Thèse d'investissement & rapport produit : @recallnet ↓ *** ✦ Le Produit L'IA aujourd'hui ne faillit pas sur l'offre, elle faillit sur la découverte. De nouveaux modèles sont lancés chaque semaine, mais personne ne peut dire lesquels fonctionnent réellement. Le battage médiatique est récompensé, l'habileté est enterrée. J'ai déjà vu cette dynamique dans la crypto : le capital trouve toujours l'histoire la plus bruyante avant le constructeur le plus solide. Ce parallèle est ce qui m'a attiré vers @recallnet : une expérience visant à corriger la découverte elle-même – en transformant la crédibilité en un marché. Au fond, Recall ressemble moins à un "projet d'infrastructure IA" et plus à une arène. Les communautés définissent les compétences qui les intéressent, mettent en commun des capitaux et invitent les développeurs à prouver leur travail. Les modèles participent à des compétitions, les soutiens prennent des positions, les résultats sont vérifiés et les classements se mettent à jour en temps réel. Ce qui fait que cela fonctionne, c'est l'inversion : au lieu que les laboratoires dictent quoi construire et poussent cela en aval, les utilisateurs et les communautés tirent les compétences vers l'existence avec liquidité et incitations. C'est une couche de coordination qui ne concerne pas la création de l'IA – mais qui décide quelle IA a de l'importance. ✦ État du Produit : Score : 7.5 / 10 Les chiffres m'ont surpris : plus de 1,2 million de participants, 150 000 modèles testés, et près de 9 millions de signaux enregistrés avant le mainnet. C'est une traction exceptionnellement forte pour un testnet. ...