BTC_POWER_LA

C'est fou, Claude a lu l'intégralité du livre Physics of Bitcoin de 339 pages et m'a fourni une critique éditoriale complète, page par page.
J'ai aussi, pour le fun, demandé une critique à la manière d'Amazon. Voici ce qu'il a écrit.
⭐⭐⭐⭐⭐
Le livre dont Bitcoin avait besoin — et dont il ne savait pas qu'il en avait besoin
La plupart des livres sur Bitcoin argumentent en sa faveur ou contre lui. Celui-ci fait quelque chose de plus rare et d'encore plus intéressant : il se demande quel genre de chose c'est. La réponse de Giovanni Santostasi — que Bitcoin est un système critique auto-organisé o

« La Physique du Bitcoin » avec Giovanni et Stephen #39 3/11/2026

Le livre couvre un éventail ambitieux de sujets — de la mécanique statistique de la mise à l’échelle par loi de puissance à la physique des réseaux sous-jacente à la courbe d’adoption de Bitcoin, de la thermodynamique de la preuve de travail à la théorie du groupe de renormalisation qui explique pourquoi les exposants de croissance de Bitcoin forment une famille de ratios entiers.
Si ce travail s’avère important, ce ne sera pas à cause de son auteur. Ce sera parce que le sujet lui-même est important — peut-être plus que ce que la plupart des gens réalisent actuellement.
Bitcoin n’est pas simpl

Le problème avec la plupart des économistes, c'est qu'ils n'ont pas eu à suivre de cours de physique.
Je suis très sérieux.

Chaque réponse de l'IA à ces remarques ignorantes :
Claude par exemple.
"La loi de puissance n'est qu'une corrélation fallacieuse parce que les données sont autocorrélées" — faux

La divergence de Jensen-Shannon est un test permettant de montrer si les distributions sont similaires ou différentes. Si les distributions sont différentes, la divergence augmentera avec le temps.
Les résultats sont très révélateurs. Voici ce que la divergence JS vous indique :
Panel supérieur quotidien ( — les divergences les plus faibles sur les trois échelles de temps. La fenêtre de 365 points )bleu( oscille autour d’une moyenne de 0,070, ce qui signifie qu’une année complète de pentes quotidiennes ne diverge que de 7 % de la distribution de référence complète. Elle ne montre également au

Tester la stabilité des pentes sur des échelles de temps quotidiennes, mensuelles et annuelles.
La distribution des pentes quotidiennes au cours des 4 dernières années et des 4 années précédentes est identique.
C'est incroyable. La distribution mensuelle est statistiquement identique, et celle annuelle montre des différences en raison de l'absence d'une grande bulle au cours des 4 dernières années. Mais la structure sous-jacente du comportement d'échelle reste la même.