Sur cette page
La difficulté d’un Sudoku n’est pas une propriété aussi simple que son nombre de solutions.
Pour un puzzle unique, le solution count vaut exactement 1. Pour la difficulté, il n’existe pas de mesure officielle universelle : deux applications peuvent analyser le même Sudoku et produire des labels différents sans qu’une des deux soit nécessairement « fausse ».
Un bon rating commence par un modèle explicite de résolution humaine puis mesure plusieurs dimensions du chemin obtenu.
La difficulté n’est pas simplement le nombre d’indices
Un puzzle avec peu d’indices n’est pas automatiquement difficile, et un puzzle avec beaucoup d’indices n’est pas automatiquement facile.
Les indices déterminent l’information initiale, mais la difficulté dépend surtout de la manière dont cette information se combine. Deux puzzles à 28 indices peuvent demander des techniques totalement différentes.
Le clue count peut rester une feature secondaire, jamais une échelle complète à lui seul. Même la distribution spatiale des indices peut être plus informative que leur simple quantité, car elle influence quels candidats et quelles unités deviennent contraints au début de la résolution.
La difficulté commence par un modèle de résolution
Avant d’attribuer un score, il faut décider quelles techniques le solveur connaît et comment il choisit ses coups.
Un modèle débutant peut s’arrêter aux Singles et Locked Candidates. Un modèle expert peut inclure Fish, Wings, Coloring, AIC, ALS et Forcing Chains.
Si le solveur change, le chemin mesuré change. La difficulté est donc toujours relative à un modèle de résolution défini.
Les chemins de résolution human-style sont plus informatifs
Un solveur complet par backtracking peut terminer presque n’importe quel Sudoku classique valide très rapidement. Son nombre de branches n’est toutefois pas nécessairement représentatif de l’expérience d’un humain.
Un solveur human-style produit une séquence d’étapes nommables. Cette séquence permet de mesurer : technique requise, nombre d’étapes, dépendances, options disponibles et effort de reconnaissance.
C’est une base beaucoup plus proche d’un rating destiné aux joueurs.
Facteur 1 — Technique la plus difficile requise
Une première métrique consiste à identifier la technique la plus avancée dont le puzzle a réellement besoin selon la politique du solveur.
Si tous les progrès peuvent être obtenus avec Singles, le puzzle appartient probablement à une bande basse. S’il faut une XY-Chain ou une AIC, il peut appartenir à une bande plus élevée.
Cette métrique est utile parce qu’elle fournit un plafond pédagogique compréhensible. Elle permet aussi de filtrer un catalogue : une collection destinée aux joueurs intermédiaires peut rejeter automatiquement tout puzzle nécessitant une technique hors programme, même si son score global serait autrement acceptable.
La technique la plus difficile est utile, mais insuffisante
Deux puzzles peuvent nécessiter exactement la même technique maximale tout en donnant des expériences très différentes.
Puzzle A
Il contient une seule occurrence claire d’X-Wing, puis revient immédiatement à des Singles. Le motif est facile à repérer et le reste du chemin est court.
Puzzle B
Il contient plusieurs faux motifs, demande beaucoup de préparation avant un X-Wing peu visible, puis enchaîne encore plusieurs étapes intermédiaires.
Les deux ont « X-Wing » comme technique maximale, mais leur effort global diffère fortement.
Facteur 2 — Travail total de résolution
On peut compter ou pondérer les étapes du chemin. Dix Singles n’ont pas le même coût que dix chaînes avancées, mais la quantité de travail reste pertinente.
Un score peut attribuer un coût de base à chaque technique puis additionner les étapes, éventuellement en tenant compte du nombre de candidats inspectés ou des éliminations obtenues.
Le total capture la longueur de l’expérience, pas seulement son point le plus difficile. Certains systèmes normalisent aussi les étapes répétitives pour éviter qu’une longue série de Singles évidents pèse autant qu’une succession de déductions réellement exigeantes.
Facteur 3 — Dépendance entre les étapes
Certaines grilles offrent plusieurs coups indépendants. D’autres forcent un chemin étroit où chaque déduction dépend de la précédente.
Une grande profondeur de dépendance peut rendre la résolution plus fragile : si le joueur ne voit pas un mouvement précis, tout le progrès s’arrête.
Les goulots d’étranglement comptent
Un puzzle peut être globalement simple mais contenir une seule position où le prochain coup est très difficile à trouver.
Ce bottleneck influence fortement la perception de difficulté. Le temps total peut être dominé par une étape unique plutôt que par la complexité moyenne du puzzle.
Un bon analyseur peut donc enregistrer les états où le nombre de mouvements productifs est très faible et où la reconnaissance demandée est élevée. Il peut également mesurer combien d’étapes simples doivent être jouées avant d’atteindre le goulot, car une impasse tardive après beaucoup de progrès n’est pas vécue comme une impasse immédiate.
Facteur 4 — Charge de reconnaissance
Une technique peut être logique mais visuellement coûteuse à détecter.
Un Naked Pair évident dans une unité compacte est plus facile à reconnaître qu’une longue X-Chain dispersée. Même à l’intérieur d’une même technique, la taille du motif, la densité de candidats et le nombre de faux positifs possibles modifient l’effort.
La reconnaissance est difficile à modéliser parfaitement, mais elle explique beaucoup de divergences entre ratings naïfs et expérience réelle. Des données de hints ou de temps passé par position peuvent offrir un signal indirect : si des milliers de joueurs demandent de l’aide au même état, le modèle a probablement sous-estimé sa charge de reconnaissance.
Facteur 5 — Quel coup l’analyseur choisit
Quand plusieurs mouvements existent, le choix du solveur influence le chemin futur.
Une politique « technique la plus simple d’abord » peut trouver un parcours long mais pédagogique. Une politique « élimination maximale » peut prendre un raccourci plus avancé et faire monter artificiellement la technique maximale.
Le rating doit donc versionner et stabiliser la politique de choix, sinon le même puzzle peut changer de score sans que sa grille ait changé. Pour comparer des scores historiques, il faut savoir non seulement quelle formule a été utilisée, mais aussi quel chemin le solveur était capable de produire à cette version.
Techniques nécessaires vs techniques simplement visibles
Un motif avancé peut être présent dans une position sans être nécessaire à la résolution.
Par exemple, un X-Wing peut être visible alors qu’un Hidden Single ailleurs résout la structure avant qu’on ait besoin de l’utiliser.
Pour le rating, il est généralement plus utile de mesurer les techniques requises par le chemin choisi que toutes les techniques théoriquement disponibles sur chaque état.
Facteur 6 — Nombre d’options productives
La largeur du choix influence aussi la sensation de difficulté.
État de grille ouvert
Plusieurs Singles, Locked Candidates ou sous-ensembles sont disponibles. Le joueur peut progresser même s’il ne voit pas immédiatement le meilleur coup.
État de grille étroit
Une seule déduction productive existe. Si elle est difficile à reconnaître, le joueur se sent « bloqué ».
Cette différence peut être mesurée comme branching human-style ou nombre de mouvements admissibles par état.
Des caractéristiques au score
Un système peut combiner plusieurs features dans un score continu, par exemple :
score =
coût des techniques
+ effort total
+ profondeur des dépendances
+ pénalité de goulot d’étranglement
+ charge de reconnaissance estiméeLes poids dépendent du produit et doivent être calibrés. L’objectif n’est pas de prétendre à une formule universelle, mais de construire une métrique stable et explicable. Une architecture saine conserve les features brutes afin de pouvoir recalibrer les poids plus tard sans perdre l’analyse originale du puzzle.
Du score continu aux labels
Après calcul, des seuils transforment le score en catégories : Facile, Moyen, Difficile, Expert, ou une échelle numérique plus fine.
Deux versions d’une application peuvent conserver le score brut mais ajuster les seuils si la distribution du catalogue ou les attentes des joueurs changent.
Le label est donc une présentation du score, pas nécessairement la donnée fondamentale.
Pourquoi deux applications Sudoku peuvent ne pas être d’accord
Elles peuvent différer sur :
- les techniques reconnues ;
- leur ordre de priorité ;
- le coût attribué aux techniques ;
- la manière de traiter les alternatives ;
- les seuils de labels ;
- le public cible.
Une grille « Difficile » dans une app grand public peut être « Moyen » dans une app orientée experts.
Les données humaines peuvent calibrer le modèle
Les temps de résolution, taux d’abandon, demandes d’indice, erreurs et taux de réussite peuvent aider à relier le score algorithmique à l’expérience réelle.
Un modèle peut apprendre que certains motifs sont systématiquement plus difficiles à reconnaître que prévu, ou que certains seuils classent trop de puzzles dans une même catégorie.
Les données doivent toutefois être agrégées et interprétées avec prudence : le niveau des joueurs varie énormément.
Le niveau du joueur doit être séparé de la difficulté du puzzle
Un débutant peut trouver très difficile un puzzle qui ne demande que Locked Candidates. Un expert peut le terminer rapidement.
Cela ne signifie pas que le puzzle possède deux difficultés intrinsèques contradictoires. Cela signifie que performance du joueur et caractéristiques du puzzle sont des variables distinctes.
Un produit peut conserver un rating de puzzle stable tout en personnalisant les recommandations selon le joueur.
Difficulté du puzzle et difficulté personnelle sont différentes
La difficulté du puzzle décrit ce que le modèle estime nécessaire pour le résoudre. La difficulté personnelle décrit comment un individu donné réagit à ce puzzle.
Ces deux notions peuvent se rencontrer dans une expérience adaptative : « ce puzzle est classé Moyen globalement, mais il est difficile pour vous car vous maîtrisez encore mal Hidden Pairs ».
Cette séparation évite de déformer le catalogue pour refléter chaque utilisateur individuellement.
Difficulté de la technique et difficulté de reconnaissance sont différentes
Une technique peut être conceptuellement simple mais difficile à repérer dans une grille chargée. À l’inverse, un motif théoriquement avancé peut être mis en évidence de façon presque évidente.
Un rating robuste devrait donc éviter d’utiliser uniquement une hiérarchie fixe des noms de techniques. Le contexte d’apparition compte.
La difficulté peut changer lorsque le solveur change
Ajouter une nouvelle technique à la bibliothèque peut raccourcir le chemin d’un puzzle ou remplacer une longue chaîne par une déduction plus directe.
Modifier la politique de priorité peut également changer la technique maximale observée.
C’est pourquoi les ratings produits automatiquement devraient être versionnés avec le moteur ou recalculables de manière reproductible.
Une architecture pratique de rating
Un pipeline robuste peut suivre :
- vérifier que le puzzle est valide et unique ;
- exécuter un solveur human-style versionné ;
- enregistrer le chemin complet ;
- extraire des features ;
- calculer un score continu ;
- convertir le score en label ;
- calibrer périodiquement avec des données humaines ;
- conserver l’ancienne version si la reproductibilité éditoriale l’exige.
Cette architecture sépare clairement vérité logique, chemin de résolution, scoring et présentation.
FAQ
Existe-t-il une échelle officielle de difficulté Sudoku ?
Non. Il existe des conventions et des systèmes réputés, mais pas une norme universelle unique imposant les mêmes labels à tous les éditeurs.
Moins d’indices signifie-t-il un Sudoku plus difficile ?
Non. Le nombre d’indices ne décrit pas suffisamment le chemin de résolution.
La technique la plus difficile requise suffit-elle à évaluer un puzzle ?
C’est une bonne feature, mais elle ignore l’effort total, les dépendances, les goulots d’étranglement et la reconnaissance.
Pourquoi une autre application peut-elle appeler Moyen mon puzzle Difficile ?
Parce que les bibliothèques de techniques, politiques de résolution, scores et seuils peuvent différer.
Les données joueurs peuvent-elles améliorer les ratings Sudoku ?
Oui, notamment pour calibrer la reconnaissance et les seuils, à condition de séparer le niveau du joueur des propriétés du puzzle.
La même technique peut-elle apparaître dans des puzzles de difficultés différentes ?
Oui. Son contexte, sa visibilité et le reste du chemin peuvent changer fortement l’effort global.
Un rating de difficulté peut-il changer plus tard ?
Oui si le modèle ou les seuils sont mis à jour. Les systèmes sérieux devraient versionner ces changements.
La recherche brute est-elle un niveau de difficulté ?
Pas dans une échelle human-style classique. Le brute force est une méthode algorithmique complète, pas une technique pédagogique que l’on devrait présenter comme un palier normal de résolution humaine.