Il y a quelques jours, j’ai commandé quelque chose en ligne. Avant de passer ma commande, je n’avais pas vraiment lu la description du produit. À la place, j’ai passé une dizaine de minutes à parcourir les commentaires, à regarder les photos des acheteurs, à vérifier la note de la boutique, et même à ouvrir spécifiquement les avis négatifs pour voir exactement quels pièges les autres avaient rencontrés. Ensuite, j’ai réalisé quelque chose : chaque jour, nous sommes exposés à énormément d’informations, mais ce qui influence vraiment les décisions, ce n’est jamais la quantité d’informations—c’est plutôt notre volonté de leur faire confiance.
Réfléchissons-y : à l’avenir, l’IA sera en réalité pareille. Aujourd’hui, tout le monde se demande si des agents d’IA peuvent négocier automatiquement, gérer automatiquement des actifs, ou exécuter automatiquement des stratégies. On a l’impression qu’à mesure que le modèle devient plus intelligent, on peut confier beaucoup de choses à l’IA. Mais si elle reçoit de mauvaises données, des données en retard, ou si, entre différents protocoles, les normes de données ne peuvent tout simplement pas être vérifiées les unes par rapport aux autres, alors plus elle exécute vite, plus le risque se propage vite aussi. Le véritable facteur qui fixe la limite de l’IA n’est pas le volume d’informations qu’elle peut traiter, mais sa capacité à porter des jugements à partir d’informations dignes de confiance.
C’est justement pour cela que, en relisant à nouveau le livre blanc @NewtonProtocol , je n’ai pas exactement les mêmes centres d’intérêt que beaucoup d’autres. Plutôt que de me demander de combien de fonctionnalités l’IA est capable, je me demande surtout pourquoi elle consacre autant de place à l’autorisation, à la validation et aux processus d’exécution. En lisant progressivement, j’ai fini par comprendre qu’elle ne cherche pas avant tout à rendre les Agents plus “intelligents”. Elle veut plutôt, avant qu’un Agent n’agisse, confirmer d’abord si la source des données est fiable, si l’autorisation est raisonnable et si l’exécution correspond à l’intention initiale de l’utilisateur. Autrement dit, ce n’est pas une hausse des capacités de l’IA : c’est une baisse de la probabilité que l’IA se trompe.
Donc, aujourd’hui, quand je regarde Mainnet Beta, c’est plutôt comme si j’observais si ce mécanisme peut résister à l’épreuve de l’environnement réel. À l’avenir, il y aura forcément de plus en plus d’Agents qui participent à la collaboration on-chain. Et si la couche de base ne fournit pas des mécanismes de validation et des règles d’exécution unifiés, même un IA très avancée aura du mal à instaurer une confiance durable. À l’inverse, tant que les règles de base sont suffisamment fiables, tout l’écosystème d’automatisation aura une chance de vraiment démarrer.
Après avoir lu l’ensemble du livre blanc, mon sentiment principal est en fait très simple. Avant, je pensais toujours que le plus important pour une IA, c’était d’améliorer sans cesse ses capacités. Maintenant, je me rends de plus en plus compte que les capacités ne sont qu’une première étape, et que c’est la confiance qui détermine jusqu’où elle peut aller. C’est aussi pour cela que je continue de suivre @NewtonProtocol , Mainnet Beta et $NEWT . Plutôt que de m’attendre à un Agent toujours plus “intelligent”, j’ai surtout envie de voir un réseau qui permette à tous les Agents de collaborer en toute sérénité : car c’est seulement ainsi que l’automatisation du Web3 pourra vraiment s’ouvrir à une application à grande échelle.