Ce projet analyse l'évolution de l'adoption des cryptomonnaies depuis la genèse de Bitcoin en 2009 jusqu'à aujourd'hui. L'objectif est d'identifier les facteurs clés de croissance et d'évaluer la maturité du marché face à l'émergence de l'informatique quantique.
- Scraping Multi-Sources : Extraction automatisée de données depuis CoinMarketCap, CoinGecko et Blockchain.com.
- Analyse Statistique Avancée : Utilisation de l'Analyse en Composantes Principales (PCA) pour réduire la dimensionnalité des indicateurs d'adoption (Transactions, Market Cap, Adresses Actives).
- Étude de Résistance Quantique : Comparaison quantitative entre les actifs traditionnels et les nouvelles cryptomonnaies résistantes au quantique.
- Dashboard Interactif : Visualisation dynamique des tendances via une application Streamlit.
Le projet suit une structure modulaire pour une maintenance facilitée :
scraping/: Logique d'extraction (API & Web Scraping).processing/: Pipeline de nettoyage et fusion de données temporelles.analysis/: Modèles mathématiques (PCA) et statistiques descriptives.app/: Interface utilisateur Streamlit.data/: Stockage des datasets (raw/processed).
- Langage : Python 3.10+
- Data Science : Pandas, NumPy, Scikit-learn
- Visualisation : Matplotlib, Seaborn, Streamlit
- Web Scraping : BeautifulSoup4, Requests
- Gestionnaire d'environnement : Conda
git clone https://github.com/FrancKINANI/crypto_adoption.git
cd crypto_adoptionconda create -n crypto_adoption_env python=3.10
conda activate crypto_adoption_env
pip install -r requirements.txt- Collecte des données :
python scraping/run_scraping.py - Traitement :
python processing/run_processing.py - Dashboard :
streamlit run app/streamlit_app.py
L'analyse met en évidence une corrélation forte entre la capitalisation boursière et l'activité réseau (PC1), tout en révélant l'écart de marché massif qui subsiste entre les cryptomonnaies établies et les solutions sécurisées contre les menaces quantiques.