Assouplir la politique monétaire constitue le véritable retrait : lorsque les fonds de capital-risque cryptographique se positionnent pour tirer parti de l’effet de réseau des agents

Auteur : @zuoyeweb3

L’IA est une opportunité pour les « nerds », les agents sont une opportunité pour l’argent

Les fonds de capital-risque, notamment les « MegaFunds » comme a16z, nous répètent sans cesse qu’il s’agit d’une histoire de cycles et d’exit. Pourtant, aux yeux d’un « Solo GP », ce phénomène ressemble davantage à une vibration harmonique entre signaux et structures : il vous incombe de déceler les véritables lois que personne n’a formulées explicitement.

En 2021, a16z a reversé 12,5 milliards de dollars de bénéfices à ses investisseurs institutionnels (« LPs »), avec un DPI (« Distributed to Paid-In ») supérieur à la somme cumulée des dix années précédentes. Paradoxalement, 2021 marqua aussi le début du désastre pour l’industrie américaine du capital-risque — si l’on exclut ce DPI concret, les gains restants n’étaient que des plus-values non réalisées.

Autrement dit, 2021 fut une période dorée pour les sorties, où les LP pouvaient effectivement toucher de l’argent liquide. Toutefois, si ces mêmes LP réinvestissaient, ils devaient alors traverser une période de souffrance qui dure encore aujourd’hui.

Légende de l’image : Ce n’est que lorsqu’il y a « assouplissement monétaire » qu’une sortie réelle se produit.

Source de l’image : @jasonlk @PeterJ_Walker

Tout cela raconte une narration inversée. Les secousses du marché cryptographique suivent exactement ce même rythme : en 2022, le concept de métavers a fait flamboyer le Web3 comme une huile sur le feu, prolongeant artificiellement la bulle haussière jusqu’au début de l’année 2025, où Binance mit fin à l’ère des « jetons VC » avec le fiasco du « jeton des copines ».

Aujourd’hui, la plupart des fonds de capital-risque sont entrés dans un mode de silence total. L’économie d’échelle a été absorbée par un modèle à forte intensité capitalistique — calcul et données — incapable de générer des retours sur investissement à court terme. L’effet réseau reste introuvable sur la blockchain, tandis que l’industrie se tourne vers une voie institutionnelle ou vers des frais de canal SaaS pour survivre.

Pourtant, si l’on retrace l’histoire du capital-risque, chaque cycle de hausse ou de baisse des taux d’intérêt a permis de faire émerger des modèles distincts de VC. Nous réinventons inlassablement la logique d’évaluation du risque, et la relative liberté du marché cryptographique permettra inévitablement à ceux qui savent observer de découvrir les mécanismes de signal les plus rentables.

Quand le capital-risque cesse de prendre des risques

« Toute passion naît de l’impact d’un objet extérieur sur les organes sensoriels, mettant ainsi en mouvement les esprits animaux via les nerfs. »

Si vous vous souvenez encore de cette période, en mars et avril 2021, Roblox et @coinbase ont opté pour une introduction directe (« Direct Listing ») sur les marchés boursiers, différente d’une introduction en bourse classique (IPO). Dans ce cadre, seules des actions anciennes sont mises en vente, sans intermédiaire bancaire ni période de blocage.

Ce qui rend cela intéressant, c’est que les deux opérations ont été menées sous la conduite d’a16z. Sous le brillant éclat de ces chiffres impressionnants de DPI, a16z a levé, en juin 2021, 2,2 milliards de dollars pour son troisième fonds crypto, puis, en janvier 2022, pas moins de 9 milliards de dollars pour un nouveau fonds.

Quel en a été le prix ?

Le prix fut la chute de 90 % du cours de l’action Coinbase depuis son sommet en 2023. On peut affirmer clairement que le rôle joué par a16z sur le marché américain des actions ne diffère en rien de celui des fonds de capital-risque cryptographiques. Or, la question demeure : comment a16z a-t-il pu lever 7,2 milliards de dollars en 2024, puis 15,1 milliards en 2026 ?

Même en mai 2026, son cinquième fonds crypto a levé plus de 2,2 milliards de dollars, portant le montant total levé par ses fonds crypto à près de 10 milliards de dollars.

Le marché offre un choix binaire : soit devenir LP d’@a16z et attendre le moment de l’assouplissement monétaire pour réaliser un DPI spectaculaire, soit devenir lui-même le « coût » de ce DPI remarquable.

Mais une nouvelle question surgit alors : a16z ne fait pas preuve d’une grande acuité dans la détection des signaux du marché. En d’autres termes, chaque « roi » du capital-risque, à chaque nouveau cycle, bute sur la « malédiction de la taille » : une trop grande ampleur le prive de la motivation nécessaire pour repérer les paradigmes ultra-précoces, notamment ceux qui reposent sur une révolution plutôt que sur une simple amélioration incrémentale.

1. Arthur Rock, père fondateur du capital-risque moderne, connut un succès immédiat avec Fairchild Semiconductor et Intel, lançant ainsi le modèle du capital-risque dans la Silicon Valley ;
2. Kleiner Perkins (KP) et Sequoia Capital ont formalisé le modèle institutionnel du capital-risque, mais leur leadership a alterné entre ère PC et ère mobile ;
3. Y Combinator (YC) a transformé le capital-risque en un mécanisme probabiliste à grande échelle, produisant en série des licornes « secondaires » sous la loi de puissance ;
4. Masayoshi Son, avec SoftBank, a converti le capital-risque en un jeu quasi-ponzi à très grande échelle, grâce au mythe Alibaba et aux titres chinois cotés à l’étranger.

Ainsi, lorsque les anciens géants se complaisent dans leur gloire passée, de nouveaux ambitieux surgissent, prouvant leur vision singulière par des innovations mécaniques, afin d’obtenir des capitaux à moindre coût et d’ouvrir leur propre ère d’aventure.

Légende de l’image : L’évolution cyclique du capital-risque

Source de l’image : @zuoyeweb3

Même la réputation elle-même peut se transformer en argent : Matt Huang, cofondateur de Paradigm, avait investi dans ByteDance. Bien que ByteDance ne soit pas cotée en bourse, Paradigm a choisi de « sauter dans la crypto ». Selon les dernières informations, il s’est désormais tourné vers l’IA et la robotique.

Reformulons donc la réponse : si vous ne pouvez pas devenir LP d’a16z, et que vous refusez d’être le « coût » de son DPI, alors vous devez détecter de nouveaux signaux encore non amplifiés, et créer de nouveaux mécanismes capables de supplanter les anciens.

Une brèche s’est déjà ouverte : en 2021, a16z n’a pas été « autorisé » à participer au tour de financement d’Anthropic. À la place, ce sont des investisseurs particuliers qui ont pris position précocement — par exemple Jaan Tallinn, cofondateur de Skype, ou Eric Schmidt, ancien PDG de Google, ayant co-dirigé le tour de série A. Quant à Sam Bankman-Fried (SBF), il est entré dans le capital en 2022, offrant ainsi une autre vision durable de la convergence « Crypto × IA ».

Légende de l’image : La course au positionnement vient tout juste de commencer

Source de l’image : @zuoyeweb3

a16z n’a pas besoin de prendre des risques ; SBF utilisait l’argent des particuliers pour « tirer profit efficacement de A\ ». Si l’on cherche un point de départ le plus rationnel possible pour un « Solo GP », l’histoire de financement de Claude constitue le cas le plus emblématique.

À la différence des business angels individuels, un « Solo GP » fonctionne entièrement sur la base de ses propres capacités de recherche. L’ère des agents est facile à comprendre, mais c’est précisément l’humain qui l’a mise en pratique le premier. Contrairement au modèle de YC, basé sur la dispersion massive d’investissements, le « Solo GP » doit néanmoins s’impliquer profondément dans chacun de ses projets — chaque décision d’investissement compte fortement pour le DPI.

a16z est devenu un indicateur du marché lui-même. Dès qu’une nouvelle tendance technologique émerge, de nouveaux acteurs cherchent à agir un peu plus tôt qu’a16z. Au-delà des grands modèles d’IA, ils concentrent désormais leur attention sur les agents.

Or, là réside un saut périlleux : l’économie d’échelle n’existe pas dans le domaine des grands modèles d’IA. Chaque nouvel utilisateur humain entraîne une augmentation des coûts serveur, contrairement aux logiciels, dont les coûts peuvent être amortis. Autrement dit, l’effet réseau ne se matérialise pas chez les agents comme prévu, et l’appel mutuel entre agents reste une situation idéale, encore loin de la réalité.

Un effet réseau « non humain »

« En 1784, James Watt perfectionna la machine à vapeur rotative ; en 1824, la théorie complète de la machine à vapeur fut formulée par le Français Sadi Carnot. »

Tout l’univers de l’IA demeure une « boîte noire ». La loi d’échelle (« Scaling Law ») fut décrite empiriquement par « Adi Wang » chez Baidu ; les mathématiques nécessaires au Transformer ne dépassent pas le niveau d’un master, mais on ignore totalement pourquoi elles dépassent largement ce niveau.

L’IA est une opportunité pour les « nerds » : il suffit de confier de l’argent aux chercheurs les plus en pointe, puis d’attendre que la puissance brute fasse des miracles. L’acquisition de talents, si populaire dans la Silicon Valley, en est la meilleure illustration : chercheur > données > modèle.

Mais les grands modèles d’IA peinent à rentabiliser leur coût. Répétons-le : leur économie d’échelle est fondamentalement inversée. Même en passant de l’entraînement à l’inférence, ou du dialogue à l’exécution de tâches, ce phénomène ne cesse de s’accélérer.

La seule issue pour les grands modèles d’IA est de devenir des centres de trafic, à l’instar d’AWS ou Cloudflare. Si la réduction des coûts côté production est impossible, alors il faut impérativement faire exploser la demande côté consommation.

Les agents représentent une opportunité pour l’argent : ils doivent devenir les principaux acteurs de la consommation. « Agent infini × consommation infinie » : c’est précisément cette formule qui explique pourquoi les appels réciproques entre agents sont devenus un sujet central de discussion.

Néanmoins, à bien des égards, il est difficile de distinguer agents et bots. Personne ne sait vraiment ce qu’est un agent, et les bots existent depuis longtemps.

Légende de l’image : Un bot n’est pas un agent

Source de l’image : @Cloudflare

Si l’on veut absolument définir l’agent, l’« agent d’évaluation » issu de l’apprentissage par renforcement constitue l’origine de cette vague technologique. Selon DeepMind, permettre à un agent d’évaluer automatiquement le succès de son propre entraînement est la clé de la prochaine étape de l’évolution intelligente.

Cette approche diffère radicalement de celle adoptée par Claude dans le domaine du codage. Du point de vue de la programmation, un agent est en réalité une projection du rôle du développeur humain. Lorsque l’on parle de « codage agentic », on s’éloigne déjà considérablement de la notion d’agent telle qu’appliquée par AlphaZero.

Légende de l’image : Scénarios à haute valeur ajoutée pour les agents

Source de l’image : @zuoyeweb3

Seulement à partir de cette perspective, l’idée selon laquelle les agents remplacent les humains — et que Claude menace ainsi le modèle SaaS — prend tout son sens : il ne s’agit, en définitive, que d’une itération supplémentaire du modèle de sous-traitance humaine :

1. Progression vers des scénarios à haute valeur ajoutée : après les développeurs viennent les comptables et les analystes ;
2. Réduction progressive du nombre d’employés permanents : après la sous-traitance viennent les frais d’appel multi-agents.

Mais un problème persiste : les agents ne manifestent aucune relation sociale humaine. Les relations commerciales réelles ne deviennent pas plus fluides grâce aux agents, car les humains préfèrent toujours interagir avec d’autres humains.

Nous créons certes davantage de scénarios impliquant des agents, et leurs performances sont excellentes dans la coordination « interne », par exemple lorsqu’un grand groupe licencie des employés pour réallouer ses GPU.

Légende de l’image : Les scénarios à haute valeur ajoutée n’ont pas besoin d’humains

Source de l’image : @trueupio

En revanche, dans la collaboration « externe », les résultats ne sont pas encore confirmés comme prévu : en mai 2026, l’emploi américain a fortement progressé, avec 172 000 nouveaux emplois non agricoles, principalement dans les secteurs de loisirs/restauration et de la santé — tandis que le secteur financier perdait quant à lui 22 000 postes.

La crainte humaine face aux agents existe bel et bien, mais elle est largement surestimée.

Bien sûr, tout comme le Sahara n’a pas besoin de chaussures, cela peut aussi constituer un signal pour renforcer davantage l’intelligence des modèles, accroître les capacités des agents, et investir dans la robotique.

Autrement dit, l’économie des agents n’est valable qu’en théorie ; la croissance infinie côté consommation n’est pas encore une réalité. Si l’on continue à miser dessus, comment faire en sorte que les agents s’appellent mutuellement afin de générer un véritable effet réseau ?

Cryptographie : positionnement stratégique pour l’ère des agents

« L’évolution ne conduit pas toujours à une augmentation de la complexité, ni à une progression constante vers le haut. »

Récapitulons nos connaissances actuelles, afin de mieux anticiper les dangers qui nous attendent dans l’inconnu.

Le capital-risque ne garantit plus une détection efficace des signaux technologiques : ce domaine est désormais devenu un jeu réservé à quelques rares audacieux ;

Les agents sont massivement produits de façon forcée, dans l’espoir de réduire les coûts de production des grands modèles d’IA, mais aucun lien naturel d’appel réciproque ne s’établit entre eux.

Ces deux affirmations, apparemment contradictoires, recèlent une coordination subtile : identifier les mécanismes de signal capables de stimuler les appels entre agents.

Émettre simplement des actifs « agents », ou transformer des protocoles DeFi en agents, n’a aucun sens : la blockchain compte déjà peu d’utilisateurs humains et beaucoup de bots ; ajouter des appels de contrats intelligents ne ferait qu’accroître les risques techniques. Cette voie n’est pas praticable.
Sur le plan pratique, la première nature humaine ne sera pas remplacée par les agents, car la projection de rôles repose sur des relations commerciales concrètes. Par exemple, les entreprises chinoises de technologie indigène n’achètent pas de cartes graphiques RTX 4090, et les États-Unis et la Chine ne s’achètent pas mutuellement leurs actifs technologiques. Les limites de la technologie sont plus étroites que ce que nous imaginons.

Légende de l’image : Course au positionnement stratégique dans l’économie des agents

Source de l’image : @zuoyeweb3

Exa répond à la demande d’agents pour des données en temps réel et de haute qualité : un seul nettoyage, plusieurs appels — voilà une véritable économie d’échelle. Mais cela ne déclenche pas pour autant des appels entre Claude et Codex.

Catena répond aux besoins financiers réglementés entre entreprises (B2B), allant jusqu’à demander une licence auprès de l’Office of the Comptroller of the Currency (OCC) pour assurer la conformité réglementaire. Il s’agit d’une version spécialisée de l’effet réseau, mais elle ne réduit pas les coûts d’utilisation à grande échelle.

Quant aux protocoles de paiement incarnés par les stablecoins, ils visent à capturer à la fois l’entrée côté consommateur (C) et la sortie côté compensation, en réduisant les coûts d’utilisation grâce à des protocoles légers et les coûts de collaboration grâce aux micro-paiements.

Mais cela ne suffit pas. Pour atteindre finalement la communication quotidienne « agent à agent » (A2A), il faut que les humains acceptent volontairement de « sacrifier leur âme », selon la démarche en trois étapes de TrueNorth :

1. Permettre aux humains d’utiliser des agents pour faciliter leurs transactions ;
2. Former les agents à reproduire le comportement humain dans les transactions ;
3. Permettre aux agents de piloter seuls les transactions sur la blockchain.

Par rapport aux restrictions réglementaires et juridiques qui empêchent Claude d’intégrer IBKR, et le cantonnent ainsi à un rôle de « copilote », l’utilisation par TrueNorth de la plateforme réelle Hyperliquid ne pose aucun problème technique.

Mais convaincre les gens d’accepter spontanément les conseils d’un agent reste encore très lointain — et certainement bien plus éloigné que ne l’imaginent les VC.

Légende de l’image : Paiement + transaction > rendement

Source de l’image : @zuoyeweb3

Dans les tentatives de combinaison « agents + finance », la structure dominante est sans conteste : « investir principalement dans les paiements, puis dans les transactions ».

Les paiements sont un segment très clair : les parts de marché de PayPal et Stripe seront toutes « stabilisées » (via des stablecoins), et tous les stablecoins seront « agenticisés ».

Les transactions offrent un vaste potentiel : de Jim Simons à Jane Street, en passant par le fonds chinois High-Frequency Trading « Hua Fang », dont Liang Sheng’en ne parvient toujours pas à solder la dette, tout cela nourrit l’imagination infinie des VC.

Pourtant, tout cela n’a rien à voir avec l’idée que nous nous faisons de l’agent qui « prend le contrôle » des paiements et des transactions.

La finance quantitative repose sur une « hégémonie du calcul », c’est-à-dire un avantage de vitesse relatif aux humains ; les transactions reposent sur une « hégémonie des canaux », c’est-à-dire un avantage tarifaire relatif aux banques.

Un fossé se creuse ainsi : les VC veulent favoriser un changement radical — faire en sorte que les humains acceptent volontiers d’être remplacés par des agents. Or a16z est impuissant face à ce défi : jeter de l’argent ne garantit pas le succès de nouveaux clubs sociaux comme Clubhouse ou Towns Protocol. Face à des scénarios financiers encore plus complexes, il ne leur reste qu’à abandonner.

Si l’on s’inspire des expériences réussies du DeFi, la voie consiste à permettre aux agents d’accéder aux fonds, en commençant par des opérations à faible fréquence et faible montant pour vérifier leur faisabilité, avant de passer à une utilisation quotidienne à haute fréquence et fort montant.

Imaginez un instant que les routes soient remplies de Robotaxis Tesla FSD : ils seraient alors plus sûrs que la circulation mixte humains/IA. Pourtant, afin de rendre cela possible, il faut d’abord que des humains servent de cobayes :

1. Une minorité utilise déjà l’assistance à la conduite par IA, instaurant ainsi une « égalité technologique » entre conducteurs humains ;
2. On réduit le taux de sinistralité lié à cette assistance, et l’on met en place un mécanisme d’indemnisation.

Autrement dit, créer un mécanisme permettant aux agents de manipuler de l’argent sera plus facile pour convertir les utilisateurs que de leur faire gagner de l’argent. Seulement lorsqu’un agent aura accumulé suffisamment d’expérience pratique avec l’argent, les humains cesseront de réfléchir et se contenteront de cliquer « confirmer » sans hésitation.

Seuls les agents participant activement au marché peuvent en améliorer l’efficacité et la sécurité. On peut ainsi comprendre que le processus par lequel les agents recherchent des rendements correspond précisément à une amélioration de l’efficacité du marché — une auto-amplification progressive, où le C++ écrit du C++, et où les agents optimisent d’autres agents.

Les transactions constituent la finalité des agents, mais pour y parvenir, il faut parcourir une longue piste elliptique.

Dans ce scénario à haute valeur ajoutée qu’est la finance, la blockchain est un terrain d’expérimentation pour la finance ouverte, et les stablecoins sont les preuves tangibles du processus d’optimisation du marché par les agents. Cela n’a rien à voir avec l’échelle ou les ressources investies, mais tout à voir avec la conception et l’expansion des mécanismes.

Conclusion

« Partout dans la vie, il y a des cycles. Sans cycles, point de dividende de notre époque. Une génération nouvelle triomphe toujours de l’ancienne. »

Le capital-risque devient de plus en plus petit, de plus en plus personnel. Que l’on parle de « Solo GP » ou d’OPC (« Open Protocol Company »), nous n’avons pas encore observé de tendance dominante où un « Solo GP » investirait systématiquement dans des OPC. Dans le flot incertain des vagues technologiques, nous ignorons encore quel paradigme s’imposera.

« Le logiciel dévore le monde » : après la bulle internet au début des années 2000, ce slogan a engendré une rente durable de plus de vingt ans. Nous entrons aujourd’hui dans une nouvelle ère : « Les agents dévorent le logiciel ».

Les agents sont, en soi, des outils de développement et un signe tangible de l’évolution de la productivité. Pourtant, aucun nouveau logiciel développé par des agents n’est encore devenu une application universellement adoptée — ce qui est une réalité indéniable. Après les trois introductions en bourse imminentes de @SpaceX, OpenAI et @AnthropicAI, le positionnement stratégique des grands modèles de base est désormais clos.

Si nous sommes bel et bien entrés dans une nouvelle phase de rente durable, alors les nouveaux fonds de capital-risque cryptographiques récemment levés — tels que @dragonfly_xyz, ParaFi, Haun Ventures et @paradigm, ainsi qu’a16z — poursuivront-ils leur expansion ? Ou verrons-nous émerger des fonds spécialisés dans des marchés prédictifs spécifiques, comme 5cc ? Leur capacité réelle sera testée durant la prochaine vague de déploiements massifs.

Même l’ensemble de l’industrie DeFi connaîtra une refonte de paradigmes. Durant les deux derniers cycles de Kondratiev, les systèmes financiers ont connu des révolutions continues. Cette fois-ci, les agents et les stablecoins formeront ensemble les deux piliers d’une révolution double.

La cryptographie est petite, le monde est immense. Ensemble, assistons à cette transformation !