Résumé Technique : Fonctions de Densité Causale

Énoncé du Problème

L'inférence causale se concentre traditionnellement sur la comparaison de distributions entières après une « chirurgie de graphe » (par exemple, la suppression d'arêtes) ou sur l'estimation de mesures de force causale globale comme la divergence de Kullback-Leibler (KL) entre les modèles observationnels et interventionnels. Bien que ces approches soient efficaces pour les comparaisons globales, elles manquent souvent d'un objet local et différentiable qui décrit comment la masse de probabilité est transportée d'un régime observationnel vers un régime interventionnel au niveau ponctuel. De plus, les méthodes existantes reposent souvent sur des opérations de graphes discrètes ou des objectifs d'optimisation globale qui peuvent ne pas être compatibles avec des interventions douces et continues ou avec l'apprentissage basé sur le gradient dans des contextes complexes à multiples régimes.

L'article pose que la question analytique fondamentale en inférence causale est : Quel est l'objet de type densité qui transporte la masse de probabilité observationnelle vers la masse de probabilité interventionnelle ?

Méthodologie : Fonctions de Densité Causale et Calcul Kan–Do

La proposition centrale est la définition des Fonctions de Densité Causale, qui sont des dérivées de Radon–Nikodym (RN) comparant les lois interventionnelles aux lois observationnelles.

1. Définition et Calibrage

Pour une intervention sur une variable $X_i$, la fonction de densité causale $\rho_i(z)$ est définie comme :
$$\rho_i(z) = \frac{dP_{do(X_i)}}{dP_{obs}}(z)$$
à condition que la loi interventionnelle $P_{do(X_i)}$ soit absolument continue par rapport à la loi observationnelle $P_{obs}$.

Cette définition produit une identité de calibrage fondamentale (l'« identité de calibrage RN ») :
$$E_{do(X_i)}[f(Y)] = E_{obs}[f(Y)\rho_i(Z)]$$
Cette identité sert à la fois de définition théorique et de diagnostic empirique. Si un ratio de densité estimé $\hat{\rho}$ est correct, le repondérage des espérances observationnelles par $\hat{\rho}$ doit reproduire les espérances interventionnelles.

2. Sémantique Catégorique (Calcul Kan–Do)

L'article fournit un fondement catégorique à ces concepts en utilisant les extensions de Kan :

• Le conditionnement est caractérisé comme une extension de Kan à droite (une opération conservatrice, préservant les limites).
• L'intervention est caractérisée comme une extension de Kan à gauche (une opération générative, de type colimite, de type pushforward).
• La dérivée de Radon–Nikodym émerge comme la transformation naturelle unique médiatisant le triplet adjoint de ces extensions.

Ce cadre, nommé Calcul Kan–Do, unifie le conditionnement et l'intervention en tant qu'opérations universelles compatibles. Il généralise le « Judo Calculus » en incorporant explicitement les dérivées de densité de Radon–Nikodym et en établissant une dualité où la densité RN est le différentiel canonique entre les mesures observationnelles et interventionnelles.

3. Estimation et Score

Les auteurs proposent un pipeline pratique pour estimer ces densités et utiliser ces informations pour la découverte causale :

• Estimation de Densité : Utiliser des flux de normalisation (normalizing flows) ou des modèles de ratio de densité pour estimer $P_{obs}$ et $P_{do(X_i)}$ sur un support partagé, puis calculer $\hat{\rho}(z) = \exp(\log \hat{p}_{do}(z) - \log \hat{p}_{obs}(z))$.
• Calibrage : Valider les estimations en mesurant l'écart de moment $\Delta_f = |E_{obs}[f(Z)\hat{\rho}(Z)] - E_{do}[f(Z)]|$. Des écarts importants indiquent un faible chevauchement de régime ou un échec d'estimation.
• Courbes Do (Do-curves) : Estimer les courbes de réponse $x \mapsto E[Y | do(X_i=x)]$ en repondérant les échantillons observationnels.
• Score d'Arête Dirigée : Un score par paire $s_{ij}$ est défini pour classer les candidats de causes $X_i \to X_j$ par la variance résiduelle de $X_j$ après pondération par $\rho_i$ :
  $$s_{ij} = E_{obs}\left[ \frac{\hat{\rho}_i(Z)(X_j - \hat{E}[X_j|X_i])^2}{\text{Var}(X_j)} \right]$$
  Des scores plus bas indiquent un soutien causal plus fort.
• Cohérence de Faisceau (Sheaf Coherence) : Pour gérer plusieurs régimes, la méthode incorpore une pénalité de stabilité basée sur la divergence de moyenne maximale (MMD) à travers les environnements, garantissant que la structure estimée est cohérente à travers différents régimes de perturbation.

Contributions Clés

1. Définition des Fonctions de Densité Causale : L'article définit les effets causaux localement via des ratios RN ($\frac{dP_{do}}{dP_{obs}}$), les distinguant des mesures de force causale globale basées sur la suppression de graphes ou la divergence de distribution entière.
2. Estimateurs pour le Calibrage et le Scoring : Les auteurs dérivent des estimateurs pratiques pour le calibrage de la densité causale, les courbes Do et les scores d'arêtes dirigées, en soulignant que l'estimand primaire est le ratio de densité lui-même, et non seulement un graphe en aval.
3. Sémantique RN–Kan : L'article fournit une sémantique catégorique compacte expliquant la connexion entre le conditionnement, l'intervention et le changement de mesure via les extensions de Kan, sans faire de la théorie des catégories la seule revendication empirique.
4. Évaluation Empirique : Le cadre est évalué sur des systèmes synthétiques avec vérité terrain connue et des jeux de données de perturbations réelles (signalisation protéique de Sachs, LINCS, PISA), analysant à la fois les succès de récupération et les modes d'échec sous un faible chevauchement de régime.

Résultats Expérimentaux

L'article évalue les estimateurs à travers plusieurs domaines :

• Systèmes Gaussiens Synthétiques : Les estimations de densité causale sont presque exactes, avec des écarts de calibrage RN proches de zéro ($\approx 0,001$), confirmant la compatibilité théorique du changement de mesure et des extensions de Kan.
• Signalisation Protéique Sachs (S9) : La méthode récupère des directions biologiquement significatives (ex: PKC→P38, Raf→MEK) avec de faibles erreurs de calibrage ($\approx 0,01$). Bien que le scoreur par paire seul produise un graphe dense (SHD=30), l'ajout de pénalités de cohérence de faisceau et de régression multivariée améliore la structure (SHD=16).
• Panneau LINCS L1000 : Dans ce contexte biologique hautement perturbé, les écarts de calibrage augmentent ($\approx 0,12$), reflétant une forte hétérogénéité de régime. Cependant, la méthode identifie toujours des gènes moteurs clairs et stables (ex: HSPA8→CDC25B) et produit des courbes Do lisses.
• Données Socio-Économiques PISA 2022 : Utilisé comme test de résistance pour les régimes trans-pays. Bien que des structures socio-économiques plausibles soient récupérées, la méthode présente de grands écarts de calibrage ($\Delta \approx 4,0$) dus à l'extrême hétérogénéité entre pays, démontifiant le mode d'échec prévu lorsque le chevauchement des régimes est faible.
• Chaîne à Multi-Régimes : Dans une chaîne synthétique $X_1 \to \dots \to X_8$ avec des interventions douces, le champ de densité identifie correctement les bandes directionnelles, bien que la sélection des parents reste un facteur limitant pour une récupération parfaite du graphe (SHD=8, F1=0,33).

Signification et Revendications

L'article affirme que les fonctions de densité causale offrent une alternative plus granulaire, différentiable et localement interprétable aux mesures de force causale globale. En formulant les interventions comme des extensions de Kan à gauche et le conditionnement comme des extensions de Kan à droite, ce travail fournit une sémantique mathématique universelle pour l'inférence causale qui accepte naturellement les interventions douces et les paramètres continus.

Les auteurs soulignent que l'identité de calibrage est le diagnostic le plus critique : elle permet aux chercheurs de vérifier si un ratio de densité estimé transporte réellement les espérances observationnelles vers les espérances interventionnelles. L'article note modestement que si le scoreur d'arêtes par paire n'est pas encore compétitif avec les méthodes matures d'optimisation de graphes comme NOTEARS ou DCDI pour la pure récupération de structure, la contribution principale est l'estimation et le calibrage de la densité causale elle-même. Le cadre est présenté comme une étape vers une découverte causale à multiples régimes et scalable, où les ratios de densité locaux sont collés ensemble via la cohérence de faisceau pour former des modèles causaux globalement cohérents.

Le travail ne prétend pas résoudre tous les problèmes de découverte causale, mais souligne plutôt que la méthode est la plus fiable sous un bon chevauchement de régime et se dégrade de manière prévisible à mesure que la divergence entre les régimes croît, un comportement explicitement capturé par les écarts de calibrage RN.