Ce que j’ai vu de l’économie de l’IA lors de Stripe Sessions 2026
TechFlow SélectionTechFlow Sélection
Ce que j’ai vu de l’économie de l’IA lors de Stripe Sessions 2026
Les données de Stripe révèlent que l’intelligence artificielle redéfinit l’économie mondiale.
Dédié à des analyses Web3 approfondiesRédaction : Gao Fei
Traduction et adaptation : AididiaoJP, Foresight News
En 1987, l’économiste Robert Solow prononça une phrase célèbre : « Vous pouvez voir l’ère de l’informatique partout, sauf dans les statistiques de productivité. » Cette déclaration troubla les économistes pendant près d’une décennie. Ce n’est qu’au milieu des années 1990 que la contribution des ordinateurs à la productivité commença enfin à apparaître clairement dans les données.
En 2026, le même mystère se répète avec l’IA. Les théories sur la bulle vont et viennent, les universitaires débattent âprement, les entreprises hésitent, et les signaux macroéconomiques restent flous. Pourtant, il existe un endroit où l’impact économique de l’IA ne fait plus débat.
Examinons maintenant Stripe.
Ces derniers jours, j’ai assisté à Stripe Sessions, qui s’est tenue à San Francisco. Le volume de transactions traitées par Stripe représente près de 2 % du PIB mondial ; son montant annuel de paiements s’élève à 1,9 billion de dollars américains, et plus de 5 millions d’entreprises y sont inscrites. Parmi les sociétés classées dans le classement « AI 50 » de Forbes, 86 % utilisent Stripe. Si l’économie fondée sur l’IA est un nourrisson tout juste né, Stripe est alors le moniteur cardiaque dans la salle d’accouchement : il enregistre les battements de cœur du bébé plus tôt et plus précisément que presque personne.
Une étude publiée début 2026 par la Réserve fédérale de Saint-Louis indique que les investissements liés à l’IA ont contribué à près de 40 % de la croissance marginale du PIB américain, dépassant ainsi la contribution maximale atteinte par le secteur technologique durant la bulle internet. Et lorsque ces investissements se transforment en revenus, la majeure partie des règlements s’effectue via Stripe. Plus important encore, Stripe ne se contente pas d’enregistrer les signes vitaux de l’économie IA : lors de cette conférence, elle a annoncé son intention de promouvoir une nouvelle forme d’économie — la « Agentic Commerce » (commerce piloté par des agents), où les agents intelligents deviennent eux-mêmes des acteurs transactionnels. Lors d’une entrevue collective avec les médias, John Collison, cofondateur et président de Stripe, a déclaré s’attendre à ce que le rôle des agents comme acheteurs commerciaux devienne dominant dans un délai de 12 à 18 mois.
Deux jours, 288 annonces de produits et fonctionnalités, plus de 10 000 participants : une expression clé a traversé l’ensemble de l’événement — « Agentic Commerce ». Voici ce que j’ai observé lors de Stripe Sessions 2026, ainsi que mes réflexions personnelles.
À quelle vitesse l’économie IA progresse-t-elle vraiment ?
Avant d’aborder le commerce piloté par des agents, examinons d’abord le contour général de l’économie IA. En 1987, Solow affirmait que l’informatique était invisible dans les statistiques ; près de quarante ans plus tard, l’IA est désormais parfaitement visible dans les données de Stripe.
Le matin du premier jour de la conférence, Patrick Collison, PDG de Stripe, a présenté une série de chiffres. Depuis la pandémie, le nombre mensuel de nouvelles entreprises créées sur Stripe est resté élevé, mais la courbe était relativement plate. À partir du début 2026, cette courbe s’est littéralement dressée verticalement. La cause directe en est l’essor des outils de programmation IA, qui ont considérablement abaissé le seuil d’entrée pour les entrepreneurs : de nombreux développeurs peuvent aujourd’hui créer en quelques jours un produit commercialisable grâce au « vibe coding ». Patrick l’a décrit comme un phénomène plus large — toute l’économie se restructure autour de l’IA. Maia Josebachvili, Chief Revenue Officer pour les activités IA chez Stripe, a apporté une comparaison externe éclairante : jusqu’en 2024, le nombre d’applications publiées sur l’App Store iOS avait continué de diminuer. Après l’apparition des outils de programmation IA, ce volume a augmenté de 24 % en glissement mensuel.
Cette transformation ne concerne pas seulement la quantité, mais aussi la qualité. Stripe Atlas constitue l’un des moyens les plus simples pour les fondateurs de créer une société aux États-Unis. La semaine dernière, elle a célébré la création de sa dix-millième entreprise. Lors de la conférence, j’ai entendu un chiffre stupéfiant : les entreprises créées via Atlas en 2025 génèrent, au même stade de leur cycle de vie, deux fois plus de revenus que celles créées au cours de la même période en 2024. Quant aux entreprises fondées en 2026, elles ne comptent que quelques mois d’existence, mais leurs revenus sont déjà cinq fois supérieurs à ceux des entreprises lancées à la même époque l’année précédente.
Lors du rapport sur l’économie IA présenté l’après-midi du premier jour, Maia Josebachvili a cité plusieurs noms illustrant l’essor de cette économie. Lovable a atteint 100 millions de dollars de revenus en huit mois, puis a doublé ce montant pour atteindre 400 millions en huit mois supplémentaires. Cursor a atteint un revenu annuel annualisé de 1 milliard de dollars en moins de deux ans, puis l’a doublé pour atteindre 2 milliards trois mois plus tard. Les principales entreprises natives de l’IA sur Stripe ont connu une croissance de 120 % en 2025, puis de 575 % depuis le début de 2026.
La consommation connaît également une croissance vertigineuse. Les utilisateurs les plus dépensiers consacrent chaque mois 371 dollars américains aux produits IA — soit davantage que la somme totale que dépense un Américain moyen pour l’accès à Internet, les services de streaming et sa facture téléphonique réunis. J’ai moi-même calculé rapidement mes dépenses mensuelles en tokens : elles dépassent déjà largement ma facture téléphonique.
Patrick a également établi une comparaison frappante : la croissance des entreprises sur Stripe est 17 fois supérieure à celle de l’économie mondiale.
Le deuxième jour, John Collison a mentionné directement le « paradoxe de Solow » et l’a expliqué à l’aide d’une analogie historique. En 1882, Thomas Edison alluma les premières lampes électriques pour ses clients à Manhattan. Pourtant, durant les trente années suivantes de l’électrification, la productivité n’augmenta presque pas. Ce n’était pas parce que l’électricité était inefficace, mais parce que les usines étaient alors conçues autour de la machine à vapeur. Ce n’est que lorsque l’ensemble de l’usine fut entièrement reconstruit que la hausse de la productivité devint perceptible. Selon John, l’IA se trouve aujourd’hui dans une phase similaire : les changements sont déjà en cours, mais les anciens modèles n’ont pas encore eu le temps de les intégrer pleinement. « Toutefois », ajouta-t-il, « je doute que l’IA prenne trente ans. »
Les données de Stripe semblent confirmer cet optimisme. Sur sa plateforme, l’économie IA explose déjà. Presque toutes les entreprises traditionnelles avec lesquelles j’ai pu échanger ont vu leurs dirigeants les plus haut placés pousser l’adoption de l’IA avec une urgence extrême.
Global dès le premier jour
Outre sa vitesse, une autre caractéristique remarquable de ces entreprises IA est leur dimension immédiatement mondiale. Stripe qualifie cela de « globalisation par défaut ».
Depuis que je suis devenu blogueur spécialisé dans l’IA, j’ai souvent fait l’expérience suivante : la création de contenus IA ignore les fuseaux horaires. Une actualité IA provenant de l’autre côté du Pacifique pèse autant qu’une information locale. Il en va de même pour les produits IA. Les grands modèles linguistiques ont brouillé les frontières traditionnelles des logiciels — notamment celles liées à la langue d’interface et aux habitudes d’interaction. Une simple zone de discussion uniforme permet désormais aux utilisateurs du monde entier d’utiliser un produit en langage naturel. Sous cet angle, les grands modèles linguistiques rendent pour la première fois possible un marché logiciel mondial unifié.
Les données présentées lors de la conférence confirment cette observation. Durant la vague précédente des logiciels en tant que service (SaaS), les entreprises à la croissance la plus rapide couvraient environ 25 pays la première année, puis 50 pays la troisième année. Le rythme des entreprises IA est totalement différent : 42 pays la première année, 120 pays la troisième année. Maia a précisé que le Kazakhstan figure désormais sur la liste des marchés ciblés par de nombreuses entreprises IA. Lors du panel « Indexing the Economy » du deuxième jour, Stripe a fourni une médiane : les 100 premières startups IA vendent déjà dans 55 pays dès leur première année.
Emergent Labs constitue un exemple concret. Fondée aux États-Unis en 2024, elle génère déjà près de 70 % de ses revenus à l’étranger, avec au moins 16 pays chacun représentant au moins 1 % de ses revenus. Chez les entreprises IA leaders, 48 % des revenus proviennent de marchés situés en dehors du pays d’origine de la société — contre seulement 33 % il y a trois ans. Les revenus internationaux ne constituent plus un complément, mais la situation de base.
Vitesse et mondialisation sont les deux caractéristiques fondamentales de l’économie IA, et ces deux aspects sont directement liés à Stripe. Les entreprises IA doivent pouvoir mettre en place rapidement une capacité de paiement et percevoir des paiements dans 40 pays et régions dès leur première semaine. Or c’est exactement ce que Stripe fait depuis sa création.
Il convient ici de rappeler brièvement les origines de Stripe.
Les fondateurs de Stripe, Patrick Collison et son frère John, sont irlandais — ils sont eux-mêmes des entrepreneurs transfrontaliers. Lors de la conférence, j’ai rencontré un collègue irlandais qui m’a dit que, pour les fondateurs IA irlandais, les deux frères sont des héros. Arrivés aux États-Unis, ils découvrirent que le traitement des paiements en ligne était extrêmement difficile : connecter un système de paiement exigeait de signer des contrats avec des banques, de subir des audits de conformité PCI, et d’intégrer plusieurs intermédiaires — un processus pouvant prendre plusieurs semaines, voire plusieurs mois.
Ainsi, en 2010, deux jeunes hommes âgés d’à peine vingt ans abandonnèrent leurs études, déménagèrent à San Francisco et développèrent une solution permettant aux développeurs de traiter des paiements en seulement sept lignes de code. Ces sept lignes de code tombèrent à point nommé, coïncidant avec le décollage du mobile et des SaaS. Shopify avait besoin d’aider des millions de commerçants à recevoir des paiements ; Uber, d’assurer des paiements sans friction pour ses passagers ; Salesforce, de gérer des abonnements mondiaux… Toutes ces entreprises choisirent Stripe. En grandissant avec ces clients globaux, Stripe a mis en place des capacités locales dans 46 pays, couvre 195 marchés et prend en charge 125 modes de paiement locaux.
Pour les consommateurs, Stripe n’est pas une entreprise sous les feux de la rampe. Elle se cache derrière la page de paiement de Shopify, le courriel de confirmation d’abonnement d’OpenAI ou la notification de frais d’Uber. Mais cette invisibilité ne l’a pas empêchée de devenir le canal financier sous-jacent de l’économie internet. À l’ère de l’IA, cette infrastructure financière mondiale confère à Stripe un avantage précoce dans le service des entreprises IA cherchant à s’implanter à l’international.
Lors de la conférence, j’ai également rencontré Abhi Tiwari, responsable mondial des produits chez Stripe. Il vient tout juste d’occuper ce poste il y a trois mois et a déménagé à Singapour. Stripe dispose de centres d’ingénierie à San Francisco, Dublin et Singapour, ainsi qu’un bureau en Amérique latine à São Paulo. Abhi m’a confié que, lorsque de nombreuses entreprises IA contactent Stripe, leur toute première phrase est souvent : « Nous sommes globaux par défaut — l’emplacement de nos utilisateurs n’a aucune importance. » Le vieux modèle consistant à développer un produit au siège avant de le déployer à l’international est progressivement remplacé par un nouveau modèle où des équipes locales construisent le produit directement sur le marché.
Atteindre des utilisateurs mondiaux est une chose ; les faire payer en est une autre, bien plus complexe, car chaque marché possède sa propre monnaie et ses propres habitudes de paiement. Sur ce point, Stripe aide principalement les entreprises IA et ses autres clients selon deux axes : la tarification en monnaie locale et l’intégration des modes de paiement locaux. Le premier axe permet aux utilisateurs brésiliens de voir les prix affichés en réaux plutôt qu’en dollars, ce qui augmente les revenus issus des transactions transfrontalières de 18 % ; le second permet aux utilisateurs indiens de payer via UPI et aux utilisateurs brésiliens via Pix, améliorant ainsi les taux de conversion de plus de 7 %. L’outil de démonstration IA Gamma, après avoir intégré UPI en Inde, a vu ses revenus indiens exploser de 22 % le mois suivant. Au salon, j’ai également repéré la société chinoise MiniMax. D’après mes informations, de nombreuses entreprises chinoises opérant à l’international utilisent les services financiers de Stripe via des entités locales à l’étranger.
Ces entreprises natives de l’IA partagent une autre caractéristique commune : elles emploient très peu de personnes, et beaucoup sont fondées par un seul individu. Deux personnes, accompagnées d’un groupe d’agents intelligents, suffisent désormais à faire fonctionner une entreprise mondiale générant de véritables revenus. Lors de sa présentation le deuxième jour, Emily a fourni un chiffre éloquent : la densité des fondateurs isolés sur Atlas approche désormais les 5 000 personnes par million d’Américains, et de plus en plus d’entre eux génèrent un revenu annuel supérieur à 100 000 dollars américains.
Emily utilise le terme « solopreneur » (entrepreneur solo). Cela me rappelle la vague croissante en Chine des OPC (« One Person Company », sociétés à associé unique). John explique ce phénomène à l’aide de la théorie des entreprises de Ronald Coase. Selon Coase, les entreprises existent parce que le coût de coordination interne est inférieur à celui de la coordination sur le marché. Or l’IA pourrait inverser cette logique. Lorsque des agents intelligents peuvent vous aider à identifier des services, intégrer des logiciels et traiter des paiements, le coût de coordination externe diminue fortement. Vous n’avez plus besoin d’une salle pleine d’employés pour accomplir ce qui nécessitait auparavant un département entier.
De l’économie humaine à l’économie pilotée par des agents
L’économie IA décrite ci-dessus, aussi rapide soit-elle, aussi mondialisée soit-elle, repose toujours sur des êtres humains comme acteurs des transactions. Ce sont des humains qui achètent des produits IA, et des humains qui créent des entreprises à l’aide d’outils IA. Toutefois, le signal le plus fort que j’ai perçu lors de cette édition de Sessions est que Stripe concentre désormais ses efforts sur une autre transformation : une économie dans laquelle les agents intelligents deviennent eux-mêmes des participants du marché — c’est précisément ce qu’elle appelle la « Agentic Commerce ».
Ce changement est déjà perceptible dans les données internes de Stripe. Will Gaybrick, président des produits et des activités, a présenté une série de chiffres. Pendant des années, l’interface en ligne de commande (CLI) de Stripe n’était utilisée que par un petit groupe d’utilisateurs extrêmement techniques, et son niveau d’utilisation était resté quasi stable. À partir de 2026, ce volume a soudain explosé. La raison en est que les agents intelligents n’ont pas besoin d’interfaces graphiques raffinées : une CLI simple est souvent plus utile. Selon les données de Maia, le trafic généré par les agents lisant la documentation de Stripe a augmenté d’environ dix fois en 2025. Si cette tendance se poursuit, d’ici la fin de l’année, le nombre d’agents lisant cette documentation dépassera celui des humains. La documentation API soigneusement élaborée par Stripe pendant plus de dix ans a trouvé sa nouvelle génération de lecteurs les plus fidèles.
Si l’idée d’agents qui paient semble encore inhabituelle, songez à deux scénarios déjà réels.
Le premier concerne la transformation probable des interfaces d’achat en fenêtres de discussion avec des modèles. Aujourd’hui, les consommateurs utilisent couramment ChatGPT, Gemini ou Instagram pour rechercher des produits. La distance entre la recherche et la transaction s’est réduite à une seule interface. Des cas similaires apparaissent également en Chine, par exemple l’achat de milk tea directement depuis une application IA.
Lors de l’entrevue collective avec les médias, John Collison a utilisé son expérience personnelle d’achat d’un adaptateur de voyage pour illustrer pourquoi cette compression est irréversible. Si un agent accomplit intégralement le processus de recherche jusqu’à la commande, et que le produit arrive quelques jours plus tard à domicile, il ne retournera pas sur un autre site pour saisir à nouveau manuellement toutes ses informations personnelles, même si ce site propose un produit légèrement meilleur. Une fois que l’agent acheteur a terminé sa recherche, l’étape suivante naturelle est le paiement.
Le deuxième exemple est encore plus intéressant : OpenClaw. Tous ceux qui suivent la vague « Homard » savent qu’il s’agit actuellement l’un des cadres open source les plus populaires pour les agents autonomes. Les utilisateurs donnent des instructions à l’agent via des applications de messagerie telles que Feishu, Telegram ou WhatsApp, et l’agent exécute ensuite les tâches de manière autonome. L’aspect crucial est que OpenClaw peut consommer des centaines de dollars américains en tokens par jour. Il gère lui-même sa consommation de tokens et leur utilisation. Bien qu’une autorisation humaine soit souvent encore requise, ce sont bien les agents qui consomment les tokens, et ces tokens peuvent être directement convertis en argent.
Passer de la gestion de la consommation de tokens par un agent à la dépense directe d’argent par un agent ne demande qu’un pas. Lors de la conférence de cette année, Stripe a franchi ce pas.
Démonstration : achat et vente pilotés par des agents
Sur la scène principale du deuxième jour, une démonstration a suscité plusieurs applaudissements.
John Collison a donné une instruction simple à un agent sur scène : « Étudie comment la demande IA influence le marché de l’énergie. » L’agent a commencé à effectuer des recherches et a découvert qu’Alpha Vantage proposait un jeu de données sur le marché de l’énergie dont il avait besoin, au prix de 4 cents. L’agent a jugé ce montant compatible avec son budget, puis a procédé lui-même à l’achat et au téléchargement à l’aide du portefeuille de stablecoins intégré à Tempo CLI, car utiliser une carte de crédit pour un montant aussi faible n’était pas rentable. Il a ensuite généré un rapport d’analyse complet. Cela était déjà impressionnant. Mais John a ensuite demandé à l’agent : « Publie ce rapport et mets-le en vente. Fixe un prix que tu juges raisonnable, afin que d’autres agents puissent le trouver et l’acheter. » L’agent a vérifié les conditions d’utilisation du jeu de données Alpha Vantage, confirmé qu’une réutilisation commerciale était autorisée, puis créé un site web, publié le rapport, et généré un fichier d’instructions permettant à d’autres agents d’acheter les données simplement en envoyant une requête.
En quelques minutes, un agent a accompli intégralement la chaîne de valeur : recherche, achat, production, vérification de conformité, publication, fixation des prix et vente. Il est à la fois acheteur et vendeur. À la fin de la démonstration, John a déclaré : « La Agentic Commerce est arrivée. »
Deux autres démonstrations du premier jour étaient tout aussi remarquables. Will Gaybrick a développé une application d’audit d’API permettant à un agent d’obtenir un service d’audit pour un utilisateur. Tout au long du processus, il n’a fourni aucune information de paiement à l’agent. Lors de l’exécution de la tâche, l’agent a automatiquement détecté que l’application utilisait le protocole Machine Payments Protocol (MPP) et a réalisé lui-même un paiement de 2 dollars. L’humain n’a eu besoin que d’une seule authentification biométrique. Cette capacité de découverte de paiement sans configuration préalable constitue justement le cœur du design de MPP en tant que protocole. Les développeurs n’ont pas besoin d’écrire spécifiquement une logique de paiement pour les agents : ceux-ci la trouvent d’eux-mêmes.
Immédiatement après, Gaybrick a combiné Metronome (moteur de mesure en temps réel), Tempo (blockchain conçue pour les paiements) et des stablecoins afin de démontrer les paiements en continu. Une application facture en temps réel en fonction de la consommation de tokens IA, à raison de 3 dollars par million de tokens. Plusieurs agents fonctionnent simultanément. Le tableau de bord gauche affiche la montée de la consommation de tokens, tandis que le flux correspondant de micro-paiements en stablecoins apparaît en temps réel sur le tableau de bord droit. Lorsqu’on ouvre l’explorateur de la blockchain Tempo, on constate que le paiement total de 3,30 dollars est composé de milliers de micro-paiements sous-centime, chacun valant seulement un millième de cent. Ni les cartes de crédit, ni le système ACH, ni UPI ni Pix ne peuvent réaliser ce type de paiement. Gaybrick a annoncé sur scène que ceci constituait le premier service de paiement en continu au monde.
Le retour des micro-paiements et une nouvelle logique de consommation
L’achat via une fenêtre de discussion et OpenClaw illustrent des cas où les agents agissent au nom des humains. Toutefois, lors de l’entrevue collective, Collison a formulé un jugement plus ambitieux : les agents pourraient créer de nouveaux besoins.
Il estime que les agents pourraient rendre viable un modèle économique discuté depuis des années mais jamais véritablement concrétisé : les micro-paiements. Les humains ne sont pas aptes à prendre des décisions de consommation extrêmement fines. Spotify a remplacé le paiement à l’unité par un abonnement mensuel de 9,99 dollars précisément parce que personne ne souhaite décider à chaque clic si une chanson vaut 15 cents. Les agents ne souffrent pas de cette charge cognitive. Si ce raisonnement est exact, alors toute une catégorie de modèles économiques qui ont échoué en raison de la friction cognitive humaine pourrait soudain devenir viable face aux agents. Maia, lors d’un entretien individuel avec moi, a exprimé un point de vue similaire. Elle m’a confié avoir récemment parlé à des dizaines de fondateurs IA, et que, lorsqu’ils évoquent la « Agentic Commerce », la tarification est le sujet le plus fréquemment abordé.
Chaque transaction implique un acheteur et un vendeur. Si l’acheteur devient un agent, que doivent faire les commerçants ?
Dans un entretien, j’ai demandé à Jeff Weinstein, responsable des produits chez Stripe : « Il existe un dicton humain : “Le client a toujours raison”, et les commerçants doivent satisfaire le consommateur. Comment, alors, satisfaire un agent ? » Sa réponse fut la suivante : « Imaginez l’agent comme le meilleur programmeur que vous connaissiez. Il veut des informations parfaites, des formats structurés, une lisibilité immédiate, et tous les éléments contextuels nécessaires à sa prise de décision. Les consommateurs humains apprécient les belles images et les animations fluides ; les agents, eux, veulent des données brutes structurées, des informations logistiques précises, et la capacité d’accomplir la transaction en un minimum d’étapes. »
Dans une autre conversation, Ginger Baker, vice-présidente des produits chez Meta, a résumé de façon encore plus radicale cette évolution : « Le paiement passera de “l’instant” à “la stratégie”. » L’achat par un consommateur humain est discret : vous vous rendez à la caisse, sortez votre portefeuille, passez votre carte, et la transaction est terminée. La consommation par un agent est continue : vous définissez un ensemble de règles — par exemple, « pas plus de 50 dollars pour les courses cette semaine », « toujours privilégier cette carte », « toute dépense supérieure à 500 dollars nécessite une autorisation manuelle » — puis l’agent consomme de manière autonome et continue dans le cadre des autorisations que vous lui avez accordées.
Sécurité : la puissance de calcul, nouvelle forme de liquidité
Si les agents deviennent réellement une nouvelle catégorie de consommateurs, cela engendrera également de nouveaux risques — fondamentalement différents de ceux liés aux transactions SaaS traditionnelles ou aux consommateurs humains.
Pendant les Sessions, j’ai particulièrement suivi ce sujet et échangé avec plusieurs cadres supérieurs de Stripe.
Emily Glassberg Sands, responsable des données et de l’IA chez Stripe, a décrit trois types de fraude en forte croissance. Le premier est l’abus de comptes multiples : une même personne crée à répétition des comptes distincts afin de bénéficier à plusieurs reprises des crédits gratuits offerts. Selon les données du réseau Stripe, un compte sur six créé par des entreprises IA implique ce type d’abus. Le second est la consommation malveillante pendant la période d’essai gratuite. Ce problème est particulièrement critique pour les entreprises IA, car chaque essai gratuit entraîne un coût réel de calcul. Elle cite un exemple : chez une entreprise partenaire, le coût en tokens pour acquérir chaque client payant dépasse 500 dollars, car il faut 25 essais gratuits pour convertir un client, dont 19 sont frauduleux. Le troisième type, qu’elle appelle « le repas gratuit », consiste pour les clients à consommer massivement des tokens, puis à refuser de payer à la fin du mois. Emily cite également une phrase célèbre : « La puissance de calcul est la nouvelle liquidité. » Lorsqu’un SaaS traditionnel est détourné, son coût marginal est presque nul. En revanche, chaque appel à un modèle IA représente un coût réel. Des tokens volés équivalent à de l’argent volé.
Toutefois, un dilemme particulièrement délicat se pose ici. De nombreux fondateurs IA répondent à cet abus en supprimant purement et simplement l’essai gratuit.
Emily explique qu’elle a interrogé tous ceux qui prétendent avoir « résolu » ce problème, et qu’elle a découvert que leur solution consiste précisément à supprimer la couche gratuite. Jeff estime, quant à lui, que cela crée un autre problème. Les agents deviennent le principal vecteur de découverte de nouveaux services. Si un agent ne peut pas tester librement un service, il passera immédiatement à une autre URL. Emily ajoute que, si l’appel à l’action présenté à l’agent est « rejoignez la liste d’attente » ou « contactez le service commercial », l’agent quittera immédiatement la page. Supprimer l’inscription autonome pour lutter contre la fraude revient à abandonner volontairement le canal de croissance le plus important au profit des concurrents.
La réponse de Stripe à ce dilemme est son système de prévention de la fraude Radar. Le principe de Radar est simple : chaque transaction réussie sur Stripe constitue une occasion d’apprentissage pour Radar. Les données issues des transactions de 5 millions d’entreprises alimentent un réseau partagé de détection des risques. Si une entreprise rencontre un certain type de fraude, toutes les entreprises en bénéficient. Le mois dernier, Radar a bloqué plus de 3,3 millions d’inscriptions à l’essai gratuit à haut risque au sein de huit entreprises IA à forte croissance.
Jeff a également formulé une idée contre-intuitive : les achats pilotés par des agents pourraient finalement être plus sûrs que les achats humains effectués sur le web. La vérification de confiance lors des achats humains repose sur des inférences — durée de navigation sur le site, parcours de clics normal, etc. En revanche, les transactions pilotées par des agents peuvent être authentifiées de façon programmatique. Les « Shared Payment Tokens » de Stripe tokenisent les identifiants de paiement, de sorte que les agents n’ont jamais accès aux numéros réels des cartes de crédit. L’utilisateur autorise les paiements via une authentification biométrique et peut définir des plafonds de transaction, des fenêtres temporelles et une liste blanche de commerçants. Lorsque le mécanisme de confiance passe de l’inférence à la confirmation, le niveau de sécurité de base peut réellement s’élever.
Écosystème, protocoles et une page d’histoire
À ce stade, il devrait être clair qu’aucun écosystème fonctionnel ne peut exister sans que la « Agentic Commerce » soit réalisable. Lors de Stripe Sessions 2026, j’ai rencontré un professionnel du secteur agroalimentaire. Il m’a confié y être venu afin de comprendre si la « Agentic Commerce » pourrait représenter une nouvelle opportunité pour son entreprise — une perspective du côté vendeur.
Il est donc évident que Stripe ne peut y parvenir seule : cela exige un écosystème.
Pendant deux jours, j’ai arpenté le salon d’exposition de Sessions et j’y ai vu les stands de nombreuses entreprises de la chaîne financière. Stripe a également lancé ou rejoint, en collaboration avec ses partenaires, une série de protocoles visant à relier les différentes parties de cet écosystème : acheteurs et vendeurs, humains et machines, machines entre elles. Le « Machine Payments Protocol » (MPP) permet aux agents de découvrir et d’effectuer des paiements via HTTP. La « Agentic Commerce Suite » permet aux consommateurs d’effectuer directement des achats au sein des applications IA de Google, Meta, OpenAI et Microsoft. Le « Universal Commerce Protocol » (UCP), initié par Shopify et auquel ont rejoint Meta, Amazon, Salesforce et Microsoft, est un protocole commercial transversal. Stripe a rejoint le Conseil général de l’UCP. Un groupe d’entreprises à la fois partenaires et concurrentes a accepté de collaborer à l’élaboration d’un protocole partagé, car la fragmentation nuirait à tous : elle rendrait impossible pour les agents de consommer en toute fluidité d’une plateforme à l’autre.
Parlons justement de protocoles : dans le salon, j’ai remarqué un partenaire particulier de Stripe — Visa. Pour moi, Visa est, en substance, une plateforme de protocole.
Le fait de voir Visa m’a immédiatement rappelé un livre que j’apprécie particulièrement : « One from Many », écrit par Dee Hock, fondateur de Visa. L’un des thèmes centraux de ce livre est la redéfinition, à l’ère électronique, des banques, de la monnaie et des cartes de crédit. La monnaie n’a plus besoin d’être des pièces ou des billets ; elle peut aussi être des données, garanties par une institution, enregistrées sur un réseau et circulant mondialement. À la fin des années 1960, la carte BankAmericard, émise par la Bank of America, s’étendit à l’ensemble des États-Unis, entraînant une affluence massive de consommateurs interétatiques et provoquant l’effondrement de l’ancien système. Hock comprit que le problème était organisationnel : des dizaines de banques concurrentes avaient besoin de partager une infrastructure commune, mais leur forme organisationnelle existante ne leur permettait pas de coopérer tout en restant concurrentes. Il appliqua des principes de conception décentralisée afin de faire de toutes les banques des membres égaux de la nouvelle organisation, et la Bank of America renonça à son contrôle exclusif sur le système. Cette organisation fut ensuite rebaptisée Visa.
Deux entreprises, issues d’époques différentes, font donc des choses similaires : existe-t-il entre elles un lien de filiation ?
Grâce à n’importe quel agent intelligent, on peut facilement obtenir la réponse. Patrick Collison a publiquement rendu hommage à Hock. Après le décès de ce dernier en 2022, Patrick l’a qualifié de « innovateur gravement sous-estimé », soulignant son influence profonde sur lui-même et son frère. Un signe encore plus explicite est la décision d’embauche : David Stearns, historien académique de référence sur Visa, a rejoint Stripe.
Un autre détail, qui fera sourire ceux qui connaissent bien l’histoire des paiements, est le suivant : sur scène, Georgios Konstantopoulos, CTO de la blockchain Tempo, a présenté la liste des validateurs. L’un des noms figurant sur cette liste est Visa. La société fondée par Hock est aujourd’hui devenue un nœud participant du réseau blockchain incubé par Stripe. L’élève a construit un nouveau réseau, et le professeur en est devenu un nœud.
Lorsque Patrick, lors de l’ouverture de la conférence, a retracé les origines intellectuelles de Stripe, il a raconté qu’il était initialement un programmeur spécialiste du Lisp. L’idée centrale du Lisp est que « le code est des données ». Il a traduit cette idée dans le langage propre à Stripe : « La philosophie fondamentale de Stripe est que la monnaie est des données. Lorsque nous avons lancé Stripe en 2011, cette vision n’était pas encore la norme dans le secteur. » Hock, partant de la théorie organisationnelle, a approché l’essence même de la monnaie, la définissant comme « une garantie d’échange de valeur ». Le support physique de cette valeur peut être n’importe quoi. Collison, partant du langage de programmation, identifie directement la monnaie aux données : des données pouvant être programmées, appelées via des API, et manipulées par des agents. Les deux hommes, dans des langages différents, disent la même chose. Ce jour-là, sur scène, Ginger Baker l’a exprimé encore plus crûment : « La monnaie n’est-elle pas une autre forme de contenu numérique ? »
Si la monnaie est des données, alors les consommateurs de données deviendront naturellement des consommateurs de monnaie.
Histoire parallèle : le gène éditorial de Stripe
À ce stade, l’histoire de l’économie IA touche à sa fin. Mais faisons un petit détour : Stripe peut presque être considérée comme une consœur des professionnels de l’édition.
Cette entreprise excelle non seulement dans les services financiers, mais aussi dans les produits éditoriaux. Sa marque éditoriale, Stripe Press, jouit d’un goût exceptionnel : beaucoup la connaissent grâce à la publication du « Manuel de Charlie Munger ». Son podcast, « A Cheeky Pint », est également très original et compte un large auditoire. Le PDG de Google, Sundar Pichai, le PDG d’Anthropic, Dario Amodei, et le cofondateur d’a16z, Marc Andreessen, ont tous été invités sur ce podcast.
Pendant les Sessions, j’ai rencontré Tammy Winter, éditrice principale de Stripe Press, et Pablo Delcan, designer. Tammy plaisantait en disant que « Stripe est une maison d’édition qui possède, en sus, une entreprise valorisée à plusieurs milliards de dollars ». Pablo Delcan a évoqué sa compréhension du « goût ». Selon lui, le goût est le fruit d’une accumulation progressive, nécessitant du temps pour se former. En matière de tendances de conception, il estime que le défi actuel consiste à introduire un certain degré de complexité par le biais de détails et de précision, sans sacrifier la simplicité conceptuelle ni la clarté de la communication.
En parlant de livres, Tammy m’a confié qu’au sein de Stripe Press, la collection destinée aux fondateurs et aux bâtisseurs s’appelle « Turpentine ». Ces ouvrages traitent de savoir-faire pratique, d’outils, de technologies, de maintenance et de toutes les questions opérationnelles concrètes nécessaires au bon fonctionnement d’un projet. Ils ne sont pas centrés sur des théories abstraites, mais visent à aider les lecteurs à résoudre des problèmes opérationnels spécifiques.
Ce nom s’inspire d’une anecdote, souvent attribuée à Picasso : les critiques d’art réunis discutent de forme, de structure et de sens ; les artistes réunis discutent de l’endroit où acheter de la térébenthine pas chère. Cette collection veut être la térébenthine bon marché des fondateurs. Si vous y réfléchissez attentivement, pour les entreprises IA cherchant à s’implanter à l’international, les services financiers de Stripe constituent une autre forme de térébenthine : vous n’avez pas à vous soucier des paiements, de la conformité ou des devises, et pouvez vous concentrer entièrement sur la construction de votre produit.
Cette histoire parallèle semble sans lien avec le fil conducteur principal, mais elle repose sur une connexion profonde. Stripe publie également une revue intitulée « Works in Progress », dont la question centrale est la croissance économique. Son podcast interroge les leaders de l’économie IA. Les Sessions elles-mêmes ressemblent, dans une certaine mesure, à une conférence d’économie. Le matin du deuxième jour, John Collison a consacré un exposé entier aux données économiques, à la théorie des entreprises de Coase et au paradoxe de Solow. Je suppose qu’une entreprise de services financiers s’intéresse autant à l’économie parce que comprendre les changements structurels de l’économie est précisément la manière dont elle identifie ses prochaines opportunités de produits.
En tant qu’amateur de podcasts, le premier sujet que j’ai voulu aborder avec John Collison le premier jour de la conférence n’était pas un sujet financier, mais le podcast. Je lui ai demandé : « Après avoir interviewé tant de personnes différentes, existe-t-il une question sous-jacente qui traverse tous vos entretiens ? » Après un moment de réflexion, il m’a répondu qu’il s’intéresse surtout à la manière dont fonctionnent réellement les entreprises de ses invités, à l’équilibre concurrentiel dans lequel elles évoluent, et à la façon dont elles comprennent leur propre activité.
Par un heureux hasard, la fin de la première journée a réservé une petite surprise. La dernière conversation informelle prévue était censée opposer Patrick à Greg Brockman, cofondateur d’OpenAI. Mais juste avant de monter sur scène, le conférencier a été remplacé par Sam Altman. Patrick a expliqué que, après tout, « l’IA est un domaine en constante évolution ».
La surprise s’est transformée en joie. La salle a explosé en acclamations.
Les deux hommes se connaissent depuis près de 19 ans. Altman fut l’un des premiers investisseurs providentiels de Stripe, à une époque où les frères Collison n’avaient pas encore 20 ans. C’est pourquoi Altman paraissait particulièrement détendu tout au long de l’entretien.
Vers la fin, Patrick a posé une question personnelle : « Pourquoi avez-vous décidé d’investir dans deux jeunes adolescents ? » Altman a répondu qu’il se souvenait qu’ils voulaient construire un produit résolvant un problème qu’ils avaient eux-mêmes rencontré, et qu’il avait également perçu que cette opportunité pouvait être industrialisée, car de nombreuses autres personnes avaient besoin de la même chose.
Je pense que sa réponse concernant le podcast et celle concernant l’investissement pointent vers la même chose : identifier un besoin réel et résoudre un problème réel. Dans l’entretien, Altman a divisé la transformation d’OpenAI en trois phases : du laboratoire de recherche, à l’entreprise produit, puis à l’usine de « tokens » fournissant de l’intelligence au monde. Chaque phase correspond à une mission différente. Stripe suit un parcours similaire. En 2010, deux jeunes Irlandais résolvaient le problème suivant : « Recevoir des paiements en ligne est trop difficile. » En chemin, ils ont résolu ce même problème pour 5 millions d’utilisateurs. En 2026, ils ont identifié un nouveau défi : les clients de ces entreprises pourraient bientôt ne plus être des humains.
Tenant à la main un podcast et une maison d’édition, discutant sur scène de la théorie de Coase et du paradoxe de Solow, déployant des protocoles et des API dans le salon, Stripe ne se contente pas de créer l’économie IA : elle la documente également. Lors de la conférence, j’ai eu une idée qui peut sembler folle : Stripe détient des données sur des transactions représentant près de 2 % du PIB mondial. Elle peut voir d’où provient chaque dollar de revenu généré par l’IA, où il va, et à quelle vitesse il augmente. Si Solow avait disposé d’un tel moniteur cardiaque à l’époque, il n’aurait peut-être pas eu à attendre dix ans pour retrouver l’informatique dans les statistiques.
Peut-être qu’un jour, Stripe pourra proposer un modèle économique pour l’économie IA — pas un grand modèle linguistique, mais un modèle économique digne d’un prix Nobel. Qui pourrait dire que cela est impossible ? Quelques années avant que Demis Hassabis, fondateur de DeepMind, ne remporte le prix Nobel, qui aurait pu l’imaginer ?
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
@feigaobox
