Au-delà de l'historique de chat : comment Honcho résout le défi de la personnalisation pour les applications LLM

Imaginez expliquer la physique quantique à votre grand-mère, votre professeur et votre adolescent. Vous n’utiliseriez pas les mêmes mots, exemples ou rythmes pour chacun d’eux. Vous ajusteriez instinctivement votre communication en fonction de la personne à qui vous parlez. C’est exactement ce qui manque dans les applications modernes de grands modèles de langage — et c’est le problème central que la nouvelle plateforme Honcho de Plastic Labs, lancée récemment, est conçue pour résoudre.

Le 11 avril, la startup d’IA Plastic Labs a annoncé la clôture d’une levée de fonds Pre-Seed de 5,35 millions de dollars, menée par Variant, avec la participation de White Star Capital, Betaworks, Mozilla Ventures, Seed Club Ventures, Greycroft et Differential Ventures. Des investisseurs providentiels tels que Scott Moore, NiMA Asghari et Thomas Howell ont également rejoint la ronde. L’entreprise a simultanément ouvert un accès anticipé à Honcho, sa plateforme d’identité IA personnalisée, marquant une étape importante dans la façon dont les applications LLM pourraient enfin comprendre leurs utilisateurs.

Le besoin croissant de véritable personnalisation dans les applications LLM

La croissance explosive des logiciels alimentés par LLM a créé un problème inattendu : ces applications sont puissantes mais fondamentalement impersonnelles. Un assistant thérapeutique doit saisir votre état émotionnel et votre style de communication. Un tuteur éducatif doit reconnaître comment vous apprenez le mieux. Un compagnon d’achat doit comprendre vos préférences et vos habitudes de navigation. Pourtant, la plupart des développeurs construisant ces applications font face à un paysage fragmenté sans solution standard.

Actuellement, les équipes assemblent des systèmes improvisés pour stocker les données utilisateur — généralement enfouies dans des logs de conversation — et les récupérer lorsque nécessaire. Chaque organisation repart essentiellement de zéro, en construisant sa propre infrastructure de gestion de l’état utilisateur. Le résultat est une perte d’efforts d’ingénierie à travers l’industrie, avec d’innombrables équipes réinventant la roue. Pire encore, même lorsque les développeurs utilisent des méthodes sophistiquées comme les bases de données vectorielles et la génération augmentée par récupération (RAG), ils ne peuvent que faire remonter les conversations passées. Ils ne peuvent pas véritablement capturer des caractéristiques utilisateur plus profondes : préférences de communication, schémas d’apprentissage, déclencheurs émotionnels ou nuances de personnalité.

Les applications thérapeutiques, les assistants éducatifs, les plateformes de lecture et les outils de commerce électronique attendent déjà dans la file d’attente de la bêta fermée de Honcho — des centaines d’applications dans plusieurs scénarios, toutes confrontées au même obstacle.

Pourquoi l’approche en sciences cognitives de Honcho change la donne

C’est ici que Honcho intervient comme un tournant. La plateforme fonctionne comme une solution prête à l’emploi que les développeurs peuvent intégrer directement dans leurs applications LLM sans avoir à construire une infrastructure de modélisation utilisateur from scratch. Une fois connectés, les développeurs ont accès à des profils utilisateur riches et persistants qui capturent bien plus de nuances que les méthodes traditionnelles.

La différence clé réside dans la fondation de la plateforme : elle s’appuie sur des techniques avancées empruntées aux sciences cognitives. Plutôt que de simplement stocker l’historique des conversations ou d’intégrer les interactions utilisateur dans des bases vectorielles, Honcho construit des modèles plus profonds de qui sont réellement les utilisateurs. Ces profils peuvent être interrogés en langage naturel, permettant aux applications LLM d’ajuster dynamiquement leur comportement, ton et approche de communication en fonction des caractéristiques individuelles de chaque utilisateur.

L’avantage pour l’ingénierie est clair : Honcho abstrait la complexité de la gestion de l’état utilisateur, libérant ainsi les équipes de développement pour se concentrer sur leur logique applicative principale plutôt que sur l’infrastructure. Mais les implications vont bien au-delà de la simple commodité pour une application. Les profils utilisateur riches et abstraits générés par Honcho créent quelque chose que l’industrie recherche depuis longtemps mais a du mal à réaliser : une voie vers une couche de données utilisateur partagée, véritablement interopérable.

Le problème de la couche de données partagée : pourquoi les tentatives précédentes ont échoué

Historiquement, les tentatives de créer des couches de données utilisateur partagées ont échoué pour deux raisons fondamentales.

Premièrement, la barrière d’interopérabilité. Les données utilisateur traditionnelles ont tendance à être étroitement liées à des contextes d’application spécifiques et difficiles à transférer entre plateformes. Votre réseau social sur X — défini par qui vous suivez — offre peu de valeur à votre réseau professionnel sur LinkedIn. Les données ne se traduisent pas. Honcho capture des traits utilisateur de niveau supérieur, plus universels, qui fonctionnent dans n’importe quelle application LLM. Par exemple, si une plateforme éducative découvre que vous apprenez mieux par analogies, cette insight devient précieuse pour votre assistant thérapeutique, qui peut utiliser des techniques de storytelling pour communiquer plus efficacement. La même caractéristique s’applique à des cas d’utilisation complètement différents.

Deuxièmement, le problème de démarrage à froid. Les couches de partage précédentes n’ont pas réussi à prendre de l’ampleur parce que les premiers adopteurs ne voyaient aucun bénéfice immédiat. Attirer les premières applications — essentielles pour générer des données utilisateur précieuses — nécessitait de promettre un réseau qui n’existait pas encore. Honcho évite cette dynamique de poule ou d’œuf en résolvant d’abord le « problème de premier ordre » pour chaque application. Lorsqu’un nombre suffisant d’applications se connectent, les effets de réseau émergent naturellement, et le « problème de second ordre » commence à se résoudre tout seul. Les nouvelles applications rejoignant la plateforme ne font pas face à la friction du démarrage à froid ; elles héritent de profils utilisateur riches dès le départ et accèdent à la couche d’intelligence croissante sans avoir à entraîner leurs propres modèles.

Construire l’infrastructure : la feuille de route stratégique de Plastic Labs

La stratégie de l’entreprise reflète cette approche par phases. Initialement, l’accent reste sur la résolution du défi central de gestion de l’état utilisateur pour des applications individuelles. À mesure que l’adoption s’étend et que davantage d’applications se connectent à Honcho, l’équipe introduira progressivement une couche de données partagée pour les applications volontaires.

Cette couche partagée introduit une structure d’incitation conçue autour de mécanismes blockchain. Les applications qui accèdent à des parts de propriété précoces dans la couche elle-même, partageant sa croissance et sa valeur réseau. Parallèlement, l’architecture décentralisée de la blockchain garantit que le système reste crédible et transparent, empêchant les gatekeepers centralisés d’extraire une valeur disproportionnée ou de développer des produits concurrents exploitant les données partagées qu’ils ont créées.

Cette approche s’inspire des leçons tirées du travail précédent de l’équipe. Lors du développement de Bloom, une application de tutorat personnalisé par chat, l’équipe de Plastic Labs a vécu de première main la frustration de construire un tutorat intelligent sans comprendre réellement les styles d’apprentissage et les besoins individuels des étudiants. Honcho est né directement de cette constatation — la reconnaissance que chaque développeur d’application LLM finirait par faire face à la même contrainte fondamentale.

Ce qui vient ensuite : de l’application unique à l’effet réseau

Des centaines d’applications couvrant le coaching en récupération d’addiction, le tutorat éducatif, l’assistance à la lecture et les plateformes de commerce électronique sont déjà inscrites sur la liste d’attente de Honcho. Chacune représente un cas d’utilisation et une base utilisateur différente, mais toutes partagent le même besoin : des applications LLM qui comprennent réellement à qui elles parlent.

Variant, en tant qu’investisseur principal et la société représentée par le conseiller général Daniel Barabander, qui a aidé à articuler la vision de Honcho, reconnaît ce que Plastic Labs a accompli : une équipe avec une expertise démontrée en modélisation utilisateur pour les logiciels pilotés par l’IA, qui lance maintenant une infrastructure susceptible de transformer la façon dont tout l’écosystème des applications LLM gère la personnalisation.

Le défi de la personnalisation dans les applications LLM n’est plus théorique — il est devenu le principal goulot d’étranglement limitant la création d’expériences IA véritablement utiles et contextuelles. Honcho représente la première solution largement accessible qui s’attaque à ce problème à grande échelle, ouvrant potentiellement une nouvelle ère d’applications LLM hyper-personnalisées qui comprennent réellement leurs utilisateurs.