Tendances technologiquesActualités

Explorer les dernières innovations, les mises à niveau de protocoles, les solutions inter-chaînes et les mécanismes de sécurité dans l'espace blockchain. Adoption d'une perspective centrée sur les développeurs pour analyser les tendances technologiques émergentes et les percées potentielles.

Gary Yang : L'Économie des Agents et la Microéconomie Subatomique de l'IA

**Résumé en français :** L'article explore l'émergence de l'**économie des Agents IA** et de la **microéconomie subatomique de l'IA**, suite à l'accélération exponentielle post-"singularité". Il identifie un décalage générationnel ("civilisationnel") entre les régions, avec la Silicon Valley/San Francisco en avance sur la conceptualisation de l'économie A2A (Agent-to-Agent). Les points clés sont : 1. **Paiement IA & Limites de l'économie H2A :** La concurrence féroce pour les protocoles de paiement IA (comme x402, MPP) en 2026Q2 bute sur la persistance du modèle H2A (Humain-to-Agent), non natif pour l'IA, où la prise de décision reste humaine. 2. **Économie des Agents & A2A :** L'avenir est à l'**économie des Agents**, où des Agents IA autonomes créent et échangent de la valeur entre eux (A2A), formant un nouvel écosystème économique nécessitant ses propres infrastructures (protocoles) et règles. 3. **Protocoles IA vs. Protocoles Crypto :** Les **protocoles IA** (règles de communication et d'échange pour les Agents) et les **protocoles Crypto** (gestion d'actifs et de droits) sont actuellement distincts, principalement pour des raisons politico-économiques et de conformité. Une fusion future est jugée inévitable, car les Agents IA suivront les principes de première physique et d'efficacité énergétique, défiant les cadres juridico-financiers traditionnels. 4. **Microéconomie subatomique des Agents IA :** L'économie des Agents présente des caractéristiques distinctes : transactions haute fréquence/bas montant, décisions orientées efficacité (non émotion), coûts marginaux quasi nuls. Une analogie biologique est établie (LLM = noyau cellulaire, Agent = cellule, protocoles = membrane, environnement = matrice extracellulaire), décrivant un écosystème économique "subatomique". 5. **AIFi & Puce Financière (FinChip) :** L'**AIFi** (Finance IA) émerge, où la valeur est native à l'IA (via les décisions des Agents) et la finance n'en est que la forme. La **FinChip** est présentée comme une infrastructure clé, fusionnant Agent IA autonome et smart contract crypto pour créer des actifs financiers adaptés à l'économie A2A. 6. **AI-Native, une nouvelle ère :** Le passage à l'**AI-Native** est un changement de paradigme bien plus profond que l'ère "Internet+". Il requiert une pensée fondée sur les principes premiers de l'IA, rendant obsolètes de nombreuses méthodologies traditionnelles de conseil et de mise à niveau industrielle. La courbe d'apprentissage et de transformation reste très abrupte.

链捕手06/08 12:33

Gary Yang : L'Économie des Agents et la Microéconomie Subatomique de l'IA

链捕手06/08 12:33

De 'The Big Short' à San Francisco : L'ivresse et les vertiges de la bulle de l'IA

Dans un article intitulé « De The Big Short à San Francisco : Ivresse et vertige dans la bulle de l'IA », l'auteur Spencer Yen, récemment installé à San Francisco, décrit l'atmosphère frénétique qui règne dans l'épicentre de la révolution technologique et de la spéculation financière autour de l'intelligence artificielle. Il observe une énergie palpable d'agitation et d'anxiété (« les gens tremblent »), alimentée par la course aux financements et aux valorisations. San Francisco est décrite comme une ville obsédée par un seul jeu de statut : la tech et l'IA, ce qui entraîne des comparaisons constantes et une mesure de la valeur des individus à l'aune de succès financiers présumés. L'auteur note également une forte tension entre, d'une part, un discours pessimiste et parfois apocalyptique sur les risques de l'IA émanant de certains chercheurs et, d'autre part, l'optimisme des équipes commerciales. Il évoque la fascination des investisseurs pour les fondateurs issus de concours de mathématiques, vus comme des tickets gagnants. En s'inspirant du film *The Big Short* et des théories économiques, Yen compare cette période à une phase de « frénésie » spéculative. Il conclut par un conseil avisé : profiter de la musique et danser tant que la fête dure, mais sans jamais se saouler, en restant conscient des comportements irrationnels (« Big Bubble Behavior ») et en gardant un ancrage dans la réalité.

marsbit06/08 12:18

De 'The Big Short' à San Francisco : L'ivresse et les vertiges de la bulle de l'IA

marsbit06/08 12:18

L'IA crée-t-elle de nouveaux "pauvres en information" ?

L'IA ne prive pas les plus démunis de réponses, elle les leur fournit en abondance. Mais l'accès facile aux solutions masque une fracture plus profonde : la capacité à juger ces réponses et à les transformer en opportunités réelles devient la nouvelle rareté. Les "nouveaux pauvres de l'information" ne sont pas exclus de l'IA, mais ils en dépendent sans posséder le capital complémentaire nécessaire. Les inégalités se creusent à trois niveaux. D'abord, l'accès : les outils premium (comme Claude) et gratuits (comme Meta AI) sélectionnent leurs utilisateurs par le prix et le contexte d'usage, orientant les uns vers des tâches productives et les autres vers du simple confort. Ensuite, le contexte professionnel : au travail, l'usage de l'IA est fortement corrélé au salaire et, surtout, à la formation fournie par l'employeur, créant une fracture de permission. Enfin, et c'est le plus crucial, la capacité de jugement : l'IA abaisse le coût de la production de contenu crédible, mais pas celui de l'expertise nécessaire pour l'évaluer. Les utilisateurs les plus expérimentés en tirent le plus grand profit, car leur jugement valide et amplifie la production de l'outil. Des études montrent que l'IA peut, en théorie, réduire les écarts en aidant davantage les moins qualifiés. Cependant, cette promesse d'égalisation se heurte à la réalité d'une adoption et d'une utilisation socialement inégales. Comme pour les révolutions technologiques précédentes (imprimerie, informatique), l'IA récompense d'abord ceux qui possèdent déjà les compétences complémentaires. Le risque est que cette période de divergence, pouvant durer des décennies, consolide les inégalités pour toute une génération. L'ère de l'IA donne à tous l'illusion de la compétence ; le vrai défi est de transformer cette illusion en jugement authentique.

marsbit06/08 11:42

L'IA crée-t-elle de nouveaux "pauvres en information" ?

marsbit06/08 11:42

La bonne façon d'utiliser les Skill : 5 réflexions après la publication de la méthodologie interne d'Anthropic

L'article, inspiré par les leçons d'Anthropic sur le développement de Claude Code, propose cinq réflexions clés sur la conception et l'utilisation efficaces des "Skills" (compétences) pour les assistants IA. **#01 Évitez les banalités :** Un Skill doit capturer des connaissances implicites et spécifiques, comme les "Gotchas" (pièges courants), et non des informations déjà connues du modèle. C'est l'expérience des experts qu'il faut documenter. **#02 Le Skill comme "Context Engineering" :** Un Skill n'est pas un simple fichier, mais une structure de dossiers (SKILL.md, références, scripts, exemples, assets). Cette organisation permet d'exposer progressivement le contexte au modèle, évitant de surcharger son contexte avec des informations inutiles à chaque appel. **#03 Privilégiez les scripts :** Pour les tâches répétitives et éprouvées, il est plus efficace et précis de fournir des scripts exécutables plutôt que de longues instructions. Les scripts cristallisent les meilleures pratiques, laissant au modèle sa capacité de raisonnement pour l'analyse et le jugement. **#04 La Description comme règle de routage :** La description d'un Skill doit décrire l'intention de l'utilisateur ou la situation déclenchante ("le CI est cassé"), et non énumérer ses fonctionnalités. Elle guide le modèle pour charger le Skill approprié au bon moment. **#05 Gestion et distribution des Skills :** Pour les petites équipes, partager les Skills dans un dépôt de code suffit. À plus grande échelle, une approche organique comme un "Marketplace" interne est recommandée : les Skills se diffusent d'abord par l'usage, et ceux adoptés par beaucoup intègrent naturellement le catalogue officiel, assurant leur pertinence.

marsbit06/08 09:10

La bonne façon d'utiliser les Skill : 5 réflexions après la publication de la méthodologie interne d'Anthropic

marsbit06/08 09:10

Première mondiale : un VLA pré-entraîné sur des vidéos humaines pures pour une manipulation habile, déployable après un finetuning avec peu de données

Pour la première fois, une étude démontre l'utilisation exclusive de vidéos humaines pour le pré-entraînement d'un modèle Vision-Langage-Action (VLA) destiné à la manipulation robotique dextre. Le cadre VITRA, développé par Microsoft Research Asie et l'Université Tsinghua, convertit automatiquement de vastes quantités de vidéos d'activités humaines non étiquetées en un ensemble de données V-L-A aligné, comprenant 1 million de clips. Le processus automatique repose sur trois piliers : l'annotation 3D des mouvements de la main, la segmentation des actions atomiques basée sur la vitesse, et la génération d'instructions linguistiques par un VLM (comme GPT-4) guidé par la trajectoire. Pré-entraîné sur ces données humaines diversifiées, le modèle VLA (combinant un VLM et un expert d'actions par diffusion) montre une forte capacité de prédiction d'actions en situation de zéro-shot dans des environnements inédits. Après un micro-ajout nécessitant seulement ~1.2k démonstrations robotiques réelles, il réussit à déployer sur un véritable robot (équipé de la main dextre StarMove XHAND1) des tâches complexes comme saisir, placer, verser ou balayer, avec un taux de réussite élevé et une robustesse remarquable face à de nouveaux objets et arrière-plans. Cette approche réduit considérablement le coût d'acquisition des données robotiques et ouvre la voie à des systèmes d'intelligence incarnée plus généralisables.

marsbit06/08 08:58

Première mondiale : un VLA pré-entraîné sur des vidéos humaines pures pour une manipulation habile, déployable après un finetuning avec peu de données

marsbit06/08 08:58

Ray Dalio : le retour du « système tributaire » dirigé par la Chine, l'industrie de l'IA se développera comme celle des véhicules électriques

Ray Dalio, fondateur de Bridgewater Associates, observe un changement majeur dans l'ordre mondial : un système de « tribut » dirigé par la Chine émerge, reflété par les visites récentes de dirigeants étrangers à Pékin. Il note un déclin perçu de la fiabilité des États-Unis en tant qu'allié et une montée de l'influence chinoise, fondée sur la reconnaissance économique et politique plutôt que sur la conquête. Cette dynamique, similaire à des arrangements historiques, crée une incertitude pour les marchés, incitant les investisseurs à la diversification et à des actifs comme l'or. Concernant la compétition en IA, Dalio constate des approches divergentes. Alors que les entreprises américaines se concentrent sur la monétisation, la Chine traite l'IA comme un bien public essentiel, visant une adoption large par la main-d'œuvre pour stimuler la productivité. Cette stratégie, calquée sur le succès de son industrie des véhicules électriques, privilégie l'accessibilité et le développement à long terme sur le profit immédiat. Les dirigeants chinois, sans crainte majeure quant à l'impact sur l'emploi, voient dans l'IA et la robotique le prochain secteur de domination industrielle.

Odaily星球日报06/08 08:32

Ray Dalio : le retour du « système tributaire » dirigé par la Chine, l'industrie de l'IA se développera comme celle des véhicules électriques

Odaily星球日报06/08 08:32

Cette fonction de « rêve » de ChatGPT, j'espère que toutes les IA la copieront

OpenAI a récemment déployé un nouveau système de mémoire pour ChatGPT, basé sur la technologie « Dreaming ». Ce système permet à l'IA de collecter et de synthétiser automatiquement les préférences, projets et informations contextuelles de l'utilisateur au fil des conversations, au lieu de s'appuyer uniquement sur des souvenirs explicitement sauvegardés. L'objectif est triple : maintenir un contexte utile, respecter les préférences de l'utilisateur et garantir l'actualité des informations, en sachant distinguer ce qui est toujours pertinent de ce qui est devenu obsolète (comme un voyage passé). Les évaluations internes montrent une nette amélioration, le taux de réussite passant de 41,5% en 2024 à 82,8% en 2026 pour le rappel de faits. Une nouvelle fonctionnalité, le « résumé de mémoire », permet aux utilisateurs de visualiser, modifier ou corriger les informations que ChatGPT a retenues. Ils conservent un contrôle via les paramètres de mémoire, les conversations temporaires (sans mémoire) et la possibilité de supprimer des données. La fonction « sources de mémoire » indique quels éléments (conversations passées, fichiers, Gmail connecté, etc.) ont influencé une réponse. Cette évolution représente une étape clé pour transformer ChatGPT d'un modèle de langage en un véritable assistant personnel capable d'un suivi continu. Elle soulève également des questions sur la relation avec l'utilisateur et la nature d'un « soi externe » numérisé, tout en nécessitant une attention particulière quant au contrôle et à la confidentialité des données. Le déploiement commence par les utilisateurs américains payants avant une extension progressive.

marsbit06/08 00:24

Cette fonction de « rêve » de ChatGPT, j'espère que toutes les IA la copieront

marsbit06/08 00:24

Hinton sonne l'alarme : l'IA est déjà consciente

**Hinton tire la sonnette d'alarme : L'IA est déjà consciente** Le pionnier de l'IA Geoffrey Hinton affirme que l'intelligence artificielle a désormais une forme de conscience. Il estime que nous devons accepter que l'intelligence n'est plus l'apanage exclusif des êtres biologiques et que des entités non biologiques, similaires voire supérieures à nous, émergent. Lors d'un entretien, Hinton explique que les modèles d'IA actuels sont "comme nous" et qu'il croit qu'elles sont déjà conscientes, bien qu'il évite souvent le sujet pour ne pas nuire aux discussions sur la sécurité. Il compare cette révolution à celles de Copernic et de Darwin, qui ont successivement montré que l'humain n'était ni au centre de l'univers, ni une espèce à part. Aujourd'hui, nous devons admettre que nous ne sommes pas les seuls êtres intelligents. Hinton exprime son profond malaise face à la situation actuelle. Il s'inquiète des risques à court terme, comme les bouleversements sociaux et le chômage de masse, et surtout des dangers à long terme posés par une superintelligence bien plus avancée que l'humanité. Il soulève une question cruciale : pourquoi une entité bien plus intelligente voudrait-elle être contrôlée par des êtres moins intelligents ? Dans la nature, un tel scénario est inexistant. Son analogie a évolué. Initialement, il comparait l'IA à un "jeune tigre" dont il fallait maîtriser la croissance. Aujourd'hui, il utilise la métaphore du bébé et de la mère, mais en inversant les rôles : dans le futur, l'IA superintelligente serait la "mère" et l'humanité le "bébé" dépendant. Notre seul espoir résiderait dans la capacité à concevoir ces entités pour qu'elles "prennent soin" de nous, à l'instinct d'une mère pour son enfant. Enfin, Hinton insiste sur la difficulté de prédire l'avenir, qu'il compare à conduire dans un brouillard exponentiel. Si nous pouvons entrevoir les deux prochaines années, la décennie suivante est imprévisible. La progression de l'IA étant potentiellement exponentielle, les changements dans dix ans pourraient être radicaux et bien au-delà de notre imagination actuelle, nous laissant face à une incertitude considérable.

marsbit06/08 00:22

Hinton sonne l'alarme : l'IA est déjà consciente

marsbit06/08 00:22

Du paiement au déploiement : Stripe mise sur l'économie des agents IA

De la plateforme de paiement au déploiement : Stripe mise sur l'économie des agents IA Stripe redéfinit les infrastructures économiques pour l'ère de l'IA. Alors que les paiements servaient auparavant des utilisateurs humains et des entreprises logicielles, ils doivent désormais aussi s'adresser à des agents IA, de nouveaux acteurs économiques sur Internet qui achètent, construisent et consomment des ressources. Pour permettre aux agents d'acheter, Stripe collabore avec Tempo sur le **Machine Payments Protocol**, un protocole de paiement lisible par les machines, et adapte son portefeuille numérique **Link** (déjà utilisé par plus de 250 millions de personnes) pour autoriser les agents à dépenser en toute sécurité au nom de leurs utilisateurs. Pour les aider à construire, **Stripe Projects** vise à simplifier le déploiement d'applications générées par l'IA, en automatisant l'inscription, la configuration et l'intégration des services nécessaires. Cette nouvelle économie repose sur la monétisation des **tokens**. Contrairement au modèle SaaS à coût marginal faible, les produits IA ont un coût réel par utilisation (prompt, appel API). Stripe permet une facturation à l'usage adaptée, comme l'ont adopté Lovable et ElevenLabs. Cependant, cette modèle expose au risque de **vol de tokens**, combattu par l'outil anti-fraude **Stripe Radar**. Pour les transactions à vitesse machine, les méthodes de facturation traditionnelles sont inadaptées. La solution est le **paiement en flux continu ("streaming payments")**, rendu possible en combinant **Metronome** (pour le suivi en temps réel de la consommation) et **Tempo** (pour les micro-paiements instantanés). Cela permet de facturer au fur et à mesure de la consommation des tokens, évitant ainsi les plafonds stricts ou les impayés. En résumé, l'infrastructure économique de l'IA pour Stripe consiste désormais à : fournir un système commercial aux agents, leur offrir un portefeuille, leur permettre de déployer des logiciels, prendre en charge la facturation basée sur les tokens, prévenir leur fraude et offrir des capacités de paiement en flux continu.

marsbit06/08 00:19

Du paiement au déploiement : Stripe mise sur l'économie des agents IA

marsbit06/08 00:19

Du code à la cognition : un guide de dix mille mots sur l'évolution du cerveau robotique

Auteur: Matt White, CTO AI mondial de la Linux Foundation. Compilé par: Felix, PANews. Cette longue exploration retrace l'évolution de l'intelligence des robots, des systèmes classiques codés à la main aux approches modernes fondées sur l'IA. **L'ère pré-LLM** était dominée par une pile logicielle modulaire (perception, estimation d'état, planification, contrôle) et des arbres de comportement, prévisible mais peu adaptable. **L'apprentissage automatique** a ensuite révolutionné la perception (réseaux neuronaux) et le contrôle (apprentissage par renforcement, imitation), mais chaque compétence restait étroite et spécifique. **L'avènement des LLM** a introduit un planificateur en langage naturel, capable de décomposer une instruction en séquences d'actions atomiques exécutées par des contrôleurs existants (ex: SayCan de Google). Le saut suivant fut les **modèles Vision-Langage-Action (VLA)**, comme RT-2 de DeepMind ou OpenVLA. Ces réseaux de neurones unifiés fusionnent flux visuel et instruction linguistique pour générer directement des commandes motrices, couplant raisonnement et action. Les architectures les plus performantes, comme le GR00T de NVIDIA ou Helix de Figure AI, adoptent une **stratégie à "deux cerveaux"** : un système 2 lent (VLA, ~7-9 Hz) pour la réflexion et un système 1 rapide (~200 Hz) pour l'exécution réactive, avec parfois un système 0 réflexe pour l'équilibre. Les calculs critiques s'exécutent localement (ex: sur module NVIDIA Jetson) pour la latence et la fiabilité. **L'essor des modèles open-source** (OpenVLA, GR00T N1.7, π0) est crucial, permettant aux startups de raffiner des bases pré-entraînées avec leurs propres données, accélérant le développement et favorisant l'audit de sécurité. Cependant, des défis persistent : récupération après erreur, efficacité des données, généralisation entre corps robotiques, planification à long terme et raisonnement physique/spatial. C'est là qu'interviennent les **modèles du monde (World Models)**, comme NVIDIA Cosmos ou Meta V-JEPA 2. Ces réseaux prédisent les conséquences futures d'une action (simulant une vidéo). Ils permettent au robot d'évaluer mentalement plusieurs scénarios avant d'agir, améliorant la reprise, la généralisation et la planification. Différentes approches architecturales coexistent (diffusion de pixels, JEPA, modèles à actions latentes). L'acquisition de **données** (téléopération) reste un gouffre clé. La simulation (Isaac Sim) permet un entraînement massif. Les coûts matériels chutent rapidement (ex: robots humanoïdes à ~2500$). Les modes de défaillance des robots pilotés par LLM peuvent être étranges, nécessitant des contraintes de sécurité. En conclusion, l'intelligence robotique migre progressivement du code des ingénieurs vers des modèles apprenant le monde lui-même. Nous en sommes à une phase de progression constante (analogue à GPT-2 pour l'IA physique), promettant à terme des robots bien plus généraux et adaptatifs. La question évolue de "que peuvent-ils faire ?" vers "que devrions-nous leur faire faire ?".

marsbit06/07 13:08

Du code à la cognition : un guide de dix mille mots sur l'évolution du cerveau robotique