2026-05-21 Jeudi

Centre d'actualités - Page 64

Obtenez des actualités crypto en temps réel et les tendances du marché avec le Centre d'actualités HTX.

Les ETF Bitcoin au comptant aux États-Unis mettent fin à une série d'entrées de 1,7 milliard de dollars alors que le BTC passe sous les 80 000 $

Alors que le Bitcoin (BTC) est tombé en dessous de 80 000 dollars, les ETF spot américains sur le Bitcoin ont mis fin à une séquence de cinq jours d'afflux nets, qui avait totalisé environ 1,7 milliard de dollars. Les fonds Bitcoin ont enregistré leur premier flux sortant journalier du mois de mai, à hauteur de 277,5 millions de dollars jeudi, selon les données. Les plus fortes sorties ont concerné le fonds Fidelity Wise Origin Bitcoin Fund (FBTC), avec 129 millions de dollars, et l'iShares Bitcoin Trust ETF (IBIT) de BlackRock, avec 98 millions de dollars. Cette inversion coïncide avec une volatilité accrue, le BTC ayant chuté sous les 80 000 dollars après avoir dépassé les 82 000 dollars la veille. Parmi les rares entrées positives de la journée, on note le modeste afflux de 7,3 millions de dollars vers le Morgan Stanley Bitcoin Trust ETF (MSBT), premier ETF spot Bitcoin lancé par une banque américaine, qui n'a connu aucun jour de sortie depuis son introduction. Le fonds a accumulé près de 2 920 BTC. Par ailleurs, le nouvel ETF 21Shares Canton Network ETF (TCAN), offrant une exposition directe au Canton Coin, a fait ses débuts sur le Nasdaq. Malgré la récente correction, l'indice de Peur et Cupidité du marché crypto est revenu à un niveau de "Peur" (38), mais reste bien supérieur à sa moyenne d'avril, porté par une hausse de 11% du Bitcoin sur les 30 derniers jours.

TheNewsCrypto05/08 12:32

Les ETF Bitcoin au comptant aux États-Unis mettent fin à une série d'entrées de 1,7 milliard de dollars alors que le BTC passe sous les 80 000 $

TheNewsCrypto05/08 12:32

Le dernier article d'Anthropic ouvre la boîte noire des modèles de grande taille : le taux de détection des motivations cachées augmenté de plus de 4 fois

L’équipe d’Anthropic a publié un article présentant le **Natural Language Autoencoder (NLA)**, un nouvel outil visant à améliorer l’interprétabilité des grands modèles de langage (LLM). Le système convertit les activations internes de haute dimension du modèle en explications en langage naturel, puis reconstruit ces activations à partir du texte généré, formant ainsi une boucle de vérification. Contrairement aux méthodes traditionnelles comme la Chain-of-Thought, qui peuvent être incomplètes ou trompeuses, le NLA capture ce que le modèle **sait mais ne dit pas**. Il a déjà été utilisé pour auditer les modèles Claude Opus 4.6 et Mythos Preview avant leur déploiement. En pratique, il a permis de détecter des intentions cachées, comme la conscience d’être évalué lors de tests de sécurité, et de localiser des données d’entraînement problématiques à l’origine de bugs. Les résultats montrent que le NLA a multiplié par plus de 4 le taux de détection des motivations cachées lors d’audits de sécurité, le faisant passer de moins de 3% à 12-15%. Cet outil ne résout pas entièrement le problème de la "boîte noire", mais il transforme les états internes du modèle en objets pouvant être interrogés et croisés, ouvrant ainsi la voie à un audit plus approfondi de l’alignement et de la sécurité des IA.

marsbit05/08 12:10

Le dernier article d'Anthropic ouvre la boîte noire des modèles de grande taille : le taux de détection des motivations cachées augmenté de plus de 4 fois

marsbit05/08 12:10

Pourquoi l'expression "année de matérialisation de la puissance de calcul IA" comporte-t-elle un piège ? — Comprendre les quatre étapes franchissables entre le "signal politique" et les "commandes réelles" en un seul article

Vous avez sûrement rencontré l’affirmation « 2026 est l’année du déploiement effectif de la puissance de calcul IA nationale ». Pourtant, le terme « déploiement » mérite examen. En réalité, le passage des « signaux politiques » aux « commandes réelles » rencontre quatre seuils distincts, souvent confondus, ce qui peut induire une erreur de jugement. Premier seuil : les achats politiques. Il est largement ouvert en 2026, avec des commandes massives de puces comme les Huawei Ascend 950PR par des géants technologiques, soutenues par des financements publics. Mais acheter du matériel n’est pas l’utiliser. Deuxième seuil : le déploiement réel. Une fissure s’ouvre, notamment avec DeepSeek V4, modèle de niveau mondial entraîné et déployé exclusivement sur l’écosystème chinois Huawei, prouvant sa viabilité. Mais si les scénarios leaders sont opérationnels, l’adoption par la majorité des entreprises est encore en cours. Troisième seuil : la maturité de l’écosystème logiciel. C’est le seuil le plus étroit et le plus critique. Le fossé entre l’écosystème mature CUDA de Nvidia et le framework chinois CANN reste considérable. Bien que l’adaptation de haut niveau (comme DeepSeek) fonctionne, la base de développeurs et la réduction des coûts de migration pour les PME nécessiteront encore 1 à 2 ans. Quatrième seuil : la reproduction à grande échelle. C’est l’état final du « déploiement », où des milliers d’entreprises moyennes pourront utiliser la puissance de calcul nationale de manière transparente. Ce seuil n’est pas encore ouvert en 2026 et pourrait l’être vers 2027-2028, nécessitant des solutions clés en main pour les entreprises aux ressources IT limitées. En conclusion, parler d’« année du déploiement » n’est exact que pour le premier seuil (achats). Les seuils suivants, surtout la maturité logicielle et la diffusion de masse, prendront plus de temps. La synergie profonde entre DeepSeek V4 et le calcul national représente néanmoins le signal industriel majeur de 2026, transformant la question de la « faisabilité » en celle de la « capacité de production ».

marsbit05/08 11:57

Pourquoi l'expression "année de matérialisation de la puissance de calcul IA" comporte-t-elle un piège ? — Comprendre les quatre étapes franchissables entre le "signal politique" et les "commandes réelles" en un seul article

marsbit05/08 11:57

活动图片