L'agent Github avec 10 000 étoiles est raflé par OpenAI, le "Firebase pour l'IA" annonce le ralliement de toute son équipe

marsbitPublié le 2026-08-24Dernière mise à jour le 2026-08-24

Résumé

OpenAI a acquis Instant, une startup spécialisée dans l'infrastructure backend pour les agents IA, souvent surnommée le « Firebase de l'ère IA ». Fondée par d'anciens ingénieurs de Facebook et Airbnb, Instant proposait une solution clé en main gérant la base de données, l'authentification, la synchronisation en temps réel et le cache hors ligne pour les applications pilotées par des agents IA. Cette acquisition stratégique vise à remédier à une faiblesse majeure des agents IA actuels : le manque de mémoire persistante et de gestion robuste des états. En intégrant la technologie d'Instant, OpenAI peut doter ses agents d'une « couche mémoire » fiable, essentielle pour des tâches complexes comme la coordination d'agendas ou le développement logiciel collaboratif en temps réel, où la cohérence des données est cruciale. Avec plus de 10 000 étoiles sur GitHub et ayant traité 25 milliards de transactions, Instant apporte une plateforme éprouvée. Ce rachat s'inscrit dans une stratégie plus large d'OpenAI en 2026, qui multiplie les acquisitions d'outils d'infrastructure pour développeurs. L'objectif est de se transformer d'un simple fournisseur de modèles en une plateforme complète, construisant un écosystème intégré similaire à ceux des géants technologiques.

OpenAI fait encore parler de lui !

À l'instant, Instant, la start-up vedette du YC S22, a annoncé que toute son équipe rejoignait officiellement OpenAI.

Et il y a environ une semaine, Instant venait tout juste de publier sa version 1.0, son service d'hébergement cloud continuant à fonctionner jusqu'au 31 août. Des milliers de clients ont dit au revoir à cette plateforme.

Mais pour OpenAI, l'intention stratégique de cette acquisition est très claire : doter les Agents d'une "couche mémoire".

OpenAI continue de miser sur les Agents Harness

Cette acquisition, bien que semblant soudaine, trouve en réalité son origine il y a deux ans.

En 2024, l'équipe d'Instant annonçait avoir levé 3,4 millions de dollars en fonds d'amorçage. La liste des investisseurs était prestigieuse, un véritable « combat de titans » :

Les investisseurs comprenaient Y Combinator et SV Angel, ainsi que plusieurs business angels de renom, comme l'ancien PDG de Firebase James Tamplin, le cofondateur et ancien président de "l'école des cadres de la Silicon Valley" YC Paul Graham, le cofondateur et président d'OpenAI Greg Brockman, et l'ancien scientifique en chef de Google Jeff Dean.

À l'époque, alors que le monde célébrait chaque mise à jour mineure de GPT-4, Greg Brockman, cofondateur d'OpenAI, misait déjà sur l'infrastructure IA.

Pour comprendre pourquoi OpenAI convoitait tant Instant, il faut d'abord comprendre ce que fait réellement Instant.

En résumé : Instant est l'outil ultime pour construire l'infrastructure backend des Agents IA — base de données, authentification, synchronisation en temps réel, cache hors ligne, tout en un.

Dans les cercles de développeurs chevronnés, on lui a donné un surnom plus percutant et direct : le "Firebase de l'ère de l'IA".

À l'époque, Google avait acheté Firebase, monopolisant directement le backend d'innombrables applications mobiles, permettant aux développeurs front-end de gérer des opérations complexes de lecture/écriture de bases de données et de synchronisation en temps réel avec quelques lignes de code.

Aujourd'hui, Instant fait exactement la même chose à l'ère de l'IA, sauf que cette fois, le sujet principal du service n'est plus "l'utilisateur humain" mais "l'Agent IA".

Dans le domaine du codage IA, Instant présente un "palmarès" impressionnant :

Étoiles GitHub : Vient de franchir la barre des 10 000 étoiles ;

Communauté de développeurs : Les données officielles montrent qu'elle sert déjà plus de 17 000 développeurs inscrits dans le monde ;

Nombre d'applications : Plus de 400 000 applications construites sur sa plateforme ;

Volume de transactions : Traitement cumulé de 25 milliards de transactions, un chiffre stupéfiant.

Il s'agit d'une infrastructure industrielle qui a été testée et validée à maintes reprises dans des environnements de production à haute concurrence et haute charge.

Instant révèle le point faible mortel de "l'amnésie" des Agents IA

OpenAI possède lui-même le modèle de grand langage le plus intelligent au monde, ne pourrait-il pas simplement coder une base de données ? Pourquoi dépenser des sommes importantes pour acquérir Instant ?

La réponse réside dans un point de douleur critique du développement actuel des Agents IA : la gestion de l'état persistant et la cohérence des données en temps réel.

En termes simples : l'IA actuelle souffre d'une grave "amnésie" et d'un "syndrome de concurrence".

Aujourd'hui, les capacités des Agents IA se développent à une vitesse incroyable.

Ils gèrent vos calendriers, coordonnant automatiquement les horaires de réunion avec des dizaines de partenaires.

Ils lisent même automatiquement les issues sur GitHub, écrivent du code, soumettent des PR, et corrigent des bugs par eux-mêmes.

Des plateformes comme EinsteinArena permettent à plusieurs Agents de collaborer et de rivaliser sur des ensembles de problèmes publics. D'ici mi-2026, les Agents avaient déjà découvert au moins 12 résultats SOTA surpassant les humains ou les IA précédentes, par exemple en améliorant la borne inférieure du nombre de baisers en 11 dimensions de 593 à 604.

Mais lorsqu'ils poussent les Agents en production, les développeurs se heurtent à un mur de données.

Par exemple : votre Agent veut programmer une réunion à 15h, l'Agent de votre patron en force une autre à la même heure, et vous-même changez simultanément 15h en "pause".

Trois opérations, sur les mêmes données, à la même milliseconde. Le backend ne tient pas, le système plante complètement, ou les données deviennent chaotiques, ruinant l'emploi du temps.

Peu importe l'intelligence d'un grand modèle linguistique, il ne peut pas résoudre les conflits de lecture/écriture des données de base. C'est un problème purement technique.

Un Agent véritablement capable de fonctionner dans le monde réel doit posséder une forte capacité de "mémoire" et de "collaboration multithread".

Il doit pouvoir lire et écrire des données en temps réel, gérer des opérations massives simultanées, mettre les données en cache hors ligne ou en cas de perte de connexion, et, au moment du rétablissement de la connexion, résoudre parfaitement les conflits de fusion à l'aide d'algorithmes extrêmement complexes (comme l'algorithme CRDT).

Et c'est précisément le "travail sale et difficile" sur lequel l'équipe d'Instant a travaillé dur pendant quatre années entières.

Ils ont encapsulé les problèmes backend extrêmement profonds que sont la synchronisation en temps réel, la résolution des conflits, la priorité au mode hors ligne, dans un SDK "prêt à l'emploi".

Aujourd'hui, n'importe quel développeur n'a qu'à ajouter quelques lignes de code pour donner à ses Agents IA une mémoire persistante et une capacité de collaboration en temps réel sans faille.

Pour OpenAI, cela revient à combler la "couche mémoire" (Memory Layer) et la "couche d'état" (State Layer) les plus critiques des Agents.

Que ce soit Codex qui traite du code, les différents Agents natifs de la famille GPT, ou les futurs "flux de travail IA de longue durée (Long-horizon workflows)" fonctionnant de manière autonome et ininterrompue, tous ont besoin d'un backend solide comme le roc pour rendre leur état persistant.

OpenAI a acquis la dernière pièce du puzzle permettant aux Agents d'évoluer véritablement vers un "fonctionnement entièrement automatisé".

L'histoire d'Instant

L'histoire d'Instant a commencé en 2021.

Selon la lettre d'adieu officielle, en 2021, l'équipe fondatrice partageait sur son blog une idée sur "l'exécution d'une base de données dans le navigateur".

Les deux cofondateurs principaux d'Instant, Joe Averbukh et Stepan Parunashvili, étaient tous deux ingénieurs seniors/principaux chez Facebook et Airbnb.

Lors de leur passage chez Facebook, ils ont vu de leurs propres yeux comment une "base de données basée sur les graphes (Graph-based Database)" supportant des permissions complexes permettait à des milliers d'ingénieurs de maintenir une vitesse de développement effrayante dans des systèmes extrêmement complexes.

"Pourquoi ne pas apporter cette expérience aux développeurs du monde entier ?"

Avec cette idée de geek, ils ont fondé Instant.

Leur objectif était extrêmement ambitieux : créer le "successeur de Firebase en base de données graphe". Conserver la sensation prête à l'emploi addictive de Firebase, mais remplacer le backend par une structure relationnelle plus puissante (basée sur AWS Aurora), avec un support natif pour le "local-first" et la "collaboration en temps réel".

Au début, ce n'était qu'une simple idée, mais à mesure qu'ils développaient eux-mêmes de plus en plus d'applications, ils ont ressenti profondément : gérer l'état, traiter la synchronisation, résoudre les conflits de données, c'est le cauchemar collectif des développeurs.

Ainsi, en 2022, ils sont entrés dans le prestigieux incubateur Y Combinator (YC S22), ont créé le premier prototype et ont publié la "Version 0".

"Transformer un prototype en un produit de niveau production a été un long voyage."

C'est ce qu'écrit Instant dans sa lettre officielle. Ce voyage, bien que difficile, était rempli de la romance et de la joie caractéristiques des geeks.

Ensuite, pour résoudre les problèmes techniques, divers experts ont rejoint l'équipe : Daniel Woelfel a rejoint l'équipe très tôt, s'attaquant et résolvant les problèmes de conflit les plus épineux de la technologie de synchronisation ; lorsque le SDK TypeScript avait besoin de devenir véritablement ergonomique, pour que les développeurs "l'adoptent avec plaisir", Drew Harris a rejoint l'équipe et a accompli cet exploit.

(De droite à gauche : Joe Averbukh, Stepan Parunashvili, Daniel Woelfel, Drew Harris)

Les contributeurs open source de la communauté comme Mark Shlick, Nikita Prokopov, Alex Reichert, ont également alimenté le feu.

2026, l'année des rachats frénétiques !

La "lame du dragon" et le "grand échiquier" d'OpenAI

Si vous élargissez votre perspective, au-delà du cas individuel d'Instant, vous découvrirez : en 2026, OpenAI a entamé un mode "rachat frénétique".

Les données ne mentent pas. Depuis le début de 2026, le nombre de transactions de fusions et acquisitions (M&A) d'OpenAI s'approche déjà du total de l'année dernière.

Jetons un œil à la liste de courses récente d'OpenAI :

OpenAI n'a acquis aucune entreprise fabriquant des modèles d'IA, mais plusieurs entreprises développant des infrastructures pour développeurs !

C'est un signal clair : OpenAI est en train d'effectuer une métamorphose épique — passer d'une "entreprise qui fabrique des modèles" à une "entreprise qui construit une plateforme".

Altman le sait mieux que quiconque : vendre uniquement des moteurs ne permet pas de bâtir un empire. Il faut contrôler le châssis, la boîte de vitesses, le système de contrôle, et même l'autoroute entière pour établir une véritable hégémonie.

Maintenant, OpenAI est en train d'acquérir, morceau par morceau, ces "infrastructures" et de les assembler.

Imaginez le scénario futur : lorsqu'un développeur veut créer une application IA, il ouvre OpenAI Cloud, peut non seulement appeler le modèle de grand langage le plus puissant, mais aussi utiliser les capacités d'Instant pour générer en un clic une base de données pour Agent, utiliser les capacités de Statsig pour lancer des tests A/B en un clic, utiliser la chaîne d'outils d'Astral pour déployer en un clic.

C'est l'"écosystème Apple" de l'ère de l'IA ! Ce sera la plus grande barrière défensive d'OpenAI.

Références :

https://www.getadb.com/

https://x.com/instant_db/status/2091016138100740394?s=20

Cet article provient du compte officiel WeChat "New Zhiyuan", auteur : ASI Revelation, éditeur : David

Cryptos en tendance

Questions liées

QQuelle est l'annonce principale faite dans cet article concernant OpenAI et Instant ?

AL'annonce principale est que la startup Instant, surnommée le "Firebase de l'ère IA", et toute son équipe, ont officiellement rejoint OpenAI.

QQuel était l'objectif principal du produit Instant avant son acquisition par OpenAI ?

AInstant était une plateforme d'infrastructure backend conçue pour les agents IA, fournissant des services clés comme une base de données, l'authentification, la synchronisation en temps réel et la mise en cache hors ligne, le tout dans une solution "prête à l'emploi".

QSelon l'article, quel est le principal problème des agents IA que l'acquisition d'Instant par OpenAI vise à résoudre ?

AL'acquisition vise à résoudre le problème de la "perte de mémoire" et de la gestion des états persistants chez les agents IA, en leur fournissant une couche de mémoire et d'état robuste pour gérer les conflits de données et la collaboration en temps réel.

QQuel est le signal plus large que cette acquisition envoie concernant la stratégie d'OpenAI en 2026 ?

ACette acquisition fait partie d'une stratégie plus large où OpenAI, en 2026, acquiert agressivement des entreprises d'infrastructure pour développeurs. Cela indique sa transformation d'une entreprise de modèles IA en une plateforme complète, construisant un écosystème intégré similaire à celui d'Apple.

QQuel était le parcours des fondateurs d'Instant avant de créer l'entreprise ?

ALes cofondateurs principaux, Joe Averbukh et Stepan Parunashvili, étaient auparavant ingénieurs seniors/principaux chez Facebook et Airbnb. Leur expérience chez Facebook, en particulier avec une base de données basée sur les graphes, les a inspirés pour créer Instant.

Lectures associées

Sept trimestres consécutifs de gains : l'arbitrage sur les marchés émergents surpasse tout

Le carry trade sur les marchés émergents financé en dollars a généré des rendements positifs pendant sept trimestres consécutifs, soit la plus longue série depuis 2008, avec un gain cumulé d’environ 22 % depuis fin 2024. Cette stratégie, qui consiste à emprunter dans des devises à bas taux comme le dollar ou l’euro pour investir dans des actifs à haut rendement en monnaies émergentes (telles que la livre turque ou le peso colombien), a surperformé les obligations d’État américaines, les obligations souveraines et d’entreprise des marchés émergents. Les rendements ont été amplifiés par l’appréciation des devises émergentes face au dollar, notamment en Colombie où la combinaison du rendement obligataire et de la hausse du taux de change a rapporté 48 % sur un an. Malgré l’intervention historique conjointe des États-Unis et du Japon sur le marché des changes en août, qui a brièvement fait chuter le yen, le risque de liquidations désordonnées est jugé limité, les investisseurs ayant substitué l’euro et le franc suisse au yen comme monnaies de financement. Les risques principaux identifiés sont le calendrier de la politique monétaire de la Fed et la concentration excessive des capitaux sur cette stratégie, ce qui pourrait la rendre vulnérable à un retournement soudain. Les gestionnaires restent néanmoins confiants, citant les taux d’intérêt élevés dans des régions comme l’Amérique latine et l’Europe de l’Est, soutenus par des pressions inflationnistes persistantes et la géopolitique énergétique.

marsbitIl y a 10 mins

Sept trimestres consécutifs de gains : l'arbitrage sur les marchés émergents surpasse tout

marsbitIl y a 10 mins

Des mentors et disciples de Tsinghua et Wharton résolvent un cas non résolu depuis 40 ans, les mathématiques centrales sont entièrement rédigées par GPT, vous le pourriez aussi

L'algorithme d'apprentissage automatique fondamental, la descente de gradient, a été « condamné » par l'IA elle-même ? Une récente étude conjointe de l'Université Tsinghua et de la Wharton School de l'Université de Pennsylvanie apporte une conclusion attendue depuis 40 ans : pour atteindre une vitesse optimale, ajuster uniquement la taille des pas (le taux d'apprentissage) ne suffit pas. Historiquement, la descente de gradient standard a une vitesse de convergence en O(1/T). En 1983, Nesterov a introduit l'élan (momentum), atteignant O(1/T²). Une question persistante était de savoir si, sans modifier la structure de l'algorithme, un simple réglage minutieux de la séquence des pas pouvait égaler cette performance. En 2023, des chercheurs du MIT ont conçu la « silver stepsize », une séquence de pas fractale atteignant O(T^{-1.2716}). Les chercheurs Jianhao Ma (Tsinghua) et Yuxin Chen (Wharton) ont inversé la problématique : au lieu de chercher une meilleure séquence, ils ont prouvé qu'il existe une limite infranchissable. Le cœur de la preuve a été généré par GPT-5.6 Sol Pro. Guidés par le concept d'« oracle résistant », les chercheurs ont demandé à l'IA de construire une fonction convexe spécifique qui force la descente de gradient à suivre un chemin lent, quelle que soit la séquence de pas choisie. L'IA a proposé une construction géométrique dans un espace de haute dimension utilisant l'enveloppe de Moreau. Après plusieurs itérations de corrections, GPT-5.6 a établi une borne inférieure de convergence en Ω(T^{-1.9319}) pour toute séquence de pas prédéterminée. Cela signifie qu'il est mathématiquement impossible pour la descente de gradient pure (sans momentum) de dépasser cette vitesse, confirmant la nécessité de modifier la structure de l'algorithme pour une convergence optimale. La preuve a été formellement vérifiée sans aucune erreur par l'assistant de preuve Lean 4, garantissant sa solidité logique. Ce travail démontre le potentiel de l'IA en tant qu'assistant de recherche capable de résoudre des problèmes théoriques profonds, ouvrant la voie à de nouvelles collaborations homme-machine en science fondamentale.

marsbitIl y a 19 mins

Des mentors et disciples de Tsinghua et Wharton résolvent un cas non résolu depuis 40 ans, les mathématiques centrales sont entièrement rédigées par GPT, vous le pourriez aussi

marsbitIl y a 19 mins

Décrypter les vérités sur l'effet de levier, la liquidité et les risques liés au jetonnage d'actifs

La tokenisation des actifs du monde réel (RWA) ne se limite pas à créer un jeton représentant un actif. C’est un simple code-barres, non une chaîne d’approvisionnement financière complète. La vraie transformation vient de l’intégration à la DeFi, qui permet l’évaluation, le financement, la couverture et la liquidité. Les RWA fonctionnent sur plusieurs horloges temporelles : blockchain en temps réel, marchés traditionnels fermés la nuit/week-end, et processus de rachat lents. Ce décalage crée un risque de liquidation où la DeFi exige un règlement immédiat, mais le monde réel impose des délais. Ainsi, un jeton d’obligation d’État stable peut être plus risqué qu’un actif crypto volatil mais liquide 24h/24. La liquidité réelle ne se mesure pas par la TVL, mais par la capacité à sortir d’une position sous pression, dans un délai donné et sans décote excessive. Trois voies de sortie existent : vente sur le marché, rachat par l’émetteur, ou prêt garanti. Le levier est ce qui crée l’utilité économique, mais il accroît aussi la fragilité. Les paramètres de garantie (haircuts) doivent intégrer non seulement la volatilité, mais aussi l’exécutabilité légale, la fraîcheur des données, les délais de rachat et la concentration des holdings. Les risques des RWA forment un graphe de dépendances interconnectées (émetteur, gardien, oracle, marchés secondaires, protocoles de prêt). Une défaillance localisée peut se propager. Une surveillance proactive des files de rachat, de la profondeur du marché et du comportement des market makers est cruciale. Au-delà des obligations d’État, les actifs prometteurs sont la puissance de calcul (GPU) et l’énergie, avec leurs propres modèles de risque. Les actions tokenisées et les contrats perpétuels sur actions constituent un test majeur, combinant propriété et levier, mais nécessitent des garde-fous architecturaux pour éviter des spirales de liquidation. En somme, l’étape suivante n’est pas de tokeniser plus d’actifs, mais de construire la couche de marché qui transforme les jetons en infrastructures financières résilientes, capables de résister à un week-end de crise. Le jeton n’est que le code-barres ; le marché est la machine.

marsbitIl y a 33 mins

Décrypter les vérités sur l'effet de levier, la liquidité et les risques liés au jetonnage d'actifs

marsbitIl y a 33 mins

La Fin des Mathématiques : 40 Mathématiciens de Premier Plan Réunis en Réunion Secrète chez OpenAI

Le mois dernier, le médaillé Fields Jacob Tsimerman a annoncé son intention de rejoindre OpenAI pour la recherche en sécurité de l'IA. Début août, lui et le chercheur Sébastien Bubeck d'OpenAI ont organisé un sommet privé à San Francisco avec environ 40 mathématiciens. L'une des présentations, intitulée « La Fin des Mathématiques », a exprimé des craintes quant à un avenir où la recherche mathématique de haute qualité et l'expertise humaine pourraient disparaître, les mathématiques étant considérées comme un terrain d'essai pour l'IA. Ce sommet fait suite à une série de découvertes mathématiques générées par l'IA. En mai, un modèle d'OpenAI a réfuté une vieille conjecture sur la distance unitaire. En août, OpenAI a annoncé 10 nouvelles découvertes en mathématiques et en informatique. Parallèlement, un employé d'Anthropic a utilisé Claude pour construire une paire de vecteurs orthogonaux dans un hypercube de dimension 668, un résultat théoriquement attendu mais jamais construit. Ces avancées, souvent partagées directement sur les réseaux sociaux, contournent le processus traditionnel de publication académique, suscitant des réactions mitigées dans la communauté. En juin, plus de 3000 mathématiciens ont signé la « Déclaration de Leyde » pour promouvoir une utilisation responsable de l'IA, demandant vérification et citation appropriée des résultats. D'autres préconisent un rejet complet de ces outils. Lors du sommet, des mathématiciens comme Bryna Kra et Melanie Matchett Wood ont souligné que la compréhension et l'explication des preuves restent essentielles, notant que les modèles d'IA ont du mal à identifier et à expliquer clairement les parties les plus complexes des démonstrations. Andreas Thom a reconnu la capacité de l'IA à résoudre des problèmes de manière intelligente, mais a observé que les nouveaux concepts émergent souvent de l'intervention humaine ultérieure. Sébastien Bubeck a décrit quatre futurs possibles pour les mathématiques : une collaboration de masse assistée par IA, une discipline dépendante de la puissance de calcul, une curation par l'homme des productions de l'IA, ou une reconversion des mathématiciens vers la sécurité de l'IA. Il a insisté sur la nécessité de garder le mathématicien au centre du processus. Aucun consensus n'a émergé du sommet, qui visait principalement à ouvrir le dialogue. Le choix de Tsimerman de rejoindre OpenAI symbolise les interrogations de la communauté face à l'essor de l'IA en recherche fondamentale.

marsbitIl y a 39 mins

La Fin des Mathématiques : 40 Mathématiciens de Premier Plan Réunis en Réunion Secrète chez OpenAI

marsbitIl y a 39 mins

Trading

Spot

Articles tendance

Comment acheter ERA

Bienvenue sur HTX.com ! Nous vous permettons d'acheter Caldera (ERA) de manière simple et pratique. Suivez notre guide étape par étape pour commencer votre parcours crypto.Étape 1 : Création de votre compte HTXUtilisez votre adresse e-mail ou votre numéro de téléphone pour ouvrir un compte sur HTX gratuitement. L'inscription se fait en toute simplicité et débloque toutes les fonctionnalités.Créer mon compteÉtape 2 : Choix du mode de paiement (rubrique Acheter des cryptosCarte de crédit/débit : utilisez votre carte Visa ou Mastercard pour acheter instantanément Caldera (ERA).Solde :utilisez les fonds du solde de votre compte HTX pour trader en toute simplicité.Prestataire tiers :pour accroître la commodité d'utilisation, nous avons ajouté des modes de paiement populaires tels que Google Pay et Apple Pay.P2P :tradez directement avec d'autres utilisateurs sur HTX.OTC (de gré à gré) : nous offrons des services personnalisés et des taux de change compétitifs aux traders.Étape 3 : stockage de vos Caldera (ERA)Après avoir acheté vos Caldera (ERA), stockez-les sur votre compte HTX. Vous pouvez également les envoyer ailleurs via un transfert sur la blockchain ou les utiliser pour trader d'autres cryptos.Étape 4 : tradez des Caldera (ERA)Tradez facilement Caldera (ERA) sur le marché Spot de HTX. Il vous suffit d'accéder à votre compte, de sélectionner la paire de trading, d'exécuter vos trades et de les suivre en temps réel. Nous offrons une expérience conviviale aux débutants comme aux traders chevronnés.

843 vues totalesPublié le 2025.07.17Mis à jour le 2026.06.02

Comment acheter ERA

Discussions

Bienvenue dans la Communauté HTX. Ici, vous pouvez vous tenir informé(e) des derniers développements de la plateforme et accéder à des analyses de marché professionnelles. Les opinions des utilisateurs sur le prix de ERA (ERA) sont présentées ci-dessous.

活动图片