# Automatisation Articles associés

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

De la surveillance des signaux à la copie de stratégies : comment PPP réduit-il le seuil d'accès au trading sur Polymarket ?

**PPP : Réduire le seuil d'entrée sur Polymarket, du suivi des signaux à l'exécution des stratégies** Avec le début de la Coupe du Monde, l'activité sur les marchés de prédiction comme Polymarket a explosé, dépassant 30 milliards de dollars de volume sur le seul marché du vainqueur. Cependant, beaucoup de nouveaux utilisateurs tombent dans le piège du trading émotionnel, par manque de stratégie et de signaux fiables, ce qui entraîne souvent des pertes. Prediction Position Platform (PPP) se présente comme une solution à ce problème. Cet outil, accessible via un bot Telegram, vise à fluidifier le processus de trading sur Polymarket en aidant les utilisateurs à "mieux voir, mieux suivre et exécuter plus vite". Fonctionnant sur un modèle d'abonnement, PPP offre une suite complète de fonctionnalités : * **Découverte d'opportunités** : Un "Espace Coupe du Monde", un moteur de recherche d'événements (politique, sport, crypto, etc.) et une surveillance des **signaux de marché** (mouvements de "smart money", changements brusques de probabilités). * **Analyse et sélection de stratégies** : Une fonction d'**analyse d'adresses par IA** évalue la performance historique des traders. Le **Place des Stratégies** identifie des comptes adaptés à un suivi à long terme en analysant plusieurs critères (rendements, taux de réussite, drawdown, etc.), au-delà du simple profit. Le **Classement des Traders** met en avant les performeurs récents pour saisir les opportunités à court terme. * **Copytrading et gestion** : Les utilisateurs peuvent **copier automatiquement** les trades des stratégies sélectionnées, avec des paramètres personnalisables (montant, proportion maximale du portefeuille, prise de profits). La **gestion des positions** active permet de suivre et d'ajuster ses copytrades en un seul endroit. Un point clé de PPP est son **portefeuille non-custodial**. Les fonds des utilisateurs restent sous leur contrôle exclusif dans leur propre portefeuille blockchain ; PPP n'y a pas accès et se contente d'exécuter les ordres de copytrading. En résumé, PPP réduit les coûts d'apprentissage sur Polymarket en automatisant la veille, en filtrant les comptes intéressants et en simplifiant l'exécution. Pour les nouveaux utilisateurs, s'appuyer sur les signaux et l'expérience des traders expérimentés via un tel outil peut être un moyen efficace d'évoluer tout en limitant les risques.

Odaily星球日报06/26 02:06

De la surveillance des signaux à la copie de stratégies : comment PPP réduit-il le seuil d'accès au trading sur Polymarket ?

Odaily星球日报06/26 02:06

Huang Renxun : Les prompts sont en train de devenir obsolètes, les loops sont le nouveau paradigme

Prompt passe, place aux loops. Tel est le nouveau paradigme souligné par des figures comme Jensen Huang. Le concept de "loop" (boucle) désigne la conception de systèmes où l'IA exécute des tâches de manière autonome : elle définit ses propres instructions, vérifie les résultats, et réitère jusqu'à réussite ou épuisement du budget, sans intervention humaine constante. Contrairement à un agent simple qui nécessite une instruction à chaque étape, un système avec loop fonctionne en continu. Des produits comme Claude Code et OpenAI Codex l'ont déjà implémenté via des fonctionnalités comme `/goal` ou des automations, où un modèle écrit le code et un autre, indépendant, le valide. Pour construire une loop efficace, il faut : 1) s'assurer que la tâche est répétitive, automatisable et dans les limites budgétaires ; 2) commencer par une loop simple avec un déclencheur, une compétence, un fichier d'état et un contrôle ; 3) séparer clairement l'écriture et la validation du code ; 4) éviter les pièges comme l'absence de conditions d'arrêt ou la gestion de tâches nécessitant un jugement humain. Cette évolution s'inscrit dans une progression : après l'ingénierie des prompts (2023-2024), puis du contexte (2024-2025) et du "harnais" (environnement d'exécution, 2025-2026), l'ingénierie des loops représente la dernière étape, où le contrôle humain passe de la micro-gestion à la conception de systèmes autonomes. Des travaux académiques comme ReAct (2022) ont jeté les bases de ce principe de boucle réflexive. Bien que prometteuse, cette approche nécessite prudence quant aux coûts et à la préservation d'une compréhension humaine des systèmes automatisés.

marsbit06/25 14:33

Huang Renxun : Les prompts sont en train de devenir obsolètes, les loops sont le nouveau paradigme

marsbit06/25 14:33

Un ancien ingénieur de SpaceX utilise les principes premiers pour reconstruire le système d'exécution financière

Plan Execution Lab, fondé par l'ancien ingénieur SpaceX Lex Li, a levé un financement angel évaluant la société à 500 millions de dollars. L'entreprise applique le raisonnement par "principes premiers" à la finance, identifiant l'exécution, et non la simple transaction, comme la fonction centrale des marchés pour l'allocation du capital. Alors que l'actif, la liquidité et le règlement migrent sur la blockchain, la couche d'exécution reste fragmentée et dépendante du travail humain. Avec l'avènement des agents IA, la durée de vie des stratégies se raccourcit, faisant de la capacité d'exécution continue la nouvelle compétence clé. Plan Execution Lab propose deux produits pour reconstruire cette infrastructure : PlanX, un protocole d'exécution financière pour la migration des flux des CEX vers le DEX, et Xgent, un environnement d'exécution autonome. Xgent permet aux utilisateurs de définir leurs intentions (objectifs, risque), qui sont automatiquement traduites en un graphe d'exécution, vérifiées et exécutées. La vision à long terme est de créer l'équivalent d'un "Bloomberg Terminal" pour la finance autonome : un réseau d'exécution ouvert et collaboratif, composé de nœuds (gestion des risques, liquidité, etc.) et d'agents, où la compétitivité proviendra non pas d'une stratégie unique, mais de la puissance du réseau d'exécution lui-même.

marsbit06/25 09:15

Un ancien ingénieur de SpaceX utilise les principes premiers pour reconstruire le système d'exécution financière

marsbit06/25 09:15

JaredFromSubway, le célèbre bot MEV, vidé de 7,5 millions de dollars

L'un des bots de MEV les plus notoires d'Ethereum, connu sous le nom de JaredFromSubway, aurait été vidé d'environ 7,5 millions de dollars. Selon la firme de sécurité Blockaid, des contrats contrôlés par un attaquant ont trompé le système automatisé du bot pour qu'il accorde des approbations de jetons sur de fausses routes de trading. Ces autorisations ont ensuite été utilisées pour drainer des actifs comme du WETH, de l'USDC et de l'USDT depuis le contrat du bot. L'incident, rapporté par CoinDesk, cible spécifiquement la logique d'automatisation du bot et ne constitue pas une faille du protocole Ethereum de base ou d'une application DeFi grand public. Il illustre le risque inhérent aux systèmes de trading automatisés à haute vitesse : la recherche d'efficacité peut créer une fragilité. En cherchant à exploiter des opportunités, le bot a été manipulé pour autoriser des contrats malveillants. L'ironie réside dans le fait que ce bot, habitué à pratiquer du "sandwich trading" agressif pour extraire de la valeur d'autres utilisateurs, a cette fois vu son automatisme devenir sa faiblesse. L'affaire sert de rappel à tout l'écosystème : les approbations de jetons sont des permissions puissantes qui nécessitent des garde-fous stricts, des simulations et des vérifications rigoureuses des routes de trading. Bien que l'impact financier (7,5 M$) ne soit pas systémique, l'incident a une portée réputationnelle pour l'infrastructure MEV et poussera probablement les opérateurs de bots à revoir leur logique d'approbation.

bitcoinist06/22 15:33

JaredFromSubway, le célèbre bot MEV, vidé de 7,5 millions de dollars

bitcoinist06/22 15:33

L'Agent IA a-t-il « dévoré » certains secteurs de la cryptographie ?

L'article examine l'impact croissant des agents IA sur divers secteurs de la cryptomonnaie, en catégorisant leur niveau de dominance. Les secteurs déjà dominés par les agents IA incluent le trading de produits dérivés (perpétuels), où leur vitesse et leur précision surpassent largement les humains (ex. : compétition Aster), l'arbitrage et le MEV (où les robots automatisés sont omniprésents), ainsi que l'optimisation de rendements et le trading spot, où une part significative du volume est désormais générée de manière autonome. Les secteurs en transition (« champ de bataille ») voient une coexistence entre agents et humains. Sur les marchés de prédiction (ex. : Polymarket), les agents excellent dans les arbitrages courts, mais les jugements à long terme restent humains. Dans le prêt DeFi, les décisions stratégiques (dépôts, emprunts) sont encore largement humaines, bien que les processus périphériques (liquidations) soient automatisés. Enfin, certains secteurs restent principalement sous contrôle humain : les paiements en stablecoins et par carte (utilisés pour les transactions quotidiennes réelles) et les portefeuilles, où l'approbation et la supervision humaine restent cruciales pour la sécurité et la confiance. Face à la montée des agents, l'article souligne l'importance croissante des couches de vérification pour lier les agents à des identités humaines vérifiées (mention de World/AgentKit, t54, Self Protocol, Kite AI), afin de préserver la responsabilité et la confiance dans l'économie agentique.

marsbit06/22 10:16

L'Agent IA a-t-il « dévoré » certains secteurs de la cryptographie ?

marsbit06/22 10:16

Quels secteurs de la crypto ont été « mangés » par les agents d'IA ?

Le paysage crypto évolue rapidement sous l'influence des agents IA, qui dominent désormais certains secteurs clés tout en coexistant avec les humains dans d'autres. Les domaines où les agents IA prédominent clairement incluent le trading de dérivés (contrats perpétuels), où leur vitesse et leur exécution 24/7 surclassent les traders humains, comme l'a démontré un concours sur Aster. L'arbitrage (MEV) est entièrement automatisé, les robots capturant la majorité de la valeur. L'optimisation des rendements (yield) est également un secteur « agent-first », avec une adoption croissante sur des plateformes comme Giza et ZyFAI. Le trading au comptant et l'optimisation de portefeuille voient une part importante de l'activité conduite par des agents. Certains secteurs sont des champs de bataille où agents et humains coexistent. Sur les marchés prévisionnels (comme Polymarket), les agents excellent dans l'arbitrage à court terme, mais les humains restent compétitifs pour les paris à long terme nécessitant du jugement. Dans le prêt DeFi, si les robots gèrent les liquidations, les décisions principales de dépôt et d'emprunt restent largement humaines. Enfin, des secteurs restent principalement dirigés par les humains. Les paiements par stablecoins et cartes sont massivement utilisés pour des transferts personnels et du commerce réel, notamment dans les marchés émergents. Les portefeuilles (wallets) constituent la couche d'interaction finale nécessitant un consentement et une supervision humaine. Face à la montée des agents, des projets comme World (AgentKit), t54, Self Protocol et Kite AI développent des couches de vérification pour lier de manière sûre et prouvable les agents à des humains, assurant responsabilité et confiance dans l'économie agentique. En conclusion, si les agents dominent les domaines basés sur la vitesse et l'optimisation, les activités humaines cruciales liées aux paiements, à l'identité et au jugement subtil restent essentielles et génératrices de valeur.

Foresight News06/22 07:15

Quels secteurs de la crypto ont été « mangés » par les agents d'IA ?

Foresight News06/22 07:15

Tout ce qui est en dehors du modèle relève du Harnais : Deepseek entre en scène, pourquoi le champ de bataille principal de la concurrence en IA en Chine a-t-il changé ?

Fin mai 2026, Deepseek a créé une équipe dédiée au « Harness », se concentrant sur un produit agent intelligent pour le code, en concurrence directe avec Claude Code d'Anthropic. Cette initiative reflète un changement majeur dans l'industrie chinoise de l'IA : le champ de bataille passe de la simple création de grands modèles (LLMs) à la construction de chaînes d'outils et de solutions d'automatisation pour le lieu de travail. Mais qu'est-ce que le Harness ? Dans la formule « Modèle + Harnais = Agent », si le modèle représente le cerveau de l'agent, le harnais est son infrastructure d'exécution continue. Il orchestre les actions, gère les appels d'outils, le contexte, la sécurité et la récupération d'erreurs, permettant au modèle de véritablement interagir avec le monde extérieur et d'exécuter des tâches complexes. Deepseek y voit un enjeu stratégique : maîtriser le harnais permet de collecter des données précieuses sur les échecs en situation réelle pour améliorer le modèle, créant un effet de roue. L'ingénierie du harnais est cruciale, car elle détermine la robustesse de l'agent face aux problèmes cumulés d'erreurs et à l'explosion du contexte (token explosion). Cette tendance n'est pas isolée. Les géants chinois développent leurs propres stratégies de chaîne d'outils : Tencent, via WorkBuddy, se positionne comme un connecteur unifié pour l'automatisation organisationnelle au sein de son écosystème (WeChat Work, Cloud). Alibaba, avec le framework PageAgent, mise sur l'automatisation légère directement dans le navigateur pour les applications web. Ces approches divergentes montrent que la course n'est plus aux benchmarks de modèles, mais à la création de solutions verticales robustes pour des scénarios spécifiques. Le marché valide ce virage vers l'exécution autonome. La startup polonaise Viktor, un « collègue IA » de niveau 3 fonctionnant dans Slack, a atteint 20 millions de dollars de revenus annuels récurrents (ARR) en automatisant des tâches complexes et prolongées. Cela prouve la volonté des entreprises de payer pour des agents capables de livrer des résultats finaux sans validation humaine constante, déplaçant la valeur de la « génération assistée » vers « l'exécution autonome ». Pour les entreprises et les développeurs, l'accent doit désormais porter sur les capacités d'ingénierie du harnais : gestion du contexte, mécanismes de reprise sur erreur, isolation, compatibilité avec les flux de travail existants. Face aux restrictions d'accès aux agents occidentaux comme Claude Code, la demande pour des solutions domestiques robustes crée une opportunité majeure pour des acteurs comme Deepseek. La prochaine étape de la concurrence se jouera sur la construction de « cadres épais » (thick frameworks) offrant stabilité, sécurité et contrôle profond, bien au-delà des simples interfaces de conversation.

marsbit06/22 06:11

Tout ce qui est en dehors du modèle relève du Harnais : Deepseek entre en scène, pourquoi le champ de bataille principal de la concurrence en IA en Chine a-t-il changé ?

marsbit06/22 06:11

Sans équipe commerciale, un chiffre d'affaires de 20 millions de dollars : comment Viktor, l'employé IA, a-t-il séduit 30 000 entreprises ?

Sans équipe commerciale, le produit Viktor, un « employé IA », génère 20 millions de dollars de revenus annuels auprès de plus de 30 000 entreprises. Fondé par une équipe issue de DeepMind, Viktor se présente comme un « collègue IA de niveau 3 » capable d'exécuter des tâches de bout en bout, et non un simple assistant. Son utilisation est simplifiée : via une mention @ dans Slack ou Microsoft Teams, les employés peuvent lui demander en langage naturel d'effectuer des tâches complexes, comme générer un rapport ou réaliser un rapprochement comptable, sans avoir besoin de maîtriser l'ingénierie des prompts. Le succès repose sur un modèle de croissance tiré par le produit (PLG) et une tarification basée sur la consommation de crédits pour les tâches, réduisant les coûts d'essai. Viktor permet également une automatisation proactive, exécutant des processus comme la génération de présentations en croisant plusieurs outils. Son intégration à Teams, avec 320 millions d'utilisateurs, marque une étape vers une adoption à grande échelle, mais soulève aussi des défis majeurs : la conformité dans les grandes entreprises, les risques d'erreur dus à la boîte noire des décisions de l'IA, et la nécessité de gagner la confiance via une gouvernance robuste (journaux d'audit, permissions). L'équilibre entre efficacité automatisée et contrôle restera crucial pour son adoption dans les flux métiers essentiels.

marsbit06/19 11:00

Sans équipe commerciale, un chiffre d'affaires de 20 millions de dollars : comment Viktor, l'employé IA, a-t-il séduit 30 000 entreprises ?

marsbit06/19 11:00

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

**Titre :** Guide de test de la carte AI de WeChat : l'ère du "AI Shopping" est-elle arrivée ? **Résumé :** WeChat Pay a lancé une "carte AI dédiée", présentée comme permettant à des agents IA (comme WorkBuddy) d'effectuer des paiements pour répondre aux besoins des utilisateurs. Cependant, les tests révèlent que cela ne permet pas une consommation "entièrement automatique". En réalité, la carte AI est un portefeuille séparé du portefeuille WeChat principal. L'utilisateur doit la recharger avec des fonds spécifiques. Chaque paiement initié par l'IA nécessite une confirmation manuelle sur le téléphone de l'utilisateur. La carte isole les dépenses liées à l'IA pour une meilleure gestion. L'activation se fait via le chatbot WorkBuddy. Les cas d'usage annoncés sont l'achat de contenu payant, l'utilisation d'API/outils payants et les abonnements. Cependant, dans la pratique, il est difficile de déclencher ces paiements. Un test pour commander un thé via WorkBuddy a échoué. L'agent a dû utiliser une compétence externe ("Assistant de vie Meituan"), ce qui a consommé beaucoup de crédits (plus que l'allocation quotidienne gratuite). Après autorisation et paiement via la carte AI, l'agent a acheté un bon d'achat incorrect, pas le produit désiré. L'échec ne vient pas de la fonction de paiement elle-même, qui fonctionne, mais de la chaîne d'exécution de l'agent IA : compréhension précise du besoin, appel correct à des plateformes tierces, sélection du bon produit, etc. La carte AI ne gère que l'étape finale du paiement. Le mécanisme actuel est prudent : fonds limités à la carte AI, confirmation obligatoire pour chaque transaction, pas d'accès direct au portefeuille principal. Cela minimise les risques (mauvais achats, abonnements non désirés). **Conclusion/Recommandations :** Il est possible d'expérimenter cette fonction, mais avec prudence : commencez par de petites recharges, vérifiez toujours les détails (produit, prix) avant de confirmer le paiement, et ne présumez pas que l'agent IA a parfaitement compris une demande complexe (notamment pour la livraison, les coupons spécifiques).

marsbit06/18 12:08

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

marsbit06/18 12:08

活动图片