L'analyse marketing et la bonne attribution deviennent 🥀 Une autre tendance que j'ai récemment observée est que l'analyse marketing traditionnelle devient de moins en moins fiable. D'abord, le comportement des utilisateurs est bien plus complexe aujourd'hui. Un funnel où quelqu'un voit un post sur X, recherche le produit sur Google, compare les options avec une IA, lit des avis sur Reddit, puis apparaît comme trafic Direct ou Organique est tout à fait normal aujourd'hui. Et en plus de cela, nous avons maintenant du trafic généré par l'IA et toute l'instabilité qui l'accompagne. Voici un exemple récent : En octobre, ChatGPT a cessé de transmettre correctement les données utm_source et referrer pendant quelques jours. Dans GA4, il semblait que le trafic provenant de ChatGPT avait soudainement chuté de 22 à 57 %, alors qu'en réalité une part importante de ces visites s'était simplement déplacée vers Direct. De plus, plus de la moitié du trafic web est désormais constitué de bots, ce qui signifie que les chiffres de trafic standards deviennent de moins en moins représentatifs du comportement humain réel. Ainsi, en 2026, il est déjà risqué de consulter un seul tableau de bord pour conclure que « ce canal croît » ou « ce canal est mort ». Il faut examiner plusieurs signaux simultanément : trafic direct, recherche de marque, MMM, réponses réelles des LLM et conversions. Et honnêtement, la vieille question « Comment avez-vous entendu parler de nous ? » devient de jour en jour moins disgracieuse :)

Je voulais vous donner un aperçu rapide des fonctionnalités de CopyCheck : • Mes avoirs : vérifiez la valeur actuelle, les gains/pertes non réalisés et les prix d’équilibre. Testez différents mouvements du marché pour voir comment ils affecteraient vos positions. • Analyse des trades du wallet : examinez jusqu’à cinq wallets @solana sur une période allant jusqu’à 90 jours. Filtrez les pertes et examinez les achats, ventes et liens de transaction individuels. • Comparaison de deux wallets : voyez comment les prix d’entrée et de sortie ont impacté les rendements sur les trades éligibles correspondants. Vous n’avez pas besoin de connecter votre wallet (je pense que, aujourd’hui, c’est le véritable avantage concurrentiel). Vous pouvez également consulter des captures d’ marché des tokens, ouvrir des liens vers des graphiques et exporter vos rapports (à noter : tous les résultats de trades sont affichés avant les frais). La vidéo montre le flux d’analyse du wallet, mais l’article détaille davantage les calculs et les limites. Dites-moi ce que vous en pensez !

C'est un bel article sur la façon dont ils ont échelonné la distribution, mais il ne mentionne rien sur : → Le prix → La conversion gratuit-vers-payant → Le taux de désabonnement → Les coûts pour les créateurs → Le budget publicitaire → Les marges bénéficiaires Comment ont-ils précisément transformé tout ce trafic en 150 000 $ de revenus par mois ?

Il y a quelque chose que je n’avais jamais vraiment considéré : Maintenant que Meta, Google, ChatGPT, etc., commencent à déployer des publicités IA, quelles sont les chances que les annonceurs paient pour atteindre des utilisateurs qui auraient acheté le service de toute façon – sans publicité ? J’ai commencé à réfléchir à cela après avoir lu cette étude sur le piège de l’« attribution fantôme ». Elle examinait le fonctionnement du ciblage utilisateur sur les réseaux de médias de détail (RMN) comme Amazon Ads, Walmart Connect et Instacart Ads – et a révélé que les modèles étaient biaisés. Les modèles automatisés de mise aux enchères des RMN ciblent naturellement les utilisateurs déjà très susceptibles d’acheter un produit (par exemple, des personnes ayant acheté la marque cinq fois ce mois-ci). Ensuite, le tableau de bord IA affiche un retour sur investissement publicitaire (ROAS) massif, et les annonceurs continuent de dépenser. Mais des essais contrôlés randomisés ont montré que jusqu’à 70 % de ces ventes n’étaient pas incrémentales. Le consommateur aurait acheté l’article de toute façon. L’IA prenait en fait credit pour un comportement organique, masquant ainsi un gaspillage massif du budget publicitaire. Effrayant.

Le capital octroyé n'est pas de l'argent gratuit. J'ai très peu de sympathie pour les équipes qui le traitent comme tel. Pour contexte, je parle de la subvention de 75 000 ARB accordée par @limitlessdefi pour inciter à la liquidité sur @arbitrum. J'ai appris de la Commission de surveillance d'Arbitrum que le projet a échangé l'intégralité de la subvention en USDC et l'a transférée sur Base. Par la suite, il semble que le projet ait cessé ses activités. L'équipe a ensuite reçu jusqu'au 10 septembre pour expliquer ce qui s'était passé ou rembourser les fonds. Elle n'a fait ni l'un ni l'autre. Maintenant, Arbitrum vote pour interdire définitivement les fondateurs des futurs programmes DAO. Si un écosystème vous accorde un capital pour un mandat précis et que vous déplacez l'intégralité du montant ailleurs, cela constitue un échec en matière de gouvernance et de responsabilité. C'est donc sans aucun doute la bonne réponse.

Je viens de découvrir une étude de simulation très intéressante : Que se passe-t-il si vous faites simuler par des agents IA le comportement de clients typiques – puis testez des campagnes marketing sur eux avant de les lancer dans le monde réel ? Des chercheurs ont construit une petite ville virtuelle et l’ont peuplée d’agents IA. Seulement 11 agents et 10 lieux. Chaque agent disposait de : • un budget • un niveau d’énergie • des besoins en nourriture et en achats • une mémoire • des liens sociaux • sa propre personnalité Ensuite, DeepSeek-V3 a généré leurs plans, conversations et décisions d’achat. Les agents ont donc commencé à travailler, mangé, discuté entre eux, retenu des informations, invité des amis quelque part – et ont décidé indépendamment où dépenser leur argent. L’expérience elle-même était très simple : une boutique de poulet frit offrait une réduction de 20 % au milieu de la semaine. Les chercheurs ont ensuite observé ce qui s’est produit. • Le chiffre d’affaires de la boutique a augmenté de 51 % du jour 2 au jour 3 – même après (!) la réduction. • Sa part de marché est passée de 30 % le jour 1 à 41 % le jour 3. • Mais le marché total n’a pas vraiment augmenté. Ainsi, la réduction n’a pas créé beaucoup de demande nouvelle – elle a principalement attiré des clients auprès d’un concurrent. • Le restaurant local a perdu de la part de marché et vu son chiffre d’affaires baisser de 7 %. • Le café est resté relativement stable. Encore plus intéressant, l’effet le plus fort ne s’est pas produit immédiatement. Les auteurs l’interprètent comme une diffusion d’information à travers le réseau social des agents : ils ont discuté, organisé des plans ensemble, invité des amis – et l’intérêt pour l’établissement a augmenté grâce à leurs interactions. La simulation a également produit quelque chose qui ressemblait à une fidélité : certains agents sont revenus à la boutique de poulet frit pendant la promotion, tandis que le restaurant conservait un attrait plus large même sans réduction. Ainsi, en théorie, des systèmes comme celui-ci pourraient permettre aux marketeurs de tester : • les réductions • les promotions • les changements de prix • les lancements de nouveaux produits • les scénarios concurrentiels sur des consommateurs synthétiques avant de les déployer sur le marché réel. Mais il y a un BUT très important. Ceci reste un prototype, pas une preuve que l’IA peut prédire de manière fiable le comportement humain réel. La simulation ne comportait que 11 agents. Leurs décisions dépendent fortement de la conception des invites, du modèle LLM choisi, des règles de l’environnement et même de la structure de la ville virtuelle. À mon avis, c’est certainement quelque chose à suivre. Car si ces simulations finissent par être correctement calibrées sur des données du monde réel, une partie du CustDev, des expériences de tarification et des tests de campagnes pourrait se faire d’abord sur des agents IA – puis seulement sur des humains.

Au fait, @Revolut a confirmé avoir divulgué les informations clients après avoir reçu des demandes frauduleuses provenant d’une adresse e-mail utilisant un domaine d’agence gouvernementale légitime. Les informations exposées incluraient des documents d’identité et pourraient également inclure des selfies de vérification et des historiques de transactions. Revolut affirme que les fonds clients n’ont pas été affectés, mais cela ne rend pas cette exposition inoffensive. Ces détails pourraient aider quelqu’un à se faire passer pour un client ou à rendre un message d’escroquerie beaucoup plus convaincant. Je pense que nous devrions demander une explication claire sur la manière dont ces demandes ont passé leurs contrôles, ce qui a été modifié, et quel soutien les clients concernés recevront, plutôt que des déclarations générales.

Quelques éléments m’ont retenu l’attention dans cet article sur les marchés de calcul, où les entreprises d’IA achètent l’accès aux GPU d’autrui pour former des modèles ou exécuter leurs services ↓ → Les transactions GPU se font encore via des groupes de discussion Une grande partie de cette puissance de calcul est toujours achetée via des courtiers, des accords privés et des groupes de discussion. Comparer les prix entre fournisseurs est un désordre. Honnêtement, c’est assez fou compte tenu du progrès accompli par cette technologie. → Le calcul pourrait être échangé comme l’électricité L’article soutient que la location de GPU pourrait devenir un marché de matières premières, avec des indicateurs de prix et des contrats pour gérer les coûts futurs. Les marchés de l’électricité ont commencé à connaître un changement similaire dans les années 1990, à mesure qu’ils s’ouvraient à la concurrence. → Le même processeur ne signifie pas le même accord L’emplacement, la fiabilité et les conditions de location influencent tous le prix. Un accès GPU bon marché qui peut être interrompu est bien différent d’une disponibilité garantie. Un chatbot IA doit rester disponible pour les utilisateurs, tandis qu’une entreprise utilisant l’IA pour étiqueter des images pendant la nuit peut accepter des interruptions pour payer moins cher. → NVIDIA est essentiellement la banque centrale du calcul Son calendrier de lancement influence la vitesse à laquelle les GPU plus anciens perdent de la valeur, et il bénéficie également de la mise à profit des GPU existants, car la demande pour cette puissance de calcul donne aux opérateurs de centres de données une raison d’acheter davantage de puces. → Les opportunités vont au-delà de la location de GPU Des entreprises travaillent également sur des outils de tarification, des plateformes d’échange, du prêt et de l’assurance. L’auteur estime que les entreprises combinant un accès fiable aux GPU à ces services financiers pourraient avoir un avantage compétitif. Silicon Data affirme suivre 95 % des fournisseurs de GPU neocloud et 100 % des grands hyperscalers. Ces données de location sont déjà utilisées pour établir des indicateurs quotidiens de prix pour le calcul. Je pense donc que cela nous donne un aperçu de la manière dont la location de GPU pourrait évoluer vers un marché financier plus vaste.

C’est simplement une autre façon d’offrir aux investisseurs traditionnels une exposition au crypto sans quitter leur compte de courtage. @BlackRock’s IBIT a déjà prouvé ce modèle. Les gens achètent des actions pour obtenir une exposition au bitcoin. Le fonds détient 61,6 milliards de dollars en actifs nets. @Fidelity’s FETH fait de même pour l’ETH. Fonctionne via des comptes de courtage traditionnels et des comptes de retraite éligibles. Aucune configuration de wallet requise. L’appel est évident : ajoutez du crypto au compte que vous utilisez déjà pour les actions, et évitez la gestion du wallet, des phrases secrètes et la configuration du staking. Curieux de voir combien d’argent TradFi va réellement affluer vers TRX via ce mécanisme.

Bruh, je n’ai jamais entendu dire que des pirates rendaient de l’argent, lol. Quelqu’un a découvert une faille chez @Liquid_BTC qui lui a permis de créer du L-BTC non garanti, puis de retirer près de 4 000 BTC réels de la réserve. Ils ont rendu 3 400 BTC après que @Blockstream ait corrigé la faille, mais ont conservé environ 598 BTC, soit environ 47 M$. Peut-être qu’un accord a été conclu en coulisses, mais commencer par prendre 320 M$ et garder 47 M$ est un moyen assez fou de négocier.