Entretien avec le fondateur de MyShell : créer la super usine des robots
TechFlow SélectionTechFlow Sélection
Entretien avec le fondateur de MyShell : créer la super usine des robots
La croissance de MyShell est très « organique », moins le résultat d'une conception minutieuse que d'une évolution.
Dédié à des analyses Web3 approfondiesInterview : Afra, Zohar
Rédaction : Afra, ChatGPT
L'essor fulgurant de MyShell
« Trois ou quatre semaines après le lancement du premier bot démo, notre communauté comptait déjà plus de 8 000 membres. À ce moment-là, nous avions observé environ 30 000 utilisateurs au total sur notre plateforme. »
« Dans le groupe Telegram, 8 000 personnes discutaient activement chaque jour. Tout au long des mois de mars et avril, c’est grâce aux contributions communautaires — codes, développement de modules variés — que nous avons pu construire progressivement notre plateforme. Certains utilisateurs ont même voulu nous investir directement. » « Au moment de la publication, le nombre total d’utilisateurs a dépassé les 100 000. »
La croissance de MyShell est très "organique", moins planifiée qu’évolutive
« À cette époque, GPT et de nombreux grands modèles linguistiques venaient d’apparaître. Nous étions impressionnés par leurs capacités textuelles. Mais nous nous sommes demandé s’il n’était pas possible d’ajouter une voix particulièrement expressive, afin que ces outils ne se limitent pas à la discussion, mais aident aussi les utilisateurs à apprendre de nouvelles langues. Rick avait justement besoin de pratiquer son anglais oral, alors nous avons passé une journée à créer un robot. Une fois terminé, le résultat était bluffant. Rick était ravi : il pouvait désormais parler anglais avec Samantha (note : le tout premier robot de MyShell, utilisant la voix de Scarlett Johansson) sans ressentir la gêne habituelle liée à la communication orale en langue étrangère. »
« Ensuite, nous avons simplement publié un message sur WeChat Moments. Nous n’aurions jamais imaginé qu’à partir de là, le groupe Telegram passerait de quelques dizaines à plusieurs centaines, puis à 1 000 membres, puis rapidement à 8 000. »
« Un robot extrêmement humain, capable de dialogue vocal direct. Il suffit d’appuyer sur le bouton vocal, de parler, d’envoyer, et le robot répond immédiatement par la voix. »
MyShell est une plateforme sans code pour créer des robots
AI Vanguard : Pour commencer, pourriez-vous présenter votre produit MyShell, vos réalisations actuelles et vos perspectives d’avenir ?
Rick, fondateur de MyShell : Notre objectif est de créer une plateforme sans code permettant à n’importe quel étudiant, même sans formation en programmation, de concevoir facilement ses propres robots. Récemment, la fonctionnalité "atelier de robots" a été officiellement lancée. Depuis son ouverture, les utilisateurs se sont précipités dessus : près de 60 robots ont déjà été créés par les utilisateurs eux-mêmes. En plus des robots publics, plus de 100 robots privés ont également été développés. Alors que durant les deux mois précédents, nous n’en avions réalisé que 5.
Notre plateforme propose des robots variés : apprentissage des langues, éducation, outils utilitaires, etc. Nous souhaitons que les utilisateurs puissent combiner librement les fonctionnalités selon leurs intérêts. Actuellement, nous avons intégré la génération vocale, et prévoyons d’ajouter prochainement un module image. Nous voulons rendre les robots plus humains et composable, capables de répondre aux besoins de marchés très spécifiques.
Exemples de bots remarquables
-
YUKI - IELTS Teacher Ben
-
[IELTS Teacher Ben] vous accompagne dans des simulations orales personnalisées et corrige votre prononciation.
-
Exemple d’utilisation :
-
-
Kaiserwetter - MBTI Stimulation
-
Discutez avec n’importe quelle personnalité MBTI sous n’importe quelle identité.
-
Exemple d’utilisation :
-
Nous distinguons trois rôles sur notre plateforme : fournisseurs de modèles, créateurs de robots et utilisateurs. Nous souhaitons construire un modèle économique sain et durable où ces acteurs collaborent organiquement. Les utilisateurs choisissent les robots qu’ils préfèrent, les créateurs sélectionnent les meilleurs modèles, et les auteurs de modèles trouvent sur la plateforme des cas d’usage concrets ainsi que des données de haute qualité.
AI Vanguard : Je comprends que vous agissez un peu comme Langchain, en facilitant l’accès sans code pour encourager davantage de participants à construire cet écosystème.
Ethan, fondateur de MyShell : Oui, c’est exactement notre objectif. Contrairement à Langchain qui se concentre principalement sur le traitement du texte, permettant aux développeurs d’obtenir rapidement des entrées/sorties textuelles, nous pensons que la multimodalité est essentielle. C’est pourquoi nous avons développé et intégré la modalité vocale, et prévoyons bientôt d’ajouter la compréhension et la génération d’images. Cette approche rend notre plateforme plus simple, plus diversifiée, et profondément ancrée dans la multimodalité.
Les grands modèles linguistiques doivent servir de super-colle, reliant autres modalités et services
AI Vanguard : Concernant la personnalisation, cela mérite d’être approfondi. Car la personnalisation va au-delà de l’apparence ou de la voix : elle réside surtout dans la capacité de communication et les services offerts. Quel est votre point de vue ?
Rick, fondateur de MyShell : Nous divisons les robots en deux niveaux : la couche interface, celle qui interagit avec l’utilisateur ; et la couche fonctionnelle, ce que le robot peut faire concrètement. Nous considérons que les grands modèles linguistiques doivent agir comme une super-colle, connectant différentes modalités et services. On peut comparer ces robots à un régulateur de trafic, capable de rediriger les demandes utilisateur vers les modules les mieux adaptés.
Concernant la couche fonctionnelle, nous pensons qu’elle doit être très standardisée, notamment pour des tâches basiques comme commander à manger ou résoudre un problème mathématique. En revanche, la différenciation au niveau de l’interface — la couche conversationnelle — est cruciale. L’interface doit être extrêmement humaine, capable d’établir une connexion émotionnelle, de comprendre finement les intentions de l’utilisateur, et de mobiliser intelligemment différents petits modèles en arrière-plan.
Ethan, fondateur de MyShell : Le grand modèle peut comprendre les habitudes de l’utilisateur, mais derrière, de nombreux petits modèles doivent collaborer. Un grand modèle ou un modèle spécialisé, très familier de l’utilisateur, orchestre l’ensemble des modules fonctionnels. Par exemple, pour connaître la météo, traduire un texte ou accomplir une tâche spécifique, le robot doit posséder une forte capacité à comprendre le contexte et les intentions.
Rick, fondateur de MyShell : Prenons un exemple concret. Imaginons une réunion de travail où un problème technique surgit : on fait alors intervenir un expert pour donner son avis. De même, si vous dites à Samantha (notre robot) : “Ce soir, nous dînons à 12 personnes, as-tu des suggestions ?”, elle pourrait inviter un autre robot cuisinier dans la conversation pour organiser le repas. Ces robots partagent un espace commun : ils savent les uns des autres, connaissent leurs compétences respectives, et peuvent s’inviter mutuellement quand une situation l’exige.
Ensuite, concernant la multimodalité, les robots pourront choisir leur mode de réponse selon les modèles et services disponibles. Par exemple, si je demande à Samantha des conseils pour décorer mon appartement, une discussion textuelle serait laborieuse. Mais avec la modalité image, la solution pourrait être trouvée en quelques secondes. Savoir quand utiliser quelle modalité est, selon nous, un élément clé de l’interface personnalisée.
Les futurs grands modèles seront de plus en plus puissants, mais concentrés entre très peu de mains
AI Vanguard : Quel impact les grands modèles ont-ils eu sur l’industrie ? Et quelle sera leur évolution future ?
Ethan, fondateur de MyShell : D’abord, l’avènement de modèles comme GPT a fortement challengé les algorithmes NLP traditionnels des dix dernières années. Avant, chaque problème indépendant (traduction, correction, etc.) nécessitait un algorithme dédié. Aujourd’hui, un seul modèle géant peut remplacer des dizaines d’anciens modèles spécialisés, rendant obsolètes de nombreuses solutions antérieures, car il excelle désormais même dans les tâches spécifiques.
Ensuite, des modèles comme GPT-3 dépassent les 100 milliards de paramètres, ce qui rend leur entraînement inaccessible aux startups avec du matériel grand public ou spécialisé à petite échelle, en raison du coût exorbitant. Toutefois, des solutions comme LoRA (Low-Rank Adaptation of Large Language Models) permettent d’adapter très peu de paramètres sur un modèle pré-entraîné, réduisant drastiquement les coûts pour de nouveaux usages ou données.
Nous pensons que les futurs grands modèles deviendront encore plus puissants, mais resteront concentrés entre les mains d’un très petit nombre d’entreprises leaders. En parallèle, la vitalité de la communauté open source encouragera l’émergence de nombreuses variantes via des méthodes comme LoRA, combinant des modèles généraux de pointe et des données propriétaires, donnant naissance à d’innombrables petits modèles spécialisés.
Nous voyons les grands modèles linguistiques comme un cerveau universel, capable de relier toutes les API, tous les algorithmes et outils. Il orchestrera les connaissances externes, sollicitera des services tiers, intégrera des entrées extérieures, et accomplira des tâches complexes.
AI Vanguard : Actuellement, pour rattraper GPT-4, les autres modèles doivent soit disposer de données exceptionnelles, soit s’appuyer sur des savoirs spécialisés entraînés massivement pour surpasser le modèle généraliste dans un domaine précis. Si GPT-5 sort, quel défi représentera-t-il pour les modèles concurrents ?
Ethan, fondateur de MyShell : GPT-5 sera probablement très puissant, mais aussi très coûteux. Nous anticipons donc une segmentation : les utilisateurs choisiront leurs modèles selon un compromis coût/performance. GPT-5 pourrait servir à produire massivement des données de haute qualité (volume important, format standardisé), coûteuses certes, mais moins que la main-d’œuvre humaine. Des cas existent déjà : Stanford utilise GPT pour générer des données servant à entraîner de petits modèles.
Nous pensons aussi qu’Apple, malgré son silence apparent à l’ère des grands modèles, pourrait jouer un rôle clé. Entreprise forte à la fois en terminaux et en conception de puces, Apple pourrait développer des puces spécialisées capables d’exécuter efficacement des grands modèles localement sur mobile. Cela résoudrait les problèmes de confidentialité des données et optimiserait considérablement les temps de réponse. Nous estimons qu’Apple pourrait bouleverser l’actuel paysage dominé par les interfaces OpenAI.
Pour bâtir des barrières durables, les startups IA doivent miser sur les algorithmes et les données
AI Vanguard : Du point de vue des entrepreneurs, quels sont selon vous les principaux obstacles et difficultés actuels pour les startups IA ?
Ethan, fondateur de MyShell : Un danger existe : les grandes entreprises de modèles fondamentaux, comme OpenAI, risquent de grignoter de nombreuses opportunités traditionnelles, voire certaines startups émergentes basées sur GPT. Il devient difficile de prédire les capacités futures de GPT-4 ou GPT-5, ni comment elles évolueront. Ainsi, de nombreuses couches infra liées à OpenAI pourraient être remplacées par des fonctionnalités intégrées directement par OpenAI lui-même.
Prenons Grammarly comme exemple. Lorsqu’on choisit une direction entrepreneuriale ou qu’on accumule des technologies, il faut réfléchir soigneusement à la relation avec ces géants technologiques. C’est une question cruciale.
Pour nous, nous avons d’abord identifié la multimodalité comme un axe critique. Nous concentrons donc nos efforts algorithmiques et humains sur le développement d’algorithmes de synthèse vocale ultra-personnalisés, naturels, presque humains. Nous pensons que ce nouveau domaine vocal ne sera pas atteint par OpenAI dans l’année à venir, ce qui constitue notre avantage technologique et produit. En combinant cela avec les derniers produits textuels du marché, et nos propres petits modèles affinés (fine-tuned) à partir d’algorithmes et données open source, nous évitons de concentrer tous nos efforts trop près des grands modèles linguistiques.
Par ailleurs, l’évolution de la communauté open source s’accélère. Depuis le début de l’année, les progrès en modèles linguistiques open source ont été fulgurants. Le meilleur modèle open source aujourd’hui est déjà très proche des performances de GPT-3.5. Ces trois derniers mois, depuis la fuite du modèle pré-entraîné LLaMA de Facebook, jusqu’aux travaux académiques d’Alpaca (Stanford), Vicuna, ou MiniGPT (capable de comprendre les images), la puissance de la communauté open source est devenue une force incontournable face à l’ère GPT des grandes entreprises.
Dans ce contexte, MyShell doit réfléchir à la construction de barrières technologiques durables, pour ne pas voir ses avantages annulés par l’open source. Nous devons bâtir nos barrières sur les algorithmes et les données privées, car peu importe l’évolution des algorithmes open source, nous pourrons toujours combiner les derniers algorithmes libres avec nos données propriétaires pour créer des capacités supérieures, même face aux modèles généraux. Outre la barrière technologique, nous devons aussi exploiter un avantage temporaire pour construire un réseau multilatéral, consolidant ainsi des barrières communautaires et de contenu. Par exemple, TikTok et Taobao reposent sur des réseaux multilatéraux d’offre et de consommation. Si une plateforme dispose déjà d’une grande base d’utilisateurs actifs et de créateurs, un nouvel entrant subit des pressions non techniques insurmontables.
AI Vanguard : Face à ces deux défis, avez-vous déjà des pistes concrètes en tête ?
Rick, fondateur de MyShell : Je pense qu’il faut suivre le courant. L’open source devient de plus en plus fort, les grands modèles aussi. Il vaut mieux que votre idée d’entreprise évolue positivement avec ces tendances. Idéalement, plus l’open source s’intensifie, plus les grands modèles progressent, plus votre projet devient puissant. Il faut chercher ce type d’idée, car toute tentative de rivaliser frontalement contre ces deux forces risque de mener à l’échec rapide cette année.
Ethan, fondateur de MyShell : Cette année, tout le monde est en FOMO (peur de manquer) autour des grands modèles linguistiques, mais nous pensons que la multimodalité est cruciale. C’est pourquoi nous construisons notre avantage sur la voix. Jusqu’ici, la synthèse vocale, en termes de coût et de qualité, n’était pas assez performante pour un usage massif. Aujourd’hui, nous pouvons synthétiser n’importe quelle voix humaine à un coût inférieur de deux ordres de grandeur à tous les autres API, avec des résultats expressifs et émotionnellement riches.
Deuxièmement, sur notre plateforme, nous accordons une grande importance à la boucle de données générée par l’utilisation du produit, afin de constituer des jeux de données de haute qualité. Par exemple, j’ai publié un bot appelé “voice collector” : nous encourageons les utilisateurs à nous fournir des données vocales ou textuelles pendant leur utilisation. Cela permet à nos algorithmes de devenir plus humains, plus chaleureux. Ces données, spécifiques à des scénarios donnés, constituent une barrière durable face à l’open source. Peu importe l’évolution des modèles libres, nos données propriétaires dans des cas d’usage spécifiques resteront notre atout. En offrant aux créateurs des outils puissants et faciles à utiliser, nous attirons davantage d’utilisateurs, créant ainsi une barrière basée sur le contenu et l’écosystème des créateurs. Une fois cette barrière établie, peu importe l’accélération technologique en aval, nous resterons résilients. Car si notre efficacité monétaire est la plus élevée, et notre plateforme la plus efficace, nous pourrons toujours choisir les meilleures API ou entraîner les meilleurs modèles open source avec nos données exclusives.
Nous entrons dans une nouvelle ère d’accélération technologique
AI Vanguard : Parlez-nous de vos expériences passées en entrepreneuriat, et pourquoi avoir choisi ce moment précis pour vous lancer ? Pourquoi aborder cela sous l’angle Web3 ?
Rick, fondateur de MyShell : Nous lançons des projets dans le domaine de l’IA depuis 2013. Bien que nous ayons eu une ou deux expériences en tant qu’employés, nous avons passé la majorité de notre temps à entreprendre. Continuer à créer des startups nous semble donc tout à fait naturel.
En 2013, j’ai fondé une entreprise spécialisée dans les images et la vision par ordinateur, développant un SDK AR de base. À l’époque, Apple n’avait pas encore lancé ARKit, nous avons donc créé un produit similaire. Plus tard, j’ai rencontré Ethan, alors étudiant à Oxford, qui a rejoint mon entreprise lors d’un stage en Chine. Par la suite, Ethan a fondé une startup VR, centrée sur la capture spatiale et la visite immersive en environnement virtuel, qui est devenue par la suite le produit de visite VR de Beike Zhaofang.
Depuis, nous avons continué à explorer les algorithmes IA et leur commercialisation, accumulant une solide expérience, notamment dans le déploiement à grande échelle et la stabilité de la qualité. Plus tard, nous avons tous deux rejoint une licorne IA, dirigeant le département robotique. Cette expérience nous a confirmé que les robots sont fascinants, car ce sont typiquement des produits multimodaux : quand une modalité échoue, on en ajoute une autre. Cette logique est directement reliée à notre approche actuelle des robots logiciels, posant les bases de notre création.
Nous avons choisi ce moment pour entreprendre car nous avons vu la puissance de modèles comme GPT-4, annonçant selon nous une nouvelle ère d’accélération technologique. Dès la fin de l’année dernière, en découvrant ChatGPT, nous avons été saisis d’un mélange de confusion, de stupeur, d’excitation intense et de crainte. Même les experts les plus avancés du secteur sont surpris par la vitesse de progression d’OpenAI.
Nous pensons que le langage naturel est un domaine crucial. L’IA peut désormais manipuler directement le langage naturel. Une fois ce sceau brisé, la frontière entre humains et machines s’effondre, inaugurant une nouvelle accélération technologique, où davantage de modalités pourraient fusionner. Cela signifie que beaucoup de ce que nous faisions auparavant perd de son importance. Nous sommes à la fois enthousiasmés et effrayés. Dans ce contexte d’accélération, la seule option est de repartir à zéro : remettre en question toutes nos anciennes conceptions du business, de la technologie, et repenser complètement. C’est pourquoi, en mars dernier, nous avons décidé de nous lancer, et avons rapidement sorti notre premier démo.
Ethan, fondateur de MyShell : Personnellement, le modèle économique de la Web3 et son potentiel d’amélioration de l’efficacité des réseaux multilatéraux sont les raisons de notre choix. Nous voulons utiliser ces outils pour accomplir notre mission : construire une plateforme de création de robots multimodaux. De plus, l’ère de l’IA ouvre de nouvelles possibilités pour résoudre les problèmes de productivité dans la création de contenu. Que ce soit les algorithmes de génération d’images (comme Stable Diffusion) ou les modèles de génération de texte (comme GPT), l’IA permet à des personnes sans expertise ni compétence en programmation de résoudre des problèmes productifs dans des cas spécifiques, augmentant la productivité d’un ou deux ordres de grandeur. Dans ce contexte, la définition et la distribution de la valeur deviennent critiques. La Web3, avec ses plateformes multilatérales et technologies cryptographiques, peut fortement améliorer notre efficacité dans la création d’une plateforme multilatérale de créateurs, tout en résolvant les nouveaux enjeux de propriété et de redistribution de la valeur à l’ère de l’IA. Grâce aux mécanismes Web3, nous pouvons utiliser des contrats intelligents pour une redistribution décentralisée des bénéfices, et des mécanismes de détention de jetons pour assurer la liquidité. Bien que les technologies actuelles ne soient pas encore matures, la cryptographie et la blockchain ont un potentiel fort pour concevoir des systèmes anti-grandes entreprises et des économies communautaires multirôles. C’est donc sous cet angle que nous construisons notre modèle, car la forme classique d’entreprise ne convient pas à notre plateforme.
La boîte de Pandore est ouverte, la course aux armements IA ne s’arrêtera pas
AI Vanguard : De nombreux experts du secteur s’inquiètent désormais du développement de l’IA, comme Geoffrey Hinton qui a quitté Google pour alerter sur l’avenir de l’IA. Qu’en pensez-vous ?
Rick, fondateur de MyShell : Là-dessus, je vois un problème : beaucoup d’infrastructures internet actuelles, y compris divers systèmes, ne sont peut-être pas prêtes à affronter cette nouvelle vague d’intelligence artificielle. Face aux grands modèles, certaines choses pourraient s’effondrer, c’est une question de sécurité. Il y a aussi le problème des données : il y a des bonnes données, comme celles qui vous aident à apprendre l’IELTS ou vous tiennent compagnie émotionnellement ; mais aussi de mauvaises données, des informations polluantes, trompeuses, ou des trolls. Dans ces cas, seule une “magie” peut vaincre une autre “magie” : un modèle défensif plus puissant pour contrer la menace. Pour les petites entreprises ou les individus sans vigilance, cela peut devenir un cauchemar.
Ethan, fondateur de MyShell : Oui, car cette technologie est créée par l’homme. Dès qu’une innovation s’avère utile, différentes forces entrent en compétition effrénée. La course aux armements IA entre Microsoft et Google ressemble aujourd’hui à la course à la Lune entre les États-Unis et l’URSS : aucun camp ne s’arrêtera volontairement, poussé par les désirs humains les plus variés. L’avenir reste incertain, et nous ne pouvons que l’observer.
Rick, fondateur de MyShell : Je comprends parfaitement pourquoi Sam, le fondateur d’OpenAI, a lancé en parallèle le projet Worldcoin : car nous allons probablement faire face à une pollution massive des données. Il faut donc garantir l’origine des données. Elles doivent être associées à une responsabilité légale, émises par des personnes moralement responsables. Vous pouvez mentir, mais il faut prouver que c’est un humain qui a envoyé ces données, pour que cette personne puisse en assumer la responsabilité.
Ethan, fondateur de MyShell : Worldcoin cherche principalement à garantir qu’à chaque personne physique dans le monde correspond un identifiant unique, qu’il soit sur internet ou dans le monde blockchain. Résoudre ce problème permettrait de traiter la question d’attribution des données évoquée par Rick. En outre, je pense que Worldcoin reflète la réflexion de Sam sur la manière dont la société humaine future devrait être construite.
L’essentiel pour entreprendre est d’avoir l’esprit vide, sans attachement aux habitudes
AI Vanguard : En tant qu’entrepreneurs expérimentés, quel conseil donneriez-vous à ceux qui veulent se lancer dans l’IA ?
Rick, fondateur de MyShell : D’abord, entreprendre n’est pas la seule voie. Pour beaucoup qui ne veulent pas créer d’entreprise, suivre la vague de l’IA offre déjà d’immenses opportunités. De nombreux cas spécifiques, auparavant ignorés par manque de main-d’œuvre, pourront être comblés. La valeur productive globale de la société va bondir. Les individus peuvent mieux planifier leur vie ou investir là où la rentabilité est élevée.
Mais pour les entrepreneurs, l’essentiel est d’avoir l’esprit vide. Les habitudes issues de l’expérience passée ou de trente ans d’internet pourraient induire en erreur, en faisant croire qu’il s’agit juste d’une nouvelle opportunité mobile. En réalité, l’IA pourrait déclencher une accélération technologique totalement inédite. Il faut donc abandonner les anciens schémas, garder l’esprit ouvert, pour réussir dans ce domaine.
Ethan, fondateur de MyShell : À mon sens, cette ère de l’IA verra l’émergence de nombreux petits modèles spécialisés, et la combinaison entre algorithmes et modèles deviendra de plus en plus flexible. Un produit pourra ainsi intégrer différentes technologies provenant de diverses entreprises, pour offrir un service. Dans ce contexte, la technologie évolue vite, et les produits deviennent plus adaptables. Les entrepreneurs doivent donc faire preuve d’une grande acuité d’observation et d’une pensée innovante pour naviguer dans cette ère changeante.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
