Pendant longtemps, j’ai pensé que la plus grande avancée en IA viendrait de la création d’un modèle capable de mieux réfléchir que le précédent.
Des fenêtres de contexte plus grandes. Un meilleur raisonnement. Des réponses plus précises. Chaque nouvelle génération semblait nous rapprocher d’une IA capable de gérer des tâches toujours plus complexes.
Mais dernièrement, j’ai commencé à m’intéresser à une autre question.
Que se passe-t-il lorsque l’IA cesse de fonctionner seule ?
Imaginez une entreprise où un agent étudie un nouveau marché, un autre analyse le comportement des clients, un troisième élabore une stratégie marketing et un quatrième mène la campagne. Chaque agent peut exceller dans sa tâche individuelle. Pourtant, l’ensemble du système peut échouer si ces agents ne parviennent pas à coordonner leurs actions, à échanger des informations de manière fiable ou à travailler avec différents services.
Cela change ma façon de voir la prochaine phase de l’IA.
Le principal obstacle n’est peut-être plus l’intelligence à elle seule. Il pourrait s’agir de l’infrastructure qui relie cette intelligence au monde réel.
Un modèle d’IA peut générer un plan, mais un plan n’est pas une exécution. Un agent peut accomplir une tâche, mais une économie nécessite l’interaction de nombreux participants. Et lorsque ces interactions ont lieu entre différentes applications, plateformes et systèmes, la compatibilité et la confiance deviennent essentielles.
C’est cet aspect de l’économie des agents que je trouve particulièrement intéressant.
Kite construit une infrastructure pour cet environnement émergent, où les agents d’IA peuvent devenir des participants actifs plutôt que de simples outils en attente d’instructions humaines. À mes yeux, l’opportunité plus vaste consiste à rendre les activités autonomes réalisables à grande échelle, et pas seulement à rendre chaque agent plus impressionnant.
Bien sûr, il y a une différence entre une vision séduisante et une adoption généralisée. Les développeurs ont besoin de raisons claires pour intégrer l’infrastructure, les entreprises ont besoin d’avantages mesurables et les utilisateurs doivent pouvoir compter sur les systèmes autonomes pour fonctionner comme prévu. Ce sont les défis à suivre à mesure que l’écosystème se développe.
Ce que j’en retiens, c’est que la prochaine grande percée de l’IA ne sera peut-être pas un nouveau modèle qui obtient de meilleurs résultats à un test de référence.
Il pourrait s’agir de l’infrastructure qui permet à des milliers d’agents performants de travailler ensemble comme un système connecté unique.
Point technique : la distinction se situe entre les capacités d’un modèle et celles d’un système. Améliorer un agent peut améliorer l’exécution d’une tâche donnée, tandis qu’améliorer l’infrastructure entre les agents pourrait ouvrir la voie à des flux de travail entièrement nouveaux.
Autocritique : les agents interconnectés introduisent aussi davantage de dépendances et de points de défaillance potentiels. Une automatisation accrue n’entraîne pas automatiquement de meilleurs résultats. Le véritable critère de réussite sera de déterminer si ces systèmes produisent des résultats fiables et une réelle valeur ajoutée par rapport à ce qu’un seul agent peut déjà accomplir.
J’observe Kite sous cet angle plus large.
Selon vous, qu’est-ce qui créera le plus de valeur à long terme : des modèles d’IA plus intelligents ou une meilleure infrastructure pour les relier ?
