« Le bazar » dépasse « la cathédrale » : comment la cryptomonnaie devient-elle le fondement de confiance pour l’économie des agents d’intelligence artificielle ?
TechFlow SélectionTechFlow Sélection
« Le bazar » dépasse « la cathédrale » : comment la cryptomonnaie devient-elle le fondement de confiance pour l’économie des agents d’intelligence artificielle ?
La technologie de chiffrement a doté le « marché » d'un outil concurrentiel supérieur à celui de la « cathédrale ».
Dédié à des analyses Web3 approfondiesAuteur : Daniel Barabander
Traduction : Tim, PANews
Si le futur d'Internet devait évoluer vers un bazar où des agents IA se paient mutuellement pour des services, alors dans une certaine mesure, les cryptomonnaies atteindraient enfin un ajustement produit-marché massif, un scénario que nous ne pouvions auparavant qu'imaginer. Bien que je sois convaincu que les paiements entre agents IA deviendront courants, j'ai toutefois des réserves quant à savoir si le modèle du « bazar » l'emportera.
Par « bazar », j'entends un écosystème décentralisé et sans permission, composé d'agents indépendants, développés séparément et faiblement coordonnés. Un tel Internet ressemblerait davantage à un marché ouvert qu'à un système centralisé. Le cas emblématique de ce modèle « gagnant » est Linux. En contraste figure le modèle de la « cathédrale » : un système rigide, verticalement intégré, contrôlé par quelques géants, dont Windows est l'exemple typique. (Le terme provient de l'article classique d'Eric Raymond, « La Cathédrale et le Bazar », qui décrit le développement open source comme apparemment chaotique mais adaptable — un système évolutif capable avec le temps de surpasser des systèmes soigneusement conçus.)
Analysons successivement les deux conditions préalables nécessaires à cette vision : la généralisation des paiements entre agents intelligents et l'émergence d'une économie de type « bazar ». Puis expliquons pourquoi, lorsque ces deux conditions seront réunies, les cryptomonnaies ne seront pas seulement utiles, mais indispensables.
Condition 1 : Les paiements seront intégrés à la majorité des transactions entre agents
L'Internet tel que nous le connaissons repose sur un modèle de subvention des coûts basé sur la diffusion publicitaire selon le nombre de pages consultées par des humains. Mais dans un monde dominé par des agents intelligents, les humains n'auront plus besoin d'accéder personnellement aux sites web pour obtenir des services en ligne. Les applications elles-mêmes évolueront de plus en plus vers des architectures basées sur des agents plutôt que vers des interfaces utilisateur traditionnelles.
Les agents n'ont pas d'« yeux » (attention humaine) à vendre pour de la publicité, donc les applications auront un besoin urgent de changer leur stratégie monétisable en facturant directement les services aux agents. Cela revient essentiellement au modèle économique actuel des API. Par exemple, LinkedIn propose ses services de base gratuitement, mais impose des frais pour l'utilisation de son API (l'interface utilisée par les « robots »).
Ainsi, il est probable que les systèmes de paiement soient intégrés à la plupart des transactions entre agents. Les agents percevront des frais sous forme de microtransactions auprès des utilisateurs ou d'autres agents lorsqu'ils fournissent un service. Par exemple, vous pourriez demander à votre agent personnel de rechercher de bons candidats sur LinkedIn ; votre agent interagirait alors avec l'agent recrutement de LinkedIn, qui facturerait d'abord les frais de service correspondants.
Condition 2 : Les utilisateurs dépendront d'agents hautement spécialisés, construits par des développeurs indépendants, dotés de prompts, données et outils spécifiques, s'appelant mutuellement pour former un écosystème en « bazar », bien que ces agents ne se fassent pas mutuellement confiance.
Cette condition semble logique en théorie, mais je ne suis pas certain de son fonctionnement pratique.
Voici pourquoi le modèle du bazar pourrait se concrétiser :
Actuellement, les humains effectuent la majeure partie des tâches de service, utilisant Internet pour accomplir des missions précises. Avec l'avènement des agents intelligents, la portée des tâches réalisables techniquement connaîtra une expansion exponentielle. Les utilisateurs auront besoin d'agents spécialisés, dotés de prompts spécifiques, capables d'appeler des outils et soutenus par des données, pour exécuter des tâches particulières. La diversité de ces tâches dépassera largement la capacité de couverture de quelques rares entreprises de confiance, tout comme l'iPhone a dû compter sur un vaste écosystème de développeurs tiers pour libérer tout son potentiel.
Des développeurs indépendants assumeront ce rôle, combinant des coûts de développement très faibles (comme Vide Coding) avec des modèles open source pour créer des agents spécialisés. Cela générera un long tail de marchés segmentés, formant un écosystème semblable à un bazar. Lorsque l'utilisateur demande à un agent d'exécuter une tâche, cet agent invoquera d'autres agents possédant des compétences spécifiques, qui à leur tour feront appel à des agents encore plus spécialisés, créant ainsi une chaîne de collaboration imbriquée.
Dans ce scénario de bazar, la majorité des agents fournissant des services se font peu confiance mutuellement, car ils sont proposés par des développeurs inconnus et destinés à des usages de niche. Les agents situés à l'extrémité du long tail auront beaucoup de mal à établir une réputation suffisante pour être jugés dignes de confiance. Ce problème de confiance sera particulièrement marqué dans un modèle de chaînage en cascade : à mesure que le service est délégué à plusieurs reprises, la distance entre l'agent initial de confiance (voire identifiable par l'utilisateur) et les agents finaux augmente, et la confiance de l'utilisateur s'atténue à chaque étape de délégation.
Cependant, lorsqu'on examine comment cela pourrait fonctionner en pratique, de nombreuses questions restent en suspens :
Commençons par examiner les données professionnelles comme cas d'usage principal des agents dans un bazar, à travers un exemple concret. Imaginons un petit cabinet d'avocats spécialisé dans les transactions pour des clients crypto, ayant accumulé des centaines de listes de clauses négociées. Si vous êtes une entreprise crypto en levée de fonds seed, imaginez un agent affiné sur ces clauses capables d’évaluer efficacement si vos termes de financement sont conformes aux standards du marché — ce serait extrêmement utile.
Mais approfondissons la réflexion : est-il vraiment dans l'intérêt du cabinet d'avocats de proposer via un agent un accès à ce type de données ?
Ouvrir ce service au grand public sous forme d'API revient à marchandiser les données propriétaires du cabinet, alors que son véritable objectif commercial est de tirer des revenus premium du temps de travail des avocats. Du point de vue réglementaire, les données juridiques à haute valeur sont souvent soumises à des obligations strictes de confidentialité, qui constituent justement le cœur de leur valeur commerciale, et expliquent pourquoi des modèles publics comme ChatGPT n'y ont pas accès. Même si les réseaux neuronaux présentent une certaine « opacité informationnelle », dans le cadre de la confidentialité avocat-client, la simple boîte noire algorithmique et son inexplicabilité suffisent-elles à garantir au cabinet que des informations sensibles ne fuieront pas ? Il existe ici un risque de non-conformité sérieux.
En bilan, la stratégie optimale pour le cabinet serait peut-être de déployer en interne des modèles d'IA afin d'améliorer la précision et l'efficacité de ses services juridiques, renforçant ainsi sa différenciation concurrentielle sur le segment du service professionnel, et continuant de valoriser le capital intellectuel des avocats comme modèle économique principal, plutôt que de prendre le risque de monétiser ses actifs de données.
À mes yeux, le « meilleur cas d'usage » pour les données professionnelles et les agents doit remplir trois conditions :
-
Les données ont une haute valeur commerciale
-
Elles proviennent d'un secteur non sensible (non médical, non juridique, etc.)
-
Elles constituent un « sous-produit de données » hors du cœur de métier.
Prenons l'exemple d'une compagnie maritime (secteur non sensible), dont les données de positionnement des navires, volume de fret et rotation portuaire (des « déchets de données » hors activité principale) pourraient avoir une valeur prédictive pour des fonds spéculatifs sur matières premières. La clé de la monétisation de ces données réside dans le fait que leur coût marginal d'acquisition tend vers zéro, et qu'elles ne touchent pas aux secrets commerciaux essentiels. Des cas similaires peuvent exister dans : les cartes thermiques de flux de clients en retail (évaluation immobilière commerciale), les données de consommation électrique par zone des gestionnaires de réseau (prévision d'indice de production industrielle), ou les données comportementales de visionnage des utilisateurs sur des plateformes audiovisuelles (analyse des tendances culturelles).
Des exemples connus incluent déjà les compagnies aériennes vendant leurs données de ponctualité aux plateformes de voyage, ou les émetteurs de cartes bancaires proposant aux commerçants des rapports sur les tendances de consommation par région.
Pour ce qui est des prompts et des appels d'outils, je doute que les développeurs indépendants puissent offrir une valeur non encore capturée par les grandes marques. Ma logique simple est la suivante : si une combinaison de prompt et d'appel d'outil est assez précieuse pour permettre à un développeur indépendant de gagner de l'argent, pourquoi une marque de confiance ne l'intégrerait-elle pas directement en produit commercialisé ?
Cela peut venir de ma propre limite d'imagination. Les dépôts GitHub au long tail offrent une bonne analogie pour l'écosystème des agents ; je suis ouvert à des exemples concrets.
Si les conditions réelles ne soutiennent pas le modèle du bazar, alors la grande majorité des agents fournisseurs de services seront relativement dignes de confiance, car développés par des marques reconnues. Ces agents pourront limiter leurs interactions à un ensemble d'agents triés sur le volet, appliquant un mécanisme de chaîne de confiance pour imposer des garanties de service.
Pourquoi les cryptomonnaies sont indispensables ?
Si Internet devient un bazar composé d'agents spécialisés mais fondamentalement peu fiables (condition 2), qui perçoivent des paiements pour leurs services (condition 1), alors le rôle des cryptomonnaies devient nettement plus clair : elles fournissent les garanties de confiance nécessaires au commerce dans un environnement à faible confiance.
Lorsque les utilisateurs utilisent des services en ligne gratuits, ils s'engagent sans crainte (car au pire, ils perdent du temps). Mais quand de l'argent est en jeu, ils exigent fortement la certitude de « payer, c'est recevoir ». Actuellement, les utilisateurs obtiennent cette garantie via un processus de « confiance puis vérification » : ils font confiance au contrepartie ou à la plateforme au moment du paiement, puis vérifient après coup l'exécution du service.
Mais dans un marché composé de nombreux agents, la confiance et la vérification ex post seront bien plus difficiles à réaliser qu'autrement.
La confiance : comme mentionné, les agents situés au bout du long tail auront beaucoup de mal à accumuler une réputation suffisante pour être considérés comme dignes de confiance par d'autres agents.
Vérification ex post : les agents s'appelleront mutuellement selon une longue chaîne, rendant difficile pour l'utilisateur de vérifier manuellement le travail et d'identifier quel agent a failli ou agi de façon malveillante.
L'essentiel est que le modèle actuel de « faire confiance mais vérifier » ne sera plus durable dans cet écosystème technique. C’est précisément là que la technologie blockchain excelle : elle permet l’échange de valeur dans un environnement sans confiance. Grâce à une double garantie — la validation cryptographique et les incitations de l’économie cryptographique — elle remplace la dépendance traditionnelle à la confiance, aux systèmes de réputation et à la vérification humaine ex post.
Validation cryptographique : l’agent fournisseur de service ne sera payé que s’il fournit une preuve cryptographique à l’agent demandeur attestant avoir accompli la tâche promise. Par exemple, l’agent peut utiliser un environnement d’exécution confidentiel (TEE) ou une preuve zkTLS (à condition que ces validations soient réalisables à un coût suffisamment bas ou à une vitesse suffisante) pour prouver qu’il a bien extrait des données d’un site spécifique, exécuté un modèle donné ou fourni une quantité précise de ressources computationnelles. Ces tâches ont un caractère déterministe, ce qui permet une vérification relativement aisée via la cryptographie.
Économie cryptographique : l’agent fournisseur de service doit bloquer un actif en garantie, qui sera confisqué s’il est pris en flagrant délit de tricherie. Ce mécanisme assure par incitation économique un comportement honnête, même dans un environnement sans confiance. Par exemple, un agent peut étudier un sujet et soumettre un rapport, mais comment savoir s’il a « bien fait son travail » ? C’est une forme plus complexe de vérifiabilité, car elle n’est pas déterministe. Atteindre une vérifiabilité floue précise est depuis longtemps l’objectif ultime des projets blockchain.
Mais je crois que, grâce à l’IA comme arbitre neutre, nous sommes enfin proches d’y parvenir. Imaginons un comité d’IA fonctionnant dans un environnement minimisant la confiance (comme un TEE) pour gérer les litiges et les confiscations. Lorsqu’un agent conteste le travail d’un autre, chaque IA du comité reçoit les données d’entrée, les résultats de sortie et les informations contextuelles (y compris l'historique de litiges sur le réseau, les travaux antérieurs, etc.). Elles peuvent ensuite statuer sur une éventuelle confiscation. Cela crée un mécanisme de validation optimiste, qui dissuade fondamentalement toute tricherie par incitation économique.
D’un point de vue pratique, les cryptomonnaies nous permettent d’obtenir l’atomicité des paiements par preuve de service : tous les travaux doivent être validés avant que l’agent IA ne soit rémunéré. Dans une économie d’agents sans permission, c’est la seule solution évolutible pour assurer une garantie fiable aux frontières du réseau.
En résumé, si la majorité des transactions entre agents n’impliquent pas de paiement (condition 1 non remplie) ou se font avec des marques de confiance (condition 2 non remplie), alors nous n’aurons peut-être pas besoin de canaux de paiement cryptographiques pour les agents. Car lorsque les fonds sont sécurisés, les utilisateurs n’hésitent pas à interagir avec des parties non fiables ; et lorsque des transactions ont lieu, il suffit que les agents limitent leurs interactions à une liste blanche de marques et institutions de confiance, en s’appuyant sur une chaîne de confiance pour garantir l’exécution des services promis.
Mais si les deux conditions sont remplies, les cryptomonnaies deviendront une infrastructure indispensable, car elles constituent le seul moyen à grande échelle de vérifier le travail et d’imposer les paiements dans un environnement sans confiance et sans permission. La technologie blockchain donne au « bazar » l’outil compétitif lui permettant de surpasser la « cathédrale ».
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
Variant
