# Agent Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Agent", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Le vent de l'IA "active" souffle sur la Silicon Valley, Hark lève 700 millions de dollars

L'entreprise américaine Hark, fondée fin 2025 et encore sans produit public, a levé 700 millions de dollars en série A, atteignant une valorisation de 6 milliards de dollars. Le tour de table est mené par Parkway Venture Capital et comprend des géants technologiques comme NVIDIA, AMD Ventures, Intel Capital, Qualcomm Ventures et Salesforce Ventures. Hark vise à créer la prochaine interface universelle homme-machine en combinant un "modèle de base auto-développé" avec du "matériel sur mesure". Son objectif est de développer une nouvelle interface d'intelligence artificielle matérialisée par du matériel natif AI : une gamme d'appareils matériels personnalisés dotés de capacités d'agent intelligentes, équipés de modèles vocaux de bout en bout et d'une mémoire hautement personnalisée. Ces systèmes AI multimodaux sont conçus pour comprendre et interagir de manière naturelle. Le fondateur, Brett Adcock, a auparavant créé Archer et Figure. Son expérience dans les systèmes intégrant l'IA, le matériel et l'interaction avec le monde réel (comme chez Figure) est considérée comme un atout clé pour Hark. L'entreprise a également recruté d'anciens cadres d'Apple, Meta, Google et Tesla. L'article souligne que l'IA actuelle, bien que puissante, est principalement confinée aux écrans et fonctionne de manière réactive. Hark et d'autres pionniers visent à créer une IA "active" qui agit comme un collaborateur, anticipant les besoins et agissant de manière autonome. Cette évolution nécessite des avancées conjointes en modèles de base, systèmes d'exploitation pour agents, mémoire personnalisée et terminaux matériels. Enfin, l'article note que les startups chinoises possèdent des avantages significatifs dans ce domaine, notamment un écosystème manufacturier complet (comme à Shenzhen), un vaste marché d'adoption et un soutien politique fort en faveur de l'IA. Le financement majeur de Hark confirme une tendance émergente : l'avenir de l'IA se jouera non seulement sur les écrans, mais aussi dans le monde physique via des appareils natifs intelligents.

marsbit05/28 10:25

Le vent de l'IA "active" souffle sur la Silicon Valley, Hark lève 700 millions de dollars

marsbit05/28 10:25

Base MCP, la prochaine étape de X402

Hier, Base a officiellement lancé Base MCP. Ce système permet de connecter un compte Base à un Agent IA, afin d'effectuer via des commandes vocales simples des opérations comme des swaps, des transferts, le suivi de positions ou la consultation d'historique de transactions. Alors que pour les utilisateurs, cette évolution s'inscrit dans la tendance AI de la blockchain Base, l'enjeu stratégique est plus large : la course au paiement entre Agents IA. En septembre 2024, les options étaient limitées et peu sûres. Depuis, des solutions comme x402 de Coinbase (mai 2025), AP2 de Google ou Visa Intelligent Commerce ont émergé. x402 a déjà traité 176 millions de transactions d'Agents pour un montant total de plus de 70 millions de dollars. Les transactions sont majoritairement inférieures à 0,30 USD, un montant où les frais fixes traditionnels (environ 0,30 USD) rendent les micro-paiements non viables. Les stablecoins, avec des frais de règlement négligeables sur Base (0,0001 USD), offrent un avantage décisif. 98,6% des transactions x402 sont réglées en USDC. Coinbase fait face à la concurrence de Stripe, qui dispose d'une architecture similaire avec son protocole Tempo pour le règlement, Privy pour les portefeuilles, Bridge pour le routage et son protocole de paiement MPP. Le lancement de Base MCP vise donc à conquérir la couche application. L'objectif stratégique de Coinbase est de faire en sorte que l'activité IA dans la cryptographie se déroule sur Base, afin d'élargir les scénarios de paiement par Agent, de générer plus de transactions et de consolider sa position dominante dans cette nouvelle ère des paiements automatisés.

marsbit05/28 08:28

marsbit05/28 08:28

À l'instant, l'IA chinoise se hisse à la deuxième place mondiale en programmation, seul Claude la devance

Aujourd'hui, Qwen3.7-Max d'Alibaba a marqué 1541 points sur le Code Arena, se hissant à la quatrième place du classement mondial des modèles de programmation IA. Il surpasse désormais des modèles leaders comme GPT-5.5 et Gemini 3.5 Flash, et n'est devancé que par les versions Claude Opus 4.7 et 4.6. Ainsi, Alibaba est le seul constructeur chinois présent sur ce podium, occupant la deuxième place mondiale derrière Anthropic (Claude). Les tests pratiques confirment sa puissance. Lors d'un défi de création d'un jeu de course 3D en HTML, Qwen3.7-Max a livré un jeu fonctionnel dès le premier essai, incluant une page de démarrage et des effets sonores, là où d'autres modèles nécessitaient plusieurs corrections. Il excelle également en termes de rapport coût-performance. La force de Qwen3.7-Max réside dans sa conception en tant que "modèle de base pour agents", optimisé pour des exécutions autonomes de longue durée. Lors d'un test interne, il a exécuté une tâche de programmation pendant 35 heures, effectuant 1158 appels d'outils sans dégradation. Cette robustesse provient de deux avancées : un « environnement étendu » d'entraînement qui lui apprend des stratégies universelles, et un cadre « d'exécution autonome à long terme » pour un raisonnement et une adaptation soutenus. En s'imposant dans cette compétition longtemps dominée par Claude, Qwen3.7-Max démontre que l'innovation en IA de programmation n'est plus l'apanage exclusif de la Silicon Valley.

marsbit05/27 00:21

À l'instant, l'IA chinoise se hisse à la deuxième place mondiale en programmation, seul Claude la devance

marsbit05/27 00:21

De l'infrastructure électrique à l'économie des Token : le « gâteau à sept couches » de la chaîne industrielle de l'IA

Au cours des deux dernières années, le secteur de l'IA a été dominé par la « guerre des grands modèles », centrée sur l'augmentation des paramètres et des coûts d'entraînement. Cependant, en 2026, la logique évolue : la demande massive d'inférence (Inference) pour les agents IA devient le principal moteur de l'expansion des infrastructures. L'industrie passe ainsi de l'« ère des modèles » à l'« ère industrielle du Token », où la production, la distribution, la planification et la consommation de Tokens sont essentielles. Inspiré par la vision de Jensen Huang, l'écosystème économique de l'IA est décrit comme un « gâteau à sept couches » centré sur le Token : 1. Énergie électrique – la base énergétique. 2. AIDC (centres de données IA) – les usines à Tokens. 3. GPU – les équipements de production. 4. LLM (grands modèles de langage) – les moteurs de production. 5. Distribution des Tokens – le « réseau électrique » de l'IA. 6. Optimisation et planification intelligente des Tokens – le cerveau du système. 7. Agents IA – les terminaux consommateurs. Actuellement, cette chaîne est fragmentée et inefficace. Certains ont des GPU avancés mais manquent d'énergie, d'autres ont des AIDC mais pas de planification optimale, et d'autres encore développent des agents puissants mais font face à des coûts et des latences élevés. La clé pour passer de l'« ère des outils » à l'« ère de l'adoption massive » réside dans la connexion et la synergie de ces sept couches. Le futur de l'IA ne dépendra pas seulement de modèles performants, mais d'un réseau d'infrastructures intelligentes capable de produire, distribuer, planifier et consommer des Tokens de manière continue et efficace à l'échelle mondiale, à l'image des révolutions industrielle et internet.

marsbit05/26 05:50

De l'infrastructure électrique à l'économie des Token : le « gâteau à sept couches » de la chaîne industrielle de l'IA

marsbit05/26 05:50

Grok tire profit de l'« ajout » de données de Cursor pour son dernier modèle, selon Musk : d'énormes améliorations en codage

Elon Musk a annoncé que le nouveau modèle de base de Grok, V9-Medium (1.5T), a terminé son entraînement principal et devrait être publié dans 2 à 3 semaines. Ce modèle, trois fois plus grand que le précédent, se concentre spécifiquement sur l'amélioration des capacités de codage. Un élément clé de cette amélioration est l'intégration d'une grande quantité de données de Cursor, la plateforme de développement IA acquise par Musk pour 600 milliards de dollars le mois dernier. Ces données, issues des flux de travail réels de millions de développeurs, visent à donner à Grok une meilleure compréhension pratique de l'ingénierie logicielle. Parallèlement, xAI a lancé la phase de test bêta précoce de son propre outil d'agent de programmation IA, Grok Build. Cet outil, fonctionnant en mode CLI et TUI, permet aux développeurs de l'invoquer dans des projets locaux pour planifier et exécuter des tâches de codage complexes. Ces développements rapides, facilités par le recrutement d'anciens ingénieurs clés de Cursor et l'acquisition de la société, marquent l'entrée agressive de Musk et de xAI sur le marché concurrentiel des outils d'IA pour le développement.

marsbit05/26 04:22

Grok tire profit de l'« ajout » de données de Cursor pour son dernier modèle, selon Musk : d'énormes améliorations en codage

marsbit05/26 04:22

Agentic Design Patterns : un livre qui m'a fait redéfinir "ce qu'est vraiment un Agent"

"**Agentic Design Patterns**" d'Antonio Gulli offre une vision structurée des agents IA à travers 21 modèles de conception. L'essentiel : un véritable agent va bien au-delà d’un simple LLM (niveau 0). Il se définit par sa capacité à utiliser des outils de façon autonome (niveau 1), à planifier et à pratiquer l’*Ingénierie du Contexte* pour filtrer et optimiser les informations (niveau 2), et, si nécessaire, à collaborer au sein d’équipes multi-agents spécialisées (niveau 3). L’article souligne deux concepts clés. D’abord, l’*Ingénierie du Contexte*, qui dépasse le simple prompt pour gérer stratégiquement les couches d’information (système, données externes, données implicites, boucle de feedback) présentées à l’agent. Ensuite, le modèle *Producteur-Critique* (Reflection), où deux agents aux rôles distincts (création et révision critique) travaillent en boucle pour améliorer continuellement la qualité du résultat, comme dans la génération de code. Il met également en garde contre la complexité inutile : un agent de niveau 2 bien conçu est souvent suffisant. Les systèmes multi-agents (niveau 3) ne sont nécessaires que pour les tâches véritablement complexes et parallélisables, et leur architecture de communication (par exemple, superviseur central ou réseau pair-à-pair) doit correspondre à la nature de la tâche. Enfin, la mémoire de l’agent doit être pensée en trois couches : la session (contexte immédiat), l’état (données temporaires de la tâche) et la mémoire à long terme (expériences persistantes). Le livre se conclut par des perspectives ambitieuses, comme les systèmes multi-agents "auto-transformants" qui se réorganisent dynamiquement pour atteindre un objectif. L’auteur en retire trois actions pratiques : ajouter un agent critique à ses workflows existants, se concentrer sur l’ingénierie du contexte plutôt que seulement sur les prompts, et perfectionner un agent unique avant de se lancer dans des architectures multi-agents complexes.

链捕手05/25 04:51

Agentic Design Patterns : un livre qui m'a fait redéfinir "ce qu'est vraiment un Agent"

链捕手05/25 04:51

Microsoft a-t-il perdu le nord dans la course à l'IA ? Copilot peut-il le remettre sur les rails ?

Microsoft, autrefois leader de l'IA grâce à son partenariat exclusif avec OpenAI, voit sa position érodée par la concurrence (Anthropic, Google), la montée des agents autonomes et une adoption plus lente qu'attendu de Copilot. Pour retrouver son avantage, l'entreprise adopte une nouvelle stratégie : devenir une plateforme "agnostique des modèles", intégrant diverses intelligences artificielles (OpenAI, Anthropic, ses propres futurs modèles) au sein de ses outils professionnels, de son cloud Azure et de ses cadres de sécurité. Le PDG Satya Nadella s'implique personnellement dans le développement produit pour accélérer l'innovation, comme le montre la création de Copilot Tasks et Copilot Cowork. Cependant, cette course exige des investissements massifs en infrastructures et une adaptation constante face à la rapidité des start-up d'IA. L'enjeu pour Microsoft n'est plus de "gagner" la course au meilleur modèle, mais de conserver son rôle d'entrée essentielle pour les entreprises en fournissant une couche d'intégration fiable et sécurisée à l'ère de l'IA agentique.

marsbit05/23 04:44

Microsoft a-t-il perdu le nord dans la course à l'IA ? Copilot peut-il le remettre sur les rails ?

marsbit05/23 04:44

General Tensor et Talisman unissent leurs forces pour construire les infrastructures financières de l'IA décentralisée

General Tensor et Talisman Wallet ont annoncé un partenariat majeur visant à simplifier les interactions des utilisateurs et institutions avec Bittensor, tout en posant les bases d'une infrastructure financière prête pour les agents autonomes. Cette collaboration associe la technologie de portefeuille et multi-signature de Talisman aux opérations de validation, à l'infrastructure minière, à l'activité des sous-réseaux et à l'écosystème de plateforme de trading de General Tensor. Elle répond à la nécessité pour les réseaux d'IA décentralisée de disposer d'infrastructures financières robustes, similaires à celles qui ont permis aux marchés crypto traditionnels de se développer. Talisman, sécurisant environ 2 milliards de dollars d'actifs multichaînes (dont la moitié liée à Bittensor), a construit son portefeuille comme une couche de coordination entre l'intention de l'utilisateur, les agents automatisés et l'exécution sur la blockchain. Son produit institutionnel Signet offre une solution multi-signature opérationnelle. De son côté, General Tensor, grâce à son acquisition de Backprop Finance et son intégration verticale, cherche à combler le fossé entre l'intention au niveau du portefeuille et l'exécution au niveau du réseau. L'objectif est de créer des parcours fluides pour la garde, le trading, le jalonnement et la découverte de sous-réseaux. Ce partenariat reflète l'institutionnalisation croissante de l'IA décentralisée, attirant des investisseurs comme Digital Currency Group et des soutiens liés à Goldman Sachs, qui recherchent désormais une exposition opérationnelle au-delà du simple intérêt spéculatif.

TheNewsCrypto05/22 13:09

General Tensor et Talisman unissent leurs forces pour construire les infrastructures financières de l'IA décentralisée

TheNewsCrypto05/22 13:09

Qui définit le matériel IA en 2026 ?

L'année 2026 marque un tournant pour le matériel IA, avec la fin de la phase de concepts épars. La Chine a publié une norme nationale classant l'intelligence des terminaux de L1 (exécution d'instructions prédéfinies) à L4 (coopération multi-appareils), offrant une référence claire aux consommateurs et à l'industrie. Actuellement, la plupart des produits grand public atteignent les niveaux L1 ou L2. Le véritable seuil se situe au niveau L3 (assistanat), qui exige une compréhension approfondie de l'intention utilisateur et une capacité de service proactive. Pour y parvenir, la coopération entre le terminal et le cloud (edge-cloud) devient indispensable. Le terminal gère la réponse en temps réel, tandis que le cloud prend en charge le raisonnement complexe. Des entreprises comme Roborock (robot domestique "Bajie") et Yanjiwei (caméras basse consommation) illustrent cette approche. Les fournisseurs de cloud, comme Alibaba Cloud avec son modèle phare Qwen, évoluent pour offrir une base d'infrastructure facilitant cette intégration. Cette évolution technologique ouvre de nouveaux modèles économiques : le matériel devient un point d'entrée pour des services par abonnement et des expériences continues sur plusieurs appareils. La course est lancée pour construire une intelligence systémique où les appareils coopèrent autour de l'utilisateur, redéfinissant ainsi la valeur et le marché du matériel IA.

marsbit05/22 06:04

marsbit05/22 06:04

Source interne : DeepSeek met en place une équipe 'Harness' pour concurrencer Claude Code

D'après des sources proches, DeepSeek constituerait une nouvelle équipe "Harness" afin de développer un produit d'agent d'intelligence pour le code, en visant directement Claude Code d'Anthropic. Cette initiative est confirmée par Chen Deli, chercheur principal de DeepSeek. Le recrutement concerne deux postes clés : Chef de produit Harness et Ingénieur R&D Harness, basés à Pékin. L'objectif avancé est de combler l'écart entre les capacités du modèle et les flux de travail réels des développeurs. DeepSeek définit sa vision par la formule : Modèle + Harnais = Agent. Le harnais représente la couche système essentielle permettant au modèle d'agir dans un environnement réel, en gérant le contexte, les appels d'outils, l'exécution, etc. L'article souligne que la concurrence dans le domaine de la programmation IA évolue des simples capacités des modèles vers la maîtrise de l'intégration dans le flux de travail des développeurs. La popularité de Claude Code et d'un projet communautaire appelé DeepSeek-TUI (un agent de codage en terminal) démontre à la fois la maturité perçue des modèles DeepSeek et le besoin d'une solution officielle et intégrée. En lançant son propre projet Harness, DeepSeek cherche à capitaliser sur ses atouts : un accès direct à l'équipe des modèles, la capacité de créer une boucle de rétroaction entre les produits et l'entraînement des modèles, et un contrôle total sur l'expérience développeur. Il s'agit pour la société de passer d'un fournisseur de modèles puissants à un créateur d'agents opérationnels, "en donnant des mains à ses modèles".

链捕手05/22 02:21

Source interne : DeepSeek met en place une équipe 'Harness' pour concurrencer Claude Code