Présentation du modèle

Le dépôt GraafHenk/numberwang propose un réseau neuronal de 1,8 Mo stocké sous forme de fichier model.json. L’inférence s’effectue avec un script Python d’environ 100 lignes qui n’utilise que la bibliothèque standard, aucune dépendance externe comme PyTorch ou NumPy. Le modèle accepte des entrées numériques sous forme de chiffres, de mots (ex. « zweiundzwanzig », « veintidós ») et même d’expressions arithmétiques simples, dans onze langues différentes. L’utilisation se résume à deux commandes : 

git clone https://github.com/GraafHenk/numberwang
cd numberwang
python3 numberwang.py 22
Le script renvoie le verdict (« THAT'S NUMBERWANG! », « That's Wangernumb! », etc.) accompagné d’un score de confiance.

Architecture et fonctionnement

Le réseau lit les caractères bruts : chaque caractère est projeté dans un espace d’embedding de 32 dimensions, puis deux couches convolutives 1‑D de 128 filtres (kernel = 3) avec fonctions d’activation ReLU. Après un max‑pooling global, une couche linéaire de 128 neurones et une seconde ReLU précèdent la couche de sortie à quatre neurones suivie d’un softmax. Au total, le modèle comporte 80 804 paramètres, entièrement encodés dans le JSON. L’absence de tokenizer ou de normalisation signifie que toutes les règles de reconnaissance (chiffres, opérateurs, mots‑clés linguistiques) sont intégrées dans les poids, ce qui explique la capacité du modèle à gérer des entrées comme « 45 - 44 » ou « £5 » sans logique supplémentaire.

Performances et limites

Sur un jeu de test de 486 adjudications, le modèle atteint une précision globale de 88,9 % (macro‑F1 = 0,896). Les scores par classe sont : Not Numberwang (F1 = 0,851), Numberwang (F1 = 0,910), Not a number (F1 = 0,886) et Wangernumb (F1 = 0,937). La faiblesse principale réside dans le traitement d’expressions arithmétiques inédites : la précision chute à 44‑72 % selon la complexité, le réseau mémorisant les exemples vus plutôt que calculant réellement. Pour des calculs fiables, il est recommandé d’évaluer l’expression au préalable et de fournir le résultat numérique au modèle. Le projet est sous licence MIT et ne garantit aucune validité juridique du verdict.