← Accueil actu | Salle du marché
2026-11-03 · Source:36氪快讯·中继

Agents IA autonomes capables de fonctionner en continu, le Muse de Meta s'appuie sur son écosystème grand public et publicitaire, tandis que le Dots d'OpenAI mise sur les développeurs et les tâches complexes. Truist Securities estime qu'au démarrage de la course, le poids des canaux de distribution dépasse pour l'instant celui de la technologie.
Distribution ou capacités du modèle ? C'est l'un des points de divergence les plus centraux du marché actuel des agents IA. Truist Securities a récemment formulé un jugement quelque peu contre-intuitif sur ce marché émergent : Meta prend une avance précoce, mais celle-ci ne repose pas sur le modèle sous-jacent lui-même, plutôt sur son immense base d'utilisateurs grand public et son écosystème publicitaire. Autrement dit, au stade du départ de la course aux agents, le poids des canaux de distribution dépasse pour l'instant celui de la technologie.
Ce jugement est contre-intuitif car le récit par défaut de l'industrie est que « les capacités du modèle décident de tout ». Quel que soit le modèle au raisonnement plus puissant, à la planification plus stable et aux appels d'outils plus fiables, son agent remporterait le marché. Mais la vision de Truist considère en réalité l'agent comme une « forme de produit » plutôt que comme une pure « forme technologique » : lorsque l'écart entre les modèles sur les capacités de base se resserre et que les différences d'expérience utilisateur proviennent davantage des points d'entrée et des écosystèmes, celui qui détient les canaux de distribution est le premier à réussir le démarrage à froid des habitudes utilisateurs.
Deux produits illustrent parfaitement cette divergence. Le Muse de Meta et le Dots récemment lancé par OpenAI appartiennent tous deux à la catégorie des agents IA capables de fonctionner en continu : ils peuvent utiliser un ordinateur, mobiliser la mémoire, se connecter aux applications déjà intégrées et exécuter ainsi des tâches de manière autonome. La différence essentielle avec les chatbots traditionnels réside dans la « permanence » : ce ne sont pas des sessions ponctuelles activées à la demande de l'utilisateur, mais des entités logicielles capables de rester en ligne en arrière-plan sur le long terme, d'observer en continu le contexte et de faire progresser les tâches de façon autonome selon un calendrier.
Mais leurs points d'entrée diffèrent radicalement. Muse sert d'abord les consommateurs ordinaires et a déjà commencé à s'étendre aux petites entreprises ; Dots cible quant à lui, dans un premier temps, les développeurs et les utilisateurs avancés. Le parcours de Muse ressemble à une trajectoire de « descente grand public » : s'appuyant sur les points de contact sociaux et publicitaires existants de Meta, il intègre l'agent dans les applications que les utilisateurs ouvrent chaque jour, avant de s'étendre naturellement aux scénarios légers comme le marketing ou le service client des petites entreprises. Dots a choisi l'autre extrémité : s'adresser aux professionnels capables d'orchestrer l'agent dans des flux de travail complexes, échangeant la profondeur des tâches contre une réputation et des retours d'itération technique.
Truist rappelle également qu'OpenAI et Google pourraient être plus forts sur des capacités comme le raisonnement ouvert, mais qu'ils suivent simplement, en matière de positionnement produit et de distribution, une voie différente de celle de Meta. Les deux camps ne s'affrontent pas encore frontalement sur la même dimension : l'un échange son trafic grand public existant contre une vitesse de déploiement, l'autre mise sur les scénarios d'entreprise et la profondeur des tâches complexes. En d'autres termes, l'avantage de Muse est une « largeur horizontale », celui de Dots une « profondeur verticale » ; le vrai vainqueur ne se désignera peut-être que lorsque chaque trajectoire atteindra le territoire de l'autre.
Pour les observateurs du secteur, ce duel « largeur contre profondeur » explique aussi pourquoi Meta domine les débuts. La courbe d'adoption des agents dépend fortement des points d'entrée par défaut et de la confiance — les consommateurs ordinaires ne comparent pas spontanément les benchmarks de raisonnement de cinq agents ; ils utilisent simplement celui qui est « déjà dans leur téléphone, déjà connecté, déjà au courant de leurs préférences ». Sur ce point, l'avantage inné de Meta ne peut être neutralisé à court terme par une supériorité purement technique.
Pour les acheteurs de puissance de calcul, ce qui mérite surtout l'attention, ce sont les mots « fonctionnement continu ». Lorsqu'un agent doit rester en ligne durablement et solliciter en permanence la puissance de calcul et de multiples applications, la forme même de la charge d'inférence va évoluer — un second fil, derrière la bataille de la distribution, qu'il convient de suivre. La charge d'inférence traditionnelle est pulsée : l'utilisateur pose une question, le modèle répond, la session se termine, la capacité est libérée. Un agent résident, lui, implique des lectures-écritures de mémoire continues, des rafraîchissements d'état périodiques et des appels coordonnés à plusieurs applications susceptibles d'être déclenchés à tout moment : la charge passe d'un mode « impulsion » à une forme hybride de « quasi-ligne de base constante avec pics ».
Cette évolution a des implications directes pour les décisions d'achat. Premièrement, la charge résidente de base relève le plancher du taux d'utilisation, ce qui est favorable aux acheteurs facturés à l'utilisation, signifiant moins de capacité inutilisée ; deuxièmement, les appels en pointe seront plus fréquents et plus imprévisibles, obligeant les acheteurs à réévaluer le ratio entre quotas élastiques et réservations de pic ; troisièmement, les agents mobilisent « l'ordinateur et plusieurs applications intégrées », dont la longueur de contexte et la fréquence d'appel augmenteront la consommation réelle de tokens par tâche, nécessitant un recalcul de l'arbitrage entre facturation à l'acte et facturation au débit. Pour les acheteurs d'entreprise qui planifient leur budget d'inférence pour l'an prochain, il est recommandé d'intégrer le « taux de pénétration des agents résidents » comme variable explicite des modèles de prévision de charge, plutôt que de prolonger l'extrapolation des courbes historiques des produits conversationnels. Par ailleurs, si la trajectoire grand public de Meta aboutit, l'accaparement de la capacité d'inférence publique par des masses d'agents résidents grand public pourrait aussi renchérir les coûts d'acquisition et les délais d'attente des acheteurs d'entreprise : le rapport coût-bénéfice d'une sécurisation anticipée de contrats de capacité à moyen et long terme mérite l'attention.
À noter : s'agissant des modèles de calcul spécifiques liés à ce sujet, aucune donnée de prix en vente n'est actuellement disponible pour ce modèle sur la Wan'an Compute Exchange. Les acheteurs souhaitant déployer des ressources d'inférence pour soutenir les charges d'agents résidents sont invités à suivre les mises à jour des cotations de la plateforme ou à évaluer des solutions alternatives par combinaison de plusieurs modèles, afin d'éviter de retarder leur planification globale de capacité en raison d'une pénurie d'un modèle unique.
En somme, le jugement de Truist révèle une vérité simple mais souvent négligée : la compétition des agents IA ne se joue pas seulement dans les benchmarks de laboratoire, mais aussi dans les emplacements recommandés des boutiques d'applications et sur les écrans d'accueil des utilisateurs. La divergence entre Muse et Dots ne fait que commencer ; le véritable affrontement surviendra lorsque la largeur et la profondeur auront chacune atteint leur plafond.
Q : Pourquoi Truist Securities estime-t-il que Meta prend une avance précoce sur le marché des agents IA ?
R : Parce que cette avance repose sur l'immense base d'utilisateurs grand public de Meta et son écosystème publicitaire — c'est-à-dire les canaux de distribution — et non sur le modèle sous-jacent lui-même ; au démarrage de la course, le poids des canaux dépasse pour l'instant celui de la technologie.
Q : Quelle est la différence de positionnement entre Muse et Dots ?
R : Tous deux sont des agents IA capables de fonctionner en continu, d'utiliser un ordinateur, de mobiliser la mémoire et de se connecter aux applications intégrées pour exécuter des tâches de façon autonome ; Muse sert d'abord les consommateurs ordinaires et s'étend déjà aux petites entreprises, tandis que Dots cible initialement les développeurs et les utilisateurs avancés — OpenAI et Google étant possiblement plus forts sur des capacités comme le raisonnement ouvert.
Mots-clés: Meta · OpenAI · Muse · Dots · Truist Securities · AI Agent
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle