Les agents d’IA deviennent bien plus capables que les chatbots. Ils commencent à planifier, à exécuter des tâches, à interagir avec des applications et à assister des flux de travail de plus en plus complexes. À mesure que ces capacités se développent, une question devient plus importante : comment rendre l’IA autonome digne de confiance ?
C’est ici que @NEAR Protocol adopte une approche intéressante avec IronClaw 1.0.
Au lieu de permettre à un modèle d’IA de réfléchir et d’exécuter des actions sans supervision, IronClaw introduit une couche Guard qui sépare la prise de décision de l’exécution. Les opérations sensibles nécessitent une approbation explicite, créant ainsi une couche de sécurité supplémentaire pour les flux de travail alimentés par l’IA.
Les résultats sont soutenus par de solides performances aux benchmarks. En utilisant le modèle de base DeepSeek-V4-Flash, IronClaw a atteint 93,5 % sur PinchBench, 88,6 % sur ClawBench et 76,4 % sur OfficeQA, démontrant qu’une architecture axée sur la sécurité n’a pas forcément à compromettre les performances.
Un autre point qui m’a marqué est son checkpointing continu. Au lieu de perdre la progression après une interruption, IronClaw reprend exactement là où il s’était arrêté. Combiné à une mémoire omnicanale sur CLI, Web, Slack et Telegram, cela donne l’impression d’avoir été conçu pour un usage véritablement entreprise, plutôt que pour des démonstrations isolées.
En regardant au-delà de #IronClaw elle-même, @NEAR Protocol construit un écosystème d’IA décentralisé plus vaste, dans lequel les utilisateurs et les développeurs peuvent s’appuyer sur une infrastructure d’IA confidentielle et vérifiable. Dans cette vision, le staking devient plus qu’un moyen de gagner des récompenses : il contribue à sécuriser le réseau décentralisé dont les futurs agents IA auront besoin.
À mesure que l’IA continue d’évoluer, l’architecture, la sécurité et l’infrastructure pourraient devenir aussi importantes que la taille des modèles.
Selon vous, qu’est-ce qui comptera le plus pour la prochaine génération d’agents IA : des modèles plus puissants ou une infrastructure plus digne de confiance ?