Auteur : Zen, PANews
Vous avez passé six mois à faire comprendre à ChatGPT vos habitudes de travail, votre style d'écriture et vos projets à long terme. Il connaît vos méthodes de révision, les entreprises auxquelles vous accordez souvent de l'attention, et a progressivement saisi vos préférences en matière de structure, de ton et de densité d'information.
Mais un jour, un nouveau modèle plus puissant apparaît. Vous ouvrez Claude, Gemini ou DeepSeek et vous réalisez que tout doit recommencer à zéro. Le nouveau modèle ne vous reconnaît pas, ne connaît pas le contexte de votre travail accumulé au cours des derniers mois, ni la manière dont vous pensez, écrivez ou prenez des décisions.
Au cours des deux dernières années, la concurrence la plus importante dans l'industrie de l'IA a porté sur les « capacités des modèles ». Qui avait le meilleur raisonnement, le plus long contexte et les meilleures compétences en codage déterminait presque tout. Mais aujourd'hui, une nouvelle question émerge : l'IA comprend de plus en plus ce que vous aimez, mais à qui appartient réellement cette « compréhension » ?
Changement de rôle : l'IA passe d'un outil de discussion à un assistant numérique personnel
En novembre 2022, le chatbot d'intelligence artificielle ChatGPT est apparu soudainement. Après son lancement, il a déclenché une vague de discussion à l'échelle mondiale, atteignant plus d'un milliard d'utilisateurs actifs mensuels en seulement deux mois, devenant ainsi l'application grand public à la croissance la plus rapide de l'histoire. À cette époque, les grands modèles ressemblaient davantage à une « recherche avancée » : les utilisateurs posaient des questions à l'IA, qui générait instantanément des réponses, et la relation prenait fin une fois la conversation terminée.
Mais au cours des deux dernières années, le rôle de l’IA a considérablement évolué. Avec l’amélioration continue de ses capacités de raisonnement, de codage et d’appel d’outils, l’IA commence à s’intégrer profondément dans les flux de travail réels. De plus en plus de personnes l’utilisent pour écrire du code, organiser des documents, analyser des données, planifier des voyages, gérer leur emploi du temps, et même participer à long terme à la création de contenu et à la prise de décisions commerciales.
Dans de nombreux cas, les utilisateurs ne se contentent plus de « poser des questions à l’IA », mais collaborent avec elle sur le long terme. Elle commence à comprendre votre façon de travailler, vos habitudes d’expression et vos objectifs à long terme, et participe continuellement au même projet, à la même chaîne de travail, voire assume progressivement certaines tâches exécutives. Dans une certaine mesure, l’IA évolue d’un outil de réponse ponctuelle vers un assistant numérique personnel durable.
Mais avec une amélioration significative des capacités des modèles, une convergence croissante des produits leaders, ainsi qu'une utilisation à long terme et généralisée de l'IA, de nouveaux problèmes commencent à émerger.
Dès que l'IA commence à collaborer sur de longues périodes, la « mémoire » qui stocke et rappelle les expériences passées pour améliorer la prise de décision et les performances globales n'est plus simplement une base de données anecdotique. Dans de nombreux cas d'utilisation, le goulot d'étranglement n'est plus le niveau d'inférence du modèle, mais la capacité à gérer la mémoire à long terme et le contexte. Cloudflare qualifie directement la mémoire agente de plus grand défi actuel, mais aussi l'un des domaines les plus rapides à évoluer, dans l'infrastructure de l'IA.
Les principales entreprises d'IA ont également pris conscience que la mémoire à long terme devient une composante de l'expérience produit. OpenAI a séparé la mémoire de ChatGPT en « saved memories » et « Reference chat history » : les premières conservent les informations que l'utilisateur souhaite conserver à long terme, tandis que les secondes permettent à ChatGPT d'extraire des contenus utiles des conversations précédentes pour fournir des réponses personnalisées ultérieures. Gemini commence également à apprendre les préférences de l'utilisateur à partir des conversations antérieures. Claude a lancé une fonction mémoire prenant en charge l'importation et l'exportation des souvenirs.
Les îlots de plateforme font de la « mémoire » de l'IA un nouveau champ de bataille dans l'industrie
Mais le problème est que ces capacités de mémoire restent globalement limitées à chaque plateforme, appartenant uniquement aux systèmes de comptes et environnements produits indépendants de chaque plateforme, formant ainsi de véritables îlots isolés. Bien qu'Anthropic prenne en charge l'importation et l'exportation des mémoires, cela ressemble actuellement davantage à un outil de migration dédié à Claude qu'à une norme universelle adoptée conjointement par toutes les plateformes.
ZetaChain vise précisément ce vide. Après avoir entièrement adopté l'IA, ZetaChain étend la notion de « propriété », autrefois propre au monde cryptographique, aux mémoires d'IA et au contexte utilisateur. Il vise à créer non pas simplement un produit de discussion, mais une couche de mémoire privée indépendante des plateformes de modèles, permettant aux utilisateurs de posséder réellement leurs mémoires à long terme, leurs préférences comportementales et leur contexte IA.
Le produit grand public basé sur l'IA d'ZetaChain, Anuma, permet aux utilisateurs de posséder un ensemble de souvenirs privés chiffrés et prend en charge une intégration fluide entre les principaux modèles d'IA tels que ChatGPT, Claude et Gemini. Les utilisateurs n'ont plus besoin de recréer chaque fois leur contexte, leurs préférences et leurs habitudes de travail lorsqu'ils changent de modèle ; au contraire, ils contrôlent eux-mêmes les autorisations d'accès et peuvent transporter leurs souvenirs historiques d'un modèle à un autre, ainsi qu'entre différents agents.
Au fur et à mesure que l'IA accumule les préférences d'utilisation, les habitudes d'écriture, les processus de travail et les conversations historiques des utilisateurs, la soi-disant « mémoire » devient de plus en plus une « réflexion de personnalité ». Elle ne détermine pas seulement si les réponses du modèle correspondent aux préférences de l'utilisateur, mais peut aussi influencer si le modèle agit à l'avenir selon vos habitudes et vos valeurs lorsqu'il prend des décisions pour vous.
Outre la propriété des souvenirs par les utilisateurs et la possibilité de choisir des modèles spécialisés en fonction des tâches, Anuma développe un système de permissions programmable, auditables et révocables, permettant aux agents IA d’accéder une seule fois aux enregistrements, tout en permettant de révoquer les autorisations à tout moment, avec toutes les modifications de permissions enregistrées et traçables sur la chaîne.
En outre, la mémoire et le graphe de connaissances des utilisateurs pourront devenir des actifs partageables, autorisés et monétisables, sans exposer les données d'origine. Cela permet aux utilisateurs professionnels, tels que les investisseurs, les médecins, les avocats et les développeurs, de regrouper leurs connaissances spécialisées sous forme d'Agent et de les publier sur le Marketplace des Agents, afin de générer des revenus chaque fois qu'ils sont utilisés par d'autres.
De la chaîne croisée à la plateforme inter-AI, pourquoi ZetaChain a-t-elle effectué cette transition ?
La capacité d'Anuma à réaliser les fonctionnalités mentionnées ci-dessus est rendue possible grâce à l'infrastructure sous-jacente Private Memory Layer développée par ZetaChain. En tant qu'infrastructure privée dédiée à l'IA pour la mémoire, l'identité, les autorisations, les paiements et les agents, elle vise à permettre aux applications et agents de collaborer entre modèles tout en conservant le contrôle total aux utilisateurs.
ZetaChain s'est toujours concentrée sur l'infrastructure d'interopérabilité interchaînes, avec pour objectif principal de résoudre les problèmes de transfert d'actifs et de messages entre différentes blockchains. En matière de « portail unifié multi-chaîne », elle a construit un réseau et une narration de taille significative. Selon ses données officielles, cette blockchain compte 11,9 millions d'adresses uniques et 241 millions de transactions.
Mais avec le lancement public d'Anuma le 27 avril de cette année et le dépassement de 50 000 utilisateurs au premier mois, ZetaChain a commencé à décider de se concentrer entièrement sur l'IA et à progressivement arrêter ses activités d'interopérabilité interchaînes. Ce changement de cap repose sur une logique interne relativement claire.
Par le passé, ZetaChain se concentrait principalement sur la résolution du problème d'interopérabilité entre chaînes. Dans le monde de l'IA d'aujourd'hui, des fractures similaires existent. D'une certaine manière, les actifs numériques pour la blockchain sont comme la mémoire et le contexte pour l'IA. Chaque modèle possède son propre système de mémoire fermé, et dès qu'un utilisateur change de plateforme, le contexte et les préférences comportementales accumulés sur le long terme sont souvent interrompus.
Au fil des dernières années, ZetaChain estime que le plus grand défi qu'elle rencontre aujourd'hui n'est plus le transfert cross-chain entre blockchains, mais la continuité entre différents modèles et différents agents, ainsi que la question de la propriété du contexte par les utilisateurs.
a16z crypto a également mentionné dans un article d'analyse que les agents ont déjà commencé à devenir des participants économiques, mais qu'ils manquent encore d'identité portable, de paiements programmables, d'autorisations vérifiables et d'une couche de coordination publique nécessaire à la collaboration entre environnements. Ainsi, contrairement à de nombreux projets AI+Crypto qui cherchent artificiellement des cas d'utilisation, la transition de ZetaChain suit une logique beaucoup plus fluide.
Dans l'histoire des affaires, la transformation réussie d'entreprises d'infrastructure n'est pas rare. Ces entreprises ne se contentent pas de changer de secteur, mais poursuivent de nouveaux goulets d'étranglement en s'appuyant sur la logique de leurs produits. Le récit initial le plus important d'NVIDIA était le calcul graphique et les cartes graphiques pour les jeux, mais avec l'émergence de l'IA, son architecture GPU est devenue l'infrastructure centrale de toute l'industrie de l'IA. L'infrastructure ne se concentre jamais indéfiniment sur le même point de contrainte ; les véritables gagnants sont souvent ceux qui reconnaissent en premier l'émergence du « prochain goulot d'étranglement ».
De la couche de mémoire privée à la couche de consommation IA
Avec l'explosion de l'IA, la forme future de l'IA ne se limitera évidemment pas aux fenêtres de discussion, mais évoluera progressivement vers un grand nombre d'assistants IA persistants et collaboratifs. Sur la base de ce jugement, ZetaChain, après avoir introduit la « couche de mémoire privée » pour résoudre la question de la compréhension à long terme des utilisateurs par l'IA, propose désormais le concept de « couche de consommation d'IA (AI Consumer Layer) », dans le but de redéfinir la relation entre les utilisateurs et l'IA après que celle-ci aura agi de manière durable en leur nom.
Dans la vision de ZetaChain, l'IA du futur ne se limitera pas à répondre à des questions, mais participera activement aux flux de travail et aux décisions quotidiennes des utilisateurs. Différents assistants IA seront chargés de tâches variées : certains géreront le code, d'autres organiseront les finances, d'autres encore planifieront les itinéraires, tandis que certains participeront à long terme à la création de contenu et à l'analyse de recherche. Pour que ces IA puissent véritablement collaborer, elles devront partager un même système de contexte, d'identité et de permissions à long terme.
Ainsi, ce qu'on appelle la « couche consommation de l'IA » vise essentiellement à intégrer des capacités autrefois dispersées au sein d'un cadre unifié. Memory gère le contexte à long terme, Permissions assure le contrôle des autorisations, Identity gère le système d'identité, Payments prend en charge les appels et les paiements entre IA, tandis que les Agents constituent le réseau d'IA qui exécute finalement les tâches pour l'utilisateur.
C'est aussi pourquoi la « propriété » devient le concept central que ZetaChain insiste répétitivement.
Dans ce système, il devient essentiel de déterminer si les utilisateurs conservent toujours leur contexte, leurs autorisations et leur identité. Par exemple, un AI chargé de la revue de code peut être temporairement autorisé à lire des dépôts GitHub ; un AI dédié à la préparation fiscale peut accéder une seule fois aux documents fiscaux ; un AI chargé de l’organisation de voyages ne peut accéder qu’à l’historique des déplacements et aux informations du calendrier. Les autorisations ne sont plus contrôlées de manière centralisée par la plateforme, mais sont attribuées dynamiquement par l’utilisateur et peuvent être révoquées à tout moment.
Et c'est précisément cela qui fait que la blockchain commence à retrouver des liens avec l'IA.
Au fur et à mesure que de plus en plus d'IA travaillent pour les utilisateurs, les questions « qui peut accéder à quoi », « les autorisations peuvent-elles être révoquées » et « les appels sont-ils traçables » deviendront progressivement de nouveaux problèmes d'infrastructure. Les systèmes de permissions sur chaîne sont naturellement adaptés pour gérer ce type de relations de collaboration multiple.
Le token d'infrastructure IA, ZETA, voit son utilité augmenter avec la transformation.
Avec la stratégie ZetaChain, les fonctions et l'utilité du jeton ZETA sont également ajustées. Par le passé, ZETA ressemblait davantage à un jeton de chaîne publique traditionnelle, assurant principalement les fonctions de gas, de validation et de sécurité interchaînes, sans grande innovation dans sa conception mécanique. Mais dans ce nouveau récit, ZETA deviendra un « jeton d'infrastructure IA » et son utilité sera considérablement renforcée.
Selon la description actuelle de ZetaChain, ZETA assumera plusieurs utilisations à l'avenir :
Tout d'abord, les autorisations d'accès aux modèles AI et aux agents. Certains modèles avancés, outils AI professionnels ou services d'agents nécessitent un déblocage via ZETA ou le paiement de frais d'appel.
Ensuite, il y a le règlement des paiements entre agents. ZetaChain mentionne que, à l'avenir, les interactions entre différentes IA et applications seront effectuées via le protocole x402 pour les paiements sur chaîne. Son objectif est clair : si les IA appellent automatiquement d'autres IA à l'avenir, des systèmes de paiement natifs seront nécessaires entre machines.
Troisièmement, les opérations sur chaîne concernant la mise à jour des autorisations et de la mémoire. Les modifications apportées par les utilisateurs aux autorisations, au contrôle d'accès et à l'état de la mémoire pourraient à l'avenir être enregistrées sur la chaîne.
Le quatrième point concerne l'économie des créateurs. ZetaChain souhaite que, à l'avenir, des professionnels tels que des développeurs, des chercheurs, des avocats et des médecins puissent encapsuler leurs connaissances sous forme d'outils ou d'agents IA, et générer des revenus en les appelant, tandis que ZETA jouera le rôle de transfert de valeur.
Cependant, il faut préciser que cette partie reste pour l’instant principalement au stade narratif, car l’économie des agents IA n’est pas encore mature, et les scénarios réels de « IA qui appelle une autre IA » ou de « paiements autonomes par des agents » n’ont pas encore émergé. Des concepts tels que x402, les permissions sur chaîne ou l’identité IA sont pour l’instant davantage des préparations d’infrastructure que des demandes à grande échelle validées.
Mais ce qui rend ZetaChain et sa logique produit dignes d'intérêt, ce n'est pas seulement qu'elle a créé une infrastructure accompagnée d'un produit IA, mais qu'elle tente de redéfinir à qui appartiennent la mémoire, l'identité, le contexte et les autorisations IA de l'utilisateur futur : à la plateforme ou à l'utilisateur lui-même. Ce que ZetaChain cherche à accomplir, en substance, c'est de faire en sorte que ces éléments ne soient plus contrôlés par les plateformes, mais retournent entre les mains des utilisateurs.