Le problème d’autorisation des AI Agent m’a bloqué longtemps sur un point qui me semblait pas tout à fait clair.
La question n’est pas de savoir si l’Agent peut faire ce que je veux qu’il fasse. Le vrai problème, c’est : si je ne le surveille pas et qu’il fait quelque chose que je n’avais pas prévu, comment puis-je déterminer si cela dépasse son périmètre d’autorisation, ou si c’est simplement une décision correcte que je n’avais pas anticipée ? À première vue, ces deux choses sont difficiles à distinguer, et dans des scénarios où la vitesse d’exécution de la machine est en jeu, quand tu as fini par juger clairement, le résultat est déjà en place. Les robots de trading ordinaires sont déterministes : tu écris des règles, il les applique ; en cas de problème, on peut remonter aux règles pour en trouver la cause. Un AI Agent est différent : il dispose d’un pouvoir de jugement autonome — c’est sa valeur, et c’est aussi la différence fondamentale avec un robot dans la conception d’une autorisation. Le robot exécute tes règles, tandis que l’Agent fait ses propres choix dans la limite de l’objectif que tu as défini.
Un jour, je me suis demandé : dans la conformité, quel est le coût le plus difficile à comprimer. J’ai beaucoup réfléchi, mais la réponse n’était pas la règle elle-même, c’était la preuve que la règle est effectivement appliquée.
Pendant longtemps, je pensais que ces deux choses allaient forcément ensemble. Après avoir étudié le protocole Newton, j’ai compris qu’on pouvait les dissocier : écrire la règle sous forme de code, et laisser le résultat de l’exécution attesté sur la chaîne au moyen de signatures cryptographiques. « Cette règle a-t-elle été exécutée ? » ne dépend alors plus d’un problème de preuve porté par des humains. Le justificatif lui-même devient la réponse.
Au début, je croyais que ce n’était qu’un changement de forme technique : que la règle, écrite en code ou dans un document, revenait à peu près au même. Puis j’ai réalisé que la vraie différence, c’est à quel moment se produit l’acte de produire la preuve, et qui s’en charge. Les institutions financières mondiales consacrent chaque année plus de 200 milliards de dollars à la conformité AML et KYC. Une grande partie de ce coût sert en réalité à résoudre la question : « Comment prouver que la règle a été appliquée ? », et non le coût de la règle elle-même.
Mais ce que je n’ai pas encore entièrement éclairci, c’est que, sur le plan technique, faire fonctionner la preuve, et que le cadre juridique reconnaisse cette manière de prouver, sont deux choses totalement différentes. À quel moment les justificatifs cryptographiques sur la chaîne seront-ils réellement reconnus par les autorités de régulation, et combien de temps durera cette période intermédiaire : je ne le sais pas.
C’est un avantage de conception, mais aussi une question de timing qui n’a pas encore de réponse.
@NewtonProtocol $NEWT #Newt #newt Selon vous, quel est le principal point bloquant lorsque les autorités de régulation reconnaissent l’efficacité juridique des justificatifs cryptographiques sur la chaîne ?
La conformité au moment de l’exécution : c’est là que s’opère le changement de paradigme
Il y a 2 500 milliards de dollars d’actifs investissables qui attendent d’être tokenisés, mais ce qui bloque vraiment cette démarche n’est ni le mécanisme de consensus ni le TPS : c’est un problème plus fondamental. Au moment où l’actif s’exécute, où se situe la conformité ? Le système de conformité de la finance traditionnelle comporte deux portes. La première est l’examen préalable : à l’ouverture de compte, on fait du KYC ; lors de la souscription à un produit, on vérifie l’éligibilité et les qualifications. La banque verrouille l’entrée. La deuxième est la surveillance après coup : analyse des comportements de transaction, rapports d’anomalies, intervention avec délai, puis traitement une fois les problèmes détectés. Si cette logique a pu fonctionner dans les systèmes bancaires pendant des décennies, c’est parce que la banque est naturellement un intermédiaire : elle contrôle les nœuds d’exécution des fonds, peut à tout moment interrompre un virement, et intégrer la conformité dans l’étape d’exécution.
Il existe un consensus que personne n’ose dire clairement dans tout le secteur : avec un bot Telegram de trading automatique, en réalité, vous pariez que l’opérateur ne va pas s’enfuir. Tout le monde aime discuter du taux de réussite des robots, des données de backtesting, des cadres de stratégie, mais personne ne parle sérieusement du problème plus fondamental : vous devez d’abord confier la clé privée, ou déléguer à un tiers l’ensemble des pouvoirs — et cette étape, qu’est-ce que cela signifie vraiment. L’industrie a normalisé cette pratique, au point que beaucoup de gens la trouvent évidente. Mais si vous prenez une seconde pour vraiment y penser, c’est en fait absurde.
Vous confiez une clé qui peut mouvoir tout votre argent à une équipe anonyme que vous avez vue quelques fois sur Twitter. S’ils se font pirater, votre argent disparaît. S’ils s’enfuient, il disparaît aussi. L’audit de contrat ne sert à rien, car il porte sur le code du contrat, alors que les autorisations du portefeuille ne sont même pas dans le périmètre de l’audit.
J’ai moi-même fait pendant un certain temps des stratégies d’automatisation on-chain. À un moment, j’ai donné à un certain robot une « clé de session », en prétendant que cela ne lui permettrait de transférer des actifs que dans des conditions précises. Puis j’ai vérifié sérieusement : j’ai découvert que ces conditions n’étaient que des explications affichées à l’interface, et qu’il n’existait aucune contrainte contraignante correspondante dans le contrat on-chain. Le robot respecte-t-il les règles ? C’est décidé par lui-même.
@NewtonProtocol résout ce problème non pas en formulant des engagements plus fiables, mais en transformant les conditions en contraintes vérifiables par la cryptographie. Exécuter la logique de stratégie via le TEE (environnement d’exécution de confiance) et prouver on-chain au moyen de ZKP (preuves à divulgation nulle) que la stratégie a été exécutée conformément aux règles — une violation par l’Agent n’est pas « susceptible d’être détectée », mais « enregistrée de façon certaine sur la chaîne », ce qui revient à signer dans le contrat un historique d’exécution non contestable.
En plus, avec les permissions granulaires des smart accounts ERC-4337, vous n’avez pas besoin de remettre l’intégralité du portefeuille : vous pouvez n’ouvrir que des droits d’action spécifiques, sur des marchés précis et dans des fourchettes de montants précises, sans toucher aux autres permissions. L’ère de la délégation totale « tout donner ou ne rien donner » peut donc s’arrêter dès le niveau de l’architecture.
De « faire confiance à ce robot pour ne pas faire de mal », à « prouver mathématiquement si l’Agent a franchi les limites » : ce n’est pas une amélioration, c’est un remplacement fondamental de la base de la confiance. @NewtonProtocol #Newt #newt $NEWT Avez-vous vraiment vérifié l’étendue exacte des autorisations que vous accordez à vos outils on-chain ?
La fragmentation de la conformité à l’ère multi-chaîne : un gouffre de coûts que l’on n’a pas encore véritablement pris au sérieux
Imaginez une scène : vous gérez la répartition de vos actifs sur quatre chaînes — Arbitrum, Optimism, Polygon et Base. À chaque transfert que vous initiez, vous devez effectuer un contrôle de sanctions, une vérification KYC et une évaluation de l’origine des fonds. Quelle est l’approche traditionnelle ? Déployer, sur chaque chaîne, un ensemble distinct de logiques de conformité, maintenir séparément des protocoles d’accès pour les sources de données, générer des journaux d’audit indépendants, et gérer séparément les différences entre les langages de contrats propres à chaque chaîne. Ce coût ne fait pas qu’être multiplié par deux : il croît de façon exponentielle avec le nombre de chaînes, et à mesure que l’écosystème multi-chaîne continue de s’étendre, il ne fera qu’augmenter encore plus.
La logique de conformité de la finance traditionnelle fonctionne ainsi : d’abord on fait, ensuite on enregistre, et si un problème survient, on vérifie les enregistrements. Appliquée à la blockchain, cette logique présente un défaut fondamental : au moment où l’on procède à la vérification, l’argent a déjà cessé d’être traçable. Ce que fait Newton, c’est inverser totalement cet ordre.
Chaque transaction évaluée par le moteur de stratégie de Newton génère, sur la chaîne, une preuve de conformité. Cette preuve associe l’intention précise de la transaction, la version de la stratégie utilisée pour l’évaluation, la signature agrégée du prestataire, ainsi que le numéro de bloc correspondant. Ce n’est ni un fichier de journal, ni un rapport que le back-office pourrait modifier : c’est un enregistrement d’exécution inaltérable sur le plan cryptographique. Pour les autorités de contrôle, il suffit de lire les données directement sur la chaîne ; il n’est pas nécessaire de demander des documents internes à une quelconque société, et encore moins de croire des engagements du type « nous n’avons pas modifié ».
Je pense que c’est l’un des éléments de conception de l’ensemble de l’architecture de Newton qui est le plus facilement sous-estimé. En surface, il s’agit d’un outil d’audit, mais en réalité, il fait passer la question « la conformité s’est-elle réellement produite ? » du niveau de la confiance morale vers celui de la vérification technique. Ce n’est pas une amélioration progressive : c’est un changement de méthode de preuve, reposant sur une logique sous-jacente différente.
Vu à plus grande échelle, les institutions financières mondiales dépensent chaque année plus de 200 milliards de dollars dans les processus AML et KYC. Une part importante de ces coûts provient de la vérification manuelle et de la collecte d’éléments justificatifs à répétition. Si les preuves de conformité sur la chaîne étaient effectivement adoptées par les institutions, l’espace de compression de ces coûts serait bien réel — mais ce n’est pas encore atteint le point critique.
@NewtonProtocol #Newt #newt $NEWT Quand vous entrez en contact avec des protocoles DeFi, est-ce que vous vérifiez activement comment leur mécanisme de conformité est conçu ?
Double voie TEE + ZKP, et cette ambition de 2,5 billions de dollars
Les calculs se font hors de la chaîne, c’est rapide, mais c’est une boîte noire ; la vérification sur la chaîne est transparente, mais c’est cher et lent. C’est un nœud gordien auquel on ne peut presque jamais échapper dans le trading automatisé depuis des années. Presque tous les projets qui veulent faire « l’IA te fait trader » finissent par se heurter à ces deux limites : soit on met toute la logique de décision dans un serveur en boîte noire, et l’utilisateur ne peut que prier que ça ne fasse pas de mal ; soit on s’acharne sur l’exécution entièrement on-chain, mais les frais de gaz et la latence détruisent l’expérience, rendant impossible de déployer des stratégies à haute fréquence. J’ai récemment passé du temps à étudier la conception d’architecture de Newton Protocol, et j’ai constaté qu’il ne choisit pas un camp parmi ces deux extrêmes. Au contraire, il les combine. L’environnement d’exécution de confiance (TEE) s’occupe d’exécuter hors chaîne les calculs complexes des stratégies, de sorte que la vitesse et les coûts restent sous contrôle ; les preuves à divulgation nulle de connaissance (ZKP) servent à valider cryptographiquement les résultats calculés hors chaîne : elles prouvent que ce résultat a bien été obtenu conformément aux règles définies par l’utilisateur, sans altération et sans dépassement d’autorisations. L’intérêt de ce duo, c’est qu’il transforme « l’automatisation » : d’un point de défaillance de la confiance, elle devient une base de confiance démontrable par les mathématiques.
Dans le milieu de la cryptographie, il existe une règle par défaut, tellement banale que personne n’y trouve à redire : pour laisser un programme faire du trading à votre place, il faut d’abord remettre votre clé privée ou le contrôle de votre portefeuille. Sur Telegram, il suffit de trouver n’importe quel bot de trading : après l’inscription, la première étape consiste à importer le portefeuille, puis à donner l’accès jusqu’au bout. J’ai observé cette pratique pendant pas mal de temps ; plus j’y réfléchis, plus je la vois comme une faille de conception ignorée collectivement par l’industrie.
Quand le bot fonctionne, personne ne parle des risques. Mais s’il se détraque ou s’il se fait pirater, l’argent disparaît directement, et les utilisateurs ne trouvent même pas contre qui se retourner. La cause profonde n’est pas que le bot soit intrinsèquement peu fiable : c’est plutôt que, dès le départ, ce mode d’interaction ne distingue pas « exécuter une tâche » et « détenir des actifs ». En les liant ainsi, on réduit la frontière de sécurité de l’ensemble du portefeuille à la frontière de sécurité d’un service tiers.
Ce que fait Newton Protocol, je le comprends comme une tentative de rouvrir cette frontière. L’utilisateur délègue des règles, pas le portefeuille lui-même : l’Agent n’agit que dans le cadre défini par les règles, et les instructions qui sortent du périmètre ne peuvent pas être exécutées. Ce n’est pas une façon de diminuer la commodité de l’automatisation ; c’est un changement de logique : au lieu de faire reposer la « confiance » sur des personnes ou l’équipe d’exploitation, on la fait reposer sur la confiance envers un mécanisme vérifiable. Je pense que cette direction finira tôt ou tard par devenir la configuration standard du trading automatisé, et que les projets qui passent à l’action en premier ont justement une longueur d’avance.
Dans ce système, NEWT sert de token de type gas. Pour exécuter les opérations on-chain liées aux permissions, il faut compter dessus. Le fait qu’ils ne l’aient pas empaqueté comme un « actif de rendement » me paraît, à moi aussi, plutôt remarquable.
@NewtonProtocol #newt $NEWT #Newt Avec les robots de trading que vous utilisez actuellement : osez-vous calculer clairement combien de contrôle vous avez réellement abandonné ?
Il y a quelques années, j’ai lu une histoire sur la fermeture d’une petite cantine locale, et ces derniers temps je n’arrête pas d’y repenser.
Quand cet établissement a ouvert, il y avait une file d’attente sur trois rues, parce qu’ils avaient organisé une opération « scannez pour recevoir un repas gratuit (domination du repas) ». Des médias en ont parlé, et un compte local sur WeChat aussi. Trois mois après, l’opération s’est terminée : le restaurant est devenu tout calme, et il a fermé dans les six mois.
À l’époque, je n’y ai pas trop réfléchi. Maintenant, en y repensant, je me dis que cette histoire raconte en réalité un principe très simple : l’animation créée par une incitation, et l’animation retenue par la qualité du produit lui-même, ont l’air absolument identiques — jusqu’au moment où l’incitation s’arrête.
J’ai ensuite vérifié ce cadre dans beaucoup d’endroits.
En le ramenant à <@OpenGradient >, je pense que la question la plus importante n’est pas « combien de personnes l’utilisent maintenant », mais « si aujourd’hui toutes les incitations s’arrêtaient, combien de requêtes de raisonnement y aurait-il encore demain ».
À l’heure actuelle, personne ne connaît ce chiffre, y compris moi-même. Toutes les données de la phase de test sont, dans l’essence, encore au stade « ouverture et files d’attente » — vous ne savez pas si c’est une demande réelle ou si les gens viennent simplement à cause des récompenses.
Le problème de ce restaurant n’était pas que le produit était mauvais ; il était peut-être vraiment bon. Le vrai souci, c’est qu’il n’a jamais eu l’occasion de savoir sa vraie valeur, sans aucune promotion.
Le raisonnement que je tiens actuellement sur <$OPG >, c’est en substance parier « il est bon à manger ». Mais j’admets que je n’ai pas encore la possibilité de vérifier cela.
Après le lancement sur le réseau principal, si pendant un certain temps il n’y a pas d’incitations supplémentaires, ces données réelles de cette période seront la première occasion pour moi de vérifier ce pari.
@OpenGradient #opg $OPG Quand on veut déterminer si un projet est « vraiment bon à manger », à quel type de signal est-ce qu’on attend généralement pour le savoir ?
Le mois dernier, j’ai fait quelque chose, et quand je m’en souviens, ça me paraît encore un peu amusant.
J’ai installé le SDK Python de <b>@OpenGradient </b>, j’ai écrit un script simple et j’ai fait un appel d’inférence. Le résultat est revenu.
Ensuite, je suis resté à regarder, pendant environ deux minutes, ce <b>payment_hash</b> à l’écran. Ce n’était pas pour vérifier quelque chose. Juste le regarder.
Je me disais : cette trace, elle est utile pour qui, au juste ? Pour moi, c’est une preuve. Si le résultat de cette inférence a servi à faire quelque chose, alors cette trace montre que l’inférence a bien eu lieu : quel modèle a été utilisé, et que l’entrée n’a pas été modifiée.
Mais aujourd’hui, je n’ai pas besoin de cette preuve. Cette inférence, je l’ai faite pour tester, je n’ai rien fait d’autre.
La valeur d’une preuve n’est confirmée que lorsqu’on en a besoin. Et je me suis mis à réfléchir : à quel moment une preuve d’inférence IA devient-elle vraiment nécessaire ? Quelqu’un utilise les résultats d’une inférence IA pour prendre une décision importante, puis il s’avère que quelque chose ne va pas, et à ce moment-là, on demande : quel modèle utilisait-on à l’époque ? D’où venaient les données ? Le résultat a-t-il été modifié ?
C’est à ce moment-là que le <b>payment_hash</b> passe d’une simple chaîne de caractères à quelque chose de réel et d’utile. Mais cette histoire n’est pas encore arrivée.
Donc pour l’instant, je garde une preuve, en attendant un monde qui n’en a pas encore besoin. <b>$OPG </b> n’est pas du pessimisme : c’est ma façon de comprendre ce produit. La valeur d’une preuve existe avant même le besoin.
@OpenGradient #opg $OPG Est-ce que tu as déjà acheté quelque chose, et ce n’est que le jour où tu t’en es servi que tu t’es rendu compte qu’il avait vraiment de la valeur ?
#BinancePickAndWin $BTC $ETH Lorsque, à l’occasion de l’ouverture de la Coupe du monde États-Unis-Canada-Mexique 2026, les lumières s’allument progressivement dans tout le stade, la fête du football, portée par les supporters du monde entier, débute officiellement. Une scène plurielle, interprétée avec panache, accompagnée des cris enflammés de toute la salle, libère enfin toute la passion accumulée depuis longtemps.
Tous les matchs de poule étant terminés, le cruel seizième de finale éliminatoire commence dès à présent. À 03:00 (heure de Pékin) aujourd’hui, la première rencontre opposera l’Afrique du Sud au Canada. Le format “un seul match pour décider du sort” rend chaque attaque et chaque défense d’autant plus palpitantes, pleines de suspense. Participez simultanément au défi football Binance “Pick And Win” : tout en assistant à ce duel décisif, prenez part aux pronostics du match et intensifiez directement l’expérience de visionnage.
Publiez une actualité à thème football et ajoutez le sujet de l’événement pour débloquer une fois supplémentaire l’opportunité de répondre à des questions via des pronostics. Tout en surveillant de près l’évolution du match Afrique du Sud vs Canada, tentez de remporter des récompenses en jetons tels que SXT, BNB, etc. Par la suite, de grandes équipes comme le Brésil, l’Allemagne et les Pays-Bas feront également leur entrée. Restez en ligne avec l’événement, ne ratez ni les moments forts du match, ni les avantages de l’activité.
Le prix actuel de l’ETH est inférieur de 70 % à son sommet de 2021. Mais il est encore supérieur d’environ 700 % par rapport à 2019.
Le même actif, selon le moment où on l’observe, raconte une histoire totalement différente.
Ceux qui ont acheté en 2021 au sommet : -70 %, douleur.
Ceux qui ont acheté en 2019 : +700 %, victoire tranquille.
Le marché n’a pas changé : c’est la position depuis laquelle tu le regardes qui change.
Donc, à chaque fois que quelqu’un demande « Est-ce que l’ETH peut encore être acheté ? » — ma vraie question est : combien de temps comptes-tu le garder ? #ETH #加密市场 #Web3 #MichaelSaylor暗示增持BTC $ETH $BTC
Je réfléchissais à une question autour du @OpenGradient , à contre-courant de la plupart des discussions.
La plupart des gens se demandent : OpenGradient peut-il rendre le raisonnement de l’IA vérifiable ?
Moi, je me demande plutôt : si c’était vraiment le cas, qui serait le premier à devoir l’utiliser ?
Pas par choix volontaire, mais par contrainte.
Les scénarios sous contrainte sont plus prévisibles que ceux basés sur le choix, et ils méritent davantage d’être misés.
J’en vois trois catégories. La première : les institutions financières sous régulation. Si un régulateur d’un grand marché exige que les décisions d’investissement assistées par IA comportent des traces de raisonnement auditables, alors toutes les institutions opérant sur ce marché devront les utiliser. Pas parce qu’elles en ont envie, mais parce que sans cela elles seront en infraction. La deuxième : les protocoles DeFi qui ont eu un accident. Un protocole subit une perte de fonds parce que le raisonnement de l’IA a été falsifié. Pendant la phase de reconstruction de la confiance des utilisateurs, des raisonnements d’IA vérifiables deviennent une configuration obligatoire. Un incident entraîne une vague de suiveurs. La troisième : les services B2B qui doivent prouver aux clients le processus de décision de l’IA. Les contrats clients exigent que les décisions fondées sur l’IA soient auditables ; le fournisseur est alors obligé de s’intégrer.
Parmi ces trois catégories, la première offre de la certitude mais une chronologie imprévisible ; la deuxième a une chronologie, mais nécessite d’attendre un accident ; la troisième a la plus petite échelle, mais arrive le plus vite.
$OPG Je ne parie pas sur « tout le monde va choisir volontairement », mais sur « une catégorie de personnes sera contrainte de choisir, puis les autres verront, et l’adoption se diffusera progressivement ».
La vitesse de cette diffusion est la variable dont je suis le plus incertain.
@OpenGradient #opg $OPG Parmi ces trois catégories d’« utilisateurs forcés », laquelle, selon vous, apparaîtra en premier ?
Il y a un mot que j’utilisais tout le temps en travaillant sur @OpenGradient , mais récemment j’ai commencé à me demander si je l’employais peut-être à tort.
« Décentralisation ».
J’utilisais ce terme pour décrire le réseau d’inférence d’OpenGradient : les nœuds sont répartis partout, sans contrôleur unique, et n’importe qui peut participer.
Mais si je pose une question plus précise : « Les capacités d’inférence de ce réseau sont-elles réellement centralisées ? » — la réponse peut être différente de ce que le terme « décentralisation » laisse entendre.
Dans le classement 22, quelqu’un a découvert ce problème : en une minute, trois requêtes échouent, non pas parce qu’il n’y a pas assez de nœuds, mais parce que plusieurs nœuds partagent en réalité la même région cloud. Quand un problème survient dans une région, plusieurs nœuds tombent en panne en même temps.
Le nombre de nœuds est décentralisé. L’infrastructure sous-jacente, elle, est centralisée.
Cela m’amène à une question plus fondamentale : la décentralisation, c’est la décentralisation de quoi ?
Si c’est le « nombre de nœuds », OpenGradient l’a peut-être déjà fait.
Si c’est la « localisation géographique », il faut examiner la répartition réelle des nœuds.
Si c’est la « dépendance à l’infrastructure », il faut voir combien de nœuds dépendent d’un même fournisseur de cloud ou d’un même centre de données.
Si c’est la « dépendance économique », il faut regarder d’où proviennent les revenus des exploitants des nœuds : est-ce que cela dépend fortement de $OPG ? Une baisse des prix pourrait-elle amener un grand nombre de nœuds à se retirer en même temps.
Quand j’utilise aujourd’hui $OPG « décentralisation », je me demande d’abord : à quelle dimension de la décentralisation fait-on référence ?
Il n’y a pas de réponse universelle, mais poser cette question, c’est déjà commencer à évaluer la santé réelle d’un réseau.
@OpenGradient #opg Quand vous évaluez un projet « décentralisé », quelle dimension vous intéresse le plus ?
Quand je travaillais sur le protocole x402, je me suis posé une question que personne ne semble avoir abordée auparavant.
Si le paiement est confirmé sur Base Sepolia, mais que la soumission de la preuve sur la chaîne OpenGradient échoue, alors doit-on considérer cela comme un succès ou un échec ?
Succès du paiement — cela signifie que $OPG a déjà été débité.
Échec de la preuve — cela signifie que cette déduction n’a aucun enregistrement de validation en chaîne.
Ces deux événements se produisent en même temps : comment le développeur devrait-il gérer ça ?
Faut-il réessayer toute la requête ? Mais on risque alors d’être facturé deux fois.
Faut-il ne réessayer que la soumission de la preuve ? Techniquement, il faudrait savoir où la preuve s’est interrompue.
Faut-il abandonner et accepter que cette déduction n’ait aucun enregistrement en chaîne ? Dans ce cas, il y a un manque en termes de vérifiabilité.
Je n’ai pas trouvé dans la documentation relative à x402 un traitement explicite de ce scénario.
Ce n’est pas dire que le design est mauvais. C’est plutôt que la gestion des cas limites — la partie manquante que @OpenGradient doit peut-être compléter dans les outils du développeur.
En environnement de production, la voie normale est testée par tout le monde. Ce sont les cas limites qui différencient vraiment la qualité d’un système.
Avant une intégration en production, ce que les développeurs demandent le plus souvent n’est pas « est-ce que cette fonctionnalité peut fonctionner », mais « si quelque chose tourne mal, est-ce que je peux récupérer ».
Je suis en train d’attendre une réponse plus complète concernant le problème $OPG . @OpenGradient #opg $OPG Avant d’intégrer un nouveau système de paiement ou une nouvelle API, est-ce que vous testez spécifiquement ses scénarios d’échec ?
#BinancePickAndWin $BTC $ETH Lorsque, à l’ouverture de la Coupe du monde USA-Canada-Mexique 2026, les lumières se succèdent sur tout le stade, la fête de football des fans du monde entier prend officiellement son envol. Une mise en scène plurielle, combinée à des cris enflammés de tout le public, libère enfin toute la ferveur accumulée depuis longtemps.
Aujourd’hui, la dernière manche des matchs de poule se joue en même temps : des duels décisifs où l’Allemagne, le Japon et les Pays-Bas entrent tous en lice, et la situation pour la qualification demeure très incertaine. En parallèle, participez aussi au défi de football « Pick And Win » de Binance : associez le visionnage au pronostic des matchs, pour un double plaisir en un seul geste.
Publiez une mise à jour thématique sur le football en y ajoutant le sujet de l’événement, et obtenez en plus une occasion supplémentaire de pronostiquer. Prédisez l’évolution de ces confrontations d’aujourd’hui : vous avez une chance de partager des récompenses en jetons comme BNB, SXT, etc. La dernière journée de la phase de poules réserve son lot de suspense : rendez-vous sur le stade pour débloquer simultanément les avantages de l’événement.
Il y a quelqu'un qui a partagé des infos de financement sur OpenGradient dans la communauté, et tous les commentaires sont haussiers.
J'y ai réfléchi un moment, et ce n'est pas ça qui m'inquiète. C'est : où va cet argent ?
Un réseau d'IA vérifiable, une fois le cash en poche, va souvent chercher à paraître plus grand—plus de modèles hébergés, plus de nœuds, plus de développeurs.
Ces chiffres sont faciles à manipuler, et encore plus faciles à mal interpréter.
Mais ce qui fait vraiment fonctionner l'IA vérifiable, c'est ennuyeux : la stabilité des workers GPU, les performances des processus de vérification sous charge, la qualité des outils pour les devs, la répartition de la qualité des modèles.
Ces éléments ne figurent pas dans les annonces. Ce n'est que lorsque ça foire que les gens s'en rendent compte.
J'ai vu trop de projets utiliser leur financement pour avoir l'air plus gros, au lieu de vraiment se stabiliser.
Le résultat ? Quand la demande réelle arrive, le système ne tient pas. $OPG Ce à quoi je pense, ce n'est pas si l'évaluation est raisonnable. C'est dans six mois, pourrons-nous voir dans les données on-chain que cet argent a été dépensé pour rendre le réseau plus stable, et non pas pour embellir l'histoire.
Cette réponse vaut plus la peine d'attendre que l'annonce de financement elle-même. @OpenGradient #opg $OPG À ton avis, quelle est l'erreur la plus courante que les projets d'infrastructure IA en phase de démarrage commettent après un tour de financement ?
#BinancePickAndWin $BTC $ETH Quand le spectacle d'ouverture de la Coupe du Monde 2026 des États-Unis, du Canada et du Mexique commence avec les lumières s'allumant une à une, la fête du foot mondial pour les fans débute officiellement. Ce grand événement organisé par trois pays fusionne des performances culturelles variées, des milliers de fans crient et acclament ensemble, et l'attente de longue date pour cet événement sportif se libère enfin à ce moment-là.
En plus de regarder le match, participez au défi de football Pick And Win de Binance pour rehausser encore plus l'expérience de visionnage. Le jeu de paris est simple et intuitif, actuellement le derby arabe de groupe entre la Jordanie et l'Algérie est en phase de paris, avec un écart de force sur le papier qui semble énorme, mais sur le terrain, un scénario de défense d'abord et d'attaque ensuite se déroule, le premier but est plein de suspense, chaque transition offensive et défensive cache des opportunités.
Pour plus d'opportunités de paris, il suffit de publier un post de partage sur le thème du football avec le hashtag de l'événement, et en complétant le partage, vous débloquez des chances supplémentaires de deviner. Tout en suivant de manière immersive chaque affrontement palpitant, participez aux prévisions pour gagner des récompenses en multi-tokens comme SXT, BNB, etc., combinant votre passion pour le visionnage avec des bénéfices.
Cette Coupe du Monde voit 48 équipes défiler, et il y a encore d'innombrables affrontements pleins d'incertitudes à attendre, restez connectés aux événements et aux activités de défi de football de Binance, en attendant plus de moments mémorables et de récompenses surprises sur le terrain.
Je suis récemment en train d'utiliser l'IA pour un truc, et j'ai découvert un endroit étrange.
Je suis en train d'écrire des trucs, et l'IA m'aide à les modifier.
Chaque fois que je l'envoie, je sais que ce texte a été assisté par l'IA.
Mais la personne qui le reçoit ne le sait pas. Ils pensent que c'est moi qui l'ai écrit moi-même.
Ce n'est pas si grave en soi, c'est juste un outil d'écriture.
Mais je pense beaucoup ces derniers temps, si l'IA commence à aider les gens à faire des choses plus importantes - aider les avocats à rédiger des avis de contrat, aider les médecins à analyser des images, aider les gestionnaires de fonds à évaluer les risques - la question "la personne qui reçoit ne sait pas combien l'IA a participé" devient une grosse affaire.
@OpenGradient est en train de faire des choses qui, d'une certaine manière, donnent une réponse technique à cette question.
Ce n'est pas de dire "l'IA a participé", mais de dire "cette fois, le raisonnement de l'IA est ce modèle, cette entrée, ce processus, il y a un enregistrement sur la chaîne, et on peut le vérifier à tout moment".
Mais je me demande, est-ce que quelqu'un veut vraiment cette réponse ?
Maintenant, la plupart des gens qui reçoivent du contenu assisté par l'IA ne savent pas, ne s'en soucient pas, et n'ont pas moyen de vérifier.
Cet état doit changer, ce n'est pas grâce à la technologie, mais grâce à quelque chose qui fera que les gens commenceront à s'y intéresser.
Quelque chose ? Je ne sais pas.
$OPG c'est un endroit où je suis retourné en étudiant OpenGradient, ce n'est pas la technologie, c'est cette chose qui n'est pas encore arrivée.
@OpenGradient #opg $OPG As-tu déjà pensé à combien de conseils importants que tu as reçus ont été écrits par l'IA ?