Le cycle de l’IA est arrivé : les entrepreneurs Web3 doivent-ils se reconvertir vers l’IA ?
TechFlow SélectionTechFlow Sélection
Le cycle de l’IA est arrivé : les entrepreneurs Web3 doivent-ils se reconvertir vers l’IA ?
Lorsqu’un récit commence à gagner en popularité, de nombreuses équipes de startups Web3 se contentent de suivre ce récit : elles identifient le concept à la mode et s’y lancent sans réfléchir, ce qui les conduit souvent à l’échec.
Dédié à des analyses Web3 approfondiesRédaction : Portal Lab
« Tu as déjà élevé des homards ? » Ces derniers temps, c’est peut-être là la salutation la plus courante parmi les acteurs du Web3.
Dès le début de l’année 2026, après que les robots de la soirée du Nouvel An chinois aient fait sensation, une nouvelle génération d’agents IA, incarnée notamment par OpenClaw, est devenue le nouveau jouet à la mode dans les cercles technologiques. Certains utilisent l’IA pour assurer le service client, d’autres pour écrire du code, et certains vont même jusqu’à tenter de simuler, à l’aide d’agents IA, une véritable « équipe numérique ». Le concept récemment très cité sur diverses plateformes internet — celui de la « société individuelle » — désigne précisément une structure où une seule personne, grâce à un flux de travail IA, peut accomplir des tâches qui auparavant nécessitaient une petite équipe.
Le secteur Web3, bien entendu, ne reste pas en marge de ce mouvement. En parcourant régulièrement les médias spécialisés, on constate que de nombreux projets commencent à intégrer les agents IA dans leurs stratégies : certains explorent comment un agent IA peut directement interagir avec des actifs ou des contrats sur la blockchain ; d’autres construisent des infrastructures de paiement, d’identité ou financières dédiées aux agents IA ; certains débattent même d’une « économie des agents », permettant aux IA de participer au réseau comme des utilisateurs humains ; d’autres encore reprennent le slogan « Web4.0 ».
À ce stade, on ressent une impression de déjà-vu.
On dit souvent que la mode fonctionne par cycles — or il semble que ce soit aussi le cas dans le domaine technologique (ou plus précisément, dans l’écosystème cryptographique). Rappelez-vous la période de marché baissier qui a débuté en 2022 : ChatGPT est soudainement devenu viral, et l’IA s’est immédiatement imposée comme le sujet de conversation incontournable. Le monde Web3 n’a pas été en reste : de nouveaux concepts ont fleuri presque du jour au lendemain — agents IA, traders IA, stratégies automatisées… Il suffisait d’y associer l’IA pour pouvoir raconter une nouvelle histoire. Mais cette effervescence n’a pas duré longtemps. Lorsque le marché crypto a repris sa hausse, l’attention collective s’est très vite recentrée sur la crypto elle-même.
Or, depuis la seconde moitié de 2025, le marché crypto affiche à nouveau des signes de ralentissement, et le Web3 cherche donc un nouveau concept susceptible de relancer l’intérêt.
Mais, selon Portal Labs, c’est justement là que réside le problème. Lorsqu’un nouveau récit gagne en popularité, de nombreuses équipes de startups Web3 ne fond pas leur décision sur une analyse technologique ou commerciale rigoureuse, mais sur une simple appréciation du potentiel narratif : « Quel concept est à la mode ? Allons-y ! » Et c’est précisément ainsi qu’elles tombent dans le piège.
Beaucoup d’équipes ne réalisent qu’au cours de la phase concrète de développement que, si le concept peut être mis en place rapidement, le produit lui-même peine à se concrétiser. Où sont les utilisateurs ? Quel est le scénario d’usage précis ? Sur quelle base assurer une monétisation durable ? Seront-ils capables d’attirer des investissements ? Ces questions ne surgissent souvent qu’après plusieurs mois de développement.
Lorsque l’engouement retombe, le marché laisse derrière lui une multitude de projets qui n’ont pas encore prouvé leur viabilité. Certains n’ont jamais dépassé le stade de la démonstration (demo), d’autres ont certes été lancés mais ne trouvent aucun utilisateur, tandis que certains disparaissent purement et simplement avec le récit qui les portait. À court terme, cela donne l’impression qu’un tout nouveau segment vient d’être ouvert ; mais au regard rétrospectif, peu de choses y subsistent réellement.
C’est pourquoi se pose aujourd’hui un dilemme crucial : poursuivre l’exploration du domaine crypto ou pivoter vers l’IA ? Choisir la première option comporte le risque d’un marché morose et d’un retour sur investissement incertain ; opter pour la seconde implique toutefois d’affronter l’inconnu. Les seuils techniques, la structure des compétences et l’environnement concurrentiel propres à l’IA diffèrent sensiblement de ceux du Web3. Pendant plusieurs années, la plupart des équipes ont bâti leur stack technique, leur expérience produit et leurs ressources communautaires au sein de l’écosystème crypto. Un virage complet vers l’IA revient donc à entrer sur un terrain entièrement nouveau. Du niveau des capacités des modèles, aux ressources de données, en passant par les équipes d’ingénierie, presque tout doit être reconstruit.
Un aspect encore plus concret est que le secteur de l’IA est déjà extrêmement encombré. Que ce soit les entreprises de grands modèles, les géants traditionnels de l’internet ou une foule de startups, tous y consacrent des ressources considérables. Pour une équipe de startup issue initialement du Web3, pénétrer ce marché uniquement sous l’effet d’un changement de récit expose à un double désavantage : absence d’avantage technologique et manque de ressources sectorielles.
En réalité, de nombreuses équipes de startups Web3 disposent d’une troisième voie praticable : elles n’ont pas nécessairement besoin de se transformer en startups IA, mais peuvent continuer à suivre leur propre trajectoire Web3 tout en réfléchissant à la manière dont la crypto pourrait combler certaines lacunes du système IA.
Si l’on examine attentivement la vague actuelle de développement de l’IA, on constate que de nombreux maillons critiques restent encore largement non résolus.
Le plus évident est celui des données. Les modèles deviennent de plus en plus puissants, mais la question de leur provenance, de leur fiabilité et de leur conformité juridique demeure entière — notamment pour les agents IA, dont la personnalisation 1:1 constitue un défi majeur. Pour une IA qui dépend massivement de données d’entraînement, il s’agit d’un problème fondamental et persistant.
Prenez également la question de l’identité et de la collaboration. Lorsque les agents IA commencent à exécuter des tâches, à effectuer des transactions automatisées ou même à prendre des décisions opérationnelles, ils doivent eux-mêmes posséder une identité, des droits d’accès et des règles de collaboration. Qui peut appeler tel agent ? Comment les agents se répartissent-ils les tâches ? Comment procéder au règlement une fois la tâche exécutée ? Toutes ces questions relèvent fondamentalement de la gestion de l’identité et de la répartition de la valeur dans un réseau ouvert.
Il y a aussi la question des paiements. Dès lors qu’un agent IA commence à appeler des services, à récupérer des données ou à exécuter des tâches de façon autonome sur le réseau, il lui faut un système de paiement microscopique capable de s’auto-régler. Or, dans l’architecture traditionnelle de l’internet, une telle infrastructure de paiement est difficile à mettre en œuvre.
Ces problèmes semblent tous relever de l’IA, mais bon nombre de leurs solutions existent déjà au sein de l’écosystème technologique crypto. Que ce soit les réseaux incitatifs de données, les systèmes d’identité sur la blockchain ou les réseaux ouverts de paiement, ce sont précisément les axes sur lesquels le Web3 a concentré ses efforts ces dernières années.
Si les équipes de startups Web3 souhaitent véritablement explorer ces directions, plusieurs points essentiels doivent être clarifiés au préalable.
Premièrement, il convient d’évaluer les compétences techniques propres à l’équipe. Les accumulations technologiques varient fortement d’un projet Web3 à l’autre : certaines équipes excellent dans la conception de protocoles sur la blockchain, d’autres se sont spécialisées dans les réseaux de données, tandis que d’autres encore se concentrent davantage sur les couches applicatives. Si une équipe a consacré ces dernières années à développer des infrastructures liées aux données — collecte, extraction ou marchés de données — alors étendre son activité vers la couche données de l’IA sera une évolution naturelle : réseaux de contribution de données, sources de données vérifiables ou marchés de données incitatifs destinés aux modèles. Si, en revanche, l’équipe a surtout travaillé sur des protocoles ou des infrastructures sur la blockchain, elle pourrait envisager de développer l’environnement d’exécution des agents IA : identité sur la blockchain pour les agents, gestion des autorisations, protocoles d’exécution de tâches ou encore capacité de règlement et de paiement automatisés pour les agents. Enfin, pour les équipes qui développent déjà des produits applicatifs — outils de trading, plateformes de contenu, produits communautaires ou applications grand public — l’IA est mieux positionnée comme une couche de capacités intégrée au sein de leur système existant : améliorer l’analyse de données, automatiser les processus opérationnels ou remplacer des fonctions autrefois exécutées manuellement par des agents.
Deuxièmement, il faut vérifier l’existence d’un scénario métier réel. Beaucoup de projets IA disparaissent rapidement non pas faute de technologie, mais parce qu’ils n’ont jamais défini clairement leur usage pratique. On peut certes faire preuve d’imagination dans la narration, mais il faut savoir répondre sérieusement à des questions fondamentales : qui a réellement besoin de ce produit ? Pourquoi l’utiliserait-il ? Et surtout, pourquoi serait-il prêt à le payer ? Certains concepts très discutés dans le secteur — comme « IA + Web3 », « économie des agents » ou « trader IA » — paraissent ambitieux, mais si l’on creuse un peu, on s’aperçoit que les groupes d’utilisateurs réellement stables sont très limités. À l’inverse, des besoins apparemment moins « séduisants » — traitement des données, automatisation des opérations, filtrage d’informations ou exécution de tâches — existent durablement dans les activités réelles. C’est pourquoi, avant de choisir une direction IA, il vaut mieux examiner le scénario d’usage lui-même plutôt que la popularité du concept : s’agit-il d’un problème métier durable ? Des acteurs paient-ils déjà pour le résoudre ? L’IA permet-elle vraiment d’améliorer l’efficacité à ce niveau ? Si ces trois conditions sont remplies, la probabilité que ce domaine passe du stade narratif à celui du produit augmente nettement.
Troisièmement, il faut évaluer si l’équipe dispose réellement des ressources nécessaires pour s’insérer concrètement dans ces domaines.
Les directions mentionnées précédemment — données, identité, paiements — ne sont pas seulement des défis techniques : ce sont avant tout des défis liés à la constitution de réseaux.
Prenons l’exemple d’un réseau de données : si l’équipe ne dispose pas d’une source de données stable ni d’une communauté d’utilisateurs capables de contribuer régulièrement, alors même une excellente solution technique aura du mal à générer un véritable effet de réseau. De même, pour construire un système d’identité ou un réseau de collaboration dédiés aux agents IA, il faut impérativement que des développeurs, des applications ou des agents réels y participent activement ; sans cela, le protocole restera isolé, incapable de former un écosystème viable. La logique est identique pour les infrastructures de paiement et de règlement. Dès qu’un agent IA commence à appeler des services, à récupérer des données ou à exécuter des tâches sur le réseau, les paiements microscopiques deviennent extrêmement fréquents. Mais un tel réseau de paiement n’a de sens que si un grand nombre d’agents et de services y participent simultanément ; sinon, il ne reste qu’un simple module technique.
Ainsi, pour de nombreuses équipes Web3, la véritable question à se poser n’est pas « Ce domaine offre-t-il un espace technique ? », mais bien « Sommes-nous capables d’intégrer ce réseau ? ». Disposent-elles déjà de sources de données, d’un écosystème de développeurs ou de scénarios d’usage concrets ? Ce sont précisément ces éléments qui déterminent si un projet peut réellement s’ancrer dans la couche infrastructurelle de l’IA, ou s’il restera confiné au stade conceptuel.
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
