跟Leo看AI

Mt. Gox reporte encore et encore : la date limite de remboursement est repoussée au 31 octobre 2027

La raison officielle invoquée est qu’un nombre important de créanciers n’ont toujours pas terminé leur inscription et leur vérification. Certains versements ont également rencontré des problèmes. Il faut dire que Mt. Gox a été piraté il y a plus de dix ans 👇👇

2014 : la plateforme d’échange japonaise Mt. Gox est victime d’une cyberattaque. Environ 850 000 bitcoins sont dérobés, puis la plateforme fait faillite.

Juillet 2024 : Mt. Gox commence officiellement à rembourser les BTC, par l’intermédiaire de plateformes comme Kraken, Bitstamp, BitGo, Bitbank et SBI VC Trade. Plus de 90 000 BTC sont transférés au cours du mois.

Depuis 2023 : la date limite a déjà été repoussée quatre fois de suite, passant de 2023 à 2027.

Sur les 142 000 BTC disponibles pour les remboursements, près de 110 000 bitcoins ont déjà été remboursés. Il en reste environ 34 000 dans le portefeuille du syndic. On peut donc dire que les indemnisations de Mt. Gox exercent désormais une pression vendeuse bien moins forte sur le marché qu’auparavant. #门头沟还款再度延期

🐮😱 Le documentaire le plus dingue de tous les temps ? Le nouveau film étranger « Tu peux tout voir » vient d’obtenir la meilleure note sur MTC depuis près de 10 ans. Et c’est un véritable documentaire.

Le film est consacré à Elizabeth Holmes, figure centrale de l’incroyable fraude qui a secoué la Silicon Valley. À 19 ans, elle a quitté Stanford pour se lancer dans l’entrepreneuriat et a réussi à faire grimper la valorisation de son entreprise à 9 milliards de dollars — à l’époque, elle jouait dans la même cour que Tesla. Mais il s’est avéré que cette entreprise n’était, du début à la fin, qu’une vaste escroquerie❗️

Le film a été tourné 34 jours avant son incarcération. Elizabeth Holmes y apparaît elle-même, et les entretiens comme les scènes tournées à ses côtés nous plongent dans son quotidien. À la lumière de ce qu’elle a fait, et avec ses grands yeux caractéristiques qui clignent à peine, le film dégage une atmosphère glaçante, presque horrifique.

Revenons ensemble sur cette escroquerie👇👇

En 2003, Holmes a fondé Theranos, une entreprise de tests sanguins qui prétendait pouvoir réaliser des centaines d’analyses à partir de quelques gouttes de sang prélevées au bout du doigt. Forte de cette histoire et d’une image soigneusement calquée sur celle de Steve Jobs, elle a convaincu de grandes figures politiques comme Henry Kissinger et George Shultz de siéger au conseil d’administration. En 2014, la société était valorisée à environ 9 milliards de dollars, et Holmes était devenue la plus jeune milliardaire autodidacte. Mais cette technologie n’a en réalité jamais fonctionné. En secret, l’entreprise utilisait des appareils commerciaux modifiés pour analyser les échantillons, trompait les investisseurs et les autorités de régulation, et transmettait des résultats inexacts à de véritables patients.

En 2015, le journaliste du Wall Street Journal John Carreyrou a révélé la fraude après avoir recueilli les témoignages d’employés. Theranos a été dissoute en 2018. En 2022, Holmes a été condamnée à 11 ans et 3 mois de prison pour avoir fraudé des investisseurs. Elle est toujours incarcérée. Cette affaire est aussi devenue l’exemple négatif le plus célèbre de la culture de la Silicon Valley qui consiste à « faire semblant d’avoir réussi jusqu’à ce qu’on réussisse ».#骗局 #你能看到一切

La menace quantique est de retour, et cette fois, elle semble différente !!🚨🚨

Il y a deux jours, Anthropic a publié un article sur l’informatique quantique intitulé : « L’IA conçoit des circuits quantiques plus efficaces pour accélérer les applications en chimie et en science des matériaux ».

Mais la tâche décrite le plus en détail parmi les 8 de l’article est l’addition de points sur une courbe elliptique de 256 bits. C’est une étape clé pour qu’un ordinateur quantique puisse casser le problème du logarithme discret sur les courbes elliptiques, et les signatures de $BTC et de $ETH reposent justement sur les courbes elliptiques.

En quoi consistait la tâche ?
1. On a simplement donné à Claude Mythos 5 une brève description du problème et un système d’évaluation automatique (nombre de qubits × nombre de portes logiques). Il a ensuite itéré de manière autonome, sans pratiquement aucune intervention humaine.
2. L’étape la plus coûteuse de l’addition de points est l’inversion modulaire. Claude a travaillé pendant 53 heures et créé la première implémentation réversible de divsteps qui n’a pas besoin de stocker l’historique des branchements. Il a aussi démontré de lui-même plusieurs nouvelles identités algébriques et les a vérifiées formellement avec Lean.
3. Par rapport à la conception la plus compacte jusque-là, elle utilise 12 % de qubits en plus, mais 17 fois moins de portes logiques.
4. Au passage, il a aussi conçu un décodeur Reed–Solomon pour DQI utilisant 12 fois moins de portes logiques que la solution précédente de Google.
5. Un peu d’histoire pour comparer : le nombre de portes Toffoli nécessaires à la simulation de FeMoco, estimé à environ 50 000 milliards en 2017, est aujourd’hui tombé à environ 340 millions, soit une réduction d’environ 150 000 fois. Ce résultat est principalement dû aux améliorations successives des algorithmes apportées par plusieurs équipes de recherche pendant huit ans, chaque étape ayant nécessité plusieurs mois.
La conception de courbe elliptique de Claude, elle, n’a demandé qu’une seule exécution de 53 heures.

Autrement dit, en seulement 53 heures, l’IA a rendu moins coûteuse en ressources une étape clé pour qu’un ordinateur quantique puisse casser les signatures de BTC et d’ETH. Vos cryptomonnaies ne risquent pas encore d’être volées, mais la menace quantique pourrait se concrétiser plus tôt que prévu.

Dès que le matériel sera à la hauteur, les adresses dont la clé publique a déjà été exposée sur la blockchain seront les premières à être menacées. Il ne faut donc plus tarder à adopter des signatures résistantes aux attaques quantiques !!

#AI CoreWeave va-t-elle devenir la bombe des subprimes de l’IA 🚨⚠️ Cette fois, les encouragements de Jensen Huang ne suffiront peut-être pas

Ces derniers temps, le patron Huang n’a cessé de redonner confiance aux marchés : les turbulences actuelles finiront par passer, l’IA transformera tous les secteurs et nous n’en sommes qu’au début.

Mais à Wall Street, la question n’est déjà plus de savoir si l’IA est utile, mais plutôt : combien de temps faudra-t-il pour rentabiliser tous ces GPU achetés à crédit ?

Le modèle d’expansion de CoreWeave est simple : acheter des GPU, signer des contrats d’informatique à long terme, puis emprunter en s’appuyant sur ces contrats et ces actifs pour acheter encore plus de GPU. Tant que les clients paient à temps et que les financements continuent d’affluer, le cycle peut se poursuivre.

Le problème, c’est que si le manque d’électricité ralentit les livraisons, les revenus risquent d’être retardés, tandis que les intérêts restent dus. Les anciens GPU se déprécient aussi au fil des avancées technologiques. Si les nouvelles commandes diminuent et que les prix des renouvellements baissent, il pourrait devenir plus difficile à la fois de gagner de l’argent et d’emprunter.

Des revenus inférieurs aux prévisions rendent les emprunts plus coûteux ; des emprunts plus coûteux compliquent le remboursement de la dette. Voilà ce que les marchés redoutent : une « spirale de la mort », et pas seulement quelques jours de baisse du cours de l’action.

Jensen Huang a bien sûr de bonnes raisons de croire en l’IA. Mais le fait que Nvidia gagne de l’argent en vendant des GPU ne signifie pas que les entreprises qui les achètent réussiront elles aussi à rentabiliser leur investissement.

Les contrats à long terme et la demande soutenue pourraient pérenniser ce modèle. Il est encore trop tôt pour parler de « crise des subprimes ». Mais pour dissiper les doutes des marchés, CoreWeave devra apporter des preuves de sa trésorerie, pas demander qu’on y croie.

Musk est vraiment à l’avant-garde du progrès humain. Regardez tout ce qu’il entreprend : des fusées, Starlink, des voitures électriques, des centres de données dans l’espace… Chaque concept pourrait à lui seul inspirer un blockbuster hollywoodien. Et maintenant, il a même créé une voiture volante ! Les rédactions qu’on écrivait quand on était petits sont devenues réalité !!! C’est trop cool, franchement, on ne peut qu’admirer cet homme #特斯拉发布Roadster

Laoganma a récemment fait la une des tendances avec une actualité affirmant que cette entreprise avait gagné près de 800 millions de dollars en un an grâce à l’IA.

Que s’est-il passé ? En réalité, Laoganma a mis en service l’an dernier un système d’inspection visuelle basé sur l’IA, qui a fait baisser le taux de produits défectueux à 0,02 % pour les étapes clés de la production. Dans l’atelier, des caméras scannent le tapis roulant toutes les 0,3 seconde et les piments non conformes sont soufflés dans un bac à déchets. En gros, l’argent gagné n’a pas grand-chose à voir avec l’IA : l’IA a juste été mise là pour faire parler 😂😂

Mais avant l’utilisation de ce système d’IA, plus de 600 ouvriers triaient les piments sur toute la chaîne de production. Aujourd’hui, ils ne sont plus que moins de 50. Suis-je le seul à avoir de la peine pour ces ouvriers qui ont été remplacés ??

#Muse超越ChatGPT成iOS免费榜首 Pourquoi la Chine n’a-t-elle pas encore son propre Muse ? Le téléphone Doubao : « J’aimerais bien le faire, mais ils ne sont pas d’accord 😕😕 »

L’assistant du téléphone Doubao voulait depuis longtemps créer un agent intelligent complet capable de passer automatiquement des commandes sur Taobao et de commander des repas sur Meituan pour les utilisateurs. Pour obtenir les autorisations nécessaires, Doubao a publié le mois dernier un règlement et l’a soumis à consultation pendant 30 jours, afin que les différentes entreprises propriétaires d’applications puissent choisir si elles autorisaient ou non l’IA de Doubao à agir automatiquement à la place des utilisateurs. Résultat : à la fin de la période de consultation, plusieurs grandes entreprises chinoises, dont WeChat, Alipay, Taobao, Meituan, Pinduoduo et Xiaohongshu, ont toutes refusé.

En réalité, la logique des grandes entreprises est facile à comprendre : si vous laissez l’IA agir à votre place, comment puis-je encore vendre des recommandations aux commerçants et des publicités à l’ouverture de l’application ? Dans cette affaire, tout semble n’apporter que des inconvénients, sans aucun avantage. À court terme, il n’y a vraiment pas de solution.

Un autre acteur célèbre a révélé avoir spéculé sur les NFT et y avoir perdu encore plus qu’en bourse 😂😂 De mémoire, Stephen Chow, Jay Chou, JJ Lin et Edison Chen ont aussi spéculé sur les NFT, non ? Mais la plupart ont quand même réussi à plumer quelques petits investisseurs. #方力申自爆买NFT亏惨

Je n’en reviens pas ! Un jeu en 3D avec un tel rendu, créé par une seule personne en bricolant avec l’IA pendant seulement deux semaines et demie ! Je suis allé y jouer : le style graphique et la musique sont au top. Publié hier soir, il a déjà dépassé les 1,6 million de vues ! Et ça continue de grimper en flèche.

C’est incroyable : avoir du goût, savoir utiliser l’IA, être efficace et avoir envie de partager et de s’exprimer, voilà la recette gagnante de notre époque !!!

Ce monde est vraiment dingue… Les IA se mettent à avoir des enfants et doivent même prendre un congé maternité 😓😓

Il y a quelques jours, un tribunal fédéral du district sud de New York a condamné Michael Smith, 54 ans, à 18 mois de prison pour avoir fraudé en générant de la musique avec l’IA et en manipulant les écoutes en streaming 😳😳 Il s’agit aussi de la première affaire pénale de ce type aux États-Unis.

Comment s’y prenait-il exactement ? Il a d’abord utilisé des outils d’IA pour générer des centaines de milliers de chansons en série, puis les a mises en ligne sur des plateformes majeures comme Spotify et Apple Music afin de toucher des droits d’auteur. Ensuite, il faisait appel à des robots pour gonfler le nombre d’écoutes. En sept ans, cette méthode lui a rapporté 8,09 millions de dollars…

Et ce gars-là a été arrêté en 2024. S’il avait utilisé l’IA d’aujourd’hui, il aurait gagné encore plus #神操作

Je n'arrive pas à croire que je découvre ce créateur seulement maintenant !! Martin Luk, un étudiant hongkongais, a remporté l'an dernier le championnat américain d'investissement, dans la catégorie actions, avec un rendement annuel de 969,8 % 🏆🐮

On dit que sa stratégie classique préférée consiste à acheter lors des replis. Elle convient très bien aux petits capitaux et le coût des essais est faible. J'ai vu qu'il avait aussi plus de 8 000 abonnés sur YouTube et qu'il faisait souvent des retransmissions en direct de ses opérations boursières le soir.

#Ledger暂停CryptoBilis销售 Après le vol de Ledger, quelqu’un a déniché les conditions d’indemnisation d’un autre portefeuille matériel, OneKey, qui stipulent que l’indemnisation maximale n’est que de 100 dollars… Cela dit, cette affaire est vraiment difficile à juger, et il semble qu’on ne trouve pas de cas équivalent dans le Web2. Vous avez déjà entendu parler de quelqu’un qui, après s’être fait voler ses biens, aurait demandé réparation au fabricant de son coffre-fort ? Mais si des sommes énormes stockées dans un portefeuille sont dérobées à cause d’un problème de sécurité propre au portefeuille, et que celui-ci répond qu’il ne peut indemniser qu’à hauteur de 100 dollars maximum, qui pourrait accepter ça ? 🤡🤡

#xrp账本修复可增发xrp的漏洞 Si je me souviens bien, il s’est passé quelque chose de similaire avec le ZEC il y a quelques mois, et il a chuté de plus de 50 % le jour même, non ? Pourquoi le cours du XRP ne réagit-il pas vraiment ??

Il faut forcément trader avec les mains ? On ne peut pas le faire avec les pieds ?

Siba-jie est vraiment trop forte pour faire le show, hahaha.

#Manus完成超5亿美元新一轮融资 Manus est donc de retour ?? Et a levé 500 millions de dollars

Après avoir été racheté par Meta, puis avoir vu l’opération suspendue en urgence et l’accord annulé, Manus n’a pas baissé les bras. Peut-être qu’avec le recul, dans quelques années, on se dira que ne pas avoir été racheté par Meta était la bonne décision.

Pendant les vacances de la fête nationale, je suis retourné dans ma ville natale. Dans le chef-lieu du district, personne ne parlait d’IA, de grands modèles, de Bourse américaine, de puces électroniques ou d’intelligence incarnée. Les sujets éternels restent les petites histoires de famille et les banalités du quotidien.

Le monde semble être resté le même 🤫🤫

Muse explose au jour 13 : Meta grimpe de 11 %, mais l’histoire de « la nouvelle porte d’entrée de l’IA » n’est peut-être pas si crédible

Il y a dix ans, Zuckerberg démontrait sur la scène du F8 des robots Messenger pour commander des fleurs, en disant : « Personne n’aime appeler les commerçants. » Dix ans plus tard, la même entreprise lance un agent personnel, Muse. En seulement 13 jours, il atteint la première place du classement gratuit aux États-Unis, double première place, avec plus de 2,5 millions de téléchargements.

Le récit de Meta fait comme une boucle bien bouclée : en 2023, grâce à « l’année de l’efficacité », l’entreprise économise et progresse de près de 200 % ; en 2026, les dépenses d’investissement montent jusqu’à 130 milliards de dollars (1300 milliards de milliards dans le texte d’origine), et le cash-flow libre du T2 ne reste qu’à 784 millions de dollars, mais, avec Muse, l’action gagne encore 11 % sur une seule journée. Le marché ne se soucie pas de savoir si vous dépensez ou si vous économisez : il ne regarde que si l’histoire tient debout.

Mais c’est la 5e fois que les géants tentent de s’emparer du « super-pont d’accès » grâce à l’IA : lors des 4 précédentes tentatives, tout s’est arrêté à la fonctionnalité, sans jamais atteindre la porte d’entrée. Alexa permettait les achats par commande vocale : seulement 2 % des utilisateurs ont essayé, 90 % n’ont plus racheté. Les robots Messenger sont devenus du service client. GPT Store et Humane AI Pin ont échoué. « ChatGPT Instant Checkout » a été critiqué par Walmart : le taux de conversion n’était qu’un tiers de celui qui redirige vers le site. Après la fête du Nouvel An, « Qianwen » a offert 3 milliards d’euros (ou de dollars) en bons, avec un DAU qui a culminé à 73,52 millions, avant de retomber à 30 millions. À chaque fois, le marché paie pour l’agitation ; à chaque fois, la fin est la même.

Le nœud du problème des agents : éliminer le temps, mais vouloir garder les utilisateurs

Il n’y a que deux voies pour monétiser les « portes d’entrée » sur Internet : les recommandations, qui vendent de la visibilité en « consommant du temps », et la recherche, qui « apporte » les gens aux commerçants en assurant la livraison. L’agent personnel ne se place franchement ni de l’un ni de l’autre : il fait le travail à votre place, et vous fait partir le plus vite possible — c’est « éliminer le temps ». Mais il veut aussi garder les utilisateurs entre ses mains. Ce qu’il transmet aux commerçants, ce n’est qu’un ordre : on voit le compte et l’adresse, mais on ne voit pas la personne qui visite la boutique ; il n’y a ni exploration, ni temps passé, ni rachats. Le prochain achat relance une comparaison des prix : la victoire de cette fois ne constitue pas un avantage durable.

Un commerçant ne paiera pas cher pour une commande invisible. Et, côté agent, l’interface front présente des coûts marginaux réels : inférence, machines virtuelles, rendu, tentatives et reprises coûtent de l’argent. Meta, elle, veut pourtant bénéficier des deux côtés : facturer un abonnement aux utilisateurs, tout en prélevant une commission sur les transactions.

Les calculs sont cruels : selon la simulation d’un analyste de Morgan Stanley, en 2028, Muse compterait 100 millions d’utilisateurs, avec 5 requêtes par jour. 10 % auraient une valeur commerciale, et chaque monétisation rapporterait 0,07 dollar. Sur l’année : 1,3 milliard de dollars, ce qui ne contribuerait qu’à hauteur de 1 % du bénéfice par action de Meta. En face, la publicité annuelle de Meta au T2 s’élève à 237 milliards de dollars.

Choisir son camp est un savoir-faire

On sert les consommateurs ou les commerçants ? Ce qui mérite d’être acheté, c’est ce qui vit grâce à l’argent des vendeurs : « Yitao » a été bloqué par JD.com ; « Google Shopping » est passé de la comparaison gratuite à l’affichage payant. Le 20 septembre, Amazon a banni Muse, et la raison était très claire : une application tierce qui passe des commandes pour le compte des clients doit fonctionner de manière transparente et respecter la volonté des prestataires. Dès que l’agent bascule vers un modèle où il attire du trafic pour les commerçants contre paiement, il n’est plus l’agent acheteur qui vous fait économiser : c’est simplement un autre canal publicitaire. Mark Zuckerberg dit que Muse doit « vous aider à gagner de l’argent et à en économiser ». Or ces deux objectifs sont, par nature, en conflit.

Des barrières à la copie si basses qu’elles en donnent le vertige

Le protocole MCP permet de rendre rapidement homogènes les capacités branchées sur Gmail, le calendrier, les cartes, etc. Chacun a une machine virtuelle cloud + un navigateur visible : cette architecture n’est pas propre à Meta — Google a même devancé Muse de plus de trois mois avec Gemini Spark. Si on réussit vraiment à faire tourner cette voie, ce sont logiquement ceux qui tiennent Gmail/Chrome/Android — Google — ou ceux qui tiennent OpenAI — ou « Doubao » — qui devraient en bénéficier. Et le plus intéressant, c’est que l’usage le mieux noté de Muse repose précisément sur la boîte mail de Google : il suffit d’ajuster la grille de prix pour y gagner. Muse ne gagne, au fond, qu’un départ sur le nouveau produit : sur la même période, ChatGPT a été téléchargé 3,1 millions de fois en 13 jours, encore plus que Muse.

C’est pareil en Chine : Qianwen a été connecté à Taobao, mais sur un trimestre il a creusé 13,8 milliards (en AI, le texte indique 138亿, soit 13,8 milliards) de pertes liées à l’IA et s’est retourné contre ses propres flux publicitaires de recommandation. « WeChat » a encadré « Xiaowei » en limitant le déploiement en mode gris, car Tencent gagne de l’argent avec les publicités de sa plateforme vidéo. Meituan ouvre des interfaces mais garde la caisse. « Doubao » a heurté deux murs. La tentative la plus silencieuse vient de Pinduoduo : l’entreprise la plus dépendante de « flâner/errer » est celle qui est la plus frappée.

La durée de vie de la porte d’entrée

Pour devenir une porte d’entrée, il faut au moins quatre choses : générer la demande, encaisser l’argent, fidéliser les utilisateurs, rester neutre. Aujourd’hui, les agents personnels ne captent au mieux qu’une ou deux de ces dimensions. Chaque minute d’attention qu’ils vous font économiser est un actif que les entreprises Internet auraient pu monétiser ; chaque utilisateur qu’ils gardent, ce sont des personnes que les commerçants seraient prêts à payer pour capter.

L’analyste de Morgan Stanley, Brian Nowak, dit qu’il ne se soucie que d’une chose : est-ce que les utilisateurs paient vraiment sur Muse pour acheter des produits ? Il ne s’intéresse ni au nombre de téléchargements, ni au DAU.

Ces dernières années, l’IA s’est souvent racontée en « estimant la valeur des sociétés technologiques » à coups de dépenses. Mais, parmi toutes les histoires de portes d’entrée qui ne tiennent pas debout, la vraie rareté n’a jamais été le courage de dépenser : c’est la retenue de comprendre « quel argent ne devrait justement pas être dépensé ».

Hier, les actions de Meta ont bondi de plus de 11 % sur une seule journée. Intel et AMD ont respectivement tiré d’environ 12 % et 10 %. La cause : le produit d’agent IA personnel de Meta, Muse, continue de connaître un fort engouement. Il faut en parler, car cela pourrait en train de modifier en profondeur la logique sous-jacente de « la puissance de calcul de l’IA ».

I. Ce que Muse change réellement

La plupart des IA grand public disponibles sur le marché restent, dans l’essence, des outils de questions-réponses : vous saisissez un texte, le modèle fait son raisonnement, puis renvoie une réponse, et la tâche s’arrête là. Avec Muse, l’IA quitte la fenêtre de discussion pour entrer dans un véritable flux de travail : vous définissez un objectif, il le découpe en étapes, se connecte à des sites, fait appel à des services externes, lit l’état des pages, puis décide de la suite. Face aux étapes comme le paiement, l’envoi d’e-mails ou la modification d’un agenda, il demande une autorisation, exécute, puis vérifie de nouveau si la tâche est terminée.

La boucle fermée est la suivante : comprendre l’objectif → élaborer un plan → appeler des outils → observer les résultats → ajuster le plan → continuer l’exécution.

Dans l’IA traditionnelle, l’unité de travail, c’est « une conversation ». Dans l’agent, l’unité de travail, c’est « une tâche complète ». Meta a aussi ajouté un environnement d’exécution persistant côté cloud : même si vous fermez l’application, l’agent continue de tourner en arrière-plan. Cela signifie que la concurrence ne se joue plus seulement sur les modèles de base : elle dépend aussi des points de distribution, des données utilisateurs et de l’écosystème commercial. Meta contrôle un volume gigantesque d’entrées utilisateurs ; une fois que Muse aura capitalisé sur des e-mails, des agendas, des habitudes de consommation et l’historique des tâches, le coût de migration deviendra exorbitant. Vous ne transférez pas seulement des conversations : vous migrez tout un mode de travail.

II. Pourquoi l’impulsion concerne cette fois le CPU

Ces dernières années, le principal champ de bataille des infrastructures IA, c’était le GPU. Mais avec l’arrivée des agents dans le flux de travail, la structure de calcul change : le GPU gère « réfléchir » (comprendre l’objectif, générer un plan, reconnaître l’état d’une page). La partie qui « fait » réellement — lancer un système, démarrer des machines virtuelles, appeler des API, gérer les permissions, conserver l’état des tâches — s’exécute entièrement sur le CPU et des serveurs classiques.

Le chaînage d’un modèle de chat est : entrée → inférence → sortie → libération des ressources. Le chaînage d’un agent est : inférence → exécution CPU → attente des réponses externes → relecture de l’état → nouvelle inférence → nouvelle exécution. Une tâche longue peut ainsi boucler des dizaines, voire des centaines de fois. Le navigateur, les machines virtuelles, la mémoire et l’état des tâches doivent rester en ligne en continu. Les besoins en puissance de calcul IA passent donc de « générer un Token » à « fournir toutes les ressources système nécessaires pour accomplir une tâche complète ».

Dès que Muse s’ouvre à plusieurs milliards d’utilisateurs, même si une petite fraction exécute simultanément des agents, cela déclenchera une énorme quantité de machines virtuelles en concurrence, de processus de navigateur et d’appels API. Un agent personnel interagit avec la messagerie e-mail, le paiement et les droits de compte ; il ne peut pas faire tourner les tâches de tout le monde dans le même environnement. Plus on renforce l’isolation de sécurité, plus il faut attribuer des ressources dédiées à chaque utilisateur. Les besoins en CPU à l’ère des agents proviennent de trois lignes : augmentation du nombre de tâches concurrentes, allongement du temps de tâche, et resserrement de l’isolation de sécurité. C’est aussi pour cela que le marché se remet à regarder de près les serveurs multi-cœurs à CPU ; certains estiment même que, à l’avenir, le besoin en cœurs CPU pourrait doubler et que le ratio CPU/GPU pourrait tendre vers 1:1.

En une phrase, le cadre d’observation : quand le coût de l’inférence baisse, le goulot d’étranglement de l’IA ne sera plus « le modèle peut-il penser », mais « est-ce que l’arrière-plan peut exécuter en parallèle avec un coût suffisamment faible ».

III. Comment la demande se transforme en profit

La demande ne se traduit pas automatiquement en profit : l’élément clé, c’est le modèle économique « unitaire » de Muse. La version gratuite et deux paliers d’abonnement — 20 dollars, puis 100 dollars — serviront de base. À l’avenir, Muse pourra aussi monétiser via des agents pour entreprises, des interfaces pour développeurs et des commissions sur les transactions. Muse peut identifier l’intention de consommation réelle. La valeur théorique par utilisateur est supérieure à celle d’un simple clic publicitaire. Des organismes estiment que les revenus futurs pourraient dépasser 10 milliards de dollars.

Mais la structure des coûts des agents est différente : il faut faire tourner des machines virtuelles pour l’utilisateur, consommer de la mémoire, « brûler » le réseau et appeler des modèles. Plus on sollicite l’agent, plus les coûts côté back-office augmentent. Les deux paliers d’abonnement sont, dans l’essence, aussi un mécanisme de gestion des ressources : limitation du volume de tâches, du nombre d’appels et de la durée d’exécution en arrière-plan. Par rapport à un abonnement fixe, une commission sur les transactions colle mieux à la structure de coûts des agents.

Un mode de monétisation échangeable pourrait toutefois déclencher des conflits de plateforme. Amazon a déjà coupé l’accès à Muse pour les achats intégrés à son application : lorsque l’agent réalise la recherche et la commande à la place de l’utilisateur, celui-ci contourne les pages recommandation et les publicités. Les plateformes tierces suivront probablement l’une des trois voies : facturer l’accès via une interface ouverte, exiger un partage des transactions, ou bloquer l’accès non autorisé. Dans tous les cas, cela réduira la portée des services de Muse et ses marges.

IV. Comprendre cette chaîne de transmission

Pour Meta : Muse est la pierre de touche permettant de savoir si des dépenses d’investissement en IA peuvent se convertir en revenus grand public — le volume de téléchargements prouve la distribution ; le taux de réussite détermine la valeur ; la rétention et le paiement déterminent les revenus ; le coût unitaire par tâche détermine la profitabilité.

Pour Intel : le GPU pense, le CPU exécute. Si les agents grand public se déploient à grande échelle, le CPU des serveurs pourrait passer d’un simple composant auxiliaire à un maillon clé qui détermine la taille de la concurrence et le coût d’exploitation.

Toute la chaîne de transmission : les agents grand public obtiennent l’accès aux utilisateurs ; les tâches passent de la question-réponse à une exécution continue ; les machines virtuelles, les navigateurs et les appels d’outils explosent ; la demande en CPU, en mémoire et en réseau augmente ; les coûts d’infrastructure augmentent ; les revenus d’abonnement et les transactions valident l’économie unitaire ; et, en fin de compte, les besoins en puces se transforment en profit pour les fournisseurs.

Le GPU détermine si l’agent peut parvenir à tout comprendre et planifier correctement ; le CPU et l’infrastructure système déterminent s’il peut remplacer suffisamment de personnes pour accomplir les tâches ; et, pour finir, le retour sur capital dépend du montant gagné à chaque tâche accomplie, et de savoir si cela peut couvrir les coûts de toute la chaîne d’exécution.