Classification des machines computationnelles Positionnement de l’ASH (Analyseur spectral à géométrie harmonique) Patrice Portemann NOETIC INDUSTRIES Juin 2026 Abstract Depuis les travaux fondateurs de Turing et von Neumann, plusieurs paradigmes de calcul ont émergé : machines à états finis, automates cellulaires, réseaux de neurones, ordinateurs quantiques. Chaque modèle se distingue par sa complexité temporelle, son organisation mémoire, sa capacité d’apprentissage et son domaine de prédilection. Cet article propose une classification unifiée selon trois axes : (1) la nature du flux (séquentiel / parallèle / spectral), (2) la dépendance à l’apprentissage, (3) la capacité à extraire des invariants topologiques. Nous y positionnons l’ASH (Analyseur spectral à géométrie harmonique) comme une nouvelle classe de machine computationnelle : le solveur spectral à invariance de forme, de complexité O(1) par fenêtre, sans apprentissage, et doté d’une interprétabilité géométrique. 1 Introduction La théorie de la calculabilité a longtemps été dominée par la machine de Turing et son équivalent, le modèle de von Neumann. […]