Qui gagnera de l’argent à l’ère des Agents ?

链捕手Publié le 2026-05-27Dernière mise à jour le 2026-05-27

Résumé

L'auteur examine qui capturera la valeur économique à l'ère des Agents IA dans l'espace crypto. Il revisite d'abord deux théories dominantes : celle des « protocoles gras » (Fat Protocols), où la valeur s'accumule au niveau de la couche protocolaire (ex: Ethereum), et celle des « applications grasses » (Fat Apps), où elle migre vers la couche applicative contrôlant l'interface utilisateur (ex: portefeuilles comme Phantom). La thèse centrale est que l'avènement des Agents (utilisateurs logiciels autonomes) remet en cause ces modèles, car ils ne se soucient pas de l'expérience utilisateur, de la marque ou de la fidélité. Ils recherchent la rationalité économique pure, l'efficacité et le coût le plus bas, ce qui érode les « barrières frontales » des applications. Plusieurs scénarios sont envisagés : 1. Les applications gagnantes deviennent « headless » (sans interface) et offrent leurs services via des API aux Agents. 2. Les Agents contournent les intermédiaires, permettant un retour en force des protocoles. 3. La pression concurrentielle généralisée comprime les marges de toute la pile technologique vers le coût marginal. 4. Les Agents génèrent une activité économique entièrement nouvelle et à grande échelle, élargissant considérablement le gâteau global. 5. L'émergence de modèles économiques totalement inédits, encore inimaginables aujourd'hui. En conclusion, l'auteur prédit une coexistence prolongée entre utilisateurs humains (où la théorie des applications grasses re...

Auteur : Jonah Burian

Compilation : Jiahuan, ChainCatcher

Beaucoup spéculent que le prochain milliard d'utilisateurs de la blockchain seront des Agents. Mais peu de gens vont plus loin en posant cette question : dans ce monde-là, qui pourra gagner de l'argent ?

Toutes les théories antérieures sur la capture de valeur dans le domaine crypto supposaient que l'utilisateur était humain. La théorie des « protocoles gras » (Fat Protocols) soutenait que les protocoles étaient les plus aptes à monétiser les utilisateurs humains.

La théorie des « applications grasses » (Fat Apps), que moi et mes collègues avons explorée dans « Comment capturer la valeur » et « La Grande Réévaluation », affirmait quant à elle que la couche applicative pouvait faire mieux. Mais les Agents changent la nature même de l'utilisateur, ce qui invalide les théories existantes.

La théorie des protocoles gras

En 2016, @jmonegro a proposé la théorie des « protocoles gras ». Pendant près d'une décennie, elle est restée la théorie dominante de capture de valeur dans le domaine crypto.

L'idée centrale est la suivante : sur Internet traditionnel, la valeur s'accumule au niveau des applications (@Google, @facebook), tandis que les protocoles sous-jacents (TCP/IP, HTTP) capturent presque aucune valeur. Le monde crypto renverse complètement cette dynamique. La blockchain rend les données publiques et partagées, ce qui conduit à une banalisation progressive des applications.

Et comme l'utilisation du réseau nécessite la consommation du jeton du protocole, le jeton capture la valeur spéculative générée par sa croissance. Le succès de chaque application stimule la demande pour le jeton. Le protocole sous-jacent croît plus vite que n'importe quelle application construite dessus.

Pendant des années, cette affirmation semblait vraie. La valeur de Bitcoin et d'Ethereum a largement dépassé celle de toute entreprise construite dessus.

Ce modèle fonctionne parfaitement lorsque le protocole lui-même est rare, coûteux à construire et difficile à remplacer. En 2017, Bitcoin et Ethereum étaient très rares, il n'y avait pas des dizaines de L1 (réseaux de couche 1) génériques se disputant les mêmes charges de travail.

L'espace de bloc était suffisamment limité pour que détenir l'actif de base donne l'impression de détenir une partie de chaque application qui en avait besoin.

Aujourd'hui, des alternatives crédibles existent à chaque niveau de la pile technologique : plusieurs L1 à haut débit, des dizaines de L2, et des couches de règlement et de disponibilité des données (DA) modulaires en concurrence féroce sur les prix. L'espace de bloc est passé d'une ressource limitée à une surabondance.

Avec les ponts inter-chaînes et les agrégateurs qui rendent la chaîne sous-jacente quasi invisible pour l'utilisateur, le coût de changement pour l'utilisateur s'effondre. L'infrastructure devient interchangeable, et un bien interchangeable ne se distingue que par son prix. Résultat, le pouvoir de fixation des prix des protocoles s'évanouit avec la disparition de leur rareté.

La théorie des applications grasses

D'ici 2026, les entités qui capturent la majorité des bénéfices économiques sont les applications, pas les protocoles : par exemple @phantom, @coinbase, @Polymarket, @Pumpfun, etc.

À mon avis, la raison est que l'actif le plus précieux dans le monde crypto est la relation avec l'utilisateur.

Si vous contrôlez l'interface utilisateur et le flux des transactions, vous contrôlez le canal de distribution, et pouvez ainsi profiter de presque tous les produits on-chain que l'utilisateur touche : échange (swap), prêt (lending), jalonnement (staking), création (minting) et accès aux monnaies fiduciaires (fiat on-ramp). C'est probablement aussi la raison pour laquelle les fonds sont si obsédés par les neobanks (nouvelles banques).

Les applications poussent aussi l'infrastructure dans une guerre des prix pure et simple, ce qui force la compression de la marge bénéficiaire vers le coût marginal. J'ai documenté cette stratégie dans l'article « Comment capturer la valeur ». La même dynamique est à l'œuvre dans le domaine des stablecoins, que j'ai évoquée dans d'autres articles.

Les prix des actifs reflètent cette théorie. Spencer et moi avons appelé ce changement « La Grande Réévaluation » : dans ce cycle, la valeur commence à se concentrer vers la couche qui maîtrise l'utilisateur.

Pourquoi les Agents vont briser cette logique

La théorie des applications grasses suppose que l'utilisateur est un humain qui valorise l'UX, la marque et la commodité. Mais les Agents s'en moquent complètement. Ils appellent directement des API, n'ont aucune fidélité à une marque et passent d'une plateforme à l'autre sans coût.

Quand l'utilisateur devient un logiciel, maîtriser la relation avec l'utilisateur n'est plus un fossé infranchissable. Le fossé de l'interface utilisateur, sur lequel repose toute la théorie des applications grasses, devient inefficace.

Alors, à l'ère des Agents, qui pourra capturer la valeur ?

L'application devient « sans tête »

Dans un scénario possible du futur, les gagnants de la couche applicative pourraient conserver leur position en se séparant de leur interface frontale (c'est-à-dire en devenant « sans tête »).

Les portefeuilles (wallets) et les agrégateurs ont déjà effectué le travail de construction le plus difficile : intégrations avec des dizaines de protocoles, logique de routage, authentification et infrastructure d'accès aux monnaies fiduciaires.

L'étape suivante logique serait d'exposer cette pile technologique sous forme d'API pour les Agents, leur permettant de router à travers eux – tout comme les humains le font aujourd'hui via @phantom ou @JupiterExchange.

Dans ce monde, la théorie des applications grasses survit. Elle perd juste son interface frontale. Les entreprises qui ont gagné à l'ère humaine se transformeraient en infrastructures purement back-end pour les Agents. Nous voyons déjà des entreprises SaaS traditionnelles comme Salesforce évoluer dans cette direction.

Le retour en force des protocoles

Dans un autre scénario, les Agents contournent complètement la couche intermédiaire.

Si l'intégration devient suffisamment simple (API bien documentées, RPC standardisés, sémantique d'exécution prévisible), les Agents n'ont aucune raison réelle de payer un agrégateur pour faire quelque chose qu'ils peuvent faire eux-mêmes. L'avantage des agrégateurs à l'ère humaine était l'UX et la gestion de la complexité du routage.

Mais les Agents n'ont pas besoin d'UX, et le routage est un problème d'ingénierie résoluble, chose que les Agents deviennent de plus en plus performants à gérer.

Si le monde évolue dans cette direction, la théorie des protocoles gras connaîtra une seconde jeunesse.

L'effondrement du pouvoir de fixation des prix dans toute la pile technologique

Peut-être que les Agents appliqueront une pression de banalisation à chaque recoin. Ils sont absolument rationnels, routant à chaque fois sans friction et sans fidélité vers la plateforme de transaction la moins chère.

Les applications perdent leur capacité à facturer aux humains une prime pour l'UX. Les agrégateurs et les infrastructures perdent aussi leur pouvoir de fixation des prix, car l'inertie humaine inhérente ne les protège plus de la guerre des prix.

Dans ce scénario, aucune partie de la pile technologique ne capture beaucoup de profits. Les marges bénéficiaires de toute la chaîne d'approvisionnement sont forcées de se comprimer vers le coût marginal, la valeur résiduelle revenant aux propriétaires des Agents, ou aux utilisateurs finaux que servent les Agents.

La technologie crypto devient une commodité, et il est difficile de faire fortune dans le secteur des commodités.

Les Agents créent une activité sans précédent

Une compréhension simple de ce point est : les Agents font tout ce que font les humains, mais plus vite et en plus grande quantité. Même si les marges sont compressées, le gâteau global s'agrandit.

Je pense qu'il existe une version plus intéressante encore.

Les Agents rendent viables des activités qui ne l'étaient pas auparavant : par exemple, le rééquilibrage continu d'un portefeuille d'investissement pour moins d'un centime de coût d'exécution, le commerce de machine à machine entre Agents, et de nouveaux marchés qui existent uniquement parce que leur tarification et leur vitesse de transaction dépassent de loin ce qu'un humain peut suivre.

Les données d'activité on-chain actuelles ne reflètent pas cela, car nous supposons qu'il y a forcément un humain impliqué.

Si c'est bien ce que les Agents changent, alors la question passe de « Comment diviser le gâteau existant ? » à « Quelle quantité d'activité économique nouvelle va affluer on-chain, et quelles couches sont prêtes à la servir ? ».

Un modèle économique encore sans nom

À chaque cycle, nous essayons de deviner où la valeur va s'écouler, et nous avons tendance à penser que les modèles économiques existants vont se perpétuer dans le futur. Cette hypothèse nous fait généralement rater les nouveaux modèles qui ne sont pas encore apparus.

Lorsqu'Internet était encore naissant, personne n'avait prédit la naissance de l'économie de l'attention. À l'époque, l'idée que « découper l'attention des utilisateurs et la vendre aux enchères aux annonceurs deviendrait le modèle commercial dominant, et qu'une seule entreprise pourrait en accaparer une part significative des dépenses publicitaires mondiales » était extrêmement étrangère. Ce n'est qu'avec le recul que cela paraît inévitable.

L'intelligence artificielle semble être l'une des plus grandes ruptures technologiques des dernières décennies. Dans un monde dominé par les Agents, une partie de la capture de valeur pourrait aller vers des modèles économiques dont personne ne parle aujourd'hui. Et ceux qui captureront cette valeur pourraient ne pas être du tout ceux que le marché surveille actuellement.

Points à surveiller

Le résultat le plus probable n'est pas qu'un système en remplace complètement un autre. Pendant longtemps, les humains et les Agents coexisteront comme utilisateurs du monde crypto, avec des cartographies de capture de valeur nettement distinctes.

Tant que les humains interagissent on-chain, la théorie des applications grasses reste valable : les consommateurs prêts à payer pour l'UX, la marque et la commodité continueront de payer une prime aux applications qui maîtrisent cette relation. Et les couches impliquées dans les transactions des Agents, quelle que soit la vision ci-dessus qui se réalise, seront régies par un ensemble de règles différent.

Pour les constructeurs (builders), je pense qu'une question mérite d'être creusée en ce qui concerne les Agents : qu'est-ce qui fera qu'un Agent reviendra vers vous plutôt que de router directement vers l'alternative la moins chère suivante ? L'UX n'est probablement pas la réponse. La liquidité, la latence, les garanties de règlement, etc., le sont peut-être.

Questions liées

QQu'est-ce que la théorie du "protocole gras" (Fat Protocol) et pourquoi devient-elle moins pertinente aujourd'hui ?

ALa théorie du "protocole gras", proposée par @jmonegro en 2016, soutient que dans le domaine de la cryptographie, la valeur est principalement capturée par les protocoles de base (comme Bitcoin ou Ethereum) plutôt que par les applications construites dessus. Cependant, avec l'émergence de nombreuses alternatives aux L1 (comme plusieurs L2, des couches de règlement modulaires), l'espace de bloc est devenu abondant et non restreint. L'infrastructure est devenue interchangeable, conduisant à une guerre des prix et à la disparition du pouvoir de fixation des prix des protocoles, rendant la théorie moins pertinente.

QEn quoi les Agents (intelligences artificielles autonomes) remettent-ils en question la théorie de "l'application grasse" (Fat App) ?

ALa théorie de "l'application grasse" suppose que les utilisateurs sont des êtres humains qui valorisent l'expérience utilisateur (UX), la marque et la commodité, permettant aux applications qui contrôlent la relation utilisateur de capturer de la valeur. Les Agents, étant des logiciels, ne se soucient pas de l'UX, des marques et peuvent basculer sans coût entre les plates-formes. Ainsi, le fossé du front-end qui protégeait les applications s'efface, remettant en question le fondement de cette théorie dans un monde dominé par les Agents.

QQuelles sont les trois possibilités évoquées dans l'article concernant la capture de valeur à l'ère des Agents ?

AL'article présente trois possibilités principales : 1) Les applications gagnantes se "décapitent" (deviennent headless) et deviennent des infrastructures back-end pour les Agents. 2) Les Agents contournent les intermédiaires, permettant un retour de la théorie du protocole gras. 3) Une pression de commoditisation s'exerce sur toute la pile technologique, compressant les marges vers le coût marginal, où personne ne capture beaucoup de valeur, la transformant en une utilité publique.

QComment les Agents pourraient-ils générer une nouvelle activité économique sur la blockchain selon l'article ?

ALes Agents pourraient rendre possibles des activités auparavant irréalisables, comme le rééquilibrage continu de portefeuilles pour moins d'un centime, le commerce machine-à-machine entre Agents, et de nouveaux marchés où la tarification et la vitesse dépassent les capacités humaines. Cela ne se reflète pas dans les données actuelles car nous supposons une participation humaine. Ainsi, les Agents pourraient considérablement élargir le gâteau économique sur la chaîne plutôt que de simplement se redistribuer la valeur existante.

QQuel est le point de vue de l'auteur sur l'avenir de la capture de valeur dans un monde où coexistent humains et Agents ?

AL'auteur pense que les humains et les Agents coexisteront longtemps comme utilisateurs de la cryptographie, avec des paysages de capture de valeur distincts. Pour les interactions humaines, la théorie des applications grasses restera pertinente car les humains paient pour l'UX et la commodité. Pour les transactions des Agents, une dynamique différente s'appliquera, où des facteurs comme la liquidité, la latence ou les garanties de règlement pourraient remplacer l'UX comme raison de fidélité. Il souligne également que de nouveaux modèles commerciaux, actuellement inimaginables, pourraient émerger.

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