Tempête hivernale retarde le vote sénatorial sur la structure du marché des cryptomonnaies

TheNewsCryptoPublié le 2026-01-27Dernière mise à jour le 2026-01-27

Résumé

En raison d'une violente tempête hivernale à Washington D.C., le Sénat américain a reporté le premier vote de mise en forme de la législation sur la structure du marché des actifs numériques. Le Comité sénatorial de l'agriculture a confirmé le 26 janvier le report de l'examen du *Digital Commodity Intermediaries Act* initialement prévu mardi, en raison des conditions météorologiques extrêmes. Les conditions de déplacement étaient jugées dangereuses, avec une grande partie de la capitale recouverte de neige et de glace, accompagnée de températures très basses. La tempête a entraîné la fermeture des bureaux fédéraux, l'annulation de nombreux vols et la déclaration de l'état d'urgence neigeuse. Ce report constitue un nouvel obstacle dans le processus législatif déjà retardé à plusieurs reprises. Le vote de ce comité est particulièrement suivi, car il s’agit de la première fois que le Sénat se prononce officiellement sur un projet de loi visant à élargir les compétences de la Commodity Futures Trading Commission (CFTC) sur les crypto-monnaies comme le Bitcoin. Le texte, porté par le président du comité John Boozman avec le soutien du sénateur Cory Booker, peine à obtenir un accord bipartisan.

En raison d'une violente tempête hivernale à Washington D.C., les sénateurs ont reporté le premier vote de marquage sur la législation inclusive relative à la structure du marché des actifs numériques. Le Comité sénatorial de l'agriculture a confirmé le 26 janvier qu'il avait retardé son marquage prévu mardi du Digital Commodity Intermediaries Act en raison des conditions météorologiques extrêmes sur la capitale.

Le personnel du comité a invoqué des conditions de déplacement dangereuses, soulignant qu'une majeure partie de Washington est recouverte de neige et de glace et que les températures sont également dangereusement basses en raison d'une importante tempête hivernale.

Le week-end s'est terminé par une vague de froid arctique et de fortes chutes de neige, avec des refroidissements éoliens descendant en dessous de zéro, et pendant la journée, les températures ont eu du mal à se maintenir autour du milieu des années 20 Fahrenheit.

L'Effet Sévère de l'Hiver

Des facteurs tels que les trottoirs enneigés, les routes glacées et les vents violents ont entraîné la fermeture des bureaux fédéraux hier, et un état d'urgence neige a été déclaré dans la ville, ce qui a restreint la circulation des véhicules sur les axes principaux.

Les gens ont également rencontré des difficultés pour les voyages aériens, avec des milliers de vols annulés à travers le pays et des retards importants à l'aéroport national Reagan alors que les compagnies aériennes et les aéroports traitaient les retards accumulés.

Les écoles et universités ont également été soit fermées, soit sont passées à l'enseignement à distance, et les législateurs ont également limité les déplacements pendant que les équipes procédaient au déneigement. Le changement de météo a mis un nouvel obstacle sur le chemin d'un long processus législatif qui a jusqu'à présent connu une série de retards.

Le marquage du Comité de l'agriculture est suivi de près, car c'est la première fois que le Sénat vote officiellement et révise un projet de loi sur la structure du marché des cryptomonnaies. Le panel supervise la Commodity Futures Trading Commission, et la législation élargirait l'autorité de l'agence sur les produits numériques de base comme le Bitcoin.

Le projet de loi est le fruit de nombreuses négociations menées par le président du Comité, John Boozman, avec les contributions du sénateur Cory Booker ; cependant, un accord bipartite s'est avéré difficile à obtenir.

Actualité Crypto en Vedette Aujourd'hui :

La Mise à Jour Tallinn du Protocole Tezos s'achève avec Succès, Réduisant les Temps de Bloc et Améliorant l'Efficacité du Réseau

Mots-clésprojet de loiCryptocrypto hiver

Questions liées

QPourquoi le vote sur la législation sur la structure du marché des actifs numériques a-t-il été reporté ?

AEn raison d'une violente tempête hivernale à Washington D.C. qui a créé des conditions de déplacement dangereuses, avec de la neige, de la glace et des températures très basses.

QQuel comité sénatorial était responsable de l'examen du Digital Commodity Intermediaries Act ?

ALe Comité sénatorial de l'agriculture (Senate Agriculture Committee) était responsable de l'examen de ce projet de loi.

QQuels ont été les effets de la tempête hivernale sur la ville de Washington ?

ALa tempête a entraîné la fermeture des bureaux fédéraux, une urgence neigeuse déclarée, des annulations de vols, des fermetures d'écoles et des restrictions de mobilité pour les législateurs.

QQuelle agence verrait son autorité élargie par le Digital Commodity Intermediaries Act ?

ALa Commodity Futures Trading Commission (CFTC) verrait son autorité élargie pour réguler les produits numériques de base comme le Bitcoin.

QQuels sénateurs ont été impliqués dans les négociations de ce projet de loi ?

ALe président du comité, John Boozman, et le sénateur Cory Booker ont été impliqués dans les négociations, bien qu'un accord bipartisan se soit avéré difficile à atteindre.

Lectures associées

Les modèles génératifs peuvent aussi être entraînés de bout en bout ? Le noyau est en fait une boucle for

En 2012, AlexNet a révolutionné l'apprentissage profond en introduisant l'entraînement de bout en bout, où le modèle apprend une tâche complète en une seule fois, surpassant les approches par étapes conçues par l'homme. Cependant, les modèles génératifs actuels, comme les modèles autorégressifs ou de diffusion, font exception : ils sont entraînés à prédire une seule petite étape, puis doivent dérouler cette étape des centaines de fois lors de l'inférence. Cet écart entre l'entraînement et l'inférence entraîne un biais d'exposition (exposure bias), où les erreurs s'accumulent. Un récent article de l'Université de l'Illinois et de Harvard propose un nouveau paradigme, appelé Modélisation Exploratoire (Explorative Modeling, ou XM), pour résoudre ce problème. L'idée centrale est simple : au lieu de générer un seul échantillon par étape d'entraînement, le modèle en génère K, puis ne garde que le plus proche des données réelles pour calculer la perte et mettre à jour les paramètres. Cette boucle d'exploration, implémentée en quelques lignes de code, permet au modèle de capturer plusieurs modes de la distribution de données, évitant ainsi le flou modal (mode blurring) où le modèle converge vers une moyenne peu réaliste. Les auteurs démontrent que cette "expressivité générative" agit comme un troisième axe d'optimisation, indépendant de la taille du modèle ou des données. Les résultats montrent des gains croissants avec l'échelle : l'exploration améliore l'efficacité des FLOPs d'un facteur 4,1, l'efficacité des échantillons de 6,2 et l'efficacité des paramètres de 47%. Sur ImageNet, XM atteint un FID de 1,43 sans guidage. Appliqué de bout en bout, XM permet une inférence en une seule passe, rivalisant avec des modèles de diffusion nécessitant des centaines d'étapes, notamment dans des tâches de contrôle robotique. Bien que le concept de sélection du meilleur parmi K (best-of-K) ne soit pas nouveau, cette formalisation clarifie son rôle pour amplifier l'expressivité générative. Alors que les modèles continuent de grandir, cette troisième "molette" pourrait devenir déterminante.

marsbitIl y a 4 mins

Les modèles génératifs peuvent aussi être entraînés de bout en bout ? Le noyau est en fait une boucle for

marsbitIl y a 4 mins

OpenAI ne compte plus sur son modèle le plus cher pour gagner de l'argent

OpenAI réduit considérablement ses prix : le modèle GPT-5.6 Luna baisse de 80 % et Terra de 20 %. Ce mouvement, accompagné par Anthropic qui propose aussi des alternatives moins chères, marque un tournant stratégique. Les géants de l'IA ne misent plus seulement sur leurs modèles "phares" les plus performants et chers (comme Sol ou Fable) pour générer des revenus, mais encouragent désormais l'utilisation de modèles intermédiaires (Luna, Terra, Opus) pour les tâches courantes et à grande échelle. L'idée est de créer un écosystème où les modèles se spécialisent : les plus intelligents conçoivent et planifient, tandis que les plus abordables exécutent. Cette approche, similaire à l'industrie automobile où les modèles grand public assurent les volumes, vise à verrouiller les flux de traitement à bas coût. Un point clé est l'optimisation automatique : OpenAI révèle que ses modèles avancés participent désormais à l'optimisation de leur propre code et de leur efficacité, créant une boucle vertueuse de réduction des coûts. L'objectif final n'est plus de vendre l'intelligence la plus pointue, mais de devenir la plateforme par défaut, avec une rentabilité basée sur le volume massif d'appels d'API à très faible coût. Le débat se déplace ainsi de "quel modèle est le plus intelligent ?" vers "quel écosystème offre le meilleur ROI ?". L'ambition est que l'IA, comme l'électricité, devienne une utilité omniprésente et peu coûteuse, intégrée silencieusement dans tous les processus.

marsbitIl y a 1 h

OpenAI ne compte plus sur son modèle le plus cher pour gagner de l'argent

marsbitIl y a 1 h

Trading

Spot
活动图片