Le mois dernier, dans un coin lors d’un meetup tech, j’ai eu l’occasion de discuter longuement avec Chi Zhang, le fondateur de Kite. Honnêtement, l’ambiance était assez bruyante — des discussions de projets partout, la machine à café qui grondait. Je lui ai posé la question directement : « La couche économique de l’IA, tout le monde sait que c’est un vrai casse-tête, pourquoi vous acharnez-vous là-dessus ? »

Sa réponse m’a surpris. Il ne m’a pas sorti de grands discours sur le changement du monde, mais a parlé de son expérience passée chez Google Cloud et Snapchat. Il m’a dit qu’il gardait toujours en tête une image : ces modèles d’IA parmi les meilleurs au monde, incroyablement puissants, mais qui restent sagement confinés sur des serveurs à attendre les ordres humains. Comme un oiseau capable de voler, mais enfermé dans une cage sans jamais avoir décollé.

Ses mots m’ont fait comprendre d’un coup. Ce qui rassemble ces diplômés de Stanford, du MIT, et des vétérans techniques des grands groupes de la Silicon Valley, ce n’est pas l’envie de surfer sur une tendance pour faire de l’argent facile, mais une vraie volonté de résoudre un problème fondamental : comment permettre à l’IA non seulement d’exécuter des tâches, mais aussi de prendre des décisions et de créer de la valeur sur le marché par elle-même ?

En observant l’équipe de Kite, ce qui force le respect, c’est leur capacité à « mixer » les compétences. Ce ne sont ni de purs développeurs blockchain enfermés à coder des smart contracts, ni des universitaires cloîtrés à pondre des articles, mais plutôt des « architectes de terrain » aguerris par l’expérience business.

Leur CTO, Vibhav Bhargava, était auparavant responsable des systèmes à grande échelle chez Meta, une expérience cruciale. Leur logique de conception est très connectée au réel : ils ne commencent pas par regarder à quelle vitesse le système peut tourner en théorie, mais se demandent plutôt : « Lors du Double 11, à quelle vitesse un assistant shopping IA doit-il réagir pour aider un utilisateur à décrocher une offre flash ? » Cette façon de remonter des besoins concrets vers les spécifications techniques, c’est tout le contraire du déballage de chiffres dans un whitepaper.

Voilà pourquoi leur testnet a pu encaisser 17 milliards d’interactions tout en restant stable. Ce n’est pas de la chance : dès la conception, ils anticipaient l’usage réel par les utilisateurs et les situations extrêmes.

En résumé, bâtir l’infrastructure économique de l’IA, ça ne suffit pas d’avoir une vision technique idéaliste : il faut aussi l’expérience des réalités business. Ce que Kite a de plus précieux, c’est sans doute cette capacité hybride : comprendre à la fois l’IA et le business, savoir coder tout en identifiant les vrais besoins des utilisateurs.