Fetch.ai lance ASI-1 Mini, un modèle d’IA agentique pensé pour le Web3

L’intelligence artificielle ne se limite plus à répondre à une question ou à rédiger un texte. Une nouvelle génération de logiciels ambitionne d’accomplir des missions entières, en enchaînant plusieurs étapes, en choisissant des outils et en échangeant avec d’autres programmes. C’est sur ce terrain de l’IA dite « agentique » que Fetch.ai a présenté, le 25 février 2025, son modèle ASI-1 Mini, pensé pour les environnements Web3.

L’annonce associe deux univers souvent complexes pour le grand public : les modèles de langage et les systèmes décentralisés reposant sur la blockchain. L’ambition affichée est de rendre des agents logiciels plus autonomes et plus aptes à collaborer dans des applications connectées. Au-delà des promesses, ce lancement pose une question essentielle : qu’apporte réellement un modèle agentique, et que faut-il encore démontrer pour qu’il soit utile et fiable ?

Ce que Fetch.ai a annoncé avec ASI-1 Mini

Fetch.ai a dévoilé ASI-1 Mini comme son premier modèle d’intelligence artificielle agentique spécifiquement conçu pour le Web3. Il s’agit d’un grand modèle de langage, ou LLM, c’est-à-dire une IA entraînée à traiter et produire du langage. Mais, dans la vision défendue par l’entreprise, ce modèle n’est pas seulement destiné à converser avec un humain.

Il doit servir de moteur de raisonnement à des agents autonomes. Ces agents sont des programmes auxquels on confie un objectif, par exemple trouver une information, coordonner une opération ou prendre une décision selon des règles définies. Ils peuvent ensuite décomposer une tâche, interagir avec d’autres services numériques et, dans certains cas, collaborer avec d’autres agents.

Fetch.ai affirme que son modèle répond au problème de la « boîte noire » souvent associé à l’IA. Cette expression désigne la difficulté à comprendre comment un système parvient à une réponse ou à une décision. L’entreprise met également en avant une capacité de raisonnement en temps réel. Ces deux éléments sont particulièrement importants lorsque des programmes doivent effectuer des actions ayant des conséquences concrètes, comme gérer une ressource, déclencher une transaction ou arbitrer entre plusieurs options.

Qu’est-ce qu’une IA agentique ?

Un modèle de langage classique répond généralement à une instruction dans une conversation. Une IA agentique ajoute une couche d’organisation autour du modèle : elle reçoit un but, établit des étapes, consulte des outils ou des données, puis vérifie si la mission est remplie. Son autonomie n’est toutefois jamais absolue. Elle dépend des autorisations que ses concepteurs lui accordent, des données auxquelles elle a accès et des règles qui encadrent ses actions.

Dans le cas mis en avant par Fetch.ai, les agents peuvent prendre des décisions indépendantes et communiquer avec d’autres agents. L’idée est d’éviter qu’un utilisateur ou une entreprise ait à piloter manuellement chaque microdécision. Plusieurs programmes spécialisés pourraient se répartir une tâche : l’un cherche les informations pertinentes, un autre compare les options disponibles, un troisième exécute l’opération autorisée.

Cette logique peut être résumée en trois niveaux :

L’intérêt théorique est l’efficacité : un système peut traiter davantage de décisions répétitives, à condition que les objectifs soient bien définis et que les contrôles soient solides. La difficulté est tout aussi claire : plus un agent peut agir, plus il faut vérifier ses droits, ses erreurs possibles et la traçabilité de ses décisions.

Pourquoi le Web3 est au cœur du projet

Le terme Web3 désigne généralement des services numériques s’appuyant sur des technologies décentralisées, notamment la blockchain. Contrairement à une application centralisée, où les données et les règles sont principalement gérées par un opérateur unique, un système décentralisé peut répartir certaines fonctions entre plusieurs participants et s’appuyer sur un registre partagé.

Pour Fetch.ai, ce cadre doit permettre à des agents de coopérer dans des applications décentralisées. L’entreprise évoque une meilleure interconnexion entre applications et appareils, ainsi que des usages liés à l’Internet des objets, souvent désigné par le sigle IoT. Ce dernier recouvre les objets et équipements connectés capables d’échanger des données : capteurs, compteurs, appareils industriels ou véhicules, selon les cas.

L’association entre IA et blockchain ne signifie pas pour autant que toute l’intelligence du système fonctionne automatiquement sur une blockchain. Un modèle de langage requiert habituellement des ressources de calcul importantes, tandis qu’une blockchain sert avant tout à enregistrer, vérifier ou coordonner certaines opérations. Dans une architecture concrète, il faut donc distinguer le raisonnement de l’IA, les données consultées, les règles d’autorisation et les éventuelles transactions inscrites dans un registre décentralisé.

Transparence : une promesse qui devra être précisée

La transparence est l’un des mots-clés de l’annonce. Elle répond à une préoccupation réelle : un utilisateur, une entreprise ou une administration doit pouvoir comprendre pourquoi un système automatisé a recommandé ou réalisé une action. Dans le cas d’un agent, cette exigence peut aller au-delà de l’explication d’une réponse écrite. Il faut pouvoir suivre les données utilisées, les outils appelés, les règles appliquées et les validations obtenues avant une action.

Fetch.ai présente ASI-1 Mini comme une réponse au défi de la boîte noire. Pour le lecteur, il est utile de distinguer plusieurs niveaux de transparence :

• la possibilité de consulter les étapes suivies par un agent ;
• la capacité d’expliquer une recommandation dans un langage compréhensible ;
• l’existence de traces techniques permettant un contrôle ou un audit ;
• la compréhension du fonctionnement interne du modèle lui-même.

Ces niveaux ne se confondent pas. Un agent peut fournir un compte rendu de ses actions sans que le modèle de langage soit entièrement interprétable au sens scientifique. Inversement, rendre un système plus transparent ne garantit pas, à lui seul, que ses décisions soient justes ou adaptées à chaque situation.

L’annonce rapportée ici ne détaille pas la taille du modèle, ses données d’entraînement, des résultats de benchmark, ni les mécanismes techniques précis permettant de vérifier le raisonnement annoncé. Ces informations seront importantes pour évaluer ASI-1 Mini au-delà de son positionnement. Elles conditionnent la capacité des développeurs et des organisations à mesurer la fiabilité, le coût, la sécurité et les limites du système.

Comment les agents peuvent-ils collaborer ?

Fetch.ai inscrit ASI-1 Mini dans son environnement appelé Agentverse, décrit comme un espace où des agents autonomes peuvent interagir et collaborer. Cette coordination est au cœur de la proposition : plutôt que de créer un programme unique censé tout faire, une organisation peut imaginer plusieurs agents ayant chacun une fonction définie.

Dans un scénario de gestion d’infrastructures connectées, un agent pourrait analyser les informations remontées par des capteurs. Un autre pourrait comparer les options selon des règles économiques ou opérationnelles. Un troisième pourrait transmettre une instruction à un service autorisé. Dans un environnement décentralisé, l’enjeu est aussi de permettre à ces acteurs logiciels de se découvrir, de communiquer et de se faire confiance selon des règles préétablies.

Les usages cités dans la présentation incluent les décisions économiques et la gestion d’infrastructures IoT. Ils illustrent un potentiel, pas la preuve d’un déploiement généralisé. Une prise de décision économique, par exemple, implique souvent des contraintes réglementaires, des responsabilités humaines et des données sensibles. Un agent ne devrait donc agir que dans le périmètre explicitement prévu, avec des garde-fous adaptés à la nature de l’action.

L’interopérabilité, autre promesse du projet, désigne la capacité de systèmes différents à échanger et à utiliser des informations ensemble. C’est un enjeu pratique majeur. Une IA peut être très performante dans son environnement propre, mais perdre son intérêt si elle ne dialogue pas avec les logiciels, les objets connectés ou les protocoles déjà en place.

Une annonce dans la course aux agents d’IA

Le lancement d’ASI-1 Mini s’inscrit dans une tendance plus large : de nombreuses entreprises technologiques développent des agents d’IA capables d’automatiser des enchaînements de tâches. ServiceNow figure parmi les acteurs cités dans cette dynamique. La différence de Fetch.ai tient à l’accent placé sur le Web3, la blockchain et la coopération entre agents autonomes.

Cette orientation peut intéresser les développeurs qui bâtissent des applications décentralisées, mais aussi les entreprises cherchant à automatiser des flux de travail comportant de multiples systèmes. Pour être adoptée, une telle technologie devra néanmoins répondre à des critères très concrets : simplicité de déploiement, compatibilité avec les outils existants, contrôle des permissions, sécurité des échanges et coût d’exploitation.

Le mot « autonome » peut également prêter à confusion. Dans les usages professionnels, l’autonomie ne doit pas signifier l’absence de responsabilité. Les organisations ont besoin de fixer des limites, de prévoir des validations humaines pour les décisions sensibles et de pouvoir interrompre un processus en cas de comportement imprévu. L’IA agentique déplace donc une partie du travail humain vers la conception des règles et la supervision des systèmes.

Ce qu’il faut surveiller après le lancement

ASI-1 Mini donne à Fetch.ai une vitrine pour sa stratégie mêlant modèles de langage, agents autonomes et applications Web3. La valeur réelle du projet se jouera toutefois dans son exécution. Les prochaines étapes à observer concernent d’abord les capacités effectivement accessibles aux développeurs : quels types de tâches pourront être confiés aux agents, avec quels outils et dans quelles conditions ?

Il faudra aussi examiner la qualité de la transparence promise. Une explication lisible, un historique des actions et des mécanismes de contrôle peuvent rendre un agent plus acceptable dans des contextes professionnels. Mais ces dispositifs devront être suffisamment précis pour aider à comprendre une erreur, et pas seulement pour produire une justification après coup.

Enfin, l’interopérabilité revendiquée devra se mesurer à l’épreuve des systèmes existants. Faire communiquer plusieurs agents est une chose. Les intégrer de façon sûre à des applications, à des appareils connectés et à des processus économiques en est une autre. C’est sur cette capacité à passer de la démonstration à des usages contrôlables que Fetch.ai sera attendu après l’annonce d’ASI-1 Mini du 25 février 2025.