Auteur(s) :Xinyang & Ethan,IOSG
En 2026, la courbe d'activité des dépôts GitHub des communautés open source de Crypto a achevé un impressionnant « plancher ». Après être passée d'un pic d'environ 45K développeurs actifs mensuels en 2022 à environ 23K, cette division par deux sur le papier a suscité sur les réseaux sociaux des discussions sur « l'épuisement du narratif ». Cependant, en décomposant la section de cette courbe, nous ne voyons pas une contraction de l'industrie, mais un profond « désendettement des talents ».
▲ Source des données : Electric Capital Developer Report, basé sur Crypto Ecosystems Github
Un. Qui est parti ? Qui reste ?
Les nouveaux venus sont les premiers partis. En février 2024, les nouveaux développeurs pour le mois ont atteint 5 462, puis ont chuté de manière significative, avec un taux d'attrition de 52 % pour ceux présents depuis moins d'un an. Cette vague de personnes est principalement entrée pendant le marché haussier, travaillant sur des contrats de minting NFT, forkant des protocoles DeFi, ou développant des interfaces frontales pour de nouveaux L2. Ces postes étaient fortement liés à la frénésie du marché ; une fois la frénésie passée, les projets ont cessé leurs activités et les postes ont disparu avec eux. Les données montrent que les contributions en code des nouveaux venus n'ont jamais dépassé 25 % du total ; ces personnes n'ont jamais fait partie du noyau dur de l'industrie.
▲ Les Newcomers affluent pendant le marché haussier et partent pendant le marché baissier ; les développeurs établis (plus de 2 ans d'expérience) atteignent un record historique sur la même période
Source des données : Electric Capital Developer Report
De l'autre côté, le nombre de développeurs avec plus de deux ans d'expérience a augmenté sur la même période, atteignant un nouveau record historique, et contribuant à environ 70 % du volume de code. Le jugement de Maria Shen, associée chez Electric Capital, est direct : « Quand on regarde le groupe des développeurs établis, il est en croissance et semble très sain. »
Ils restent non pas faute de choix.
Sur le plan technique, le travail de cœur de crypto aujourd'hui nécessite souvent de nombreuses années d'accumulation pour être compris : développement au niveau protocole, audit de sécurité, architecture inter-chaînes. Ces travaux ne peuvent être maîtrisés du jour au lendemain et ne sont pas simplement balayés par le marché lorsque l'engouement retombe.
Économiquement, de nombreux vétérans détiennent encore des tokens non entièrement libérés, un pouvoir de gouvernance dans les protocoles et des relations de capitaux propres ; leur accumulation dans cette industrie a formé une barrière et des rendements réels. La répartition par écosystème montre qu'ils votent avec leurs pieds : les développeurs Bitcoin ont augmenté de 64,3 % en deux ans, Solana +11,1 %, tandis que Cosmos a baissé de 51,1 % et Polkadot de 46,9 %. Les vétérans se concentrent vers les écosystèmes avec de vrais utilisateurs et des revenus, quittant ceux encore maintenus par des narratifs.
▲ Source : Coincub Web3 Jobs Report 2025
Source de données : Web3.Career
Le changement de structure des postes confirme également la même tendance. En 2025, la catégorie de postes Web3 qui a le plus augmenté n'était pas celle des développeurs, mais celle de « Project & Programme Management », dépassant 27 %. Pour une industrie réputée être pilotée par la technologie, cela est contre-intuitif, mais la logique sous-jacente est simple : l'industrie passe de la phase de construction à la phase d'exécution. Plus de 100 blockchains doivent être intégrées, les clients institutionnels ont des exigences de conformité et de sécurité complètement différentes, et la gouvernance des DAO doit trouver un équilibre entre des parties prenantes aux intérêts divers. Il ne s'agit pas de gestion de projet au sens traditionnel, mais de coordination et de jugement dans un environnement où les règles sont encore en formation.
L'industrie semble se contracter en surface, mais la densité de son cœur augmente. Le marché baissier de 2018-2019 a également été accompagné d'une importante fuite de développeurs, mais a vu émerger ensuite des projets phénoménaux comme Uniswap, Aave, OpenSea, qui ont défini le marché haussier de 2020-2021. Les constructeurs qui sont restés cette fois-ci ont des infrastructures plus matures, et l'ère de l'IA leur offre une scène encore plus grande que la précédente.
Deux. Quelles compétences apportent ceux qui restent ?
Quelles compétences spéciales cette industrie, Crypto, a-t-elle forgées chez les constructeurs ? Pour répondre à cette question, il faut revenir aux principes fondamentaux de la blockchain. À travers les cycles haussiers et baissiers, cette industrie fonctionne toujours selon la même règle sous-jacente : le code est la loi, l'exécution est finale.
L'incident The DAO en 2016, où un attaquant a détourné 36 millions de dollars en exploitant une vulnérabilité d'appel récursif. Le code n'avait pas de bug, la logique s'exécutait exactement comme prévu, mais ses limites n'avaient pas été anticipées par les concepteurs. En 2021, l'attaque du pont inter-chaînes Poly Network, où 610 millions de dollars ont été transférés en quelques heures. Aucune plateforme ne pouvait arrêter cela, aucune institution ne pouvait l'annuler, aucune clause légale ne pouvait permettre réparation. C'est une caractéristique structurelle de crypto qui le distingue de presque toutes les autres industries : une marge d'erreur nulle et une intervention post-facto presque inexistante.
Ce type d'environnement a forcé l'émergence d'un ensemble de compétences rarement requises dans d'autres secteurs : la capacité à construire, à partir de zéro, un système fonctionnel dans lequel des inconnus sont prêts à participer, en l'absence de règles établies et de confiance.
Cette capacité comprend deux niveaux. Premièrement, établir la confiance à partir de zéro, sans dépendre d'aucune autorité externe, uniquement en s'appuyant sur le code et les mécanismes pour que des inconnus acceptent d'y placer des actifs réels. Deuxièmement, prendre des décisions sous une double incertitude, technique et économique, sans cadre réglementaire, sans données historiques, sans normes sectorielles de référence, et pourtant concevoir des systèmes qui peuvent fonctionner.
Ces deux niveaux ont été concrètement validés dans crypto. Uniswap, sans garantie d'entreprise, sans KYC, sans service clientèle, où n'importe qui place des fonds dans un pool de liquidité en se fiant uniquement à quelques centaines de lignes de code et à un ensemble de mécanismes économiques, a atteint des volumes d'échanges quotidiens de dizaines de milliards de dollars. MakerDAO, sans le soutien d'une banque centrale, sans assurance des dépôts, maintient la stabilité du DAI uniquement grâce à la gouvernance on-chain et aux mécanismes de garantie. Pendant le DeFi Summer, c'était encore plus extrême : sans cadre réglementaire, sans normes d'audit, sans aucune donnée historique, les constructeurs ont conçu des AMM, des protocoles de prêt, du liquidity mining, passant du concept à des milliards de dollars de TVL en quelques mois. Cette capacité se manifeste différemment chez les constructeurs au niveau protocole, applicatif ou de gouvernance, mais le principe sous-jacent est le même.
L'ère de l'IA crée un problème structurellement très similaire. Le processus décisionnel des modèles est opaque, les résultats ne peuvent être vérifiés indépendamment. Les agents IA commencent à exécuter des transactions de manière autonome, à allouer des capitaux, mais les cadres réglementaires et les mécanismes de contrainte correspondants n'existent pas encore. Les entreprises de grands modèles contrôlent à la fois le modèle et les critères d'évaluation, et les utilisateurs manquent de moyens de vérification efficaces. La puissance de calcul est fortement concentrée chez quelques grands acteurs, créant un pouvoir de monopole lors de pics de demande. Tous ces problèmes pointent vers un même noyau : le problème de confiance dans les systèmes autonomes, rejoué à plus grande échelle avec l'IA.
Les constructeurs de crypto traitent ce type de problème depuis des années dans un environnement sans règles d'autorité externe, sauf que le scénario était alors les protocoles on-chain, maintenant c'est l'IA. Et un groupe de personnes a déjà directement transposé les compétences acquises dans crypto vers l'IA, avec des résultats.
Trois. Comment ces compétences sont-elles revalorisées à l'ère de l'IA ?
Les cas de transition de crypto vers l'IA sont fréquents ces dernières années, mais en les analysant, ce qu'ils emportent n'est pas la même chose.
Le chemin le plus direct est le transfert direct du matériel et de l'expérience. Les trois cofondateurs de CoreWeave, Michael Intrator, Brian Venturo et Brannin McBee, ont commencé à miner de l'Ethereum avec des GPU en 2017, passant d'une machine à des milliers. En 2022, ils ont fermé leur activité de minage, et deux mois plus tard, ChatGPT a été lancé. Leurs GPU sont directement devenus de la capacité de calcul pour l'IA. En mars 2025, introduction en bourse au NASDAQ avec une valorisation à l'IPO d'environ 23 milliards de dollars, atteignant ensuite un pic de capitalisation boursière proche de 70 milliards de dollars.
Alex Atallah, cofondateur d'OpenSea, a traité sur le marché NFT le problème de l'agrégation et du routage d'actifs extrêmement hétérogènes. Il a appliqué cette même expérience au routage de modèles d'IA en fondant OpenRouter, desservant plus de 5 millions de développeurs en deux ans, avec une valorisation atteignant 500 millions de dollars.
Une autre migration est encore plus intéressante. Illia Polosukhin, fondateur de NEAR, est co-auteur du papier sur le Transformer. Après avoir quitté Google, son objectif initial était de construire des applications d'IA avec le langage naturel, mais il a rencontré un problème pratique : effectuer des paiements transfrontaliers à des travailleurs d'annotation de données dans le monde entier, dont beaucoup n'avaient pas de compte bancaire. La technologie blockchain est devenue la meilleure solution à ce problème de paiement.
Aujourd'hui, NEAR se transforme en plateforme d'infrastructure pour l'IA, avec comme axes principaux l'IA appartenant à l'utilisateur et le Machine Learning Confidentiel Décentralisé (DCML), permettant aux utilisateurs d'utiliser des services d'IA sans exposer leurs données. L'expérience accumulée par NEAR en architecture décentralisée est devenue un point de départ difficile à reproduire dans cette direction.
Sean Neville, cofondateur de Circle, a quitté pour fonder Catena Labs, positionné comme une banque native IA, transposant directement sa compréhension des infrastructures de stablecoin au contexte financier des agents IA. a16z crypto a dirigé un tour d'amorçage de 18 millions de dollars. Nader Dabit, développeur senior chez Aave et Lens Protocol, s'est tourné vers Cognition, apportant son expérience de construction d'écosystèmes développeurs acquise dans plusieurs protocoles crypto au domaine des outils d'agents IA.
Ces personnes n'emportent pas seulement du matériel GPU ou des réseaux d'utilisateurs, mais une intuition en conception de mécanismes, une expérience de construction d'écosystèmes développeurs, une capacité de jugement pour construire des systèmes fiables à partir de zéro en l'absence de règles. Ces compétences correspondent précisément à trois lacunes structurelles rencontrées lors du passage à l'échelle de l'IA.
Agrégation et optimisation de la puissance de calcul
La puissance de calcul est le goulot d'étranglement le plus direct pour la mise à l'échelle de l'IA. L'entraînement et l'inférence nécessitent de nombreux GPU, la demande est volatile, les fournisseurs cloud sont chers et les files d'attente longues, les entreprises ne veulent pas stocker leur propre matériel. Ce problème a deux niveaux : comment la puissance de calcul est agrégée et distribuée, et comment l'utiliser plus efficacement une fois agrégée. Les constructeurs crypto ont une expérience directement transférable dans ces deux aspects.
Hyperbolic résout le problème de la distribution et de la confiance. Son fondateur, Jasper Zhang, a introduit la conception de mécanismes décentralisés dans le secteur de la puissance de calcul IA : le token incite les détenteurs de GPU dispersés à contribuer leur puissance de calcul inutilisée, mais le problème central reste la confiance.
Comment faire confiance au résultat de calcul fourni par un nœud inconnu ? L'innovation principale, le PoSP, utilise un échantillonnage aléatoire combiné à la théorie des jeux, rendant l'honnêteté la stratégie dominante pour les nœuds, sans nécessiter de vérification complète, avec une faible charge et une évolutivité, tout en garantissant des résultats fiables. Ce mécanisme est directement issu de la logique crypto de vérification du comportement de nœuds inconnus.
MoonMath résout le problème de l'efficacité. Anciennement Ingonyama, elle se concentrait sur l'accélération matérielle ZK, améliorant considérablement la vitesse de génération de preuves ZK sous des contraintes de calcul extrêmes. Elle s'oriente maintenant vers la couche de performance Physical AI, avec l'accélération de l'attention parcimonieuse pour les modèles de diffusion vidéo (LiteAttention), la factorisation de bas rang pour les couches FFN (LiteLinear), et l'accélération de la rétropropagation lors de l'entraînement (BackLite). Passer de l'accélération ZK à l'accélération de l'inférence IA repose sur la même capacité sous-jacente : faire fonctionner les mathématiques plus vite sous des contraintes de calcul extrêmes. Le secteur change, mais l'accumulation n'est pas perdue.
Gouvernance de l'IA et conception de mécanismes d'incitation
Lorsque plusieurs agents IA commencent à collaborer pour exécuter des tâches, comment s'assurer qu'ils ne détruiront pas le système global dans leur poursuite de leurs objectifs individuels. Chaque participant poursuit sa propre fonction objectif, personne ne garantit que leur somme maintiendra le système fonctionnel, et la vitesse d'exécution des agents dépasse largement la fenêtre d'intervention humaine.
C'est le type de problème que les constructeurs crypto ont traité à plusieurs reprises dans la gouvernance des DAO et la conception de la tokenomics : faire fonctionner des parties prenantes aux intérêts totalement différents, sans autorité centrale, dans la direction prédéfinie par le système. La réponse de crypto est le mécanisme économique : les actions non conformes entraînent un coût économique réel, les règles sont écrites dans le code et exécutées automatiquement.
EigenLayer a directement transposé ce mécanisme au contexte de l'IA. Grâce au mécanisme de restaking, les nœuds doivent miser des actifs avant de participer à une collaboration ; le non-respect des engagements ou les actions non conformes déclenchent des pénalités automatiques. Les règles ne sont pas des suggestions, mais des limites rigides avec un coût économique réel. EigenCloud étend cette logique au calcul vérifiable et à la gouvernance collaborative des agents IA, obligeant les agents à rester dans les limites prédéfinies lors de la poursuite de leurs objectifs. Utiliser des mécanismes économiques pour contraindre les agents est beaucoup plus fiable que d'utiliser des principes éthiques.
Paiement autonome des Agents IA
Il y a un problème encore plus fondamental : comment les agents paient-ils ? Les systèmes de paiement traditionnels sont conçus pour les humains : les cartes de crédit nécessitent un compte, les virements bancaires nécessitent une autorisation, chaque étape suppose que l'opérateur est un humain, avec une identité, et qu'il attendra. Les agents n'attendent pas ; ils peuvent lancer un grand nombre de requêtes par seconde, chaque requête pouvant impliquer un micro-paiement. Le système de paiement traditionnel échoue directement dans ce scénario.
Les stablecoins et les règles on-chain sont des infrastructures déjà construites par les constructeurs crypto, supportant nativement la programmabilité, l'absence d'autorisation préalable et le fonctionnement 24h/24. Ces trois caractéristiques correspondent exactement aux exigences strictes du scénario de paiement pour agents. Il ne manque qu'une couche de protocole pour connecter les stablecoins aux flux de travail des agents.
x402, lancé par Coinbase en mai 2025, active le code d'état HTTP 402, intégrant directement le paiement en stablecoin dans la requête HTTP. L'agent initie la requête et effectue le paiement simultanément, sans compte nécessaire, avec un règlement en environ deux secondes. Jusqu'en avril 2026, le protocole x402 a traité plus de 165 millions de transactions, avec un volume cumulé d'environ 50 millions de dollars, et comptait 69 000 agents actifs (source : x402 Foundation). Cloudflare, AWS, Stripe, Anthropic MCP y sont déjà intégrés. Le paiement par agent est déjà un secteur avec un trafic réel.
Ces trois directions correspondent à trois lacunes structurelles rencontrées lors de la mise à l'échelle de l'IA : l'agrégation et l'efficacité de la puissance de calcul, l'alignement des incitations pour la collaboration multi-agents, et l'infrastructure de paiement autonome. Ces trois problèmes n'ont pas de réponses toutes faites dans l'architecture logicielle traditionnelle, mais trouvent des expériences de traitement correspondantes dans l'industrie crypto. Les compétences n'ont pas disparu, elles ont simplement trouvé un nouveau terrain d'expression.
Quatre. Le nouveau positionnement des Constructeurs : des rédacteurs de contrats intelligents aux définisseurs de règles pour l'IA
La mise à l'échelle de l'IA crée un déficit fonctionnel qui n'existait pas auparavant. Pas un déficit de talents techniques, mais un déficit de personnes capables de concevoir des mécanismes de confiance dans des systèmes autonomes. Alors que l'objet du service passe de l'humain à l'IA, le rôle des constructeurs crypto est en train d'être redéfini.
Le tableau ci-dessous compare l'évolution des dimensions des fonctions spécifiques :
La différence fondamentale entre les deux paradigmes ne réside pas dans la pile technologique, mais dans la manière dont la confiance est établie et la logique d'exécution des règles. À l'ère pré-IA, les constructeurs crypto faisaient face à des participants humains, les règles étaient écrites dans des contrats, la marge d'erreur était nulle, mais les limites du système étaient relativement claires.
À l'ère Native IA, lorsque l'interlocuteur devient un agent IA fonctionnant de manière autonome, le problème à résoudre est : le comportement de l'agent est imprévisible, sa vitesse d'exécution dépasse largement la fenêtre d'intervention humaine, et les limites du système elles-mêmes doivent être redéfinies dans une incertitude plus grande. Le positionnement fonctionnel des constructeurs crypto passe de « rédiger des contrats intelligents sécurisés » à « concevoir des mécanismes fiables pour les systèmes autonomes de l'IA ».
Le recrutement des institutions de premier plan reflète déjà ce changement :
▲ Postes clés IA/Données activement ouverts par les principales plateformes d'échange au Q1 2026
Source : Gate Research Institute
Le recrutement des principales plateformes d'échange et institutions en 2026 reflète clairement cette tendance : on ne recherche plus uniquement des ingénieurs IA ou des développeurs crypto, mais des personnes capables de connecter les deux, comprenant à la fois les distorsions d'incitations on-chain et les jeux de gouvernance, tout en étant capables d'intégrer profondément les outils IA dans les flux de travail crypto, et de concevoir des mécanismes alignant à long terme les agents avec la réglementation et les utilisateurs.
L'orientation de la configuration du capital reflète également ce jugement. Paradigm est en train de lever un nouveau fonds pouvant atteindre 1,5 milliard de dollars, élargissant son champ d'investissement de crypto à l'IA et à la robotique. Haun Ventures a complété un Fonds II de 1 milliard de dollars, se concentrant sur l'infrastructure financière à l'intersection de crypto et de l'IA, notamment les paiements, les stablecoins et les systèmes économiques agent-à-agent supportant les transactions et la coordination autonomes des agents IA.
a16z crypto a complété son cinquième fonds (Crypto Fund V) de 2,2 milliards de dollars, indiquant clairement que le fonds sera investi à 100 % dans le domaine crypto. Face à la complexité et à l'opacité de l'ère de l'IA, ils se concentreront sur les applications des caractéristiques de transparence, de vérifiabilité et de décentralisation de crypto. Selon les données de PitchBook, en 2025, environ 40 % des investissements VC américains dans le domaine crypto ont été dirigés vers des entreprises impliquées simultanément dans des activités d'IA, une augmentation significative par rapport à 2024.
Pour les constructeurs crypto qui se tournent vers l'IA, les chemins choisis présentent des différences marquées selon les environnements de marché.
Aux États-Unis, avec un environnement réglementaire devenant relativement plus clair, l'innovation au niveau protocole a obtenu un espace de survie réel. La densité du réseau de capital est élevée, le chemin de l'idée au financement est court, et la marge d'erreur est relativement grande. Des projets comme Hyperbolic, EigenCloud, Gensyn, Ritual partagent la caractéristique de concevoir de nouveaux mécanismes à partir de zéro, plutôt que de simples intégrations d'applications sur des systèmes existants. Les principaux VC ont des thèses d'investissement claires sur des directions comme « le calcul vérifiable, la coordination des Agents, le ML décentralisé » et sont prêts à offrir une marge d'erreur suffisante pour l'exploration technologique précoce.
La situation en Asie est différente. Singapour et Hong Kong jouent davantage le rôle de points de chute réglementaires et de transit pour les capitaux institutionnels, avec des cadres réglementaires relativement conservateurs et une tolérance moindre pour l'innovation pure au niveau protocole. Les constructeurs ayant un background crypto qui se tournent vers l'IA choisissent davantage des chemins au niveau applicatif et de fusion industrielle – utilisant la base d'utilisateurs, les capacités de paiement ou les actifs de données accumulés dans crypto, et s'intégrant rapidement aux produits et services d'IA.
Ce n'est pas une question de différence de compétences, mais une divergence de choix de trajectoires due aux signaux du marché et aux environnements réglementaires : les États-Unis encouragent davantage l'innovation en mécanismes sous-jacents et l'exploration technologique précoce, tandis que l'Asie met davantage l'accent sur la compatibilité réglementaire, la monétisation rapide et l'intégration profonde avec les industries traditionnelles.
Revenons à cette courbe GitHub du début. Le nombre de développeurs actifs mensuels est passé de 45K à 23K, en apparence l'industrie se contracte. Mais parmi ceux qui sont restés, la proportion de « established dev » atteint un record historique, ils affluent vers des écosystèmes avec de vrais utilisateurs, et sont en même temps revalorisés par l'industrie de l'IA d'une manière sans précédent.
Lorsque la mise à l'échelle de l'IA rencontre des goulots d'étranglement structurels comme l'agrégation de puissance de calcul, le paiement autonome des agents, la vérifiabilité des données et des décisions, la coordination de la confidentialité, la sensibilité accumulée par ces constructeurs sur les règles, les incitations et l'authenticité, au carrefour de Crypto et de l'IA, se transforme progressivement en une compétence systémique rare à l'ère de l'IA.
En tant que société d'investissement spécialisée dans l'infrastructure crypto depuis 2017, le jugement d'IOSG sur cette ligne ne se limite pas à l'observation. Nous avons participé à l'investissement dans EigenLayer alors que son mécanisme de restaking n'était pas encore largement compris par le marché, avons mené le tour d'amorçage d'Ingonyama (maintenant MoonMath) en pariant sur la migration de l'accélération matérielle ZK vers la couche de performance IA, et avons investi dans Hyperbolic en 2024, convaincus par sa voie utilisant des mécanismes de vérification natifs crypto pour résoudre le problème de confiance dans la puissance de calcul décentralisée.
La logique commune derrière ces investissements est : les problèmes de confiance, de coordination et de vérification rencontrés par la mise à l'échelle de l'IA nécessiteront finalement les compétences de conception de mécanismes accumulées par l'industrie crypto. Nous croyons que la convergence de Crypto et de l'IA n'est pas un simple récit, mais une opportunité structurelle en train de se produire.
