Le 1er septembre, Amber Premium a officiellement été renommé AMBR et a annoncé que les agents IA deviendraient la direction fondamentale de l'entreprise, avec ses premiers produits axés sur les domaines financier, entrepreneurial et de croissance, notamment l'agent IA financier personnel Ambre et MIA, dédié au marketing entreprise.
À ce seul moment, cette action peut sembler indiquer qu'une autre entreprise de technologie financière se tourne vers l'IA. Toutefois, en allongeant le cadre d'observation, ce chemin pourrait ne pas être aussi soudain qu'il n'y paraît.
En 2017, l'équipe fondatrice a commencé avec Amber AI, explorant initialement la combinaison de l'IA et des marchés financiers. Depuis, près de dix ans plus tard, l'entreprise a étendu ses activités aux domaines de la gestion de patrimoine numérique, du trading et de la sécurité. Aujourd'hui, les trois orientations choisies par AMBR — finance, entreprise et croissance — présentent une forte superposition avec son périmètre d'activités existant.
Ainsi, le véritable changement ne réside pas dans l'entrée dans un nouveau secteur, mais dans la manière de livrer les solutions. Par le passé, ces compétences étaient principalement transmises via des produits financiers, des logiciels, des services et des équipes spécialisées ; aujourd'hui, AMBR tente de transformer les connaissances sectorielles, les processus métier et l'expérience professionnelle en de nouvelles formes de produits grâce à des agents IA.
La différence de l'agent ne réside pas dans la « réponse », mais dans l'« exécution »
Du point de vue industriel, l'émergence des agents n'est pas un choix d'une seule entreprise, mais le résultat naturel de l'évolution des capacités de l'IA. Au cours des deux dernières années, les modèles de base ont progressé de manière significative en compréhension et en génération, mais les utilisateurs ont rapidement constaté que les tâches véritablement utiles ne se limitent pas à une seule question-réponse, mais impliquent une exécution continue à travers plusieurs outils et étapes.
En parallèle, les chatbots généraux sont en cours de forte standardisation. La convergence des capacités des modèles et la baisse des coûts d'appel rendent de plus en plus difficile la création de différenciation par une simple intégration de grands modèles. Le centre d'intérêt de l'industrie passe donc de « ce que le modèle peut dire » à « ce que l'Agent peut faire ».
Il n'est pas surprenant que la finance et le marketing aient été parmi les premiers domaines de test. Ces deux secteurs présentent une forte densité d'informations, des processus complexes et une demande constante d'efficacité et de précision. Toutefois, ils exigent également un niveau plus élevé de fiabilité, de contrôle des autorisations et de vérifiabilité des résultats. Cela signifie que le déploiement d'agents dans ces scénarios ne dépend pas uniquement des capacités du modèle, mais aussi de la compréhension des processus industriels, des données et des limites de risque.
L'industrie est toujours à un stade précoce. La capacité des agents à accomplir des tâches de manière stable et à être considérés comme fiables par les entreprises pour être intégrés dans leurs processus centraux reste une question ouverte. C'est précisément pour cette raison que cette vague de concurrence ne sera peut-être pas déterminée uniquement au niveau des modèles, mais se répartira davantage entre les applications, les outils et les scénarios verticaux.
Les scénarios existants ne sont pas équivalents à un avantage naturel
Si la stratégie IA d'une entreprise se limite à intégrer des modèles plus puissants, il deviendra difficile de se différencier à long terme. Les modèles eux-mêmes évoluent rapidement et leurs coûts d'appel diminuent. Par conséquent, la concurrence entre agents se déplacera probablement au-delà des modèles : compréhension sectorielle, maîtrise des processus métiers, qualité des données, capacité d'appel aux outils, limites de permissions et contrôle des risques.
Du point de vue de son origine, AMBR présente une certaine particularité. Avant de se tourner vers les agents IA, elle opère déjà depuis plusieurs années dans les domaines de la finance des actifs numériques, du trading, de la sécurité, ainsi que des services aux entreprises et du marketing numérique. Cela signifie qu’elle n’a pas besoin de commencer à identifier les points douloureux du secteur depuis zéro, mais qu’elle dispose déjà de scénarios commerciaux prêts à être testés et déployés.
Cependant, il reste à observer si l'expérience historique peut être transformée en avantage à l'ère des agents. Les processus et connaissances efficaces dans le passé ne peuvent pas nécessairement être directement transférés vers de nouveaux paradigmes technologiques. Cela représente à la fois une opportunité pour AMBR et son incertitude fondamentale.
Deux produits, visant le même problème
Ambre et MIA, actuellement publiés, ciblent respectivement la finance individuelle et le marketing d'entreprise. Ambre doit comprendre la situation et les besoins des utilisateurs en matière d'actifs, puis filtrer les informations du marché pour identifier les contenus véritablement pertinents ; MIA implique plusieurs étapes, telles que l'étude client, la production de contenu, la diffusion médiatique et l'analyse des résultats.
Deux scénarios semblent différents, mais ils font face à la même question : l’IA peut-elle non seulement accomplir une étape spécifique, mais aussi comprendre le contexte précis, appeler les outils appropriés et faire progresser continuellement une tâche jusqu’à son achèvement ?
C’est également ce qui distingue les agents verticaux des chatbots généraux. Ils n’ont pas besoin de tout savoir, mais doivent comprendre suffisamment bien un secteur pour accomplir réellement des tâches au sein de celui-ci. À mesure que les capacités des modèles de base convergent, la concurrence risque de se déplacer progressivement vers des compétences externes à ces modèles : la connaissance du secteur, l’utilisation d’outils, la compréhension des processus et la fiabilité d’exécution.
Le véritable test réside dans l'utilisation du produit, et non dans le récit stratégique.
L'agent est déjà l'une des directions les plus surpeuplées de l'industrie de l'IA. Les entreprises de grands modèles, les fournisseurs de SaaS et un grand nombre de startups explorent tous ce domaine sous différents angles. Par conséquent, pour AMBR, le changement de nom et le virage stratégique ne sont que la première étape.
Les questions suivantes sont plus spécifiques : les expériences acquises dans les domaines de la finance, des services aux entreprises et des actifs numériques peuvent-elles être transformées en agents plus efficaces ? Les utilisateurs sont-ils disposés à confier leurs tâches réelles à cet agent ? Les entreprises sont-elles prêtes à intégrer l’agent dans leurs processus centraux ? Dans des contextes hautement sensibles comme la finance, peut-il atteindre une fiabilité suffisante ?
Ces questions ne peuvent pas être résolues par une position de marque ou une narration stratégique, mais uniquement vérifiées grâce à une utilisation réelle du produit et à une itération continue.
Qu'est-ce qui s'est réellement passé de Amber Premium à AMBR ?
Vu dans le contexte actuel, il s'agit d'une réorientation complète de l'activité. Une société cotée qui était autrefois étroitement liée aux actifs numériques place désormais les AI Agent au cœur de son avenir.
Mais si l'on revient au point de départ de 2017, cette piste n'est pas apparue de nulle part. Les expériences passées de l'entreprise, allant de Amber AI à la finance d'actifs numériques, puis aux services aux entreprises et au marketing numérique, tracent un chemin traceable vers les quelques directions d'Agent choisies aujourd'hui.
Ainsi, plutôt que de le simplifier en « une entreprise Crypto commence à se lancer dans l’IA », une formulation plus précise serait : une entreprise qui opère depuis près de dix ans dans plusieurs industries complexes tente de réintégrer son expérience accumulée dans un nouveau paradigme technologique.
Il n’y a pas encore de réponse sur savoir si cette expérience deviendra un avantage compétitif ou sera diluée par les technologies en évolution rapide. Mais c’est précisément ce qui fait de la transformation d’AMBR un sujet d’observation continue pour l’industrie.
Neuf ans plus tard, AMBR revient à l'IA. Le véritable enjeu ne réside pas dans le virage de la marque, mais dans sa capacité à transformer les connaissances du secteur en exécution concrète. Pour l'industrie, il s'agit d'une expérience à suivre.