Comment ça marche (Mindshare Agent) :

C'est une IA de trading crypto 100% autonome sur NEAR.

Il scanne l'attention ("mindshare" ) et le sentiment en ligne (via Kaito).

Un LLM (Grand Modèle de Langage) analyse ces données pour décider quoi trader.

La logique s'exécute dans un "Worker Agent" sécurisé (TEE, ex: Phala).

Un smart contract sur NEAR vérifie l'agent, valide les trades et utilise NEAR Chain Signatures pour signer les transactions multi-chaînes.

NEAR Intents se charge ensuite d'exécuter le trade.

Pour faire le sien :
 Définissez le but de votre agent et ses sources de données (APIs).
 Créez un "Worker Agent" (logique dans un TEE) et un smart contract NEAR (pour vérification et règles).
 Intégrez un LLM pour la décision, Chain Signatures pour l'action multi-chaîne et Intents pour l'exécution.
 Le plus simple : forkez le code open-source du Mindshare Agent pour démarrer.

Plusieurs stratégies de trading algorithmiques peuvent être adaptées pour le trading de cryptomonnaies à petite capitalisation.    
 
Le trading de momentum vise à capitaliser sur les mouvements de prix rapides souvent observés dans les cryptomonnaies à petite capitalisation, qui peuvent être alimentés par le battage médiatique ou des nouvelles soudaines. La détection précoce de l'élan peut entraîner des profits importants, mais nécessite une exécution rapide des transactions. Ces tokens étant souvent motivés par la spéculation et les tendances sociales, la surveillance des signaux de momentum peut être cruciale.    
 
Les stratégies basées sur la volatilité peuvent également être efficaces, exploitant les fluctuations de prix inhérentes aux cryptomonnaies à petite capitalisation pour réaliser des profits. Des stratégies telles que le trading de range ou l'utilisation d'indicateurs comme les bandes de Bollinger peuvent aider à capturer les profits des fluctuations de prix. Les larges variations de prix dans ces marchés créent des opportunités pour les stratégies qui achètent à bas prix et vendent à prix élevé dans une fourchette définie ou en fonction des niveaux de volatilité.    
 
Les stratégies de breakout consistent à identifier et à trader les mouvements de prix significatifs au-dessus des niveaux de résistance ou en dessous des niveaux de support. Les breakouts peuvent signaler le début d'une forte tendance, offrant un potentiel de gains substantiels. Lorsqu'une cryptomonnaie à petite capitalisation sort d'une phase de consolidation, cela peut indiquer une pression d'achat accrue et le début d'une tendance haussière.    
 
Les stratégies basées sur le sentiment intègrent l'analyse du sentiment des sources de données alternatives pour prendre des décisions de trading en fonction du niveau d'enthousiasme ou de pessimisme en ligne concernant des tokens spécifiques à petite capitalisation. Un sentiment positif peut souvent précéder des augmentations de prix, tandis qu'un sentiment négatif peut entraîner des baisses importantes. Étant donné la forte influence de la communauté et des discussions en ligne sur les prix des petites capitalisations, l'analyse du sentiment devient un élément essentiel d'une stratégie de trading réussie.  

**Phase 0 : Préparation et Configuration de l'Environnement de Développement**
 
1.  **Installer les Outils de Base :**
    *   **Node.js et npm :**
        *   **Quoi :** Environnement d'exécution JavaScript et gestionnaire de paquets. Nécessaire pour NEAR CLI et souvent pour les outils de développement frontend ou backend.
        *   **Où :** [https://nodejs.org/](https://nodejs.org/)
        *   **Comment :** Téléchargez l'installeur LTS pour votre système d'exploitation et suivez les instructions. npm est inclus.
    *   **NEAR CLI :**
        *   **Quoi :** L'interface de ligne de commande officielle pour interagir avec la blockchain NEAR.
        *   **Où :** Documentation NEAR ([https://docs.near.org/tools/near-cli](https://docs.near.org/tools/near-cli))
        *   **Comment :** Ouvrez votre terminal/console et tapez : `npm install -g near-cli`
    *   **Rust et Cargo :**
        *   **Quoi :** Langage de programmation pour écrire les smart contracts sur NEAR et son gestionnaire de paquets/outil de build.
        *   **Où :** [https://www.rust-lang.org/tools/install](https://www.rust-lang.org/tools/install)
        *   **Comment :** Suivez les instructions sur le site (`rustup-init.exe` pour Windows, ou `curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh` pour Linux/macOS). Cela installera `rustc` (le compilateur), `cargo` (le gestionnaire de paquets) et `rustup` (le gestionnaire de toolchains Rust).
        *   Ajoutez la cible WASM : `rustup target add wasm32-unknown-unknown`
    *   **Git :**
        *   **Quoi :** Système de contrôle de version. Indispensable pour gérer votre code et cloner des dépôts.
        *   **Où :** [https://git-scm.com/downloads](https://git-scm.com/downloads)
        *   **Comment :** Téléchargez et installez.
    *   **Un IDE (Environnement de Développement Intégré) :**
        *   **Quoi :** Un éditeur de code avancé.
        *   **Où :** Visual Studio Code ([https://code.visualstudio.com/](https://code.visualstudio.com/)) est très populaire et a de bonnes extensions pour Rust et JavaScript/TypeScript.
        *   **Comment :** Téléchargez et installez. Extensions recommandées : `rust-analyzer` pour Rust, `ESLint` et `Prettier` pour JS/TS.
 
2.  **Créer un Compte NEAR :**
    *   **Quoi :** Vous aurez besoin d'un compte sur le testnet pour le développement et le déploiement initial, puis sur le mainnet pour la production.
    *   **Où :** [https://wallet.testnet.near.org/](https://wallet.testnet.near.org/) (pour le testnet) et [https://wallet.near.org/](https://wallet.near.org/) (pour le mainnet).
    *   **Comment :** Suivez le processus de création de compte. **Sécurisez bien votre phrase mnémonique !**
 
---
 
**Phase 1 : Conception et Planification Détaillée**
 
1.  **Affiner la Stratégie de Trading (Section 5 du document) :**
    *   Choisissez les stratégies (momentum, volatilité, breakout, sentiment) qui vous semblent les plus adaptées aux petites capitalisations.
    *   Définissez des indicateurs précis.
2.  **Sélectionner les Sources de Données Alternatives (Section 3 du document) :**
    *   **APIs des Médias Sociaux :**
        *   **Twitter (X) API :** Nécessite une demande d'accès développeur ([https://developer.twitter.com/](https://developer.twitter.com/)). Explorez les bibliothèques clientes pour Python (comme `tweepy`) ou Node.js.
        *   **Reddit API :** Plus accessible. Consultez la documentation de l'API Reddit ([https://www.reddit.com/dev/api/](https://www.reddit.com/dev/api/)). Bibliothèques : `PRAW` pour Python.
    *   **APIs d'Analyse du Sentiment des Actualités :**
        *   **Token Metrics :** ([https://tokenmetrics.com/](https://tokenmetrics.com/)) - Vérifiez leurs offres API.
        *   **Financial Modeling Prep :** ([https://site.financialmodelingprep.com/developer/docs/alternative-data-api#Crypto-Sentiment](https://site.financialmodelingprep.com/developer/docs/alternative-data-api#Crypto-Sentiment)) - Offre un plan gratuit.
    *   **Analyse des Données On-Chain :**
        *   **NEAR Lake Framework :** ([https://docs.near.org/concepts/advanced/near-lake-framework](https://docs.near.org/concepts/advanced/near-lake-framework)) Pour accéder aux données de la blockchain NEAR.
        *   **Dune Analytics :** ([https://dune.com/](https://dune.com/)) Permet de créer des dashboards et a une API (payante pour un usage intensif).
        *   **The Graph :** ([https://thegraph.com/](https://thegraph.com/)) Pour indexer et interroger des données blockchain.
    *   **Outils d'Analyse du Sentiment Open-Source :**
        *   **Python :** `VADER (Valence Aware Dictionary and sEntiment Reasoner)`, `TextBlob`, `NLTK`.
            *   **Comment installer :** `pip install vaderSentiment textblob nltk`
            *   `NLTK` peut nécessiter le téléchargement de corpus supplémentaires : `import nltk; nltk.download('punkt'); nltk.download('stopwords'); nltk.download('averaged_perceptron_tagger')` etc.
3.  **Définir les Règles de Trading et de Gestion des Risques (Sections 6 et 7 du document) :**
    *   Soyez très précis sur les seuils d'achat/vente, les stop-loss, la taille des positions.
 
---
 
**Phase 2 : Développement du Worker Agent (Logique Off-chain)**
 
*   Ce composant s'exécutera probablement sur un serveur que vous contrôlez ou dans un environnement TEE (Trusted Execution Environment) comme mentionné pour les Shade Agents.
*   **Langage :** Python ou Node.js (TypeScript) sont de bons choix pour interagir avec les APIs et les bibliothèques d'IA.
 
1.  **Module de Collecte de Données :**
    *   Écrivez des scripts pour interroger les APIs sélectionnées (Twitter, Reddit, News, On-chain).
    *   Stockez temporairement ou traitez les données en streaming.
2.  **Module d'Analyse du Sentiment :**
    *   Si vous utilisez des bibliothèques open-source (VADER, TextBlob) : appliquez-les aux données textuelles collectées.
    *   Si vous utilisez des APIs de sentiment : envoyez vos données textuelles à ces APIs.
3.  **Module d'Intégration du LLM (Large Language Model) :**
    *   **Quoi :** Le "cerveau" qui interprète les données et les signaux de sentiment pour prendre des décisions.
    *   **Où/Comment :**
        *   **APIs de LLM hébergés :** OpenAI (GPT-3.5/4), Cohere, Anthropic (Claude). Vous aurez besoin de clés API.
            *   **Installation (exemple OpenAI Python) :** `pip install openai`
        *   **Modèles Open Source via Hugging Face Transformers :** ([https://huggingface.co/docs/transformers/index](https://huggingface.co/docs/transformers/index))
            *   **Installation :** `pip install transformers torch` (ou `tensorflow`)
            *   Vous pouvez télécharger et exécuter des modèles localement (nécessite des ressources matérielles).
        *   **NEAR AI :** Explorez si NEAR AI ([https://near.ai/](https://near.ai/)) propose des LLMs hébergés ou des SDKs facilitant l'intégration. Le podcast mentionnait la possibilité de changer de LLM (Yama, etc.) et même de déployer le sien.
    *   **Prompts :** Concevez des prompts clairs pour le LLM, basés sur vos règles de trading (Section 6). Exemple : "Analyse les données suivantes : prix de X, sentiment Y, volume Z. Selon les règles A, B, C, dois-je acheter, vendre ou conserver X ?"
4.  **Logique de Décision et Préparation des Actions :**
    *   Le Worker Agent reçoit la suggestion du LLM.
    *   Il prépare la "payload" (données de la transaction) à envoyer au smart contract sur NEAR.
 
---
 
**Phase 3 : Développement du Smart Contract sur NEAR (Logique On-chain)**
 
*   **Langage :** Rust avec le SDK NEAR.
*   **Référence :** Le podcast et le document mentionnent le **Shade Agent Stack**. C'est la base.
    *   **Où trouver :** Le podcast suggère `near.ai/shared` et le blog NEAR ([https://near.org/blog/](https://near.org/blog/)) pour l'annonce du "Mindshare Index AI Agent". Cherchez le code source de cet agent s'il est disponible, car ce serait un excellent point de départ.
 
1.  **Structure du Smart Contract :**
    *   **Enregistrement et Vérification du Worker Agent :**
        *   Comme décrit dans le podcast, le Worker Agent (s'il tourne dans un TEE comme ceux utilisés par Shade Agents) doit pouvoir s'enregistrer auprès du smart contract.
        *   Le smart contract vérifie l'"attestation quote" du TEE et le hash du code du Worker Agent.
    *   **Réception des Propositions de Trade :**
        *   Une méthode pour que le Worker Agent envoie la "payload" du trade.
    *   **Validation des Règles :**
        *   Le smart contract vérifie si le trade proposé respecte les règles on-chain (limites, tokens autorisés, etc.).
    *   **Interaction avec NEAR Chain Signatures :**
        *   **Quoi :** Pour signer des transactions sur d'autres chaînes (si votre stratégie est multi-chaîne).
        *   **Où/Comment :** Consultez la documentation NEAR sur Chain Signatures ([https://docs.near.org/develop/contracts/cross-contract/chain-signatures](https://docs.near.org/develop/contracts/cross-contract/chain-signatures)). Le smart contract demandera une signature au service MPC.
2.  **Compilation et Déploiement :**
    *   **Compilation :** `cargo build --target wasm32-unknown-unknown --release` (dans le répertoire de votre smart contract).
    *   **Déploiement (Testnet) :** `near deploy --accountId VOTRE_COMPTE_TESTNET.testnet --wasmFile ./target/wasm32-unknown-unknown/release/NOM_DU_CONTRAT.wasm`
    *   Initialisez votre contrat si nécessaire avec `near call ...`.
 
---
 
**Phase 4 : Intégration et Exécution des Trades avec NEAR Intents**
 
1.  **Comprendre NEAR Intents :**
    *   **Quoi :** Un système pour exprimer des objectifs de trading de manière abstraite. L'agent dit "je veux X token pour Y token", et le réseau trouve le meilleur chemin.
    *   **Où :** Documentation NEAR et ressources de NEAR AI. Le podcast mentionne que le Worker Agent crée un "commitment" qui est publié au "solver boss".
2.  **Implémentation :**
    *   Après que le smart contract a validé et (si nécessaire) obtenu une signature via Chain Signatures, le Worker Agent (ou le smart contract lui-même) formulera l'intention.
    *   Cette intention est soumise au système NEAR Intents pour exécution.
 
---
 
**Phase 5 : Gestion des Risques, Backtesting et Optimisation**
 
1.  **Implémenter les Protocoles de Gestion des Risques (Section 7) :**
    *   Codez les stop-loss, la taille des positions, etc., soit dans le Worker Agent (avant de proposer au smart contract), soit comme des vérifications strictes dans le smart contract.
2.  **Backtesting :**
    *   **Quoi :** Simuler votre stratégie sur des données historiques.
    *   **Comment :**
        *   Collectez des données historiques pour les tokens et les indicateurs de sentiment que vous ciblez.
        *   Écrivez un script qui exécute la logique de votre agent (collecte de données simulée -> analyse -> décision LLM -> exécution de trade simulée) sur ces données passées.
        *   Mesurez la performance (profit, perte, drawdown, etc.).
    *   **Où :** C'est un développement personnalisé. Des bibliothèques Python comme `bt` ou `backtrader` peuvent aider, mais nécessiteront une adaptation.
3.  **Optimisation :**
    *   Ajustez les paramètres de votre stratégie, les prompts du LLM, et les règles de gestion des risques en fonction des résultats du backtesting.
 
---
 
**Phase 6 : Déploiement et Surveillance**
 
1.  **Déploiement sur Testnet :**
    *   Déployez votre smart contract et exécutez votre Worker Agent en le connectant au testnet.
    *   Utilisez des faucets testnet pour obtenir des tokens de test.
    *   Surveillez attentivement son comportement.
2.  **Déploiement sur Mainnet (avec prudence !) :**
    *   Une fois confiant, déployez sur le mainnet.
    *   Commencez avec un capital TRÈS FAIBLE.
3.  **Surveillance Continue :**
    *   Mettez en place des logs détaillés pour votre Worker Agent et votre smart contract.
    *   Utilisez NEAR Explorer ([https://explorer.near.org/](https://explorer.near.org/)) pour suivre les transactions.
    *   Soyez prêt à intervenir rapidement en cas de problème.
 
---
 
**Phase 7 : Ressources Clés et Communauté**
 
*   **Documentation NEAR :** [https://docs.near.org/](https://docs.near.org/)
*   **NEAR AI :** [https://near.ai/](https://near.ai/) (et le `near.ai/shared` mentionné)
*   **Blog NEAR :** [https://near.org/blog/](https://near.org/blog/)
*   **Discord NEAR / Groupes Telegram :** Le podcast mentionne un groupe Telegram pour les Shared Agents. Cherchez les communautés de développeurs NEAR.
*   **GitHub de NEAR et des projets liés :** Pour des exemples de code.
*   **Le code source du Mindshare Agent :** Si vous le trouvez, ce sera votre meilleure ressource. Le podcast indique qu'il est open-source.

"Attention Is All You Need" is a 2017 landmark research paper in machine learning authored by eight scientists working at Google. The paper introduced a new deep learning architecture known as the transformer, based on the attention mechanism proposed in 2014 by Bahdanau et al. It is considered a foundational paper in modern artificial intelligence, and a main contributor to the AI boom, as the transformer approach has become the main architecture of a wide variety of AI, such as large language models. At the time, the focus of the research was on improving Seq2seq techniques for machine translation, but the authors go further in the paper, foreseeing the technique's potential for other tasks like question answering and what is now known as multimodal Generative AI.

The authors of the paper are: Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones [wikidata], Aidan Gomez, Łukasz Kaiser, and Illia Polosukhin. All eight authors were "equal contributors" to the paper; the listed order was randomized.

@WatcherGuru
 
JUST IN: US Federal Regulator says regulated banks can buy, sell and custody cryptocurrency.

@LeJournalDuCoin
 
BREAKING Meta (Facebook) serait en pourparlers pour déployer des stablecoins, trois ans après avoir abandonné son projet initial baptisé Diem, selon Fortune.