Bonjour. Je suis Luke, de Nextain, l'équipe qui développe Naia. Après ma dernière publication sur Naia-Sing, plusieurs personnes m'ont demandé si j'allais streamer — la réponse est non.
Naia-Sing est un projet de recherche portant sur le cadre cognitif du modèle AI de Naia. C'est une recherche menée dans un dépôt privé.
Les morceaux de référence de Naia-Sing et le modèle VRM 3D par défaut de Naia-OS reflètent certes mes goûts en matière de sous-culture, mais ce n'est pas mon domaine de prédilection — je considère que le contenu relève de nos partenaires et des créateurs avec qui nous collaborons.
Par ailleurs, comme mon profil GitHub arbore un avatar animé, que ma première entreprise était une webtoon VR, et que j'ai un parcours de PD chez Naver Webtoon, beaucoup me perçoivent avant tout comme un spécialiste du contenu. Je rédige ce billet notamment pour rectifier cette impression, dans l'intérêt des activités futures de Nextain. (Référence amusante : une article de blog Codeforces sur la corrélation entre avatar animé et niveau de code https://codeforces.com/blog/entry/93498)
J'ai mentionné par le passé avoir fait de la recherche en IA chez Naver. À l'époque, j'avais terminé premier au classement des inventions internes — là aussi sur des sujets d'intelligence artificielle. Un article de Boannews consacré à l'analyse des brevets de Naver en avait d'ailleurs parlé.
"En analysant les brevets déposés par cette entreprise selon l'inventeur, un nom revient particulièrement souvent : 'Yang Byeong-seok'. Les codes CPC de ses brevets se concentrent sur G06Q (systèmes de traitement de données à des fins de gestion, commerciales, financières ou prévisionnelles) et G06F (traitement numérique de données — systèmes informatiques basés sur des modèles de calcul spécifiques). Il s'agit dans tous les cas de technologies liées au 'traitement de données'."
https://m.boannews.com/html/detail.html?idx=125653
J'ai une mineure en sciences des médias, mais mon cursus principal est l'informatique (Computer Science). Pendant mes études, j'ai été formé par le Pr. Jeong Ki-cheol de l'Université Soongsil, le premier en Corée à avoir appliqué CUDA à l'IA — j'avais même sérieusement envisagé de poursuivre en laboratoire de recherche.
Fort de ce bagage d'ingénieur, je souhaite aujourd'hui vous présenter nos brevets technologiques — ce qu'il y a de plus révélateur de l'identité de Nextain — pour vous expliquer ce que Naia OS cherche à résoudre.
À noter que Nextain a été fondée en mars 2026 et a déposé 12 brevets en un peu plus de trois mois, dont 8 portent sur des problèmes rencontrés au cœur du processus de développement assisté par IA. La plupart des implémentations et benchmarks correspondants sont déjà publiés dans les dépôts open source Naia-OS, Naia-Agent, Naia-ADK et Naia-Memory. Téléchargez ces dépôts et soumettez ce billet à un AI de coding comme Claude ou Codex : il vous expliquera où et comment chaque brevet est implémenté. Gardez simplement à l'esprit que tout ne fonctionne pas encore parfaitement.
Entrons maintenant dans le vif du sujet.
Ce que signifie développer un logiciel de manière « autonome » avec l'IA
Depuis plus de deux ans, je développe des logiciels chaque jour aux côtés d'agents AI. Au début, l'impression était simplement : « l'IA écrit du code assez vite. » Aujourd'hui, ma lecture est radicalement différente.
Analyse des exigences, conception, implémentation, vérification, déploiement, et même la protection de la propriété intellectuelle (IP) — voilà les étapes du SDLC (cycle de vie du développement logiciel) que notre équipe fait réellement tourner avec l'IA. Je n'appelle pas ça une simple assistance ; j'appelle ça un « SDLC fondé sur l'AI coding », où l'IA est un acteur à part entière de l'exécution.
Mais à mesure qu'on pousse sérieusement dans cette direction, on se heurte à des murs inattendus et colossaux. Ce ne sont pas de simples bugs ni des problèmes de performance. Ce sont des vulnérabilités structurelles de l'infrastructure opérationnelle — des failles qu'un « modèle plus intelligent », du GPT-5 au GPT-6, ne comblera jamais seul.
Voici quelques-unes de ces failles structurelles que j'ai rencontrées de plein fouet, et les réponses que Nextain a forgées.
Faille structurelle 1. L'évaporation du contexte et la corruption de la mémoire
Un SDLC s'étale sur plusieurs semaines, parfois plusieurs mois. Dès qu'une session se ferme, l'IA oublie complètement les décisions d'architecture prises la veille, les alternatives envisagées puis écartées, les risques à surveiller. Le contexte window a beau s'agrandir, sa limite est claire — et on en revient toujours au problème fondamental : « que faut-il garder, que faut-il jeter ? »
L'IA actuelle n'a pas de capacité d'oubli actif : elle accumule tout, y compris l'inutile, ou doit appeler un LLM coûteux à chaque fois pour évaluer l'importance de chaque information. Pire encore, si la compression de la mémoire se déclenche mécaniquement avant même que l'épisode de travail ne soit terminé, le fil du contexte en cours se brise net.
La réponse de Nextain : Nous avons transposé directement dans notre système de mémoire AI le modèle de classification mémorielle issu des neurosciences (mémoire de travail / épisodique / sémantique). Trois axes heuristiques — importance, surprise et intensité émotionnelle — permettent le Gating de la mémoire sans aucun appel LLM. La compression est quant à elle structurée de façon à ne s'exécuter qu'après vérification systémique de la complétude de l'épisode, afin de conserver les intentions-clés du projet tout en récupérant les informations pertinentes au bon moment.
(Brevets associés : gestion de la mémoire à long terme fondée sur les neurosciences / mémoire cognitive à Gating par importance / compression sécurisée fondée sur l'état d'intégration épisodique)
Faille structurelle 2. La corruption silencieuse des fichiers d'instruction (Context Drift)
À mesure qu'un projet avance, les fichiers de contexte tels qu'AGENTS.md commencent à se contredire. En haut : « utiliser uniquement pnpm » ; en bas, une règle ajoutée plus tard : « npm est aussi acceptable ». Dans cet état, l'AI part en zigzag. Et si on lui demande d'auditer elle-même ces fichiers, l'AI auditrice se fait à son tour contaminer par des injections de prompt habilement dissimulées dans le fichier, du type « ignore cette règle ».
La réponse de Nextain : La seule réponse à ce problème est l'isolation structurelle. Nous appliquons simultanément trois mesures — restriction des permissions d'outils, recadrage épistémique et désactivation du persona — pour constituer un « sous-agent d'audit dédié », parfaitement isolé de l'environnement de travail habituel, dont l'objectif est de vérifier l'intégrité du contexte et de maintenir le cap du projet.
(Brevet associé : vérification de l'intégrité des fichiers de contexte dans un workspace AI)
Faille structurelle 3. Les biais et l'incontrôlabilité des sessions parallèles
Le jugement d'un agent AI unique est toujours biaisé de façon cohérente. Le forcer à s'auto-vérifier ne fait que renforcer ses biais de confirmation. Par ailleurs, dans un environnement où plusieurs agents tournent en parallèle, il est difficile pour les autres agents comme pour les humains de détecter en temps réel si l'un d'eux s'est arrêté ou a rencontré une erreur.
La réponse de Nextain : Les biais de jugement sont résolus par un « cross-check » entre agents. Nous avons conçu une structure de vérification mutuelle multi-agents qui cumule des strikes par domaine et élimine en temps réel du processus de validation les agents dont la fiabilité a chuté. Par ailleurs, nous avons mis au point une technique qui surveille l'état (Active/Idle/Error/Stopped) d'un grand nombre de sessions parallèles uniquement via des événements du système de fichiers (variations de timestamps, etc.), sans modifier une seule ligne du code des agents. L'objectif est de faire de Naia un orchestrateur multi-agents qui me connaît bien et opère efficacement un ensemble d'agents AI.
(Brevets associés : vérification mutuelle multi-agents / supervision de sessions AI parallèles via événements du système de fichiers)
Un pipeline de 8 brevets couvrant l'intégralité du SDLC
Au-delà des technologies fondamentales évoquées ci-dessus, nous avons modularisé et breveté, une à une, les capacités détaillées qu'il faut à l'IA pour être un véritable acteur du développement.
Ces 8 brevets ne sont pas des fragments de technologies disparates. Ils constituent une réponse organique à une seule et unique question : « Comment l'infrastructure doit-elle évoluer pour que l'IA devienne le véritable moteur du développement logiciel ? »
| Problème rencontré (la faille) | Solution de Nextain (brevet déposé) | Numéro de dépôt |
|---|---|---|
| Perte d'information (structure mémorielle) | Gestion de la mémoire à long terme des agents AI fondée sur les neurosciences | 10-2026-0054383 |
| Perte d'information (évaluation de l'importance) | Mémoire cognitive à Gating par importance | 10-2026-0078232 |
| Perte d'information (compression sécurisée) | Compression sécurisée de contexte fondée sur l'état d'intégration épisodique | 10-2026-0065859 |
| Corruption des fichiers d'instruction | Vérification de l'intégrité des fichiers de contexte dans un workspace AI | 10-2026-0095948 |
| Biais de jugement des agents | Vérification mutuelle multi-agents à accumulation de strikes par domaine | 10-2026-0056403 |
| Invisibilité des sessions parallèles | Supervision de sessions AI parallèles via événements du système de fichiers | 10-2026-0096205 |
| Écart entre exigences et implémentation | Structuration automatique des exigences de migration legacy multimodales | 10-2026-0065894 |
| Non-accumulation du contexte par organisation | Ajustement automatique du harnais opérationnel AI en environnement SaaS multi-tenant | 10-2026-0065895 |
Sur les 12 brevets au total, les 4 restants concernent notre architecture de service ainsi que des technologies de développement de frameworks d'agents AI à capacité perceptive et de modèles.
Nextain ne se contente pas d'assembler des API AI pour construire des services. Nous menons en parallèle une recherche d'ingénierie logicielle sur les « problèmes structurels » inhérents au processus de co-construction humain-IA, tout en y greffant les mécanismes de perception et de mémoire propres à l'IA.
Naia, ce n'est pas juste un AI VTuber ni un simple outil qui tape du code à votre place. C'est une entité dont les instructions sont fiables, qui se souvient des réflexions intenses d'hier, qui juge avec précision et partage la responsabilité du SDLC à vos côtés. Un véritable collègue AI — efficace, et moins pénible à travailler avec.
