L'infrastructure des wallets AI Agent se réchauffe discrètement : les estimations de Coinbase indiquent que les revenus pourraient exploser jusqu'à 700%

Rédaction : Ekko an, Ryan Yoon, Tiger Research

Compilation : AididiaoJP, Foresight News

Les gros titres news rapportent souvent que les agents IA effectuent des transactions autonomes et gèrent eux-mêmes les paiements. En réalité, l'industrie des portefeuilles crypto prépare déjà le terrain en silence. Actuellement, plus de dix entreprises créent des portefeuilles spécifiquement pour les agents. Que veulent-elles vraiment ? Et quel est le retour potentiel ?

Points clés

Lorsque les agents IA remplacent les humains pour naviguer sur le web, acheter des biens ou des informations, ils initient des centaines, voire des milliers de micropaiements de quelques centimes ou moins. Le système de paiement par carte bancaire existant ne peut tout simplement pas supporter un tel volume, d'où la nécessité de portefeuilles capables de diviser et d'envoyer des fonds automatiquement selon des conditions prédéfinies.

Bien que les revenus soient presque invisibles à court terme, des entreprises comme Coinbase et Binance continuent de miser sur l'infrastructure des portefeuilles IA. La raison est simple : sécuriser la base d'utilisateurs future avant que les agents n'effectuent des transactions à grande échelle. Cette phase actuelle consiste à prendre une avance avant l'explosion de la demande réelle.

Selon les données de Coinbase, après une augmentation de l'utilisation des agents IA, ses revenus pourraient atteindre jusqu'à environ 7 fois le niveau actuel.

L'historique des paiements accumulé dans le portefeuille peut indiquer clairement si un agent IA génère des revenus, ouvrant la porte aux prêts basés sur les revenus futurs — tout comme l'octroi de crédit à une petite entreprise basé sur son flux de transactions par carte.

Cependant, tout cela reste pour l'instant au stade de la possibilité, et non un fait vérifié. Les agents IA peuvent encore faire des erreurs et exécuter des paiements incorrects ; les règles varient selon les pays et les entreprises ; le statut juridique des agents n'est pas non plus clair. Par conséquent, l'enjeu actuel de la concurrence n'est pas de gagner de l'argent aujourd'hui, mais de se positionner plusieurs années à l'avance sur un marché prévu pour se former bientôt.

Les agents IA sont pleinement actifs

Plus tôt cette année, une expérience très suivie a eu lieu sur le marché de prédiction Polymarket : un agent IA a reçu un capital de départ de 50 dollars pour trader de manière autonome, à condition qu'il « disparaisse » s'il ne gagnait pas assez pour couvrir les coûts API et serveur. En résultat, cet agent a réussi à trader. Par la suite, une série d'agents similaires ont commencé à trader de la même manière.

Les agents IA ne sont pas encore entrés dans la vie quotidienne, mais il est clair qu'ils seront utilisés à grande échelle dans un futur proche.

Chaque transaction d'agent commence par un portefeuille

Actuellement, les agents IA ne sont pas encore entrés dans les scénarios de paiement quotidiens. Leur application la plus active reste les bots de trading dans l'écosystème crypto — indépendants des rails de paiement traditionnels, se concentrant sur les transactions de cryptomonnaies.

À l'avenir, les paiements s'étendront à des domaines aujourd'hui inimaginables. Comme nous l'avons souligné dans nos rapports précédents, l'IA est en train de changer la nature des paiements. Une fois que les agents agissent directement sur le web plutôt que les humains, le montant des paiements uniques chutera drastiquement. Un appel API ou une requête de données peut coûter aussi peu que 0,001 dollar, et dans des cas extrêmes, seulement 0,00001 dollar.

Pour dépasser l'utilisation actuelle des portefeuilles et réaliser des paiements aussi petits, divisés automatiquement selon des conditions prédéfinies et sans intervention humaine, il faut s'appuyer sur un système de paiement programmable. C'est dans ce contexte qu'est apparu le rail de paiement x402, dont le portefeuille est la base de fonctionnement.

Cependant, les rails de paiement existants sont conçus autour de l'« humain » en tant que sujet de transaction.

Les cartes bancaires sont émises pour un titulaire spécifique et utilisent un mécanisme de rétrofacturation (chargeback) — en cas de problème, l'humain conteste et annule la transaction, et des frais fixes de quelques dizaines de centimes sont prélevés par transaction. Quand un humain dépense occasionnellement 20 dollars pour un achat, ce n'est pas un problème. Mais dès que les agents commencent à émettre des milliers de paiements par seconde, chaque appel API à 0,001 dollar, chaque enregistrement de données à 0,00001 dollar, ce modèle de paiement devient économiquement totalement impossible.

La question centrale est : l'argent lui-même est-il programmable ?

Les cartes bancaires peuvent automatiser la saisie des informations de paiement, mais ne peuvent pas être programmées pour diviser selon des conditions, effectuer des paiements en flux ou régler instantanément les flux de fonds. Or, le rail sur lequel fonctionne le portefeuille possède par défaut ces capacités. Stocker les informations de paiement sur une carte permet tout au plus d'exécuter une transaction de « taille humaine » pour l'humain. Une fois que l'économie passe aux transactions directes machine à machine, le portefeuille devient le seul point de départ possible.

Les agents pourraient être une affaire de 50 milliards de dollars

Comme le montre le tableau pertinent, la couverture des fournisseurs de portefeuilles est très large, allant des exchanges aux émetteurs de stablecoins. Pourquoi autant de joueurs de types différents entrent-ils dans l'infrastructure des portefeuilles d'agents, où les profits sont presque invisibles à court terme ?

La réponse est : elles planifient les revenus et les activités de demain, pas ceux d'aujourd'hui. Ajouter des fonctions d'agents aux portefeuilles maintenant ne vise pas à gagner de l'argent immédiatement, mais à construire à l'avance la capacité d'accueil pour absorber des volumes de transactions massifs lorsque les agents seront actifs à grande échelle.

La clé est que les agents IA fonctionneront finalement 24h/24 et 7j/7 dans des environnements sans navigateur, sans aucune intervention humaine. Imaginez qu'un utilisateur demande à un agent de compléter un rapport de recherche. Lorsque l'agent collecte des informations, chaque fois qu'il extrait des données payantes de différentes plateformes, il effectue un micropaiement. Une seule commande de l'utilisateur peut déclencher instantanément 20 à 30 paiements, voire plus.

Une demande qui semble être une opération simple pour un humain devient, une fois traitée par un agent IA, un grand nombre de transactions de paiement.

Comment ce changement d'environnement de paiement affectera-t-il les revenus des entreprises ? On peut l'estimer en utilisant les données divulguées par Coinbase. Le calcul est basé sur les 9,2 millions d'utilisateurs actifs de trading mensuels (MTU) de Coinbase, et non sur son nombre total d'utilisateurs enregistrés d'environ 120 millions.

• Scénario conservateur (taux d'adoption 10 %, 1 agent par utilisateur, 50 appels par jour) : augmentation annuelle des revenus d'environ 84 millions de dollars, soit une hausse de 1,2 %.
• Scénario neutre (taux d'adoption 50 %, 2 agents par utilisateur, 200 appels par jour) : les revenus supplémentaires augmentent considérablement pour atteindre environ 3,36 milliards de dollars, soit une hausse de 46,8 %.
• Scénario agressif (taux d'adoption 100 %, 3 agents par utilisateur, 1000 appels par jour) : revenus annuels d'environ 50,37 milliards de dollars, soit environ 7 fois les revenus totaux actuels de Coinbase.

Le point le plus frappant de cette comparaison est : l'écart entre les trois scénarios est amplifié de manière géométrique, et non simplement additif. Le taux d'adoption passe seulement de 10 % à 100 % (10 fois), mais l'écart de revenus s'est élargi d'environ 600 fois — de 84 millions de dollars à 50,37 milliards de dollars.

Parce que le taux d'adoption, le nombre d'agents par utilisateur et le volume d'appels quotidiens sont trois variables multiplicatives, toute petite augmentation entraîne une croissance exponentielle du total. Ainsi, une fois que les agents réalisent une adoption à grande échelle et que le nombre d'utilisateurs augmente fortement, le flux de revenus généré peut atteindre jusqu'à environ 7 fois les revenus totaux actuels.

C'est aussi la raison pour laquelle Coinbase, même si elle n'a presque aucun revenu lié aujourd'hui, promeut vigoureusement l'infrastructure des portefeuilles d'agents — elle veut verrouiller à l'avance la part de revenus que l'ère des agents est censée apporter.

Vers une nouvelle banque pour les agents

Les données de transaction accumulées via l'infrastructure du portefeuille sont bien plus qu'un simple enregistrement. Elles fournissent une base pour de nouveaux modèles commerciaux : l'historique des paiements stocké dans le portefeuille peut devenir une norme de crédit pour évaluer la situation financière et la performance des agents IA.

Une fois ce système d'évaluation de crédit basé sur les données établi, les fournisseurs de portefeuilles pourront naturellement s'étendre aux services financiers de nouvelle génération, tels que le financement basé sur les revenus (RBF) spécialement destiné aux agents.

Stripe Capital est un cas typique. Il a réussi à construire une nouvelle activité financière sur les données de paiement existantes. Lorsque Stripe a lancé le service de prêt Stripe Capital en septembre 2019, il ne s'est pas appuyé sur des agences de crédit externes ni sur des documents de prêt fastidieux, mais a directement utilisé les données de vente en temps réel de chaque commerçant dans son réseau de paiement pour évaluer l'éligibilité et le montant du prêt.

Le cas de Stripe montre qu'une entreprise peut construire une activité financière à haute valeur ajoutée sur ses pipelines de données opérationnelles existantes, sans réseau de vente supplémentaire ni investissement marketing.

Les fournisseurs de portefeuilles d'agents suivront probablement la même voie d'expansion. En accumulant continuellement les données de revenus des agents via le portefeuille, ils ont la base pour fournir des fonds de fonctionnement via le RBF et générer des revenus en tant que plateforme financière centrée sur les agents.

Cependant, pour vraiment construire cette nouvelle ligne d'activité, il y a une prémisse : les agents IA doivent évoluer de simples exécutants de paiements à des entités détentrices d'actifs capables de générer elles-mêmes des revenus, gagnant suffisamment de revenus réels pour rembourser les emprunts.

Cette croissance n'est pas encore vérifiée

La description ci-dessus concernant la croissance maximale des revenus de Coinbase par 7 et l'expansion vers le RBF sont toutes des scénarios optimistes supposant une adoption généralisée des paiements par agents. Pour les mettre vraiment en œuvre dans l'économie réelle, les obstacles restent importants.

Premièrement, le taux de conversion d'achat réel et la fiabilité des paiements des agents IA restent très douteux. Les agents font encore des erreurs d'« hallucination » lors de la commande autonome, entraînant des paiements incorrects ; ils sont parfois directement bloqués par les systèmes anti-fraude (FDS) des émetteurs de cartes. Le taux de réussite des paiements réels reste donc faible.

De plus, les protocoles de paiement tels que x402, AP2, MPP sont encore fragmentés et n'ont pas convergé vers une norme unifiée ; les agents IA ne sont pas des sujets juridiques, manquent de KYC (vérification d'identité) clair et de régulation financière, ce qui entrave davantage l'expansion du marché.

Par conséquent, l'objectif actuel des fournisseurs de portefeuilles n'est pas le revenu de commissions à court terme. L'App Store d'Apple a mis 15 ans pour construire un marché de commissions de 10 milliards de dollars par an, WeChat Pay a mis 7 ans pour établir un vaste écosystème de mini-programmes. Les portefeuilles d'agents suivent également une ligne de temps longue — ils construisent un écosystème, ne se battent pas pour les retours immédiats.

La concurrence actuelle ne vise pas ce revenu marginal d'aujourd'hui, mais voir quelle entreprise pourra contrôler en premier les données de flux de fonds après la formation complète de l'économie des agents dans les cinq à dix ans à venir.