L’économie des agents d’intelligence artificielle autonomes exige une infrastructure financière programmable, capable d’exécuter des millions de transactions de faible valeur sans intervention humaine. BlackRock, Moon Pursuit Capital et plusieurs acteurs institutionnels dessinent les contours de cette nouvelle couche où stablecoins, contrats intelligents et identité on-chain deviendront les rails natifs des machines.
🔑 En bref
- Les systèmes bancaires traditionnels sont inadaptés aux millions de micro-transactions initiées par des agents autonomes.
- BlackRock estime que l’IA pourrait devenir l’un des principaux moteurs de demande de cryptomonnaies, au même titre que la régulation ou les achats institutionnels.
- Les stablecoins ont traité plus de 11 000 milliards de dollars en 2025, au rythme de Visa et Mastercard.
- Les agents de trading IA combinent apprentissage par renforcement et accès API direct aux moteurs d’exécution.
- L’identité, la traçabilité et les assertions de capacité de calcul deviennent des cas d’usage structurants pour les actifs numériques.
Pourquoi la blockchain devient l’infrastructure native des agents IA
Utkarsh Ahuja, fondateur et partenaire directeur de Moon Pursuit Capital, pose le constat de départ : les systèmes de paiement hérités ont été conçus pour des êtres humains et des institutions, non pour des millions de logiciels autonomes effectuant des opérations de faible valeur en continu à travers les frontières.
Dans une analyse publiée par CoinDesk, il explique que l’infrastructure blockchain (registre distribué et programmable) est particulièrement bien adaptée à cet environnement car l’argent peut y devenir programmable. Un agent IA peut interagir avec un portefeuille numérique, exécuter un contrat intelligent ou transférer un stablecoin sans les couches d’intervention manuelle qu’exigent les infrastructures traditionnelles.
« Les stablecoins constituent un pont entre la programmabilité de la blockchain et une unité de compte familière, ce qui les rend particulièrement adaptés aux paiements machine-à-machine. »
Utkarsh Ahuja, fondateur de Moon Pursuit Capital
L’identité constitue un autre pilier de cette nouvelle économie. À mesure que les agents autonomes gagnent en capacités, les marchés doivent déterminer qui ou quoi se trouve derrière une transaction, et ce qu’un agent est autorisé à accomplir. Les mêmes problématiques s’appliquent à la traçabilité : quand les systèmes d’IA consomment des données, créent de la propriété intellectuelle ou exécutent des transactions, établir l’origine des informations et la propriété des actifs devient crucial.
Le rapport de BlackRock sur l’économie machine-native
BlackRock, premier gestionnaire d’actifs mondial, a publié un document de recherche intitulé The Machine-Native Economy, issu de son équipe de recherche sur les actifs numériques dirigée par Will Su et Robert Mitchnick, en collaboration avec les responsables des produits actions ETF et iShares.
La thèse centrale établit un parallèle direct entre les deux domaines technologiques : l’IA représente l’intelligence native pour les machines, tandis que les actifs numériques représentent la monnaie native pour les machines. Selon BlackRock, les deux étaient voués à se rencontrer.
Le document souligne que les rails de paiement traditionnels ne conviennent pas aux agents autonomes. Ouvrir un compte bancaire ou une carte de crédit requiert une pièce d’identité humaine, et les frais des réseaux de cartes sont calibrés pour des achats de quarante dollars, pas pour des appels d’API coûtant une fraction de centime.
« L’intelligence artificielle représente l’intelligence native pour les machines, tandis que les actifs numériques représentent la monnaie native pour les machines. »
BlackRock, The Machine-Native Economy
BlackRock anticipe que les assertions standardisées de capacité de calcul (proof-of-compute) deviendront un cas d’usage significatif des actifs numériques, pour le financement et le règlement programmable. L’IA agentique et les paiements machine-à-machine augmenteront la demande d’infrastructures programmables : stablecoins, actifs cryptographiques natifs et autres instruments on-chain servant de monnaie native aux machines.
Volumes de stablecoins et adoption institutionnelle
Les chiffres publiés par BlackRock illustrent l’ampleur de l’adoption. Le tableau ci-dessous compare les volumes annuels de paiement en 2025 à travers les principaux réseaux :
| Réseau | Volume 2025 (TUSD) | Croissance annuelle |
|---|---|---|
| Stablecoins (ajusté) | 11 000 | ~80 % |
| Visa | ~13 000 | n.d. |
| Mastercard | ~10 000 | n.d. |
| ACH (virement bancaire US) | 93 000 | ~8,5 % |
Le volume ajusté des transactions en stablecoins dépasse ainsi 11 000 milliards de dollars en 2025, dans la même fourchette que Visa et Mastercard, mais reste largement inférieur aux 93 000 milliards transitant via le système ACH. La croissance des stablecoins — environ 80 % par an depuis 2020 contre 8,5 % pour l’ACH — suggère une adoption soutenue pour les transactions machine-à-machine, où la vitesse de règlement et les frais réduits priment sur la taille absolue des flux.
Architecture technique des agents de trading IA
Un agent de trading piloté par l’IA combine des algorithmes d’apprentissage automatique avec un accès direct au moteur d’exécution d’une plateforme via des API (interfaces de programmation). Contrairement aux bots algorithmiques traditionnels suivant des règles préprogrammées, ces agents apprennent et s’adaptent en continu.
Le processus débute par une ingestion massive de données. Les agents surveillent les métriques standards (prix, volume, profondeur du carnet d’ordres) sur plusieurs plateformes, traitent des sources alternatives (réseaux sociaux, annonces réglementaires) via le traitement du langage naturel, et analysent les données on-chain pour détecter des transferts massifs.
Pour décider, de nombreux agents s’appuient sur l’apprentissage par renforcement : placés dans des environnements simulés basés sur des données historiques, ils sont récompensés pour maximiser la valeur du portefeuille et pénalisés pour les risques excessifs. Après des millions d’itérations, ils développent des stratégies capables d’identifier des schémas non linéaires.
L’exécution se déroule ensuite en millisecondes. Les agents haute fréquence exploitent les écarts de prix entre plateformes via l’arbitrage, capturant des profits sur des spreads (écarts) minimes avec une latence très faible.
Les couches d’un agent crypto
- Entrée : invites utilisateur, appels API, flux temps réel.
- Traitement : grands modèles de langage (LLM) interprétant le contexte.
- Mémoire : court terme (contexte immédiat) et long terme (bases vectorielles).
- Action : appels API, déclenchement de smart contracts, transferts de stablecoins.
Les développeurs s’appuient principalement sur Python ou Node.js, avec des cadres comme LangChain ou AutoGen pour orchestrer les composants. La mémoire passe par des bases vectorielles stockant les plongements (embeddings), et le déploiement mobilise AWS ou GCP, souvent conteneurisé via Docker.
Mouvements de marché et signaux d’intégration
Plusieurs développements récents illustrent l’intersection entre finance traditionnelle et infrastructure crypto. Goldman Sachs a acheminé son fonds du Trésor FTIXN, d’environ 100 milliards de dollars, vers des firmes de trading d’actifs numériques via Lynq, un réseau de règlement utilisé par les entreprises crypto, sans tokeniser les actifs.
Parallèlement, Cboe Global Markets et S&P Dow Jones Indices ont prolongé leur accord de licence, laissant la porte ouverte à l’exploration de produits d’options tokenisées, signe que les instruments blockchain se rapprochent des marchés dérivés établis.
Sur le marché spot, le bitcoin a récupéré au-dessus de 84 000 dollars après être tombé à 82 500 dollars, les rendements du Trésor se stabilisant après une brève hausse du dix ans à 5,2 %. Les ETF bitcoin au comptant ont reçu 30 millions de dollars mardi, un montant modeste mais positif après les 2,84 milliards de dollars collectés sur six séances la semaine précédente.
Conclusion : cap sur la couche d’infrastructure
L’IA modifie en profondeur les acteurs des décisions économiques : humains, institutions, mais désormais aussi agents autonomes. Les investisseurs ne devraient pas supposer que toute la valeur se concentrera au niveau de la couche applicative. Certaines des plus grandes opportunités pourraient émerger de l’infrastructure financière requise pour faire fonctionner une économie de plus en plus autonome — rails de paiement programmables, protocoles d’identité pour agents et marchés de compute vérifiables on-chain.
L’internet a transformé la circulation de l’information, la blockchain celle de la valeur, et l’IA redéfinit désormais les preneurs de décisions économiques. La convergence entre IA et blockchain attire un intérêt croissant, et les agents autonomes dans la finance décentralisée comme dans le trading algorithmique joueront un rôle de plus en plus structurant dans les écosystèmes financiers de demain.
Sources
- CoinDesk — Crypto Long & Short: What will the AI agents run on?
- Quora — How do AI agents work in cryptocurrency trading
- Yahoo Finance — BlackRock: AI agents could drive crypto demand
- Medium / Coinmonks — Building crypto AI agents: architecture and tech stack
Cet article est publié à titre informatif et éducatif. Il ne constitue en aucun cas un conseil en investissement. Faites vos propres recherches (DYOR) avant toute décision.
