Ces investissements ont été faits malgré des taux directeurs de l'ordre de 4 % et en hausse.
On peut présumer, malgré l'extraordinaire promesse de l'IA, que les investisseurs ont regardé à deux fois avant de financer cette aventure.
Ça n'exclut bien entendu pas quelques rachats à vil prix et investisseurs rincés (je parierais contre OpenAI plutôt que contre Anthropic).
Heureusement que le patron de la Fed a tenu bon contre Trump, les Américains peuvent lui dire merci.
Useful mathematics that no realistic number of mathematicians could have achieved in reasonable time. A welcome change from the usual last-mile scooping!
J'ai arrêté Hermes by @Kirako_ai, mon offre d'agents en trois clics. 12 jours après l'avoir lancé. Le build in public, c'est pas que les MRR qui montent. C'est aussi ça.
6 semaines de build, 253 commits. Une offre complète pour avoir son agent Hermes hébergé sans rien toucher. Paiement Stripe, espace client, deux formules, voix, navigateur, email, création d'images. Le produit était propre.
Le 15 octobre, j'ouvre les ventes. 468 visites le premier jour. 10 commande. Le lendemain je baisse les prix à 39 et 129 € HT et j'ajoute un essai gratuit de 7 jours. 2 essais réels. Les deux résiliés. Les deux ont bloqué au même endroit : la mise en route.
Aujourd'hui, j'ai tout retiré de la vente. Avec le recul, l'erreur ne venait pas de la tech, elle venait de la cible.
Ma communauté ici, c'est des builders. Un builder qui veut un agent Hermes hébergé, honnêtement, le plus simple pour lui c'est d'aller directement sur le portail de @NousResearch. Il a pas besoin de moi.
Mes clients, c'est des PME. Avec leurs règles métier, leurs outils, le RGPD, des données sensibles, des gens qui veulent savoir qui touche à quoi. Ça s'achète pas sur étagère. Et encore moins via une offre brandée pour les builders.
J'ai construit un produit pour un public qui avait déjà sa solution, et je l'ai vendu à un public qui n'achète pas comme ça.
Ce qu'on garde, par contre, c'est énorme. Toutes les briques sont restées : création des serveurs, sauvegardes, surveillance jour et nuit, mises à jour d'Hermes testées puis installées, cockpit pour suivre chaque agent.
C'est devenu notre stack interne. Elle nous sert à déployer, surveiller et maintenir les agents de nos clients hébergés. Le tout en sur mesure, comme avant, mais avec une vraie infra derrière.
Six semaines de build qui ne vendent rien en self-service, mais qui rendent chaque projet client plus solide.
Je documente ça parce que la plupart des comptes ne montrent que les victoires. Les échecs, ils sont forcément là, et c'est le cycle d'une boite. Mais il faut avoir l'honnêteté de les identifier, de les couper très vite, et de recentrer sur ce qui fonctionne vraiment.
@EngMoElgaraihy Un classique de "évidement la presse n'en parle pas".
(Même si parfois la dite presse met le sujet en 129eme page papier, ou sur une URL non indexée par les moteurs)
Il arrive que les idées brillantes soient d'une grande simplicité.
Pour améliorer l'apprentissage et l'inférence, utiliser pymupdf pour extraire une table des matières.
RAG is officially cooked.
IBM built a retriever that hallucinates 65x less than fine-tuned RAG systems.
Right now, every company is using Retrieval-Augmented Generation (RAG) to stop their AI from hallucinating.
The idea is to give the AI a private database to read so it doesn't make things up.
But there is a massive structural flaw.
Standard RAG blindly grabs documents based on vector similarity and forces the AI to read them. If the retriever pulls irrelevant garbage, the AI doesn't stop.
It just hallucinates with citations.
IBM just dropped a paper that changes the math entirely.
They built a new retrieval architecture that hallucinates 65x less than state-of-the-art fine-tuned RAG systems.
65x is the difference between a fun prototype and a production-grade enterprise system.
Instead of blindly dumping context into the model and hoping for the best, their system actively filters and validates the retrieved data before the generation step even begins.
It cuts out the noise. It forces absolute precision.
For businesses, this is the holy grail.
Zero hallucinations means zero liability. It means autonomous agents can finally be trusted with sensitive company data without a human babysitting every output.
Le paramétrage approprié de la personnalité de votre LLM est un élément essentiel du confort de travail.
Il a quand même mis 4 secondes, n'est-ce pas un peu excessif ?
@grok
@siliconcarnesf En ce qui me concerne, c'est rédhibitoire si je ne peux pas désactiver ce comportement.
Les autres, je ne sais pas, mais la première chose que je fais sur une appli, c'est ça.
À commencer par Google et YouTube avec l'historique et la géoloc.