Agrégation global / entités

Le score global expert n’est pas une moyenne mécanique des entités.

Pour les périodes P1 :

1. score global expert ;
2. profils d’entités pondérées ;
3. agrégation pondérée ;
4. analyse des divergences ;
5. audit.

Divergence

Écart	Statut
0-5	coherent
6-12	acceptable_divergence
13-20	review_needed
>20	strong_divergence

Découplage des couches et statut de la synthèse

Les trois couches — strategic_reality, political_doctrine, academic_influence — mesurent des dimensions non commensurables : la réalité stratégique est une lecture rétrospective, la doctrine est ce qui était assumé à l'époque, l'influence académique est la diffusion savante. Les additionner en un seul nombre relève d'une convention, pas d'une mesure.

En conséquence :

• chaque couche est normalisée séparément (scores_normalized.json) et affichée pour elle-même ; c'est la vue par défaut ;
• la synthèse pondérée (scores_synthesis_normalized.json, défaut 60 / 25 / 15) est un construit dérivé, jamais présenté comme une vérité unique ;
• l'incertitude d'agrégation est explicitée : scores_synthesis_sensitivity.json recalcule la synthèse sous chacun des profils de weight_profiles.json et expose min / max / spread. Un écart large = un chiffre agrégé peu robuste.

Ces artefacts sont générés par scripts/compute_scores.py à partir des scores bruts, eux-mêmes dérivés des critères canoniques (aucune valeur de synthèse n'est stockée comme source canonique).