Auteur original : Cuy Sheffield, Vice-président et responsable des activités crypto chez Visa
Compilation originale : Saoirse, Foresight News
Alors que les cryptomonnaies et l'IA arrivent progressivement à maturité, la transformation la plus importante dans ces deux domaines n'est plus « théoriquement possible », mais « fiable et praticable ». Actuellement, les deux technologies ont franchi des seuils critiques, avec des performances considérablement améliorées, mais leur adoption pratique reste inégale. Les dynamiques de développement clés pour 2026 découlent précisément de cet écart entre « performance et adoption ».
Voici plusieurs thèmes centraux que je suis de près, ainsi que des réflexions préliminaires sur ces orientations technologiques, les domaines d'accumulation de valeur, et « pourquoi les gagnants finaux pourraient être radicalement différents des pionniers du secteur ».
Thème 1 : Les cryptomonnaies passent d'une classe d'actifs spéculative à une technologie de qualité
La première décennie de développement des cryptomonnaies a été caractérisée par un « avantage spéculatif » — leur marché est mondial, continu et très ouvert, et leur forte volatilité a rendu le trading de cryptos plus dynamique et attractif que les marchés financiers traditionnels.
Mais parallèlement, leur technologie sous-jacente n'était pas prête pour une adoption grand public : les premières blockchains étaient lentes, coûteuses et manquaient de stabilité. En dehors des scénarios spéculatifs, les cryptomonnaies n'ont presque jamais surpassé les systèmes traditionnels existants en termes de coût, de vitesse ou de commodité.
Aujourd'hui, ce déséquilibre commence à s'inverser. La technologie blockchain est devenue plus rapide, plus économique et plus fiable, et le cas d'usage le plus attractif des cryptomonnaies n'est plus la spéculation, mais le domaine des infrastructures — en particulier le règlement et les paiements. Alors que les cryptomonnaies deviennent une technologie plus mature, la place centrale de la spéculation s'atténuera progressivement : elle ne disparaîtra pas complètement, mais ne sera plus la principale source de valeur.
Thème 2 : Les stablecoins sont le résultat tangible des cryptomonnaies en termes de « pure utilité »
Les stablecoins diffèrent des récits précédents sur les cryptomonnaies ; leur succès repose sur des critères concrets et objectifs : dans des scénarios spécifiques, les stablecoins sont plus rapides, moins chers, ont une portée plus large que les canaux de paiement traditionnels, tout en s'intégrant de manière transparente aux systèmes logiciels modernes.
Les stablecoins n'exigent pas des utilisateurs qu'ils voient les cryptomonnaies comme une « idéologie » à adopter ; leur application se produit souvent de manière « invisible » dans les produits et flux de travail existants — ce qui permet enfin aux institutions et entreprises qui considéraient auparavant l'écosystème crypto comme « trop volatile et pas assez transparent » de comprendre clairement sa valeur.
On peut dire que les stablecoins aident les cryptomonnaies à se recentrer sur « l'utilité » plutôt que la « spéculation », et établissent une référence claire pour « comment les cryptomonnaies peuvent réussir leur déploiement ».
Thème 3 : Lorsque les cryptomonnaies deviennent une infrastructure, la « capacité de distribution » est plus importante que la « nouveauté technologique »
Par le passé, lorsque les cryptomonnaies jouaient principalement un rôle « d'outil spéculatif », leur « distribution » était endogène — un nouveau jeton n'avait qu'à « exister » pour accumuler naturellement de la liquidité et de l'attention.
Lorsque les cryptomonnaies deviennent une infrastructure, leurs cas d'usage passent du « niveau marché » au « niveau produit » : elles sont intégrées dans les processus de paiement, les plateformes et les systèmes d'entreprise, les utilisateurs finaux n'étant souvent pas conscients de leur présence.
Ce changement profite grandement à deux types d'entités : les entreprises disposant de canaux de distribution existants et de relations clients fiables ; et les institutions disposant d'agréments réglementaires, de systèmes de conformité et d'infrastructures de gestion des risques. La simple « nouveauté protocolaire » ne suffit plus à conduire une adoption massive des cryptomonnaies.
Thème 4 : Les agents IA ont une valeur utilitaire, leur impact dépasse le domaine du codage
L'utilité des agents IA (Agents) est de plus en plus évidente, mais leur rôle est souvent mal compris : les agents les plus performants ne sont pas des « décideurs autonomes », mais des « outils réduisant les coûts de coordination dans les flux de travail ».
Historiquement, cela a été le plus évident dans le développement logiciel — les outils d'agents accélèrent l'efficacité du codage, du débogage, de la refactorisation du code et de la configuration des environnements. Mais ces dernières années, cette « valeur d'outil » s'est considérablement étendue à de nombreux autres domaines.
Prenons l'exemple d'outils comme Claude Code : bien qu'il soit positionné comme un « outil de développement », sa rapide adoption reflète une tendance plus profonde : les systèmes d'agents deviennent « l'interface du travail intellectuel », et ne se limitent plus au domaine de la programmation. Les utilisateurs commencent à appliquer les « flux de travail pilotés par des agents » à la recherche, l'analyse, l'écriture, la planification, le traitement des données et les tâches opérationnelles — ces tâches relèvent plus du « travail professionnel général » que de la programmation traditionnelle.
Ce qui est vraiment crucial, ce n'est pas le « codage ambiant » en soi, mais le modèle central qui le sous-tend :
- L'utilisateur délègue une « intention d'objectif », et non des « étapes spécifiques » ;
- L'agent gère les « informations contextuelles » à travers les fichiers, les outils et la gestion des tâches ;
- Le mode de travail passe d'une « avancée linéaire » à un mode « itératif et conversationnel ».
Dans divers types de travail intellectuel, les agents excellent pour collecter le contexte, exécuter des tâches limitées, réduire les transferts de processus et accélérer l'efficacité itérative, mais présentent encore des lacunes en matière de « jugement ouvert », de « responsabilité » et de « correction d'erreurs ».
Par conséquent, la plupart des agents utilisés en production doivent encore être « limités en scope, supervisés, intégrés dans des systèmes », et non fonctionner de manière totalement indépendante. La valeur réelle des agents provient de la « refonte des flux de travail intellectuels », et non du « remplacement de la main-d'œuvre » ou de la « réalisation d'une autonomie complète ».
Thème 5 : Le goulot d'étranglement de l'IA est passé du « niveau d'intelligence » à la « confiance »
Le niveau d'intelligence des modèles d'IA a rapidement progressé ; le facteur limitant n'est plus « la seule fluidité linguistique ou capacité de raisonnement », mais la « fiabilité dans les systèmes réels ».
Les environnements de production ne tolèrent pas zéro problème de trois types : premièrement, les « hallucinations » de l'IA (production d'informations fausses) ; deuxièmement, des résultats incohérents ; troisièmement, des modes de défaillance opaques. Dès que l'IA implique le service client, les transactions financières ou la conformité, des résultats « à peu près corrects » ne sont plus acceptables.
La construction de la « confiance » nécessite quatre fondements : des résultats traçables, une capacité de mémoire, la possibilité d'être vérifiés, et la capacité d'exposer activement « l'incertitude ». Avant que ces capacités ne soient suffisamment matures, l'autonomie de l'IA doit être limitée.
Thème 6 : L'ingénierie système détermine si l'IA peut être déployée en production
Les produits IA réussis considèrent le « modèle » comme un « composant » et non un « produit fini » — leur fiabilité provient de la « conception de l'architecture », et non de « l'optimisation des prompts ».
La « conception de l'architecture » inclut la gestion d'état, le flux de contrôle, les systèmes d'évaluation et de monitoring, ainsi que les mécanismes de traitement des pannes et de récupération. C'est aussi pourquoi le développement de l'IA ressemble de plus en plus aujourd'hui à de « l'ingénierie logicielle traditionnelle », et non à de la « recherche théorique de pointe ».
La valeur à long terme ira à deux types d'entités : les constructeurs de systèmes, et les propriétaires de plateformes qui contrôlent les flux de travail et les canaux de distribution.
Alors que les outils d'agents passent du domaine du codage à la recherche, l'écriture, l'analyse et les processus opérationnels, l'importance de « l'ingénierie système » deviendra encore plus évidente : le travail intellectuel est souvent complexe, dépendant de l'état et dense en contexte, ce qui donne plus de valeur aux agents « capables de gérer de manière fiable la mémoire, les outils et les processus itératifs » (plutôt qu'aux agents ne faisant que générer une sortie).
Thème 7 : La contradiction entre modèles ouverts et contrôle centralisé soulève des problèmes de gouvernance non résolus
Alors que les systèmes d'IA deviennent plus puissants et s'intègrent davantage à l'économie, la question de « qui possède et contrôle les modèles d'IA les plus puissants » provoque une contradiction centrale.
D'un côté, la R&D à la pointe de l'IA reste « capitalistique », et est affectée par « l'accès à la puissance de calcul, les politiques réglementaires et la géopolitique », avec une concentration croissante ; de l'autre, les modèles open source et les outils open source, poussés par « l'expérimentation extensive et le déploiement aisé », continuent de s'améliorer et d'optimiser.
Cette situation de « concentration et d'ouverture coexistantes » soulève une série de questions non résolues : les risques de dépendance, l'auditabilité, la transparence, le pouvoir de négociation à long terme, et le contrôle des infrastructures critiques. Le résultat le plus probable est un « mode hybride » — les modèles de pointe poussent les capacités techniques, tandis que les systèmes ouverts ou semi-ouverts intègrent ces capacités dans des « logiciels largement distribués ».
Thème 8 : La monnaie programmable donne naissance à de nouveaux flux de paiement pour agents intelligents
Lorsque les systèmes d'IA jouent un rôle dans les flux de travail, leurs besoins en « interactions économiques » augmentent — par exemple, payer pour des services, appeler des API, rémunérer d'autres agents, ou régler des « frais d'interaction basés sur l'utilisation ».
Ce besoin remet les « stablecoins » sous les projecteurs : ils sont considérés comme une « monnaie native des machines », programmable, auditable, et pouvant être transférée sans intervention humaine.
Prenons l'exemple de protocoles orientés développeurs comme x402 : bien qu'ils en soient encore aux premiers stades expérimentaux, la direction qu'ils indiquent est très claire : les flux de paiement fonctionneront sous forme « d'API », et non de « pages de paiement » traditionnelles — cela permettra des « transactions continues et granulaires » entre agents logiciels.
Actuellement, ce domaine est encore immature : petits volumes de transactions, expérience utilisateur rudimentaire, systèmes de sécurité et d'autorisation encore en cours de perfectionnement. Mais l'innovation infrastructurelle commence souvent par de telles « explorations précoces ».
Il est important de noter que sa signification n'est pas « l'autonomie pour l'autonomie », mais plutôt « lorsque le logiciel peut effectuer des transactions par programmation, de nouveaux comportements économiques deviennent possibles ».
Conclusion
Que ce soit pour les cryptomonnaies ou l'intelligence artificielle, les phases de développement initial ont favorisé les « concepts accrocheurs » et la « nouveauté technologique » ; dans la phase suivante, la « fiabilité », les « capacités de gouvernance » et la « capacité de distribution » deviendront des dimensions de compétition plus importantes.
Aujourd'hui, la technologie elle-même n'est plus le principal facteur limitant ; « l'intégration de la technologie dans des systèmes réels » est la clé.
À mon avis, la caractéristique marquante de 2026 ne sera pas « une technologie révolutionnaire particulière », mais « l'accumulation régulière d'infrastructures » — ces installations fonctionnent silencieusement tout en remodelant subtilement la « façon dont la valeur circule » et la « manière dont le travail est effectué ».
