← Accueil actu | Salle du marché
2026-11-11 · Source:虎嗅·中继

Le focus a glissé des capacités du modèle vers le Context, la mémoire et les permissions ; Meta et OpenAI sont entrés en scène, les géants chinois guettent. Le Personal Agent d'Instinct est en train de transformer « attendre la tâche » en « agir de soi-même » — derrière, une nouvelle pente raide de la courbe de consommation de tokens.
Un document à signer avant 15 heures, toujours non traité à 14 h 55 : l'Agent vous appelle directement pour vous le rappeler. Ce n'est pas un trait de science-fiction, c'est une fonction en cours de réalisation chez Instinct. La discussion entre le fondateur Noah Shinn et l'analyste Ben Thompson autour du Personal Agent n'a en réalité qu'un seul point d'ancrage : il n'attend plus qu'on lui confie des tâches, il agit de lui-même à partir du Context. Ce qui paraît une simple mise à niveau de l'interaction signifie en fait le passage de l'IA du rôle d'« outil » à celui de « collaborateur résident » — et résident signifie que l'inférence n'est plus une requête ponctuelle mais une charge de fond qui tourne en continu.
Depuis plus d'un an, le secteur enchaîne les changements de rapport : du ChatBot au Coding Agent, puis à l'agent généraliste, aujourd'hui vient le tour du Personal Agent. Depuis que Muse a percé, le centre de la discussion a visiblement quitté les capacités du modèle pour l'ordinateur dans le cloud, le Context, la mémoire de long terme, la proactivité et les permissions — comme si l'ère des applications était vraiment arrivée. La comparaison est directe : avec un Coding Agent, l'utilisateur ouvre Codex et donne une instruction — corriger un bug, rédiger des Slides, tout part de l'instruction ; le Personal Agent, lui, tient l'agenda, les mails, la position, l'historique de consommation, jusqu'aux habitudes et préférences, et sait juger seul ce qu'il faut faire maintenant. Rendez-vous client à 10 heures : à 9 h 30 il a déjà vérifié le trafic, arbitré entre métro et voiture avec chauffeur, réservé si besoin la voiture en avance et vous rappelé l'heure du départ — comme un secrétaire qui connaîtrait vos habitudes de travail, il commence à avoir « l'œil ».
Pour les acheteurs de calcul comme pour les investisseurs, c'est la courbe de consommation de tokens qu'il faut davantage surveiller. Trois sauts ont déjà eu lieu : ChatGPT a popularisé la génération massive de réponses, d'articles et de code ; o1 a démocratisé les modèles de raisonnement, qui investissent davantage de calcul à penser avant de répondre ; le Coding Agent travaille d'affilée pendant des heures, à lire des fichiers, modifier le code et lancer les tests en boucle, et consomme énormément de tokens sur une seule tâche. Le Personal Agent est regardé comme le quatrième nœud, un nouveau seuil décisif — quand l'agent tourne en continu autour du Context de l'utilisateur, le niveau d'eau de la demande d'inférence est susceptible de remonter encore. Pour les décideurs d'achat, cela signifie que l'évaluation du budget de calcul ne peut plus reposer sur le modèle statique « par siège, par nombre de requêtes », mais doit basculer vers le modèle dynamique « par nombre de sessions résidentes, par longueur de Context, par durée d'activité en arrière-plan ».
Il faut le souligner : les exigences du Personal Agent envers l'infrastructure d'inférence diffèrent nettement des trois scénarios précédents. L'ère du ChatBot, c'était un trafic de questions-réponses court, plat et rapide ; l'ère d'o1, une longue pensée unitaire ; le Coding Agent, une longue boucle au niveau de la tâche ; le Personal Agent, lui, exige du modèle qu'il lise à tout instant le dernier agenda, les derniers mails et les derniers changements de position de l'utilisateur — d'où des mises à jour de Context à haute fréquence, des appels de récupération à la mémoire de long terme, et des tours d'inférence supplémentaires pour la vérification des permissions. Autrement dit, même si l'utilisateur ne perçoit pas d'interaction fréquente, le flux de tokens continue de s'accumuler en coulisses. Pour les entreprises qui construisent leur propre cluster d'inférence, le taux de réussite du KV Cache, la capacité d'ordonnancement des contextes longs et l'isolation multi-locataires deviendront de nouveaux critères techniques d'achat ; pour les équipes qui achètent l'inférence à la consommation, « le taux de production de tokens utiles », au-delà du prix unitaire du token, mérite un nouveau regard.
La question de la fenêtre reste ouverte : Meta et OpenAI sont déjà entrés, ByteDance, Tencent et Alibaba guettent, et nul n'ose conclure aujourd'hui combien de chances restent aux jeunes pousses. L'entrée des géants est une arme à double tranchant pour les acheteurs de calcul : d'un côté, la compétition comprimera le prix marginal des services d'inférence ; de l'autre, l'attelage à un écosystème unique peut entraîner des coûts de migration et un verrouillage des données de permissions. Lors de la planification du budget de calcul IA, il est recommandé de modéliser les charges de type Personal Agent comme un centre de coûts autonome, de réserver la redondance d'inférence qu'entraînera la croissance du Context, et de surveiller dans les contrats d'achat les clauses de tarification à paliers de l'inférence sur contextes longs.
Quant à la critique du « simple hype », la réponse se trouve peut-être du côté de la révolution industrielle — les technologies de cette époque-là aussi naissaient de combinaisons d'innovations existantes ; toute innovation est, au fond, un Mix. La vraie divergence n'est pas entre « innover ou pas », mais entre « quand passer à l'échelle ». Une fois que le Personal Agent aura franchi le saut de la démonstration au quotidien, la courbe de consommation de tokens du quatrième point de saut n'aura plus besoin de débat.
[Données de marché réelles] À préciser : le modèle de calcul lié à l'Instinct Personal Agent évoqué dans ce reportage n'affiche à l'heure actuelle aucune donnée de cotation à la vente. La Bourse du calcul Wan'an continuera de suivre la mise en catalogue et les cotations de cette catégorie ; il est recommandé aux acheteurs intéressés de prendre pour base de la solution transitoire les prix au comptant et à contrat des cartes d'inférence actuelles, et d'attendre la divulgation des cotations du nouveau produit avant tout calcul de substitution.
Q : Pourquoi le Personal Agent est-il qualifié de quatrième point de saut de la consommation de tokens ?
A : Les trois sauts précédents furent la génération massive popularisée par ChatGPT, la généralisation des modèles de raisonnement avec o1, et les heures de travail en continu du Coding Agent consommant énormément de tokens ; le Personal Agent tourne en continu en arrière-plan autour du Context de l'utilisateur et apporte une charge d'inférence résidente — d'où son statut de quatrième nœud.
Q : Comment les acheteurs de calcul doivent-ils ajuster leur stratégie d'achat maintenant ?
A : Le modèle concerné n'affichant à l'heure actuelle aucune donnée de cotation à la vente, il est recommandé de planifier le budget sur la base des prix au comptant et à contrat de la puissance d'inférence actuelle, de bâtir un modèle de coûts dynamique par nombre de sessions résidentes et longueur de Context, et d'attendre la divulgation des cotations à la Bourse du calcul Wan'an avant toute décision d'achat additionnel.
Mots-clés: Noah Shinn · Ben Thompson · Instinct · OpenAI · Personal Agent · Token Consumption
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle