Vos contraintes. De meilleures décisions.

Le solveur exact tombait d'office : la non-linéarité interdisait la linéarisation, et une dépendance externe type CPLEX/Gurobi était proscrite. J'ai écrit un GRASP + Tabu + VNS anytime, à pool alpha adaptatif et escalade de voisinages, front de Pareto pondéré Chebyshev. Les taux endogènes passent par une itération de Picard sous-relaxée, tenue hors de la boucle de recherche.

Je mesure et trace la vitesse. La qualité des solutions, je l'affirme préservée, je ne la chiffre pas encore.

CP-SAT (OR-Tools), un solveur de contraintes industriel, appelé depuis la route applicative. Linéarisation propre du max, objectif secondaire lexicographique (multiplicateur 10⁷, int64-safe) pour un tie-break déterministe inter-runs, cache de résultat par signature d’entrée.

Verdict que j'assume, audit externe à l'appui : le solveur est propre, c'est le modèle sous-jacent qui borne la précision réelle. Nommer la limite du proxy compte plus que le solveur lui-même.

Modèle à zéro paramètre libre, coordonnées figées depuis la littérature, seuls trois poids de distance calibrés. Cross-validation sur un corpus, held-out sur un second, jamais de réglage sur le jeu de test. Signal recoupé sur trois mesures d'association indépendantes (PMI, NPMI, LMI) et deux null models.

Corrélation forte avec la co-occurrence réelle, null model p = 0,001. La validation comme mesure empathique au sens psychologique (ratings humains) reste à mener, et c'est écrit dans la doc du modèle.