L’intelligence artificielle n’est plus une technologie émergente en attente d’adoption.
Elle est déjà adoptée à une vitesse remarquable.
La prochaine question n’est plus de savoir si les gens utiliseront l’IA.
Il s’agit de savoir si les systèmes d’IA commenceront à agir de manière économiquement autonome.
Cette distinction pourrait devenir l’une des évolutions les plus importantes à l’intersection de l’intelligence artificielle et de Web3.
Les chiffres montrent déjà pourquoi.
Le Forum économique mondial a rapporté que 62 % des adultes américains interagissent désormais avec l’IA plusieurs fois par semaine, tandis que l’investissement privé mondial dans l’IA a été estimé à 660 milliards de dollars en 2026.
Des recherches antérieures du WEF ont aussi indiqué que 39,4 % des adultes américains âgés de 18 à 64 ans utilisaient l’IA générative en 2024, avec 24 % des travailleurs qui l’utilisaient au moins chaque semaine et 11 % qui l’utilisaient quotidiennement.
En août 2024, ChatGPT avait atteint environ 200 millions d’utilisateurs actifs hebdomadaires, soit le double du niveau indiqué l’année précédente.
L’ampleur n’est plus théorique.
L’IA est entrée dans le grand public.
Une autre couche apparaît maintenant.
Agents IA.
𝗗𝗲 𝗹’𝗔𝗜 𝗮𝘀𝘀𝗶𝘀𝘁𝗮𝗻𝘁𝘀 𝗮𝘂𝘅 𝗔𝗜 𝗮𝗴𝗲𝗻𝘁𝘀
Un assistant IA traditionnel répond principalement à des instructions.
Un agent IA peut potentiellement interpréter l’information, prendre des décisions, interagir avec des systèmes externes et exécuter des actions vers un objectif défini.
Cela change le modèle économique.
Un assistant pourrait vous dire quelle API fournit les données dont vous avez besoin.
Un agent pourrait potentiellement découvrir l’API, évaluer son prix, payer l’accès et récupérer l’information sans exiger qu’un humain complète manuellement chaque étape.
La différence est simple :
L’IA génère.
Les agents agissent.
Le Forum économique mondial a identifié de plus en plus l’IA agentique comme un développement important, car ces systèmes peuvent aller au-delà de la génération de réponses pour exécuter des tâches et des décisions.
Cela pose une nouvelle question :
Si les machines peuvent agir, comment les machines s’identifient-elles, se font-elles confiance et se paient-elles ?
C’est là que Web3 devient particulièrement intéressant.
𝗧𝗵𝗲 𝗕𝗹𝗼𝗰𝗸𝗰𝗵𝗮𝗶𝗻 𝗔𝗴𝗲𝗻𝘁 𝗘𝗰𝗼𝗻𝗼𝗺𝘆 𝗜𝘀 𝗔𝗹𝗿𝗲𝗮𝗱𝘆 𝗕𝗲𝗶𝗻𝗴 𝗧𝗲𝘀𝘁𝗲𝗱
Ce n’est pas simplement un débat théorique.
L’infrastructure blockchain spécifiquement conçue pour les agents IA est déjà en cours de déploiement.
La norme ERC-8004 d’Ethereum introduit des registres on-chain pour l’identité des agents, la réputation et la validation.
L’idée est simple.
Si un agent IA doit interagir avec un contrepartiste inconnu, un nom ou une seule adresse de portefeuille peut ne pas suffire.
L’écosystème a besoin de mécanismes pour découvrir qui est l’agent, quels services il fournit, ce que disent les autres à propos de ses performances, et si ses affirmations peuvent être validées de manière indépendante.
ERC-8004 tente de créer ces primitives au niveau du protocole.
La norme a été introduite sur le réseau principal Ethereum en janvier 2026.
Les chiffres autour de son adoption sont déjà significatifs.
Un jeu de données publié en avril 2026 documentait 10 000 agents IA enregistrés sur blockchain sur Ethereum, combinant des enregistrements d’identité, des transferts, des informations de réputation et des enregistrements de retours individuels.
Une étude empirique distincte, examinant Ethereum, $BNB Smart Chain et Base, a révélé que ERC-8004 avait attiré plus de 170 000 agents enregistrés sur l’ensemble de ces réseaux au cours de ses premiers mois, en plus de plus de 150 000 enregistrements de retours de réputation.
Ces chiffres démontrent quelque chose d’important.
L’infrastructure pour l’identité des machines n’est plus seulement conceptuelle.
Mais il existe une mise en garde importante.
L’enregistrement ne veut pas dire activité.
𝗟𝗮 𝗱𝗶𝗳𝗳𝗲́𝗿𝗲𝗻𝗰𝗲 𝗲𝗻𝘁𝗿𝗲 𝗹𝗮 𝗿𝗲𝗴𝗶𝘀𝘁𝗿𝗮𝘁𝗶𝗼𝗻 𝗲𝘁 𝗹’𝗮𝗰𝘁𝗶𝘃𝗶𝘁𝗲́
Cela pourrait être l’une des découvertes les plus importantes qui émergent de la première économie des agents.
Une étude empirique de juin 2026 a examiné les enregistrements ERC-8004 sur Ethereum, BNB Smart Chain et Base.
Les résultats étaient frappants.
Seuls environ 3 % des enregistrements Ethereum, 4 % des enregistrements BNB Smart Chain et 15 % des enregistrements Base ont exposé un fichier d’enregistrement ERC-8004 valide avec au moins un point d’extrémité de service actif.
En d’autres termes, une grande partie des identités enregistrées n’a pas encore démontré d’activité opérationnelle claire.
L’étude a décrit l’écosystème comme rapidement adopté, mais faisant encore face à des problèmes significatifs autour de la confiance, de la réputation et de la vérification.
Cela crée une distinction importante :
Un agent peut exister on-chain sans être économiquement utile.
Cette distinction deviendra de plus en plus importante à mesure que l’industrie commence à publier des nombres d’agents plus élevés.
La prochaine question ne devrait donc pas être simplement :
« Combien d’agents IA existe-t-il ? »
Il devrait s’agir de :
« Combien sont réellement en opération ? »
𝗟𝗮 𝗰𝗼𝘂𝗰𝗵𝗲 𝗱𝗲 𝗽𝗮𝗶𝗲𝗺𝗲𝗻𝘁 𝗺𝗮𝗰𝗵𝗶𝗻𝗲-𝘁𝗼-𝗠𝗮𝗰𝗵𝗶𝗻𝗲
L’identité ne résout qu’une partie du problème.
Les agents ont aussi besoin de faire des transactions.
C’est là que des protocoles comme x402 deviennent pertinents.
x402 utilise le mécanisme de paiement HTTP 402 pour permettre aux services, API et ressources numériques de demander un paiement avant de fournir l’accès.
Au lieu qu’un humain saisisse les détails de la carte, un système autonome peut potentiellement effectuer un paiement basé sur blockchain dans le cadre de l’interaction.
Le concept est puissant.
Un agent pourrait payer pour des données, des appels d’API, des ressources de calcul, du contenu numérique et des services logiciels.
Cela crée la possibilité d’une économie où les machines deviennent à la fois des clientes et des fournisseurs de services.
C’est fondamentalement différent de l’internet d’aujourd’hui.
L’internet actuel a été conçu principalement pour des humains qui interagissent avec des sites web.
L’économie émergente des agents pourrait de plus en plus impliquer des logiciels qui interagissent avec des logiciels.
𝗟𝗲𝘀 𝗻𝘂𝗺𝗲́𝗿𝗼𝘀 𝘀𝗼𝗻𝘁 𝗱𝗲́𝗷𝗮̀ 𝗳𝗮𝗿𝗮𝗺𝗶𝗻𝗲𝘀
L’ampleur de l’activité x402 illustre pourquoi ce concept mérite l’attention.
Une étude à l’échelle de la population, menée en juillet 2026, a mesuré 136 708 672 x402 implantations sur Base sur une période de 280 jours, représentant environ 44,12 millions de dollars de valeur d’implantation.
À première vue, ces chiffres semblent démontrer une adoption explosive.
Mais l’étude est allée plus loin.
Les chercheurs ont constaté qu’environ 21,20 % des règlements étaient fictifs, tandis que 63,78 % représentaient un règlement interne au sein de clusters liés.
Environ seulement 187 861,35 $ ont pu être retracés de manière démontrable jusqu’à un service externe identifiable par un nom.
Les chercheurs en ont donc conclu que le nombre de règlements, à lui seul, peut mesurer la possibilité de fabriquer plutôt qu’une adoption réelle.
C’est une leçon importante pour l’ensemble de l’industrie.
De grands chiffres ne sont pas automatiquement des chiffres significatifs.
Une transaction n’est pas nécessairement celle d’un client.
Un agent enregistré n’est pas nécessairement un agent actif.
Un score de réputation n’est pas nécessairement une réputation fiable.
La qualité de l’activité compte.
𝗟’𝗮𝗱𝗼𝗽𝘁𝗶𝗼𝗻 𝗱𝗲 𝗹’𝗜𝗔 𝗮𝘃𝗲𝗰 𝘂𝗻 𝗽𝗿𝗼𝗯𝗹𝗲𝗺𝗲 𝗱𝗲 𝗰𝗼𝗻𝗳𝗶𝗮𝗻𝗰𝗲
Les humains ont déjà du mal à déterminer si l’information en ligne est fiable.
Les machines font face à un problème encore plus difficile.
Imaginez un agent IA qui recherche un autre agent pour accomplir une tâche financière.
L’agent doit déterminer :
Qui l’exploite ?
Quel service fournit-il ?
A-t-il déjà effectué la tâche avec succès auparavant ?
Peut-on faire confiance à sa réputation ?
Son identité peut-elle être vérifiée ?
Les transactions peuvent-elles être retracées ?
Son comportement peut-il être manipulé ?
Il ne s’agit pas seulement de problèmes d’IA.
Ce sont des problèmes de coordination et de confiance.
ERC-8004 tente de répondre à cela grâce à des registres d’identité, de réputation et de validation.
Mais les premières preuves empiriques montrent que le problème est loin d’être résolu.
Les chercheurs ont constaté un comportement Sybil coordonné dans une proportion substantielle de réviseurs sur les trois chaînes étudiées.
Les proportions rapportées étaient d’environ 73,6 % sur Ethereum, 59,2 % sur BNB Smart Chain et 90,6 % sur Base.
Après avoir supprimé les retours signalés Sybil, de grandes proportions d’agents évalués se sont retrouvées sans retours valides.
L’implication est significative.
Un système de réputation décentralisé n’est pas automatiquement un système de réputation fiable.
La confiance doit encore être gagnée.
𝗟𝗮 𝗠𝗲̂𝗺𝗲 𝗱𝗲 𝗽𝗿𝗼𝗯𝗹𝗲̀𝗺𝗲 𝗮𝗽𝗽𝗮𝗿𝗮𝗶̂𝘁 𝗱𝗮𝗻𝘀 𝗹𝗲𝘀 𝗽𝗮𝗶𝗲𝗺𝗲𝗻𝘁𝘀
La couche de paiement introduit un autre défi.
Des chercheurs étudiant plus de 119 millions de transactions x402 récentes ont examiné la sécurité de l’infrastructure réelle des facilitateurs.
Leur étude portait sur 15 principaux facilitateurs x402, utilisés collectivement par plus de 60 000 vendeurs et 360 000 acheteurs.
Les chercheurs ont identifié des violations de règles de sécurité dans l’ensemble des facilitateurs évalués et ont décrit des risques potentiels impliquant l’autorisation de paiement, le vol d’actifs, le déni de service et l’abus de gas.
Cela ne signifie pas que x402 est inutilisable.
Cela signifie que le commerce orienté agents introduit une surface de sécurité plus large.
Un humain peut remarquer que quelque chose ressemble à une fraude.
Un agent autonome peut exécuter une instruction en quelques millisecondes.
Cela change les conséquences d’une erreur.
𝗟𝗼𝗿𝘀 𝗹𝗲𝘀 𝗺𝗮𝗰𝗵𝗶𝗻𝗲𝘀 𝗴𝗮𝗴𝗻𝗲𝗻𝘁 𝗱’𝘂𝗻 𝗮𝗰𝗰è𝘀 𝘁𝗼𝘂𝘁 𝗱’𝘂𝗻 𝗿𝗲𝗻𝘀, 𝗹𝗮 𝘀𝗲́𝗰𝘂𝗿𝗶𝘁𝗲́ 𝗱𝗲𝘃𝗶𝗲𝗻𝘁 𝘂𝗻 𝗽𝗿𝗼𝗯𝗹𝗲̀𝗺𝗲 𝗲́𝗰𝗼𝗻𝗼𝗺𝗶𝗾𝘂𝗲 𝗽𝗿𝗼𝗺𝗶𝗲𝗿 𝗰𝗹𝗮𝘀𝘀𝘀.
𝗧𝗵𝗲 𝗔𝗜 𝗔𝗱𝗼𝗽𝘁𝗶𝗼𝗻 𝗚𝗮𝗽
Il y a un autre chiffre important qui ne doit pas être ignoré.
L’adoption augmente rapidement.
Mais l’adoption ne crée pas automatiquement de la valeur économique.
Le Forum économique mondial a rapporté que l’adoption payante de l’IA par des entreprises américaines est passée de 5,2 % en janvier 2023 à 43,8 % en septembre 2025.
La technologie, la finance et la fabrication figuraient parmi les secteurs les plus en tête dans cette mesure.
En même temps, le WEF a rapporté en 2026 que seulement 32 % des organisations, toutes industries confondues, ont indiqué un impact business tangible de l’IA.
Cela crée un écart saisissant :
L’utilisation de l’IA s’accélère plus vite que l’impact économique mesurable.
Cette distinction est directement pertinente pour les agents IA.
L’industrie peut enregistrer des millions d’agents.
Il peut traiter des millions de transactions.
Il peut créer des milliers d’applications orientées agents.
Mais la question ultime demeure :
Quelle valeur économique est réellement créée ?
𝗗𝗲 𝘭’𝗔𝗶 𝗮𝘀𝘀𝗶𝘀𝘁𝗮𝗻𝘁𝘀 𝗮𝘂𝘅 𝗔𝗰𝘁𝗲𝘂𝗿𝘀 𝗲́𝗰𝗼𝗻𝗼𝗺𝗶𝗾𝘂𝗲𝘀 𝗮𝘂𝘁𝗼𝗻𝗼𝗺𝗲𝘀
L’évolution peut être visualisée comme une progression.
Étape 1 : l’IA génère
L’IA crée du texte, des images, du code et de l’analyse.
Étape 2 : l’IA recommande
L’IA interprète l’information et suggère des actions.
Étape 3 : l’IA exécute
L’IA interagit avec des systèmes externes et réalise des tâches.
Étape 4 : l’IA effectue des transactions
L’IA peut payer des ressources et recevoir des paiements.
Étape 5 : l’IA coordonne
Les agents IA interagissent avec d’autres agents pour accomplir des objectifs complexes.
La cinquième étape est là où le concept devient particulièrement transformateur.
Un agent peut éventuellement rechercher un autre agent, évaluer sa réputation, négocier un prix, effectuer le paiement, recevoir le service et vérifier le résultat.
Les humains resteraient impliqués.
Mais les humains définiront de plus en plus les objectifs plutôt que d’exécuter manuellement chaque étape.
𝗪𝗵𝘆 𝗪𝗲𝗯𝟯 𝗠𝗮𝘆 𝗠𝗮𝘁𝘁𝗲𝗿
L’IA fournit l’intelligence.
Mais à elle seule, l’intelligence ne crée pas une économie.
Une économie exige une identité, une propriété, des paiements, de la coordination, une réputation, du règlement et des règles.
Les réseaux blockchain fournissent déjà beaucoup de ces primitives.
Une blockchain peut fournir à un agent une identité cryptographique.
Un portefeuille peut fournir un accès à des actifs programmables.
Les smart contracts peuvent définir des règles.
Les stablecoins peuvent fournir un règlement numérique.
Les registres on-chain peuvent créer un historique vérifiable.
Une infrastructure décentralisée peut permettre aux agents d’interagir sans exiger que chaque transaction passe par le même intermédiaire centralisé.
Cela ne signifie pas que Web3 deviendra automatiquement la base de l’économie de l’IA.
Cela signifie que Web3 développe une infrastructure qui répond directement à certaines des exigences qu’aurait besoin une économie de machine autonome.
𝗟𝗮 𝘃𝗮𝗹𝗲𝘂𝗿 𝗿é𝗲𝗹𝗹𝗲 𝗣𝗲𝘂𝘁 𝗡𝗲 𝗣𝗮𝘀 𝗲́𝘁𝗿𝗲 𝗹𝗮 𝗖𝗵𝗼𝘀𝗲 𝗤𝘂𝗲 𝗹𝗲𝘀 𝗮𝗴𝗲𝗻𝘁𝘀 𝗮𝗳𝗳𝗶𝗰𝗵𝗲𝗻𝘁
Cette distinction compte.
Le modèle d’IA pourrait éventuellement être commoditisé.
L’agent pourrait aussi devenir facile à créer.
Si n’importe qui peut déployer un agent intelligent en quelques secondes, l’intelligence elle-même pourrait devenir moins rare.
L’infrastructure rare pourrait plutôt devenir une identité de confiance, une réputation fiable, des paiements sécurisés, une livraison de services vérifiée, la gestion des autorisations, l’accès aux données, l’interopérabilité inter-chaînes et la supervision humaine.
En d’autres termes :
La couche d’intelligence pourrait devenir abondante.
La couche de confiance pourrait rester rare.
𝗟’𝗮 𝗴𝗿𝗮𝗻𝗱𝗲 𝗥𝗶𝘀𝗾𝘂𝗲 𝗲𝘀𝘁 𝗗𝗲 𝗿𝗼𝗻𝗳𝗶𝗿𝗺 𝗟𝗮 𝗗𝗶𝗳𝗳𝗶𝗰𝗶𝗹𝗶𝘁𝗲́ 𝗘𝗻 𝗰𝗼𝗻𝗳𝗶𝗮𝗻𝗰𝗲 𝗮𝘃𝗲𝗰 𝗨𝘁𝗶𝗹𝗶𝘁𝘆́
Les données initiales donnent déjà un avertissement.
170 000+ agents enregistrés semblent énormes.
136,7 millions de règlements semblent énormes.
44,1 millions de dollars de valeur d’implantation semblent significatifs.
Mais les études sous-jacentes montrent pourquoi ces chiffres nécessitent un contexte.
L’enregistrement peut être inactif.
Des transactions peuvent être fabriquées.
La réputation peut être manipulée.
L’infrastructure de paiement peut contenir des vulnérabilités.
L’adoption peut croître plus vite que l’impact économique mesurable.
C’est exactement pour cela que l’analyse pilotée par les données compte.
L’objectif n’est pas de faire paraître le plus grand chiffre impressionnant.
L’objectif est de comprendre ce que le nombre représente réellement.
𝗤𝘂𝗲 𝗳𝗮𝗶𝗿𝗮-𝘁-𝗼𝗻 𝗲𝗻𝘀𝘂𝗶𝘁𝗲 ?
Agents actifs
L’industrie a besoin de meilleures mesures des agents qui fournissent réellement des services, réalisent des transactions et génèrent de la valeur.
Réputation des agents
Les systèmes de réputation doivent devenir résistants aux attaques Sybil, à la manipulation et aux retours fabriqués.
Paiements des agents
Les systèmes de paiement doivent devenir suffisamment sécurisés pour permettre l’exécution autonome sans exposer les utilisateurs et les entreprises à des risques inacceptables.
Activité économique réelle
Le volume de transactions comptera moins que la valeur économique vérifiée.
Supervision humaine
À mesure que les agents reçoivent davantage d’autonomie, les systèmes de permissions, de limites, de vérification et d’intervention deviendront de plus en plus importants.
𝗧𝗵𝗲 𝗕𝗶𝗴𝗴𝗲𝗿 𝗣𝗶𝗰𝘁𝘂𝗿𝗲
L’industrie de l’IA évolue rapidement.
Les données du Forum économique mondial montrent une adoption qui s’accélère, des centaines de milliards de dollars d’investissements privés et des interactions de plus en plus fréquentes entre les personnes et les systèmes d’IA.
Pendant ce temps, l’infrastructure blockchain commence à se doter des primitives nécessaires aux acteurs numériques autonomes.
Les agents IA sont en cours d’enregistrement.
Les systèmes de réputation sont en cours de test.
Des paiements machine-à-machine sont en cours de déploiement.
Une activité économique on-chain est en cours de mesure.
Mais les données nous invitent aussi à rester prudents.
L’économie des agents est en train d’émerger, pas encore terminée.
L’infrastructure existe, mais une grande partie reste immature.
Les chiffres d’adoption augmentent, mais la qualité des activités varie fortement.
L’opportunité est énorme.
Et les questions sans réponse aussi.
𝗟𝗮 𝗽𝗿𝗲𝗺𝗶𝗲̀𝗿𝗲 𝗿𝗲𝘃𝗼𝗹𝘂𝘁𝗶𝗼𝗻 𝗱𝗲 𝗹’𝗜𝗔 𝗮𝘃𝗮𝗶𝘁 𝗽𝗼𝘂𝗿 𝗮𝗿𝗰𝗵𝗲𝘁𝘆𝗽𝗲 𝗹𝗮 𝗴𝗲́𝗻𝗲́𝗿𝗮𝘁𝗶𝗼𝗻 𝗱’𝗶𝗻𝗳𝗼𝗿𝗺𝗮𝘁𝗶𝗼𝗻.
𝗟𝗮 𝗽𝗿𝗼𝗰𝗵𝗮𝗶𝗻𝗲 𝗲́𝘁𝗮𝗽𝗲 𝗽𝗼𝘂𝗿𝗿𝗮𝗶𝘁 𝗲́𝘁𝗿𝗲 𝗹𝗮 𝗰𝗿é𝗮𝘁𝗶𝗼𝗻 𝗱’𝘂𝗻𝗲 𝗮𝗰𝘁𝗶𝘃𝗶𝘁𝗲́ 𝗲́𝗰𝗼𝗻𝗼𝗺𝗶𝗾𝘂𝗲 𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝗾𝘂𝗲 𝗲𝗻𝘁𝗿𝗲 𝗺𝗮𝗰𝗵𝗶𝗻𝗲𝘀.
Si cela se produit, la plus grande question ne sera pas de savoir à quel point les machines deviennent intelligentes.
Il s’agira de savoir si l’infrastructure qui les entoure est suffisamment fiable pour leur permettre d’agir.
Et c’est là que l’IA × Web3 devient plus qu’un simple récit.
Cela devient une question d’infrastructure.