Le rêve de 30 000 milliards d’AI Agent de a16z, comment le réaliser ? La réponse se trouve dans les « AI Hunger Games »

L’IA darwinienne résout le problème de la formation du capital et constitue le moteur de l’innovation Crypto AI.

Auteur : 0xJeff

Traduction : AididiaoJP, Foresight News

Une année entière s’est écoulée depuis le lancement de la vague des AI Agents au quatrième trimestre 2024.

À l’époque, @virtuals_io a été le premier à proposer le concept de « tokenisation des AI Agents », c’est-à-dire l’appariement d’applications/jetons AI avec des tokens lancés de manière équitable.

En seulement un an, le secteur Crypto AI a connu des bouleversements majeurs : il a stimulé le mouvement open source de l’IA générale, une multitude d’outils ont émergé, permettant aux développeurs comme aux débutants de construire facilement des projets.

Au départ, il ne s’agissait que d’un produit AI lançant son token, avec une valorisation basse et un lancement équitable, mené par des développeurs indépendants ou de petites équipes. Aujourd’hui, c’est devenu un écosystème Crypto AI complet, avec des centaines d’équipes talentueuses qui y construisent leur vision.

Compte tenu de la popularité récente apportée par le narratif x402, cet article va explorer la question la plus importante — Où tout cela va-t-il mener ? Quelle est la véritable valeur centrale des Crypto AI Agents ? — en passant en revue l’état du secteur, en comprenant les évolutions et en analysant les progrès des acteurs clés.

Si, comme moi, vous êtes enthousiasmé par l’IA et aimez apprendre, vous avez probablement remarqué la rapidité de son développement. Chaque mois, de nouvelles choses fascinantes apparaissent. Des applications de base « sympas mais pas indispensables » — comme le style Ghibli appliqué à tout — aux vidéos générées par IA de qualité professionnelle, jusqu’aux AI Agents surpassant la productivité d’un programmeur junior moyen.

Mais dans le domaine Crypto, ce n’est pas toujours le cas. À la même époque l’an dernier, lorsque le narratif des AI Agents a émergé, les projets en vogue étaient les suivants :

• @truth_terminal est devenu vivant, a interagi avec @pmarca d’a16z et a obtenu un investissement.
• @aixbt_agent proposait des analyses pointues, tout en étant un acteur natif et excentrique de la communauté Crypto sur X.
• @virtuals_io, en tant que « société d’agents », a vu son « Agent Token » exploser de 10 à 50 fois.
• @dolos_diary était le « bully » numéro un d’Internet, apprécié pour son humour tranchant.
• @luna_virtuals, première idole AI.

Au lancement du narratif, le divertissement était le thème principal. Mais aujourd’hui, il y a longtemps que les AI Agents n’ont pas apporté de nouvelles formes de divertissement (ce qui n’est peut-être pas une mauvaise chose, mais le charme et l’attrait de l’ère précoce de l’IA ont disparu).

Désormais, l’attention se concentre sur le domaine vertical où Crypto excelle : les cas d’usage financiers, c’est-à-dire gagner de l’argent (et ne pas en perdre).

a16z, dans son dernier rapport « State of Crypto », a évoqué un marché potentiel de 30 000 milliards de dollars pour l’économie des agents, ce qui semble un peu irréaliste, car on estime que l’ensemble du marché de l’IA atteindra seulement quelques milliers de milliards de dollars d’ici 2030.

Cela dit, je crois que l’économie des agents pourrait effectivement valoir plusieurs milliers de milliards de dollars. Avec les outils d’IA générative et les IA verticales qui aident les individus à accroître leur productivité, l’adoption par les entreprises augmente, et des workflows pilotés par l’IA plus efficaces sont introduits et mis en œuvre au sein des organisations, ce marché continuera de croître.

Le secteur Crypto ne fait pas exception. Mais comme cette industrie est extrêmement focalisée sur le profit, ses workflows s’articulent naturellement autour de la génération de revenus. Les catégories suivantes se distinguent particulièrement :

DeFi : Le product-market fit le plus mature du secteur Crypto

• Trading (spot, contrats perpétuels, sur CEX/DEX)
• Marchés monétaires (prêts, collatéralisation d’actifs crypto)
• Stablecoins (moyen d’échange / unité de valeur stable, stratégies DeFi à haut rendement composables)
• Protocoles de rendement (marchés de taux d’intérêt, marchés de points, marchés de funding rates, optimiseurs de rendement / produits de coffre-fort)
• RWA/DePIN (tokenisation d’actifs productifs du monde réel, connexion du capital on-chain aux besoins off-chain)

C’est le plus grand marché potentiel, avec une TVL dépassant 150 milliards de dollars et une capitalisation des stablecoins supérieure à 300 milliards de dollars. La clarté réglementaire croissante et l’adoption institutionnelle poussent davantage de capitaux on-chain ; l’adoption explosive des stablecoins attire aussi plus d’entreprises et de startups vers les canaux crypto.

Pour ces raisons, la demande d’automatisation, à la fois comme infrastructure et outils backend, et les entreprises/startups comme frontend pour amener les utilisateurs sur la blockchain, sera la clé de la prochaine phase d’adoption.

Les AI Agents capables d’abstraire la complexité de la DeFi, de simplifier l’exécution ou d’améliorer des aspects clés de la DeFi (gestion des risques, rééquilibrage d’actifs, curation de stratégies, etc.) sont susceptibles de capter une part significative de la valeur affluant vers les protocoles DeFi.

Acteurs clés de l’écosystème :

@almanak, @gizatechxyz, @Cod3xOrg, @TheoriqAI, @ZyfAI_

• DeAI est le product-market fit le plus mature du secteur Crypto AI
• Marchés de prédiction x AI : le segment à la croissance la plus rapide du secteur Crypto

Si vous suivez l’écosystème, vous remarquerez que le secteur DeFi x AI évolue peu. C’est parce qu’il est extrêmement difficile de résoudre les workflows liés à la DeFi. On ne peut pas simplement y intégrer de l’IA et espérer de bons résultats ; il faut une conception structurelle responsable et des garde-fous pour éviter des incidents graves.

Pourquoi parler de tout cela maintenant, plutôt que de « AI Agents » au sens large ?

L’écosystème initial des AI Agents se résumait essentiellement aux agents construits dans l’écosystème Virtuals (et peut-être quelques autres comme CreatorBid), ainsi qu’à des frameworks comme ai16z (désormais ElizaOS), qui facilitaient la création d’agents ou de bots X capables d’appeler divers outils, sans oublier Arc, Pippin et de nombreux autres frameworks.

Tout cela est cool et amusant, mais ce n’est pas la véritable définition d’un AI Agent. Un véritable agent doit comprendre son environnement, son rôle et ses responsabilités, prendre des décisions et agir de manière autonome pour atteindre des objectifs spécifiques avec un minimum d’intervention humaine.

En regardant autour de soi, plus de 95 % des projets ne répondent pas à cette définition. Ce ne sont que des logiciels, des produits d’IA générative, ou ils sont encore en phase de transition vers de véritables AI Agents autonomes.

Je ne cherche pas à dénigrer qui que ce soit. Je veux souligner que nous * sommes encore à un stade très précoce, où la plupart n’ont pas encore compris ce qui fonctionne réellement.

Ceux qui ont déjà compris ce qui fonctionne ne sont généralement pas classés comme « AI Agents », mais plutôt comme des projets AI.

État de l’écosystème

La popularité récente apportée par x402 a stimulé la rotation du capital et l’intérêt pour Crypto AI, mais le nouvel écosystème est très différent de ce qu’il était auparavant.

1. La hype autour des frameworks s’est estompée

Les frameworks étaient autrefois essentiels, aidant les builders à démarrer rapidement et à réduire le temps passé à apprendre, coder et concevoir des workflows. Des outils comme MCP ont amélioré la capacité des agents à appeler ou fournir des API, l’ERC-8004 aidera à établir des registres et à faire d’Ethereum la couche de confiance et de règlement, les A2A & AP2 de Google deviennent les frameworks de choix, et des outils de construction de workflows/AI Agents comme n8n attirent de nombreux développeurs et utilisateurs ordinaires.

C’est pourquoi la spéculation autour des « frameworks » a diminué, de nombreux projets se tournant vers d’autres directions. Par exemple, @arcdotfun s’est tourné vers les constructeurs de workflows ; @openservai, initialement positionné comme « cluster », s’oriente désormais vers les constructeurs de workflows et des outils visant à créer des entreprises Web3 AI pilotées par des agents et ciblant des groupes d’utilisateurs spécifiques (comme les workflows de marchés de prédiction).

Les frameworks restent importants, mais avec la généralisation des frameworks et outils AI Web2, et l’adoption des canaux Web3, la hype autour des frameworks Web3 s’est atténuée.

2. Transformation du modèle industriel

Le modèle de lancement équitable profite aux petits investisseurs particuliers, mais rend difficile l’expansion des équipes. Il favorise aussi les développeurs indépendants qui construisent à court terme ou spéculent, plutôt que de bâtir des entreprises AI durables sur 3 à 5 ans ou plus.

À cet égard, l’expansion de Virtuals via son protocole commercial d’agents est logique. Avec x402 s’imposant comme canal de paiement des agents, la mise en place d’infrastructures de confiance/réputation des agents, et la définition des mécanismes de collaboration et de paiement entre agents, sont essentielles à la réalisation de la vision des agents.

Cependant, les défis et questions fondamentales demeurent : « Existe-t-il des services de haute qualité pour lesquels les gens sont prêts à payer ? »

Si la plupart des services sont inutiles, pourquoi ne pas simplement utiliser les services AI Web2, au lieu de choisir Web3 ? Si c’est le cas, quel est l’intérêt de rassembler les agents Web3 ?

Pour bâtir une entreprise AI durable générant 7 à 8 chiffres de revenus, il faut du capital, des talents motivés et du temps pour concrétiser la vision, ce que le modèle de lancement équitable ne permet pas.

À l’inverse, on observe une montée en puissance des équipes AI de taille moyenne à grande, capables de lever des fonds auprès de business angels et de VCs, puis d’entrer sur le marché via des tours communautaires.

Grâce à leurs ressources (capital, talents, soutien VC, etc.), ces équipes offrent généralement des produits/services de bien meilleure qualité, ce qui se traduit souvent par de meilleures performances de leurs tokens.

3. Modèles de monétisation et tokenomics défaillants

Gérer simultanément un produit AI et un token requiert deux ensembles de compétences totalement différents, et il faut concevoir soigneusement leur intégration pour accélérer la croissance du produit et l’acquisition d’utilisateurs (par exemple : airdrop de tokens aux bons utilisateurs → conversion en utilisateurs payants → utilisation payante du produit → obtention de plus de tokens, lesquels, via le partage de revenus, le rachat, la gouvernance, etc., alignent les intérêts des utilisateurs et du projet sur le long terme → le flywheel continue de tourner).

Facile à dire, difficile à faire. La plupart des petites équipes d’agents AI distribuent 30 à 80 % de leur tokenomics, ce qui laisse peu de ressources pour lancer un quelconque flywheel de croissance.

La plupart des projets adoptent un abonnement SaaS ou une facturation à l’usage/aux points, avec la possibilité d’obtenir une remise en payant en tokens. Beaucoup utilisent une partie des revenus d’abonnement pour racheter des tokens ou brûler ceux utilisés pour payer les services.

Racheter des tokens avec les revenus d’abonnement est acceptable, mais imposer le paiement en tokens (ou n’offrir qu’une remise) ne permet pas de passer à l’échelle.

La volatilité des tokens crypto est extrême. Les utiliser comme moyen de paiement n’est pas une bonne idée (ils peuvent monter de 20 % aujourd’hui, baisser de 30 % demain, difficile de budgéter).

4. IA darwinienne : nouvelle voie de formation du capital et tokenomics clairs

@opentensor (Bittensor) est devenu la plateforme de choix pour les fondateurs lançant des idées, les mineurs contribuant à l’IA, et les investisseurs misant sur la prochaine entreprise DeAI susceptible de bouleverser le secteur.

@flock_io utilise l’apprentissage fédéré pour établir des standards en matière de confidentialité et d’IA spécialisée, attirant des entreprises Web2, des gouvernements comme clients, ainsi que des formateurs (mineurs) souhaitant contribuer à l’IA. Comme Bittensor, Flock aide les entreprises à accomplir des travaux d’IA remarquables grâce à des talents externes de qualité.

@BitRobotNetwork, inspiré par Bittensor, adopte une approche similaire pour guider un écosystème de sous-réseaux centrés sur les robots.

Parallèlement, des benchmarks/évaluations du monde réel avec enjeux financiers réels émergent (ce qui devient aussi une forme de divertissement de qualité) :

• L’Alpha Arena de @the_nof1 fait s’affronter 6 modèles AI de pointe dans une compétition de trading de contrats perpétuels avec 10 000 dollars chacun en jeu.
• @FractionAI_xyz améliore/affine continuellement les agents AI grâce à la compétition entre agents, pour fournir de meilleurs outputs, signaux, profits et gestion des risques.
• @openservai a créé OpenArena, où les modèles AI s’affrontent sur les marchés de prédiction.

L’IA darwinienne résout le problème de la formation du capital et constitue le moteur de l’innovation Crypto AI.

• Le sous-réseau Chutes de Bittensor est déjà le premier fournisseur de services d’inférence sur OpenRouter, la passerelle API unifiée la plus populaire auprès des développeurs AI généralistes dans le monde.
• Les principaux sous-réseaux de calcul (3-4) génèrent ensemble un revenu récurrent annuel de 20 à 30 millions de dollars.
• Les sous-réseaux liés à la prédiction commencent à générer des revenus récurrents annuels de plusieurs centaines de milliers à plusieurs millions de dollars, en monétisant les signaux alpha et/ou en les utilisant pour mieux trader/prédire.

IA compétitive darwinienne = formation du capital (sans VC) + accélérateur d’innovation (attire les ingénieurs AI/ML à contribuer) = ce sera la force motrice du narratif AI Agents en 2026.

Note : « IA darwinienne » désigne un écosystème décentralisé où le développement, l’évaluation et la récompense des modèles AI sont pilotés par la concurrence et l’économie de marché. Son principe central est la « sélection naturelle » : les meilleurs et plus utiles modèles AI l’emportent dans une compétition ouverte et sont récompensés.

Alors, qu’est-ce qui est excitant aujourd’hui pour les petites équipes ou les AI Agents ?

Honnêtement, il y en a que j’utilise et que je trouve bons, mais aucun ne me donne encore envie de payer.

• Recherche : Grok couvre la plateforme X, ChatGPT couvre le domaine général.
• Analyse approfondie : je consulte principalement des newsletters et les rapports Messari.
• Vue rapide du marché : j’utilise le bot Telegram de @elfa_ai.
• Idées de trading sur les marchés de prédiction : j’utilise @AskBillyBets, @Polysights et @aion5100 de @futuredotfun. (J’attends beaucoup de aVault de @sire_agent, mais il n’est pas encore public).
• DeFi : j’opère principalement moi-même, parfois avec @almanak et @gizatechxyz, mais ce ne sont pas à proprement parler des « AI Agents ».
• Trading : j’utilise @DefiLlama pour échanger sur EVM, ou @JupiterExchange sur Solana. Je ne fais pas de contrats perpétuels (si besoin, j’utilise @Cod3xOrg pour l’analyse et l’exécution).

Dans le secteur Crypto, les utilisateurs sont habitués à tout utiliser gratuitement, donc ils préfèrent les outils gratuits. Les paywalls par token ou par abonnement fonctionnent mal, mais intégrer les frais de manière transparente dans le produit est faisable. C’est pourquoi le modèle de tarification basé sur les résultats * fonctionne très bien. Les gens ne veulent pas payer 40 dollars par mois, mais sont prêts à payer 40 dollars de frais de gas pour une transaction réussie.

Si vous pouvez livrer le meilleur résultat (rendement élevé, meilleur prix de transaction), tant que le résultat est bon, personne ne se souciera que vous ayez intégré des frais.

Après avoir testé de nombreuses applications ou agents Crypto AI, j’ai appris que les meilleurs produits sont ceux qui font gagner de l’argent, et que le meilleur vertical pour cela est le launchpad (et bientôt les marchés de prédiction), c’est-à-dire exploiter un « casino » on-chain et accumuler des frais sur les transactions.

Perspectives d’avenir

• Des cas d’usage réels susceptibles d’être adoptés massivement (par des développeurs ou utilisateurs AI hors du cercle crypto) apparaîtront l’an prochain, probablement issus de l’écosystème DeAI/IA darwinienne.
• 2026 sera l’année de la Crypto AI, avec une explosion des cas d’usage DeFi, des infrastructures DeAI et des cas d’usage prédictifs.
• La plupart des petites équipes d’agents disparaîtront, seront rachetées/fusionnées, ou se tourneront vers la construction au sein de l’écosystème IA darwinienne.
• Crypto AI et AI Agents fusionneront en tant que segments, marquant une direction produit et une vision plus claires pour Crypto AI.
• Les launchpads resteront au cœur de Crypto Twitter, générant volume et frais, mais les véritables innovations qui feront avancer l’industrie auront lieu là où les ressources (capital, talents, canaux de distribution et adoption utilisateur) sont les plus concentrées.

Quelle est la véritable signification des Crypto AI Agents ?

Pour les « AI Agents », il s’agit de concevoir une expérience de trading sous couvert de « technologie d’investissement », même si la plupart ne sont que des wrappers LLM avec une couche de token.

Dans la plupart des cas, cela offre aux petits investisseurs la meilleure opportunité de spéculer et de gagner de l’argent en investissant tôt dans ces « AI Agents ».

En tant que narratif, les Crypto AI Agents posent les bases de l’économie des agents du futur, où la blockchain servira d’infrastructure/de canal central pour rendre tout cela possible.