La mise à jour hebdomadaire d’APRO met en évidence plusieurs données clés : une couverture de 40 chaînes, 109 000 vérifications de données et 99 000 appels à l’AI Oracle.
À l’échelle des chiffres, comparées à des projets de premier plan comme Chainlink, ces données ne sont pas très importantes, mais si l’on exclut l’écosystème Ethereum et que l’on observe la structure de la demande sur les nouvelles chaînes, on constate que la problématique évolue d’un service de feed de prix vers des services de vérification de données plus complexes.
La différence tient au fait que le feed de prix traditionnel est à sens unique, tandis que le service de vérification est bidirectionnel : les utilisateurs doivent confirmer l’exactitude, l’actualité et la cohérence inter-chaînes des données. Les 109 000 vérifications ont eu lieu avant ou en même temps que les 99 000 appels, ce qui indique que le système exécute une logique de pré-vérification.
Pour les AI Agents, appeler un oracle ne consiste plus simplement à obtenir un prix, mais à l’utiliser comme une partie des données d’entraînement ou comme entrée pour exécuter des stratégies on-chain. En ce qui concerne le choix des chaînes de l’écosystème, il est à noter que Solana, Aptos, Sei et d’autres chaînes hautes performances affichent une part d’intégration non négligeable.
La raison est facile à comprendre : les décisions à haute fréquence des AI Agents exigent des échanges de données à faible latence et à faible coût. Le modèle de gas du mainnet Ethereum est plus adapté à des interactions de faible fréquence mais à forte valeur, tandis que les micro-paiements et les requêtes de données entre agents conviennent davantage aux chaînes hautes performances. Cette différenciation va continuer à se renforcer au cours de l’année à venir.
Un autre signal de la chaîne de valeur industrielle est l’effet de diminution du coût marginal de la vérification des données. Une fois qu’APRO a mis en place un réseau de vérification couvrant 40 chaînes, le coût d’intégration d’une nouvelle chaîne devient presque négligeable, tandis que la capacité de vérification produite par le réseau augmente de manière linéaire.
Cela va comprimer la vitesse d’expansion inter-chaînes des oracles historiques, en particulier pour les nouvelles catégories de données (données d’entraînement IA, données de conformité RWA) ; l’avantage du premier entrant se transformera en choix par défaut de la source de données.
À l’échelle des chiffres, comparées à des projets de premier plan comme Chainlink, ces données ne sont pas très importantes, mais si l’on exclut l’écosystème Ethereum et que l’on observe la structure de la demande sur les nouvelles chaînes, on constate que la problématique évolue d’un service de feed de prix vers des services de vérification de données plus complexes.
La différence tient au fait que le feed de prix traditionnel est à sens unique, tandis que le service de vérification est bidirectionnel : les utilisateurs doivent confirmer l’exactitude, l’actualité et la cohérence inter-chaînes des données. Les 109 000 vérifications ont eu lieu avant ou en même temps que les 99 000 appels, ce qui indique que le système exécute une logique de pré-vérification.
Pour les AI Agents, appeler un oracle ne consiste plus simplement à obtenir un prix, mais à l’utiliser comme une partie des données d’entraînement ou comme entrée pour exécuter des stratégies on-chain. En ce qui concerne le choix des chaînes de l’écosystème, il est à noter que Solana, Aptos, Sei et d’autres chaînes hautes performances affichent une part d’intégration non négligeable.
La raison est facile à comprendre : les décisions à haute fréquence des AI Agents exigent des échanges de données à faible latence et à faible coût. Le modèle de gas du mainnet Ethereum est plus adapté à des interactions de faible fréquence mais à forte valeur, tandis que les micro-paiements et les requêtes de données entre agents conviennent davantage aux chaînes hautes performances. Cette différenciation va continuer à se renforcer au cours de l’année à venir.
Un autre signal de la chaîne de valeur industrielle est l’effet de diminution du coût marginal de la vérification des données. Une fois qu’APRO a mis en place un réseau de vérification couvrant 40 chaînes, le coût d’intégration d’une nouvelle chaîne devient presque négligeable, tandis que la capacité de vérification produite par le réseau augmente de manière linéaire.
Cela va comprimer la vitesse d’expansion inter-chaînes des oracles historiques, en particulier pour les nouvelles catégories de données (données d’entraînement IA, données de conformité RWA) ; l’avantage du premier entrant se transformera en choix par défaut de la source de données.