David Gurle

Pourquoi le prix du Bitcoin ne dépend pas du prix de minage 1. Comparaison avec les matières premières Dans l'industrie minière classique (ex: l'or), l'offre est élastique au prix. Si le cours descend sous le coût d'extraction, les mines ferment, la production diminue, l'offre se raréfie et le prix finit par remonter après un délai industriel (environ 6 ans). À l'inverse, si le prix explose, de nouvelles mines ouvrent, augmentant l'offre. 2. L'inélastique de l'offre de Bitcoin L'émission de Bitcoin est régie par le protocole et non par le marché. Que le prix soit à 1 000 $ ou 100 000 $, l'algorithme impose la création d'un bloc environ toutes les 10 minutes. L'offre est donc inélastique au prix. La variable d'ajustement n'est pas la quantité produite, mais la difficulté de minage. 3. Le mécanisme d'ajustement de la difficulté Tous les 2016 blocs (environ 15 jours), le réseau recalcule la difficulté : Si de nombreux mineurs débranchent leurs machines (baisse du Hashrate), le temps de bloc s'allonge. Le protocole abaisse alors la difficulté pour que les mineurs restants produisent à nouveau un bloc en 10 minutes avec moins d'énergie. Ce mécanisme garantit qu'il n'y a pas de coût de production fixe agissant comme un support : le coût de production s'adapte à la baisse pour suivre le prix et maintenir le réseau fonctionnel. 4. Réfutation de l'indicateur "coût de minage" L'idée que les mineurs vendent leurs stocks au plus bas pour couvrir leurs frais est jugée erronée. Un mineur rationnel coupe ses machines si le coût électrique dépasse le prix spot (quitte à acquérir des BTC autant les acheter directement sur le marché pour moins chère). De plus, les stratégies de couverture (options, contrats d'énergie fixes) rendent le coût de production réel opaque et variable d'un acteur à l'autre. L'indicateur visuel qui semble montrer un rebond sur le coût de minage est un biais a posteriori : le coût de minage "colle" au prix en marché baissier car il s'ajuste après coup. 5. Facteurs réels influençant le prix * Interne : Les halvings (division par deux de l'émission), bien que leur impact s'amenuise avec le temps. * Externe : L'augmentation de la masse monétaire des monnaies fiat (dévaluation du dollar/euro par l'impression monétaire). Conclusion : La volatilité est inhérente au système. Pour l'investisseur, la règle d'or reste un horizon de temps supérieur à 4 ou 5 ans, période sur laquelle Bitcoin a historiquement toujours été rentable, quel que soit le point d'entrée.

IA et immortalité : la fin du vieillissement ? 1. Reprogrammation cellulaire et facteurs de Yamanaka Le 28 janvier 2026, David Sinclair (Harvard) a annoncé des progrès dans le rajeunissement cellulaire, promettant de récupérer jusqu’à 75 % des fonctions perdues dans certains tissus (comme le nerf optique). * Mécanisme : Utilisation des facteurs de Yamanaka pour rétablir les méthylations de l'ADN, avec des effets positifs sur les mitochondries et les télomères. * Limites : Le risque de cancer associé à ces traitements n'est pas encore écarté. De plus, 25 % des dégradations (accumulation de déchets, autophagie défaillante) ne sont pas résolues par cette seule méthode. 2. Le défi de la matrice extracellulaire (MEC) Le rajeunissement des cellules est insuffisant si la structure qui les supporte, la matrice extracellulaire, reste dégradée. * Composition : La MEC est constituée de protéines inertes (collagène, élastine) et de glycoprotéines. * Glication : Avec le temps, le sucre consommé crée des "pontages" (comme le glucosépane) qui rigidifient les tissus, provoquant l'artérioscopie et le vieillissement des organes. * Complexité : Contrairement aux cellules, la MEC n'a pas d'ADN reprogrammable. Sa réparation nécessite des "outils" biologiques externes, comme des enzymes capables de briser les pontages de glication sans endommager les fibres de collagène. 3. L'Intelligence Artificielle comme catalyseur L'IA transforme la recherche biologique d'une science expérimentale en une science prédictive. * Conception de protéines : Des modèles comme ProteinMPNN ou RF Diffusion permettent de simuler et de concevoir des enzymes artificielles spécifiques pour le nettoyage de la MEC. * Résolution du repliement : AlphaFold (Google) a levé le "fardeau de la connaissance" en permettant de prédire la structure des protéines, accélérant des décennies de recherche. * Analyse multihomique : L'IA est capable de modéliser les interactions complexes entre le génome, l'épigénome, le microbiote et l'inflammation systémique, une équation insoluble pour l'esprit humain. 4. Nouvelles pistes technologiques Plusieurs innovations émergent pour traiter les causes matérielles du vieillissement : * Sénolytiques : Molécules ciblant les "cellules zombies" qui sécrètent des substances inflammatoires et dégradent leur environnement. * Électroécriture (MEW) : Impression 3D microscopique servant d'échafaudage pour guider la reconstruction de tissus sains. * Jumeaux numériques (Digital Twins) : Modélisation intégrative du patient pour simuler les effets d'un traitement avant son application réelle. 5. Approche systémique du rajeunissement Le rajeunissement ne sera pas une "pilule miracle", mais une maintenance préventive multicouche intervenant sur quatre fronts : * Logiciel : Réinitialisation épigénétique des cellules. * Matériel : Réparation des dommages à l'ADN et des composants cellulaires. * Structure : Nettoyage et renouvellement de la matrice extracellulaire. * Régulation : Restauration du microbiote et de l'homéostasie (communication entre organes sans bruit inflammatoire). Conclusion : L'IA permet de synthétiser des décennies de données inexploitées pour créer des traitements opérationnels. La transition vers une ingénierie de la maintenance biologique laisse entrevoir des avancées majeures d'ici 2030-2040.

Most companies can't answer this question: where is your data - and who holds the keys? Our CEO, @DavidGurle, sat down with City 4 VIP to explain why data sovereignty shouldn't be considered as a compliance checkbox. And why the hyperscale model has a built-in trap door. Full interview in the link below ⤵️ city4vip.com/data-new-luxur…

MERCI pour ce score exceptionnel - le meilleur pour toutes les villes françaises de + de 30 000 habitants ! - qui ne me confère que des DEVOIRS. Dans une ville aussi importante et contrastée que Cannes (taux de pauvreté de sept points supérieur à la moyenne nationale, revenu median inférieur à toutes les moyennes locales comme française, etc, mais aussi ville internationale et avec des quartiers huppés comme pauvres), face cette fois-ci à une liste d’union de la gauche et au RN, ce résultat est la preuve qu’une proposition politique solide sur ses principes, porteuse de concret mais aussi d’idées et de personnalités nouvelles, venant du terrain, peut l’emporter. Portons la voix d’une droite INDÉPENDANTE et GAGNANTE POUR LA FRANCE.

Je continue sur ta conclusion, est ce qu’on va affaiblir à long terme les entreprises. Je ne pense pas. Tout d’abord l’IA améliore de manière significative la qualité et la quantité de la production. Je le vois tous les jours. Ça va faire mal à tous ceux qui ne peuvent pas à en faire l’usage. Ils seront remerciés aux profits de ceux qui peuvent. Ensuite, parlons des jeunes. Si les vieux peuvent replacer des jeunes par l’IA, les jeunes peuvent acquérir l’expérience des vieux par l’IA. Malheureusement je ne le vois pas dans le marche de l’emploie encore. Les jeunes curieusement sont coincés dans les méthodes d’antan. Ils n’arrivent pas à se positionner à nos yeux en tout cas proprement. Peut être que ceux qu’ils peuvent préfèrent être leur propre boss. Ce qui m’amène à imaginer un monde où l’entreprise va changer car la machine et la chaîne de production sont en train d’être détruite pour être reconstruite autrement. L’expertise sera différente et tant mieux. Les grosses entreprises seront massivement rupturees et tant mieux. On voit déjà le cas dans le monde du SaaS et du consulting.

@RichardDetente c’est une excellente résumé de la situation que je vois se dessiner tous les jours dans mes entreprises. L’utilisation de l’IA tel qu’il est décrit est par contre loin d’être la pratique courante. C’est la tendance et nous y serons d’ici deux ans pour la majorité des employés, car il y an encore beaucoup de progrès à faire du côté IA et encore plus de son utilisation experte et adéquate.

Quel est l'impact de l'intelligence artificielle (IA) sur le marché du travail ? L'émergence d'un phénomène de "croissance sans emploi". 1. L'IA comme bouclier managérial : L'AI Washing. En février 2026, les États-Unis ont enregistré plus de 108 000 suppressions d'emplois, le niveau le plus élevé depuis 2008. Les dirigeants utilisent l'IA comme une excuse ("AI washing") pour justifier des licenciements massifs et rassurer les investisseurs, masquant parfois des erreurs de gestion passées. Sam Altman lui-même reconnaît cette tendance. 2. Une rupture entre croissance et emploi L'économie américaine montre une croissance positive (2,2 % en 2025), mais la part du travail dans le PIB chute à 53,8 %, son plus bas niveau depuis les années 40. Cette décorrélation indique que la richesse produite profite davantage aux profits des entreprises qu'aux salariés, car l'IA permet d'augmenter la productivité avec moins d'humains. 3. La crise du recrutement des profils "Junior" Le choc frappe particulièrement les jeunes de 22 à 25 ans, avec une baisse de 13 % des emplois dans les secteurs exposés à l'IA. * Le dilemme des entreprises : Si une IA permet à 10 seniors de faire le travail de 50 personnes, la pression concurrentielle force à licencier les 40 restants (souvent des juniors). * Destruction du renouvellement : En ne recrutant plus de juniors pour les tâches ingrates de traitement, les entreprises brisent la chaîne de transmission de l'expertise. Dans 5 à 10 ans, elles risquent une pénurie de profils expérimentés ("insolvabilité de l'expertise interne"). 4. Deux scénarios pour l'avenir * Scénario A : Croissance infinie. L'IA continue de progresser. On se dirige vers un monde avec très peu d'employés par unité de PIB. Les géants de la tech prônent le Revenu Universel de Base. C'est le chemin vers la "servitude" car la propriété disparaît. * Scénario B : Plafond technologique. Les progrès de l'IA s'arrête et on entre dans une ère de stagnation technologique. Les entreprises se retrouvent alors piégées avec des seniors partant à la retraite et la relève des séniors est inexistante. 5. Mutation des compétences : De l'exécutant à l'orchestrateur La valeur du "faire" s'effondre au profit de la "décision" et de "l'imputabilité". Dit autrement, c'est la responsabilité et le risque qui sont rémunérés. * L'orchestrateur d'agents : Le nouveau col blanc ne produit plus, il dirige un essaim d'IA. La compétence rare devient le jugement stratégique. * Le retour au manuel : Les métiers physiques (plomberie, charpente) redeviennent des valeurs refuges car ils bénéficient d'une barrière de complexité physique que l'IA ne franchit pas encore. 6. L'asymétrie de l'impact Seule une infime partie de la population (15 à 25 millions d'utilisateurs) utilise l'IA de manière intensive, mais ce petit groupe transforme l'infrastructure mondiale. 100 % de la population sera impactée (prix, services, emplois) même si 84 % reste passive face à l'outil. En conclusion : L'optimisation des profits à court terme via l'IA pourrait affaiblir structurellement les entreprises sur le long terme par manque d'investissement dans le capital humain ou alors marqué une déconnexion de plus en plus profonde entre augmentation du PIB stratosphérique et emploi.

J’écoute @davidlisnard a son meeting de campagne . Il y a une hauteur de vue et un bilan local qui ferait tellement de bien au pays !

L’IA : La corde pour pendre le capitalisme financier ? C’est l’ironie suprême du marché actuel. Ce que Frédéric Bastiat appelait "ce que l’on ne voit pas" est en train de rattraper les géants de la finance. Le crédit privé est en train de financer l'infrastructure même qui va pulvériser la rentabilité de ses propres clients. Explications. 1ère étape - Le piège des sociétés "Light Asset" Depuis Bâle III, les banques traditionnelles ont déserté le financement des entreprises de services (logiciels, conseil) car elles manquent de collatéral tangible (immobilier, acier). Le relais a été pris par le crédit privé (Blackstone, KKR, Apollo). Un marché de 1 700 milliards de dollars. 2e étape - L'illusion de la croissance perpétuelle Ces prêts massifs, contractés vers 2021, reposaient sur une hypothèse : la facturation infinie du temps humain. On valorisait des boîtes à 12 fois leur EBITDA en pensant que pour produire plus, il faudrait toujours plus de consultants ou de développeur. Erreur fatale. 3e étape - La commoditisation par l’IA L’IA générative transforme le savoir-faire humain en une "commodity", comme le cuivre ou le pétrole. Quand une tâche est automatisable votre multiple de valorisation s’évapore. On appelle ça l’EBITDA fantôme. Le marché commence à réaliser que le logiciel n'est plus un actif protégé, mais un service bientôt inclus ou gratuit. 4e étape - Le retour de manivelle de 2026 Pourquoi maintenant ? Parce que les prêts de 2021 arrivent à échéance. Les entreprises se retrouvent prises en étau : - Chute brutale des revenus (concurrence de l’IA). - Charges d’intérêts au plafond (dettes à taux variables). La dette ne finance plus la croissance, elle accélère la faillite. 5e étape - Le syndrome de la Reine Rouge Pour survivre, les fonds de Private Equity injectent massivement des agents IA dans leurs portefeuilles. C’est une course contre la montre : automatiser plus vite que l’effondrement des prix pour maintenir les marges. Mais la vitesse de la Big Tech est supérieure. À l'arrivée : Les chiffres qui font mal - 25 à 35 % du crédit privé est exposé au risque IA. - 600 milliards de dollars en danger de non-remboursement. - Taux de défaut projeté : 13 % (contre 4 % pour les obligations classiques). Conclusion : Le capital finance sa propre destruction. Les hyperscalers (Amazon, Microsoft, Google) injectent 650 milliards dans l'infra IA pour effondrer les prix partout ailleurs. En février 2026, les rois du crédit privé ont déjà perdu 10 % en une séance. Le marché ne croit plus aux business modèles fragiles. Nous ne sommes pas face à une simple crise, mais à une reconfiguration brutale du tissu économique. L’humain est chassé des secteurs de services comme les pompistes l’ont été des stations-service.

@hivenet_cloud I love this video ❤️

WAICF - World #AI Cannes Festival 2026 - our aftermovie is live! Two days at the Palais des Festivals alongside Policloud to show what sovereign AI infrastructure looks like when software and hardware work together. The energy was incredible, the conversations even more so. See for yourself.

I love this video! ❤️

🇷🇸 "Heu... Je suis sans mots… C’est surréaliste. 4h de jeu, presque 2h du matin. L’intensité devait être énorme pour avoir une chance. Sinner m’avait battu 5 fois, je lui ai dit que je devais changer de numéro. Immense respect à lui" Djokovic

Digital independence is not about isolation. It’s about being able to keep operating when policy, pricing, or access assumptions change. We laid out the forces driving that shift. buff.ly/bC18VTB

If you run inference, “efficiency” is not a vibe. Track TTFT, TPS, queue length, memory headroom, and cache hit rate. Fix the waste before you buy more GPU. buff.ly/Xtvpzqc

Version high res ici : youtu.be/G2dpUjEsOoY

Voici Blackout to Power, notre premier documentaire sur "la transition énergétique en rupture". On a vraiment travaillé le format donc j'ai hâte d'avoir vos retours en commentaires ;)

This week’s pattern is consistent: grid rules tightening, transparency demands rising, GPU capacity pricing moving up, switching rules getting teeth. “Cloud” is being pulled back into the physical world.

If you run LLMs in production, a lot of “performance” work is queueing and batching work. Continuous batching is one of the few changes that can improve throughput without waiting for new hardware. buff.ly/y1mF8yA

People mix up cloud computing and distributed computing, then they argue past each other. We mapped the difference in plain terms. buff.ly/8kDIgvV

Distributed systems are not “smaller cloud.” They trade a single big control plane for many nodes and different failure modes. That trade looks better when power, water, and locality are tight.

Tech sovereignty stays practical: control over infrastructure choices, data handling, and dependencies you can explain to a risk team. We wrote a plain-English view of what it means for businesses. buff.ly/kTsOL75