Derrière l'équipe MiniMax 10x, l'IA industrielle ne rencontre pas de goulot d'étranglement technologique, mais une chaîne de responsabilités dans le monde réel.

Auteur de l'article : Yan Jun

Source : 36氪

Introduction : Les grands modèles deviennent de plus en plus habiles à rédiger des réponses, mais le véritable défi sur le terrain industriel réside dans la manière dont ces réponses sont adoptées, expliquées et pour lesquelles on tient compte de la responsabilité. L'importance de l'équipe MiniMax 10x ne réside pas seulement dans le recrutement d'experts — mais dans le fait que les entreprises de modèles commencent à chercher des points d'entrée dans la chaîne de responsabilité industrielle.

L'année dernière, j'ai réellement senti que j'avais été laissé pour compte par l'époque.

Vingt ans de jugement et de sens du terrain, et d'un jour à l'autre, ils ont soudainement perdu leur point d'ancrage. Ce n'est pas parce que l'on a fait quelque chose de mal, mais parce que le monde a changé de critères d'évaluation.

Modèles de grande taille, agents, codage par IA, un après l'autre. Le monde entier parle de « gains d'efficacité multipliés par dix » et de « refonte des industries ». Au début, j'étais enthousiaste. Puis l'enthousiasme s'est dissipé, ne laissant derrière lui qu'un sentiment de vide.

J'ai donc commencé à rattraper mon retard : en IA, mais aussi en jugement personnel. Ce n'est pas que j'aie soudainement développé une passion pour la technologie, mais j'ai senti que je ne pouvais plus rester à l'extérieur à observer. À cet âge, je n'aurais jamais imaginé m'inscrire à une maîtrise en informatique, reprendre les cours, lire des articles scientifiques, et forcer ma compréhension des technologies et des algorithmes.

À la fois abstrait et réel, c’est assez agréable.

Plus on utilise l'IA, plus on réalise une chose : elle sait écrire, calculer, résumer et excelle à traiter des problèmes bien définis et aux limites claires. Mais dans le monde réel, beaucoup de problèmes n'ont même pas une question clairement formulée.

À chaque fois qu'il s'agit de prendre une décision réelle, les conseils de l'IA sont toujours — semblent corrects, mais sans « mais ».

Pas cette phrase : « Ce n'est pas le bon moment, le lancer maintenant ne ferait que mettre tout le monde dans une situation embarrassante. »

Il n'y a pas cette phrase : « Écrire ce risque est conforme à la réglementation, mais qui assume la responsabilité en cas de problème ? »

Pas cette phrase : « Ce plan ne peut pas être présenté ainsi, dès que tu le proposes, l’autre saura que tu n’as pas bien compris qui décide. »

Il n'y a pas cette phrase : « Cette phrase est acceptable dans la présentation, mais elle causera des problèmes dans le contrat. »

L'IA ne dira pas cela. Ce n'est pas parce qu'elle n'est pas assez intelligente, mais parce qu'elle n'a pas à assumer les conséquences d'une erreur.

Ainsi, cet article ne traite pas de la question « L’IA remplacera-t-elle les humains ? ». Je voudrais approfondir : lorsque les réponses deviennent de plus en plus bon marché, quelles expériences conservent encore de la valeur ? Quand l’IA peut rédiger des plans, qui détermine si ces plans sont réalisables ? Ceux qui, autrefois, prenaient des décisions sur la base de leur expérience du monde réel, comment peuvent-ils encore entrer en jeu ?

En voyant le message de l'équipe MiniMax 10x, j'ai soudainement réalisé que la question que j'avais réfléchie à plusieurs reprises ces derniers temps trouvait un commentaire concret dans l'industrie.

Ce n'est pas un nouveau modèle, ni une annonce de financement. Les informations publiques indiquent que l'équipe MiniMax 10x s'adresse à des experts dans les domaines du logiciel industriel, des moteurs de jeu, de la conception de puces, de la finance et de la comptabilité, et ressemble davantage à un mécanisme de « partenaire de recherche industrielle » : des experts du domaine interviennent pour définir les problèmes, co-développer les évaluations et les flux de travail, et transmettre directement leur expérience professionnelle au modèle.

Ce qui mérite vraiment attention, ce n'est pas à quel point cet événement est bruyant, mais le signal qu'il envoie : l'IA industrielle doit entrer sur le terrain de première ligne, et ne peut pas compter uniquement sur des modèles plus puissants ; elle doit également intégrer les définitions de problèmes, les retours et les chaînes de responsabilité propres aux secteurs réels.

C'est cette rupture :

Le coût de générer une réponse diminue rapidement. Le coût pour que la réponse soit acceptée, expliquée et rendue responsable, lui, n'a pas baissé d'un cent.

01 Pourquoi l'IA a-t-elle donné la bonne réponse, mais celle-ci n'a pas été intégrée à la chaîne de responsabilité ?

L'IA n'a pas d'identité réelle ni de pertes concrètes. Elle ne perd pas de clients à cause d'une mauvaise évaluation, n'est pas tenue responsable d'une mauvaise décision et n'a pas à expliquer lors d'une rétrospective « pourquoi elle avait fait ce jugement ».

Sans perte réelle, il n'apprend pas ce jugement « qu'on ne comprend qu'après avoir vécu ».

Alors, consulter des experts du secteur ne vise pas seulement à combler des connaissances, mais aussi à intégrer les retours du monde réel : quelles questions méritent d’être posées, quelles limites ne doivent pas être franchies, quels jugements peuvent entrer dans le processus, et quelles conséquences doivent être clairement annoncées à l’avance.

Les experts ne sont pas des correctifs de connaissances pour l'IA, mais les terminaisons nerveuses de l'IA sur le terrain industriel.

Autrefois, rédiger un plan, prendre une décision et assumer la responsabilité étaient trois tâches liées. Aujourd'hui, les grands modèles ont rendu la partie « rédiger une réponse » bien moins coûteuse ; les compétences restantes — décider si la réponse peut être retenue, expliquée ou fait l'objet d'une responsabilité — sont devenues à nouveau plus précieuses.

Je l'appelle la chaîne de responsabilité : le parcours d'une réponse depuis « ça a l'air correct » jusqu'à « quelqu'un ose l'utiliser, la soumettre, la signer et en assumer la responsabilité ». Plus le contexte est à haute valeur, à haut risque et fortement réglementé — finance, santé, juridique, industrie, administration publique — plus cette chaîne est longue et difficile à accomplir.

Les grands modèles n'atteignent le front que lorsqu'ils comprennent ce que signifie être responsable.

02 Quatre scènes : l'IA peut tout faire correctement, mais chaque étape se bloque en dehors de la réponse

Le problème n'est pas que l'IA s'est trompée. Le problème est que la réponse n'entre pas dans la chaîne de responsabilité.

Salle 1 : Ce que les régulateurs se demandent vraiment, ce n'est pas « avez-vous de la valeur », mais « en cas de problème, à qui puis-je m'adresser ? »

Une fois, l'ancien employeur a fait face à des conflits de régulation simultanés dans plusieurs villes. Des documents abondants ont été préparés en interne : données des utilisateurs, preuves de conformité, clauses juridiques, contributions économiques. Soumis au modèle de grande taille d'aujourd'hui, il saurait certainement rédiger un texte impeccable — innovation technologique, efficacité urbaine, libération de la valeur sociale par l'économie de plateforme.

Ces mots sont corrects. Mais dans ce contexte, ils ne sont pas essentiels.

Les autorités de régulation et d'application de la loi ne se soucient pas de ces discours commerciaux sur la valeur. La seule chose qu'elles veulent vraiment savoir, c'est : en cas de problème, à qui puis-je m'adresser pour obtenir des réponses ? Comment puis-je justifier cela devant mes supérieurs ?

Ce que le gouvernement se demande vraiment, c'est : que faire en cas de manifestation de masse ? Qui est responsable en cas d'accident de sécurité ? Qui assume la responsabilité lorsque la plateforme se développe rapidement mais que la réglementation ne suit pas ?

La dernière chose à faire n'est pas de soumettre davantage de documents, mais de réinterpréter les capacités de la plateforme : les données peuvent aider à identifier les anomalies, les registres de commandes permettent de tracer les responsabilités, et le système technique ne doit pas être seulement un objet de régulation, mais aussi un levier de régulation.

C’est seulement ainsi que l’autre partie verra une interface : en cas de problème, je sais à qui m’adresser ; si j’ai une question, je sais comment vérifier ; si je dois faire un rapport, je sais comment l’expliquer.

L'IA peut organiser les matériaux de manière impeccable. Mais elle ne sait peut-être pas où se trouve cette interface, ni pourquoi c'est véritablement le levier de toute la communication.

Ce n'est pas un problème de matériel. C'est un problème d'interface de responsabilité réglementaire.

Deuxième point : La réforme avance ou non, ce n'est pas seulement une question de plan, mais de savoir si « chacun a une issue de secours ».

Une fois, j'ai participé à une compétition pour un projet pilote de réforme locale. Les concurrents disposaient de fonds plus importants, de propositions plus complètes et d'une logique irréprochable. Mais ils ont été éliminés.

Parce que leur proposition omet une question fondamentale non mentionnée dans aucun tableau d'évaluation : lors de la mise en œuvre des réformes, si des problèmes surviennent, chacun d'entre vous ici pourra-t-il trouver une explication plausible ?

Ce n'est pas rejeter la faute, c'est garder son dignité.

Beaucoup de réformes ne manquent pas de personnes qui comprennent leur valeur, mais de personnes prêtes à faire un pas de plus pour un projet dont la responsabilité n'est pas clairement définie.

Mais éliminer la peur ne suffit pas. Il est plus important que chaque unité impliquée voie concrètement ce qu’elle peut gagner en poussant cette initiative — pas des mots vagues comme « promouvoir ensemble la réforme », mais un cas pilote supplémentaire que ce département pourra présenter à l’extérieur, un résultat de performance nommé et identifié pour cette unité, et une occasion supplémentaire pour ce responsable d’être mentionné auprès de son supérieur.

Il y a un problème, je ne me mettrai pas en danger. Une fois terminé, qu'est-ce que j'obtiendrai ?

These two sentences together are the true action switch.

Le gouvernement local ne lit pas un plan d’affaires. Il évalue : qui mène le projet ? Quel département assure le soutien ? D’où provient le budget ? Comment sont définis les critères de validation ? Qui explique en cas de problème ?

Ce n'est pas un problème de plan, mais une question de savoir si chaque participant peut expliquer pourquoi il pousse.

Salle 3 : Même le plus complet des BP ne remplace pas le jugement opérationnel ni la responsabilité d'investissement.

Autrefois, un entrepreneur se rendait chez un fonds avec son projet : le modèle économique était clair, le marché suffisamment vaste, et tous les documents nécessaires étaient présents. Aujourd'hui, avec l'IA, un grand modèle peut rapidement générer un plan d'affaires structuré, voire d'un style international.

Mais ce que les fonds regardent vraiment, ce n'est souvent pas si les documents sont complets.

Ce jour-là, l'investisseur a feuilleté quelques pages et n'a posé qu'une seule question : « Vos clients représentent-ils une demande réelle du marché, ou s'agit-il simplement d'un pilote initié par une fenêtre politique ? Sans subventions l'année prochaine, vos clients renouvelleront-ils leurs abonnements ? »

This sentence appears to be asking the customer, but is actually verifying two things at once.

Une chose est le jugement commercial du fondateur : savez-vous vraiment d’où provient votre revenu, pourquoi vos clients paient, et s’ils continueront à payer l’année prochaine. Faites-vous face au risque, ou le cachez-vous sous de beaux matériaux ?

Un autre point est la responsabilité de l'investisseur : si je présente ce projet au comité d'investissement, puis-je expliquer clairement la qualité des revenus, le niveau de dépendance aux politiques, les risques de renouvellement et sur quoi repose le chemin de sortie ?

La réponse n'est pas absente du document. Simplement, bien souvent, personne ne sait quelle ligne constitue véritablement la question clé de la réunion.

L'investisseur avait déjà vu cette ligne. Il voulait simplement savoir : as-tu vraiment réfléchi à cette question, ou utilises-tu simplement un document attrayant pour éviter une réponse que tu n'as pas toi-même clarifiée ?

Il ne s'agit pas de critiquer le choix des matériaux, mais de vérifier si les deux chaînes de responsabilité peuvent être établies : le fondateur peut-il être tenu responsable des résultats opérationnels, et l'investisseur peut-il être tenu responsable de ses décisions d'investissement ?

L'IA peut tout organiser de manière irréprochable. Mais elle ne sait pas qu'une documentation trop complète est parfois elle-même un signal : encore pas prête à être véritablement posée.

Les matériaux ne sont jamais le cœur du sujet. Ce qui compte vraiment, c’est : la qualité des revenus peut-elle être vérifiée, les risques peuvent-ils être expliqués, et le jugement opérationnel et la responsabilité d’investissement peuvent-ils être simultanément justifiés ?

Scène 4 : Lorsqu'une transaction est bloquée, le véritable conflit ne réside souvent pas dans les clauses, mais dans « deux systèmes de responsabilité ».

Une autre fois, un projet technologique était sur la table, et toutes les parties déclaraient vouloir le promouvoir. La technologie présentait des barrières à l'entrée, la qualité des clients était bonne, la due diligence était terminée et les conditions étaient presque négociées. Apparemment, il ne restait plus qu'une dernière étape avant la signature.

Mais cette transaction a été suspendue sans raison. Personne n'a expliqué pourquoi.

Le fonds en yuan dit : « Nous devons encore examiner la structure. » Les actionnaires en dollars disent : « Nous devons confirmer les droits futurs. » Le fondateur dit : « Y a-t-il encore de la marge pour la valorisation ? » Tout le monde utilise des mots plus prudents pour exprimer ses véritables inquiétudes.

Les fonds en yuan sont sous-tendus par des objectifs industriels locaux, des missions de promotion de l'investissement, des exigences de réinvestissement local et des pressions réglementaires liées aux actifs d'État — ils nécessitent que cette entreprise serve, d'une certaine manière, les intérêts locaux. Mais les actionnaires en dollars ne sont pas là pour servir la région ; ils recherchent l'efficacité, la sortie et le DPI.

Ce sont deux systèmes de responsabilité qui, au sein d'une même entreprise, engendrent inévitablement une tension structurelle.

Par la suite, au lieu de demander à l'une ou l'autre partie de faire des concessions, la structure a été repensée : les actionnaires en dollars restent dans la structure supérieure, préservant la souplesse globale et les voies de sortie ; les fonds en yuans accèdent aux lignes de business spécifiques via des filiales régionales, tandis que les obligations de réinvestissement local et d'attractivité des capitaux sont assumées au niveau des filiales. Deux logiques distinctes, fonctionnant chacune à leur propre niveau, sans interférence.

Pour le fonds en yuan, il s'agit d'une note destinée à être présentée au comité d'investissement — pas pour prouver qu'il n'y a « aucun risque », mais pour leur permettre de répondre : pourquoi investis-je ? Quels risques connais-je ? Comment ces risques sont-ils maîtrisés ?

Pour les actionnaires en dollars, l'intégrité de l'architecture supérieure est préservée, et le chemin de sortie n'a pas été modifié.

Personne n'a fait de concession. Mais chacun a obtenu ce dont il avait vraiment besoin.

La nature de la négociation n'a jamais été de convaincre, mais de réorganiser les intérêts.

03 Deux signaux publics : L'IA peut assister, mais ne peut pas remplacer l'homme dans sa responsabilité

En regardant en arrière ces quatre moments, l’IA a pu faire « tout correctement » : les informations étaient exactes, la logique était complète, les clauses étaient précises. Mais à chaque fois, la véritable étape qui a fait avancer les choses s’est produite en dehors de la réponse de l’IA.

C'est là la véritable limite de l'IA industrielle aujourd'hui : ce n'est pas qu'elle soit pas assez intelligente, c'est qu'elle n'assume pas les conséquences.

Il ne faut pas avoir à expliquer cette décision lors d'une rétrospective dans trois ans, ni répondre au comité d'investissement sur la raison de ce jugement à l'époque. Dans le monde réel, prendre une décision, ce n'est pas seulement choisir une réponse, mais choisir les conséquences que l'on est prêt à assumer.

Le jugement fait après trois secondes de silence dans la salle de réunion n'est pas impossible à calculer pour l'algorithme. C'est simplement qu'il ne sait pas encore ce que quelqu'un a ressenti pendant ces trois secondes.

Les expressions professionnelles deviennent bon marché. Le jugement de l'industrie, non.

Le contexte judiciaire met le plus clairement en lumière cette question. Le rapport de travail de la Cour populaire suprême de 2026 souligne explicitement la nécessité de développer de manière proactive et prudente un système d’assistance à la décision judiciaire par l’intelligence artificielle, en maintenant une fonction d’assistance et en affirmant que la responsabilité judiciaire ne peut incomber qu’aux juges.

Il ne s'agit pas de nier l'IA, mais de lui trouver sa place : elle peut assister, mais ne peut pas remplacer la personne qui assume en dernier ressort la responsabilité judiciaire.

Un autre cas s'est produit au tribunal populaire de Tongzhou, à Pékin. Dans un litige commercial, l'agent a soumis un « cas de référence » généré par une IA, sans le vérifier lui-même, et le tribunal n'a pas retenu ce document, tout en critiquant cette pratique dans son jugement.

Ce cas est petit, mais typique.

Le problème ne réside pas seulement dans la qualité de la génération, mais dans le fait que le nœud de vérification et de confirmation intermédiaire a été sauté. La question n’est pas de savoir si l’IA peut produire du contenu qui semble professionnel, mais qui vérifie, qui soumet, qui signe et qui assume les conséquences avant que ce contenu n’entre dans le programme réel.

04 Qui va devenir plus cher ? Trois catégories de personnes et une nouvelle capacité

La valeur des services industriels passés était souvent regroupée : données, relations, expérience, jugement, responsabilité, facturés ensemble.

L'IA décomposera ce tas.

Les données se déprécient en premier, les expressions ensuite, et même l'analyse ordinaire se déprécie. Ce qui persiste vraiment, ce sont les jugements capables d'entrer dans la chaîne de responsabilité.

C'est aussi ce que je comprends comme l'ingénierie de jugement.

Évaluer les projets, ce n'est pas simplement alimenter le modèle avec des connaissances, mais décomposer « ce qui peut être signé, ce qui ne peut pas être signé, et quels risques doivent être clairement communiqués à l'avance » en des normes que le système peut vérifier et que l'organisation peut adopter.

Autrefois, ces jugements étaient cachés dans l'intuition des experts ; à l'avenir, ils devront être intégrés dans les systèmes.

Cela correspond à une nouvelle capacité : la capacité de transformer un jugement en un flux de travail responsable.

Il ne s'agit pas simplement de comprendre l'industrie ou de savoir utiliser l'IA, mais de décomposer les limites, risques, contre-exemples, points de responsabilité et critères d'acceptation du monde réel en des processus que les modèles peuvent apprendre, que les systèmes peuvent vérifier, que les organisations peuvent adopter, et dont les problèmes peuvent être expliqués.

En suivant cette ligne, les trois types de personnes qui deviendront probablement plus chères à l'avenir.

Première catégorie : les personnes capables de décomposer l'expérience en normes.

Ce n’est pas seulement dire « J’ai de l’expérience », mais être capable d’expliquer clairement : quoi trader et quoi ne pas trader ; quels risques doivent être mentionnés à l’avance ; quelles solutions semblent bien écrites, mais causeront des problèmes une fois mises en œuvre. Ces personnes, si elles parviennent à décomposer leur expérience en normes, contre-exemples, évaluations et check-lists, deviendront l’interface clé pour faire entrer les modèles sur le terrain industriel.

Deuxième catégorie : les personnes capables de comprendre simultanément plusieurs systèmes de responsabilité.

Les gouvernements, les fonds en yuan, les fonds en dollars et les clients industriels interprètent les mêmes faits de manière totalement différente. Ceux qui peuvent traduire entre ces systèmes ne transmettent pas simplement des messages, ils réassignent les responsabilités.

Troisième catégorie : les entreprises qui peuvent intégrer le jugement dans leur flux de travail.

Ce qui est véritablement difficile à remplacer, ce sont les systèmes intégrés aux processus de responsabilité des clients — savoir comment une rapport est approuvé, comment un risque est traçable, et comment un jugement de conformité est pris en charge par l'organisation.

Ce que le client paie finalement, ce n'est pas « si l'IA écrit bien », mais : cette évaluation me permet-elle d'oser l'utiliser ?

La valeur de l'IA industrielle est à court terme dans les modèles et outils, à moyen terme dans les agents verticaux, et à long terme dans les systèmes de flux de travail capables d'intégrer les processus de responsabilité client.

« Générer des réponses » deviendra de plus en plus comme l’eau et l’électricité — essentiel, mais plus un avantage concurrentiel. Les vraies opportunités de rentabilité élevée apparaîtront au niveau des flux de travail industriels.

Conclusion : Ces quelques secondes d'arrêt comportent non seulement de la logique, mais aussi de la responsabilité.

La vraie question n’est pas de savoir si l’un remplace l’autre, mais comment l’humain et l’IA répartissent à nouveau les rôles. L’IA apporte vitesse, structure et échelle ; l’humain apporte du sens, des limites et de la responsabilité. Seule la combinaison des deux permet à un jugement de passer de « semblant d’exactitude » à une réalité concrète.

L'IA ne rend pas les expériences réelles obsolètes. Elle oblige tout le monde à mettre à niveau son expérience.

Les expériences qui ne restent qu'à l'état de pensée s'évanouissent rapidement ; celles qui peuvent être décomposées, exprimées, vérifiées et itérées deviennent le véritable carburant de la collaboration homme-machine.

Les grands modèles traitent un monde régi par des règles fixes. Mais la société réelle est vivante — elle réagit, se réinterprète elle-même, et déforme chaque « bonne réponse » au moment de son application.

Dans un tel monde, il ne suffit pas de traiter des informations. Il faut aussi être capable de percevoir le sens — pour qui cela est important et pourquoi. Il faut aussi être capable d’évaluer la valeur — cette réponse mérite-t-elle d’être adoptée, signée, confiée ?

Cette perception ne provient pas du calcul à partir de données. Elle découle d'expériences répétées d'essais, de confrontations aux conséquences et de réajustements dans un environnement industriel.

Ainsi, même si les modèles deviennent de plus en plus puissants, ils ont toujours besoin que quelqu'un leur indique : ce qui compte vraiment sur le terrain industriel.

Ce n'est pas un transfert de connaissances, mais une traduction de sens et de valeur. Ceux qui ont pris des décisions sur le terrain, assumé des responsabilités et appris à leurs dépens ne sont pas seulement des sources de connaissances pour l'IA, mais aussi ses interfaces avec le monde réel.

Cet article s'adresse non seulement aux professionnels de l'IA, mais aussi à tous ceux qui continuent de prendre des décisions dans le monde réel, d'apprendre de leurs erreurs et de porter des responsabilités.

Ces expériences sont difficiles à inclure dans un CV et difficiles à comprendre directement par les modèles. Mais elles constituent précisément l'interface la plus manquante lorsque l'IA industrielle entre dans le monde réel.

Les grands modèles deviendront de plus en plus puissants et de plus en plus rapides. Mais sur le terrain, le monde réel ne fonctionnera pas automatiquement parce qu'une réponse est logiquement cohérente. Il réagira, rebondira et fera que chaque décision entraîne des conséquences.

Il y aura toujours quelqu’un qui hésitera quelques secondes avant de confirmer.

Dans ces quelques secondes, il y avait plus que de la logique.

Et la responsabilité.