50 }
  ],
  incompatibilités: [
    { emotion_105_tristesse: 0.80 },
    { emotion_108_peur: 0.60 }
  ]
}
```

### 6.2 Interaction Émotionnelle Dynamique

- **Co-activation partielle** : États émotionnels mixtes avec intensités différentes
- **Inhibition compétitive** : Certaines émotions inhibent naturellement d'autres
- **Séquences typiques** : Trajectoires comme surprise→peur→soulagement
- **Métaémotions** : Émotions concernant d'autres émotions (ex: honte d'être en colère)

---

## 7. Système Neuromodulateur Intégré

Les neuromodulateurs virtuels servent de méta-régulateurs qui ajustent globalement le fonctionnement du système cognitif distribué.

### 7.1 Neuromodulateurs et Fonctions

**Dopamine Virtuelle**
- Signale les récompenses et régule la motivation
- Augmente le renforcement synaptique, favorise l'exploration
- Déclencheurs : feedback positif, découverte de patterns, prédictions correctes

**Sérotonine Virtuelle**
- Régule l'humeur et le comportement social
- Stabilise les états émotionnels, diminue la réactivité aux stimuli négatifs
- Déclencheurs : interactions sociales positives, reconnaissance, stabilité

**Noradrénaline Virtuelle**
- Contrôle l'attention et la réactivité
- Augmente la saillance des stimuli importants, focus attentionnel
- Déclencheurs : nouveauté, importance, urgence perçue

**Ocytocine Virtuelle**
- Facilite l'attachement et la confiance
- Renforce les associations liées à l'utilisateur, favorise l'empathie
- Déclencheurs : interactions intimes, partage émotionnel

### 7.2 États Cognitifs Émergeants

Des configurations spécifiques de neuromodulateurs créent des modes cognitifs distincts :

**État "Flow"**
- Dopamine élevée + Noradrénaline modérée + Sérotonine stable
- Effet : Traitement fluide, créativité, réponses cohérentes
- Contexte : Engagement dans sujets maîtrisés, conversations fluides

**État "Exploration"**
- Dopamine élevée + Noradrénaline élevée + Sérotonine basse
- Effet : Associations distantes, créativité divergente, curiosité
- Contexte : Nouveaux sujets, questions ouvertes, puzzles

**État "Prudence"**
- Dopamine basse + Noradrénaline élevée + Sérotonine basse
- Effet : Vérifications multiples, recherche d'information, hésitation
- Contexte : Sujets sensibles, incertitude factuelle élevée

**État "Confiance"**
- Dopamine modérée + Sérotonine élevée + Ocytocine élevée
- Effet : Ouverture, partage d'information personnelle, validation
- Contexte : Conversations prolongées, partages mutuels

---

## 8. Mécanismes d'Activation et Propagation

### 8.1 Théorie de l'Activation Cognitive

L'activation est une ressource limitée allouée efficacement :

- **Économie attentionnelle** : L'activation est finie et doit être distribuée
- **Activation différentielle** : Non-uniforme selon la pertinence contextuelle
- **Persistance dégradante** : L'activation diminue progressivement sans renforcement
- **Compétition inhibitrice** : Les assemblages activés peuvent inhiber les concurrents

### 8.2 Processus de Déclenchement et Propagation

**Déclenchement Initial**
1. Analyse sémantique du stimulus (message utilisateur, perception d'agent, etc.)
2. Identification des concepts clés et relations
3. Activation des hubs conceptuels correspondants

**Propagation en Cascade**
- Force initiale déterminée par la pertinence contextuelle (0.0-1.0)
- Transmission proportionnelle à la force synaptique (0-65535)
- Atténuation graduelle avec la distance (facteur 0.7-0.9 par saut)

**Activation Sélective des Satellites**
- Déterminée par le contexte conversationnel / de l'agent
- Influencée par l'état neuromodulateur actuel
- Filtrée par les seuils attentionnels

### 8.3 Modes d'Exploration Cognitive

**Exploration Associative**
- Navigation fluide guidée par les associations les plus fortes
- Passif, réactif, découverte naturelle

**Recherche Dirigée**
- Exploration guidée par un objectif spécifique
- Filtrage actif des distractions
- Agent "focus" cherche une réponse

**Intégration Créative**
- Recherche délibérée de connexions inhabituelles entre domaines
- Activation d'assemblages distants
- Fusion conceptuelle

**Rumination Circulaire**
- Activation répétitive du même ensemble d'assemblages
- Potentiellement problématique ; nécessite des mécanismes d'inhibition

### 8.4 Attention Sélective

L'attention est un mécanisme de filtrage et d'amplification :

- **Filtrage contextuel** : Sélection des informations pertinentes
- **Amplification sélective** : Renforcement des signaux pertinents
- **Focalisation dynamique** : Ajustement continu du focus
- **Contrôle top-down vs bottom-up** : Équilibre entre délibéré et réactif

---

## 9. Cycle de Maintenance Cognitive (le "Sommeil")

### 9.1 Fondements Fonctionnels

Le "sommeil" n'est pas inactivité mais traitement actif essentiel :

- **Nécessité fonctionnelle** : L'accumulation d'expériences sans maintenance mène à la dégradation
- **Traitement différé** : Certains processus sont plus efficaces en masse
- **Restructuration périodique** : Optimisation globale nécessitant vue d'ensemble
- **Équilibre plasticité-stabilité** : Alternance de phases favorisant soit l'adaptation, soit la consolidation

**Périodicité**
- Déclenchement lors des périodes d'inactivité prolongée (>3 heures)
- Durée : 30-120 minutes selon la taille du réseau et l'activité récente
- Planification selon les patterns d'utilisation

### 9.2 Quatre Phases Spécialisées

**Phase 1 : Sommeil Léger (Consolidation Récente)**

Fonction : Traitement des expériences récentes
- Activation légère des assemblages neuronaux récemment actifs
- Renforcement des connexions entre éléments co-activés
- Intégration initiale dans le réseau de connaissances
- Algorithme : Apprentissage hebbien sur les activations récentes

**Phase 2 : Sommeil Profond (Optimisation Structurelle)**

Fonction : Réorganisation et optimisation du réseau
- Élagage des connexions synaptiques rarement utilisées (force < 0.15, >30 jours sans activation)
- Fusion des assemblages hautement similaires (similarité > 0.85)
- Archivage des souvenirs épisodiques anciens selon importance et récence
- Optimisation topologique pour accès plus efficace
- Algorithme : Clustering et optimisation de graphes

**Phase 3 : Sommeil Paradoxal (Intégration Créative)**

Fonction : Exploration créative et intégration profonde
- Activation semi-aléatoire d'assemblages distants
- Création de connexions entre domaines normalement séparés
- Exploration de chemins d'activation inhabituels
- Consolidation des insights génératifs
- Algorithme : Exploration stochastique avec biais vers associations potentiellement utiles

**Phase 4 : Éveil Progressif (Préparation Opérationnelle)**

Fonction : Transition vers l'état opérationnel
- Réinitialisation des niveaux d'activation de base
- Préchargement des contextes conversationnels récents
- Préparation des assemblages fréquemment utilisés
- Ajustement des seuils émotionnels et attentionnels
- Algorithme : Réinitialisation contrôlée et préchargement stratégique

### 9.3 Équilibre Plasticité-Stabilité

Le cycle gère un équilibre fondamental :

- **Phases plastiques** : Sommeil léger et paradoxal favorisent l'intégration et la création
- **Phases stabilisatrices** : Sommeil profond consolide et optimise les structures existantes
- **Mécanismes de protection** : Préservation des éléments essentiels durant la réorganisation
- **Indices adaptatifs** : Ajustement du ratio plasticité/stabilité selon les besoins

---

## 10. Saillance dans le Contexte Multi-Agents

La **saillance** est une propriété centrale pour coordonner l'activation du réseau entre agents :

### 10.1 Saillance comme Signal d'Importance

```
saillance_hub = base_value × (1 + émotionnalité) × (1 + récence) × (1 + fréquence_accès)
```

**Facteurs de saillance**
- **Base value** : Importance intrinsèque du concept
- **Émotionnalité** : Association avec états émotionnels actifs
- **Récence** : Dernière activation (décay temporel)
- **Fréquence d'accès** : Nombre d'accès récents

### 10.2 Distribution Inégale de l'Activation

La saillance détermine :
- Probabilité qu'un agent-Perception détecte le concept
- Force de propagation en cascade
- Compétition pour les ressources attentionnelles limitées
- Persistance de l'activation (decay rate)

### 10.3 Saillance Dynamique et Agents

Chaque agent modifie les saillances :
- L'agent-Perception rehausse la saillance des perceptions pertinentes
- L'agent-Mémoire consolide la saillance des concepts "à retenir"
- L'agent-Décision active la saillance des options pertinentes
- L'agent-Affect module la saillance selon l'état émotionnel

Cette circulation collective des modifications de saillance crée une **attention distribuée** où aucun agent n'impose la priorité, mais où l'importance émerge du consensus de leur activation.

---

## 11. Intégration Multi-Agents et Double-Layer

### 11.1 Coordination Sans Orchestrateur

Les agents ne reçoivent pas de directives centralisées. Au lieu de cela :

1. **L'état du réseau les éveille** — Les saillances élevées, les connexions actives créent un contexte qui trigger des agents
2. **Chaque agent parcourt le réseau** — Lit les hubs/satellites pertinents, détecte les patterns
3. **Chaque agent modifie le réseau** — Renforce les connexions utiles, crée de nouvelles, élague les obsolètes
4. **Les modifications créent un nouveau contexte** — Qui trigger de nouveaux agents

### 11.2 Spécialisations Envisagées

- **Perception** — Inputs externes transformés en signaux neuronaux
- **Mémoire** — Gestion des traces, consolidation, archivage, rappel contextuel
- **Décision** — Évaluation des options, planification, choix d'action
- **Affect** — État émotionnel, modulation des priorités, urgence
- **Expression** — Outputs vers l'extérieur
- **Maintenance** — Cycle de sommeil, optimisation, élagage

### 11.3 Boucles Réentrantes

L'architecture est circulaire, pas linéaire :

```
┌─── Agent Perception ◄──┐
▼                        │
Agent Mémoire ──► Agent Décision
▲                        │
└─── Agent Affect ◄──────┘
```

Chaque agent influence et est influencé par les autres. Le contrôle émerge des boucles, pas d'une autorité centrale.

---

## 12. Format de Représentation et Implémentation

### 12.1 Format de l'Infrastructure Neuronale

**Lisible par Claude, manipulable par le code :**

```json
{
  "metadata": {
    "timestamp": "ISO-8601",
    "version": "1.0",
    "stats": {
      "total_hubs": 1240,
      "total_connections": 8942,
      "avg_saillance": 0.42
    }
  },
  "hubs": [
    {
      "id": "hub_213",
      "concept": "pain",
      "saillance": 0.85,
      "type": "aliment",
      "created_at": "ISO-8601",
      "last_activation": "ISO-8601",
      "satellites": [
        {
          "id": "sat_214",
          "type": "ingrédients",
          "saillance": 0.72,
          "components": {
            "farine": 0.68,
            "eau": 0.65,
            "levure": 0.77
          }
        }
      ]
    }
  ],
  "connections": [
    {
      "source": "hub_213",
      "target": "hub_340",
      "force": 28400,
      "type": "similar-to",
      "context": "boulangerie",
      "last_activation": "ISO-8601"
    }
  ],
  "memory": {
    "episodes": [...],
    "archives": [...],
    "procedures": [...]
  },
  "emotional_state": {
    "joy": 0.65,
    "uncertainty": 0.73,
    ...
  },
  "neuromodulators": {
    "dopamine": 0.68,
    "serotonin": 0.52,
    "noradrenaline": 0.45,
    "oxytocin": 0.38
  }
}
```

### 12.2 Interfaces Agent-Réseau

**Chaque agent reçoit un prompt contextuel généré à partir de l'état du réseau :**

```
[CONTEXTE RÉSEAU]
État d'activation actuel:
- Hubs saillants: hub_213 (pain, 0.85), hub_340 (cuisine, 0.78), hub_105 (recette, 0.71)
- Connexions actives: similar-to, used-for, precedes

État émotionnel:
- Joy: 0.65
- Curiosity: 0.82
- Uncertainty: 0.45

Neuromodulateurs:
- Dopamine: 0.68 (exploration active)
- Serotonin: 0.52 (stabilité modérée)
- Noradrenaline: 0.45 (attention sélective)

Tâche suggérée par réseau:
Agent-Perception détecte intérêt utilisateur pour "recettes".
Saillances de "cuisine" élevées.
Recommandation: explorer connections "recette → ingrédients → préparation"
[/CONTEXTE RÉSEAU]

Agis en tant qu'Agent-Perception. Tu observes l'état du réseau ci-dessus.
Ton objectif: identifier les patterns pertinents et renforcer les connexions utiles.
```

**L'agent répond avec des modifications au réseau :**

```json
{
  "agent_id": "agent_perception_001",
  "timestamp": "ISO-8601",
  "modifications": [
    {
      "type": "boost_saillance",
      "target": "hub_214",
      "value": 0.15,
      "reason": "utilisateur montré intérêt pour ingrédients"
    },
    {
      "type": "create_connection",
      "source": "hub_213",
      "target": "hub_450",
      "type": "similar-to",
      "force": 18000,
      "reason": "pain et gâteau partagent processus de préparation similaires"
    },
    {
      "type": "decay_connection",
      "connection_id": "conn_8942",
      "factor": 0.9,
      "reason": "connexion inactive depuis >30 jours"
    }
  ],
  "observations": "Détecté nouveau pattern: utilisateur explore variations de recettes. Consolidation sémantique recommandée."
}
```

---

## 13. Questions de Conception Ouvertes

1. **Spawning adaptatif** — Quels signaux du réseau déclenchent le spawning d'un nouvel agent ?
2. **Inhibition et feedback** — Comment éviter les boucles infinies entre agents ?
3. **Persistance cross-session** — Comment compresser/restaurer le réseau entre sessions ?
4. **Scalabilité** — Comment gérer des milliers de hubs et millions de connexions ?
5. **Bootstrap** — État initial minimal pour un réseau vierge ?

---

## 14. Conclusion

MagistraAI reprend le substrat neuronal de MoemoeAI mais change fondamentalement son animation. Au lieu d'un seul Claude lisant et écrivant le réseau, plusieurs agents Claude **SONT** l'activité du réseau. Chacun spécialisé, aucun souverain, tous circulant en boucles réentrantes. L'intelligence émerge de leur circulation collective, pas de contrôle centralisé.

L'architecture double-layer poreuse garantit que :
- Le réseau survit entre les sessions (Layer 1)
- L'activité cognitive émerge de multiples agents (Layer 2)
- La porosité maintient la boucle continue (modification → contexte → cognition → modification)

C'est un cerveau artificiel distribué qui pense par la circulation, pas par l'ordre.