# Formation Articles associés

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

DeepSeek développe secrètement ses propres puces, se concentre sur l'inférence, lancé il y a un an, le recrutement s'est fait en toute confidentialité

DeepSeek, la société chinoise d'IA connue pour ses modèles algorithmiques, développerait secrètement sa propre puce d'IA dédiée à l'inférence, selon un rapport de Reuters. Le projet aurait débuté il y a environ un an, visant à réduire la dépendance envers Nvidia. Le développement en est encore aux premiers stades, avec des discussions engagées avec des concepteurs de puces, des fonderies et des fournisseurs de mémoire. Les recrutements d'ingénieurs se feraient de manière discrète, sans annonces publiques. Cette initiative s'inscrit dans une tendance globale où les géants de l'IA comme OpenAI et Anthropic explorent également le développement de puces maison. DeepSeek, qui a historiquement optimisé ses algorithmes pour l'efficacité (modèles R1, V4 adaptés à l'Ascend de Huawei), cherche ainsi à contrôler davantage sa chaîne technologique. La puce, spécialisée pour l'inférence, répondrait au besoin crucial de réduire les coûts et la consommation énergétique des modèles en production. Le design du modèle V3.1, avec son format de données UE8M0 FP8, semble déjà anticiper cette collaboration matérielle. Ce projet ambitieux est soutenu par un tour de table de 510 milliards de yuans (environ 74 milliards de dollars) conclu en juin 2026. Les fonds sont destinés au développement de la puce, à l'expansion de centres de calcul basés sur des puces locales et au recrutement de talents. DeepSeek reste discret sur le sujet, mais marque ainsi une évolution stratégique majeure vers l'intégration matérielle, malgré les défis techniques et financiers importants que représente la conception d'une puce compétitive.

marsbitIl y a 4 h

DeepSeek développe secrètement ses propres puces, se concentre sur l'inférence, lancé il y a un an, le recrutement s'est fait en toute confidentialité

marsbitIl y a 4 h

Dwarkesh Patel : La prochaine génération d'IA pourrait provenir du "travail"

Dwarkesh Patel, célèbre podcasteur tech de la Silicon Valley, s'interroge sur le prochain paradigme d'entraînement de l'IA. Il identifie le RLVR (Reinforcement Learning with Verifiable Rewards), efficace pour les tâches "grindables" comme le code ou les mathématiques (vérifiables et reproductibles à grande échelle), comme une étape clé. Cependant, il souligne ses limites pour les tâches complexes du monde réel (entreprendre, plaider en justice, gagner une élection), où les environnements sont non stationnaires, non réinitialisables et à rétroaction lente. L'enjeu principal, selon lui, est le "learning back to the weights" : apprendre à comprimer de manière efficace l'expérience acquise lors du déploiement réel en modifications durables des poids du modèle, au-delà de l'apprentissage contextuel temporaire. Il évoque deux pistes prometteuses : 1. **L'OPSD (On-Policy Self-Distillation)** : distiller les connaissances d'un modèle "expérimenté" ayant appris en contexte vers le modèle de base. 2. **Le "Dreaming"** : la capacité de l'agent à construire ses propres environnements simulés à partir d'observations réelles pour s'y entraîner de manière intensive. À terme, le futur paradigme d'entraînement pourrait combiner une phase préalable de RLVR pour des compétences agentiques de base, puis une phase continue d'apprentissage à partir de l'expérience réelle accumulée après le déploiement. L'avancée de l'IA reposerait ainsi moins sur des données humaines préexistantes que sur l'expérience autonome acquise en accomplissant des tâches authentiques.

marsbit06/28 23:54

Dwarkesh Patel : La prochaine génération d'IA pourrait provenir du "travail"

marsbit06/28 23:54

Premier ensemble de données d'entraînement Doc2Repo de longue portée, les agents de code vont au-delà de la correction de bugs pour commencer à créer des dépôts

L'équipe du Gaoling Institute of Artificial Intelligence de l'Université Renmin de Chine a récemment publié DeNovoSWE, le premier grand ensemble de données d'entraînement pour des tâches de génération de code à long terme au niveau du dépôt. Contrairement aux benchmarks précédents centrés sur la correction de bogues (comme SWE-bench), DeNovoSWE se concentre sur la tâche complexe de génération d'un dépôt logiciel complet et exécutable à partir de zéro, en se basant uniquement sur une documentation détaillée. La méthode utilise une approche "Diviser pour régner" et un mécanisme "Critique & Réparation" automatisé par agents multiples pour construire 4 818 instances de tâches de haute qualité. Elle décompose un dépôt cible en "capacités" fondamentales, génère une documentation structurée alignée sur les évaluations (tests), et assure l'absence de fuite d'informations depuis le code source original. Les expériences montrent que l'entraînement avec DeNovoSWE améliore considérablement les performances des agents de code. Par exemple, le modèle Qwen3-30B-A3B-Instruct a vu son taux de réussite passer de 5.8% à 47.2% sur le benchmark BeyondSWE-Doc2Repo. Cela démontre que des données spécifiquement conçues pour les tâches longues et complexes de génération de dépôts sont essentielles pour faire évoluer les agents de code du rôle de mainteneur à celui d'architecte logiciel capable de planifier et d'implémenter des projets complets.

marsbit06/25 08:55

Premier ensemble de données d'entraînement Doc2Repo de longue portée, les agents de code vont au-delà de la correction de bugs pour commencer à créer des dépôts

marsbit06/25 08:55

Le défi du calcul dans la confrontation sino-américaine en matière d'IA

L'écart de puissance de calcul entre les États-Unis et la Chine constitue un défi majeur dans la course à l'IA. Alors que les géants américains comme Meta, Google et xAI déploient des centaines de milliers de GPU haut de gamme (principalement NVIDIA) pour entraîner des modèles de dizaines de milliers de milliards de paramètres, la Chine se concentre encore largement sur les puces d'inférence, moins exigeantes. Les restrictions américaines à l'exportation de puces avancées ont réduit l'accès de la Chine aux meilleures technologies, creusant l'écart. Des estimations indiquent que les capacités de calcul totales des États-Unis sont le double de celles de la Chine, et qu'une seule grande entreprise américaine peut disposer de plus de puissance que l'ensemble du secteur chinois. Cet écart se reflète directement dans les modèles : les plus performants chinois, comme DeepSeek V4 Pro (1.6 trillion de paramètres), sont à la traîne des leaders américains comme le Mythos d'Anthropic (10 trillions), avec un décalage estimé entre 8 et 15 mois. La loi de Scaling Law rend cet écart difficile à combler sans une base de calcul comparable. En réponse, la Chine accélère le développement de GPU locaux (comme Huawei Ascend, Biren, Moore Threads). Bien que leurs performances absolues et surtout leur écosystème logiciel (face au CUDA omniprésent de NVIDIA) restent en retard, des progrès sont visibles. Ces puces répondent d'abord aux besoins d'inférence et commencent à s'adapter progressivement à l'entraînement de modèles, comme l'ont montré des collaborations récentes. Le chemin est long, mais le marché, les talents et les investissements massifs offrent des perspectives. La Chine doit marcher sur ses deux jambes : développer sa filière tout en gérant les restrictions, dans une compétition où la puissance de calcul est devenue l'enjeu central.

marsbit06/22 10:27

Le défi du calcul dans la confrontation sino-américaine en matière d'IA

marsbit06/22 10:27

Carte globale de l'IA décentralisée en 2026 : pourquoi la blockchain est-elle l'« antidote » incontournable de l'IA ?

La DeFi IA en 2026 : Pourquoi la blockchain est-elle l'antidote incontournable à l'IA centralisée ? L'IA décentralisée émerge en réponse aux limites structurelles de l'IA centralisée : pénurie et coût élevé des ressources de calcul (GPU), contrôle excessif par quelques entreprises, impossibilité de vérifier les résultats des modèles, et difficultés croissantes d'accès aux données d'entraînement. La blockchain permet de rendre l'intelligence ouverte, vérifiable et économiquement accessible. La pile technologique se structure en trois couches : 1. **Infrastructure** : Calcul, inférence et stockage décentralisés (Akash, Render, Filecoin), avec des couches de confidentialité et de vérification (Nillion, Arcium, Phala Network). 2. **Middleware** : Coordination, identité et marchés pour agents autonomes. Bittensor se distingue avec son réseau de sous-réseaux spécialisés formant une économie minière compétitive. 3. **Applications** : Deux cas d'usage dominants : * **Finance agentique** : Des agents (comme ARMA, Infinit_Labs) traduisent des intentions en actions DeFi sur plusieurs chaînes. * **Paiements agentiques** : Des protocoles comme x402 et Machine Payments Protocol deviennent la couche de règlement pour les transactions machine-à-machine autonomes. Les tendances pour 2026-2027 indiquent une croissance soutenue, où l'IA agentique est un moteur clé. Le calcul devient une classe d'actifs, et la tokenomics un avantage structurel pour coordonner capitaux, calculs et données. Le domaine, bien que précoce et inégal, évolue d'un récit spéculatif vers un nouveau modèle économique, avec des projets comme Bittensor, NEAR ou Base en tête.

Foresight News06/11 10:09

Carte globale de l'IA décentralisée en 2026 : pourquoi la blockchain est-elle l'« antidote » incontournable de l'IA ?

Foresight News06/11 10:09

Crypto Criminals In Crosshairs As Chainalysis Partners With South Korean Police

La police nationale sud-coréenne intensifie sa lutte contre la criminalité liée aux cryptomonnaies en signant un protocole d'accord avec la société d'analyse blockchain Chainalysis. Ce partenariat vise à renforcer les capacités d'enquête de l'agence policière (KNPA) grâce à des programmes de formation, de certification et un soutien pratique spécialisés. Cette collaboration intervient dans un contexte d'augmentation significative des vols de cryptomonnaies, notamment attribués à la Corée du Nord, avec des pertes s'élevant à près de 580 millions de dollars dès début 2026. Bien que ces menaces étatiques soient une priorité, l'objectif déclaré est plus large : développer durablement les compétences institutionnelles pour traiter tous les crimes d'actifs virtuels, du blanchiment d'argent aux escroqueries. Cette initiative fait suite à la création, en mai, d'une unité spéciale dédiée à l'éradication du blanchiment d'argent via les cryptomonnaies. Elle s'appuie également sur une collaboration antérieure réussie avec Chainalysis, ayant permis le démantèlement d'un réseau de hackers internationaux. L'ambition est de doter les enquêteurs sud-coréens d'une visibilité mondiale sur les flux de fonds illicites à travers les blockchains, afin de les outiller de manière pérenne contre cette criminalité en expansion.

bitcoinist06/11 10:03

Crypto Criminals In Crosshairs As Chainalysis Partners With South Korean Police

bitcoinist06/11 10:03

L'IA crée-t-elle de nouveaux "pauvres en information" ?

L'IA ne prive pas les plus démunis de réponses, elle les leur fournit en abondance. Mais l'accès facile aux solutions masque une fracture plus profonde : la capacité à juger ces réponses et à les transformer en opportunités réelles devient la nouvelle rareté. Les "nouveaux pauvres de l'information" ne sont pas exclus de l'IA, mais ils en dépendent sans posséder le capital complémentaire nécessaire. Les inégalités se creusent à trois niveaux. D'abord, l'accès : les outils premium (comme Claude) et gratuits (comme Meta AI) sélectionnent leurs utilisateurs par le prix et le contexte d'usage, orientant les uns vers des tâches productives et les autres vers du simple confort. Ensuite, le contexte professionnel : au travail, l'usage de l'IA est fortement corrélé au salaire et, surtout, à la formation fournie par l'employeur, créant une fracture de permission. Enfin, et c'est le plus crucial, la capacité de jugement : l'IA abaisse le coût de la production de contenu crédible, mais pas celui de l'expertise nécessaire pour l'évaluer. Les utilisateurs les plus expérimentés en tirent le plus grand profit, car leur jugement valide et amplifie la production de l'outil. Des études montrent que l'IA peut, en théorie, réduire les écarts en aidant davantage les moins qualifiés. Cependant, cette promesse d'égalisation se heurte à la réalité d'une adoption et d'une utilisation socialement inégales. Comme pour les révolutions technologiques précédentes (imprimerie, informatique), l'IA récompense d'abord ceux qui possèdent déjà les compétences complémentaires. Le risque est que cette période de divergence, pouvant durer des décennies, consolide les inégalités pour toute une génération. L'ère de l'IA donne à tous l'illusion de la compétence ; le vrai défi est de transformer cette illusion en jugement authentique.

marsbit06/08 11:42

L'IA crée-t-elle de nouveaux "pauvres en information" ?

marsbit06/08 11:42

Grok tire profit de l'« ajout » de données de Cursor pour son dernier modèle, selon Musk : d'énormes améliorations en codage

Elon Musk a annoncé que le nouveau modèle de base de Grok, V9-Medium (1.5T), a terminé son entraînement principal et devrait être publié dans 2 à 3 semaines. Ce modèle, trois fois plus grand que le précédent, se concentre spécifiquement sur l'amélioration des capacités de codage. Un élément clé de cette amélioration est l'intégration d'une grande quantité de données de Cursor, la plateforme de développement IA acquise par Musk pour 600 milliards de dollars le mois dernier. Ces données, issues des flux de travail réels de millions de développeurs, visent à donner à Grok une meilleure compréhension pratique de l'ingénierie logicielle. Parallèlement, xAI a lancé la phase de test bêta précoce de son propre outil d'agent de programmation IA, Grok Build. Cet outil, fonctionnant en mode CLI et TUI, permet aux développeurs de l'invoquer dans des projets locaux pour planifier et exécuter des tâches de codage complexes. Ces développements rapides, facilités par le recrutement d'anciens ingénieurs clés de Cursor et l'acquisition de la société, marquent l'entrée agressive de Musk et de xAI sur le marché concurrentiel des outils d'IA pour le développement.

marsbit05/26 04:22

Grok tire profit de l'« ajout » de données de Cursor pour son dernier modèle, selon Musk : d'énormes améliorations en codage

marsbit05/26 04:22

Quand la puissance de calcul se marchandise, à quand le marché à terme des GPU ?

**Quand la puissance de calcul devient une marchandise : combien de temps avant un marché à terme des GPU ?** Un article de Variant examine la possibilité d'un marché à terme pour la puissance de calcul (GPU). Il propose un cadre d'analyse basé sur cinq conditions préalables au développement d'un tel marché. Le constat actuel est mitigé. Le marché présente une **volatilité des prix élevée** (✅) et des **infrastructures de règlement physique embryonnaires** via des courtiers de gré à gré (✅). Cependant, il souffre d'une **offre très concentrée** chez les grands clouds (❌), d'un **manque de standardisation** des unités de calcul (❌), et les alternatives de couverture restent limitées pour la majorité des acteurs (⚠️). L'article compare cette évolution à celles du pétrole et de l'électricité. Pour que le marché mûrisse, une **fragmentation de l'offre** (nouveaux fournisseurs, adoption de puces alternatives) et une **standardisation** sont nécessaires. Cette dernière pourrait être portée par la demande croissante en **inférence** (moins exigeante que l'entraînement) et l'adoption potentielle de **modèles open-source**, qui démocratiseraient l'accès et homogénéiseraient les besoins matériels. Les auteurs s'interrogent sur l'unité de transaction future (puce, heure d'instance, token) et concluent que si un marché à terme robuste n'est pas pour tout de suite, l'activité dynamique des courtiers et la création d'indices de prix en sont les prémices.

marsbit05/18 09:33

Quand la puissance de calcul se marchandise, à quand le marché à terme des GPU ?

marsbit05/18 09:33

GensynAI : Ne laissez pas l'IA répéter les erreurs d'Internet

Au cours des derniers mois, l'essor de l'IA a attiré de nombreux talents de la cryptographie. Une question centrale émerge : la blockchain peut-elle faire partie de l'infrastructure de l'IA ? Gensyn se distingue en s'attaquant non pas aux applications, mais au cœur du développement de l'IA : **l'entraînement des modèles**. Le projet vise à organiser les ressources GPU mondiales dispersées en un réseau ouvert d'entraînement d'IA. Les développeurs peuvent soumettre des tâches, les nœuds fournissent la puissance de calcul, et le réseau vérifie les résultats avant de distribuer les incitations. L'enjeu dépasse la simple décentralisation : il s'agit de contrer la **concentration croissante des ressources de calcul** entre les mains de quelques géants, qui deviennent un goulot d'étranglement pour l'innovation. Gensyn propose ainsi une nouvelle façon d'organiser les ressources. Premièrement, il opère au niveau de l'infrastructure fondamentale, la couche la plus exigeante techniquement et en ressources. Deuxièmement, il offre un modèle de collaboration plus ouvert, permettant une meilleure utilisation des GPU inactifs et une réduction potentielle des coûts. Troisièmement, sa technologie de vérification probabiliste des résultats et de coordination des nœuds constitue un véritable avantage technique. Enfin, il répond à une demande réelle et croissante du marché, évitant le piège des récits sans utilité pratique. En somme, Gensyn incite la convergence entre la cryptographie (expertise en coordination et incitations mondiales) et l'IA (besoins massifs en ressources). Son ambition est de transformer l'entraînement de l'IA en un système plus ouvert et accessible, au-delà du contrôle exclusif des grands acteurs, posant les bases d'une infrastructure essentielle pour l'ère de l'IA.

marsbit05/10 09:51

GensynAI : Ne laissez pas l'IA répéter les erreurs d'Internet

marsbit05/10 09:51

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow

Actualités des projetsright-arrow