Baisse du Moonwell Artemis (WELL)

Le rapport de prédictions 2026 de The Block Research anticipe plusieurs tendances clés dans l'écosystème crypto. Les analystes prévoient une montée du Bitcoin vers 140 000 dollars, une capitalisation des stablecoins dépassant 500 milliards de dollars, et des introductions en bourse (IPO) d'entreprises cryptos comme Kraken ou Consensys, plutôt que des émissions de jetons. Les marchés prédictifs, portés par Polymarket et Kalshi, devraient connaître une croissance explosive, avec possiblement le lancement de leur propre blockchain. Le paysage se polarisera : les actifs de qualité (Bitcoin, stablecoins, applications avec de vrais utilisateurs) résisteront, tandis que les altcoins, NFT et tokens sans utilité réelle perdront du terrain. Les produits dérivés crypto et les RWA (actifs du monde réel) gagneront en importance, mais la domination du Bitcoin restera forte, avec une part de marché supérieure à 50%.

Une attaque soigneusement planifiée contre le projet PGNLZ sur BNB Smart Chain a été détectée le 27 janvier 2026, causant une perte d’environ 100 000 USD. L’attaquant a utilisé un flash loan de 1 059 BTCB via Moolah Protocol, puis les a déposés comme garantie sur Venus Protocol pour emprunter 30 000 000 USDT. Ensuite, l’attaquant a échangé 23 337 952 USDT contre 982 506 PGNLZ sur PancakeSwap, mais a immédiatement brûlé ces tokens (en les envoyant à l’adresse 0xdead). Cette action a drastiquement réduit l’offre de PGNLZ dans le pool, faisant monter son prix de 0,1 USDT à 5 528 USDT. L’attaquant a ensuite exploité la fonction de taxe de vente (Fee-On Transfer) du token, qui déclenchait un mécanisme de brûlage (_executeBurnFromLP) supprimant presque entièrement les tokens restants du pool. Le prix a alors été artificiellement gonflé à 234 385 300 000 000 USDT par PGNLZ, permettant à l’attaquant de vider le pool et de réaliser un profit après remboursement du prêt. La cause principale de cette vulnérabilité est un modèle économique déflationniste mal sécurisé, sans vérification adéquate lors des opérations de taxation ou de brûlage. Il est recommandé aux projets de bien valider leurs mécanismes économiques et de réaliser des audits croisés avant le déploiement.

Personne ne vous a jamais vraiment appris à faire de la recherche. On vous donne un bureau, un problème choisi par d'autres, et des instructions vagues pour "produire quelque chose de nouveau". Ainsi, la plupart des gens rétroconçoient le métier à partir de ce qu'ils voient (articles, posts), apprenant à *sembler* chercheurs plutôt qu'à en *devenir*. Les véritables compétences en recherche sont un empilement de micro-compétences, presque toutes cultivables par la pratique délibérée. **Choisir ses propres problèmes.** Nous absorbons souvent des problèmes (du superviseur, des tendances) sans en comprendre le raisonnement sous-jacent, nous plaçant en retard face à des concurrents nombreux. John Schulman recommande de choisir un résultat que l'on souhaite réellement atteindre et de raisonner à rebours pour concevoir les expériences. Cette approche mène à l'originalité. Le "bon goût" est un muscle : prédire les résultats d'expériences, deviner les conclusions d'articles à partir des méthodes, noter quelles avancées resteront pertinentes, puis vérifier. **Améliorer ses sources.** S'alimenter aux mêmes sources (arXiv, discussions) génère les mêmes idées que tout le monde. Les archives anciennes sont sous-estimées : les idées clés (MoE, LSTM) sont souvent des réinventions. Lire des textes fondateurs comme "The Bitter Lesson" de Sutton ou le discours de Shannon sur la pensée créative est crucial. La **largeur** (neurosciences, conception de mécanismes, statistiques, architecture matérielle) est aussi importante que la profondeur. Lisez les **articles eux-mêmes**, surtout les annexes et les sections sur les limites. **Tout noter.** L'écriture révèle les failles des idées qui semblaient matures. C'est le mécanisme de défense le moins cher contre l'auto-tromperie, un point souligné par Feynman. Darwin notait systématiquement les faits contredisant sa théorie, craignant que sa mémoire ne les efface. Tenez un journal : hypothèses, paramètres, attentes, résultats, connaissances révisées. Relire ses notes d'il y a un mois est une leçon d'humilité sans égale.

Le 8 juillet, un développeur coréen a partagé sur Threads des factures d'Anthropic s'élevant à 1,66 million et 16,62 millions de dollars en l'espace de 24 heures, malgré un plan gratuit et aucune utilisation d'API. Sa banque a bloqué les paiements. Ce cas extrême révèle un problème systémique. Une société d'audit de factures IA, Vaudit, a identifié environ 1,7 million de dollars de surfacturations chez 60 entreprises, souvent liées à Claude Code. Les erreurs incluent la facturation selon un modèle plus récent et cher, ou la tarification de requêtes en échec ou de tentatives répétées. La méfiance grandit dans la communauté des développeurs. Un bug de facturation "HERMES.md" en avril a entraîné des surfacturations pour les abonnés Max. En juin, une action collective a été intentée pour manque de transparence sur les quotas d'utilisation des forfaits. Les changements de tarification rapides du modèle Fable 5 ont également semé la confusion. Le discours d'Anthropic sur la "sécurité de l'IA" contraste avec l'opacité de sa facturation, un défi pour toute l'industrie où la complexité des modèles de tarification (token, appels API, replis) crée une opacité. Des concurrents comme Microsoft, OpenAI ou DeepSeek pourraient en tirer avantage en offrant plus de transparence. La clarté des factures devient un élément crucial de l'expérience utilisateur et de la confiance.