Ce que je trouve intéressant dans l’approche de @NEAR Protocol est qu’elle considère les agents d’IA comme une infrastructure, et non simplement comme des chatbots dotés de plus d’outils.
Beaucoup de systèmes d’agents font encore passer le raisonnement, l’exécution, les secrets et l’accès à Internet par la même boucle. Cela peut être impressionnant dans une démonstration, mais le travail en conditions réelles est une autre histoire. Plus un agent a accès à d’outils, plus il y a de risques que quelque chose tourne mal.
IronClaw 1.0 adopte une approche différente.
L’agent prend les décisions, tandis qu’une couche de coordination distincte appelée le garde contrôle la manière dont ces décisions sont exécutées. Chaque action passe par cette couche, y compris les nouvelles capacités ajoutées plus tard.
Les résultats du benchmark sont intéressants parce que le modèle sous-jacent est resté le même : deepseek-v4-flash.
• PinchBench : 93,5 % sur 147 tâches réelles
• ClawBench : 88,6 % sur 140+ sites web de production
• OfficeQA : 76,4 % sur le raisonnement portant sur des décennies de documents du Trésor américain
Même modèle de base. Exécution différente. IronClaw est plus performant.
Mais, personnellement, je pense que l’architecture est plus importante que les chiffres.
IronClaw est construit autour de quelques garde-fous pratiques :
Plus sûr par conception : les actions sensibles peuvent nécessiter une approbation explicite, tandis que des secrets peuvent être délivrés quand c’est nécessaire, puis effacés.
État persistant : des points de contrôle continus permettent à un agent de reprendre là où il s’est arrêté au lieu de perdre sa progression après une interruption.
Mémoire omnicanale : CLI, Web, Slack et Telegram peuvent fonctionner comme un seul assistant tout en conservant les mêmes règles et le même contexte.
Isolation des équipes : les organisations peuvent partager des outils sans exposer automatiquement des espaces de travail privés.
Et puis il y a la vue d’ensemble plus large sur NEAR AI et le staking.
NEAR AI construit une infrastructure pour une IA décentralisée, en se concentrant notamment sur l’inférence confidentielle, le calcul et les agents IA. Dans ce contexte, le staking ne sert pas seulement à obtenir un rendement. Il aide aussi à soutenir et à sécuriser l’infrastructure décentralisée sur laquelle ces systèmes s’appuient.
Les utilisateurs peuvent mettre en jeu (stake) NEAR et recevoir des crédits de calcul récurrents pour l’inférence confidentielle et l’hébergement IronClaw, tandis que le principal reste récupérable.
Cela devient de plus en plus pertinent à mesure que les agents IA dépassent de simples conversations et commencent à interagir avec des sites web, des outils, des données et des systèmes sensibles. Les déploiements à venir comme OpenClaw font partie de cette direction plus large.
Mon principal enseignement est simple :
Les agents IA n’ont pas seulement besoin de meilleurs modèles. Ils ont besoin de meilleurs systèmes autour de ces modèles.
Si la sécurité n’existe que dans un document de politique, elle peut facilement devenir un simple détail après coup.
Avec IronClaw, l’idée est d’intégrer la sécurité au cœur même de l’exécution.
Et franchement, c’est la partie de l’approche IA de NEAR que je trouve la plus intéressante.
J’ai aussi partagé une analyse plus approfondie d’IronClaw 1.0 et du staking NEAR sur X et LinkedIn si vous voulez aller plus loin.
X : https://x.com/sheishelen914/status/2096210978027303108
LinkedIn :
https://www.linkedin.com/pulse/ironclaw-10-near-staking-why-agent-architecture-now-matters-essien-6xfse?utm_source=share&utm_medium=member_android&utm_campaign=share_via