Cryptographie × IA : Décrypter le paysage des projets de ce cycle
TechFlow SélectionTechFlow Sélection
Cryptographie × IA : Décrypter le paysage des projets de ce cycle
Le guide visuel complet de l'écosystème full stack des infrastructures d'IA.
Dédié à des analyses Web3 approfondiesAuteur : cookies
Traduction : TechFlow
Ceci est mon point de vue sur la manière dont la maturité des infrastructures cryptographiques et d'IA stimule l'innovation des applications.
Plongeons dans la manière dont nous, utilisateurs et développeurs, pouvons naviguer dans cette nouvelle ère.
Types d'agents
Agents à valeur fonctionnelle (Functionally Valuable Agents)
Ces agents peuvent générer une valeur ou des résultats concrets.
-
(1a) Agents DeFAI
-
(1b) Agents de marchés prédictifs (Prediction Market Agents, PMAs)
-
(1c) Agents d'utilisation informatique (Computer Use Agents, CUAs)
Agents DeFAI
Ces agents peuvent effectuer des transactions, du yield farming ou fournir de la liquidité (LP).
Projets associés : @symphonyio, @almanac, @gizatechxyz
Vous pouvez trouver une introduction complète sur DeFAI dans le tweet ci-dessous : Lien original
Agents de marchés prédictifs (PMAs)
Ces agents participent à des marchés prédictifs ; ils peuvent être spécialisés pour un marché spécifique (par exemple, le football) ou généralistes.
J'ai personnellement une préférence pour les agents spécialisés basés sur de petits modèles linguistiques (SLM), car ils nécessitent moins de ressources de calcul.
Projets associés : @sire_agent, @BillyBets_ai
Rôle de la cryptographie dans DeFAI et PMAs
La technologie blockchain joue plusieurs rôles clés :
-
Moyen d'échange
-
Exécution programmable
-
Enregistrement immuable des transactions
Agents d'utilisation informatique (CUAs)
Ces agents peuvent contrôler votre écran pour accomplir des tâches, par exemple créer un tableau de flux de trésorerie actualisés dans Excel.
La technologie blockchain peut servir de mécanisme incitatif pour récompenser les utilisateurs qui contribuent à améliorer ces modèles avec des données de haute qualité.
Projets associés : @chakra_ai, @getoro_xyz
Agents évolutifs (Evolving Agents)
Je pense que dans l'avenir, chacun possédera un agent personnel dédié à la productivité.
À partir du contexte collecté via les conversations avec des grands modèles linguistiques (LLM), la navigation sur les réseaux sociaux et les dialogues quotidiens, ces agents seront capables de faire des recherches et de planifier selon un mode environnemental.
Avec le temps, ces agents évolueront et deviendront experts dans certains domaines. @the_nof1, un laboratoire de recherche IA spécialisé dans les marchés financiers, gère 6 agents de trading, chacun pilotant un capital de 10 000 dollars. Ces modèles ont le potentiel de devenir de véritables traders qualifiés.
Agents compagnons (Companion Agents)
Dans l'avenir, les agents destinés à combattre la solitude deviendront courants. À mesure que davantage d'interactions migreront vers le monde numérique, les contacts humains directs diminueront.
Projets associés : @Fans3_AI, @ohdotxyz
Infrastructure des agents
Paiement agential (Agentic Payment)
Des agents capables de réaliser des paiements. Pour que la commercialisation des agents devienne réalité, les géants technologiques ont déjà mis en place des normes de paiement agential :
Les éléments clés pour le passage au mainstream du paiement agential :
-
Infrastructure : résolu par diverses normes de paiement agential.
-
Demande : avons-nous vraiment besoin d'agents capables de payer ?
ChatGPT a récemment introduit des applications sur sa plateforme, permettant aux utilisateurs de construire directement des fonctionnalités au sein même de ChatGPT.
Cela marque un changement de paradigme : les opérations productives peuvent désormais être réalisées directement sur ChatGPT.
Le contenu suivant peut vous aider à mieux comprendre cela : Lien du tweet
Identité et réputation des agents (Agent Identity and Reputation)
Les agents sont inévitables : la plupart des tâches seront exécutées par des agents spécialisés.
Comment savoir quels agents sont compétents et dignes de confiance ?
Imaginez un système similaire à Google Review ou PageRank, spécialement conçu pour les agents, capable de classer leur performance sur des tâches précises et de délivrer des certifications.
Comme un CV, un agent de trading noté 4,6 pourrait être « embauché » par un fonds spéculatif.
La Fondation Ethereum a commencé à construire l'infrastructure nécessaire — ERC-8004.
Grâce à ERC-8004, les agents peuvent interagir entre eux, par exemple transférer des fonds d'un agent A à un agent B.
Système multi-agents (Multi-Agent System)
Analogie F1 :
-
Objectif : changer un pneu
-
Agent principal : le pilote qui doit changer de pneu
-
Agent travailleur : le mécanicien chargé du changement
Ce concept repose sur un agent coordinateur et plusieurs agents travailleurs capables d'exécuter des tâches en parallèle.
Idéal pour fonctionner sur la plateforme @monad, reconnue pour ses capacités d'exécution parallèle, où tout le flux de travail pourrait être achevé en un seul bloc (0,4 seconde).
Réseau en essaim social des agents (Social Agent Hivemesh)
Je conçois un futur où chacun possède son propre jumeau numérique.
Une infrastructure existe, permettant à ces jumeaux numériques de se connecter, d'échanger des connaissances et de réaliser des transactions.
Les interactions entre jumeaux numériques sont stockées sur la blockchain, créant ainsi un graphe social des agents (Agent Social Graph).
Les interactions entre agents ne peuvent pas être entièrement aléatoires. C’est là qu’interviennent des réseaux de découverte (Discovery Networks) comme @indexnetwork_, qui analysent le contexte spécifique de l’utilisateur pour connecter efficacement les intentions.
Robotique
L’industrie de la robotique connaît une croissance rapide, ayant levé 6 milliards de dollars entre janvier et juillet 2025.
Cette section détaille les trois piliers fondamentaux et explique le rôle de la blockchain.
Avant d’aller plus loin, consultez ce guide introductif sur la robotique.
Données robotiques (Robotics Data)
Comparé aux grands modèles linguistiques (LLM), le volume de données utilisé pour entraîner les modèles robotiques est beaucoup plus faible.
Cela s’explique par le fait que la collecte de données dans le monde réel demande plus d’efforts et coûte plus cher (installation de caméras, téléopération, etc.).
Les types de données robotiques incluent :
-
Vidéo
-
Téléopération
-
Captation de mouvement
-
Point de vue subjectif (POV)
-
Données simulées/synthétiques
L’une des principales complexités liées à la collecte de données pour l’IA physique est la nécessité de diversité.
Un robot humanoïde formé dans un environnement spécifique peut ne pas comprendre un nouvel environnement (par exemple, plus sombre).
La technologie blockchain constitue un excellent mécanisme incitatif pour encourager les individus à contribuer avec des données du monde réel, capturant ainsi une grande diversité d’environnements.
Projets associés : @PrismaXai, @MeckaAI, @silencioNetwork, @rayvo_xyz, @VaderResearch, @BitRobotNetwork, @AukiNetwork
Modèles robotiques (Robotics Model)
@PrimeIntellect est un cas d’école en matière d’entraînement décentralisé de modèles.
En utilisant la blockchain pour récompenser les contributions selon l’origine des données, il serait possible de construire un modèle robotique performant.
Projets associés : @OpenMind, KineFlow
Matériel (Hardware)
Un des principaux goulets d’étranglement dans la robotique est la latence liée à l’ajustement fin des modèles robotiques.
Ce problème est particulièrement criant lorsque les laboratoires de recherche manquent du matériel nécessaire (bras robotiques, robots humanoïdes, etc.) pour tester leurs modèles et recueillir des données d’affinage.
Il serait possible de créer un réseau DePIN (réseau d’infrastructure physique décentralisé) de robots, permettant à des particuliers ou des laboratoires de louer leur matériel robotique pour des tests de modèles.
Cette couche financiarisée ouvre l’accès au matériel pour les chercheurs tout en offrant aux fournisseurs une source de revenus stable (revenus locatifs).
Conclusion
L’avenir de la cryptographie, de l’IA et de la robotique est radieux.
Si vous développez un projet intéressant dans ce domaine, n’hésitez pas à me contacter pour voir s’il peut être implémenté sur @monad !
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
cookies
