- Ddéfinition exacte
- Mmesures reproductibles
Ce que cela montre
un signal local mesurable, à éprouver contre des modèles nuls.
Ce que cela ne prouve pas
aucune loi globale.
La définition même d’un relief : l’écart entre une fréquence observée sur les classes et la fréquence uniforme attendue. Un signal à regarder, non une preuve.
Statut épistémique — composite (D · M · O)
Ddéfinition exacte et bien posée de l’écart r_X(q) = μ_X − u_q sur un ensemble fini de classes
Mvaleurs du relief mesurées sur données réelles, reproductibles (seeds, hash documentés)
Ol’interprétation d’un relief non nul comme indice d’une structure profonde reste ouverte
Ce que cela montre
une grandeur bien définie qui localise les écarts à l’uniformité — un endroit où « il y a quelque chose à regarder ».
Ce que cela ne prouve pas
un relief signale, il n’explique pas : un écart mesuré n’est ni une loi, ni une preuve d’une cause structurelle.
Risque de mauvaise lecture — prendre un relief (un écart mesuré) pour un théorème. Le relief est un indicateur : il oriente le regard vers une famille ou un module, mais sa seule existence ne démontre aucune propriété des premiers.
Régime · expérimental
[D] Démontré
La définition d’un relief
Pour une classe (ou famille) X parmi les classes admissibles d’un module q, on compare deux quantités : la fréquence effectivement observée des premiers dans X, notée μ_X, et la fréquence uniforme attendue u_q (la même part pour chaque classe, soit 1 divisé par le nombre de classes). Le relief est leur écart :
r_X(q) = μ_X − u_q
μ_X : part observée des premiers tombant dans la classe X
u_q : part uniforme attendue = 1 / (nombre de classes admissibles mod q)
(pour q = 30 : u₃₀ = 1/8)
Cette définition est exacte et bien posée : pour des données finies, r_X(q) se calcule sans ambiguïté. Un relief positif signale une classe « sur-représentée » par rapport à l’uniforme, un relief négatif une classe « sous-représentée ». La notation complète d’un relief inclut son signe, son amplitude, et le module concerné — ce qui en fait un objet manipulable et classable.
Ce que ce bloc montre
- une grandeur exactement définie
- une mesure d’écart à l’uniformité par classe
- un objet calculable et classable
Ce que ce bloc ne prouve pas
- aucune cause de l’écart observé
- aucune loi de distribution
- aucune propriété asymptotique
[M] Mesuré
Des reliefs observés, reproductibles
Sur des plages finies de premiers, les reliefs r_X(q) prennent des valeurs mesurables et stables d’une exécution à l’autre, pourvu que le protocole soit fixé (graine aléatoire, seuil ex ante, empreinte de calcul publiée). Ces mesures révèlent des écarts à l’uniformité — par exemple des biais bien connus en théorie des nombres (biais de Chebyshev) — qui apparaissent comme des reliefs non nuls dans certaines classes.
La valeur d’un relief est reproductible : un tiers, rejouant le calcul avec le même protocole, retrouve la même valeur. Mais reproductible ne veut pas dire démonstratif : la mesure constate, elle ne prouve pas.
Ce que ce bloc montre
- des écarts mesurés, reproductibles
- la trace numérique de biais connus
- un protocole fixé (seed, seuil, hash)
Ce que ce bloc ne prouve pas
- aucune nécessité mathématique de l’écart
- aucune loi globale
- aucune preuve par accumulation de mesures
[O] Ouvert / retenue
Un signal n’est pas une explication
Qu’un relief soit non nul indique un écart à l’uniformité — mais la cause de cet écart, sa persistance asymptotique, et son éventuelle signification structurelle restent des questions ouvertes, qui relèvent de la théorie analytique des nombres. Le relief est le point de départ d’une enquête, pas sa conclusion. C’est exactement la discipline du programme : mesurer sans surdire, et ne jamais transformer une trace en preuve.
Ce que ce bloc montre
- la frontière entre signal et explication
- l’entrée vers les questions de distribution
Ce que ce bloc ne prouve pas
- aucune cause établie d’un relief
- aucune persistance asymptotique démontrée
- aucune percée globale