Base MCP, la prochaine étape de X402

marsbitPublié le 2026-05-28Dernière mise à jour le 2026-05-28

Résumé

Hier, Base a officiellement lancé Base MCP. Ce système permet de connecter un compte Base à un Agent IA, afin d'effectuer via des commandes vocales simples des opérations comme des swaps, des transferts, le suivi de positions ou la consultation d'historique de transactions. Alors que pour les utilisateurs, cette évolution s'inscrit dans la tendance AI de la blockchain Base, l'enjeu stratégique est plus large : la course au paiement entre Agents IA. En septembre 2024, les options étaient limitées et peu sûres. Depuis, des solutions comme x402 de Coinbase (mai 2025), AP2 de Google ou Visa Intelligent Commerce ont émergé. x402 a déjà traité 176 millions de transactions d'Agents pour un montant total de plus de 70 millions de dollars. Les transactions sont majoritairement inférieures à 0,30 USD, un montant où les frais fixes traditionnels (environ 0,30 USD) rendent les micro-paiements non viables. Les stablecoins, avec des frais de règlement négligeables sur Base (0,0001 USD), offrent un avantage décisif. 98,6% des transactions x402 sont réglées en USDC. Coinbase fait face à la concurrence de Stripe, qui dispose d'une architecture similaire avec son protocole Tempo pour le règlement, Privy pour les portefeuilles, Bridge pour le routage et son protocole de paiement MPP. Le lancement de Base MCP vise donc à conquérir la couche application. L'objectif stratégique de Coinbase est de faire en sorte que l'activité IA dans la cryptographie se déroule sur Base, afin d'élargir les scé...

Hier, Base a officiellement lancé Base MCP. En connectant Base Account à un Agent IA via Base MCP, vous pouvez utiliser un langage courant, comme dans une conversation, pour que l'Agent exécute des opérations telles que Swap, transferts, suivi de positions, consultation de l'historique des transactions, etc.

Les initiés de Base savent que le thème principal sur la chaîne Base est désormais l'IA. Une telle mise à jour n'est donc pas une surprise. Certains espèrent même qu'à l'avenir, de nouvelles opportunités similaires aux memecoins IA comme $SHIT sur Ethereum émergeront sur Base, permettant par exemple de participer à des lancements de tokens directement via la conversation avec un Agent via Base MCP.

Mais si nous nous éloignons du point de vue du « degen » sur la chaîne pour considérer la compétition dans le domaine des paiements d'Agent à Agent, nous pourrions obtenir une nouvelle réponse à la question de savoir pourquoi l'IA est devenue le thème principal de Base.

L'essor rapide des paiements par Agent

Revenons à septembre 2024. À cette époque, pour qu'un Agent IA effectue un paiement, les humains n'avaient pratiquement qu'une seule option : utiliser des outils d'automatisation de navigateur (comme Playwright, Selenium ou d'autres navigateurs sans interface) pour que l'Agent IA simule les actions humaines et complète le processus de paiement sur une page web.

Cette unique option, qui nécessitait de fournir à l'Agent IA les identifiants de paiement (numéro de carte complet, CVV, date d'expiration, etc.), n'était pas sûre.

En mai 2025, Coinbase a lancé x402, fournissant un portefeuille crypto à l'Agent IA et résolvant ce problème de manière native au monde crypto. Mais Coinbase n'était pas le seul à voir ce marché potentiel, et la solution native crypto n'était pas la seule disponible. En 2025, Google a lancé AP2, permettant aux utilisateurs d'autoriser leurs Agents à effectuer des dépenses. Visa a étendu ses canaux de paiement par carte existants avec Visa Intelligent Commerce, ne fournissant pas les informations sensibles de la carte à l'Agent, mais plutôt des jetons spécifiques et limités pour lui permettre d'effectuer les paiements.

Aujourd'hui, x402 a traité 176 millions de transactions provenant d'Agents IA, pour un montant total supérieur à 70 millions de dollars. Ce chiffre peut sembler modeste, mais ni Coinbase ni les géants traditionnels ne sous-estiment cette compétition émergente dans les modes de paiement :

- Le 22 janvier 2026, Capital One, la sixième plus grande banque des États-Unis avec 470 milliards de dollars d'actifs, 330 milliards de dollars de dépôts et le troisième émetteur de cartes de crédit du pays, a annoncé l'acquisition de Brex pour 5,15 milliards de dollars afin d'améliorer ses capacités de paiement IA.

- En mars 2026, Mastercard a acquis l'infrastructure de stablecoins BVNK pour 1,8 milliard de dollars.

- En février 2025, Stripe a acquis la plateforme de paiement en stablecoins Bridge pour 1,1 milliard de dollars.

Bien qu'ils ne l'aient pas explicitement dit, l'acquisition d'entreprises liées aux stablecoins vise à se préparer à l'ère des paiements par Agent qui arrive. Les stablecoins sont en effet cruciaux pour les paiements par Agent.

Pourquoi les stablecoins sont-ils importants pour les paiements par Agent ?

Selon les données statistiques de Keyrock, jusqu'à présent, la médiane des montants des transactions d'Agent traitées sur x402 se situe entre 0,01 et 0,10 dollar, et 76 % des transactions sont inférieures à 0,30 dollar.

0,30 dollar, c'est le frais fixe le plus courant par transaction aux États-Unis et sur la plupart des marchés principaux. Ces frais forment un mur qui rend les micropaiements inférieurs à 1 dollar très peu économiques. Par exemple, pour un appel API à 3 cents, des frais de 0,30 dollar représentent un coût 10 fois supérieur. Si un Agent payait par carte de crédit, les coûts cumulés deviendraient prohibitifs.

La blockchain résout très bien ce problème. Sur Base, le coût de règlement d'une transaction est de 0,0001 dollar. Grâce à cet avantage considérable, les stablecoins ont presque naturellement remporté la compétition contre les géants traditionnels du paiement dans le domaine des paiements par Agent.

Sur les 176 millions de transactions d'Agent déjà traitées par x402, 98,6 % ont été réglées en USDC. Compte tenu de la relation étroite entre Coinbase et Circle, on peut dire que Coinbase est également un grand gagnant au niveau de la couche de règlement.

Mais la couche de règlement n'est qu'une partie des paiements par Agent. Dans la course à la résolution native crypto des paiements par Agent, Coinbase a un concurrent : Stripe.

Le défi de Stripe

En mars dernier, Stripe a lancé son protocole de paiement pour Agent, MPP. Cela signifie que Stripe dispose désormais d'une architecture de paiement par Agent presque équivalente à celle de Coinbase.

- Au niveau de la couche de règlement : Coinbase a Base, Stripe a Tempo.

- Au niveau de la couche portefeuille : Coinbase a Agent Wallet, Stripe a Privy.

- Au niveau de la couche de routage : Coinbase intègre des infrastructures de routage, Stripe a Bridge (acquis pour 1,1 milliard de dollars).

- Au niveau du protocole de paiement : Coinbase a x402, Stripe a MPP.

Revenons maintenant à Base MCP mentionné au début de l'article. Maintenant que les deux adversaires disposent de ces quatre couches d'infrastructure, la prochaine bataille se jouera naturellement au niveau de la couche application.

C'est là la raison essentielle pour laquelle l'IA est devenue le thème principal de Base : Base veut s'assurer que l'IA (du moins dans le domaine des cryptomonnaies) se déroule sur Base. L'objectif n'est pas seulement de fournir des opportunités aux « degens » de la chaîne, mais d'élargir les scénarios de paiement par Agent, pour que davantage d'Agents effectuent davantage de transactions pour davantage d'applications, garantissant ainsi sa position de leader dans la course aux paiements par Agent.

Lorsqu'un avantage d'échelle dominant se formera, Coinbase pourra profiter pleinement du futur marché commercial des paiements par Agent.

Vu sous cet angle, le lancement de Base MCP n'est qu'un petit pas dans l'ambition démesurée de Coinbase.

Questions liées

QQu'est-ce que Base MCP et quel est son objectif principal ?

ABase MCP est un protocole publié par Base qui permet de connecter un Base Account à un Agent IA. Son objectif principal est de permettre aux utilisateurs d'utiliser des expressions conversationnelles pour demander à l'Agent d'effectuer des opérations sur la blockchain, telles que des Swaps, des transferts, le suivi de positions ou la consultation de l'historique des transactions.

QPourquoi les stablecoins sont-ils considérés comme cruciaux pour les paiements par Agent IA ?

ALes stablecoins sont cruciaux pour les paiements par Agent IA car ils permettent des micro-paiements économiquement viables. Sur Base, le coût de règlement d'une transaction n'est que de 0,0001 dollar, contre des frais fixes typiques de 0,30 dollar sur les réseaux traditionnels, ce qui rend les paiements de faible montant (souvent inférieurs à 0,30 $ pour les Agents) réalisables.

QQuelle est la principale concurrence pour Coinbase/x402 dans le domaine des paiements par Agent IA selon l'article ?

ASelon l'article, la principale concurrence pour Coinbase/x402 dans le domaine des paiements par Agent IA est Stripe. Stripe a développé une infrastructure similaire avec son réseau Tempo (couche de règlement), Privy (portefeuille), Bridge (couche de routage) et son protocole de paiement MPP.

QQuel est le montant médian des transactions traitées par x402 et quelle stablecoin domine ces règlements ?

ALe montant médian des transactions traitées par x402 se situe entre 0,01 et 0,10 dollar. Parmi ces transactions, 98,6 % sont réglées en USDC, la stablecoin associée à Circle, partenaire de Coinbase.

QD'après l'article, quelle est la raison stratégique plus profonde pour laquelle Base fait de l'IA sa ligne principale ?

ALa raison stratégique plus profonde est de s'assurer que l'IA (au moins dans le domaine des cryptomonnaies) opère sur Base. L'objectif est d'élargir les scénarios de paiement par Agent, d'augmenter le nombre de transactions et de consolider la position dominante de Coinbase dans cette course. Cela permet de construire un avantage d'échelle pour gagner davantage lorsque les paiements par Agent entreront dans le domaine commercial.

Lectures associées

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

Trois ans après ses prédictions sur ChatGPT en mars 2023, Wang Jianshuo revient sur ses vingt affirmations initiales, évaluées en mai 2026 par des agents IA. Sur les vingt points, la majorité des tendances de fond étaient correctes : l'essor du RAG comme architecture dominante pour l'injection de connaissances, le rôle central de l'interface utilisateur en langage naturel (LUI), l'émergence de protocoles pour un "réseau d'agents", et le rattrapage technologique rapide des modèles chinois. Des erreurs notables portent sur des chiffres précis, comme les 100 billions de paramètres supposés de GPT-4 (en réalité environ 1,8 billion) ou une estimation trop basse des coûts de formation des grands modèles. Certaines prévisions se sont révélées trop absolues ("l'IA ne fera jamais de mathématiques pures") ou ont négligé les disparités (aucune vague de chômage massif, mais un impact sévère sur les jeunes diplômés). L'analyse révèle que les intuitions sur les mécanismes et les directions se sont avérées bien plus fiables que les prédictions numériques ou temporelles, souvent trop optimistes à court terme. La prudence dans les formulations et la reconnaissance des incertitudes se sont montrées précieuses avec le recul. Ce bilan offre des leçons pour les futurs pronostics : privilégier les tendances aux chiffres, anticiper les effets distributifs et accepter que certaines questions demandent plus de trois ans pour être tranchées.

marsbitIl y a 7 h

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

marsbitIl y a 7 h

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

Trois ans après ses prédictions sur le ChatGPT en mars 2023, Wang Jianshuo revient sur ses 20 affirmations initiales. Évaluées en mai 2026 par des agents IA, la plupart de ses intuitions sur les grandes tendances se sont révélées justes : le RAG est devenu l'architecture standard pour intégrer des connaissances, l'Interface Utilisateur en Langage Naturel (LUI) a créé un nouvel écosystème, et les modèles chinois ont presque rattrapé les leaders mondiaux. Des concepts comme les réseaux d'agents et la nature limitée du test de Turing se sont également matérialisés. Cependant, les prévisions quantitatives et les affirmations trop absolues ont souvent échoué. Le paramétrage supposé du GPT-4 (100T) était inexact, et les coûts de développement des modèles ont dépassé les estimations. Il a sous-estimé la vitesse de personnalisation des IA et l'impact distribué sur l'emploi des jeunes. La capture de valeur a surtout bénéficié à la couche matérielle (comme Nvidia), et non aux seules applications. Les leçons clés sont que les mécanismes et les directions sont plus fiables que les chiffres précis, que l'optimisme à court terme doit être tempéré, et que les nuances ("peut-être", "pour l'instant") rendent les prédictions plus robustes. Cette rétrospective souligne l'importance de distinguer les tendances confirmées des questions toujours ouvertes.

链捕手Il y a 10 h

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

链捕手Il y a 10 h

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

Alors que l'IA écrit du code, traite des tickets clients et révise des documents juridiques, elle ne se contente plus d'être un outil mais devient une source directe de travail. La commercialisation de l'IA évolue ainsi d'un marché de « jetons » (tokens) ou d'heures de GPU vers un nouveau marché : celui de la « main-d'œuvre machine ». Dans ce marché, le jeton n'est qu'une unité de mesure, le GPU un intrant, et le modèle un outil de production. L'objet véritablement tarifé et échangé est le travail économique accompli directement par le logiciel. Le mécanisme de prix de l'IA devrait évoluer des jetons bruts vers des capacités de modèles standardisées, puis vers une main-d'œuvre sectorielle, et enfin vers un marché de résultats programmables. À l'avenir, les entreprises pourraient ne plus se soucier du modèle ou du GPU spécifique utilisé, mais uniquement du fait que la tâche soit livrée dans des délais, avec un taux de précision, une fiabilité et un coût conformes aux standards. Ce changement ne signifie pas un simple remplacement du travail humain. Alors que la machine assume des tâches standardisées et vérifiables, le rôle humain pourrait se déplacer vers la supervision, la responsabilité finale, la gestion du contexte et les jugements critiques. Dans certains cas, les 1% de jugement humain final pourraient gagner en valeur, car ils permettent de débloquer les 99% d'automatisation à grande échelle. Le marché évolue donc vers une couche où le « travail » lui-même devient l'unité stable, standardisée, vérifiable et négociable. La prochaine phase de concurrence ne portera pas seulement sur la puissance des modèles ou le prix du calcul, mais sur la capacité à standardiser, vérifier et tarifer le « travail » accompli, faisant de la main-d'œuvre machine une nouvelle ressource productive que l'on peut acheter, facturer et échanger.

marsbitIl y a 11 h

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

marsbitIl y a 11 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

Dans un article intitulé "La réduction de 99% du prix de MiMo de Xiaomi n'est pas du marketing ! Luo Fuli répond aux détracteurs sur X", Luo Fuli, responsable de MiMo, a publié un billet de blog technique de 5000 mots pour expliquer la baisse drastique des prix de l'API MiMo-V2.5. Contrairement aux interprétations initiales d'une guerre des prix ou d'une stratégie de perte, cette réduction de 99% concerne spécifiquement le coût des entrées en cache ("Input Cache Hit"), c'est-à-dire la relecture du contexte historique dans les conversations longues. Le billet détaille six piliers d'ingénierie ayant permis cette réduction : 1. **Architecture Hybride SWA** : Réduction du volume de la mémoire cache (KVCache) à 1/7 grâce à une attention par fenêtre glissante sur 60 des 70 couches du modèle. 2. **Gestion en double pool** : Allocation efficace de la mémoire pour matérialiser les gains théoriques du SWA, multipliant par 5 le nombre d'utilisateurs simultanés par GPU. 3. **Cache de préfixe optimisé** : Augmentation du taux de réussite du cache à 93-95% en moyenne, évitant de recalculer les contextes répétés. 4. **Système de cache distribué GCache** : Stockage des données sur les SSD des machines GPU existantes, réduisant les coûts de stockage additionnels à zéro. 5. **Système de routage LLM-Router** : Optimisation de l'acheminement des requêtes pour maximiser l'utilisation du cache et améliorer les performances. 6. **Prédiction Multi-Token (MTP)** : Accélération de la génération des réponses du modèle, réduisant également les coûts de sortie. Cette chaîne d'optimisations systémiques a réduit le temps GPU par requête d'un ordre de grandeur, permettant une baisse de prix de 99% tout en maintenant une marge positive. Luo Fuli souligne qu'il s'agit d'un accomplissement d'ingénierie validé en production, et non d'une simple manœuvre marketing, offrant une référence pour réduire les coûts dans le secteur de l'IA.

marsbitIl y a 13 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

marsbitIl y a 13 h

Trading

Spot
Futures
活动图片