Dans l'article précédent, "Quels sont les bons chemins pour l'entrepreneuriat Web3 en Chine ? (Partie IV)", Portal Labs a d'abord discuté de la façon dont trois types d'équipes Web3, plus orientées infrastructure, peuvent effectuer une migration de compétences vers l'IA.
Les équipes orientées données peuvent envisager la couche de données IA, résolvant les problèmes d'autorisation de données, de données vérifiables et d'appels conformes ; les équipes d'identité et de comptes peuvent se concentrer sur les autorisations des agents, les comptes et les historiques d'exécution ; les équipes de paiement et de portefeuille peuvent s'intéresser au règlement automatique des agents, aux micro-paiements via API et à l'audit comptable. Ces trois voies ont un point commun : elles consistent à intégrer les capacités d'infrastructure que le Web3 a accumulées au cours des dernières années dans les nouveaux besoins émergents des agents IA.
Cependant, les directions vers lesquelles les équipes Web3 chinoises peuvent migrer ne se limitent pas aux données, à l'identité et aux paiements. Deux autres types d'équipes méritent également d'être examinés séparément.
Le premier type est celui des équipes de sécurité et de gestion des risques. Elles étaient autrefois au service des contrats intelligents, des portefeuilles, des flux de trésorerie et des risques on-chain ; à l'ère des agents IA, de nouveaux problèmes de sécurité apparaîtront dans les autorisations, l'appel d'outils, les paiements automatiques, l'accès aux données et les enregistrements d'exécution. Plus un agent peut agir pour l'utilisateur, plus il a besoin que quelqu'un définisse ses limites, vérifie les anomalies et conserve des traces.
L'autre type est celui des équipes applicatives et communautaires. Elles n'ont pas nécessairement besoin de se transformer en entreprises d'infrastructure IA, mais peuvent intégrer l'IA dans leurs processus produits et opérationnels existants, améliorant ainsi l'efficacité de la recherche et de l'investissement, du contenu, du service client, des communautés, de l'éducation et de la conversion des utilisateurs. Pour ces équipes, l'IA ressemble plus à une amélioration de capacité qu'à un changement radical de métier.
Ainsi, cet article continuera à suivre la logique du précédent : comment les équipes de sécurité et de gestion des risques, ainsi que les équipes applicatives et communautaires, devraient respectivement migrer vers l'IA.
Parallèlement, Portal Labs doit également clarifier un autre point. Toutes les directions liées à l'IA ne conviennent pas aux équipes Web3 chinoises. Certaines directions semblent très en vogue, comme les modèles de langage génériques, les plateformes d'agents génériques, les traders IA, les produits de revenus automatisés, mais en réalité, les barrières à l'entrée sont élevées, la concurrence est féroce, et elles peuvent même heurter des frontières réglementaires très sensibles.
La possibilité de migration ne doit pas dépendre uniquement de la popularité de l'IA. Ce qui est plus important, c'est de savoir quelles compétences l'équipe possède déjà, si ces compétences peuvent être appliquées à des scénarios réels, et si un acheteur clair peut être identifié.
Équipes de sécurité et gestion des risques : De la sécurité on-chain à l'audit du comportement des agents
La sécurité et la gestion des risques ont toujours été des directions relativement résistantes aux cycles pour les équipes Web3 chinoises.
Que le marché soit chaud ou non, les projets Web3 nécessitent des audits de contrats avant leur mise en ligne, les portefeuilles doivent être protégés contre le vol, les flux de fonds doivent être surveillés, et les attaques doivent être tracées. Les outils KYT et de lutte contre le blanchiment d'argent sont également en demande constante. De nombreuses équipes de sécurité ont survécu grâce à ces besoins concrets.
Autrefois, ces équipes se concentraient principalement sur les vulnérabilités des contrats intelligents, les risques liés aux clés privées, la sécurité des portefeuilles, les attaques on-chain, les flux de fonds et les transactions suspectes. Avec le développement des agents IA, les problématiques de sécurité s'étendront des actifs on-chain à des comportements automatisés plus larges.
Parce qu'un agent ne se contente plus de répondre à des questions ; il va commencer à appeler des outils, accéder à des données, exécuter des processus, et même déclencher des paiements et des opérations on-chain.
Par exemple, une entreprise qui intègre un agent IA dans son CRM, ses e-mails, sa base de données contractuelle, son référentiel de connaissances interne et son système de tickets, l'utilisant pour organiser les informations clients, générer des comptes-rendus de réunion, rédiger des réponses par e-mail, consulter des clauses contractuelles, et même créer automatiquement des tâches et suivre les clients. Ce scénario semble améliorer l'efficacité, mais il implique en réalité de nombreux flux d'autorisations et de données. L'agent peut-il lire toutes les données clients ? Peut-il envoyer le contenu des contrats à des outils externes ? Peut-il accéder aux boîtes e-mail des employés ? Peut-il envoyer automatiquement des e-mails aux clients ? S'il est victime d'une attaque par prompt, pourrait-il divulguer des informations internes ?
Ceux-ci deviendront de nouveaux problèmes de sécurité.
Si les entreprises commencent à utiliser massivement des flux de travail IA, les besoins en sécurité s'étendront de la sécurité des modèles à la sécurité comportementale. Les entreprises ne se soucient pas seulement de l'exactitude des réponses du modèle, mais aussi de ce que l'agent a fait, quel système il a appelé, quels fichiers il a consultés, à qui il a transmis des données, et s'il respecte les autorisations internes et les exigences de conformité.
C'est précisément la direction vers laquelle les équipes de sécurité et de gestion des risques peuvent migrer.
Les équipes qui faisaient autrefois de la surveillance on-chain, de l'audit, de la gestion des risques et du suivi des fonds peuvent transposer leurs compétences vers l'audit du comportement des agents, l'identification des anomalies d'autorisation, la surveillance des appels de données, la gestion des risques des paiements automatiques et la gouvernance de la sécurité IA pour les entreprises.
Par exemple, fournir aux entreprises des journaux d'opérations des agents, rendant chaque appel d'outil traçable ; définir des limites d'autorisation pour les flux de travail IA, empêchant les accès non autorisés ; établir des règles de gestion des risques pour les paiements automatiques, identifiant les appels anormaux ; fournir des rapports d'audit pour les appels de données internes, aidant les entreprises à répondre aux exigences de conformité.
Ce type de direction n'a pas nécessairement un fort potentiel viral, mais possède des attributs B2B évidents.
Plus les entreprises adoptent l'IA, plus elles ont besoin de sécurité, d'autorisations et d'audit. Surtout dans des secteurs comme la finance, la santé, les entreprises publiques, le droit, l'éducation, l'IA ne doit pas seulement viser l'efficacité, elle doit également être contrôlable, vérifiable et imputable.
Pour les équipes chinoises, la direction sécurité et gestion des risques permet également d'éviter plus facilement les récits à haut risque. Elle ne nécessite pas de manipuler directement des tokens, de gérer les fonds des utilisateurs, ni de promettre des rendements. Tant qu'elles abordent les risques réels liés à l'utilisation de l'IA par les entreprises, elles ont une chance de générer des revenus de services durables.
Cependant, cette direction a aussi ses barrières.
L'audit du comportement des agents ne peut pas être simplement compris comme une « surveillance on-chain sous un autre nom ». Il nécessite de comprendre les systèmes d'autorisation des entreprises, les appels d'outils IA, la sécurité des données, l'analyse des journaux et les processus métier. Si les équipes de sécurité Web3 veulent pénétrer ce niveau, elles doivent combler leurs lacunes en ingénierie IA et en sécurité d'entreprise, et ne peuvent pas se contenter de réutiliser leurs anciennes méthodes d'audit de contrats.
Mais à long terme, cette voie mérite d'être suivie. Plus l'IA pénètre dans les activités réelles, moins les problèmes de sécurité se limiteront au modèle lui-même. Celui qui peut aider les entreprises à voir ce que font leurs agents, quels comportements présentent un risque, et comment retracer les problèmes en cas d'incident, a des chances de devenir un fournisseur de services important dans l'infrastructure IA.
Équipes applicatives et communautaires : Des produits Web3 aux produits augmentés par l'IA
Ces équipes comprennent les plateformes de contenu, les outils de recherche et d'investissement, les outils de trading, les produits éducatifs, les produits communautaires, les outils de croissance et les produits de gestion des utilisateurs. Elles ne sont pas nécessairement adaptées pour devenir directement des infrastructures IA, mais conviennent parfaitement pour intégrer l'IA dans leurs activités existantes.
L'erreur la plus courante des équipes applicatives est de vouloir se transformer précipitamment en entreprise IA dès qu'elles voient la tendance. Elles passent d'une communauté à un réseau social IA, d'un contenu à une plateforme de contenu IA, de la recherche d'investissement à un conseiller en investissement IA. Cela semble être un grand changement, mais sans scénario réel ni demande de paiement, cela peut facilement devenir un simple rebranding.
Une approche plus réaliste consiste à intégrer l'IA dans le produit existant pour résoudre des problèmes que les utilisateurs rencontrent déjà.
Il existe déjà des références pour ce type de direction. Par exemple, des produits comme Kaito ne se contentent pas de créer un simple « outil de chat IA », mais organisent, autour du problème de surcharge d'informations dans la Crypto, les dynamiques de projets, les réseaux sociaux, la popularité des récits, la diffusion de contenu et l'attention des utilisateurs, permettant aux chercheurs et aux porteurs de projets de voir plus rapidement ce dont le marché discute. L'inspiration pour les équipes applicatives est que l'IA ne doit pas nécessairement être un produit à part entière, mais peut devenir une capacité de filtrage d'informations, d'organisation sémantique et de détection de signaux.
De même, certains Crypto Copilots et assistants de recherche investissent non pas pour juger à la place de l'utilisateur si un projet est bon, mais pour organiser les annonces, les livres blancs, les propositions de gouvernance, les données on-chain, les informations de financement et les dynamiques de marché en contenu plus facilement compréhensible. Pour les outils de recherche, cela a plus de valeur qu'un simple « chatbot ». Parce que la vraie difficulté des utilisateurs n'est pas de poser des questions, mais de devoir traiter quotidiennement trop d'informations, provenant de sources trop dispersées, avec un coût de jugement trop élevé.
La même logique s'applique aux outils communautaires et opérationnels. Les porteurs de projets doivent quotidiennement gérer les questions des utilisateurs, les retours d'activités, le contenu des communautés, les données des KOL et les pistes de croissance. Si l'IA ne sert qu'à répondre à quelques questions fréquentes sur Telegram ou Discord, sa valeur est limitée. Mais si elle peut aider les porteurs de projets à organiser les questions fréquentes de la communauté, étiqueter les utilisateurs, identifier les contributeurs actifs, classer les retours d'activités, générer des analyses opérationnelles, alors elle devient un outil réellement intégré au flux de travail opérationnel.
Les produits éducatifs peuvent être envisagés de la même manière. Pour les nouveaux utilisateurs du Web3, la difficulté n'est pas tant de trouver du contenu, mais plutôt que le contenu est trop abondant, le seuil d'entrée trop élevé, et l'information difficile à vérifier. L'IA peut générer des parcours d'apprentissage adaptés au niveau de l'utilisateur, expliquer les termes, organiser des études de cas, servir de partenaire d'entraînement par questions-réponses, ou décomposer un contenu complexe en versions plus compréhensibles pour les débutants.
Ainsi, pour les équipes applicatives, l'IA est mieux adaptée comme amplificateur des capacités produits et opérationnelles.
Les plateformes de contenu peuvent utiliser l'IA pour le filtrage, le résumé, la recommandation et la distribution multilingue d'informations ; les outils de recherche peuvent l'utiliser pour l'interprétation des données on-chain, la surveillance de projets, l'organisation des informations de marché et les alertes de risque ; les produits communautaires peuvent l'utiliser pour les réponses automatiques, la segmentation des utilisateurs, l'opération d'activités et la modération de contenu ; les plateformes éducatives peuvent l'utiliser pour les parcours d'apprentissage personnalisés, la génération de cours et l'assistance aux questions ; les outils de trading peuvent l'utiliser pour l'analyse de données, les alertes de risque et l'assistance à la stratégie.
Ces directions ne semblent pas aussi vastes que l'« économie des agents », mais sont plus faciles à mettre en œuvre. Parce que les équipes applicatives ont déjà des utilisateurs, du contenu, des scénarios et une expérience opérationnelle. L'ajout de l'IA résout des problèmes déjà présents dans le produit existant, comme l'excès d'informations, l'incompréhension des utilisateurs, les coûts élevés du service client, la lenteur de production de contenu, l'inefficacité de la recherche et la lourdeur de l'opération communautaire.
La clé de cette migration est de ne pas s'éloigner du scénario utilisateur d'origine.
Si un outil de recherche Web3 sert déjà des traders et des chercheurs, alors l'IA peut aider les utilisateurs à comprendre plus rapidement les annonces, les livres blancs, les données on-chain et les changements du marché. Si une plateforme éducative Web3 sert déjà des utilisateurs novices, alors l'IA peut proposer des questions-réponses personnalisées et des parcours d'apprentissage. Si un produit communautaire sert déjà des porteurs de projets, alors l'IA peut aider à la segmentation des utilisateurs, à la maintenance de la communauté et à la communication d'activités.
Ce sont toutes des demandes réelles.
Souvent, les équipes applicatives n'ont pas besoin de viser une « transformation ». Intégrer l'IA comme une nouvelle capacité dans le produit existant permet d'utiliser plus facilement la base d'utilisateurs, de contenu et d'activité existante, et d'éviter de plonger dans un tout nouveau marché concurrentiel de l'IA.
Bien sûr, cette voie ne peut pas se contenter d'ajouter un simple chatbot.
Ce que beaucoup de produits appellent aujourd'hui « IA-ification » n'est souvent qu'une fenêtre de questions-réponses supplémentaire. L'expérience utilisateur ne s'améliore pas significativement, et l'efficacité opérationnelle ne change pas non plus. Ce type d'IA-ification a du mal à créer une valeur à long terme.
Une véritable augmentation par l'IA doit s'intégrer dans le flux de travail existant de l'utilisateur. Elle doit soit aider l'utilisateur à gagner du temps, soit améliorer la qualité des décisions, soit réduire les coûts opérationnels, soit augmenter la conversion et la rétention. Si ces objectifs ne sont pas atteints, la fonctionnalité IA deviendra rapidement un gadget.
Ainsi, pour les équipes applicatives et communautaires, la manière la plus réaliste de migrer est d'abord d'utiliser l'IA pour rendre leur produit et leurs opérations existants plus efficaces. Les utilisateurs comprennent-ils plus facilement les informations ? Les porteurs de projets gèrent-ils plus facilement leur communauté ? Les chercheurs terminent-ils leurs évaluations plus rapidement ? Le service client et la croissance sont-ils moins gourmands en main-d'œuvre ? Ces questions sont plus importantes que de savoir « si l'on se transforme en IA ».
Quelles directions vaut-il mieux éviter ?
Après avoir abordé les équipes adaptées à la migration, il faut aussi préciser quelles directions méritent la prudence.
Première catégorie : créer un modèle de langage générique à partir de zéro.
Cette direction nécessite des capacités en modèles, des ressources en calcul, des données d'entraînement, une équipe de recherche et des investissements en capital à long terme. C'est déjà un marché hautement concurrentiel, avec des entreprises de grands modèles, des géants d'Internet et des équipes de start-up natives en IA. Si les équipes Web3 chinoises n'ont pas d'accumulation technologique et de ressources particulièrement solides, il est difficile de se tailler une place avantageuse.
Un problème plus réaliste est que les avantages accumulés par les équipes Web3 ne se situent généralement pas dans l'entraînement de modèles. Beaucoup d'équipes excellent réellement dans les protocoles, les données, les portefeuilles, les paiements, la sécurité, les communautés et les marchés étrangers. Se lancer directement dans les grands modèles génériques équivaut à abandonner leurs acquis pour entrer dans une voie plus lourde, plus compétitive et plus coûteuse.
Deuxième catégorie : se lancer immédiatement dans une plateforme d'agents IA générique.
Beaucoup de plateformes d'agents semblent très ambitieuses, capables d'accomplir toutes sortes de tâches. Mais lors de la mise en œuvre, ce qui intéresse les utilisateurs n'est souvent pas l'ampleur de la plateforme, mais la capacité à accomplir de manière stable une tâche spécifique. Peut-elle s'intégrer à un flux de travail réel ? Réduit-elle les coûts de main-d'œuvre ? Garantit-elle la qualité des résultats ? Quelqu'un est-il prêt à payer ? Ces questions sont plus importantes que le « récit de la plateforme ».
Sans tâche claire, norme de livraison et acheteur identifié, une plateforme d'agents peut facilement rester au stade de démonstration. Elle semble avancée, mais peine à entrer dans l'usage quotidien des utilisateurs.
Troisième catégorie : les directions comme le trader IA, les revenus automatisés et le conseil en investissement intelligent.
Ce type de produit a naturellement un potentiel viral dans la sphère Web3, car il répond aux attentes des utilisateurs en matière de rendement. Le trading automatique par IA, l'IA qui gagne de l'argent pour vous, l'IA qui prend des décisions d'investissement à votre place, tout cela semble très attrayant.
Mais les problèmes de cette direction sont également les plus complexes. Elle touche facilement aux fonds des utilisateurs, aux promesses de rendement, à la gestion d'actifs, à la conformité des conseils en investissement et à la gestion des risques de trading. Dès que l'expression du produit devient un peu trop agressive, on peut glisser de « l'assistance par outil » vers « la promesse de rendement ». Pour les équipes chinoises, cette direction est particulièrement sensible et difficile à adopter comme chemin entrepreneurial stable à long terme.
Quatrième catégorie : simplement recouvrir un projet existant d'une coquille IA.
Passer des NFT à la génération d'images par IA, du GameFi à des PNJ IA, d'un portefeuille à un assistant de chat IA, d'une communauté à un bot IA. De telles modifications peuvent générer un buzz à court terme, mais si elles n'améliorent pas la valeur du produit, il est difficile de fidéliser les utilisateurs et de convaincre un véritable acheteur.
L'IA peut être une porte d'entrée pour la migration de capacités, mais elle ne peut pas résoudre les problèmes fondamentaux d'un projet sans demande réelle.
Si l'activité d'origine n'a pas d'utilisateurs, pas de revenus, pas de scénario, et se contente de changer de récit en faveur de l'IA, elle finira probablement par revenir au même problème. Pourquoi les utilisateurs en ont-ils besoin ? Qui paiera de manière continue ? Qu'est-ce que l'équipe résout réellement ?
Ainsi, pour les équipes Web3 chinoises, évaluer si une direction liée à l'IA vaut la peine d'être poursuivie ne doit pas se baser uniquement sur sa popularité. Ce qui est plus important, c'est de savoir si elle a un scénario réel, un acheteur clair, des capacités réutilisables et des frontières réglementaires relativement claires.
Pour conclure
Le cycle de l'IA est arrivé, et les équipes Web3 chinoises doivent bien sûr le surveiller, et elles devraient le faire.
Mais ce qui mérite vraiment d'être observé, ce n'est pas quel concept est à nouveau en vogue, mais plutôt si les capacités accumulées au cours des dernières années peuvent encore trouver de nouveaux points d'ancrage.
Des données, de l'identité, des paiements, à la sécurité, la gestion des risques et les produits applicatifs, ce que les équipes Web3 peuvent migrer, ce sont en réalité des éléments qu'elles ont déjà consolidés dans leurs activités existantes. L'IA fournit de nouveaux scénarios pour ces capacités, mais elle ne peut pas combler les bases d'un projet sans demande réelle.
Donc, pour les entrepreneurs Web3 chinois, le passage à l'IA n'est pas la clé ; la capacité à migrer les compétences l'est.
Si le passé a permis d'accumuler des compétences en données, comptes, paiements, sécurité, opérations et scénarios utilisateurs, alors l'IA pourrait être une nouvelle voie.
Si le passé ne comportait que du récit et de l'emballage, le passage à l'IA ne fera que changer le terme pour un autre plus à la mode.
