Ce dimanche à Hong Kong, Lagrange, en collaboration avec @awscloud et @MetisL2, a lancé la semaine Consensus avec le Sommet sur l'IA Appliquée, axé sur ce qu'il faut réellement pour mettre l'IA en production. Les fondateurs, les bâtisseurs et les opérateurs se sont concentrés sur les défis pratiques au niveau du déploiement. Points forts de l'événement ci-dessous 👇

Brian Novell, responsable du développement commercial chez Lagrange, a ouvert l'événement en cadrant l'écart entre les démonstrations d'IA et le déploiement dans le monde réel. À travers des exemples comme l'élimination des deepfakes, les décisions financières pilotées par l'IA, la précision des agents et la conformité, l'accent a été mis sur la raison pour laquelle la vérifiabilité devient critique une fois que les systèmes d'IA opèrent dans des environnements réglementés et à enjeux élevés.

L'équipe de @awscloud a partagé une mise à jour sur le programme AWS Activate, axé sur l'aide aux startups pour passer des premières constructions à la production. Le programme offre aux équipes un chemin rapide pour commencer sur AWS, un accès à des crédits allant de 500 $ à 100 000 $, et des ateliers pratiques pour se développer sans supporter des coûts d'infrastructure inutiles. L'accent est resté pratique : moins de blocages au début, des décisions d'architecture plus claires et des chemins plus rapides pour expédier.

Le panel d'ouverture, modéré par Caroline York de l'Association Fintech de Hong Kong, s'est concentré sur la surveillance des systèmes d'IA une fois qu'ils sont en ligne. Vivek Kolli @SentientAGI, Ram Kumar @OpenLedger et Thiru @MetisL2 ont discuté des signaux de santé en temps réel, de l'intégrité des données et de la manière dont les systèmes décentralisés détectent les pannes et les comportements malveillants sans supervision centralisée.

La discussion a évolué vers la provenance des données, la gouvernance et l'auditabilité alors que les systèmes d'IA entrent dans des environnements d'entreprise et réglementés. Tom Ngo @MetisL2, Danny Lim @PundiAI et Sina Yamani @ActionModelAI ont abordé la manière dont les équipes suivent les origines des données, construisent des pistes de vérification et équilibrent le développement plus rapide de l'IA avec des exigences réglementaires croissantes — surtout à mesure que les systèmes deviennent plus autonomes. Modéré par Brian Novell de Lagrange.

Tom Ngo @MetisL2 a déballé les lacunes de confiance dans l'IA centralisée – exécution opaque, provenance faible et incitations mal alignées. L'argument principal : la blockchain fournit une couche de confiance, mais le véritable progrès vient de la vérification de l'exécution du modèle lui-même avec des preuves cryptographiques, et pas seulement de l'ancrage des données sur la chaîne.

La conversation s'est ensuite tournée vers ce qu'il faut pour intégrer l'IA dans les flux de travail d'entreprise existants. Terence Chow @awscloud, Jan Gorzny @Zircuit et Kye Gomez @swarms_corp ont discuté de la nécessité de dépasser l'expérimentation — naviguer dans les systèmes hérités, les silos de données et introduire une IA agentique de manière à améliorer les processus sans les perturber. Modéré par Thiru @LazAINetwork.