# Contexte Articles associés

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

Le nouveau champ de bataille de la concurrence de l'IA : La mémoire à long terme devient un point sensible, comment les utilisateurs peuvent-ils préserver leur propriété sur le contexte

La compétition dans l'IA évolue vers un nouveau front : la mémoire à long terme devient un défi crucial, et les utilisateurs cherchent à conserver la propriété de leur contexte personnel. Alors que les assistants IA passent d'outils de conversation ponctuels à des collaborateurs permanents, comprenant nos habitudes et projets, un problème émerge : ces "souvenirs" et préférences sont enfermés dans des silos propres à chaque plateforme (comme ChatGPT, Claude, Gemini). Changer de modèle signifie tout recommencer. Pour résoudre cette fragmentation, des initiatives comme ZetaChain proposent une "couche de mémoire privée". Son produit, Anuma, vise à donner aux utilisateurs le contrôle d'un contexte crypté et portable entre différents modèles et agents IA. Cette approche inclut un système de permissions programmable et révocable, enregistré sur une blockchain, permettant aux utilisateurs de gérer finement les accès des agents à leurs données. La vision va plus loin avec le concept de "couche de consommation d'IA", où plusieurs agents spécialisés interagiraient en partageant un contexte sécurisé sous le contrôle de l'utilisateur. Le jeton ZETA évoluerait pour soutenir cette économie, facilitant les paiements entre agents et l'accès aux services. L'objectif central est de faire basculer la propriété de la mémoire, de l'identité et du contexte de l'utilisateur des plateformes vers l'utilisateur lui-même.

marsbitIl y a 21 h

Le nouveau champ de bataille de la concurrence de l'IA : La mémoire à long terme devient un point sensible, comment les utilisateurs peuvent-ils préserver leur propriété sur le contexte

marsbitIl y a 21 h

Agentic Design Patterns : un livre qui m'a fait redéfinir "ce qu'est vraiment un Agent"

"**Agentic Design Patterns**" d'Antonio Gulli offre une vision structurée des agents IA à travers 21 modèles de conception. L'essentiel : un véritable agent va bien au-delà d’un simple LLM (niveau 0). Il se définit par sa capacité à utiliser des outils de façon autonome (niveau 1), à planifier et à pratiquer l’*Ingénierie du Contexte* pour filtrer et optimiser les informations (niveau 2), et, si nécessaire, à collaborer au sein d’équipes multi-agents spécialisées (niveau 3). L’article souligne deux concepts clés. D’abord, l’*Ingénierie du Contexte*, qui dépasse le simple prompt pour gérer stratégiquement les couches d’information (système, données externes, données implicites, boucle de feedback) présentées à l’agent. Ensuite, le modèle *Producteur-Critique* (Reflection), où deux agents aux rôles distincts (création et révision critique) travaillent en boucle pour améliorer continuellement la qualité du résultat, comme dans la génération de code. Il met également en garde contre la complexité inutile : un agent de niveau 2 bien conçu est souvent suffisant. Les systèmes multi-agents (niveau 3) ne sont nécessaires que pour les tâches véritablement complexes et parallélisables, et leur architecture de communication (par exemple, superviseur central ou réseau pair-à-pair) doit correspondre à la nature de la tâche. Enfin, la mémoire de l’agent doit être pensée en trois couches : la session (contexte immédiat), l’état (données temporaires de la tâche) et la mémoire à long terme (expériences persistantes). Le livre se conclut par des perspectives ambitieuses, comme les systèmes multi-agents "auto-transformants" qui se réorganisent dynamiquement pour atteindre un objectif. L’auteur en retire trois actions pratiques : ajouter un agent critique à ses workflows existants, se concentrer sur l’ingénierie du contexte plutôt que seulement sur les prompts, et perfectionner un agent unique avant de se lancer dans des architectures multi-agents complexes.

链捕手05/25 04:51

Agentic Design Patterns : un livre qui m'a fait redéfinir "ce qu'est vraiment un Agent"

链捕手05/25 04:51

Économisez 300 millions de Tokens par semaine : Le guide de mise en cache du code Claude par un ingénieur d'Anthropic

Claude Code utilise un mécanisme de cache pour réduire considérablement le coût des tokens. Les tokens mis en cache ne coûtent que 10% du prix des tokens d'entrée normaux. L'auteur a ainsi économisé 3 milliards de tokens en une semaine, dont 91 millions en un seul jour, grâce à la réutilisation du contexte. Le cache fonctionne par correspondance de préfixe et est organisé en trois couches : système (instructions globales), projet (CLAUDE.md, règles) et conversation (historique). Pour le forfait Claude Code, la durée de vie du cache (TTL) est d'une heure. Les actions qui réinitialisent le cache incluent le changement de modèle et l'activation du mode "Opus plan". Pour optimiser l'utilisation : - Ne laissez pas une session inactive plus d'une heure. - Lors d'un changement de tâche, effectuez une transition claire (session handoff) plutôt que de reprendre une ancienne conversation. - Évitez de basculer fréquemment entre les modèles. - Pour les grands documents, utilisez la fonctionnalité Projects plutôt que de les coller dans le chat. En surveillant le taux de réutilisation du cache (cache read), les utilisateurs peuvent prolonger efficacement leurs sessions et réduire leurs coûts, un objectif aligné avec les intérêts d'Anthropic en matière d'efficacité des services.

marsbit05/24 00:41

Économisez 300 millions de Tokens par semaine : Le guide de mise en cache du code Claude par un ingénieur d'Anthropic

marsbit05/24 00:41

Comment devenir un utilisateur avancé de Claude en 30 jours ?

**Résumé : Comment devenir un utilisateur avancé de Claude en 30 jours** Ce guide propose un parcours sur 30 jours pour transformer Claude d'un simple outil de questions-réponses en un véritable assistant de travail personnalisé et productif. L'accent est mis sur la construction d'un système durable plutôt que sur des astuces ponctuelles. **Semaine 1 : Maîtriser les bases** - **Jours 1-2 :** Apprendre à structurer ses prompts avec les éléments clés : Rôle, Contexte, Tâche, Format et Contraintes. - **Jours 3-4 :** Comprendre la fenêtre de contexte pour placer les informations importantes au début des conversations longues. - **Jours 5-7 :** Configurer trois **Projects** (projet principal, recherche, écriture) pour fournir un contexte permanent, et activer la **Mémoire** pour que Claude retienne vos préférences personnelles. **Semaine 2 : Construire ses premiers flux de travail** - **Jours 8-9 :** Créer un flux de travail type pour la **recherche**. - **Jours 10-11 :** Établir un processus en deux étapes pour l'**écriture** (plan puis rédaction). - **Jours 12-14 :** Mettre en place un flux pour l'aide à la **prise de décision**. **Semaine 3 : Automatiser et connecter** - **Jours 15-17 :** Utiliser **Claude Cowork** pour lui permettre d'exécuter des tâches autonomes sur votre ordinateur (organisation de fichiers, synthèses). - **Jours 18-19 :** Connecter Claude à vos outils (Google Drive, Slack, Gmail, etc.) pour plus d'efficacité. - **Jours 20-21 :** Configurer une première tâche **automatisée** récurrente (ex: briefing matinal automatique). **Semaine 4 : Optimiser et systématiser** - **Jours 22-24 :** Réviser et optimiser tous les flux de travail existants en fonction des résultats. - **Jours 25-26 :** Constituer une **base de connaissances** avec les meilleures sorties de Claude pour les réutiliser. - **Jours 27-28 :** Enseigner la méthode à un collègue pour solidifier sa propre compréhension. - **Jours 29-30 :** Concevoir son **système d'exploitation personnel** idéal avec Claude, en planifiant tous les flux et connexions nécessaires. **Résultat au Jour 31 :** Claude fonctionne comme un système intégré : tâches automatisées, contexte immédiatement disponible dans chaque nouvelle conversation, et production de qualité nécessitant moins de corrections. L'utilisateur gagne un temps considérable pour se concentrer sur des travaux à haute valeur ajoutée. La clé n'est pas la maîtrise de commandes secrètes, mais l'investissement dans la création d'un système personnalisé et évolutif.

marsbit05/20 08:11

En tête du classement GitHub, le guide essentiel pour les utilisateurs de Claude Code

CLAUDE.md est un fichier de configuration crucial pour améliorer l'efficacité de Claude Code, l'assistant de programmation IA. Placé à la racine d'un projet, il est lu automatiquement au début de chaque session pour fournir un contexte persistant. Sans ce fichier, les développeurs gaspillent en moyenne 30 minutes par jour à réexpliquer le contexte (stack technique, conventions, décisions passées), ce qui représente un coût caché important. CLAUDE.md résout ce problème et évite trois types d'erreurs coûteuses : 1. **Paramètres par défaut** : Il élimine les explications répétitives en définissant le contexte du projet, le style de communication et les attentes de réponses. 2. **Contraintes comportementales** : Il empêche les modifications non autorisées en exigeant une confirmation pour les actions importantes, en limitant strictement la portée des changements et en imposant un résumé des modifications apportées. 3. **Mémoire et Stack technique** : Il maintient une "mémoire" du projet via des fichiers comme `MEMORY.md` et `ERRORS.md`, et verrouille la stack technique pour éviter les recommandations inappropriées. Les 4 règles initiales d'Andrej Karpathy, intégrées dans ce fichier, ont permis d'augmenter la précision du codage de 65% à 94%. Elles consistent à : demander des clarifications en cas de doute, implémenter d'abord la solution la plus simple, ne pas modifier du code non concerné, et expliciter les incertitudes. La mise en place de CLAUDE.md prend environ 2 heures mais permet aux équipes de développement d'économiser des centaines de dollars par semaine en gain de productivité et en évitant des erreurs.

marsbit05/18 09:44

En tête du classement GitHub, le guide essentiel pour les utilisateurs de Claude Code

marsbit05/18 09:44

À l'ère de l'IA, comment ne plus avoir un onboarding « à partir de zéro »

À l'ère de l'IA, l'intégration des nouveaux employés ne devrait plus commencer à partir de zéro. L'article, inspiré des 100 premiers jours de l'auteur chez Ramp, souligne que la vitesse d'une entreprise ne doit pas être ralentie par des processus d'adaptation longs. La solution réside dans la construction d'un « cerveau d'entreprise » – une couche de contexte centralisée et continuellement mise à jour. Ce système agrège automatiquement toutes les connaissances organisationnelles : transcriptions de réunions, documents, discussions Slack, retours clients et décisions. Il sert de base commune à la fois pour les nouveaux employés et les agents IA, leur permettant d'accéder immédiatement au contexte nécessaire. Au lieu d'outils IA isolés (comme des chatbots pour le service client ou les RH), l'avenir appartient à une infrastructure de connaissance unique et partagée. L'auteur décrit la mise en place pratique chez Ramp : un vault Obsidian alimenté par Claude, un enregistrement systématique des réunions, une bibliothèque de compétences pour les agents, et des synthèses quotidiennes. L'objectif est que l'intégration (« ramp-up ») cesse d'être une phase distincte. La victoire organisationnelle, telle une course de relais, combine vitesse et transmission de contexte parfaite pour que chacun, humain ou IA, puisse sprinter dès le premier jour.

marsbit05/17 06:07

À l'ère de l'IA, comment ne plus avoir un onboarding « à partir de zéro »

marsbit05/17 06:07

Votre Claude va faire des rêves ce soir, ne le dérangez pas

L'entreprise Anthropic a présenté la fonctionnalité « rêver » (Dreaming) pour ses agents IA, suscitant des interrogations sur l'usage de termes humains comme « penser », « mémoire » ou « rêver » dans le domaine de l'intelligence artificielle. En réalité, le « rêve » de l'IA correspond à un traitement automatique hors ligne des journaux d'exécution, permettant aux agents d'analyser leurs sessions passées pour en extraire des modèles, optimiser leurs futures actions et partager ces apprentissages. Des acteurs comme Hermes Agent et OpenClaw proposent des mécanismes similaires, souvent structurés en phases rappelant les cycles du sommeil humain. Cette fonctionnalité s'inscrit dans les défis du traitement du contexte (context window) et de la mémoire à long terme pour les agents IA. Face aux limites techniques et aux coûts de calcul, des entreprises explorent aussi l'élargissement des fenêtres de contexte, comme Subquadratic qui annonce un modèle supportant jusqu'à 12 millions de tokens. L'article soulève une réflexion critique sur la sémantique employée par les géants de la tech : en attribuant des capacités humaines aux machines, ils brouillent les frontières entre outil et entité autonome, influençant notre perception et les attentes des utilisateurs, tout en redistribuant potentiellement les responsabilités en cas de problème.

marsbit05/11 00:22

Votre Claude va faire des rêves ce soir, ne le dérangez pas

marsbit05/11 00:22

DeepSeek V4 enfin publié, brise le monopole des modèles propriétaires les plus puissants et annonce un partenariat avec les puces Huawei

DeepSeek V4 est désormais disponible en deux versions : DeepSeek-V4-Pro, un modèle haute performance avec 1,6 T de paramètres et 49B d'activation, et DeepSeek-V4-Flash, une version plus légère et économique avec 284B de paramètres et 13B d'activation. Les deux versions prennent en charge un contexte d’1 million de tokens, une capacité auparavant réservée aux modèles exclusifs comme Gemini. DeepSeek-V4-Pro rivalise avec les meilleurs modèles propriétaires en matière de capacités d'agent, de connaissances générales et de raisonnement. Il est déjà utilisé en interne et surpasse Sonnet 4.5, approchant les performances d'Opus 4.6 en mode non-réfléchi. DeepSeek-V4-Flash offre des performances similaires pour des tâches simples à un coût réduit. Le modèle introduit un nouveau mécanisme d'attention permettant une compression des tokens et réduisant significativement les besoins en calcul et en mémoire. De plus, DeepSeek annonce un futur support des puces Huawei pour le calcul et met à jour ses API, tout en retirant progressivement les anciens noms de modèles. La version est open-source et disponible sur Hugging Face et ModelScope.

marsbit04/24 04:27

DeepSeek V4 enfin publié, brise le monopole des modèles propriétaires les plus puissants et annonce un partenariat avec les puces Huawei

marsbit04/24 04:27

La bonne façon de gérer le contexte de Claude Code : Éviter que plus la session est longue, plus le modèle devient « stupide »

Claude Code a récemment étendu sa fenêtre contextuelle à 1 million de tokens, offrant une capacité accrue pour les tâches complexes. Cependant, une gestion efficace du contexte est cruciale pour maintenir les performances du modèle, évitant la "détérioration contextuelle" (Context Rot) où trop d'informations nuisent à la pertinence. L'article présente plusieurs stratégies clés : - **Continuer** : Envoyer directement un nouveau message dans la même conversation. - **Remonter le temps (Rewind)** : Revenir à un point précédent pour corriger une erreur ou changer d'approche, souvent plus efficace que de simples corrections. - **Nouvelle session (/clear)** : Démarrer une nouvelle conversation avec un résumé manuel des points essentiels, pour un contexte entièrement propre. - **Compression contextuelle (/compact)** : Laisser Claude résumer l'historique pour libérer de l'espace. C'est pratique mais peut être "avec perte" ; des instructions précises guident mieux le résumé. - **Sous-agents (Subagents)** : Déléguer une tâche à un agent qui travaille dans un contexte isolé et ne renvoie que le résultat final, idéal pour les travaux aux nombreux outputs intermédiaires. Le conseil principal est de démarrer une nouvelle session pour une nouvelle tâche. La commande `rewind` est privilégiée pour les corrections, et les sous-agents pour les travaux complexes à outputs éphémères. Bien maîtriser ces outils est essentiel pour optimiser les résultats avec Claude Code.

marsbit04/16 10:41

La bonne façon de gérer le contexte de Claude Code : Éviter que plus la session est longue, plus le modèle devient « stupide »

marsbit04/16 10:41

Harness Mince, Compétences Épaisses : La véritable source d'une productivité IA multipliée par 100

Basé sur l'article, l'auteur Garry Tan (PDG de Y Combinator) affirme que la véritable productivité de l'IA ne provient pas des modèles eux-mêmes, mais de la conception systémique qui les entoure. Il introduit le cadre « Thin Harness, Fat Skills » (Harnais mince, Compétences épaisses), qui décompose les applications d'IA en cinq composants clés : 1. **Skill File** : Un document markdown réutilisable qui enseigne à un modèle « comment » accomplir une tâche, comme une méthode invocable avec des paramètres. 2. **Harness** : Une couche logicielle mince qui exécute le modèle, gère les entrées/sorties et applique des contraintes, sans logique métier lourde. 3. **Resolver** : Un système de routage contextuel qui charge la documentation ou les instructions pertinentes au bon moment. 4. **Latent vs. Deterministic** : Une séparation stricte entre le traitement intelligent (jugement, synthèse) et les opérations déterministes fiables (requêtes, calculs). 5. **Diarization** : La capacité du modèle à lire de nombreux documents sur un sujet et à en synthétiser une analyse structurée. L'article illustre ceci avec un exemple concret de matching pour un événement Y Combinator, où le système apprend et s'améliore automatiquement en réécrivant ses propres fichiers de compétences basé sur les retours, sans réécriture de code. La conclusion est que l'avantage décisif (10x à 100x) vient de cette capacité à construire des systèmes qui capitalisent et améliorent continuellement leurs compétences, et non simplement d'utiliser le modèle le plus récent.

marsbit04/13 04:27

Harness Mince, Compétences Épaisses : La véritable source d'une productivité IA multipliée par 100