« L'esprit intuitif est un don sacré et l'esprit rationnel est un serviteur fidèle. Nous avons créé une société qui honore le serviteur et a oublié le don. » — Albert Einstein

Il existe une frustration particulière qui naît en observant un système hautement capable se tromper avec assurance. Pas se tromper sur les faits, mais se tromper sur le ressenti. Le texte qui se lit comme un communiqué de presse. La page de destination qui semble logique pour celui qui l'a construite mais qui déconcerte tout le monde au premier coup d'œil. Le design qui est techniquement correct mais qui semble inapproprié. Ce ne sont pas des échecs de calcul. Ce sont des échecs de quelque chose que l'IA, malgré toute sa vitesse et sa portée, n'est pas programmée pour offrir : le jugement humain.

谢佳辰 — Caesar — était confronté à ce fossé bien avant de participer à un hackathon avec deux coéquipiers et un plan pour y remédier.

Le mème devenu produit

L'idée de HumanMCP a vu le jour, de manière improbable, grâce à une blague sur Internet.

Un mème circulait sur le coût d'exécution des agents d'IA — qui consomment des jetons et engloutissent de l'argent. La chute : pourquoi ne pas utiliser des 能工智人 — des humains qualifiés — à la place ? Ils pensent avec leur cerveau, pas avec des jetons.

Caesar ne s'est pas contenté de faire défiler l'écran. Il a réfléchi à la question.

« L'IA a des limites de capacité », a-t-il expliqué. « Et si l'IA atteint ces limites — ou si la personne qui l'utilise atteint les limites de sa propre compréhension — le résultat ne sera tout simplement pas bon. » Le mème n'était pas seulement drôle. Il soulignait quelque chose de réel : il y a des moments dans un flux de travail d'IA où une mauvaise réponse donnée avec assurance est pire qu'une bonne réponse obtenue après une pause.

Alors, que se passerait-il si, au lieu de laisser l'IA deviner, vous mettiez le flux de travail en pause pour envoyer cette question précise à un humain qualifié ? Pas un consultant. Pas un comité. Juste une personne, avec l'expérience pertinente, répondant à une question en moins de trente secondes.

C'est ça, HumanMCP.

Ce qu'il fait réellement

HumanMCP ne cherche pas à remplacer l'IA — il la complète. Lorsqu'un agent d'IA atteint un point de décision qui nécessite un jugement humain (cette page de destination est-elle logique au premier coup d'œil ? cette clause de non-responsabilité juridique semble-t-elle digne de confiance ? ce design semble-t-il haut de gamme ?), le système conditionne le contexte minimal nécessaire dans ce que l'équipe appelle un « paquet de tâches » et l'envoie à une personne qualifiée pour répondre.

La personne à l'autre bout ne voit que ce dont elle a besoin. Pas le contexte complet du projet sous-jacent. Rien qui ne pourrait compromettre la confidentialité de l'utilisateur. Juste la question, clairement formulée, avec une réponse à choix unique. Trente secondes. Terminé.

La réponse retourne dans le flux de travail de l'IA, qui reprend là où il s'était arrêté — cette fois avec un véritable signal humain intégré.

L'idée clé à laquelle Caesar revenait sans cesse : « Laissez les professionnels donner un jugement directionnel. Laissez l'IA faire mieux grâce à cela. »

Le construire en un week-end

Trois personnes. Une idée à moitié formée. Le temps limité d'un hackathon.

Le cofondateur et camarade de classe de Caesar s'est occupé de l'architecture technique. Leur troisième coéquipier, étudiant en médias et communication, a dirigé le plan d'affaires et la vidéo de présentation. La répartition semblait claire sur le papier. En pratique, Caesar effectuait la majeure partie du développement du produit lui-même, et l'envergure n'était pas mince.

La plateforme nécessitait un frontend fonctionnel. Un backend capable de recevoir des paquets de tâches et de les acheminer en temps réel. Un système d'enregistrement pour prouver l'achèvement, afin que chaque jugement humain puisse être vérifié et audité. Tout cela en direct. Tout cela fonctionnel. Avant la fin du week-end.

C'est là qu'Enter Pro est entré en jeu.

Caesar avait découvert Enter quelques semaines plus tôt lors d'un événement sur le campus. Il avait passé deux ou trois jours à essayer de construire un projet avec des outils d'IA — déboguer, ajuster, tenter de le déployer, sans jamais vraiment franchir la ligne d'arrivée. Lors de l'événement, il a reconstruit quelque chose d'équivalent en vingt à trente minutes. Full-stack, entièrement déployé, backend connecté et accessible. « Cela a ouvert toute la chaîne d'un coup », a-t-il déclaré. « J'ai réalisé que si vous avez une idée, vous pouvez créer un site, le mettre en ligne et commencer à en parler. Si vite. »

Pour HumanMCP, cette vitesse a fait toute la différence. Caesar a construit l'intégralité du frontend et du backend grâce à Enter, et est allé plus loin — en connectant directement l'infrastructure backend d'Enter afin que des agents externes puissent appeler la plateforme sans configuration supplémentaire. À la fin du hackathon, Caesar avait consommé à lui seul environ 7 000 crédits.

Ce qui le rend différent

La critique facile de HumanMCP est qu'il s'agit d'une énième plateforme de crowdsourcing. Caesar est clair sur le fait que ce n'est pas le cas.

Le crowdsourcing traditionnel envoie des tâches à quiconque est disponible. HumanMCP achemine les questions à des personnes ayant une expertise pertinente — et, point critique, contrôle ce qu'elles voient. L'équipe appelle cela le « budget de confidentialité » : un système qui régit exactement la quantité d'informations qu'un humain reçoit pour une tâche donnée. Effectuer un jugement ne nécessite pas de voir autre chose que ce que le jugement exige. L'intuition humaine, sans accès humain à tout le reste.

Le résultat est quelque chose qui n'existait pas auparavant : le jugement humain en tant que capacité appelable, vérifiable et auditable au sein d'un flux de travail d'IA. Pas une solution de contournement. Une véritable interface.

La vue d'ensemble

Caesar est, de son propre aveu, un convaincu de l'IA. Il a touché à l'IA pour la première fois en 2022, avant la vague actuelle — en apprenant par lui-même à exécuter des modèles de génération d'images parce qu'il ne savait pas dessiner, et en réalisant pour la première fois qu'il pouvait transposer ce qu'il avait en tête dans le monde réel. Il construit depuis lors.

Mais ce qu'il croit, ce n'est pas que l'IA remplace les humains. C'est presque l'inverse.

« L'IA devrait libérer la créativité et la productivité humaines », a-t-il déclaré. « Laissez les humains se concentrer sur le jugement, l'esthétique, les choses qu'ils veulent vraiment faire. Le travail fastidieux intermédiaire, laissez l'IA s'en occuper. Les humains doivent simplement être libres d'être eux-mêmes. »

HumanMCP est un produit né de cette conviction. Pas des humains au service de l'IA. Pas une IA au service des humains en isolement. Deux types d'intelligence, chacun faisant ce que l'autre ne peut pas — et un système assez précis pour savoir quand passer la main.

L'avenir vers lequel travaille Caesar n'est pas un avenir où l'IA fait tout. C'est un avenir où l'IA sait exactement ce qu'elle ne peut pas faire et sollicite la bonne personne.