# Open-Source Articles associés

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

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

DeepSeek a annoncé une mise à jour majeure de son modèle DeepSeek-V4-Pro avec le lancement de DSpark, un nouveau cadre de décodage spéculatif (Speculative Decoding) open source, accompagné de l'infrastructure complète DeepSpec. Cette mise à jour, axée sur l'ingénierie et non sur les capacités fondamentales du modèle, vise à accélérer considérablement l'inférence des LLM en production. Le cœur de DSpark est l'introduction d'une **génération semi-autorégressive**. Cela combine la génération parallèle à haut débit d'un modèle "brouillon" léger avec une modélisation des dépendances entre tokens pour améliorer le taux d'acceptation. De plus, un système de **vérification planifiée par confiance et conscient du matériel** (Confidence-Scheduled Verification) évalue dynamiquement la probabilité que chaque token généré soit accepté par le modèle cible. Il adapte ainsi la longueur de vérification en temps réel pour optimiser l'utilisation des ressources GPU, notamment en charge élevée. Les résultats sont significatifs : face aux méthodes de pointe comme Eagle3 et DFlash, DSpark augmente la longueur moyenne de tokens acceptés de 26.7% à 30.9% et de 16.3% à 18.4% respectivement sur les modèles Qwen3. En déploiement réel, par rapport à la génération token par token précédente (MTP-1), **DSpark améliore la vitesse de génération pour l'utilisateur de 60% à 85% pour le modèle Flash et de 57% à 78% pour le modèle Pro**, à débit total constant. Le projet open source **DeepSpec** fournit une stack complète pour entraîner et évaluer des modèles brouillons pour le décodage spéculatif, supportant actuellement les algorithmes DSpark, DFlash et Eagle3, ainsi que les familles de modèles cibles Qwen3 et Gemma.

marsbit06/27 08:56

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

marsbit06/27 08:56

Un projet open-source à 28 000 étoiles sur GitHub et son créateur se font licencier par Google, les poids lourds de la Silicon Valley s'arrachent immédiatement le développeur

L’employé de Google, Justin Poehnelt, a créé un outil en ligne de commande (CLI) pour Google Workspace écrit en Rust, nommé « gws ». Cet outil, conçu pour les agents IA, a rapidement gagné en popularité, atteignant 28 000 étoiles sur GitHub et devenant viral sur Hacker News. Cependant, au lieu d’être récompensé, Poehnelt a été licencié par Google quelques jours après que l’entreprise a annoncé son propre CLI officiel pour Workspace lors de la conférence Cloud Next 2026. La raison officielle du licenciement concernait l’utilisation non autorisée des logos et couleurs de Google, mais Poehnelt estime que la véritable cause est la crainte au sein de Google que son outil ne déstabilise les produits existants de Workspace en les rendant accessibles via des agents IA, réduisant ainsi l’importance des interfaces utilisateur traditionnelles. Cette situation a suscité des critiques sur les réseaux sociaux, où de nombreux observateurs ont dénoncé une approche bureaucratique et étouffante de l’innovation. Suite à son licenciement, Poehnelt a rapidement reçu des offres d’emploi de la part de plusieurs dirigeants de la tech, dont Peter Steinberger (OpenClaw) et les PDG d’OpenRouter et Vercel, témoignant de la valeur reconnue de son travail en dehors de Google.

marsbit06/26 00:26

Un projet open-source à 28 000 étoiles sur GitHub et son créateur se font licencier par Google, les poids lourds de la Silicon Valley s'arrachent immédiatement le développeur

marsbit06/26 00:26

Correction violente du marché de l'IA, le moment DeepSeek de Zhipu AI ?

Mardi, le marché de l'intelligence artificielle a subi une violente correction. Les actions coréennes, portées par Samsung Electronics et SK Hynix, ont chuté brutalement, entraînant un effet de contagion sur les marchés américains où les valeurs technologiques, notamment les semi-conducteurs et le matériel lié à l'IA, ont été fortement vendues. Cette pression est en partie attribuée par certains analystes au « moment DeepSeek » de Zhipu AI. Le lancement du puissant modèle open source chinois GLM-5.2, classé parmi les trois meilleurs mondiaux, ravive les inquiétudes sur la domination américaine en IA. Les investisseurs s'interrogent sur la soutenabilité des dépenses en capital faramineuses des géants tech américains pour leurs centres de données, face à la concurrence de modèles open source performants et moins coûteux. Le repli reflète une réévaluation du secteur : la question n'est plus de savoir si la croissance de l'IA aura lieu, mais à quel prix et pour quels bénéfices. Les marchés ajustent la valorisation des entreprises les plus exposées aux investissements infrastructurels lourds (Alphabet, Amazon, Meta) et examinent leur capacité à transformer ces dépenses en flux de trésorerie. Des facteurs spécifiques, comme des décisions réglementaires en Corée du Sud et l'attente des résultats de Micron, ont également joué. Globalement, de nombreux observateurs voient cette correction comme un test de résistance nécessaire après une forte hausse, et non comme la fin du cycle de l'IA, considéré comme encore à un stade précoce.

marsbit06/24 02:24

Correction violente du marché de l'IA, le moment DeepSeek de Zhipu AI ?

marsbit06/24 02:24

La rentabilité des canaux de distribution arrivant à son terme, à quoi peuvent compter les protocoles DeFi pour résister à la récolte par les géants ?

« Le temps des canaux faciles est révolu : comment les protocoles DeFi résistent-ils aux géants ? » par Thejaswini M A. Les grandes entreprises technologiques comme Coinbase, Stripe et Kraken, en contrôlant les canaux de distribution (ex: utilisateurs, paiements, échanges), s'approprient désormais la valeur créée en aval. Elles adoptent une stratégie d'« intégration vers le bas » : laisser d'autres innover et prendre des risques, puis acquérir ou construire l'infrastructure sous-jacente une fois le marché rentable, capturant ainsi les revenus. Exemples : Coinbase, avec sa blockchain Base, perçoit tous les frais de séquençage des transactions, même celles des protocoles comme Morpho qui y sont déployés et lui amènent des utilisateurs. Stripe a racheté Bridge pour émettre son propre stablecoin et garder les intérêts des réserves, au lieu de les verser à Circle. Kraken a acheté NinjaTrader pour obtenir immédiatement des licences de courtier. La défense des protocoles DeFi comme Morpho ou Uniswap réside dans le déploiement multichaîne. En n'étant pas dépendants d'une seule blockchain, ils limitent leur vulnérabilité si un géant comme Coinbase favorise un concurrent sur sa propre chaîne. Leur profonde intégration technique et le coût élevé de leur remplacement constituent aussi une barrière. L'avenir pourrait voir une domination totale de quelques géants, reléguant les protocoles open-source à des niches. Cependant, la vitesse d'expansion horizontale (multichaîne) des protocoles rivale avec la vitesse d'expansion verticale des institutions. Des acteurs comme Robinhood choisissent parfois d'intégrer une technologie tierce éprouvée (ex: Lighter) plutôt que de tout développer en interne, ce qui maintient un espace pour les protocoles spécialisés. La bataille pour le contrôle de la valeur et de l'infrastructure sous-jacente définira le paysage.

marsbit06/22 10:27

La rentabilité des canaux de distribution arrivant à son terme, à quoi peuvent compter les protocoles DeFi pour résister à la récolte par les géants ?

marsbit06/22 10:27

La fin de l'ère des avantages des canaux de distribution : sur quoi les protocoles DeFi peuvent-ils compter pour résister à la récolte des géants ?

Au fur et à mesure que les « dividendes de distribution » s'épuisent, les protocoles DeFi se demandent comment résister à l'emprise des géants technologiques. Les entreprises comme Coinbase, Stripe et Kraken consolident leur pouvoir en acquérant ou en construisant des infrastructures de base critiques, capturant ainsi la valeur et les revenus générés par les protocoles open-source qu'elles utilisent. Par exemple, Coinbase, avec sa blockchain Base, perçoit tous les frais de séquençage des transactions, tandis que Morpho, un protocole de prêt décentralisé qui alimente ses produits, ne reçoit rien. Stripe a acheté Bridge pour contrôler l'émission de stablecoin et garder les revenus des intérêts, au lieu de payer Circle. Kraken a acquis NinjaTrader pour obtenir des licences de courtier dérivées clés. Face à cette pression, la survie des protocoles open-source semble reposer sur deux stratégies principales : le déploiement multi-chaînes et l'intégration systémique profonde. Uniswap et Morpho illustrent la première : en étant présents sur de nombreuses blockchains, ils réduisent leur dépendance à une seule et limitent les risques si un géant favorise un concurrent local. La seconde stratégie consiste à devenir si crucial et complexe à remplacer dans les systèmes des grandes entreprises que le coût du changement devient prohibitif, comme le montre la relation entre Coinbase et Morpho pour ses prêts Bitcoin. L'avenir pourrait osciller entre un paysage dominé par quelques méga-plateformes intégrées verticalement et un écosystème plus équilibré où les protocoles résilients et multi-chaînes conservent un pouvoir de négociation. Le cas de Robinhood, qui s'appuie sur le protocole Lighter pour les contrats perpétuels au lieu de tout construire, suggère que l'expertise technique spécialisée reste une arme défensive viable pour les protocoles. La course entre l'expansion des institutions et la diffusion horizontale des protocoles open-source déterminera l'issue finale.

Foresight News06/22 08:16

La fin de l'ère des avantages des canaux de distribution : sur quoi les protocoles DeFi peuvent-ils compter pour résister à la récolte des géants ?

Foresight News06/22 08:16

OpenAI « le plus ouvert » jamais, Codex ne privilégie plus uniquement GPT

OpenAI réalise son « ouverture la plus significative » en permettant à Codex, son assistant de programmation intelligent, de ne plus être exclusivement lié à ses propres modèles GPT. Désormais, les développeurs peuvent configurer Codex pour qu'il fonctionne avec des modèles open source locaux, comme ceux fournis par Ollama ou LM Studio, en utilisant un mode spécifique (--oss) ou en configurant manuellement des « fournisseurs de modèles ». Cette évolution, saluée par la communauté, offre une plus grande flexibilité : réduction des coûts (évitant la facturation au token des modèles OpenAI), respect de la vie privée (traitement local des données) et liberté de choisir le modèle le plus adapté à chaque tâche. Cependant, l'intégration nécessite que les modèles externes soient compatibles avec le protocole d'interface « Responses API » d'OpenAI, ou qu'une couche de conversion (comme un routeur local) soit mise en place pour les modèles utilisant d'autres standards, comme l'API « Chat Completions ». En ouvrant cette « couche d'accès aux modèles », OpenAI semble vouloir transformer Codex en une plateforme ou un écosystème central pour le développement assisté par IA, où la valeur réside moins dans le modèle spécifique que dans l'outil et son interface standardisée. Cette stratégie pourrait repositionner la concurrence autour des normes d'interface plutôt que des performances brutes des modèles, tout en offrant aux développeurs des avantages pratiques immédiats en termes de contrôle et d'économie.

marsbit06/22 00:28

OpenAI « le plus ouvert » jamais, Codex ne privilégie plus uniquement GPT

marsbit06/22 00:28

« Posséder » ou « louer » l’intelligence ? La nouvelle question de l’entrepreneuriat en IA

La fermeture de Mythos cette semaine a relancé un débat crucial pour les entrepreneurs en IA : faut-il « louer » ou « posséder » l’intelligence artificielle qui fonde son produit ? Initialement, les modèles open source étaient surtout envisagés comme une alternative moins coûteuse aux modèles de pointe (via API). Mais l’enjeu dépasse le coût : il s’agit de contrôle. En s’appuyant sur des API externes, une startup peut rapidement lancer un service, mais elle expose son cœur de métier aux changements de tarifs, de règles, voire aux décisions de retrait du fournisseur – comme l’a rappelé Mythos. « Louer » l’intelligence, c’est comme louer un logement : pratique au début, mais avec des limites imposées par le « propriétaire ». « Posséder » l’intelligence, en revanche, ne signifie pas renoncer aux modèles avancés, mais bâtir à partir d’un modèle open source solide que l’on façonne avec ses propres données, ses flux de travail, ses connaissances métier, ses cas limites et ses critères d’évaluation. Au fil du temps, ce modèle devient un actif spécifique à l’entreprise, reflétant ses besoins réels. L’avenir de l’IA ne sera pas dominé par un seul modèle suprême, mais par plusieurs « fronts » : les grands modèles généraux, les modèles fine-tunés sur des savoirs d’entreprise, les modèles spécialisés sur des tâches précises, et des systèmes de routage orchestrant plusieurs modèles. La vraie compétition ne se jouera pas sur la puissance d’appel à une API, mais sur la capacité à faire de l’intelligence un atout propre, durable et maîtrisé. La leçon de Mythos est claire : la vraie valeur – et la vraie protection – réside dans la capacité à internaliser et personnaliser l’intelligence, pour ne plus jamais voir le sol se dérober sous son produit.

marsbit06/19 02:11

« Posséder » ou « louer » l’intelligence ? La nouvelle question de l’entrepreneuriat en IA

marsbit06/19 02:11

De l’Ethereum à l’IA : que signifie le « CROPS » si souvent mentionné par Vitalik ?

Ces derniers temps, Vitalik Buterin a fréquemment mentionné le concept de « CROPS », un acronyme pour Censorship Resistance, Capture Resistance, Open Source, Privacy et Security (Résistance à la censure, Résistance à la capture, Open Source, Confidentialité et Sécurité). Au-delà d'une simple vision pour Ethereum, ce cadre définit des principes fondamentaux pour préserver la souveraineté des utilisateurs dans un environnement numérique de plus en plus centralisé, notamment avec l'avènement de l'IA. Initialement formalisé dans un mandat de l'Ethereum Foundation, CROPS guide les efforts pour garantir que les utilisateurs puissent interagir sans dépendre de plateformes uniques, sans perdre le contrôle final et sans être bloqués arbitrairement. Avec l'intégration croissante de l'IA dans la gestion des portefeuilles et l'exécution automatisée, ces principes deviennent cruciaux pour empêcher que les agents IA ne deviennent des "boîtes noires" centralisées ayant accès aux données sensibles et aux actifs des utilisateurs. Vitalik souligne ainsi la convergence entre une « couche d'accès Ethereum CROPS » et une « IA CROPS ». L'enjeu commun est de permettre aux utilisateurs d'accéder à des services (comme les appels à des modèles linguistiques distants ou la lecture de données blockchain via des RPC) sans divulguer leurs informations personnelles, leurs intentions ou leurs identités. Des technologies comme les preuves à connaissance nulle (ZK) pourraient y contribuer. En somme, CROPS n'est pas un slogan abstrait mais un filtre pratique pour le développement futur. Il positionne Ethereum et les écosystèmes Web3 comme des infrastructures essentielles pour un futur numérique où, malgré la puissance croissante de l'IA, les individus conservent le contrôle, la compréhension et la propriété de leur vie numérique. La confidentialité et la sécurité doivent être conçues dès l'origine, et non rajoutées après coup.

marsbit06/06 08:12

De l’Ethereum à l’IA : que signifie le « CROPS » si souvent mentionné par Vitalik ?

marsbit06/06 08:12

La biologie bouleversée : le nouveau modèle open-source de Zuckerberg détrône complètement l'AlphaFold de Google

La couronne d'AlphaFold vacille. Le Biohub de Meta a lancé une base de données ouverte, l'Atlas ESM, contenant **1,1 milliard de structures protéiques prédites**, dépassant de 800 millions celle d'AlphaFold. Le modèle AI sous-jacent, **ESMFold2**, surpasse les performances d'AlphaFold3, notamment pour les interactions protéiques, selon son équipe. Surtout, il est **entièrement open source et libre d'utilisation commerciale**, une stratégie contrastant avec les restrictions de certains modèles concurrents comme AlphaFold3. ESMFold2 utilise une approche de "langage protéique", traitant les séquences comme un texte, et a été entraîné sur des milliards de données, incluant des protéines microbiennes environnementales peu couvertes auparavant. L'équipe a également conçu et validé en laboratoire de nouvelles protéines avec succès. La communauté scientifique accueille cette ressource comme potentiellement "extraordinaire", tout en soulignant la nécessité de validation indépendante et en questionnant les performances sur des structures radicalement nouvelles. Certains experts voient l'Atlas ESM comme un complément à la base AlphaFold, notant que la compétition dans le domaine des AI pour les protéines s'intensifie rapidement. Cette avancée marque une étape vers une compréhension plus complète du "code source" de la vie par l'IA, en démocratisant l'accès à des prédictions structurelles à une échelle sans précédent.

marsbit05/29 12:37

La biologie bouleversée : le nouveau modèle open-source de Zuckerberg détrône complètement l'AlphaFold de Google

marsbit05/29 12:37

活动图片