Auteur :a16z crypto
Compilation : Deep Tide TechFlow
Cette année, l'IA assumera davantage de tâches de recherche substantielles
En tant qu'économiste mathématicien, en janvier 2025, il m'était difficile de faire comprendre mon flux de travail aux modèles d'IA grand public ; cependant, en novembre 2025, je pouvais déjà donner des instructions abstraites à un modèle d'IA comme je le ferais avec un doctorant... et parfois, ils renvoyaient des réponses nouvelles et correctes. Au-delà de mon expérience personnelle, l'IA est de plus en plus largement appliquée dans le domaine de la recherche, en particulier dans le raisonnement. Ces modèles n'assistent pas seulement directement le processus de découverte, mais peuvent aussi résoudre de manière autonome des problèmes difficiles tels que ceux du Putnam (peut-être l'examen de mathématiques universitaire le plus difficile au monde).
On ignore encore dans quels domaines cette assistance à la recherche sera la plus utile et comment elle sera mise en œuvre. Mais je prévois que cette année, la recherche en IA va stimuler et récompenser un nouveau style de recherche « généraliste » : un style qui accorde plus d'attention à la conception des relations entre les idées et qui permet de déduire rapidement à partir de réponses plus hypothétiques.
Ces réponses peuvent ne pas être entièrement exactes, mais elles peuvent quand même orienter la recherche dans la bonne direction (au moins dans une certaine topologie). Ironiquement, cela ressemble un peu à utiliser la puissance des « hallucinations » du modèle : lorsque le modèle est « suffisamment intelligent », lui donner un espace abstrait pour stimuler la réflexion peut encore produire des résultats absurdes – mais parfois aussi des découvertes révolutionnaires, tout comme les humains peuvent être les plus créatifs lorsqu'ils ne travaillent pas de manière linéaire ou avec une direction claire.
Raisonner de cette manière nécessite un nouveau style de flux de travail d'IA – pas seulement une simple interaction « agent à agent », mais un mode de collaboration complexe « d'agents imbriqués ». Dans ce mode, différents niveaux de modèles aident le chercheur à évaluer les propositions des modèles initiaux et à en extraire progressivement l'essence. J'utilise déjà cette méthode pour rédiger des articles, tandis que d'autres l'utilisent pour la recherche de brevets, l'invention de nouvelles formes d'œuvres d'art, et même (malheureusement) pour découvrir de nouvelles attaques de contrats intelligents.
Cependant, pour opérer ces combinaisons d'agents de raisonnement imbriqués à des fins de recherche, une meilleure interopérabilité entre les modèles est encore nécessaire, ainsi qu'une méthode pour identifier et compenser de manière appropriée la contribution de chaque modèle – et ces problèmes, la technologie blockchain pourrait aider à les résoudre.
— Scott Kominers (@skominers), membre de l'équipe de recherche crypto a16z, professeur à la Harvard Business School
De « Connaissez votre client » (KYC) à « Connaissez votre agent » (KYA) : Le changement d'identité
Le goulot d'étranglement de l'économie des agents passe de l'intelligence à l'authentification de l'identité. Dans le secteur des services financiers, le nombre d'« identités non humaines » dépasse désormais de 96 fois celui des employés humains – pourtant, ces « identités » restent des « fantômes » sans accès aux services bancaires.
L'infrastructure clé manquante ici est le « Connaissez votre agent » (KYA, Know Your Agent). Tout comme les humains ont besoin d'un score de crédit pour obtenir un prêt, les agents ont besoin d'identifiants cryptographiquement signés pour effectuer des transactions – ces identifiants lient l'agent à son principal, à ses contraintes et à sa responsabilité. Avant que cette infrastructure ne soit mise en place, les commerçants continueront de bloquer ces agents au niveau du pare-feu.
L'industrie qui a construit l'infrastructure KYC (Know Your Customer) au cours des dernières décennies n'a maintenant que quelques mois pour comprendre comment mettre en œuvre le KYA.
— Sean Neville (@psneville), co-fondateur de Circle, architecte de l'USDC ; PDG de Catena Labs
Résoudre le problème de la « taxe invisible » des réseaux ouverts : Le défi économique de l'ère de l'IA
L'essor des agents d'IA impose une « taxe invisible » aux réseaux ouverts, perturbant fondamentalement leurs bases économiques. Cette perturbation découle du décalage croissant entre la « couche contextuelle » (Context layer) et la « couche d'exécution » (Execution layer) d'Internet : actuellement, les agents d'IA extraient des données de sites web financés par la publicité (couche contextuelle), offrant ainsi de la commodité aux utilisateurs, tout en contournant systématiquement les sources de revenus qui soutiennent le contenu (comme la publicité et les abonnements).
Pour prévenir le déclin progressif du réseau ouvert (et protéger le contenu diversifié qui alimente l'IA), nous devons déployer à grande échelle des solutions techniques et économiques. Ces solutions pourraient inclure des modèles de contenu sponsorisé de nouvelle génération, des systèmes de micro-attribution ou d'autres nouveaux modèles de financement. Cependant, les protocoles d'autorisation d'IA existants se sont avérés financièrement non viables, ces protocoles ne compensant souvent qu'une petite partie des revenus perdus par les fournisseurs de contenu en raison du détournement du trafic par l'IA.
Le réseau a besoin d'un nouveau modèle techno-économique permettant une circulation automatique de la valeur. Le changement clé au cours de l'année à venir sera le passage de modèles d'autorisation statiques à des mécanismes de compensation basés sur l'utilisation en temps réel. Cela signifie qu'il faudra tester et étendre des systèmes – utilisant potentiellement des nano-paiements (nanopayments) soutenus par la blockchain et des normes d'attribution complexes – pour récompenser automatiquement chaque entité ayant contribué à l'information permettant à un agent d'IA de réussir sa tâche.
— Liz Harkavy (@liz_harkavy), équipe d'investissement crypto a16z
