Entretien Rythme avec OpenMind : De x402 Pay, à la création de « l'Android des robots »

marsbitPublié le 2026-01-22Dernière mise à jour le 2026-01-22

Résumé

En 2025, les robots humanoïdes deviennent une réalité, avec un marché potentiel de 154 milliards de dollars d'ici 2035. OpenMind, fondé par le professeur de Stanford Jan Liphardt, travaille à créer un « cerveau » intelligent, ouvert et sécurisé pour ces machines. Après une levée de fonds de 20 millions de dollars en août 2025, la société a accéléré le développement de son système d'exploitation modulaire OM1 et de son protocole de paiement x402. OpenMind propose des services cognitifs en mode SaaS et intègre la blockchain pour les paiements, l'identité et la gouvernance des robots. Un partenariat avec Circle permet désormais aux robots de payer en USDC de manière autonome, par exemple pour recharger leurs batteries dans des stations dédiées. Une boutique d'applications pour robots a également été lancée, permettant de télécharger des compétences comme sur un store mobile. L'objectif est de construire une économie machine où les robots pourront échanger de la valeur, collaborer et interagir de façon sécurisée et décentralisée, sans intervention humaine.

En 2025, les robots humanoïdes passent de la science-fiction à la réalité. De l'Optimus de Tesla au Figure 01 de Figure AI, les limites des capacités des robots humanoïdes généraux sont rapidement repoussées grâce aux grands modèles de langage. Selon les prévisions de Goldman Sachs, d'ici 2035, le marché des robots humanoïdes pourrait atteindre 154 milliards de dollars. Un marché colossal de mille milliards de dollars attire les entreprises technologiques les plus avancées et les esprits les plus brillants du monde.

Cependant, alors que les « membres » des robots deviennent de plus en plus performants, une question plus centrale se pose : comment construire un « cerveau » suffisamment intelligent, ouvert et sécurisé ? Lorsque des milliers de robots entreront dans les foyers, les hôpitaux et les villes, comment travailleront-ils en synergie, échangeront-ils de la valeur et s'intégreront-ils de manière transparente à la société humaine ?

Le professeur de Stanford et fondateur d'OpenMind, Jan Liphardt, apporte sa réponse. Après avoir obtenu un financement de 20 millions de dollars mené par Pantera Capital en août 2025, OpenMind a appuyé sur l'accélérateur, publiant une série de produits allant du système d'exploitation de base au protocole de paiement de niveau supérieur, esquissant progressivement le plan complet de son « cerveau de robot ».

L'activité principale d'OpenMind est de fournir des services cognitifs en mode SaaS aux entreprises. Mais ils ont astucieusement saisi que lorsque les robots deviennent des acteurs économiques indépendants, la blockchain jouera un rôle crucial dans les domaines du système de paiement, de l'authentification d'identité, de la confidentialité des données et de la gouvernance collaborative.

La récente collaboration d'OpenMind avec l'émetteur de stablecoin Circle, ainsi que le déploiement de bornes de recharge pour robots dans les rues de San Francisco, sont les premières concrétisations de cette vision. Les robots peuvent payer leur recharge de manière autonome via l'USDC, ce qui marque peut-être l'aube de l'ère de l'« Économie Machine (Machine Economy) ».

Parallèlement, OpenMind crée également une boutique d'applications dédiée aux robots, permettant aux utilisateurs de télécharger des applications et des compétences pour leurs robots en un seul endroit, comme on le fait sur l'App Store d'Apple ou le Google Play Store. Cette application est déjà disponible depuis la semaine dernière sur l'OpenMind App Store.

Lors de cet entretien exclusif, nous avons discuté en profondeur avec le fondateur d'OpenMind de la philosophie de construction du « cerveau » des robots, des concepts de conception du système d'exploitation modulaire OM1, et de la manière de construire un futur où les machines et les humains collaborent efficacement grâce au protocole FABRIC et à la technologie blockchain. Il a partagé la feuille de route technologique d'OpenMind et a offert des perspectives approfondies sur des questions clés telles que l'écosystème des développeurs, le téléopération et la confidentialité des données.

Voici le contenu de l'interview :

Créer un « compte bancaire » pour les robots

En décembre 2025, OpenMind et l'émetteur de stablecoin Circle ont annoncé conjointement le lancement d'un système de paiement autonome pour robots basé sur le protocole x402. À mesure que les capacités des robots augmentent, ils ne seront plus de simples outils exécutant des tâches, mais commenceront à jouer le rôle d'entités économiques autonomes. Ils auront besoin d'acheter de la puissance de calcul, des données, des compétences, et même d'embaucher d'autres robots ou des humains pour accomplir des tâches complexes.

Pour y parvenir, un système financier conçu pour les machines, sans intervention humaine, devient indispensable. Le système bancaire traditionnel n'est clairement pas préparé pour cela, et les cryptomonnaies et la technologie blockchain, avec leurs caractéristiques natives numériques et décentralisées, sont devenues le choix le plus naturel.

Questions liées

QQuel est l'objectif principal d'OpenMind dans le domaine de la robotique d'après l'article ?

AOpenMind vise à construire un « cerveau » intelligent, ouvert et sécurisé pour les robots, en développant un système d'exploitation modulaire et des protocoles de paiement pour permettre aux robots de fonctionner de manière autonome et collaborative.

QQuel partenariat OpenMind a-t-il annoncé en décembre 2025 et dans quel but ?

AOpenMind a annoncé un partenariat avec Circle, l'émetteur de stablecoin USDC, pour créer un système de paiement autonome pour robots basé sur le protocole x402, permettant aux robots d'effectuer des transactions sans intervention humaine.

QComment les robots peuvent-ils désormais payer leur recharge selon l'article ?

AGrâce au système de paiement développé par OpenMind et Circle, les robots peuvent payer leur recharge en utilisant la cryptomonnaie USDC de manière autonome via des bornes de recharge déployées dans les villes comme San Francisco.

QQuelle innovation OpenMind a-t-elle lancée pour personnaliser les capacités des robots ?

AOpenMind a créé une boutique d'applications dédiée aux robots, permettant aux utilisateurs de télécharger des applications et des compétences pour leurs robots, similaire aux boutiques d'applications pour smartphones.

QQuel est le rôle de la blockchain dans la vision d'OpenMind pour l'économie des machines ?

ALa blockchain joue un rôle crucial pour les paiements, l'authentification des identités, la protection des données et la gouvernance collaborative entre robots, permettant une économie machine décentralisée et sécurisée.

Lectures associées

a16z : Le syndrome de l'« amnésie » de l'IA, l'apprentissage continu peut-il le guérir ?

Résumé : Les modèles de langage actuels souffrent d’une forme d’amnésie : une fois entraînés, leurs paramètres sont figés, les empêchant d’intégrer de nouvelles connaissances après leur déploiement. Pour pallier cela, des méthodes comme l’apprentissage en contexte (ICL) ou les systèmes de mémoire externe (RAG) sont utilisées, mais elles ne permettent pas une véritable internalisation des informations. L’article explore la question de l’apprentissage continu (continual learning), une piste de recherche cruciale pour permettre aux modèles de mettre à jour leurs paramètres de manière ciblée et durable. Trois approches sont présentées : l’apprentissage par contexte (non paramétrique), l’ajout de modules spécialisés (semi-paramétrique) et la mise à jour directe des poids (paramétrique). Si les méthodes non paramétriques sont matures et efficaces, elles butent sur des limites structurelles : impossibilité de généraliser véritablement, difficulté à traiter des connaissances implicites ou à résoudre des problèmes nécessitant une compression profonde (comme des preuves mathématiques novatrices). Les défis techniques et de sécurité liés aux mises à jour paramétriques (oubli catastrophique, auditabilité, alignement) restent importants, mais des solutions émergent (apprentissage métacognitif, architecture éparse, auto-amélioration). Une combinaison de ces approches pourrait permettre aux IA de passer d’une simple mémoire externe à une véritable capacité d’apprentissage continu.

marsbitIl y a 1 h

a16z : Le syndrome de l'« amnésie » de l'IA, l'apprentissage continu peut-il le guérir ?

marsbitIl y a 1 h

Un sèche-cheveux peut rapporter 34 000 dollars ? Décryptage du paradoxe réflexif des marchés prédictifs

Un homme a gagné 34 000 dollars en chauffant un capteur météo à l'aéroport de Paris-Charles de Gaulle, exploitant une faille des marchés prédictifs comme Polymarket. Cet incident illustre le paradoxe fondamental de ces plateformes : conçues pour refléter la réalité, elles incitent en fait les participants à la manipuler. L'article identifie quatre types de marchés vulnérables : 1. **Données physiques à source unique** (ex. stations météo), facilement manipulables. 2. **Marchés avec initiés** (ex. équipe de MrBeast, militaires israéliens), où l'information privilégiée est monnayée. 3. **Sujets contrôlables par l'acteur** (ex. nombre de tweets d'Andrew Tate), où le résultat peut être directement influencé. 4. **Événements à faible coût d'exécution** (ex. lancer un objet sur un terrain de sport), où l'action elle-même devient un investissement. Les plateformes adoptent des approches divergentes face à ces manipulations. **Kalshi**, avec une identification stricte (KYC), traque et punit publiquement les délits d'initiés. **Polymarket**, basée sur la blockchain et plus anonyme, a longtemps toléré ces agissements, arguant qu'ils rendent le marché plus précis », avant de collaborer ponctuellement avec les autorités. Le paradoxe final est que plus un marché prédictif est précis et lucratif, plus il motive les acteurs à altérer la réalité qu'il est censé prédire. Le marché cesse d'être un miroir pour devenir un moteur de la réalité.

marsbitIl y a 3 h

Un sèche-cheveux peut rapporter 34 000 dollars ? Décryptage du paradoxe réflexif des marchés prédictifs

marsbitIl y a 3 h

Trading

Spot
Futures
活动图片