From 25418f164f85f1a59e61dd6e5c8d874df08b6b67 Mon Sep 17 00:00:00 2001
From: ctan <ctan@home.fr>
Date: Mon, 21 Sep 2026 12:15:16 +0200
Subject: [PATCH] docs(phase2): record the executed spike (measurements + first
 danger map)

Measures: observation 64 KB (~16k tokens) for 7 combatants / 22 KB for a 2v2;
124 policy calls per battle, i.e. 124k calls per 1000-run sweep cell -> a
per-turn LLM in a sweep is infeasible (D9 validated) and a compact view is
mandatory. Danger map (default vs focus-fire monsters, 100 runs): the default
policy understates danger (PC deaths 13%->24% and 0%->19%, TPK 0%->2%) and the
win rate alone misleads (rises to 98% while deaths rise) -> D12/D13 validated.
Notes the spike limits and the remaining P0.2-P0.5 items.
---
 docs/phase-2-llm-architecture.md | 47 ++++++++++++++++++++++++++++++++
 1 file changed, 47 insertions(+)

diff --git a/docs/phase-2-llm-architecture.md b/docs/phase-2-llm-architecture.md
index 45a20b7..a9d38f2 100644
--- a/docs/phase-2-llm-architecture.md
+++ b/docs/phase-2-llm-architecture.md
@@ -286,3 +286,50 @@ un coin :
 - Le détachement final devra fournir un **jeu de données d'exemple** et une
   documentation de configuration (chemins) pour que le dépôt code reste utilisable
   seul.
+
+## 16. Résultats du spike (exécuté)
+
+**Livré** : D1 (`LLMPolicy(Observation)` + `LegacyLLMPolicy`), `schema_version`
+pinné, `objectives.py`, `run_encounter(..., collect_runs=True)`, une politique
+de monstres **focus fire** (spike) et une **carte de danger** de démonstration.
+
+### Mesures (décision d'architecture)
+
+| Mesure | Valeur |
+|---|---|
+| Observation, 7 combattants | **64 Ko ≈ 16 000 tokens** (max 67 Ko) |
+| Observation, duel 2v2 | 22 Ko ≈ 5 500 tokens |
+| Appels de politique / combat | **124** (7 combattants), 12 (duel) |
+| Appels par cellule de sweep (1 000 runs) | **124 000** |
+
+→ **Conclusion 1** : un LLM **par tour** en sweep est infaisable (~2 milliards de
+tokens par cellule) — **D9 validé**, et la **vue compacte est obligatoire**
+(cible ~2-4 k tokens, contre 16 k pour le snapshot brut).
+
+### Carte de danger (RUNS=100, seed=11)
+
+| Scénario | Monstres | Victoire PJ | Survivent | TPK | ≥1 mort | PV perdus | Rounds |
+|---|---|---|---|---|---|---|---|
+| warband 4v4 | défaut | 90,0 % | 87,0 % | 0,0 % | 13,0 % | 66,1 | 12,3 |
+| warband 4v4 | focus fire | 98,0 % | 76,0 % | 0,0 % | **24,0 %** | 45,0 | 9,6 |
+| liche 2v2 | défaut | 0,0 % | 100,0 % | 0,0 % | 0,0 % | 44,0 | 3,7 |
+| liche 2v2 | focus fire | 0,0 % | 81,0 % | **2,0 %** | **19,0 %** | 44,0 | 5,8 |
+
+→ **Conclusion 2** : mesuré contre la politique par défaut, le danger est
+**sous-estimé** (morts 13 %→24 % et 0 %→19 %, TPK 0 %→2 %) — **D12 validé**.
+→ **Conclusion 3** : le **taux de victoire trompe** (il monte à 98 % pendant que
+les morts augmentent) → les métriques de mort/PV/**queue** sont nécessaires —
+**D13 validé**.
+
+**Limites du spike** : n=100 (bandes larges ±9 %), adversaire de niveau spike
+(focus fire seulement, sans positionnement ni sorts), 2 scénarios. La
+cartographie réelle (P4) demandera plus de runs, un adversaire complet
+(`AdversarySpec`) et un balayage de `ScenarioSpec`.
+
+### État du plan
+
+- **P0.0 (D1)** ✅, **P0.1 (`schema_version`)** ✅, mesures ✅, `objectives.py` ✅,
+  `collect_runs` ✅.
+- Restent : **P0.2** (vue compacte), **P0.3** (`candidates`), **P0.4** (`llm_policy`
+  sur le runner + `policy_factory`), **P0.5** (replay `call_seq`) → puis P1 (client
+  + politiques), P3 (optimiseur), P4 (cartographie complète), P5 (fournisseur + rapport).