Données et code de cryptanalyse computationnelle du cryptogramme de D'Agapeyeff (1939)

Ce dépôt contient les données brutes et le code source sous-jacents à une tentative de cryptanalyse computationnelle du cryptogramme-défi de 196 symboles publié par Alexander D'Agapeyeff en 1939, à la fin de la première édition de son ouvrage Codes and Ciphers (Oxford University Press). Ce cryptogramme n'a jamais été résolu. Ce jeu de données est le complément d'un rapport de recherche complet (méthodologie, résultats, discussion) documentant l'intégralité de la démarche ; il fournit tout ce qui est nécessaire pour vérifier, reproduire, ou poursuivre la recherche. Le dépôt est organisé en quatre parties : le code Python de recherche (un script par hypothèse linguistique et par famille de chiffrement), les corpus d'entraînement et les modèles de langage qui en sont dérivés, les résultats bruts de chaque recherche effectuée (compressés, plusieurs millions de combinaisons journalisées), et l'état exact de couverture de chaque recherche au moment de son arrêt. Un manifeste détaillé de chaque fichier, sa provenance, et le format exact des résultats sont donnés dans le README qui accompagne le dépôt. Quatre familles de chiffrement classiques (substitution, transposition columnaire, grille de Fleissner, double transposition) et un chiffrement Four-square par digrammes ont été testés systématiquement sous trois hypothèses linguistiques (anglais, français, hébreu translittéré), à l'aide d'un modèle de langage quadrigramme calibré et d'un recuit simulé. Chaque résultat a été confronté à une calibration par ligne de base nulle (la même recherche exécutée sur une version du cryptogramme mélangée aléatoirement, à volume d'essais égal) afin de distinguer un signal réel d'un artefact statistique produit par le test d'un très grand nombre de combinaisons. À la clôture du projet, les méthodes A à D ont atteint une couverture garantie de 100 % sur deux balayages systématiques indépendants (run principal et calibration nulle), sans qu'aucun signal statistiquement distinguable du bruit ne soit détecté. Le chiffrement Four-square a été couvert à 20,9 % de son espace de recherche avant la clôture du projet, faute de ressources de calcul supplémentaires, sans qu'un signal n'y apparaisse non plus. Ce jeu de données documente donc un résultat négatif rigoureux, publié pour la transparence et pour permettre à la recherche d'être reprise exactement là où elle s'est arrêtée. Les résultats bruts sous-jacents atteignent plusieurs gigaoctets et dépassent les limites de soumission d'arXiv, d'où leur publication ici plutôt qu'en matériel supplémentaire du rapport. Le code et les données sont publiés sous licence CC BY 4.0. Le rapport de recherche compagnon est en train d'être soumis à arXiv, mais déjà disponible sur Zenodo, lié à ce jeu de données. Une version anglaise de ce jeu de données et du rapport est publiée séparément sur Zenodo.