Cet article est la couche de synthèse des quatre précédents :
- L'IA n'est pas une affaire de modèles. C'est une affaire de systèmes.
- La stack technique derrière mes projets IA : Harness + Knowledge OS
- Les modèles locaux fine-tunés sont la couche suivante
- La robotique est l'endroit où les systèmes agentiques deviennent réels
Pris ensemble, ils décrivent la direction qui me paraît la plus importante pour la prochaine décennie technologique.
Pas une décennie centrée sur un seul modèle.
Pas une décennie centrée sur une seule catégorie d'application.
Mais une décennie centrée sur des systèmes capables de :
- savoir
- décider
- exécuter
- s'améliorer
- et finalement agir dans le monde physique
C'est la manière la plus courte que j'ai de résumer cette carte.
Étape 1 : passer des outils aux systèmes
Le premier basculement est conceptuel.
L'IA continuera d'être racontée à travers des sorties de modèles, des benchmarks et des démos produit. Mais la valeur durable ne viendra pas d'un accès isolé au modèle. Elle viendra du design système.
C'était l'idée centrale du premier article.
L'unité importante n'est plus seulement le modèle.
C'est le système opérant autour du modèle :
- le contexte
- les règles
- l'exécution
- la validation
C'est la structure minimale nécessaire à la fiabilité.
Étape 2 : l'exécution et la mémoire deviennent des couches de premier rang
Dès qu'on accepte que l'IA soit un problème de système, l'architecture devient plus claire.
Il faut une couche responsable de faire avancer le travail.
Il faut une autre couche responsable de rendre le bon contexte disponible.
C'est pourquoi je découpe la stack en :
- un harness pour l'exécution
- un Knowledge OS pour la mémoire structurée
Le harness planifie, génère, évalue et gate.
Le Knowledge OS ingère, retrouve, relie et compile.
Cette séparation compte parce qu'une exécution sans mémoire reste superficielle, et qu'une mémoire sans exécution reste passive.
Étape 3 : le prompting cesse d'être suffisant
Le prompting restera utile, mais ce n'est pas là que l'architecture de long terme s'arrête.
À mesure que les systèmes mûrissent, les tâches étroites et répétées ne doivent pas rester enfermées dans un scaffolding de prompt toujours plus long.
C'est pourquoi la couche suivante sérieuse est la spécialisation par l'entraînement :
- des modèles locaux plus petits
- des responsabilités étroites
- moins de latence
- moins d'overhead de prompt
- plus d'alignement opérationnel
Il ne s'agit pas de remplacer le raisonnement.
Il s'agit de réserver le raisonnement aux endroits où il est réellement nécessaire, et de stabiliser le reste.
Étape 4 : l'auto-amélioration devient opérationnelle
L'expression "systèmes auto-améliorants" est souvent utilisée de manière trop vague.
Ce qui m'intéresse n'est pas la réflexion abstraite.
Ce qui m'intéresse, c'est l'exécution qui produit des preuves.
À partir de ces preuves, le système peut apprendre :
- ce qui a échoué de manière répétée
- ce qui a demandé trop de prompting
- ce qui doit devenir une règle
- ce qui doit devenir de la donnée d'entraînement
- ce qui doit être confié à un modèle spécialisé
C'est la boucle pratique.
Améliorer le système en améliorant l'architecture autour du travail répétitif.
Étape 5 : la stack s'étend à la robotique
Si les quatre premières étapes fonctionnent, alors l'intelligence cesse d'être confinée aux écrans.
C'est là que la robotique entre en jeu.
Je ne vois pas la robotique comme un champ séparé des systèmes agentiques. Je la vois comme la continuation de la même stack dans le monde physique.
Une fois qu'un système sait raisonner, se souvenir, évaluer, se spécialiser et s'améliorer, la question suivante devient évidente :
Ce corps n'a pas besoin d'être humanoïde au départ.
En pratique, une grande partie du marché se construira à travers :
- des bras robotiques
- des drones
- des unités mobiles d'inspection
- des robots éducatifs
- des machines industrielles étroites
Les humanoïdes deviendront peut-être culturellement importants, mais l'incarnation utile arrivera à travers de nombreuses formes.
Une décennie structurée par couches
Si je compresse toute la thèse dans un schéma simple, cela ressemble à ceci :
| Couche | Ce qu'elle résout | Pourquoi elle compte |
|---|---|---|
| Systèmes IA | Relier connaissance, règles, exécution et validation | Transforme l'IA en structure opérante |
| Harness + Knowledge OS | Séparer le faire du savoir | Rend l'exécution et la mémoire fiables |
| Modèles locaux fine-tunés | Stabiliser les tâches étroites et répétées | Réduit la dépendance au prompt |
| Boucles auto-améliorantes | Apprendre à partir de l'exécution réelle | Augmente la fiabilité dans le temps |
| Robotique | Étendre l'intelligence à l'action physique | Transforme des capacités logicielles en produits et services |
C'est l'architecture que je m'attends à voir compter le plus.
Où vont bouger les produits et les services
L'impact produit de ce basculement ne restera pas limité aux catégories logicielles.
Il va se diffuser dans les services, les opérations, la logistique, la sécurité, l'éducation, l'industrie et l'assistance physique.
Cela signifie que la prochaine décennie ne sera pas seulement celle de meilleures interfaces conversationnelles.
Elle sera celle de la convergence entre :
- l'IA
- l'entraînement
- les systèmes d'exécution
- les écosystèmes open source
- un hardware moins coûteux
- le déploiement incarné
C'est cette combinaison qui crée de nouvelles catégories produit.
Le rôle humain ne disparaît pas
L'une des raisons pour lesquelles cette direction m'intéresse est que je ne la vois pas comme un récit de disparition de l'humain.
À court terme, ces systèmes aident les humains à récupérer du temps, de la concentration, de la créativité et du pouvoir d'exécution.
Les humains choisissent toujours la direction.
Les humains décident toujours de ce qui compte.
Les humains font toujours le matching final entre capacité et sens.
Le système rend l'imagination plus facile à transformer en structure.
Puis la structure devient exécution.
Puis l'exécution devient service.
C'est une trajectoire beaucoup plus intéressante qu'un simple théâtre de l'automatisation.
Dernière idée
Si je devais réduire la prochaine décennie technologique à une seule phrase, je dirais ceci :
nous passons des modèles aux systèmes, des systèmes à la spécialisation fiable, puis de la spécialisation fiable à l'intelligence incarnée.
C'est la séquence.
D'abord le système apprend à savoir.
Ensuite il apprend à faire.
Puis il apprend à s'améliorer.
Enfin il commence à agir dans le monde réel.
C'est là que je pense que la vraie décennie se dirige.