# Multi-Agent Articles associés

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

Opus 5 : une formule de prompts pour créer des jeux devient virale, permettant de répliquer un jeu AAA en 24 heures

Le "Prompt Challenge Loop" basé sur Opus 5 fait sensation, permettant de créer des prototypes de jeu en 24 heures. Le principe : un agent principal décompose la tâche, des agents spécialisés exécutent, et un agent "juge" évalue en continu la qualité visuelle par rapport à des références AAA comme *Call of Duty*, forçant des itérations jusqu'à atteindre un standard élevé. Un utilisateur, Anshu, a ainsi créé *The Long Silence*, un jeu d'exploration spatiale, en trois étapes : définition de l'objectif, amélioration visuelle sur 24h avec agents parallèles et jugement comparatif, puis optimisation manuelle. Le résultat, jouable en navigateur, est impressionnant. Cette méthode a inspiré une communauté : des jeux de kart, un "Claudepunk 2077" et d'autres prototypes ont émergé, démontrant la capacité d'Opus 5 aux travaux longs et itératifs. L'inventeur, Matt Shumer, y voit une preuve que le public sous-estime les capacités actuelles de l'IA.

marsbit07/29 08:50

Opus 5 : une formule de prompts pour créer des jeux devient virale, permettant de répliquer un jeu AAA en 24 heures

marsbit07/29 08:50

Le Phénomène Inattendu Japonais de l'IA : Comment un Petit Modèle de 7B Défie Fable et Mythos ?

En juin 2026, Sakana AI, basée à Tokyo, a présenté Fugu, un modèle d'IA qui défie les attentes. Malgré sa taille modeste de seulement 7 milliards de paramètres, son système "Fugu Ultra" obtient des scores élevés (73,7 sur SWE-Bench Pro et 82,1 sur TerminalBench 2.1), surpassant des géants comme GPT-5.5 et Claude Opus 4.8. Son secret ? Fugu n'est pas un modèle monolithique, mais un "chef d'orchestre" (RL Conductor). Ce petit modèle utilise l'apprentissage par renforcement pour analyser une tâche utilisateur, puis la décompose et la route dynamiquement vers un pool d'agents spécialisés utilisant les meilleurs modèles externes (GPT, Gemini, Claude, etc.). Il valide et synthétise leurs réponses. Cette architecture d'orchestration multi-agents permet à Fugu d'exceller dans des tâches complexes et multi-étapes comme la revue de code approfondie, les tests de sécurité complets ou la stabilité dans les conversations longues, tout en économisant des tokens. Cette approche représente une voie d'innovation "asymétrique" pour le Japon, confronté à des contraintes de calcul et de données. Plutôt que de concurrencer frontalement les modèles géants, Sakana AI crée un système intelligent pour exploiter au mieux les capacités existantes. Cependant, cette force est aussi sa faiblesse : Fugu dépend fortement des API des grands modèles américains, ce qui pose des risques de stabilité, de coût et de latence. De plus, ses comparaisons avec des modèles de pointe sous restrictions à l'export (comme Fable 5) sont basées sur des rapports publics et non sur des tests directs, suscitant des débats. En résumé, Fugu est une innovation système brillante qui change la donne pour les workflows complexes, mais ses utilisateurs doivent être conscients de ses dépendances sous-jacentes.

marsbit06/22 11:23

Le Phénomène Inattendu Japonais de l'IA : Comment un Petit Modèle de 7B Défie Fable et Mythos ?

marsbit06/22 11:23

L'AGI n'est pas l'arrivée, nouveau document de DeepMind : Vers l'ASI, le véritable progrès de l'IA ne fait que commencer

Si l'intelligence artificielle générale (IAG) était atteinte demain, quelle serait la prochaine étape ? Une étude de Google DeepMind suggère que l'IAG n'est pas un point final, mais une étape vers une superintelligence artificielle (ISA) dépassant les collectifs d'experts humains. L'étude distingue trois concepts : l'IAG (niveau médian humain), l'ISA (supérieure aux meilleurs collectifs humains dans presque tous les domaines) et l'IA universelle (limite théorique). Elle propose quatre voies potentielles vers l'ISA : 1. **Extension des ressources** : augmentation de la puissance de calcul, des données et des modèles. 2. **Évolution algorithmique** : améliorations incrémentales ou nouveaux paradigmes (apprentissage continu, utilisation d'outils, modèles du monde). 3. **Auto-amélioration récursive** : des IA plus performantes conçoivent la génération suivante, créant une boucle de rétroaction positive. 4. **Coordination multi-agents** : des systèmes IAG collaborant atteignent une intelligence collective supérieure. L'étude identifie six principaux goulets d'étranglement : 1. **Le mur des données** : les données humaines de haute qualité pourraient s'épuiser. 2. **Pressions économiques et ressources naturelles** : coûts énergétiques et matériels. 3. **Limites des paradigmes neuronaux actuels** : problèmes d'apprentissage continu, de raisonnement robuste, d'hallucinations. 4. **Difficulté croissante de la recherche**. 5. **Barrières à l'abstraction** : difficulté à former de nouveaux concepts fondamentaux. 6. **Régulation, gouvernance et réaction sociale**. Un défi crucial est l'évaluation des capacités de l'IA au-delà du niveau humain, nécessitant de nouveaux benchmarks. L'étude conclut que la progression vers l'ISA reste incertaine, soumise à des contraintes physiques et de ressources, et appelle à un effort de recherche interdisciplinaire pour mieux anticiper cette évolution.

marsbit06/16 12:06

L'AGI n'est pas l'arrivée, nouveau document de DeepMind : Vers l'ASI, le véritable progrès de l'IA ne fait que commencer

marsbit06/16 12:06

Apple convoite l'IA embarquée, et un outsider émerge : le premier modèle cognitif voit le jour, 4B paramètres rivalisent avec GPT-5.4

Apple a mis en avant une renaissance de Siri propulsée par l’IA lors de la WWDC, tandis qu’Amazon a dû freiner l’utilisation interne de modèles volumineux en raison de coûts de calcul explosifs. Face à ce défi des “tokens”, Andrej Karpathy a suggéré de créer un “noyau cognitif” — un modèle déchargé des connaissances factuelles mais conservant des capacités de raisonnement. La société chinoise Nextie a concrétisé cette vision avec **Alpha**, un **modèle cognitif de 4B paramètres** qui, dans des tâches d’intelligence collective (débat, réflexion, vote), atteint des performances équivalentes à celles de modèles de milliers de milliards de paramètres comme GPT-5.4. Conçu pour être déployé en périphérie (sur MacBook ou robots embarqués), Alpha réduit radicalement les coûts de calcul et ouvre la voie à des agents **proactifs** capables d’agir de manière autonome, au lieu de simples réponses aux requêtes. L’équipe, issue de Microsoft XiaoIce, s’était déjà distinguée avec un petit modèle performant. Nextie se positionne sur le créneau des systèmes multi-agents, un domaine validé par des investissements récents comme celui d’OpenAI dans Isara. En résumé, ce modèle cognitif ne change pas seulement l’échelle des paramètres, mais aussi **l’équation économique** de l’IA, rendant viable une intelligence continue et proactive à faible coût.

marsbit06/09 12:09

Apple convoite l'IA embarquée, et un outsider émerge : le premier modèle cognitif voit le jour, 4B paramètres rivalisent avec GPT-5.4

marsbit06/09 12:09

TaiJi lève 3,5 millions de dollars en financement stratégique avec la participation de Castrum Capital, Becker Ventures et Coinvestor Ventures

TaiJi a annoncé avoir levé 3,5 millions de dollars lors d’un tour de financement stratégique avec la participation de Castrum Capital, Becker Ventures et Coinvestor Ventures. Les fonds seront principalement destinés au développement produit, à l’amélioration du moteur d’analyse IA, à la construction d’un système multi-agents, à l’enrichissement des infrastructures de données de marché, à l’expansion de la communauté mondiale et au renforcement des partenariats. TaiJi construit un réseau intelligent de marché basé sur l’IA au sein de l’écosystème BSC. La plateforme intègre les données de marché, les flux on-chain, l’évolution de la liquidité, le sentiment des réseaux sociaux et les actualités pour générer des analyses structurées, des scénarios d’impact, des évaluations des risques et des indicateurs de suivi. Contrairement aux outils traditionnels, TaiJi ne se contente pas d’afficher des données mais agrège en temps réel différentes sources d’information pour former un réseau de données contextuelles. Il s’appuie sur plusieurs agents spécialisés (marché, on-chain, sentiment, risque, événements) qui travaillent ensemble pour transformer des signaux fragmentés en pistes d’analyse structurées. Les premiers modules proposés incluront : Market Intelligence (veille consolidée), Scenario Engine (simulations d’impact), Impact Map (cartographie des effets), Risk Signals (détection des risques) et My TaiJi (espace personnalisé). TaiJi ne détient pas les actifs des utilisateurs, ne fournit pas de conseils en investissement et ne garantit aucun rendement.

marsbit06/02 09:50

TaiJi lève 3,5 millions de dollars en financement stratégique avec la participation de Castrum Capital, Becker Ventures et Coinvestor Ventures

marsbit06/02 09:50

TaiJi lève 3,5 millions de dollars en financement stratégique avec la participation de Castrum Capital, Becker Ventures et Coinvestor Ventures

TaiJi, une plateforme d'intelligence de marché native IA pour le Web3, a annoncé avoir levé 3,5 millions de dollars dans un tour de financement stratégique. Cette ronde a vu la participation de Castrum Capital, Becker Ventures et Coinvestor Ventures. Les fonds seront principalement alloués au développement produit, à l'amélioration du moteur d'analyse IA, à la construction d'un système d'analyse multi-agents, à l'enrichissement des infrastructures de données de marché, à l'expansion de la communauté mondiale et au renforcement des partenariats écosystémiques. TaiJi construit un réseau intelligent de marché sur la blockchain BSC. La plateforme vise à intégrer les données de marché (cotations, flux de capitaux on-chain, liquidités), le sentiment des réseaux sociaux et l'actualité des projets dans un système de simulation IA unifié. L'objectif est de transformer ces signaux fragmentés en résultats structurés : simulations d'événements, chemins d'impact, évaluations des risques et indicateurs de suivi. Contrairement aux outils traditionnels, TaiJi ne se contente pas d'afficher des données. Elle utilise un cadre multi-agents (agents de marché, on-chain, de sentiment, de risque, d'événements) pour analyser conjointement l'impact des événements sur les actifs, les récits narratifs, la liquidité et l'attention du marché. Les premiers modules prévus incluent : une couche d'intelligence de marché en temps réel (Market Intelligence), un moteur de scénarios (Scenario Engine), une cartographie des impacts (Impact Map), des signaux de risque (Risk Signals) et un espace utilisateur personnalisé (My TaiJi). La plateforme souligne qu'elle ne détient pas les actifs des utilisateurs, n'effectue pas de transactions en leur nom, ne fournit pas de conseils en investissement et ne promet aucun rendement.

链捕手06/02 09:29

TaiJi lève 3,5 millions de dollars en financement stratégique avec la participation de Castrum Capital, Becker Ventures et Coinvestor Ventures

链捕手06/02 09:29

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

Avancée majeure dans la collaboration de l'IA ! Stanford et NVIDIA éliminent les frictions de communication de l'IA, la vitesse de raisonnement bondit de 2,4 fois

Percée majeure dans la collaboration IA : Des chercheurs de Stanford, de l'UIUC, du MIT et de NVIDIA ont développé "RecursiveMAS", une nouvelle architecture qui permet à plusieurs agents IA de communiquer directement par leurs représentations internes (espace latent), éliminant ainsi la nécessité de générer et d'analyser du texte à chaque étape. Cette approche, comparée à une "télépathie", surmonte le problème de la "taxe linguistique" qui ralentit et alourdit les systèmes multi-agents traditionnels. Le système repose sur des modules légers "RecursiveLink" qui transfèrent les états cachés entre modèles. Seuls ces modules nécessitent un entraînement (environ 0.31% des paramètres), les modèles de base restant figés, ce qui réduit considérablement les coûts. Les tests sur 9 benchmarks montrent des gains significatifs : la précision augmente de 8.3% en moyenne, la vitesse de raisonnement est multipliée par 2.4 (avec des gains croissant avec le nombre de cycles récursifs), et la consommation de tokens est réduite de 75%. Cela ouvre une nouvelle voie pour améliorer l'efficacité des systèmes multi-agents en augmentant la profondeur récursive plutôt que le nombre d'agents ou la taille des modèles. Des défis subsistent, comme la vérification indépendante des résultats, l'interopérabilité entre modèles hétérogènes et la réduction de l'explicabilité du processus de collaboration.

marsbit05/21 00:17

Avancée majeure dans la collaboration de l'IA ! Stanford et NVIDIA éliminent les frictions de communication de l'IA, la vitesse de raisonnement bondit de 2,4 fois

marsbit05/21 00:17

L'Agent est entré dans l'ère pilotée par le Harnais

L'ère des agents IA est désormais pilotée par le "Harness", un système d'architecture complet qui maximise les capacités des modèles. La fuite du code source de Claude Code d'Anthropic a révélé six composants clés de cette approche : prompts système multicouches, schéma d'outils, boucle d'appel d'outils, gestionnaire de contexte, sous-agents et mécanismes de vérification. Le Harness intère entraînement et production, permettant un apprentissage par renforcement en trajectoire complète et une coordination hiérarchique d’agents. Les implications sont majeures : les compétences en ingénierie purement prompt deviennent moins pertinentes face au besoin de talents hybrides (IA, ingénierie, infrastructure), les entreprises intermédiaires doivent se spécialiser ou disparaître, et le déploiement d’agents exige désormais une approche privée, sécurisée et de bout en bout. La valeur ne réside plus dans le modèle seul, mais dans l’architecture qui l’exploite.

marsbit04/15 10:18

L'Agent est entré dans l'ère pilotée par le Harnais

marsbit04/15 10:18

L'utilité de l'homme : Agentic Wallet et la prochaine décennie des portefeuilles

En 1984, Apple a tué la ligne de commande avec une souris. En 2026, les agents tuent la souris. Les grandes technologiques investissent désormais dans des interfaces Agent-natives, délaissant les GUI. Mais une question cruciale persiste : lorsque l'utilisateur du logiciel devient un Agent, l'homme doit-il encore être présent ? L'Agentic Wallet répond à cette question dans le domaine de la cryptographie. Il ne s'agit pas de donner un contrôle illimité à l'Agent, mais de créer un système où les humains définissent des règles et des limites, et où les Agents opèrent en autonomie *dans ces limites*. Ce n'est pas un simple conteneur d'actifs, mais un système de permissions et d'exécution. Contrairement au "Fat Wallet" qui verrouille l'utilisateur humain, l'Agentic Wallet doit conquérir le *contrôle* lorsque les logiciels gèrent directement les fonds. Son architecture repose sur quatre couches : compte (conteneurs isolés), permissions (définir les limites), exécution (interfaces pour programmes) et gouvernance (audit, veto humain). Des capacités clés le soutiennent : des "Skills*" pour des opérations standardisées, des "Policies*" et une identification (KYA/KYT) pour faire respecter les règles, des "Session Keys*" pour des autorisations temporaires et limitées, et un système d'audit complet. Aujourd'hui, des solutions émergent (Coinbase, Safe, etc.), mais des lacunes persistent : identité et réputation non portables, absence de standard pour les stratégies, sécurité adversarial non résolue et couverture multi-chaînes limitée. L'avenir réside dans un "Wallet Policy Plane*", un plan de décision unifié qui valide chaque action *avant* l'exécution sur la blockchain, évoluant des règles statiques vers une autorisation dynamique basée sur la confiance et la réputation de l'Agent. Le champ de bataille n'est plus l'interface utilisateur, mais la couche de contrôle invisible.

marsbit03/22 03:16

L'utilité de l'homme : Agentic Wallet et la prochaine décennie des portefeuilles

marsbit03/22 03:16

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow