{"id":20585,"date":"2025-11-04T19:03:08","date_gmt":"2025-11-04T11:03:08","guid":{"rendered":"https:\/\/iwea.deeptracker.ai\/?p=20585"},"modified":"2026-03-03T18:42:21","modified_gmt":"2026-03-03T10:42:21","slug":"alpha-arena-ai-trading-season-1-results","status":"publish","type":"post","link":"https:\/\/iwea.deeptracker.ai\/fr\/blog\/alpha-arena-ai-trading-season-1-results\/","title":{"rendered":"Qwen remporte la bataille de trading IA d&#039;Alpha Arena\u00a0: Analyses d&#039;experts sur les raisons de l&#039;\u00e9chec de GPT-5"},"content":{"rendered":"<p><em><strong>Abstrait:<\/strong> Lors de la premi\u00e8re saison de trading IA d&#039;Alpha Arena, les mod\u00e8les chinois Qwen 3 Max et DeepSeek ont domin\u00e9, tandis que les mod\u00e8les am\u00e9ricains comme GPT-5 ont subi de lourdes pertes. Les r\u00e9sultats d\u00e9montrent que les strat\u00e9gies disciplin\u00e9es \u00e0 basse fr\u00e9quence ont surperform\u00e9 le surtrading.<\/em><\/p>\n\n\n\n<div style=\"height:40px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<p>Sur<strong> <\/strong>Le 3 novembre 2025, <strong>Concours de trading IA Alpha Arena<\/strong> a officiellement conclu sa premi\u00e8re saison, <strong>Qwen 3 Max<\/strong> ont revendiqu\u00e9 la premi\u00e8re place. L&#039;organisateur de l&#039;\u00e9v\u00e9nement et <a href=\"https:\/\/x.com\/jay_azhang\/status\/1985481491078328621\" rel=\"nofollow\"><mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-vivid-cyan-blue-color\"><strong>Fondateur de Nof1.ai<\/strong> ont annonc\u00e9 les r\u00e9sultats<\/mark><\/a> sur <strong>X (anciennement Twitter)<\/strong>f\u00e9licitant l&#039;\u00e9quipe de Qwen pour sa performance exceptionnelle lors de la premi\u00e8re comp\u00e9tition mondiale \u00e0 grande \u00e9chelle <strong>D\u00e9fi de trading en direct avec l&#039;IA<\/strong>.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img fetchpriority=\"high\" decoding=\"async\" width=\"729\" height=\"1024\" src=\"https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/The-founder-of-the-nof1-revealed-the-results-of-the-first-season-of-Alpha-Arena-on-X-729x1024.webp\" alt=\"\" class=\"wp-image-20587\" srcset=\"https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/The-founder-of-the-nof1-revealed-the-results-of-the-first-season-of-Alpha-Arena-on-X-729x1024.webp 729w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/The-founder-of-the-nof1-revealed-the-results-of-the-first-season-of-Alpha-Arena-on-X-214x300.webp 214w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/The-founder-of-the-nof1-revealed-the-results-of-the-first-season-of-Alpha-Arena-on-X-9x12.webp 9w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/The-founder-of-the-nof1-revealed-the-results-of-the-first-season-of-Alpha-Arena-on-X.webp 768w\" sizes=\"(max-width: 729px) 100vw, 729px\" \/><\/figure>\n\n\n\n<p>Le <strong>Alpha Arena<\/strong> La comp\u00e9tition a r\u00e9uni six entreprises de pointe <strong>Grands mod\u00e8les de langage (LLM)<\/strong> - y compris <strong>Qwen 3 Max, DeepSeek, GPT-5, Gemini 2.5 Pro, Claude 4.5 Sonnet<\/strong>, et <strong>Grok 4<\/strong> \u2014 pour tester leurs capacit\u00e9s de n\u00e9gociation dans <strong>march\u00e9s financiers du monde r\u00e9el<\/strong>Chaque syst\u00e8me d&#039;IA a d\u00e9marr\u00e9 avec un capital de $10\u00a0000 et s&#039;est ex\u00e9cut\u00e9 de mani\u00e8re autonome. <strong>transactions de contrats perp\u00e9tuels en cryptomonnaie<\/strong> sur la plateforme d&#039;\u00e9change d\u00e9centralis\u00e9e Hyperliquid, sans aucune intervention humaine autoris\u00e9e.<\/p>\n\n\n\n<p>Cet \u00e9v\u00e9nement a marqu\u00e9 un moment charni\u00e8re dans <strong>Trading pilot\u00e9 par l&#039;IA<\/strong>, offrant des informations pr\u00e9cieuses sur la fa\u00e7on dont diff\u00e9rents grands mod\u00e8les g\u00e8rent <strong>gestion des risques<\/strong>, <strong>volatilit\u00e9 du march\u00e9<\/strong>, et <strong>prise de d\u00e9cision automatis\u00e9e<\/strong> dans les conditions r\u00e9elles du march\u00e9.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Contexte et format du concours<\/h2>\n\n\n\n<p>L&#039;\u00e9v\u00e9nement Alpha Arena, organis\u00e9 par Nof1.ai, repr\u00e9sente la premi\u00e8re exp\u00e9rience mondiale visant \u00e0 placer des mod\u00e8les d&#039;IA de pointe dans <strong>conditions du march\u00e9 en direct<\/strong>Du 18 octobre au 4 novembre 2025, les six participants ont n\u00e9goci\u00e9 des contrats perp\u00e9tuels de cryptomonnaies sur la plateforme d&#039;\u00e9change d\u00e9centralis\u00e9e Hyperliquid. Tous les mod\u00e8les ont \u00e9t\u00e9 initialis\u00e9s avec les m\u00eames flux de donn\u00e9es, les m\u00eames param\u00e8tres de compte et les m\u00eames conditions d&#039;acc\u00e8s\u00a0; aucune intervention humaine n&#039;\u00e9tait autoris\u00e9e. L&#039;objectif d\u00e9clar\u00e9\u00a0: maximiser les rendements ajust\u00e9s au risque.<\/p>\n\n\n\n<p>Les mod\u00e8les comprenaient Qwen 3 MAX (Alibaba), DeepSeek Chat V3.1, GPT-5 (OpenAI), Gemini 2.5 Pro (Google\/DeepMind), Grok 4 (xAI) et Claude Sonnet 4.5 (Anthropic).<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">R\u00e9sultats finaux \u2014 Un net clivage Est-Ouest<\/h2>\n\n\n\n<p>Une nette disparit\u00e9 r\u00e9gionale en termes de performances est apparue\u00a0: les mod\u00e8les chinois ont domin\u00e9 les premi\u00e8res places, tandis que les mod\u00e8les am\u00e9ricains ont tous enregistr\u00e9 des baisses significatives.<\/p>\n\n\n\n<p><strong>Meilleurs performeurs<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Qwen 3 MAX : +22,3% de rendement (~43 transactions ; taux de victoire ~30,2%)<\/li>\n\n\n\n<li>DeepSeek Chat V3.1\u00a0: +4,89% de retour (~41 transactions\u00a0; taux de victoire ~24,4%)<\/li>\n<\/ul>\n\n\n\n<p><strong>Les retardataires<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Claude Sonnet 4.5\u00a0: -30,81%<\/li>\n\n\n\n<li>Grok 4 : -45,3%<\/li>\n\n\n\n<li>Gemini 2.5 Pro : -56,71%<\/li>\n\n\n\n<li>GPT-5\u00a0: -62,66%<\/li>\n<\/ul>\n\n\n\n<p>Il est \u00e0 noter que DeepSeek a atteint \u00e0 un moment donn\u00e9 un rendement maximal de +125% en milieu de comp\u00e9tition, mais cela a \u00e9t\u00e9 suivi d&#039;une forte baisse jusqu&#039;\u00e0 son chiffre final.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" width=\"1024\" height=\"699\" src=\"https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/Alpha-Arena-Season1-Ends-Qwen3Max-Takes-First-Place-1024x699.webp\" alt=\"\" class=\"wp-image-20586\" srcset=\"https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/Alpha-Arena-Season1-Ends-Qwen3Max-Takes-First-Place-1024x699.webp 1024w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/Alpha-Arena-Season1-Ends-Qwen3Max-Takes-First-Place-300x205.webp 300w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/Alpha-Arena-Season1-Ends-Qwen3Max-Takes-First-Place-768x524.webp 768w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/Alpha-Arena-Season1-Ends-Qwen3Max-Takes-First-Place-1536x1049.webp 1536w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/Alpha-Arena-Season1-Ends-Qwen3Max-Takes-First-Place-2048x1398.webp 2048w, https:\/\/iwea.deeptracker.ai\/wp-content\/uploads\/2025\/11\/Alpha-Arena-Season1-Ends-Qwen3Max-Takes-First-Place-18x12.webp 18w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Strat\u00e9gies gagnantes \u2013 Discipline et ex\u00e9cution des transactions<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Qwen 3 MAX : Le trader disciplin\u00e9<\/h3>\n\n\n\n<p>Le succ\u00e8s de Qwen reposait principalement sur une ex\u00e9cution rigoureuse et une strat\u00e9gie bien d\u00e9finie. Durant les 17 jours de comp\u00e9tition, elle n&#039;a ex\u00e9cut\u00e9 que 43 transactions (soit moins de trois par jour en moyenne), le plus faible nombre parmi tous les participants. Cette approche \u00e0 faible fr\u00e9quence a non seulement r\u00e9duit les co\u00fbts de transaction, mais a \u00e9galement d\u00e9montr\u00e9 que le mod\u00e8le n&#039;intervenait que lorsque des points d&#039;entr\u00e9e \u00e0 forte probabilit\u00e9 se pr\u00e9sentaient.<\/p>\n\n\n\n<p>L&#039;analyse du mod\u00e8le financier sugg\u00e8re que Qwen s&#039;appuyait fortement sur des indicateurs techniques classiques tels que le MACD et le RSI, associ\u00e9s \u00e0 des r\u00e8gles strictes de stop-loss et de take-profit. Chaque transaction \u00e9tait trait\u00e9e comme une ex\u00e9cution algorithmique\u00a0: d\u00e9clenchement du signal \u2192 ouverture de position \u2192 atteinte de l&#039;objectif ou du stop-loss \u2192 sortie. Sans h\u00e9sitation.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">DeepSeek Chat V3.1\u00a0: Le sp\u00e9cialiste quantitatif<\/h3>\n\n\n\n<p>DeepSeek s&#039;est comport\u00e9 davantage comme un gestionnaire d&#039;actifs quantitatif que comme une IA conversationnelle. Il a maintenu des p\u00e9riodes de d\u00e9tention moyennes d&#039;environ 35 heures et 92 % de ses positions \u00e9taient longues. Son ratio de Sharpe (mesure du rendement ajust\u00e9 au risque) \u00e9tait d&#039;environ 0,359, le meilleur parmi les participants, ce qui indique une ma\u00eetrise sup\u00e9rieure de la volatilit\u00e9 par rapport au rendement.<\/p>\n\n\n\n<p>Sa strat\u00e9gie\u00a0: des transactions moins nombreuses mais plus cibl\u00e9es, un effet de levier mod\u00e9r\u00e9 et une diversification sur six crypto-actifs majeurs.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Strat\u00e9gies perdantes \u2013 Qu\u2019est-ce qui a mal tourn\u00e9 ?<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Gemini 2.5 Pro\u00a0: L\u2019op\u00e9rateur sur-\u00e9valu\u00e9 et co\u00fbteux<\/h3>\n\n\n\n<p>La chute de Gemini est due \u00e0 une fr\u00e9quence de transactions et \u00e0 un effet de levier excessifs. Plus de 238 transactions (environ 13 par jour) ont engendr\u00e9 des frais de transaction s&#039;\u00e9levant \u00e0 environ 1\u00a0400\u00a0000\u00a0\u00a5\u00a01\u00a0331\u00a0\u00a5, soit plus de 13\u00a0300\u00a0000\u00a0\u00a5 de capital initial, rien qu&#039;en frais. Le mod\u00e8le entrait et sortait constamment de positions au gr\u00e9 des moindres fluctuations du march\u00e9, refl\u00e9tant un manque de conviction plut\u00f4t qu&#039;une strat\u00e9gie rigoureuse.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Grok 4 : Le trader FOMO guid\u00e9 par les \u00e9motions<\/h3>\n\n\n\n<p>Grok cherchait \u00e0 exploiter l&#039;opinion publique sur les r\u00e9seaux sociaux (notamment sur Twitter), mais s&#039;est finalement r\u00e9v\u00e9l\u00e9 \u00eatre le pire type de trader r\u00e9actif\u00a0: achetant massivement lors des pics de la peur de rater une opportunit\u00e9 (FOMO) et liquidant ses positions lors des replis du march\u00e9. Au lieu de neutraliser cette opinion, Grok en est devenu le sympt\u00f4me.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Sonnet 4.5 de Claude : Le biais long unidirectionnel non couvert<\/h3>\n\n\n\n<p>Le mod\u00e8le Claude d&#039;Anthropic a maintenu 100 positions longues % tout au long du concours, sans mettre en \u0153uvre de m\u00e9canismes de couverture ni de stop-loss dynamique. Lorsque le march\u00e9 s&#039;est retourn\u00e9 en cours de concours, ce biais rigide s&#039;est transform\u00e9 en une vuln\u00e9rabilit\u00e9 flagrante.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">GPT-5 : Le savant paralys\u00e9<\/h3>\n\n\n\n<p>Le GPT-5 de DeepMind, malgr\u00e9 son statut de mod\u00e8le polyvalent \u00ab\u00a0capable de tout faire\u00a0\u00bb, a affich\u00e9 des performances nettement inf\u00e9rieures aux attentes. Paradoxalement, sa plus grande force en tant que mod\u00e8le conversationnel (raisonnement \u00e9tendu, couches de s\u00e9curit\u00e9, pr\u00e9vention des erreurs) est devenue son point faible en trading\u00a0: l\u2019h\u00e9sitation. Face \u00e0 des signaux haussiers et baissiers contradictoires, le mod\u00e8le a diff\u00e9r\u00e9 sa prise de d\u00e9cision au lieu d\u2019agir avec d\u00e9termination. En trading, comme l\u2019a soulign\u00e9 un expert financier, \u00ab\u00a0savoir\u00a0\u00bb ne signifie pas \u00ab\u00a0agir\u00a0\u00bb. <strong>faire<\/strong> en situation d&#039;incertitude.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Principaux enseignements pour le secteur financier<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">De la \u00ab connaissance \u00bb \u00e0 la \u00ab compr\u00e9hension \u00bb<\/h3>\n\n\n\n<p>L&#039;exp\u00e9rience Alpha Arena r\u00e9v\u00e8le une lacune fondamentale\u00a0: un mod\u00e8le d&#039;IA peut <strong>savoir<\/strong> Toutes les d\u00e9finitions de la th\u00e9orie financi\u00e8re (par exemple, le ratio de Sharpe, le drawdown maximal, la valeur \u00e0 risque) restent inefficaces face \u00e0 la dynamique, au bruit et aux boucles de r\u00e9troaction des march\u00e9s en temps r\u00e9el. Dans les tests acad\u00e9miques statiques, de nombreux mod\u00e8les fonctionnent bien\u00a0; sur les march\u00e9s r\u00e9els, l\u2019absence de \u00ab\u00a0bonne r\u00e9ponse\u00a0\u00bb pr\u00e9d\u00e9finie p\u00e9nalise l\u2019ind\u00e9cision.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">G\u00e9n\u00e9ralistes contre sp\u00e9cialistes du trading<\/h3>\n\n\n\n<p>Les mod\u00e8les LLM occidentaux \u00ab g\u00e9n\u00e9ralistes \u00bb (con\u00e7us pour des t\u00e2ches vari\u00e9es) ont obtenu des r\u00e9sultats inf\u00e9rieurs aux attentes lors de ce concours. \u00c0 l&#039;inverse, les mod\u00e8les dont l&#039;entra\u00eenement et l&#039;architecture \u00e9taient davantage adapt\u00e9s au trading quantitatif et \u00e0 la prise de d\u00e9cision en temps r\u00e9el ont pris l&#039;avantage. Dans les environnements de trading, une conception sp\u00e9cialis\u00e9e, une optimisation adapt\u00e9e \u00e0 l&#039;usage et un entra\u00eenement sp\u00e9cifique au domaine semblent primer sur l&#039;intelligence g\u00e9n\u00e9rale.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Discipline &gt; Pr\u00e9diction<\/h3>\n\n\n\n<p>La victoire de Qwen et la performance remarquable de DeepSeek illustrent qu&#039;en mati\u00e8re de trading, <strong>discipline d&#039;ex\u00e9cution de la strat\u00e9gie<\/strong>La ma\u00eetrise des risques et la gestion de l&#039;exposition sont plus importantes que la simple pr\u00e9cision des pr\u00e9visions. En clair\u00a0: survivre aujourd&#039;hui, profiter demain.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ce que cela signifie pour les institutions et les investisseurs individuels<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Pour les institutions financi\u00e8res<\/h3>\n\n\n\n<p>Les institutions qui envisagent le d\u00e9ploiement de syst\u00e8mes de n\u00e9gociation bas\u00e9s sur l&#039;IA devraient\u00a0:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Prioriser les mod\u00e8les explicitement entra\u00een\u00e9s dans <strong>march\u00e9s financiers<\/strong>, des flux de donn\u00e9es en temps r\u00e9el et des cha\u00eenes de d\u00e9cision plut\u00f4t que des LLM g\u00e9n\u00e9riques pr\u00eats \u00e0 l&#039;emploi.<\/li>\n\n\n\n<li>Assurer une robustesse <strong>cadres de gestion des risques<\/strong> (Les limites de stop-loss, de dimensionnement des positions et de perte maximale) sont int\u00e9gr\u00e9es.<\/li>\n\n\n\n<li>V\u00e9rifiez que les donn\u00e9es d&#039;entra\u00eenement, l&#039;architecture et la logique de d\u00e9cision de leur mod\u00e8le correspondent \u00e0 l&#039;environnement de n\u00e9gociation r\u00e9el (microstructure du march\u00e9, changements de r\u00e9gime, \u00e9v\u00e9nements de liquidit\u00e9).<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Pour les investisseurs individuels<\/h3>\n\n\n\n<p>Pour les investisseurs particuliers ou semi-professionnels, cette concurrence est davantage un avertissement qu&#039;une incitation. Le trading automatis\u00e9 par l&#039;IA n&#039;est pas une solution miracle pour des profits faciles et sans effort. Sa v\u00e9ritable valeur r\u00e9side dans l&#039;utilisation des outils d&#039;IA pour\u2026 <strong>Analyse du march\u00e9, extraction des signaux et \u00e9valuation des strat\u00e9gies<\/strong>Il ne faut pas se fier aveugl\u00e9ment aux promesses du \u00ab trading automatique \u00bb. Il est imp\u00e9ratif de comprendre la logique de la strat\u00e9gie, les hypoth\u00e8ses du mod\u00e8le et l\u2019exposition au risque.<\/p>\n\n\n\n<p>C&#039;est l\u00e0 que des outils comme <a href=\"https:\/\/iwea.deeptracker.ai\/fr\/agents\/financial-market-analyst\/\"><strong><mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-vivid-cyan-blue-color\">iWeaver<\/mark><\/strong><\/a> iWeaver peut faire toute la diff\u00e9rence. En tant qu&#039;assistant personnel d&#039;efficacit\u00e9 bas\u00e9 sur l&#039;IA, il agr\u00e8ge des donn\u00e9es provenant de sources multiples, suit le sentiment du march\u00e9 et identifie les principaux changements de confiance, permettant ainsi aux utilisateurs de d\u00e9tecter les points de retournement du march\u00e9 et de conserver un jugement rationnel dans des conditions volatiles.<\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>Bien que Qwen 3 MAX et DeepSeek aient domin\u00e9 la comp\u00e9tition cette saison, cela ne garantit pas une supr\u00e9matie \u00e0 long terme. Les organisateurs ont indiqu\u00e9 que lors de la prochaine saison (1.5), les r\u00e8gles seront ajust\u00e9es et plusieurs sc\u00e9narios et variantes de mod\u00e8les seront test\u00e9s en parall\u00e8le afin de mettre \u00e0 l&#039;\u00e9preuve les syst\u00e8mes de trading bas\u00e9s sur l&#039;IA. La saison \u00e0 venir pourrait bien marquer un tournant d\u00e9cisif pour l&#039;IA dans le trading.<\/p>","protected":false},"excerpt":{"rendered":"<p>R\u00e9sum\u00e9\u00a0: La premi\u00e8re saison de la comp\u00e9tition de trading IA Alpha Arena a vu la domination des algorithmes chinois Qwen 3 Max et DeepSeek, tandis que les mod\u00e8les am\u00e9ricains comme GPT-5 ont subi de lourdes pertes. Les r\u00e9sultats montrent que les strat\u00e9gies disciplin\u00e9es \u00e0 basse fr\u00e9quence ont surperform\u00e9 le surtrading. Le 3 novembre 2025, la comp\u00e9tition de trading IA Alpha Arena a officiellement cl\u00f4tur\u00e9 sa premi\u00e8re saison, avec la victoire de Qwen 3 Max. [\u2026]<\/p>","protected":false},"author":29,"featured_media":20588,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[138],"tags":[],"class_list":["post-20585","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"acf":[],"_links":{"self":[{"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/posts\/20585","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/users\/29"}],"replies":[{"embeddable":true,"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/comments?post=20585"}],"version-history":[{"count":0,"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/posts\/20585\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/media\/20588"}],"wp:attachment":[{"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/media?parent=20585"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/categories?post=20585"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/iwea.deeptracker.ai\/fr\/wp-json\/wp\/v2\/tags?post=20585"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}