#opg $OPG

Plus je me plonge dans l’infrastructure IA, plus je pense qu’on traite chaque réponse d’IA comme si elle avait le même niveau d’importance. En réalité, ce n’est pas le cas.

Si je demande à un assistant de résumer un article, je me soucie peu de la façon dont la réponse a été produite. Si elle est fausse, je passe à autre chose.

Mais imaginez une IA qui aide à décider d’une stratégie de trésorerie, déclenche des transactions DeFi, évalue un risque de prêt ou alimente des décisions d’investissement automatisées. Dans ces cas-là, une petite erreur peut avoir de vraies conséquences financières.

C’est pourquoi le @OpenGradient se démarque pour moi.

Ce qui m’intéresse n’est pas l’idée que chaque inférence devrait être vérifiée. Ce serait probablement inutile et inefficace. La partie intéressante, c’est de donner aux développeurs le choix d’augmenter la confiance lorsque l’enjeu le justifie.

Pour les demandes du quotidien, la rapidité et un coût plus faible ont du sens. Pour les décisions qui déplacent du capital ou exécutent des actions on-chain, pouvoir vérifier quel modèle a été utilisé, comment il a été exécuté et quelles preuves existent derrière le résultat commence à devenir beaucoup plus précieux.

Je continue de penser que l’infrastructure IA ne sera pas divisée uniquement en fonction de qui propose le calcul le moins cher. Elle pourrait aussi se structurer en couches selon le niveau de confiance dont les différentes applications ont besoin.

Bien sûr, cette idée doit encore faire ses preuves. Les développeurs ont besoin de moyens simples pour décider quand la vérification vaut le surcoût, et les utilisateurs doivent comprendre la valeur qu’elle apporte au lieu de la voir comme une complexité inutile.

C’est l’un des signaux auxquels je fais attention alors que les réseaux d’IA commencent à attirer de vrais usages plutôt que de simples regards.
$ACT

$SIREN
Qu’est-ce qui comptera le plus pour l’infrastructure IA au cours des prochaines années ?