# Architecture Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Architecture", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

L2 « recalibrage » : quand L1 devient son propre Rollup, quel est le destin final d’Ethereum ?

"L2 Recalibration": When L1 Becomes Its Own Rollup, What Is Ethereum's Endgame? In recent years, the proliferation of L2s (Rollups) has solved Ethereum's scalability issues but at the cost of fragmenting liquidity, user states, and the unified chain experience. This has prompted a fundamental reevaluation of the relationship between L1 and L2 within the Ethereum community. Ethereum's roadmap is evolving. The core challenge is no longer just creating more block space, but redefining the roles of L1, L2, execution, and settlement layers in a fragmented ecosystem. L1 is actively enhancing its own scalability (increasing Gas Limit, statelessness, zkEVM). Consequently, L2s can no longer rely solely on "cheaper, faster transactions" for long-term value. Their future role shifts towards providing differentiated features (privacy, custom governance, application-specific optimizations) that L1 cannot easily offer uniformly, while still contributing extra capacity. Interoperability is key to restoring a seamless user experience. The goal is not just cross-chain bridges but enabling different execution environments to trust each other's states faster and at lower cost. Initiatives like Open Intents Frameworks and the Ethereum Interoperability Layer (EIL) aim to make cross-L2 interactions feel like single-chain transactions. Crucially, shortening Ethereum's finality time (from minutes to seconds) is a major focus, as it directly benefits cross-chain applications by reducing the trust latency for state changes. A provocative idea from researcher Barnabé Monnot suggests that as proof systems (like zkEVM) mature on mainnet, L1 itself could become a form of "its own Rollup." Here, specialized nodes would execute transactions and generate validity proofs, while validators would verify these proofs instead of re-executing everything. This blurs the traditional L1/L2 hierarchy, making "Rollup" more of a general execution-verification architecture than a strict layer. The vision is a future where multiple L2s act as specialized execution domains (for DeFi, gaming, privacy, etc.) under a shared Ethereum security, settlement, and state framework—a system that is fragmented in execution but unified in trust and liquidity. In conclusion, Ethereum's endgame is not L2s replacing L1 or being made obsolete by a scaled L1. It is an ecosystem where L2s become a spectrum of execution environments with varying features, all capable of securely interoperating and sharing Ethereum's foundational security and liquidity. The next phase is about re-integrating what was fragmented back into a coherent, user-friendly "one chain" experience.

marsbit07/21 13:00

L2 « recalibrage » : quand L1 devient son propre Rollup, quel est le destin final d’Ethereum ?

marsbit07/21 13:00

Le Débat sur les Stablecoins Visa-Mastercard Remet en Lumière la Conception du Registre XRP

Un nouveau projet de stablecoin soutenu par un large groupe d'acteurs des paiements et de la finance remet le XRP Ledger (XRPL) sous les projecteurs. Open USD (OUSD), gouverné par Open Standard, est présenté comme un stablecoin de consortium impliquant plus de 140 entreprises, dont Visa, Mastercard, Stripe, BlackRock, Coinbase et Ripple. L'angle XRP ici n'est pas que Ripple construise exclusivement OUSD. Le point intéressant est technique : l'ancien ingénieur principal de Ripple, Matt Hamilton, souligne que la structure de partage de réserves multilatérale d'OUSD ressemble à des concepts présents dans la conception initiale du XRP Ledger dès 2012. Il est important de noter qu'OUSD devrait d'abord être déployé sur Solana et Tempo, et non comme un produit natif de l'XRPL. La discussion est donc une comparaison technique, et non l'annonce d'une intégration officielle. Cette comparaison récurrente s'explique par le fait que le XRP Ledger a été conçu dès l'origine pour des règlements rapides et le mouvement d'actifs, avec des fonctionnalités prévoyant les stablecoins. Pour les partisans du XRP, cela renforce l'idée que certaines de ses conceptions pionnières sur le règlement et la valeur émise attirent aujourd'hui l'attention des grands acteurs financiers. Le signal pour la communauté XRP est à nuancer : si ces similarités de conception offrent un récit favorable, la question ouverte reste de savoir si elles conduiront à une utilisation directe de l'XRPL ou simplement à l'emprunt de ses idées sans que l'activité ne transite par le registre lui-même.

bitcoinist07/02 23:09

Le Débat sur les Stablecoins Visa-Mastercard Remet en Lumière la Conception du Registre XRP

bitcoinist07/02 23:09

Transformer réinventé : Rendre les LLM plus intelligents en modifiant simplement leur architecture

En 2026, alors que l'industrie des grands modèles linguistiques (LLM) se concentre sur l'ajout de paramètres via des architectures comme le *Mixture of Experts* (MoE), une nouvelle étude propose une approche radicalement différente. Les chercheurs de Mila, Cornell et de l'Université de Montréal démontrent que redistribuer les paramètres existants au sein d'un modèle, sans en ajouter, peut significativement améliorer ses performances. Leur constat de départ : dans les Transformers standards, toutes les couches ont la même « capacité » (largeur du réseau feed-forward). Or, des recherches antérieures (sortie anticipée, élagage, interprétabilité) indiquent que ces couches n'ont pas la même importance. Les premières traitent des informations basiques (syntaxe), tandis que les dernières affinent la sémantique, parfois en répétant des conclusions déjà établies. L'équipe teste alors des modèles « effilés » (*Tapered Language Models* - TLMs), où la largeur du réseau feed-forward décroît progressivement des couches profondes vers les couches superficielles, tout en conservant la moyenne originale et donc le nombre total de paramètres et d'opérations. Plusieurs courbes de décroissance sont essayées : linéaire, cosinus et sigmoïde. Les résultats sont frappants. Sur un Transformer de 440M de paramètres, la configuration optimale (décroissance cosinus, largeur initiale x1.5, finale x0.5) réduit la perplexité de 16.28 à 14.44, une amélioration de 1.84 point sans coût supplémentaire. Cette conclusion se généralise à d'autres architectures (à attention à grille, Hope-attention, Titans) et à des modèles plus grands (760M, 1.3B), avec des gains systématiques en raisonnement et prédiction langagière, sans nuire à la gestion de longs contextes. L'explication réside dans l'analyse des sorties : les couches profondes montrent une plus forte similarité avec les informations déjà présentes, confirmant qu'elles « réitèrent » plus qu'elles ne « créent ». Allouer plus de capacité aux premières couches, qui font un travail de fondation plus varié, est donc plus efficace. Cette recherche met en lumière un levier de conception longtemps négligé : la forme de la distribution de la capacité, et non seulement sa quantité. Une simple réallocation des paramètres existants offre ainsi une amélioration significative et gratuite, une perspective applicable potentiellement aux Transformers visuels, aux modèles de diffusion et multimodaux.

marsbit06/29 12:58

Transformer réinventé : Rendre les LLM plus intelligents en modifiant simplement leur architecture

marsbit06/29 12:58

Nouveau travail de l'équipe de Kaiming He : En supprimant le VAE et les données privées, la génération d'images à partir de texte devient encore plus performante

Le domaine de la génération d'images à partir de texte est un marché très compétitif, où les approches dominantes reposent souvent sur des architectures complexes comprenant des encodeurs VAE, d'énormes volumes de données privées et des étapes d'alignement coûteuses. Cependant, l'équipe de Kaiming He propose **MiniT2I**, un modèle de génération texte-image délibérément minimaliste qui remet en question ce paradigme. MiniT2I s'entraîne directement sur les pixels, éliminant le besoin d'un encodeur VAE, ce qui réduit les coûts de calcul et évite les erreurs de reconstruction. Son architecture **MM-JiT**, basée sur un Transformer, supprime les mécanismes d'injection conditionnelle complexes (comme AdaLN) et les fonctions de perte auxiliaires. À la place, elle utilise des adaptateurs texte légers et exploite le bruit de l'image lui-même pour représenter l'information temporelle. Le modèle est entraîné uniquement sur des données publiques en deux phases : un pré-entraînement sur CC12M recaptioned par LLaVA, suivi d'un fine-tuning sur environ 120 000 paires image-texte de haute qualité. Avec seulement 258 millions de paramètres, la version B/16 de MiniT2I surpasse des modèles pixel-space plusieurs fois plus grands sur des benchmarks comme GenEval (0.87) et DPG-Bench (84.2). L'approche démontre qu'il est possible d'obtenir des performances compétitives avec une architecture simplifiée, des données ouvertes et des ressources de calcul académiques, suggérant un possible changement de paradigme dans le domaine. Les limitations actuelles incluent des artefacts aux frontières des patchs, des effets secondaires du CFG à fort coefficient, et des difficultés avec le rendu de texte et des résolutions très élevées.

marsbit06/22 10:21

Nouveau travail de l'équipe de Kaiming He : En supprimant le VAE et les données privées, la génération d'images à partir de texte devient encore plus performante

marsbit06/22 10:21

Analyse des Hooks Uniswap v4 : Conception architecturale, vulnérabilités courantes et bonnes pratiques de protection

Depuis le lancement d'Uniswap v4, le mécanisme de Hook est l'une des innovations les plus suivies dans la DeFi, permettant d'attacher des contrats personnalisés aux événements du cycle de vie des pools de liquidité. Cette flexibilité a stimulé la créativité, comme le montre Flaunch pour les lancements de memecoin, Bunni v2 pour la liquidité programmable, et d'autres projets qui ont généré des gains substantiels. Cependant, cette flexibilité s'accompagne de nouveaux risques de sécurité. La sécurité d'un pool v4 dépend désormais entièrement du Hook qui lui est attaché, fragmentant le modèle de sécurité au niveau du pool. L'article analyse l'architecture de v4, centrée sur le PoolManager unique et le modèle de comptabilité "flash accounting" qui impose un solde final des deltas. Il explique comment les permissions d'un Hook sont encodées dans son adresse de déploiement via des bits, une conception contre-intuitive. Des pièges majeurs sont mis en évidence : les contrats Hook doivent implémenter eux-mêmes des contrôles d'accès explicites pour leurs fonctions de rappel, le lien entre un Hook et un pool n'est pas restreint par défaut, et les Hooks asynchrones (ou Custom Curve) remplacent entièrement la logique d'échange d'Uniswap, nécessitant une audit extrêmement rigoureux. L'incident de sécurité du Cork Protocol illustre les nouveaux angles morts en matière d'audit dans ce paradigme, où la complexité des interactions exige une analyse systémique. En résumé, chaque Hook constitue un domaine de confiance indépendant, transformant l'audit de sécurité en une revue complète d'un sous-protocole, ce qui représente un défi méthodologique majeur pour les projets et les auditeurs.

marsbit06/22 08:10

Analyse des Hooks Uniswap v4 : Conception architecturale, vulnérabilités courantes et bonnes pratiques de protection

marsbit06/22 08:10

小鹏 et Nio misent sur la puissance de calcul, Li Auto change d’architecture

Le 15 juin, Li Auto a dévoilé en détail sa puce d'intelligence artificielle auto-développée, le Mahe M100, conçue pour sa nouvelle berline de luxe L9 Livis. Le CTO Xie Yan a souligné que l'objectif n'était pas seulement de créer une puce plus rapide, mais une puce fondamentalement différente dans son architecture, s'écartant de l'approche concurrente axée sur les TOPS. Dans un contexte où les constructeurs automobiles chinois (Nio, Xpeng, Huawei) développent leurs propres puces, Li Auto choisit de repenser l'architecture sous-jacente. Le Mahe M100 adopte une architecture à flux de données dynamiques, visant à réduire les goulots d'étranglement liés à la bande passante mémoire des architectures von Neumann classiques pour le traitement des grands modèles d'IA. Cela permettrait, selon Li Auto, une puissance de calcul effective triplée et une latence réduite de 40% par rapport à des solutions existantes pour ses propres algorithmes. L'architecture du M100, publiée et acceptée à l'ISCA 2026, est conçue pour être étroitement couplée avec les modèles d'IA de Li Auto, formant une chaîne d'innovation complète (puce, compilateur, OS, algorithmes, contrôleur de domaine) visant l'autonomie technologique et une optimisation poussée. Parallèlement, Li Auto a présenté sa vision de la "voiture à intelligence incarnée", redéfinissant le véhicule comme un assistant personnel intelligent. Pour soutenir cette vision, la marque s'est engagée à aligner son modèle de conduite autonome, Mahe VLA, avec Tesla FSD V14 d'ici le quatrième trimestre 2024, avec des mises à jour OTA progressives tout au long du second semestre. Cette stratégie technologique ambitieuse intervient alors que Li Auto fait face à des pressions financières et commerciales, avec un objectif de ventes de 550 000 unités pour 2026. L'efficacité de cette nouvelle approche, notamment la réussite de la puce M100 et les prochaines mises à jour logicielles, sera déterminante pour son avenir compétitif.

marsbit06/16 04:57

小鹏 et Nio misent sur la puissance de calcul, Li Auto change d’architecture

marsbit06/16 04:57

Le « GENIUS Act » et le « CLARITY Act » adoptés : Quelle est la véritable architecture du rendement sur chaîne ?

L'article distingue trois types de crédit en chaîne (on-chain) : le prêt cryptographique surcollatéralisé, le prêt non garanti (historiquement défaillant), et le crédit adossé à des actifs (Asset-Backed Credit - ABC), présenté comme la catégorie à la croissance la plus rapide et la seule résolvant structurellement le problème de sélection adverse. L'ABC repose sur des garanties réelles identifiables, des droits légaux hors chaîne et des mécanismes de recouvrement. La croissance des actifs du monde réel (RWA) tokenisés est significative, tirée par une deuxième vague de crédit privé tokenisé (ex : Maple Finance, Centrifuge). La demande provient principalement des stablecoins (3230 milliards de dollars), cherchant un rendement conforme. Cependant, l'article souligne que le modèle actuel de "fonds tokenisés" ne résout pas le problème de sélection adverse au niveau du protocole ; il reporte simplement les risques et la structure du fonds sous-jacent. Le contexte réglementaire américain, avec les lois GENIUS (interdisant aux émetteurs de stablecoins de verser des rendements) et CLARITY (étendant cette interdiction aux plateformes), crée un tournant. Désormais, le rendement sur les dollars en chaîne doit être fourni via des produits d'investissement distincts et conformes. La "vault" (sorte de coffre-fort numérique ou contrat intelligent de type ERC-4626) devient donc l'architecture centrale incontournable. Elle n'est plus un simple outil de packaging, mais le lieu où s'encodent la conformité, la transparence, l'évaluation du crédit, la structure des paiements (waterfall) et les mécanismes de recouvrement. Sa conception est désormais une question architecturale de premier ordre pour délivrer un rendement conforme et résoudre la sélection adverse directement au niveau de la couche protocole, dans un paysage post-GENIUS/CLARITY.

Foresight News06/11 11:19

Le « GENIUS Act » et le « CLARITY Act » adoptés : Quelle est la véritable architecture du rendement sur chaîne ?

Foresight News06/11 11:19

GitHub, transpercé par l’IA

Le 9 février, une panne majeure de GitHub, due à la surcharge d'un cluster de bases de données d'authentification, a révélé une crise plus profonde. En 2026, la plateforme a connu au moins 8 incidents majeurs, échouant à maintenir sa disponibilité promise de 99,9%. La cause sous-jacente est l'explosion de l'utilisation par les IA agents. Les données sont éloquentes : le nombre de commits hebdomadaires est passé d'environ 190 millions pour l'année 2025 à 275 millions par semaine début 2026, soit une croissance annuelle projetée de 14 fois. Des outils comme Claude Code génèrent désormais 4,5% de tous les commits publics, leur volume ayant été multiplié par 25 en trois mois. Les agents IA, qui ne dorment jamais et peuvent dépasser la productivité hebdomadaire d'un humain en une heure, transforment la nature de la charge. Cette nouvelle utilisation bouleverse aussi le modèle économique. Le forfait mensuel fixe de Copilot n'est plus viable face aux sessions "agentiques" longues et gourmandes en ressources. GitHub a dû instaurer des limites d'usage et, depuis le 1er juin, passer à une facturation à l'usage basée sur des "AI Credits". Face à cette pression, une simple mise à l'échelle est insuffisante. GitHub a annoncé la nécessité de **reconcevoir son architecture pour supporter une charge 30 fois supérieure**, en découplant les services critiques et en éliminant les points de défaillance uniques. La plateforme, conçue comme un espace de collaboration humaine, devient de plus en plus la "sortie d'échappement" des workflows automatisés des IA. Cette série de pannes est le signe avant-coureur d'une transformation fondamentale de l'industrie du logiciel, obligeant les infrastructures comme GitHub à se réinventer sous une pression intense.

marsbit06/04 10:44

GitHub, transpercé par l’IA

marsbit06/04 10:44

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

Dans un article intitulé "La réduction de 99% du prix de MiMo de Xiaomi n'est pas du marketing ! Luo Fuli répond aux détracteurs sur X", Luo Fuli, responsable de MiMo, a publié un billet de blog technique de 5000 mots pour expliquer la baisse drastique des prix de l'API MiMo-V2.5. Contrairement aux interprétations initiales d'une guerre des prix ou d'une stratégie de perte, cette réduction de 99% concerne spécifiquement le coût des entrées en cache ("Input Cache Hit"), c'est-à-dire la relecture du contexte historique dans les conversations longues. Le billet détaille six piliers d'ingénierie ayant permis cette réduction : 1. **Architecture Hybride SWA** : Réduction du volume de la mémoire cache (KVCache) à 1/7 grâce à une attention par fenêtre glissante sur 60 des 70 couches du modèle. 2. **Gestion en double pool** : Allocation efficace de la mémoire pour matérialiser les gains théoriques du SWA, multipliant par 5 le nombre d'utilisateurs simultanés par GPU. 3. **Cache de préfixe optimisé** : Augmentation du taux de réussite du cache à 93-95% en moyenne, évitant de recalculer les contextes répétés. 4. **Système de cache distribué GCache** : Stockage des données sur les SSD des machines GPU existantes, réduisant les coûts de stockage additionnels à zéro. 5. **Système de routage LLM-Router** : Optimisation de l'acheminement des requêtes pour maximiser l'utilisation du cache et améliorer les performances. 6. **Prédiction Multi-Token (MTP)** : Accélération de la génération des réponses du modèle, réduisant également les coûts de sortie. Cette chaîne d'optimisations systémiques a réduit le temps GPU par requête d'un ordre de grandeur, permettant une baisse de prix de 99% tout en maintenant une marge positive. Luo Fuli souligne qu'il s'agit d'un accomplissement d'ingénierie validé en production, et non d'une simple manœuvre marketing, offrant une référence pour réduire les coûts dans le secteur de l'IA.

marsbit05/31 10:42

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

marsbit05/31 10:42

L'ancien élève de Tsinghua, Wang Guan, né dans les années 2000, présente une nouvelle création : Un modèle de pré-entraînement Transformer révolutionné avec 1/900 des tokens et 1/432 de la puissance de calcul

Des chercheurs dirigés par Wang Guan, alumni de Tsinghua, ont proposé HRM-Text, un modèle de pré-entraînement de langage efficace reposant sur un modèle récurrent hiérarchique (HRM) qui remplace le Transformer standard. Leur approche utilise une architecture à double échelle temporelle (modules lent H et rapide L) permettant des mises à jour récursives multiples par token, augmentant ainsi la profondeur de calcul sans ajouter de paramètres. L'objectif d'entraînement est également revu : au lieu d'un pré-entraînement autorégressif standard, le modèle est entraîné directement sur des paires instruction-réponse, avec une perte calculée uniquement sur la réponse et un masque PrefixLM. Les résultats sont remarquables en termes d'efficacité. Avec seulement 1 milliard de paramètres et 40 milliards de tokens uniques, pour un coût estimé à environ 1500 dollars, HRM-Text atteint des performances comparables à des modèles open source de 2B à 7B paramètres sur des benchmarks comme MMLU (60,7%), ARC-C (81,9%) et GSM8K (84,5%). Cela représente une réduction d'un facteur allant jusqu'à 900x des tokens d'entraînement et 432x de l'estimation de calcul par rapport aux modèles de référence. Les expériences montrent que HRM-Text surpasse des Transformers de taille similaire dans des conditions de FLOPs alignées, que l'objectif "tâche à accomplir" et le masque PrefixLM améliorent les performances, et que la structure récursive confère une profondeur effective plus importante. Les limites actuelles incluent la couverture des connaissances factuelles, liée à la taille réduite des données, le besoin potentiel d'un temps de calcul adaptatif pour réduire les coûts d'inférence, et des questions d'ingénierie pour le déploiement de PrefixLM. Les travaux futurs exploreront le découplage connaissance/raisonnement et la validation à plus grande échelle.

marsbit05/26 03:20

L'ancien élève de Tsinghua, Wang Guan, né dans les années 2000, présente une nouvelle création : Un modèle de pré-entraînement Transformer révolutionné avec 1/900 des tokens et 1/432 de la puissance de calcul

marsbit05/26 03:20

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow

Nouvelles de l'industrieright-arrow