Why OpenAI Should Be Scared of Open Source

La discussion explore l'essor des modèles open-source et open-weight dans le domaine de l'IA, en traçant des parallèles significatifs avec l'écosystème des cryptomonnaies. Tun, associé principal chez Robot Ventures et fondateur de Gauntlet, partage sa thèse sur Hermes Agent, le produit phare de Noose Research, une entreprise dans laquelle Robot Ventures a investi. Il souligne que les années de recherche et le développement d'infrastructure de Noose, initialement axés sur des problèmes complexes comme l'entraînement distribué et l'optimisation des fenêtres de contexte (avec des projets comme Yarn), n'étaient pas une « détour » mais une base essentielle qui leur a permis de comprendre les défis fondamentaux de l'IA. Contrairement à des approches comme OpenClaw, qui sont comparées à un « Android de l'IA » exigeant une configuration complexe et de multiples décisions techniques de la part de l'utilisateur, Hermes a été conçu avec une philosophie différente. L'objectif est d'apprendre les préférences de l'utilisateur, de générer automatiquement des compétences basées sur son utilisation et de faciliter le partage de contexte et le routage du travail entre différents modèles. Cette approche « ça marche » est le résultat d'une recherche approfondie et d'une profonde compréhension du produit, avec des centaines de décisions et d'optimisations résultant des contributions de milliers d'utilisateurs. La thèse principale de Tun est qu'Hermes pourrait devenir un « frontend pour l'IA », à l'instar de Phantom ou MetaMask dans le monde de la crypto. L'utilisateur n'a pas besoin de comprendre l'infrastructure sous-jacente pour l'utiliser, et les améliorations futures des modèles ne devraient pas nécessiter la reconstruction de l'agent ou la perte du contexte accumulé. L'un des éléments les plus frappants lors de la diligence raisonnable a été de découvrir des fabricants de robots utilisant Hermes sans que Noose ne le sache, le choisissant comme fondation pour leurs propres produits. L'opportunité d'entreprise est immense, imaginant des entreprises disposant de leur propre version d'Hermes, connectée à leurs données et flux de travail, tout en respectant leurs propres exigences de permission, de confidentialité et de conformité. Elles n'auraient pas à construire à partir de zéro ni à accepter une solution unique. Noose poursuit activement ce marché d'entreprise parallèlement à sa communauté de consommateurs, avec le soutien de Microsoft et Nvidia, qui peuvent aider à orienter les entreprises vers Hermes. L'opportunité plus large est de créer une fondation d'IA que les entreprises peuvent s'approprier, où les modèles sous-jacents peuvent changer tandis que les connaissances, le contexte et les flux de travail construits restent la propriété de l'utilisateur. Tun considère Noose comme un concurrent open-source potentiellement le plus important face aux entreprises centralisées d'IA. Sa propre thèse est qu'Hermes permet aux entreprises et aux particuliers de posséder leur pile d'IA complète en tant qu'actif, offrant des résultats uniques par rapport à l'utilisation des mêmes modèles que tout le monde. La discussion retrace l'évolution de la crypto et de l'IA. Au début, l'idée de projets crypto se réorientant vers l'IA, notamment pour la location de GPU, semblait naïve car les modèles open-source n'étaient pas encore disponibles. Les modèles d'image décentralisés n'ont pas non plus suscité beaucoup d'intérêt. De nombreux projets crypto-IA initiaux étaient considérés comme des « meme coins avec plus d'étapes », cherchant à capitaliser sur l'engouement sans réelle innovation technique. Cependant, Tun a été intrigué par l'approche scientifique de Noose dans la résolution de problèmes complexes tels que l'entraînement à faible bande passante et l'évaluation synthétique des modèles, même à une époque où seuls OpenAI et Anthropic disposaient de modèles de langage performants. Des projets comme Yarn pour des fenêtres de contexte plus longues et l'entraînement distribué via DRO ont démontré la rigueur de l'équipe. Contrairement à de nombreuses entreprises crypto-IA qui ont rapidement lancé des tokens, Noose s'est concentré sur la recherche et le développement de solutions bien définies. L'analogie avec Bitcoin est utilisée pour illustrer comment les systèmes distribués réussis émergent d'une multitude de petites optimisations techniques plutôt que d'une seule grande idée. Noose et Prime Intellect étaient parmi les rares à adopter cette approche axée sur la recherche. La différence pour Noose réside dans sa concentration sur l'entraînement, là où Prime Intellect a également diversifié ses activités dans la revente de GPU. Le passage des réseaux distribués centralisés à l'open-source est expliqué par l'émergence de modèles open-source performants. Les entreprises chinoises ont excellé dans la collecte de données et l'optimisation pour des puces moins performantes, mais leurs optimisations n'étaient pas axées sur la décentralisation ou la faible consommation d'énergie. Les entreprises crypto-IA ont initialement échoué à cause de leur concentration sur les tokens et d'une mauvaise sélection d'optimisations. L'émergence des agents IA a été une autre idée initialement explorée par la crypto, mais souvent mal exécutée, conduisant à des agents peu performants. L'analogie entre l'IA et la crypto est renforcée par le succès de projets comme Open Router, qui a trouvé une optimisation clé pour obtenir de bonnes performances avec une faible utilisation des ressources, un principe similaire aux systèmes décentralisés. Tun compare OpenClaw à un « Android de l'IA » en raison de son expérience utilisateur complexe, obligeant les utilisateurs à prendre de nombreuses décisions techniques. En revanche, Hermes, Claude Code et d'autres sont comparés à des expériences « ça marche » similaires à celles des smartphones centralisés, qui apprennent les préférences de l'utilisateur et gèrent l'infrastructure sous-jacente. La différence réside dans la philosophie : OpenClaw traite les utilisateurs comme des ingénieurs backend, tandis qu'Hermes vise une expérience produit plus intuitive. L'importance de l'open-source est soulignée, avec Hermes se positionnant comme une distribution Linux pour l'IA, offrant une base solide avec des options de personnalisation. Le succès d'Ubuntu dans la démocratisation de Linux est cité comme parallèle. L'analyse des « forks » de Hermes sur GitHub révèle des cas d'utilisation inattendus, comme des fabricants de robots chinois l'utilisant pour des interfaces matérielles embarquées, soulignant l'attrait de l'open-source pour réduire les coûts d'inférence. La structure du marché de l'IA open-source, avec des applications (harnais), des modèles (protocoles) et des fournisseurs d'inférence (opérateurs de nœuds), est comparée à celle de la crypto. Tun prédit que l'argent se concentrera au sommet (harnais) et à la base (fournisseurs d'inférence), à l'instar de ce qui s'est passé dans la crypto avec les portefeuilles et les validateurs. Hermes, en tant que harnais open-source de premier plan, est positionné comme un investissement similaire à Phantom ou MetaMask. L'analogie avec le « paiement pour flux d'ordres » dans la crypto est utilisée pour décrire comment les fournisseurs d'inférence pourraient offrir des rabais ou des remboursements en échange de garanties de volume, créant une position de marché précieuse. Contrairement à la crypto où le portefeuille est souvent la fin, dans l'IA, les harnais comme Hermes peuvent servir de couche de sécurité, de gestion de marque et de contexte sur laquelle d'autres applications peuvent être construites. Pour l'avenir, Tun envisage Hermes jouant un rôle clé dans le domaine de l'entreprise, permettant aux entreprises de cloner, personnaliser et intégrer Hermes dans leurs systèmes. Il voit également une croissance dans l'usage grand public et dans les applications construites sur Hermes. L'importance de la marque et de la confiance est soulignée, suggérant que des harnais solides comme Hermes seront privilégiés par les entreprises qui ne veulent pas assumer les risques de sécurité associés à la construction à partir de zéro. La stratégie de Noose est de jouer sur les deux tableaux : le marché grand public open-source et le marché d'entreprise, avec des partenariats clés comme ceux avec Microsoft et Nvidia. Enfin, Tun compare l'écosystème actuel de l'IA à celui de la finance traditionnelle et de la fintech, où les entreprises fintech s'associent souvent à des banques sous-jacentes pour bénéficier de licences et d'infrastructures existantes. Il suggère que de nombreuses entreprises d'IA finiront par s'appuyer sur des harnesses comme Hermes, en échange de parts de revenus, car cela leur permet d'éviter de réinventer la roue. L'accent est mis sur le fait que l'open-source et l'ouverture de Hermes permettent des résultats uniques, là où les solutions centralisées tendent à homogénéiser les expériences.