MiniMax cherche le prochain « 10 fois »

Avec l’explosion de ClaudeCode, l’IA est passée d’un outil de chat à un agent, et lorsque le modèle commence réellement à exécuter des tâches pour les humains, la consommation de tokens connaît une croissance exponentielle.

Celui qui pourra faire entrer l’IA dans un véritable processus de production pourra obtenir la consommation de tokens la plus stable et la plus continue. Après la montée collective des actions liées à l’IA au début de l’année, suivie d’une correction rapide, les grandes entreprises de modèles en Chine ont commencé à rechercher de nouvelles narrations de croissance.

En saisissant l’ambiance du codage, la vague des langoustines, et après en avoir goûté les bénéfices, le joueur de modèles domestique MiniMax, désireux d’élargir son cercle, cherche le prochain filon.

Le 11 mai, MiniMax a lancé un nouveau plan de collaboration nommé « Groupe Dix-Fois » (10xTeam).

En plus des logiciels industriels, moteurs de jeux, conception de puces, finance, comptabilité, déjà liés, cette fois MiniMax invite principalement des experts en économie, sciences de la vie, chimie des matériaux — des domaines plus orientés vers une intégration profonde avec de grands modèles à l’échelle mondiale — à co-créer, tout en lançant simultanément sur une plateforme de recrutement le poste de « Chercheur 10xTeam ».

L’ambition derrière est évidente : vouloir reproduire dans plus d’industries le « saut d’efficacité de 10 fois » apparu dans le domaine de la programmation.

Ce sera une situation gagnant-gagnant : MiniMax, par cette méthode, améliore ses capacités de base en intelligence générale, tout en poussant le modèle à s’infiltrer davantage dans divers scénarios industriels.

En réalité, « grand modèle universel + co-construction avec des experts sectoriels » est déjà une idée partagée par les leaders du secteur.

Anthropic intègre depuis longtemps chercheurs académiques et industriels ; son EconomicIndex évalue davantage l’impact des modèles sur l’activité économique de divers secteurs ; OpenAI a lancé HealthBench pour le médical, en mettant l’accent sur la législation et la finance comme axes prioritaires d’optimisation de la série GPT ; Google DeepMind, avec ses « percées dans le domaine scientifique » : AlphaFold (biologie structurale), GNoME (science des matériaux), etc., prouve que la collaboration entre experts de haut niveau et équipes de recherche fondamentale peut produire des « sauts de niveau sectoriels ».

Fin 2025, Baidu a également lancé un plan similaire appelé « Mentorat Wenxin », visant à guider les grands modèles dans la transmission de connaissances, l’évaluation de la qualité et l’ajustement professionnel, en collaboration avec des experts de l’industrie et du monde académique.

Au cours de l’année écoulée, le domaine de la programmation est devenu le premier scénario à voir apparaître un phénomène de « saut d’efficacité de 10 fois » : des outils comme Cursor, ClaudeCode ont en fait remodelé le processus de développement logiciel, et la compétition pour les infrastructures de base est désormais quasi achevée.

Après la popularité de ClaudeCode, toute l’industrie de l’IA a rapidement convergé vers un consensus : la capacité la plus importante de l’IA n’est plus simplement de « répondre aux questions », mais de « réaliser des tâches ». Une fois que l’IA entre dans un système de production réel, elle devient une nécessité.

Les programmeurs doivent l’utiliser quotidiennement, les entreprises la faire fonctionner chaque jour, la collaboration en équipe doit continuer à s’intégrer, et les chaînes de raisonnement ne cesseront de croître. L’appel aux modèles passe d’un besoin occasionnel à une consommation continue, et les revenus issus des tokens commencent naturellement à augmenter de façon exponentielle.

Mais cette certitude a aussi attiré une certaine compétition : il y a 18 mois, le marché de la programmation IA était dominé par Copilot. Aujourd’hui, Cursor, Windsurf, Cline, Claude Code, Aider en compétition à l’étranger, et en Chine, DeepSeek TUI, Kimi Code, MiniMax-M2.5, Trae de ByteDance, Tongyi Lingma, Wenxin Kuaima, CodeGeeX de Zhipu, Qoder d’Alibaba, etc., se disputent le marché.

Lorsque le bonus de la programmation atteint un plafond, la question « quel sera le prochain domaine multiplié par 10x » devient une question cruciale pour toutes les entreprises.

La réponse de MiniMax est : déployer la capacité des modèles dans des domaines à forte densité de connaissances spécialisées, avec des flux de travail complexes et sans standardisation encore formée.

Ce qui ne peut être résolu uniquement par l’optimisation en interne des équipes de modèles. Il faut l’intervention d’experts de haut niveau dans chaque domaine pour définir les problématiques, co-construire des évaluations et des flux de travail, puis laisser le modèle conduire la transformation sectorielle.

Les connaissances sectorielles ont naturellement un seuil élevé.

La conception de puces comporte des processus de validation complexes, les logiciels industriels ont de vastes systèmes d’ingénierie, la finance possède ses propres logiques de gestion des risques et cadres réglementaires, la science de la vie regorge d’expériences expérimentales implicites et de structures de connaissances spécialisées. Ces éléments ne sont pas naturellement présents dans les corpus publics en ligne.

Un véritable agent industriel utilisable ne dépend pas uniquement de la capacité de raisonnement du modèle, mais de sa compréhension des flux de travail sectoriels.

Cela pousse les grandes entreprises de modèles à ressembler de plus en plus à un mélange d’instituts de recherche, d’organisations industrielles et de cabinets de conseil. La « 10xTeam » de MiniMax, dans une certaine mesure, est aussi la première fois qu’un fabricant de grands modèles en Chine met en avant ce « mode de collaboration scientifique ».

Selon MiniMax, cela ressemble à un mécanisme de partenariat de recherche industrielle. L’équipe de modèles fournit les capacités fondamentales, les experts sectoriels définissent les problématiques, construisent les flux de travail, établissent les systèmes d’évaluation, puis l’agent intervient dans la production réelle.

Car lorsque l’objectif de l’IA passe de « répondre aux questions » à « réaliser des tâches », l’importance des experts sectoriels s’amplifie rapidement.

En regardant en arrière, dans l’ère d’Internet, les talents les plus importants étaient les chefs de produit, car ils définissaient les besoins des utilisateurs ; à l’ère de l’agent, les personnes les plus importantes seront peut-être celles qui comprennent le mieux les processus industriels.

La programmation n’est que le premier secteur à être reconstruit par l’agent. Toutes les grandes entreprises de modèles cherchent désormais le prochain scénario capable de générer une consommation massive de tokens tout en créant une valeur industrielle réelle.

Au cours de l’année écoulée, la valorisation du secteur des grands modèles a commencé à rappeler la bulle Internet autour de 2000.

Récemment, l’économiste Ma Guangyuan a souligné que les infrastructures en amont — puissance de calcul, modules optiques, matériel — ont effectivement des commandes, des revenus, peuvent être rentables, car le monde entier accumule frénétiquement de la capacité de calcul ; mais que dans le milieu, les grands modèles, et dans l’aval, des applications comme les robots humanoïdes, l’IA générale, les scénarios ToC/ToB, en restent encore au stade conceptuel et narratif, sans commercialisation à grande échelle, sans profit continu, sans demande réelle explosive, mais que ces attentes futures sont déjà intégrées dans la valorisation actuelle.

Tout le secteur sait que si l’IA ne peut pas entrer réellement dans l’industrie, aider les entreprises à augmenter leur efficacité et leur rentabilité, cette course au capital risque de ne pas durer. Ce n’est qu’en faisant que l’IA commence vraiment à travailler pour les entreprises, à participer aux processus de production, à aider l’industrie à générer des profits, que toute la chaîne industrielle pourra réellement fonctionner.

C’est aussi pourquoi tous les grands acteurs de l’IA dans le monde poussent de plus en plus dans la profondeur industrielle.

Anthropic ne se limite plus à l’accent sur la capacité des modèles, mais insiste sur la façon dont Claude s’intègre dans le flux de travail des entreprises ; OpenAI continue de renforcer ses scénarios verticaux dans la santé, la législation, la finance ; Google DeepMind maintient depuis longtemps sa stratégie de « percées scientifiques ».

Car tout le monde sait que l’IA doit vraiment commencer à aider l’industrie à générer des profits, à améliorer l’efficacité, à réduire les coûts, pour que la narration industrielle puisse continuer à avancer. Sinon, le bubble finira tôt ou tard par éclater.

Et une fois la bulle éclatée, ce ne seront pas seulement quelques entreprises de modèles qui seront affectées. Du GPU aux fournisseurs de cloud, des centres de données aux startups IA, du marché primaire au marché secondaire, toute la chaîne de valeur de l’IA pourrait connaître une vague de froid intense.

C’est pourquoi toutes les entreprises de grands modèles aujourd’hui se battent pour prouver une chose : l’IA n’est pas qu’un concept, c’est une véritable productivité. Et la « 10xTeam » de MiniMax, en essence, s’inscrit aussi dans cette logique de positionnement industriel.

Elle espère anticiper en intégrant des experts sectoriels, en incorporant la capacité des modèles dans la conception de puces, les logiciels industriels, l’analyse financière, la science de la vie, puis en construisant progressivement ses propres barrières de données, de flux de travail et de commercialisation.

Car lorsque l’objectif de l’IA passe de « répondre aux questions » à « réaliser des tâches », la connaissance sectorielle devient une ressource rare. La programmation n’est que le premier secteur à être reconstruit par l’agent. Et ce que l’industrie de l’IA cherche vraiment à prouver, c’est : le prochain, sera-t-il tout le secteur industriel.