Aperçu de Honcho, la plateforme d'identité IA personnalisée : comment offrir une expérience ultra-personnalisée aux applications LLM ?
TechFlow SélectionTechFlow Sélection
Aperçu de Honcho, la plateforme d'identité IA personnalisée : comment offrir une expérience ultra-personnalisée aux applications LLM ?
La plateforme Honcho lancée par Plastic Labs vise à permettre aux développeurs d'obtenir des profils d'utilisateurs approfondis sans avoir à réinventer la roue, grâce à une approche « plug-and-play ».
Dédié à des analyses Web3 approfondiesAuteur : Daniel Barabander, conseiller principal et associé investisseur chez Variant
Traduction : Zen, PANews
Le 11 avril, heure de Pékin, la startup spécialisée en IA Plastic Labs a annoncé avoir levé 5,35 millions de dollars lors d’un tour de financement de type pré-amorçage. L’opération a été menée conjointement par Variant, White Star Capital et Betaworks, avec la participation de Mozilla Ventures, Seed Club Ventures, Greycroft et Differential Ventures. Parmi les investisseurs providentiels figurent Scott Moore, NiMA Asghari et Thomas Howell. Parallèlement, sa plateforme d'identité IA personnalisée « Honcho » ouvre officiellement l’accès anticipé.
Étant donné que le projet en est encore à ses débuts, la communauté crypto connaît très peu de choses sur Plastic Labs. En parallèle de l’annonce du financement et des actualités produits publiées par Plastic sur X, Daniel Barabander, conseiller principal et associé investisseur chez Variant, principal investisseur du projet, a publié une analyse approfondie concernant Honcho. Voici le texte original :
Avec l’émergence des applications basées sur les grands modèles linguistiques (LLM), la demande de personnalisation dans les logiciels n’a jamais été aussi forte. Ces applications reposent sur le langage naturel, qui varie selon l’interlocuteur – tout comme vous n’expliquerez pas un concept mathématique à vos grands-parents de la même manière qu’à vos parents ou à un enfant. Vous adaptez instinctivement votre discours en fonction de votre auditoire, et les applications LLM doivent elles aussi « comprendre » à qui elles parlent afin d’offrir une expérience plus efficace et pertinente. Qu’il s’agisse d’un assistant thérapeutique, d’un avocat virtuel ou d’un accompagnateur d’achat, ces outils ne prennent de la valeur que s’ils comprennent réellement l’utilisateur.
Pourtant, malgré son importance cruciale, aucune solution clé en main n’existe aujourd’hui pour permettre aux applications LLM de gérer la personnalisation. Les développeurs sont souvent contraints de construire eux-mêmes des systèmes disparates, stockant les données utilisateur (généralement sous forme de journaux de conversation) et les récupérant au besoin. Résultat : chaque équipe réinvente la roue en développant sa propre infrastructure de gestion de l’état utilisateur. Pire encore, des méthodes telles que le stockage des interactions dans une base vectorielle suivie d’une récupération augmentée (RAG) permettent certes de se souvenir de conversations passées, mais ne saisissent pas véritablement les traits profonds de l’utilisateur – tels que ses intérêts, ses préférences de communication ou sa sensibilité au ton employé.
Plastic Labs propose Honcho, une plateforme prête à l’emploi qui permet aux développeurs d’intégrer facilement la personnalisation dans n’importe quelle application LLM. Fini le besoin de construire soi-même un modèle utilisateur depuis zéro : en intégrant Honcho, les développeurs obtiennent immédiatement des profils utilisateurs riches et persistants. Ces profils, bien plus nuancés que ceux obtenus par les méthodes traditionnelles grâce à des techniques avancées issues des sciences cognitives, peuvent être interrogés en langage naturel, permettant ainsi au LLM d’adapter souplement son comportement en fonction du profil utilisateur.
En abstrayant la complexité de la gestion de l’état utilisateur, Honcho ouvre la voie à des expériences d'une personnalisation inédite. Mais son impact va bien au-delà : les profils utilisateurs hautement abstraits générés par Honcho posent également les bases d’un « calque partagé de données utilisateur », un objectif longtemps resté inaccessible.
Historiquement, les tentatives de création d’un calque partagé de données utilisateurs ont échoué pour deux raisons principales :
-
Interopérabilité insuffisante : les données utilisateur traditionnelles sont fortement ancrées dans des contextes d’application spécifiques et difficiles à transférer d’une application à une autre. Par exemple, la modélisation de votre identité sur la plateforme X pourrait reposer sur les comptes que vous suivez, mais ces données seraient inutiles pour votre réseau professionnel sur LinkedIn. Honcho, en revanche, capture des caractéristiques utilisateur plus élevées et plus universelles, utilisables sans friction par toute application LLM. Si une application pédagogique détecte que vous apprenez mieux par analogie, votre assistant thérapeutique pourra exploiter cette information pour interagir plus efficacement avec vous, même si leurs domaines sont totalement différents.
-
Valeur immédiate absente : les précédents calques partagés peinaient à attirer des applications précoces, car ils ne leur apportaient aucun bénéfice concret. Or, ce sont précisément ces premiers entrants qui génèrent les données utilisateur essentielles à la valeur du système. Honcho adopte une approche différente : il résout d’abord le « problème de premier ordre » – la gestion de l’état utilisateur pour une application isolée. Une fois suffisamment d’applications intégrées, les effets de réseau rendront naturellement possible la résolution du « problème de second ordre » : les nouvelles applications pourront non seulement bénéficier de la personnalisation, mais tirer parti dès le départ des profils partagés existants, éliminant complètement le problème du démarrage à froid.
À ce stade, plusieurs centaines d’applications figurent déjà sur la liste d’attente pour accéder à Honcho en phase de test fermé, dans des domaines variés tels que coach de désintoxication, compagnon éducatif, assistant de lecture ou outil e-commerce. La stratégie de l’équipe consiste à se concentrer d’abord sur la résolution du défi fondamental de gestion de l’état utilisateur, puis à déployer progressivement le calque de données partagées pour les applications volontaires. Ce calque reposera sur des incitations cryptographiques : les applications intégrées précocement recevront une part de propriété du calque, leur permettant de participer à ses retombées de croissance. Par ailleurs, les mécanismes blockchain garantiront la confiance décentralisée du système, écartant tout risque de captation de valeur ou de développement d’un produit concurrent par une entité centralisée.
Nous croyons chez Variant que l’équipe de Plastic Labs possède les compétences nécessaires pour relever le défi du modélage utilisateur dans les logiciels pilotés par LLM. En développant Bloom, une application de tutorat conversationnel personnalisé, l’équipe a directement expérimenté le problème d’une application incapable de véritablement comprendre ses étudiants et leurs modes d’apprentissage. C’est précisément à partir de cette observation que Honcho est né, pour répondre à une douleur ressentie par tous les développeurs d’applications LLM.
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
Variant
