Que peut apporter Manus à l'essor massif du scénario Web3 DeFAI ?
TechFlow SélectionTechFlow Sélection
Que peut apporter Manus à l'essor massif du scénario Web3 DeFAI ?
La réalisation de la vision véritable de DeFai nécessite de résoudre des problèmes complexes tels que la limite des capacités des modèles d'IA monolithiques, la garantie de l'atomicité des interactions et collaborations multi-modales, la gestion et l'allocation unifiées des ressources dans les systèmes multi-modaux, ainsi que les mécanismes de tolérance aux pannes et de traitement des défaillances du système.
Dédié à des analyses Web3 approfondiesRédaction : Haotian
En me réveillant ce matin, de nombreux amis m'ont demandé de regarder #manus, présenté comme un véritable Agent IA universel au sens global, capable de penser de manière autonome, de planifier et d'exécuter des tâches complexes, et de livrer des résultats complets. Cela semble très impressionnant, mais au-delà des nombreuses inquiétudes circulant sur les réseaux sociaux quant à la perte d'emplois, qu'est-ce que cela signifie pour le potentiel essor massif du DeFi web3 ? Voici mes réflexions :
1) Environ un mois plus tôt, OpenAI a lancé un produit similaire appelé Operator, une IA capable d’accomplir indépendamment dans un navigateur des tâches telles que réserver un restaurant, faire des achats, acheter des billets ou commander des plats à emporter. L'utilisateur peut superviser visuellement l'avancement et reprendre le contrôle à tout moment.
Pourtant, cet Agent n’a suscité que peu de discussions, car il repose sur un modèle unique, s’inscrivant toujours dans le cadre classique d’appel aux outils. Dès que les utilisateurs réalisent que les décisions cruciales nécessitent encore leur intervention, ils perdent confiance en sa capacité à exécuter des tâches de façon autonome.
2) À première vue, manus ne semble pas si différent, simplement élargissant les cas d'utilisation à la sélection de CV, à la recherche boursière ou à l'achat immobilier. La vraie différence réside cependant dans son architecture et son système d’exécution : Manus est piloté par un modèle multimodal de grande taille et adopte de manière innovante un système de signature multiple.
En résumé, pour imiter le cycle PDCA (Planifier - Exécuter - Vérifier - Agir) propre à l’humain, plusieurs grands modèles collaborent ensemble. Chaque modèle se spécialise dans une étape spécifique, réduisant ainsi les risques décisionnels liés à un seul modèle tout en augmentant l’efficacité opérationnelle. Ce qu’on appelle « système de signature multiple » est en réalité un mécanisme de validation décisionnelle basé sur la collaboration entre plusieurs modèles, où la confirmation conjointe de plusieurs modèles spécialisés garantit la fiabilité des décisions et des exécutions.
3) Comparé à Operator, l’avantage de manus devient clair, renforcé par une démonstration vidéo montrant une série d’opérations fluides qui offrent effectivement une expérience saisissante. Objectivement parlant, toutefois, l’innovation apportée par manus n’en est qu’à ses débuts et ne constitue pas encore une révolution disruptive.
L’enjeu principal réside dans le niveau de complexité des tâches exécutées, ainsi que dans la tolérance aux erreurs et le taux de succès des résultats livrés lorsque les entrées utilisateur (prompt) non standardisées sont traitées par les grands modèles. Sinon, pourquoi ne pourrait-on pas immédiatement appliquer cette innovation aux scénarios DeFai du web3 ? La réponse est claire : ce n’est pas encore possible.
Par exemple, dans un scénario DeFai, un Agent chargé de prendre des décisions de trading devrait inclure un Agent Oracle chargé de collecter, valider et analyser les données blockchain, tout en surveillant en temps réel les prix pour identifier des opportunités de transaction. Ce processus pose un défi majeur en matière d’analyse en temps réel : une opportunité de trading valable une seconde auparavant pourrait disparaître d’elle-même entre le moment où le grand modèle Oracle transmet l’information à l’Agent d’exécution (fenêtre d’arbitrage).
Cela met en lumière la principale faiblesse de ces grands modèles multimodaux lorsqu’il s’agit de prise de décision opérationnelle : comment se connecter au réseau, interagir avec la blockchain pour extraire et analyser des données en temps réel, détecter des opportunités de trading, puis les exploiter ? Dans un environnement web2, le problème est moins critique — les prix sur les sites e-commerce ne changent pas constamment, évitant ainsi de perturber gravement l’équilibre dynamique du système multimodal. Mais sur la blockchain, ce défi est omniprésent.
4) Ainsi, bien que l’émergence de manus provoque sans doute une vague d’anxiété dans les cercles web2 — notamment parmi les employés de bureau et les professionnels du traitement de l’information dont les postes répétitifs risquent d’être remplacés par l’IA — laissons-les s’inquiéter pour eux-mêmes.
Nous devons rester objectifs quant à son impact réel sur les applications DeFai du web3 :
Il faut reconnaître que son importance est certainement significative. Son concept d’« OS LLM », sa philosophie « Less Structure, more intelligence », et surtout son système de signature multiple, offrent des pistes inspirantes précieuses pour combiner DeFi et IA dans le web3.
Il corrige ainsi une erreur majeure commise par de nombreux projets DeFai : vouloir dès le départ compter sur un seul grand modèle pour atteindre des objectifs complexes comme la pensée autonome et la prise de décision automatisée. Dans un contexte financier, cela n’est tout simplement pas réaliste.
Pour concrétiser pleinement la vision du DeFai, il faut résoudre des problèmes complexes tels que la limite des capacités d’un modèle IA unique, la garantie de l’atomicité dans les interactions et collaborations multimodales, la gestion et allocation unifiées des ressources au sein d’un système multimodal, ainsi que des mécanismes robustes de tolérance aux fautes et de gestion des pannes.
Par exemple :
Un Agent couche Oracle, chargé de collecter et analyser les données blockchain, de surveiller les prix et de fournir des sources de données fiables ;
Un Agent couche décisionnelle, analysant les données fournies par l’Oracle, évaluant les risques et élaborant des stratégies d’action ;
Un Agent couche exécution, chargé de mettre en œuvre les différentes stratégies proposées par la couche décisionnelle, en tenant compte des conditions réelles : optimisation des frais de gaz, état cross-chain, conflits d’ordre des transactions, etc.
Seul un écosystème complet d’Agents tous puissants, soutenu par une architecture système solide, pourra déclencher une véritable révolution DeFai.
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
Haotian | CryptoInsight
