Présentation de l'événement
Le troisième jour de TechCrunch Disrupt 2026 s'est tenu au Moscone West de San Francisco. Plus de 10 000 fondateurs, investisseurs et dirigeants technologiques ont assisté aux conférences. L'exposition a réuni plus de 320 startups, chacune présentant une solution dite « cutting‑edge ». Le programme a couvert l'innovation IA, les stratégies de croissance, le financement et les technologies émergentes.
Technologies d'échange et de mise en relation
Chaque participant a reçu un badge équipé de la technologie Klik. Ce dispositif permet l'échange de coordonnées via un simple scan du badge, les données étant ensuite synchronisées avec l'application officielle de l'événement. Le mécanisme repose sur un protocole Bluetooth Low Energy qui transmet un identifiant crypté, limitant les risques d’interception. La persistance des contacts dans l'application après la clôture du salon offre une continuité de réseau sans dépendre d’une connexion internet en temps réel.
Parallèlement, la plateforme a proposé un système de matchmaking alimenté par l'IA. L'algorithme analyse les profils déclarés (secteur, stade de financement, besoins technologiques) et génère des suggestions de rencontres. Le processus utilise un modèle de classification supervisée entraîné sur les historiques de rencontres de précédentes éditions. Le modèle privilégie la diversité de profils tout en respectant les contraintes de disponibilité horaire, ce qui réduit le temps de recherche manuelle pour les participants.
Thématiques IA abordées et implications
Le programme a dédié plusieurs sessions à la sécurité des agents IA, notamment « The Agent Security Problem Nobody Is Talking About ». Les intervenants ont souligné que les prompts des agents peuvent être interceptés si les canaux de communication ne sont pas chiffrés, un risque aggravé par l'essor des agents autonomes dans les environnements cloud. Des solutions de sandboxing et de chiffrement de bout en bout ont été présentées comme réponses immédiates.
Une autre session a présenté le cas de « $63 billion case for storagemaxxing your AI stack ». Les intervenants ont détaillé le coût énergétique et matériel de la persistance de modèles de grande taille, en citant des fournisseurs de stockage à faible latence comme Wasabi Technologies et HyperFRAME Research. Le calcul du coût total inclut la consommation électrique des SSD NVMe, le refroidissement et les frais de bande passante, ce qui explique l'ampleur du chiffre avancé.
Enfin, la discussion « From Silicon to Software: Building Efficient AI Inference at Scale » a exposé les optimisations matérielles réalisées par AMD et Tensormesh. Les ingénieurs ont expliqué l'impact du taux d'occupation du tensor core sur le temps de latence, ainsi que les compromis entre précision du modèle (FP16 vs INT8) et consommation énergétique. Ces paramètres influencent directement la viabilité économique des services IA à grande échelle.
