Claude écrit toujours du code avec des erreurs ? Ces 12 règles réduisent le taux d'erreurs à 3%

marsbitPublié le 2026-05-14Dernière mise à jour le 2026-05-14

Résumé

En janvier 2026, Andrej Karpathy a critiqué les erreurs de codage de Claude, conduisant Forrest Chang à créer un fichier CLAUDE.md avec 4 règles pour réduire les erreurs de 40% à 3%. Ces règles portaient sur la réflexion préalable, la simplicité, les modifications ciblées et l'exécution orientée objectif. Cependant, avec l'évolution vers des workflows multi-étapes et des Agents IA, 8 nouvelles règles ont été ajoutées pour adresser des problèmes émergents : 5. Ne pas confier des tâches non linguistiques au modèle. 6. Imposer un budget strict de tokens. 7. Exposer les conflits au lieu de les moyenner. 8. Lire le code existant avant d'écrire. 9. Prioriser des tests significatifs, pas seulement leur passage. 10. Utiliser des points de contrôle pour les tâches longues. 11. Respecter les conventions existantes. 12. Privilégier les échecs explicites aux silencieux. Testées sur 30 dépôts en 6 semaines, ces 12 règles ont réduit le taux d'erreur à 3%, avec un taux de respect de 76%. Le fichier CLAUDE.md doit rester sous 200 lignes pour rester efficace. Il s'agit d'un contrat comportemental évolutif, à adapter en fonction des échecs réellement rencontrés dans chaque projet.

Note de la rédaction : En janvier 2026, les critiques d'Andrej Karpathy sur la programmation par Claude ont mis en lumière un fichier apparemment insignifiant mais crucial dans le flux de travail de programmation IA : CLAUDE.md. Forrest Chang a ensuite synthétisé ces problèmes en 4 règles de comportement, cherchant à corriger les erreurs courantes de Claude lors de l'écriture de code : hypothèses implicites, sur-ingénierie, modifications involontaires de code non concerné et manque de critères de réussite clairs.

Mais quelques mois plus tard, le champ d'application de Claude Code n'était plus limité à « faire écrire un bout de code par le modèle ». Avec l'avènement des Agents multi-étapes, des chaînes de déclenchement de hooks, des conflits de chargement de skills et des collaborations multi-dépôts devenant la norme, de nouveaux modes d'échec sont apparus : perte de contrôle du modèle dans les tâches longues, tests réussis mais sans validation de la logique réelle, migrations terminées mais échouant silencieusement, mélanges erronés de styles de code différents.

En 6 semaines, l'auteur de cet article a testé 30 dépôts de code et a ajouté 8 nouvelles règles aux 4 originales de Karpathy, cherchant à couvrir les nouveaux problèmes de la programmation IA évoluant de la complétion ponctuelle vers la collaboration agentisée.

Voici l'article original :

Fin janvier 2026, Andrej Karpathy a publié un fil sur X, critiquant la façon dont Claude écrit du code. Il a relevé trois types de problèmes typiques : faire des hypothèses erronées sans les expliquer, sur-complexifier, et causer des dommages collatéraux inutiles à du code qui n'aurait pas dû être modifié.

Forrest Chang a vu ce fil et a synthétisé ces plaintes en 4 règles de comportement, les écrivant dans un fichier séparé CLAUDE.md, puis l'a publié sur GitHub. Ce projet a atteint 5,828 étoiles le premier jour, 60,000 favoris en deux semaines, et compte aujourd'hui 120,000 étoiles, devenant le dépôt à fichier unique à la croissance la plus rapide en 2026.

Par la suite, j'ai testé cela pendant 6 semaines sur 30 dépôts de code.

Ces 4 règles sont efficaces. Les erreurs qui survenaient avec une probabilité d'environ 40% sont tombées à moins de 3% pour les tâches où ces règles s'appliquaient. Le problème est que ce modèle a été créé initialement pour résoudre les erreurs de programmation de Claude observées en janvier.

En mai 2026, l'écosystème Claude Code fait face à des problèmes différents : conflits entre Agents, déclenchements en chaîne de hooks, conflits de chargement de skills, et interruptions de flux de travail multi-étapes entre sessions.

J'ai donc ajouté 8 règles supplémentaires. Voici la version complète à 12 règles de CLAUDE.md : pourquoi chacune mérite d'être incluse, et où le modèle original de Karpathy échouera silencieusement sur 4 points.

Si vous souhaitez passer les explications et l'utiliser directement, le fichier complet est à la fin de l'article.

Pourquoi c'est important

Le fichier CLAUDE.md de Claude Code est le plus sous-estimé de toute la stack technologique de programmation IA. La plupart des développeurs font trois types d'erreurs :

Premièrement, le traiter comme une poubelle à préférences, y entasser toutes leurs habitudes, le faire gonfler à plus de 4000 tokens, avec un taux de respect des règles tombant à 30%.

Deuxièmement, ne pas l'utiliser du tout et réécrire les prompts à chaque fois. Cela gaspille 5 fois plus de tokens et crée un manque de cohérence entre les sessions.

Troisièmement, copier un modèle et ne plus jamais y toucher. Il peut être efficace deux semaines, mais il deviendra obsolète à votre insu à mesure que le code évolue.

La documentation officielle d'Anthropic est claire : CLAUDE.md est essentiellement suggestif. Claude le suivra environ 80% du temps. Au-delà de 200 lignes, le taux de respect chute notablement car les règles importantes sont noyées dans le bruit.

Le modèle de Karpathy résout ce problème : un fichier, 65 lignes, 4 règles. C'est la base minimale.

Mais on peut aller plus haut. En ajoutant les 8 règles suivantes, il couvrira non seulement les problèmes d'écriture de code dont Karpathy se plaignait en janvier 2026, mais aussi les problèmes d'orchestration d'Agents apparus en mai 2026 – problèmes qui n'existaient pas lorsque le modèle original a été écrit.

Les 4 règles originales

Si vous n'avez pas encore vu le dépôt de Forrest Chang, voici la version de base :

Règle 1 : Pensez avant de coder.
Ne faites pas d'hypothèses silencieuses. Explicitez vos hypothèses, exposez les compromis. Posez des questions avant de deviner. Opposez-vous activement lorsqu'une solution plus simple existe.

Règle 2 : La simplicité d'abord.
Utilisez le code minimal qui résout le problème. N'ajoutez pas de fonctionnalités imaginaires. Ne créez pas d'abstractions pour du code à usage unique. Si un ingénieur senior le jugerait excessivement complexe, simplifiez.

Règle 3 : Modifications chirurgicales.
Ne modifiez que ce qui doit l'être. N'« optimisez » pas au passage le code adjacent, les commentaires ou le formatage. Ne refactorisez pas ce qui n'est pas cassé. Respectez le style existant.

Règle 4 : Exécution orientée objectif.
Définissez d'abord les critères de réussite, puis itérez jusqu'à validation. Ne dites pas à Claude chaque étape, dites-lui à quoi doit ressembler le résultat final et laissez-le itérer.

Ces 4 règles résolvent environ 40% des modes d'échec que j'observe dans les sessions Claude Code non supervisées. Les 60% restants se cachent dans les zones grises suivantes.

Mes 8 nouvelles règles, et pourquoi

Chaque règle provient d'un moment réel où les 4 règles originales de Karpathy ne suffisaient plus. Je décrirai d'abord le contexte, puis donnerai la règle correspondante.

Règle 5 : Ne laissez pas le modèle faire un travail non linguistique

La règle de Karpathy ne couvrait pas cela. Le modèle a donc commencé à décider de problèmes qui devraient être traités par du code déterministe : faut-il retenter un appel API, comment router un message, quand escalader. Résultat : la décision changeait chaque semaine. Vous obtenez une instable conditionnelle facturée 0,003 $ par token.

Le moment clé : un code appelait Claude pour « décider s'il fallait réessayer en cas d'erreur 503 ». Ça a bien fonctionné deux semaines, puis c'est devenu instable car le modèle a commencé à inclure le corps de la requête dans son contexte de décision. La stratégie de réessai est devenue aléatoire car le prompt lui-même était aléatoire.

Règle 6 : Fixez un budget token strict, sans exception

Un CLAUDE.md sans contrainte budgétaire, c'est un chèque en blanc. Chaque itération peut déraper en un déversement contextuel de 50,000 tokens. Le modèle ne s'arrête pas de lui-même.

Le moment clé : une session de débogage a duré 90 minutes. Le modèle itérait sans cesse autour du même message d'erreur de 8 Ko, oubliant progressivement les correctifs déjà tentés. À la fin, il proposait des solutions rejetées 40 messages auparavant. Avec un budget token, le processus aurait dû être arrêté à la 12ème minute.

Règle 7 : Exposez les conflits, ne faites pas de compromis moyens

Lorsque deux parties du code sont en contradiction, Claude essaie de plaire aux deux et produit un code incohérent.

Le moment clé : un dépôt avait deux modèles de gestion d'erreurs, un avec async/await et try/catch explicite, l'autre avec des frontières d'erreur globales. Le nouveau code écrit par Claude utilisait les deux. L'erreur était donc gérée deux fois. J'ai mis 30 minutes à comprendre pourquoi les erreurs étaient ignorées deux fois.

Règle 8 : Lisez d'abord, écrivez ensuite

La règle de Karpathy « Modifications chirurgicales » dit à Claude de ne pas modifier le code adjacent. Mais elle ne lui dit pas : comprenez d'abord le code adjacent. Sans cela, Claude écrira du nouveau code en conflit avec du code existant situé 30 lignes plus loin.

Le moment clé : Claude a ajouté une nouvelle fonction, identique à une fonction existante, parce qu'il n'avait pas d'abord lu la fonction originale. Les deux font la même chose. Mais à cause de l'ordre d'import, la nouvelle a écrasé l'ancienne, qui était la référence standard de fait depuis 6 mois.

Règle 9 : Les tests ne sont pas optionnels, mais les tests eux-mêmes ne sont pas l'objectif

La règle de Karpathy « Exécution orientée objectif » suggère que les tests peuvent être un critère de réussite. En pratique, Claude prend « les tests passent » comme seul objectif et écrit du code qui passe des tests superficiels mais casse autre chose.

Le moment clé : Claude a écrit 12 tests pour une fonction d'authentification, tous passés. Mais la logique d'authentification en production était cassée. Les tests vérifiaient seulement que la fonction « retournait quelque chose », pas la bonne chose. Elle passait les tests parce qu'elle retournait une constante.

Règle 10 : Les opérations longues nécessitent des points de contrôle

Le modèle de Karpathy suppose une interaction ponctuelle. Mais le vrai travail Claude Code est souvent multi-étapes : refactorisation sur 20 fichiers, construction d'une fonctionnalité en une session, débogage sur plusieurs commits. Sans point de contrôle, une erreur à une étape peut faire perdre toute la progression.

Le moment clé : une tâche de refactorisation en 6 étapes a échoué à l'étape 4. Quand je l'ai découvert, Claude avait déjà terminé les étapes 5 et 6 sur l'état erroné. Défaire et réparer a pris plus de temps que refaire toute la tâche. Avec des points de contrôle, l'erreur de l'étape 4 aurait été détectée.

Règle 11 : Les conventions priment sur la nouveauté

Dans un dépôt avec des modèles établis, Claude aime introduire ses propres façons de faire. Même si elles sont « meilleures », introduire un second modèle est pire que n'importe quel modèle unique.

Le moment clé : Claude a introduit des hooks dans un code React basé sur des class components. Ça fonctionnait. Mais cela cassait aussi le modèle de test existant du dépôt, car ces tests dépendaient de componentDidMount. Il a fallu une demi-journée pour tout supprimer et réécrire.

Règle 12 : Échouez explicitement, pas silencieusement

Les échecs les plus coûteux de Claude sont ceux qui ressemblent à des succès. Une fonction « s'exécute » mais retourne des données erronées ; une migration « terminée » mais ayant ignoré 30 enregistrements ; un test « réussi » mais seulement parce que l'assertion elle-même est fausse.

Le moment clé : Claude a signalé qu'une migration de base de données était « terminée avec succès ». En réalité, elle avait ignoré silencieusement 14% des enregistrements provoquant des conflits de contraintes. Ce comportement était logué mais n'était pas explicitement exposé. 11 jours plus tard, lorsque les données des rapports sont devenues aberrantes, nous avons découvert le problème.

Résultats des données

Pendant 6 semaines, j'ai suivi le même ensemble de 50 tâches représentatives, couvrant 30 dépôts, en testant trois configurations.

Le taux d'erreur correspond aux tâches nécessitant une correction ou une réécriture pour correspondre à l'intention initiale. Sont comptabilisées : hypothèses erronées silencieuses, sur-ingénierie, dommages collatéraux, échecs silencieux, violations de conventions, compromis conflictuels, points de contrôle manqués.

Le taux de respect correspond à la probabilité que Claude applique explicitement une règle lorsqu'elle est applicable.

Le résultat intéressant n'est pas seulement la baisse du taux d'erreur de 41% à 3%. C'est surtout que l'extension de 4 à 12 règles a à peine augmenté la charge de respect, passant de 78% à 76%, mais a réduit le taux d'erreur de 8 points supplémentaires. Les nouvelles règles couvrent des modes d'échec que les 4 règles originales ne traitaient pas ; elles ne se font pas concurrence pour le même budget d'attention.

Où le modèle de Karpathy échoue silencieusement

Même sans ajouter de nouvelles règles, le modèle original à 4 règles est insuffisant dans au moins 4 situations.

Premièrement, les tâches longues d'Agent.
Les règles de Karpathy ciblent principalement le moment où Claude écrit du code. Mais que se passe-t-il quand Claude exécute un pipeline multi-étapes ? Le modèle original n'a pas de règle de budget, de point de contrôle, ni de règle « échouer bruyamment ». Le pipeline dérive alors progressivement.

Deuxièmement, la cohérence multi-dépôts.
« Respecter le style existant » suppose un seul style. Mais dans un monorepo de 12 services, Claude doit choisir quel style respecter. Les règles originales ne lui disent pas comment choisir. Il choisit alors au hasard ou mélange les styles.

Troisièmement, la qualité des tests.
« Exécution orientée objectif » considère « les tests passent » comme une réussite, mais ne précise pas que les tests doivent être significatifs. Résultat : Claude écrit des tests qui ne vérifient presque rien, mais qui le font croire qu'il est sûr de lui.

Quatrièmement, la différence entre production et prototypage.
Les mêmes 4 règles peuvent empêcher la sur-ingénierie en production, mais aussi ralentir le prototypage. Car une phase de prototypage a parfois besoin de 100 lignes d'échafaudage exploratoire pour trouver la direction. La règle « Simplicité d'abord » de Karpathy se déclenche trop facilement sur du code précoce.

Ces 8 nouvelles règles ne remplacent pas les 4 règles originales de Karpathy, elles comblent leurs lacunes : le modèle original correspond au scénario d'écriture de code par complétion de janvier 2026 ; en mai 2026, Claude Code évolue dans un environnement multi-étapes, multi-dépôts, piloté par des Agents, et les problèmes ne sont pas les mêmes.

Ce qui n'a pas fonctionné

Avant de finaliser ces 12 règles, j'ai aussi essayé d'autres approches.

Ajouter des règles vues sur Reddit / X.
La plupart répétaient simplement sous une autre forme les 4 règles de Karpathy, ou étaient des règles spécifiques à un domaine non généralisables, comme « utilisez toujours les classes Tailwind ». Elles ont été supprimées.

Dépasser 12 règles.
J'ai testé jusqu'à 18 règles. Au-delà de 14, le taux de respect est tombé de 76% à 52%. La limite des 200 lignes est réelle. Au-delà, Claude commence à faire du pattern matching sur « il y a des règles ici » au lieu de les lire réellement.

Règles dépendant d'outils spécifiques.
Par exemple « utilisez toujours eslint » : si eslint n'est pas installé, la règle échoue silencieusement. Je l'ai reformulée de manière indépendante, par exemple « suivez les styles déjà appliqués de force dans le dépôt ».

Mettre des exemples plutôt que des règles dans CLAUDE.md.
Les exemples consomment plus de contexte. Trois exemples utilisent autant de contexte qu'environ 10 règles, et Claude a tendance à surajuster sur les exemples. Les règles sont abstraites, les exemples sont concrets. Utilisez donc des règles.

« Soyez prudent », « Réfléchissez bien », « Concentrez-vous ».
Ce sont du bruit. Le taux de respect de ces instructions tombe à environ 30% car elles ne sont pas vérifiables. Je les ai remplacées par des règles impératives plus concrètes, comme « explicitez les hypothèses ».

Dire à Claude d'agir comme un « ingénieur senior ».
Ça ne fonctionne pas. Claude se considère déjà comme un ingénieur senior. Le vrai problème n'est pas ce qu'il pense, mais ce qu'il exécute. Les règles impératives réduisent cet écart, les prompts d'identité non.

Version complète à 12 règles de CLAUDE.md

Voici la version complète prête à être copiée-collée.

Temporairement impossible d'afficher ce contenu hors du document Lark

Sauvegardez-le en tant que CLAUDE.md à la racine de votre dépôt. Sous ces 12 règles, ajoutez les règles spécifiques à votre projet, comme la stack technique, les commandes de test, les modes d'erreur, etc. Ne dépassez pas 200 lignes au total, sinon le taux de respect chutera.

Comment l'installer

Deux étapes :

1. Ajoutez les 4 règles de base de Karpathy à votre CLAUDE.md
curl https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md >> CLAUDE.md


2. Collez les règles 5–12 de cet article ci-dessous

Sauvegardez le fichier à la racine du dépôt. Le >> est important, il ajoute au CLAUDE.md existant au lieu d'écraser vos règles projet déjà écrites.

Modèle mental

CLAUDE.md n'est pas une liste de souhaits, mais un contrat de comportement pour bloquer des modes d'échec concrets que vous avez observés.

Chaque règle devrait répondre à : quelle erreur empêche-t-elle ?

Les 4 règles de Karpathy empêchent les modes d'échec qu'il a vus en janvier 2026 : hypothèses silencieuses, sur-ingénierie, dommages collatéraux, critères de réussite faibles. C'est la base, ne la sautez pas.

Mes 8 nouvelles règles empêchent les nouveaux modes d'échec apparus après mai 2026 : boucles d'Agent sans contrainte budgétaire, tâches multi-étapes sans points de contrôle, tests semblant vérifier mais ne testant pas la logique cruciale, et problèmes d'échecs silencieux présentés comme des succès. Ce sont des correctifs incrémentaux.

Bien sûr, l'effet varie. Si vous n'exécutez pas de pipelines multi-étapes, la règle 10 est moins importante. Si votre dépôt a un style unifié et appliqué par un linter, la règle 11 est redondante. Après avoir lu ces 12 règles, gardez celles qui correspondent à des erreurs que vous avez réellement commises, supprimez le reste.

Un CLAUDE.md personnalisé à 6 règles ciblant vos vrais modes d'échec vaut mieux qu'une version à 12 règles dont 6 ne vous serviront jamais.

Conclusion

Le post X de Karpathy en janvier 2026 était essentiellement une plainte. Forrest Chang en a fait 4 règles. Finalement, 120 000 développeurs ont mis une étoile à ce résultat. Et la plupart d'entre eux n'utilisent encore que ces 4 règles.

Le modèle a progressé, l'écosystème a changé. Agents multi-étapes, déclenchements en chaîne de hooks, chargement de skills, collaboration multi-dépôts – tout cela n'existait pas lorsque Karpathy a écrit ce post. Les 4 règles originales ne résolvent pas ces problèmes. Elles ne sont pas fausses, elles sont incomplètes.

Ajoutez 8 règles. 6 semaines de tests couvrant 30 dépôts. Taux d'erreur réduit de 41% à 3%.

Mettez cet article en favori ce soir, collez ces 12 règles dans votre CLAUDE.md. S'il vous évite une semaine de détours avec Claude, partagez-le.

Questions liées

QQuelle est la principale innovation apportée à la version originale du fichier CLAUDE.md d'Andrej Karpathy par l'auteur de cet article ?

AL'auteur a ajouté 8 nouvelles règles aux 4 règles originales du fichier CLAUDE.md d'Andrej Karpathy. Ces nouvelles règles visent à couvrir les nouveaux modes d'échec apparus avec l'évolution de l'écosystème de programmation par IA, notamment les scénarios impliquant des Agents multi-étapes, des déclencheurs en chaîne (hooks), des conflits de chargement de compétences (skills) et des flux de travail collaboratifs entre plusieurs dépôts de code.

QSelon l'article, quels sont les trois erreurs typiques commises par les développeurs concernant l'utilisation du fichier CLAUDE.md ?

A1. L'utiliser comme une poubelle à préférences, en y ajoutant toutes leurs habitudes jusqu'à ce qu'il atteigne plus de 4000 tokens, ce qui fait chuter le taux de conformité à environ 30%. 2. Ne pas l'utiliser du tout et reformuler les instructions à chaque session, ce qui gaspille 5 fois plus de tokens et nuit à la cohérence. 3. Copier un modèle et ne plus jamais le mettre à jour, ce qui le rend obsolète à mesure que le code évolue.

QQuel résultat majeur a été obtenu après l'ajout des 8 nouvelles règles, selon les tests menés par l'auteur ?

AAprès l'ajout des 8 nouvelles règles, le taux d'erreur global (incluant les suppositions erronées silencieuses, la sur-ingénierie, les modifications non pertinentes, les échecs silencieux, les violations de conventions, les compromis conflictuels et les points de contrôle manqués) est passé de 41% à seulement 3% sur un ensemble de 50 tâches représentatives testées sur 30 dépôts de code différents.

QQuelle est l'une des limites identifiées du modèle original à 4 règles de Karpathy concernant les tâches à long terme ?

ALe modèle original à 4 règles de Karpathy n'incluait pas de règle sur les points de contrôle (checkpoints). Sans cela, lors d'une tâche multi-étapes (comme un refactoring sur 20 fichiers), une erreur à une étape pouvait faire perdre toute la progression précédente, rendant la réparation plus longue qu'une reprise complète de la tâche.

QPourquoi l'auteur déconseille-t-il d'inclure des phrases comme 'sois prudent' ou 'réfléchis bien' dans le fichier CLAUDE.md ?

AL'auteur déconseille ces phrases car ce sont des instructions vagues et non vérifiables. Leur taux de conformité observé n'était que d'environ 30%. Il recommande de les remplacer par des règles impératives plus spécifiques et actionnables, comme 'énonce explicitement tes hypothèses', qui permettent de réduire l'écart entre l'intention et l'exécution par le modèle.

Lectures associées

L'ère du découplage approche, Bitcoin n'est plus la seule boussole de la cryptomonnaie

La ère du découplage arrive : le Bitcoin n’est plus la seule boussole du marché cryptographique. L’économie cryptographique se divise désormais en deux catégories : les actifs endogènes, dont la valeur dépend entièrement du marché des cryptomonnaies, et les actifs exogènes, qui évoluent de manière indépendante. Le Bitcoin, archétype de l’actif endogène, voit sa perception changer avec les cycles de marché. À l’inverse, des projets comme Hyperliquid se situent à mi-chemin, tandis que Venice (IA grand public) ou Figure (fintech) appartiennent clairement au camp exogène. Leur modèle d’affaires, fondé sur une demande réelle et des revenus récurrents (abonnements, services payants), est déconnecté des fluctuations du prix des cryptomonnaies. Cette évolution est fondamentale. Auparavant, les investissements reposaient sur le récit spéculatif et la performance du Bitcoin. Désormais, des secteurs exogènes émergent avec des fondamentaux solides : services d’échange et de courtage sur chaîne, tokenisation d’actifs réels, banques numériques, prêts, stablecoins, paiements ou économie des agents intelligents. Analyser ces projets nécessite une approche comparable à celle de la fintech traditionnelle, en examinant la base d’utilisateurs payants et le modèle économique. La corrélation entre les actifs cryptographiques et le Bitcoin commence à se distendre pour les actifs exogènes, à l’image de la relation entre l’or et l’indice S&P 500. La dynamique du marché passe d’un moteur unique à des facteurs multiples. L’investissement et la recherche se concentrent de plus en plus sur les fondamentaux des entreprises plutôt que sur la simple lecture des graphiques du Bitcoin. La prochaine décennie verra un secteur plus mature et différencié, où les mouvements du marché ne seront plus uniformes.

marsbitIl y a 2 mins

L'ère du découplage approche, Bitcoin n'est plus la seule boussole de la cryptomonnaie

marsbitIl y a 2 mins

Cinq cryptomonnaies susceptibles de surperformer Bitcoin au cours du prochain cycle grâce à une vitesse de croissance plus élevée

Bitcoin reste le moteur principal du marché, mais les analystes s'accordent à dire que les plus fortes progressions en pourcentage du prochain cycle proviendront probablement d'actifs à plus grande vélocité de croissance. Cinq cryptomonnaies sont identifiées comme susceptibles de surperformer Bitcoin en termes de rendement relatif. **Ethereum (ETH)** est cité pour son rôle central dans les contrats intelligents et son adoption institutionnelle. **Solana (SOL)** est mis en avant pour son débit élevé et ses frais bas. **Chainlink (LINK)** est considéré comme un levier d'infrastructure essentiel pour l'économie crypto. **Avalanche (AVAX)** est noté pour son architecture adaptée aux actifs tokenisés. Cependant, l'article souligne que **Ozak AI ($OZ)**, un projet d'infrastructure IA encore en phase de prévente (prix: 0,014$), pourrait enregistrer la croissance la plus rapide. En raison de son faible capitalisation et de son écosystème technique incluant des agents de prédiction et un réseau de données en temps réel, son potentiel de réévaluation est jugé exponentiellement plus élevé que celui des actifs matures comme Bitcoin. L'article conclut que si Bitcoin offre la stabilité, Ozak AI pourrait offrir l'asymétrie de croissance la plus forte. Un avertissement précise que le contenu ne constitue pas un conseil en investissement.

TheNewsCryptoIl y a 42 mins

Cinq cryptomonnaies susceptibles de surperformer Bitcoin au cours du prochain cycle grâce à une vitesse de croissance plus élevée

TheNewsCryptoIl y a 42 mins

Que raconte le nouvel acte de la "usine à Agents" de Jensen Huang ?

Lors du COMPUTEX 2026, Jensen Huang, fondateur et PDG de NVIDIA, a présenté une nouvelle vision stratégique centrée sur l'ère des agents d'IA. Contrairement aux annonces précédentes axées sur les puces et les systèmes de calcul, cette présentation a mis l'accent sur l'infrastructure complète nécessaire pour exécuter et gérer des agents IA à grande échelle. Le point central est la plateforme Vera Rubin, désormais en production, conçue spécifiquement pour les charges de travail des agents. Elle promet une efficacité de traitement dix fois supérieure à celle de la génération précédente pour les tâches d'agents autonomes. Le processeur Vera, successeur de Grace, est présenté comme le premier CPU conçu pour l'IA et les agents. NVIDIA a également introduit DSX, une suite d'outils pour la conception, la simulation et l'exploitation d'"usines d'IA", ainsi qu'une station de travail DGX Station for Windows pour déployer des agents localement dans un environnement sécurisé. Du côté des logiciels, NVIDIA a annoncé le modèle Nemotron 3 Ultra (550 milliards de paramètres) pour les agents d'entreprise et Cosmos 3, un modèle de fondation pour la compréhension du monde physique. Le partenariat avec Unitree a donné naissance à H2 Plus, un robot humanoïde de référence basé sur la plateforme Isaac GR00T, visant à accélérer le développement de l'IA physique. Les annonces couvrent également la sécurité des données avec BlueField-4 STX, une collaboration mutuelle avec TSMC, et le SoC RTX Spark pour les PC AI. En résumé, NVIDIA construit un écosystème complet, des puces et du matériel aux modèles et outils de déploiement, pour positionner chaque couche de la pile technologique des agents IA comme un marché adressable par l'entreprise.

marsbitIl y a 1 h

Que raconte le nouvel acte de la "usine à Agents" de Jensen Huang ?

marsbitIl y a 1 h

Quelles cryptomonnaies sont les mieux placées pour suivre la même trajectoire qu'Hyperliquid (HYPE) ?

Hyperliquid (HYPE) a réussi à prospérer en pleine tendance baissière du marché, son prix bondissant de plus de 60% en un mois, battant les attentes. La recherche est désormais lancée pour d'autres cryptomonnaies susceptibles de suivre une trajectoire similaire. Deux concurrents clés se distinguent sur le marché des échanges perpétuels décentralisés. ASTER, le jeton de l'échange Aster, a vu son intérêt ouvert (open interest) atteindre plusieurs milliards de dollars, se rapprochant de la position de leader d'Hyperliquid. Cependant, son prix est actuellement d'environ 70% en dessous de son pic historique, ce qui laisse entrevoir un potentiel de rebond pour certains investisseurs. Le token LIT, de la plateforme Lighter, occupe une position plus modeste avec un intérêt ouvert inférieur, mais se classe troisième en termes de volume de négociation. Comme ASTER, le prix du LIT a chuté de plus de 66% depuis son sommet, alimentant des spéculations sur une éventuelle reprise. Pendant ce temps, Hyperliquid maintient une capitalisation boursière impressionnante de 17,3 milliards de dollars, se classant parmi les dix premières cryptomonnaies, et continue de dominer l'esprit du marché.

bitcoinistIl y a 1 h

Quelles cryptomonnaies sont les mieux placées pour suivre la même trajectoire qu'Hyperliquid (HYPE) ?

bitcoinistIl y a 1 h

Trading

Spot
Futures

Articles tendance

Qu'est ce que $S$

Comprendre SPERO : Un aperçu complet Introduction à SPERO Alors que le paysage de l'innovation continue d'évoluer, l'émergence des technologies web3 et des projets de cryptomonnaie joue un rôle central dans la façon dont se dessine l'avenir numérique. Un projet qui a attiré l'attention dans ce domaine dynamique est SPERO, désigné comme SPERO,$$s$. Cet article vise à rassembler et à présenter des informations détaillées sur SPERO, afin d'aider les passionnés et les investisseurs à comprendre ses fondations, ses objectifs et ses innovations dans les domaines du web3 et de la crypto. Qu'est-ce que SPERO,$$s$ ? SPERO,$$s$ est un projet unique dans l'espace crypto qui cherche à tirer parti des principes de décentralisation et de la technologie blockchain pour créer un écosystème qui favorise l'engagement, l'utilité et l'inclusion financière. Le projet est conçu pour faciliter les interactions entre pairs de nouvelles manières, offrant aux utilisateurs des solutions et des services financiers innovants. Au cœur de SPERO,$$s$, l'objectif est d'autonomiser les individus en fournissant des outils et des plateformes qui améliorent l'expérience utilisateur dans l'espace des cryptomonnaies. Cela inclut la possibilité de méthodes de transaction plus flexibles, la promotion d'initiatives dirigées par la communauté et la création de voies pour des opportunités financières via des applications décentralisées (dApps). La vision sous-jacente de SPERO,$$s$ tourne autour de l'inclusivité, visant à combler les lacunes au sein de la finance traditionnelle tout en exploitant les avantages de la technologie blockchain. Qui est le créateur de SPERO,$$s$ ? L'identité du créateur de SPERO,$$s$ reste quelque peu obscure, car il existe peu de ressources publiques fournissant des informations détaillées sur son ou ses fondateurs. Ce manque de transparence peut découler de l'engagement du projet envers la décentralisation—une éthique que de nombreux projets web3 partagent, privilégiant les contributions collectives plutôt que la reconnaissance individuelle. En centrant les discussions autour de la communauté et de ses objectifs collectifs, SPERO,$$s$ incarne l'essence de l'autonomisation sans désigner des individus spécifiques. Ainsi, comprendre l'éthique et la mission de SPERO reste plus important que d'identifier un créateur unique. Qui sont les investisseurs de SPERO,$$s$ ? SPERO,$$s$ est soutenu par une diversité d'investisseurs allant des capital-risqueurs aux investisseurs providentiels dédiés à favoriser l'innovation dans le secteur crypto. L'objectif de ces investisseurs s'aligne généralement avec la mission de SPERO—priorisant les projets qui promettent des avancées technologiques sociétales, l'inclusivité financière et la gouvernance décentralisée. Ces fondations d'investisseurs s'intéressent généralement à des projets qui non seulement offrent des produits innovants, mais qui contribuent également positivement à la communauté blockchain et à ses écosystèmes. Le soutien de ces investisseurs renforce SPERO,$$s$ en tant que concurrent notable dans le domaine en rapide évolution des projets crypto. Comment fonctionne SPERO,$$s$ ? SPERO,$$s$ utilise un cadre multifacette qui le distingue des projets de cryptomonnaie conventionnels. Voici quelques-unes des caractéristiques clés qui soulignent son unicité et son innovation : Gouvernance décentralisée : SPERO,$$s$ intègre des modèles de gouvernance décentralisée, permettant aux utilisateurs de participer activement aux processus de décision concernant l'avenir du projet. Cette approche favorise un sentiment de propriété et de responsabilité parmi les membres de la communauté. Utilité du token : SPERO,$$s$ utilise son propre token de cryptomonnaie, conçu pour servir diverses fonctions au sein de l'écosystème. Ces tokens permettent des transactions, des récompenses et la facilitation des services offerts sur la plateforme, améliorant ainsi l'engagement et l'utilité globaux. Architecture en couches : L'architecture technique de SPERO,$$s$ supporte la modularité et l'évolutivité, permettant une intégration fluide de fonctionnalités et d'applications supplémentaires à mesure que le projet évolue. Cette adaptabilité est primordiale pour maintenir la pertinence dans le paysage crypto en constante évolution. Engagement communautaire : Le projet met l'accent sur des initiatives dirigées par la communauté, utilisant des mécanismes qui incitent à la collaboration et aux retours d'expérience. En cultivant une communauté forte, SPERO,$$s$ peut mieux répondre aux besoins des utilisateurs et s'adapter aux tendances du marché. Accent sur l'inclusion : En proposant des frais de transaction bas et des interfaces conviviales, SPERO,$$s$ vise à attirer une base d'utilisateurs diversifiée, y compris des individus qui n'ont peut-être pas engagé auparavant dans l'espace crypto. Cet engagement envers l'inclusion s'aligne avec sa mission globale d'autonomisation par l'accessibilité. Chronologie de SPERO,$$s$ Comprendre l'histoire d'un projet fournit des aperçus cruciaux sur sa trajectoire de développement et ses jalons. Voici une chronologie suggérée cartographiant les événements significatifs dans l'évolution de SPERO,$$s$ : Phase de conceptualisation et d'idéation : Les idées initiales formant la base de SPERO,$$s$ ont été conçues, s'alignant étroitement avec les principes de décentralisation et de concentration sur la communauté au sein de l'industrie blockchain. Lancement du livre blanc du projet : Suite à la phase conceptuelle, un livre blanc complet détaillant la vision, les objectifs et l'infrastructure technologique de SPERO,$$s$ a été publié pour susciter l'intérêt et les retours de la communauté. Construction de la communauté et engagements précoces : Des efforts de sensibilisation actifs ont été entrepris pour construire une communauté d'adopteurs précoces et d'investisseurs potentiels, facilitant les discussions autour des objectifs du projet et recueillant du soutien. Événement de génération de tokens : SPERO,$$s$ a organisé un événement de génération de tokens (TGE) pour distribuer ses tokens natifs aux premiers soutiens et établir une liquidité initiale au sein de l'écosystème. Lancement de la première dApp : La première application décentralisée (dApp) associée à SPERO,$$s$ a été mise en ligne, permettant aux utilisateurs d'interagir avec les fonctionnalités principales de la plateforme. Développement continu et partenariats : Des mises à jour et des améliorations continues des offres du projet, y compris des partenariats stratégiques avec d'autres acteurs de l'espace blockchain, ont façonné SPERO,$$s$ en un acteur compétitif et évolutif sur le marché crypto. Conclusion SPERO,$$s$ se dresse comme un témoignage du potentiel du web3 et de la cryptomonnaie pour révolutionner les systèmes financiers et autonomiser les individus. Avec un engagement envers la gouvernance décentralisée, l'engagement communautaire et des fonctionnalités conçues de manière innovante, il ouvre la voie vers un paysage financier plus inclusif. Comme pour tout investissement dans l'espace crypto en rapide évolution, les investisseurs et utilisateurs potentiels sont encouragés à mener des recherches approfondies et à s'engager de manière réfléchie avec les développements en cours au sein de SPERO,$$s$. Le projet illustre l'esprit d'innovation de l'industrie crypto, invitant à une exploration plus approfondie de ses nombreuses possibilités. Bien que le parcours de SPERO,$$s$ soit encore en cours, ses principes fondamentaux pourraient en effet influencer l'avenir de nos interactions avec la technologie, la finance et entre nous dans des écosystèmes numériques interconnectés.

101 vues totalesPublié le 2024.12.17Mis à jour le 2024.12.17

Qu'est ce que $S$

Qu'est ce que AGENT S

Agent S : L'avenir de l'interaction autonome dans Web3 Introduction Dans le paysage en constante évolution de Web3 et des cryptomonnaies, les innovations redéfinissent constamment la manière dont les individus interagissent avec les plateformes numériques. Un projet pionnier, Agent S, promet de révolutionner l'interaction homme-machine grâce à son cadre agentique ouvert. En ouvrant la voie à des interactions autonomes, Agent S vise à simplifier des tâches complexes, offrant des applications transformantes dans l'intelligence artificielle (IA). Cette exploration détaillée plongera dans les subtilités du projet, ses caractéristiques uniques et les implications pour le domaine des cryptomonnaies. Qu'est-ce qu'Agent S ? Agent S se présente comme un cadre agentique ouvert révolutionnaire, spécifiquement conçu pour relever trois défis fondamentaux dans l'automatisation des tâches informatiques : Acquisition de connaissances spécifiques au domaine : Le cadre apprend intelligemment à partir de diverses sources de connaissances externes et d'expériences internes. Cette approche double lui permet de construire un riche répertoire de connaissances spécifiques au domaine, améliorant ainsi sa performance dans l'exécution des tâches. Planification sur de longs horizons de tâches : Agent S utilise une planification hiérarchique augmentée par l'expérience, une approche stratégique qui facilite la décomposition et l'exécution efficaces de tâches complexes. Cette fonctionnalité améliore considérablement sa capacité à gérer plusieurs sous-tâches de manière efficace et efficiente. Gestion d'interfaces dynamiques et non uniformes : Le projet introduit l'Interface Agent-Ordinateur (ACI), une solution innovante qui améliore l'interaction entre les agents et les utilisateurs. En utilisant des Modèles de Langage Multimodaux de Grande Taille (MLLMs), Agent S peut naviguer et manipuler sans effort diverses interfaces graphiques. Grâce à ces fonctionnalités pionnières, Agent S fournit un cadre robuste qui aborde les complexités impliquées dans l'automatisation de l'interaction humaine avec les machines, préparant le terrain pour d'innombrables applications en IA et au-delà. Qui est le créateur d'Agent S ? Bien que le concept d'Agent S soit fondamentalement innovant, des informations spécifiques sur son créateur restent insaisissables. Le créateur est actuellement inconnu, ce qui souligne soit le stade naissant du projet, soit le choix stratégique de garder les membres fondateurs sous le radar. Quoi qu'il en soit, l'accent reste mis sur les capacités et le potentiel du cadre. Qui sont les investisseurs d'Agent S ? Étant donné qu'Agent S est relativement nouveau dans l'écosystème cryptographique, des informations détaillées concernant ses investisseurs et soutiens financiers ne sont pas explicitement documentées. Le manque d'aperçus publiquement disponibles sur les fondations d'investissement ou les organisations soutenant le projet soulève des questions sur sa structure de financement et sa feuille de route de développement. Comprendre le soutien est crucial pour évaluer la durabilité du projet et son impact potentiel sur le marché. Comment fonctionne Agent S ? Au cœur d'Agent S se trouve une technologie de pointe qui lui permet de fonctionner efficacement dans divers environnements. Son modèle opérationnel est construit autour de plusieurs caractéristiques clés : Interaction homme-ordinateur semblable à l'humain : Le cadre offre une planification IA avancée, s'efforçant de rendre les interactions avec les ordinateurs plus intuitives. En imitant le comportement humain dans l'exécution des tâches, il promet d'élever l'expérience utilisateur. Mémoire narrative : Utilisée pour tirer parti des expériences de haut niveau, Agent S utilise la mémoire narrative pour suivre les historiques de tâches, améliorant ainsi ses processus de prise de décision. Mémoire épisodique : Cette fonctionnalité fournit aux utilisateurs un accompagnement étape par étape, permettant au cadre d'offrir un soutien contextuel au fur et à mesure que les tâches se déroulent. Support pour OpenACI : Avec la capacité de fonctionner localement, Agent S permet aux utilisateurs de garder le contrôle sur leurs interactions et flux de travail, s'alignant avec l'éthique décentralisée de Web3. Intégration facile avec des API externes : Sa polyvalence et sa compatibilité avec diverses plateformes IA garantissent qu'Agent S peut s'intégrer sans effort dans des écosystèmes technologiques existants, en faisant un choix attrayant pour les développeurs et les organisations. Ces fonctionnalités contribuent collectivement à la position unique d'Agent S dans l'espace crypto, alors qu'il automatise des tâches complexes en plusieurs étapes avec un minimum d'intervention humaine. À mesure que le projet évolue, ses applications potentielles dans Web3 pourraient redéfinir la manière dont les interactions numériques se déroulent. Chronologie d'Agent S Le développement et les jalons d'Agent S peuvent être encapsulés dans une chronologie qui met en évidence ses événements significatifs : 27 septembre 2024 : Le concept d'Agent S a été lancé dans un document de recherche complet intitulé “Un cadre agentique ouvert qui utilise les ordinateurs comme un humain”, présentant les bases du projet. 10 octobre 2024 : Le document de recherche a été rendu publiquement disponible sur arXiv, offrant une exploration approfondie du cadre et de son évaluation de performance basée sur le benchmark OSWorld. 12 octobre 2024 : Une présentation vidéo a été publiée, fournissant un aperçu visuel des capacités et des caractéristiques d'Agent S, engageant davantage les utilisateurs et investisseurs potentiels. Ces jalons dans la chronologie illustrent non seulement les progrès d'Agent S, mais indiquent également son engagement envers la transparence et l'engagement communautaire. Points clés sur Agent S Alors que le cadre Agent S continue d'évoluer, plusieurs attributs clés se distinguent, soulignant sa nature innovante et son potentiel : Cadre innovant : Conçu pour offrir une utilisation intuitive des ordinateurs semblable à l'interaction humaine, Agent S propose une approche nouvelle de l'automatisation des tâches. Interaction autonome : La capacité d'interagir de manière autonome avec les ordinateurs via une interface graphique signifie un bond vers des solutions informatiques plus intelligentes et efficaces. Automatisation des tâches complexes : Avec sa méthodologie robuste, il peut automatiser des tâches complexes en plusieurs étapes, rendant les processus plus rapides et moins sujets aux erreurs. Amélioration continue : Les mécanismes d'apprentissage permettent à Agent S de s'améliorer grâce à ses expériences passées, améliorant continuellement sa performance et son efficacité. Polyvalence : Son adaptabilité à travers différents environnements d'exploitation comme OSWorld et WindowsAgentArena garantit qu'il peut servir un large éventail d'applications. Alors qu'Agent S se positionne dans le paysage Web3 et crypto, son potentiel à améliorer les capacités d'interaction et à automatiser les processus représente une avancée significative dans les technologies IA. Grâce à son cadre innovant, Agent S incarne l'avenir des interactions numériques, promettant une expérience plus fluide et efficace pour les utilisateurs à travers divers secteurs. Conclusion Agent S représente un saut audacieux en avant dans le mariage de l'IA et de Web3, avec la capacité de redéfinir notre interaction avec la technologie. Bien qu'il soit encore à ses débuts, les possibilités de son application sont vastes et convaincantes. Grâce à son cadre complet abordant des défis critiques, Agent S vise à mettre les interactions autonomes au premier plan de l'expérience numérique. À mesure que nous plongeons plus profondément dans les domaines des cryptomonnaies et de la décentralisation, des projets comme Agent S joueront sans aucun doute un rôle crucial dans la façon dont la technologie et la collaboration homme-machine évolueront à l'avenir.

810 vues totalesPublié le 2025.01.14Mis à jour le 2025.01.14

Qu'est ce que AGENT S

Comment acheter S

Bienvenue sur HTX.com ! Nous vous permettons d'acheter Sonic (S) de manière simple et pratique. Suivez notre guide étape par étape pour commencer votre parcours crypto.Étape 1 : Création de votre compte HTXUtilisez votre adresse e-mail ou votre numéro de téléphone pour ouvrir un compte sur HTX gratuitement. L'inscription se fait en toute simplicité et débloque toutes les fonctionnalités.Créer mon compteÉtape 2 : Choix du mode de paiement (rubrique Acheter des cryptosCarte de crédit/débit : utilisez votre carte Visa ou Mastercard pour acheter instantanément Sonic (S).Solde ：utilisez les fonds du solde de votre compte HTX pour trader en toute simplicité.Prestataire tiers ：pour accroître la commodité d'utilisation, nous avons ajouté des modes de paiement populaires tels que Google Pay et Apple Pay.P2P ：tradez directement avec d'autres utilisateurs sur HTX.OTC (de gré à gré) : nous offrons des services personnalisés et des taux de change compétitifs aux traders.Étape 3 : stockage de vos Sonic (S)Après avoir acheté vos Sonic (S), stockez-les sur votre compte HTX. Vous pouvez également les envoyer ailleurs via un transfert sur la blockchain ou les utiliser pour trader d'autres cryptos.Étape 4 : tradez des Sonic (S)Tradez facilement Sonic (S) sur le marché Spot de HTX. Il vous suffit d'accéder à votre compte, de sélectionner la paire de trading, d'exécuter vos trades et de les suivre en temps réel. Nous offrons une expérience conviviale aux débutants comme aux traders chevronnés.

1.6k vues totalesPublié le 2025.01.15Mis à jour le 2026.06.01

Comment acheter S

Discussions

Bienvenue dans la Communauté HTX. Ici, vous pouvez vous tenir informé(e) des derniers développements de la plateforme et accéder à des analyses de marché professionnelles. Les opinions des utilisateurs sur le prix de S (S) sont présentées ci-dessous.

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow