Exploitation controversée de la folie d'IA OpenClaw en Chine

La boom d'OpenClaw en Chine est une ruée vers l'or pour les entreprises d'IA

La "furie des OpenClaw" en Chine, un agent open source, crée une ruée vers l'or pour les entreprises d'IA. L'engouement entraîne des gens à louer des serveurs cloud et à souscrire à des abonnements d'IA, générant ainsi des bénéfices substantiels pour les compagnies technologiques.

L'IA d'entreprise comme couche d'exploitation

La vraie ligne de fracture dans l'IA d'entreprise n'est pas celle que l'on suit habituellement dans les médias. Pendant que le débat public se focalise sur les benchmarks des modèles fondateurs, GPT contre Gemini, scores de raisonnement, gains marginaux de performance, l'avantage décisif se joue ailleurs : dans la couche opérationnelle, c'est-à-dire l'ensemble formé par les logiciels de workflow, la capture de données, les boucles de rétroaction et la gouvernance qui s'intercale entre les modèles d'IA et le travail réel. Des acteurs comme OpenAI et Anthropic vendent l'intelligence comme un service : on a un problème, on appelle une API, on obtient une réponse. Cette intelligence est généraliste, largement sans mémoire d'une session à l'autre, et de plus en plus interchangeable. À l'opposé, les organisations établies ont la possibilité de traiter l'IA comme une couche opérationnelle permanente : chaque exception, chaque correction, chaque validation humaine devient un signal d'apprentissage, et l'intelligence s'améliore à mesure que la plateforme absorbe davantage de travail. Ce modèle inverse la relation traditionnelle entre humains et machines. Dans une organisation de services classique, les opérateurs utilisent des logiciels pour effectuer un travail d'expert : la technologie est le médium, le jugement humain est le produit. Une plateforme pensée nativement pour l'IA renverse cette logique : le système ingère un problème, applique la connaissance accumulée du domaine, exécute de manière autonome ce qu'il peut traiter avec une haute confiance, et renvoie vers des experts humains uniquement les sous-tâches qui requièrent un jugement que le système ne maîtrise pas encore. Cette inversion n'est pas qu'un simple redesign d'interface, elle exige une matière première que les startups ne peuvent pas fabriquer rapidement : des données opérationnelles propriétaires, une large base d'experts dont les décisions quotidiennes génèrent des signaux d'entraînement, et une connaissance tacite accumulée sur des années quant à la façon dont le travail complexe se fait réellement. C'est là où réside le véritable enjeu stratégique de la décennie. Le récit dominant affirme que les startups agiles vont surpasser les acteurs établis en construisant des systèmes AI-native from scratch. Si l'IA était avant tout un problème de modèles, cette thèse tiendrait. Mais dans beaucoup de secteurs d'entreprise, c'est un problème de systèmes, intégrations, permissions, évaluation, gestion du changement, où l'avantage revient à ceux qui sont déjà ancrés dans des workflows à fort volume et à forts enjeux. La société Ensemble illustre cette approche avec une stratégie de "distillation de connaissance" : transformer l'expertise tacite et périssable des meilleurs opérateurs en signaux réutilisables, puis réinjecter ces résultats dans les workflows pour que le système continue à progresser. Les ingrédients existent déjà chez les acteurs historiques ; la question est de savoir qui saura les convertir en avantage compétitif durable avant que la fenêtre ne se referme.

Les fonds d’investissement face à l’IA : de l’expérimentation à la construction d’un système d’exploitation

Le secteur du capital-risque entre dans une nouvelle phase de sa relation avec l'intelligence artificielle. Après un premier épisode consacré aux raisons de l'adoption, ce deuxième volet d'une série publiée par FW.MEDIA déplace le curseur vers l'exécution concrète. La question n'est plus de savoir si les fonds doivent s'intéresser à l'IA, mais comment passer des expérimentations isolées à la construction d'une infrastructure cohérente, ce que les auteurs appellent un véritable "système d'exploitation" de l'IA au sein des organisations de gestion. Ce glissement de la démonstration vers la systématisation est central pour l'industrie. Les fonds qui se contentent de tester des outils ponctuels sans les intégrer dans leurs processus structurels risquent de rater l'essentiel du gain de productivité. L'enjeu concerne toutes les fonctions du métier, du sourcing de deals à l'analyse de portefeuille, en passant par la relation investisseurs. Ceux qui construisent une architecture cohérente aujourd'hui se donnent une avance compétitive difficile à rattraper. Le capital-risque est un secteur fondé sur l'information et la vitesse d'analyse, deux domaines où l'IA excelle, ce qui explique la pression croissante à agir. Le premier épisode avait posé la question de la gouvernance interne, notamment qui devait piloter le sujet. Ce deuxième volet suggère que la phase d'interrogation est révolue et que les fonds doivent désormais traiter l'IA comme une infrastructure critique, au même titre qu'un CRM ou un outil de gestion de portefeuille.

La position de Google sur OpenClaw

Andrej Karpathy, co-fondateur d'OpenAI et figure centrale de la recherche en deep learning, a rejoint Anthropic pour prendre la tête d'une nouvelle équipe dédiée à accélérer la recherche sur le pré-entraînement, sous la direction de Nick Joseph. L'objectif affiché est d'utiliser Claude pour aider à pré-entraîner les futurs modèles Claude, une approche récursive qui illustre jusqu'où l'industrie pousse désormais l'automatisation de la recherche en IA. Cette annonce a éclipsé le Google I/O du mardi, où Mountain View a présenté une nouvelle famille de modèles orientée "n'importe quelle entrée, n'importe quelle sortie", dont Gemini Omni Flash, capable de générer et d'éditer des vidéos. Google a également sorti Gemini 3.5 Flash, plus performant sur le papier que la version 3.1 Pro, mais dont la date de coupure des connaissances est fixée à janvier 2025, ce qui le prive de contexte sur des tendances récentes comme le "vibe coding". Gemini Spark, leur réponse aux agents de codage autonomes, reste annoncé comme "coming soon" sans démonstration concrète. L'arrivée de Karpathy chez Anthropic intervient dans un contexte de montée en puissance financière spectaculaire de la société. Selon les documents déposés par SpaceX dans le cadre de son IPO, Anthropic s'engagerait à payer 1,25 milliard de dollars par mois en calcul informatique. La startup projette par ailleurs 10,9 milliards de dollars de revenus pour le trimestre de juin et anticipe son premier profit opérationnel, ce qui pourrait porter sa valorisation au-delà de celle d'OpenAI. Ce dernier serait lui-même en préparation d'une introduction en bourse imminente, selon plusieurs sources non confirmées. Sur le front technique, OpenAI a annoncé qu'un de ses modèles aurait résolu un problème mathématique célèbre, dont la preuve a été vérifiée par des mathématiciens externes, et a déployé un vérificateur public pour les images générées via ChatGPT, l'API et Codex, reposant sur les métadonnées C2PA et SynthID de Google. Ces événements marquent une nouvelle phase dans la consolidation du secteur. La course à la puissance de calcul, symbolisée par le contrat colossal entre Anthropic et SpaceX, redéfinit les rapports de force entre laboratoires. Pendant ce temps, les grandes plateformes cherchent à intégrer l'IA dans tous les workflows: Figma a présenté un agent de design capable de travailler directement dans le canevas aux côtés des équipes, générant plusieurs directions en parallèle et exploitant les systèmes de design existants. L'enjeu désormais n'est plus seulement qui dispose du meilleur modèle, mais qui contrôle l'infrastructure de calcul, les canaux de distribution et les pipelines de développement qui structureront l'ère des agents autonomes.

💬 Karpathy qui rejoint Anthropic pour bosser sur le pré-entraînement, c'est le recrutement de la décennie. Quand un type de ce calibre choisit où poser son cerveau, ça dit plus long que n'importe quel benchmark ou deck d'investisseur, surtout avec 1,25 milliard par mois en compute dans la balance. Google pouvait sortir ce qu'il voulait au I/O, la journée lui appartenait pas.