L'industrie de l'infrastructure AI converge vers une solution au problème de la connaissance : Raisonnement LLM + graphes de connaissances structurés. @OpenAI, @DeepLearningAI, @neo4j, @LangChain construisent tous vers cette architecture hybride. Mais il y a un point aveugle critique.

Chaque implémentation existante suppose un graphe privé. Chaque agent construit son propre graphe de connaissances, à partir de ses propres données, pour son propre usage. Cela fonctionne pour des systèmes fermés. Cela se casse au moment où des agents de différents cadres doivent interagir avec des entités qu'ils n'ont jamais rencontrées. Les graphes de connaissances privés sont l'intranet. Le web agentique ouvert a besoin de l'internet. Une couche de connaissances partagée - publique, sans autorisation, et avec des incitations économiques qui séparent le signal du bruit à grande échelle.

C'est ce que nous construisons. Un graphe de connaissances ouvert où chaque affirmation est structurée comme un Triple sémantique et a un poids économique. Les agents ne se contentent pas de l'interroger - ils y contribuent, en mettant en jeu $TRUST derrière leurs évaluations et en construisant leur crédibilité par la participation. Pas de gardiens décidant de ce qui est digne de confiance. Pas de scores opaques provenant d'une API centralisée. Juste un signal vérifiable, pondéré par le stake, que tout agent peut lire, écrire et raisonner.