Comment NVIDIA a construit le modèle de base des paiements pour PayPal

Dans le numéro 5 d'« Agentic Commerce », Simon Taylor (Responsable du développement du marché chez Tempo) et Bam Azizi (PDG et fondateur de Mesh) ont invité Pahal Patangia (Responsable du développement commercial et des paiements industriels mondiaux chez NVIDIA) pour discuter de sujets tels que les modèles open-source dans les services financiers, les flux de travail agentifiés en tant que propriété intellectuelle dans les entreprises, et plus encore.

Chronologie :

00:00 Introduction
05:03 Modèle de fondation de paiement basé sur l'architecture Transformer
10:44 Adoption de modèles open-source dans les services financiers
17:53 Compromis entre coût et latence dans l'inférence IA
20:24 Économie des jetons et efficacité dans les systèmes IA
23:21 Flux de travail agenifiés comme propriété intellectuelle dans les entreprises
25:45 Tendances de l'intégration des protocoles dans le commerce agentic
30:17 Runtime open-source OpenSHIELD pour la sécurité des agents
33:33 Avantages des stablecoins dans les micropaiements agent à agent
35:36 Comparé aux paiements, la recherche est mise en œuvre plus rapidement dans les agents

Takeaways :

1. L’essence du commerce agencé est le « context outsourcing » : le contexte de la prise de décision des consommateurs, auparavant détenu par les humains, est désormais transféré aux agents grâce à l’intégration + les modèles de fondation, faisant des capacités de paiement une partie de la chaîne de décision plutôt que de la simple couche d’exécution.
2. Le modèle de fondation de paiement est une variable centrale : l’entrée de données financières traditionnelles dans des tableaux dans les Transformers génère des intégrations de comportement utilisateur, ce qui est l’infrastructure clé pour que les agents « consomment comme des humains ».
3. La recherche a mûri, tandis que les paiements en sont encore à leurs débuts : la mise en œuvre réelle du commerce agencé est actuellement axée sur la recherche et la recommandation, tandis que les paiements restent dans des phases de test et expérimentales.
4. La raison fondamentale de l’explosion de l’open source dans l’industrie financière n’est pas la technologie, mais la réglementation et le contrôle : l’explicabilité, la contrôlabilité et les capacités d’affinage sont plus importantes que la performance.
5. L'écart de performance entre les modèles open-source et propriétaires s'est réduit à une « fourchette négligeable », faisant du coût, de la conformité et de la flexibilité du déploiement les facteurs dominants dans la prise de décision des entreprises.
6. L'économie des jetons devient la nouvelle génération de « l'économie des paiements » : les contraintes fondamentales des systèmes d'IA ne sont plus seulement les frais de transaction, mais l'optimisation complète de la consommation de jetons, des coûts d'inférence, de la latence et de la consommation d'énergie.
7. Les systèmes multi-agents sont le futur champ de bataille : les émetteurs, les acquéreurs, les commerçants et les systèmes d'entreprise internes évolueront en agents, complétant les processus métier par des interactions machine-to-machine.
8. Les flux de travail des agents deviennent de nouveaux atouts essentiels pour les entreprises : auparavant, ce étaient les API et les SaaS, maintenant les chemins de décision, la logique d'exécution et les boucles de rétroaction des agents constituent de nouveaux « brevets d'entreprise ».
9. Les stablecoins présentent des avantages structurels dans les scénarios agent-à-agent : les micropaiements, le règlement en temps réel et la disponibilité mondiale sont des choses que les réseaux de cartes traditionnels ne peuvent pas prendre en charge.
10. La croissance du volume des transactions apportée par les agents est exponentielle : les humains effectuent environ 2 transactions par jour, tandis que les agents peuvent en effectuer 2000, et les modèles traditionnels de système de paiement TPS ne peuvent pas s'adapter à ce changement de paradigme.
11. Les voies de paiement ne seront pas remplacées mais coexisteront en couches : les réseaux de cartes conviennent aux interactions humaines, tandis que les stablecoins conviennent davantage aux interactions machine, et les deux fonctionneront en parallèle dans différents scénarios.
12. La couche de protocole est actuellement dans le "stade précoce de LLM" : la coexistence de plusieurs protocoles favorise l'innovation, et à long terme, elle convergera inévitablement vers quelques normes.
13. La sécurité est devenue une question d'infrastructure à l'ère des agents : des temps d'exécution comme OpenSHIELD sont nécessaires pour isoler les agents dans des bacs à sable afin de prévenir la propagation du risque systémique.
14. Les cas d'utilisation principaux de l'IA dans les paiements n'ont pas changé : la lutte contre la fraude, la vérification de l'identité et la personnalisation restent les valeurs les plus fondamentales, avec la mise en œuvre évoluant des règles aux modèles aux agents.
15. La véritable percée d'Agentic Commerce ne réside pas dans les paiements, mais dans l'« automatisation des décisions » : lorsque la recherche + la recommandation + l'exécution sont entièrement automatisées, les paiements ne sont que l'étape finale de l'invocation de la capacité.

Simon Taylor :
Bienvenue sur Tokenized, une émission consacrée aux stablecoins et à l'adoption de la tokenisation des actifs réels. Je suis Simon Taylor, votre animateur aujourd'hui, et également l'auteur de Fintech Brain Food, ainsi que le responsable du développement du marché chez Tempo.

Aujourd'hui, nous continuons la série Agentic Commerce, et je suis accompagné de Bam Azizi, PDG de Mesh. Comment ça va, Bam ?

Bam Azizi :
Je vais bien, merci Simon de nous avoir de nouveau invités.

Simon Taylor :
Cette série prend vraiment son envol. J'ai l'impression qu'Agentic Commerce est devenu l'un des sujets les plus brûlants au monde en ce moment, attirant vraiment l'attention de tous.

Aujourd'hui, nous avons également un invité d'une entreprise qui est également très en vue - probablement l'une des plus grandes entreprises au monde - mais ils ont fait certaines choses pour soutenir Agentic Commerce que la plupart des gens ne connaissent pas.

Alors, aujourd'hui, nous accueillons Pahal Patangia, responsable du développement commercial et des paiements dans l'industrie mondiale chez NVIDIA. Pahal, comment ça va ?

Pahal Patangia :
Je vais bien, Simon, merci pour l'invitation. Je suis ravi d'être dans l'émission et j'ai hâte de notre conversation.

Simon Taylor :
En effet, tout est en train de se mettre en place : c'est tout ce que j'aime : les paiements, l'accumulation d'NVIDIA dans l'espace du jeu vidéo, les entreprises, les stablecoins... toutes ces bonnes choses.

Mais avant de commencer, je tiens à rappeler à nos téléspectateurs et auditeurs : les opinions de nos invités représentent leurs opinions personnelles et ne reflètent pas nécessairement celles de leurs entreprises. De plus, tout ce dont nous discutons ne constitue pas un conseil fiscal, juridique ou financier, alors faites vos propres recherches.

Très bien, d'un point de vue macro, que signifie le commerce agencé pour une entreprise comme NVIDIA ? Une entreprise de GPU, une entreprise d'informatique accélérée, une entreprise d'IA, une entreprise de matériel - pourquoi êtes-vous impliqué dans les paiements et les affaires ?

Pahal Patangia :
Bien sûr, Simon, c'est une excellente question. Je suis heureux que vous le demandiez du point de vue d'une entreprise de GPU, d'une entreprise de matériel et d'une entreprise d'informatique accélérée, car c'est effectivement la perception d'NVIDIA depuis des décennies.

Mais je tiens à dire que cette perception a évolué au cours des 20 dernières années.

Au cours des dernières décennies, NVIDIA s'est transformée en une plateforme d'informatique accélérée complète, offrant des capacités pour les applications d'IA dans l'ensemble de l'écosystème.

Avant de plonger dans le commerce agencé ou l'IA, il est important de comprendre le positionnement d'NVIDIA au niveau de la plateforme et les capacités que nous offrons - ces capacités sont en fait à l'origine de l'explosion de l'IA que vous voyez tous les jours.

Nous décrivons généralement les capacités d'NVIDIA pour la création d'applications IA dans l'écosystème en utilisant un concept de "gâteau en cinq couches".

Ce "gâteau en cinq couches" se compose de différents "ingrédients" qui permettent de construire des applications IA et des usines IA de manière évolutive aujourd'hui.

La couche inférieure est la terre, l'énergie et l'alimentation - c'est la base pour faire tout ce qui concerne l'IA.

Au-dessus se trouve la couche des puces, qui comprend le matériel, les GPU, les CPU et les systèmes de réseau connexes.

Ensuite vient la couche système, ou couche du centre de données, qui organise la manière dont ces puces sont assemblées ; nous les considérons comme des unités différentes qui se combinent finalement en un « ordinateur massif ».

Par le passé, nous comprenions les ordinateurs comme des appareils personnels, mais maintenant, le centre de données lui-même est un ordinateur, ce qui est la couche système.

Au-dessus se trouve la couche de modèle de base. Ces modèles de base contiennent des connaissances, une compréhension du secteur et diverses capacités. Il existe de nombreux partenaires dans l'écosystème, tels qu'OpenAI, Meta, Mistral, etc., qui construisent ces modèles de base.

Mais ces modèles de base doivent être affinés davantage pour des secteurs spécifiques, des scénarios spécifiques et des problèmes spécifiques, ce qui constitue la cinquième couche, la couche applicative.

La plateforme NVIDIA couvre ces cinq couches, combinant l'ensemble de ces capacités. Les développeurs peuvent tirer parti de cette plateforme à cinq couches pour créer des applications adaptées à leurs cas d'utilisation.

Dans le domaine des paiements, une application clé est Agentic Commerce.

Notre objectif est d'intégrer notre matériel, notre logiciel et nos capacités de modélisation dans ces acteurs de l'écosystème, leur permettant de créer ces applications à grande échelle. C'est notre positionnement et c'est ainsi que nous stimulons le développement de l'ensemble de l'écosystème.

Simon Taylor :
Un point intéressant pour moi est que lorsque nous parlons à de nombreuses personnes du commerce agencé, tout le monde suppose qu'il y a beaucoup de logiciels et de matériel qui gèrent ces choses en arrière-plan, mais vous êtes dans cette industrie depuis longtemps et vous comprenez vraiment comment ces fondements fonctionnent. Quel est votre avis ?

Bam Azizi :
Oui, c'est intéressant. J'ai en fait posté quelque chose sur LinkedIn à propos de cette structure en couches qui a suscité beaucoup d'attention.

C'est très similaire à ce que Pahal vient de décrire. J'ai parlé de la couche de base, de la couche de distribution, de la couche d'orchestration et de la couche de connexion. Mon point était que la couche de connexion est la plus importante - bien sûr, un peu « égoïste », puisque Mesh opère à ce niveau.

Mais je suis vraiment curieux, du point de vue d'NVIDIA, quelle couche pensez-vous être la plus importante ? Où investissez-vous actuellement le plus de temps et de ressources ?

Pahal Patangia :
Oui, c'est une excellente question. Je pense que, de notre point de vue, deux phénomènes clés se produisent actuellement dans l'industrie des paiements.

Nous intégrons l'IA dans l'industrie des paiements à grande échelle, et généralement, un phénomène entraîne un autre.

Le premier phénomène est l'émergence du « Modèle de Fondation de Paiement ».

Si vous examinez l'ensemble du processus du commerce agentic, vous constaterez que ce processus a en fait été « compressé ». Par exemple, le processus de paiement a été compressé.

Dans le monde d'autrefois, vous, en tant que personne, déteniez le contexte. Vous saviez ce que vous vouliez acheter, vous saviez comment finaliser le paiement, et ce contexte existait dans votre esprit.

Mais maintenant, la question est : où l'agent obtient-il ce contexte ?

L'agent doit apprendre le comportement des utilisateurs, les profils d'utilisateurs, les préférences des utilisateurs et les différentes contraintes que vous avez définies pour la transaction (du SKU aux règles de transaction finales) pour acquérir ce contexte.

Alors, comment l'agent acquiert-il ces capacités ?

Cela donne lieu à une nouvelle tendance, que je qualifierais de « clandestine », mais qui attire rapidement l'attention : le « modèle de fondation de paiement ».

En effet, dans le secteur des services financiers, en particulier dans les paiements et la banque, historiquement toutes les données existaient sous forme de tableaux structurés.

Par le passé, vous alimentaient ces données aux algorithmes d'apprentissage automatique pour créer des modèles de propension, comme prédire ce que les utilisateurs pourraient acheter ou quelles transactions ils pourraient effectuer.

Cependant, avec l'émergence d'une nouvelle génération d'algorithmes, en particulier l'architecture Transformer — qui est à la base de l'IA générative — il existe désormais une nouvelle tendance à exposer ces données structurées aux modèles Transformer.

Ceci est le concept du « Modèle de Fondation de Paiement ».

Ces modèles génèrent quelque chose appelé « l'intégration ».

En termes simples, l'intégration est une représentation sémantique du comportement de l'utilisateur. Par exemple :

• Ce que Pahal est susceptible de faire

• Quelles sont ses préférences dynamiques récentes

• Quels sont ses comportements à long terme

Les modèles de transformation peuvent intégrer ces informations pour former cette représentation.

Ces représentations sont ensuite introduites dans l'agent, qui exécute des actions en fonction de ces informations, comme la finalisation des transactions.

C'est là que les deux mondes commencent à fusionner : l'IA et les paiements.

Ces représentations deviennent la « couche contextuelle » pour l'agent, lui permettant d'exécuter mieux, d'itérer mieux et de garantir que toutes les actions restent dans le cadre des règles définies tout en apprenant et en s'optimisant continuellement.

C'est une tendance importante qui anime actuellement le développement du commerce agencé.

De plus, je tiens à souligner une autre tendance que nous observons dans le commerce agencé :

Si vous divisez l'ensemble du processus en « recherche » et « paiement »,

la partie qui se développe le plus rapidement et qui est la plus mature est le composant « recherche ».

Le problème de la recherche a été étudié pendant de nombreuses années, et il existe désormais de meilleurs algorithmes pour le résoudre, de sorte que cette vague technologique est très efficace dans le domaine de la « recherche ».

C'est également la raison pour laquelle l'expérience utilisateur devient plus personnalisée et plus collante.

Nous collaborons également beaucoup avec PayPal. PayPal souhaite apporter les capacités d'Agentic Commerce à leur écosystème de commerçants, qui compte environ 19 millions de commerçants.

La plupart de ces commerçants sont des petites et moyennes entreprises, et ils sont relativement « dans le noir » en ce qui concerne l'IA, ne comprenant pas pleinement ce qui se passe.

L'approche de PayPal consiste à fournir ces capacités à ces commerçants via leur plateforme.

Leur méthode est la suivante :
Affinage des modèles open-source pour les adapter à l’environnement de PayPal et à des cas d’utilisation spécifiques.

De cette manière, les commerçants peuvent naturellement utiliser ces fonctionnalités sans avoir besoin de comprendre la technologie sous-jacente eux-mêmes.

Simon Taylor :
Je viens d’entendre beaucoup de choses de votre part, et je souhaite essayer de les résumer pour voir si j’ai bien compris, tout en rendant également plus facile la compréhension pour le public.

De nombreuses personnes négligent un point : outre les modèles comme Anthropic, ChatGPT et Gemini, il existe en réalité de nombreux modèles open-source, et NVIDIA est un acteur important dans ce domaine.

Des modèles comme votre NeMo et Neotron ont toujours été à la pointe en termes de performance.

Ensuite, des entreprises comme PayPal apporteront ces fonctionnalités aux commerçants.

Créer de la valeur pour les commerçants est primordial dans l'industrie des paiements. Les commerçants sont au cœur des opérations mondiales. Si vous ne pouvez pas servir les commerçants, alors vous n'êtes essentiellement rien.

Ce sont eux qui vendent des produits, ce sont vos clients, ils vous paient. Il vous faut donc créer de la valeur pour eux.

Stripe a précédemment publié un modèle de fondation de paiement qui a donné de bons résultats en matière de lutte contre la fraude.

Mais je suis curieux, outre la lutte contre la fraude, que peut faire le modèle de fondation de paiement ?

Si j'ai maintenant un modèle d'intégration très riche et multidimensionnel qui peut comprendre diverses préférences des utilisateurs, comment ces capacités peuvent-elles aider les commerçants à vendre plus et à mieux servir leurs clients ?

Et les commerçants sont probablement réticents à partager ces données avec de grands laboratoires d'IA.

Ils auraient donc tendance à utiliser des modèles open-source.

De plus, l'écart entre les modèles open-source et les modèles de pointe est désormais d'environ 6 mois, et c'est un écart de performance.

Pour la plupart des utilisations quotidiennes, la différence est presque imperceptible.

Pour de nombreux commerçants de petite et moyenne taille, ces modèles sont déjà bien supérieurs à la version gratuite de ChatGPT qu'ils utilisent actuellement.

Ainsi, PayPal peut leur offrir une très bonne expérience, alors que les capacités sous-jacentes proviennent en réalité d'NVIDIA.

Je pense que beaucoup de gens ne sont pas conscients de cela.

De plus, j'ai vu une enquête indiquant que 65 % des institutions financières utilisent déjà l'IA, tandis que 84 % d'entre elles déclarent que les modèles open-source sont importants pour leur stratégie en matière d'IA.

Je voudrais donc vous demander : pourquoi les modèles open-source sont-ils devenus si importants dans le secteur financier ?

Pahal Patangia :
Oui, c'est une excellente question.

Le secteur financier a toujours été "lent à adopter" les nouvelles technologies.

Les raisons de cette « adoption lente » incluent :
Réglementation
Exigences en matière d'explicabilité
Et méfiance envers les « modèles boîtes noires »

Les institutions financières veulent comprendre ce qui se passe à l'intérieur du modèle afin qu'elles puissent l'utiliser en toute confiance dans des environnements de production.

Ils ont donc tendance à préférer des modèles qui peuvent être contrôlés et affinés.

Dans le même temps, comme vous l'avez mentionné, la performance des modèles open-source est désormais très proche de celle des grands modèles propriétaires.

Cette "proximité de performance" décale l'objet du débat de la "performance du modèle" vers d'autres dimensions, telles que :

• Coût

• Contrôle

• Conformité

• Résilience du système

Les entreprises souhaitent disposer de plus d'options lors de la création de ces applications plutôt que de dépendre d'un seul fournisseur.

Bien sûr, nous considérons également les fournisseurs de modèles de base comme des clients et des partenaires importants.

Mais en même temps, lorsque les entreprises ont besoin de plus de flexibilité, les modèles open-source deviennent plus adaptés.

Par exemple, le modèle Neotron et la chaîne d'outils NeMo d'NVIDIA peuvent aider les entreprises à affiner les modèles plus facilement.

Et cette capacité deviendra de plus en plus importante dans le commerce agentic.

Simon Taylor :
Ce compromis est en effet intéressant.

Bam, je voudrais également vous demander, du point de vue de la création d'une entreprise dans le domaine des stablecoins et des paiements, comment voyez-vous l'open-source par rapport au closed-source ? Vos clients se soucient-ils de cette question ?

Bam Azizi :
Je pense que, du point de vue du client, ils ne se soucient pas vraiment de savoir s'il s'agit d'un open-source ou d'un closed-source.

C'est un sujet de préoccupation pour la communauté technologique, ce qui est important pour le développement scientifique et technologique.

Mais les clients se soucient d'une seule chose :
Existe-t-il la meilleure solution qui puisse les aider à gérer leur entreprise.

Cependant, le code source ouvert est très important pour l'industrie, et nous devons encore le promouvoir autant que possible.

Un autre point qui m'a impressionné était ce que Pahal a mentionné sur la position de NVIDIA.

Autrefois, NVIDIA ressemblait davantage à la couche matérielle, puis il y avait une couche intermédiaire, comme ChatGPT, les fournisseurs de services cloud, etc., et enfin la couche applicative.

Mais maintenant que vous collaborez directement avec des entreprises comme PayPal, cela signifie-t-il que vous « sautez la couche intermédiaire » ?

Cela signifie-t-il plus rapide, moins cher et plus efficace ?

Cela représenterait-il une menace pour des entreprises comme OpenAI ?

Pahal Patangia :
Pas du tout.

Notre philosophie est de « soutenir les développeurs là où ils en sont ».

Si les développeurs souhaitent utiliser nos grands partenaires, tels que les fournisseurs de modèles de base, nous les soutenons pleinement et les aidons à obtenir les meilleurs résultats.

S'ils souhaitent utiliser des modèles open-source, nous fournissons également des outils et un support de plateforme.

Cela dépend vraiment des besoins et des décisions internes de l'entreprise.

Nous fournissons une plateforme complète qui leur permet de choisir librement.

Simon Taylor :
Je trouve ce compromis très intéressant.

Pahal, comment guidez-vous les entreprises de paiement comme PayPal dans la prise de ces décisions ? Par exemple, quand elles veulent fournir ces fonctionnalités aux commerçants, comment les aidez-vous à évaluer les différents cas d'utilisation ? Quels retours entendez-vous de la part de ces entreprises de paiement ?

Pahal Patangia :
C'est une excellente question.

Dans ce domaine, à mesure que vous commencez à exécuter des modèles de plus en plus complexes, des modèles d'aujourd'hui aux agents futurs, en passant par les systèmes multi-agents, il y a de nombreux facteurs à prendre en compte.

Le premier est bien sûr la précision. Mais une fois que vous avez optimisé la précision dans une certaine mesure, ce qui détermine vraiment le résultat, ce sont plusieurs autres facteurs.

Le premier est le coût.

Par exemple, si vous servez 19 millions de commerçants, cela génère un nombre massif d'appels d'inférence chaque jour. Vous devez réfléchir à la manière d'optimiser le coût de ces appels d'inférence pour qu'ils soient les plus bas possible dans votre cas d'utilisation.

Le deuxième point est la latence.

Personne ne veut attendre, tout comme ce petit jeu de serpent dans le navigateur lorsque le réseau tombe en panne (jeu hors ligne Chrome).

Vous avez besoin de réponses au niveau du millième de seconde.

Le modèle doit réfléchir, inférer, recueillir des informations à partir de différentes sources de données, combiner le contexte et prendre des décisions dans le respect des règles établies, le tout en quelques millisecondes.

Pour accomplir tout cela, il faut consommer beaucoup de jetons, prendre de nombreuses décisions, exécuter des processus complexes, et tout cela doit être dynamique et intelligent.

Si l'agent est correctement affiné et fonctionne sous les bonnes contraintes, il peut y parvenir.

Vous exécutez une fois, puis il y a une boucle de rétroaction.

Cette boucle de rétroaction crée un « volant de données » :
Vous obtenez continuellement de nouvelles données, comparez les « résultats réels » avec les « résultats idéaux », puis optimisez continuellement le modèle.

Simon Taylor :
Et puis, lorsque vous étendez cette logique d'un seul agent à un système multi-agents, les choses deviennent encore plus complexes.

Par exemple :

• Agents du côté du réseau

• Agents du côté de l'émetteur

• Agents du côté de l'acquéreur

Ces agents communiqueront entre eux.

Ou au sein de l'entreprise :

• Un agent d'approvisionnement dans le système SAP

• Il doit communiquer avec le système d'inventaire

• Il doit également communiquer avec le système financier

Comment l'ensemble du système effectue-t-il l'inférence ? Comment devient-il plus efficace ?

Cela pose un problème : les jetons vont exploser en termes de croissance.

C’est pourquoi l’« économie des jetons » devient très importante.

Il ne s’agit pas seulement de réduire l’utilisation des jetons, mais de parvenir à une efficacité optimale entre le coût, la puissance de calcul et la latence.

Cela peut même être compris comme :
"Combien de sorties de jetons de haute qualité peuvent être générées par kilowattheure."

Il existe en fait un modèle économique derrière cela.

Si vous ne le gérez pas bien, il est facile de dépenser beaucoup d'argent.

Quiconque a joué à OpenClaw sait qu'il est facile de dépenser 1000 $ en un mois juste en appelant quelques API, et puis vous tombez dans divers trous de lapin.

Pour les entreprises, cette question est encore plus sérieuse.

Par le passé, vous avez peut-être simplement exécuté certains modèles d'apprentissage automatique, comme des modèles sur Snowflake, des RCB, etc., mais maintenant, la structure des coûts de ces modèles d'IA est complètement différente.

Pour une entreprise axée sur la fidélité des clients ou la lutte contre la fraude, cette différence de coût est énorme.

Et parmi les différents rôles tels que les organisations de cartes, les commerçants et les émetteurs, chaque rôle a des exigences différentes pour les agents et des besoins différents en matière de jetons.

Ainsi, la complexité de l'ensemble du système est très élevée.

Non seulement vous devez contrôler les coûts, mais vous devez également que le système s'améliore continuellement au fil du temps, en apprenant comme un humain :
« Vous venez de commettre une erreur, ne recommencez pas ça la prochaine fois. »

Mais si vous avez vraiment utilisé OpenClaw, vous saurez qu'il est en réalité très difficile de maintenir le système de manière constante en faisant les bonnes choses.

Résoudre ce problème dans des scénarios d'entreprise est donc très précieux pour NVIDIA.

Simon Taylor :
Revenons à l'e-commerce.

Quel impact Agentic Commerce a-t-il actuellement sur les entreprises ?

Les utilisateurs peuvent-ils vraiment ressentir ces changements lors du paiement ? Où cette valeur se manifeste-t-elle ?

Pahal Patangia :
Notre objectif est de soutenir les acteurs qui créent réellement de la valeur pour les utilisateurs finaux, comme les plateformes de paiement telles que PayPal.

Dans le même temps, ils collaboreront avec les grands détaillants pour déployer des agents destinés aux consommateurs au-dessus d'eux.

Du point de vue de l'industrie, certaines tendances que nous observons incluent :

Par exemple, Mastercard a déjà mis en œuvre des transactions entièrement pilotées par des agents dans certains pays.

Ce sont des signaux précoces de succès.

Cela nous donne confiance que ces technologies finiront par devenir courantes.

Bien sûr, il reste encore de nombreuses questions à résoudre, telles que :
Ces agents peuvent-ils vraiment améliorer les taux de conversion à la caisse ?
Sont-ils assez stables ?

Actuellement, un meilleur ajustement et des mécanismes de contrainte sont nécessaires pour permettre aux agents d'accomplir des tâches de manière autonome.

Simon Taylor :
Je tiens à mentionner spécifiquement Sardine, car ils ont accompli beaucoup de travail dans le domaine de la lutte contre la fraude.

Ils disposent d'un réseau de données de 7 milliards d'appareils, ont construit leurs propres modèles et ont enregistré les performances des agents.

Ces données historiques et les flux de travail des agents constituent en eux-mêmes une forme de propriété intellectuelle.

Dans le commerce électronique, votre flux de travail d'agent est votre propriété intellectuelle centrale.

Je pense que c'est un point très important.

Simon Taylor :
Très bien, merci à Mesh et à tous les sponsors de rendre ce spectacle possible.

Bam, je ne sais pas si vous êtes comme moi, mais maintenant j'entends tellement de noms de protocoles différents que je ne peux pas tous les suivre.

Comment discutez-vous de ces protocoles avec les clients maintenant ? Quelles questions posez-vous à NVIDIA ?

Bam Azizi :
Je pense que la question la plus critique maintenant est : l'avenir va-t-il vers l'intégration ou va-t-il continuer à se fragmenter ?

C'est une « question de plusieurs milliards de dollars ». Si quelqu'un peut répondre à cette question, il peut construire une énorme entreprise dans ce domaine.

Si vous me demandez, je pencherais pour l'intégration, tout comme le développement d'Internet.

Dans le passé, il existait de nombreux protocoles différents, mais nous avons finalement opté pour HTTP.

Il existait également de nombreux protocoles pour la communication entre les appareils, mais à la fin, ils se sont essentiellement unifiés en Wi-Fi et Bluetooth.

Même dans les interfaces de chargement, on est passés de diverses interfaces différentes à une ou deux interfaces standardisées.

Je pense donc que quelque chose de similaire se produira ici.

En particulier avec les récents progrès sur x402, par exemple, ils poussent à entrer dans la Fondation Linux, hébergée par une organisation neutre, avec le soutien d'entreprises comme Stripe et Coinbase.

Je travaille dans le domaine de la vérification d'identité et de la sécurité, et nous avons vu un processus d'intégration similaire dans les protocoles d'authentification.

Donc, à mon avis, il y aura intégration.

Mais je suis aussi très curieux de connaître le point de vue de Pahal.

Une autre question est :
Y aura-t-il différents protocoles à l'avenir ?

Par exemple :

• Interaction entre humains et agents

• Interaction entre agents

L'interface utilisateur/expérience utilisateur et les protocoles pour ces deux scénarios peuvent être complètement différents.

Que pensez-vous des développements actuels du marché ?

Simon Taylor :
Cela me rappelle une bande dessinée classique de XKCD :

« Il existe désormais 14 normes d'authentification ; nous avons besoin d'une norme unifiée. »
Cela est ensuite devenu : « Il existe désormais 15 normes. »

Vous êtes dans ce domaine depuis si longtemps, comment voyez-vous ce problème ?

Pahal Patangia :
Oui, si j'avais une boule de cristal, j'aimerais connaître la réponse (rires).

Mais de notre point de vue, je suis d'accord avec le point de vue de Bam :

En fin de compte, ces protocoles convergeront vers quelques solutions grand public.

Mais dans le processus, la diversité actuelle est en fait une bonne chose.

Parce que ces protocoles activent plus de développeurs et incitent plus de personnes à commencer à construire.

L'étape actuelle est en fait l'« étape de démocratisation », similaire au développement des LLM au cours des trois dernières années.

Différents modèles continuent d'émerger, stimulant l'adoption dans l'ensemble de l'industrie.

La même chose se produira avec ces protocoles.

Ces protocoles attireront de plus en plus de participants - développeurs, entreprises, utilisateurs - tout le monde construira sur ces bases.

Cela favorisera le développement de l'interopérabilité, conduisant finalement à l'intégration.

De plus, à mesure que davantage d'agents sont construits, les problèmes de sécurité deviennent de plus en plus importants.

Tout le monde construit ses propres systèmes d'agents, mais il est essentiel de s'assurer que ces systèmes fonctionnent dans un environnement sécurisé.

C'est pourquoi nous avons lancé OpenSHIELD lors de la GTC.

OpenSHIELD est un runtime open-source renforcé en matière de sécurité, positionné entre les agents et l'infrastructure.

Il peut fournir un environnement de type bac à sable pour que les agents fonctionnent dans un cadre contrôlé.

De cette manière, même si des problèmes surviennent, l'impact peut être contenu.

Simon Taylor :
Oui, c'est très critique.

Beaucoup de gens ne réalisent pas :

Lorsque vous développez des agents et que vous avez également un environnement de production, devriez-vous mettre les agents en production ?

S'il n'y a pas d'isolation, une fois que quelque chose tourne mal, l'impact sera important.

Ainsi, les mécanismes de bac à sable comme OpenSHIELD sont très importants.

Simon Taylor :
J'ai également pensé à un exemple : au début de l'ère de l'Internet mobile, il y avait WAP, que les gens ont essayé d'utiliser pour les paiements avant l'apparition des smartphones.

Le commerce agencé pourrait, dans une certaine mesure, en être encore à ses débuts.

Je suis donc curieux :

Comment répartissez-vous votre attention en ce moment ?

Êtes-vous principalement axé sur les stablecoins ?
Ou sur les interactions humain-agent ?
Ou sur les interactions agent-agent ?

Faites-vous tout cela, ou avez-vous un objectif ?

Pahal Patangia :
C'est une excellente question.

De mon point de vue, nous nous concentrons principalement sur les tendances les plus importantes en ce moment :

• Modèles de base de paiement

• Commerce agencé

Mais au sein de ces tendances, de nouvelles sous-tendances continueront d'émerger.

Par exemple, les stablecoins.

Nous considérons les stablecoins comme un complément au système de monnaie fiduciaire existant, attirant de nouveaux utilisateurs et de nouveaux écosystèmes.

La prochaine génération d'utilisateurs sera peut-être plus habituée à utiliser des stablecoins plutôt que des cartes de crédit.

Mais en même temps, il y aura une intégration entre les deux.

Cependant, fondamentalement, les cas d'utilisation principaux de l'IA dans les paiements n'ont pas changé :

• Lutte contre la fraude

• Vérification de l'identité

• Personnalisation

Ce sont les plus importants.

Simon Taylor :
Oui, essentiellement, c'est toujours la valeur ajoutée des paiements.

Que vous utilisiez des stablecoins ou des réseaux de cartes, ces problèmes existeront.

Simon Taylor :
Bam, je suis curieux d'avoir votre avis. Vous construisez un réseau dans l'espace des stablecoins ; comment voyez-vous la relation entre Agentic Commerce et les stablecoins ?

Bam Azizi :
Je crois qu'Agentic Commerce peut utiliser différents rails de paiement.

Par exemple, maintenant les utilisateurs recherchent des produits comme des chaussures ou des T-shirts sur ChatGPT, Anthropic ou Perplexity, et ensuite les agents peuvent aider les utilisateurs à finaliser les paiements.

Ce paiement peut être effectué avec des cartes de crédit ou des stablecoins.

Dans ce scénario, les deux sont parallèles.

Mais pour les paiements transfrontaliers et les transactions internationales, les stablecoins auront plus d'avantages.

Dans les scénarios agent-à-agent, je crois que les stablecoins ont un avantage distinct.

La raison est la suivante :

Ces transactions sont généralement des micropaiements.
Par exemple, des montants comme 0,00005 $.

De tels montants ne peuvent pas être traités par Visa ou les systèmes bancaires traditionnels.

Dans le même temps, ces transactions doivent être :
En temps réel
Mondiales
En ligne

Les stablecoins répondent parfaitement à ces conditions.

Un autre point est la fréquence des transactions.

Une personne peut effectuer en moyenne 2 transactions par jour, mais un agent peut en effectuer 2000 par jour.

Ce type de TPS (débit) ne peut être pris en charge que par la blockchain.

Les systèmes de paiement traditionnels ne sont pas conçus pour les agents ; ils échoueront.

Je suis donc très optimiste quant à l'application des stablecoins dans le commerce Agentic.

Simon Taylor :
C'est en effet une explosion exponentielle, n'est-ce pas ?

Je me souviens qu'environ 4 millions d'e-mails sont envoyés sur Internet chaque seconde, et ce ne sont que des e-mails, sans compter les vidéos.

Dans un tel monde, la capacité des systèmes de paiement traditionnels à gérer des dizaines de milliers de transactions par seconde est clairement insuffisante.

Mais revenons un peu à la réalité, Pahal, de votre point de vue, où se situe la demande réelle des utilisateurs ? Où se situe le véritable volume de transactions ?

Je plaisante souvent en disant qu'il y a maintenant plus de protocoles dans le commerce agentic que dans les protocoles de paiement.

Vous pourriez être le plus proche de l'infrastructure sous-jacente, même de l'"infrastructure de l'infrastructure de l'infrastructure".

Alors, où voyez-vous la demande réelle ? Où sont les vrais cas d'utilisation ?

Pahal Patangia :
Je pense que cette question peut être répondue sous deux angles.

Le premier est du point de vue de l'ensemble de l'écosystème.

Comme je l'ai mentionné précédemment, nous pouvons diviser l'ensemble du processus en deux parties :

• Recherche

• Paiement

Actuellement, la partie recherche est relativement mature, à tel point qu'on peut dire qu'elle est presque résolue.

La partie de paiement, cependant, est encore dans de nombreuses phases expérimentales.

De nombreux tests en sandbox sont en cours.

C'est également pourquoi je suis très optimiste quant à des outils comme OpenSHIELD, car ils peuvent aider l'écosystème à construire ces agents dans un environnement sécurisé et leur permettre d'avoir des capacités de transaction.

La deuxième perspective est à long terme.

Je suis très optimiste quant au développement des systèmes multi-agents.

Dans le monde futur, différents agents interagiront et collaboreront entre eux.

Notre rôle est d'aider ces systèmes à s'améliorer :

• Par des boucles de rétroaction

• Par des environnements opérationnels sécurisés

• Par divers mécanismes de contrainte (garde-corps)

Bien sûr, il faudra également procéder à de nombreux ajustements pour garantir que ces agents peuvent s'exécuter comme prévu sans dévier.

Ce sont toutes des orientations sur lesquelles nous nous concentrerons à l'avenir.

Simon Taylor :
Je pense qu'un thème très important dans la discussion d'aujourd'hui est l'"économie des jetons".

En fait, lorsque nous avons parlé des jetons plus tôt, Bam et moi avons tous les deux rigolé parce que dans l'espace des stablecoins, notre compréhension de l'économie des jetons est une logique différente.

Mais maintenant, vous constaterez :

Tout est devenu des « jetons ».

Il y a des jetons dans la vérification d'identité
Des jetons en cybersécurité
Visa et Mastercard ont des jetons de réseau
Des jetons dans la banque ouverte
Les stablecoins sont des jetons
Des jetons dans l'IA aussi

Le terme "jeton" en anglais peut en effet prêter à confusion car à l'origine, il signifiait simplement "un substitut", mais maintenant, presque tout peut être appelé un jeton.

Mais dans tous les cas, vous devez comprendre le modèle économique qui se cache derrière.

En fin de compte, que ce soit dans l'IA ou dans les réseaux de paiement, ce qui détermine l'expérience utilisateur est toujours :

• Vitesse

• Coût

Ces deux facteurs nous ramèneront continuellement à la réalité.

Simon Taylor :
Pahal, merci beaucoup pour vos commentaires aujourd'hui. En tant que quelqu'un qui suit NVIDIA depuis longtemps et qui fait également partie de l'industrie des paiements, cette conversation a été très intéressante. Si les gens veulent en savoir plus sur vous ou sur le travail d'NVIDIA dans les paiements, où peuvent-ils aller ?

Pahal Patangia :
Les gens peuvent me contacter sur LinkedIn ou par e-mail.

Si vous souhaitez en savoir plus sur le travail d'NVIDIA dans les services financiers, vous pouvez visiter le site Web officiel d'NVIDIA, où nous avons une page dédiée à l'industrie détaillant notre travail dans les paiements, la banque et les marchés des capitaux.

Nous espérons apporter les capacités de l'IA à l'ensemble de l'écosystème et sommes heureux d'être votre partenaire.

Simon Taylor :
Génial, merci. Bam, si les gens veulent se connecter au réseau Mesh ou vous contacter, comment devraient-ils procéder ?

Bam Azizi :
Vous pouvez visiter meshpay.com, ou rechercher Mesh Pay sur Twitter ou LinkedIn. Si vous voulez me trouver, vous pouvez rechercher Bam Azizi sur Telegram ou Twitter.

Simon Taylor :
Vous pouvez également me trouver sur diverses plateformes ou visiter finttechbrainfood.com. J'ai récemment écrit un article sur le « commerce invisible », abordant certains problèmes potentiels avec Agentic Commerce. Si vous avez apprécié ce spectacle, n'oubliez pas de vous abonner, de mettre un like et de le partager avec vos amis afin que davantage de personnes puissent voir ce contenu. À la prochaine.