500 milliards de dollars en jeu : le portefeuille AI Agent, un pari "difficile à rentabiliser"

Source : Tiger Research

Traduit et compilé par : BitpushNews

Les gros titres rapportent sans cesse des nouvelles sur les AI Agents (agents intelligents) effectuant des transactions autonomes et traitant des paiements. Cependant, l'industrie des portefeuilles cryptographiques a déjà préparé le terrain en coulisses. Actuellement, plus de dix entreprises travaillent à la création de portefeuilles sur mesure pour les AI Agents. Que cherchent-elles réellement ? Quel est le potentiel de retour sur investissement ?

Points clés

• Lorsque les AI Agents remplacent les humains pour naviguer sur Internet et acheter des biens ou des informations, ils génèrent finalement des milliers de paiements microscopiques, chacun valant seulement quelques centimes. Les réseaux de paiement par carte existants (Card Rails) ne peuvent pas supporter une telle échelle de paiements si petits, rendant ainsi essentiel un portefeuille capable de diviser et d'envoyer des fonds automatiquement selon des conditions prédéfinies.
• Bien qu'il manque actuellement de rentabilité à court terme, des entreprises comme Coinbase et Binance construisent activement une infrastructure de portefeuilles AI. Cela leur permet de verrouiller une clientèle future avant que les AI Agents ne commencent à effectuer des transactions à grande échelle. L'objectif à ce stade est d'établir une base d'utilisateurs avant l'explosion de la demande réelle.
• Selon les données de Coinbase, l'augmentation de l'utilisation des AI Agents pourrait entraîner une croissance allant jusqu'à sept fois leurs revenus actuels.
• Les enregistrements de paiements accumulés dans les portefeuilles peuvent démontrer si les AI Agents sont rentables, ouvrant ainsi la voie à des prêts basés sur des revenus futurs—similaire à l'octroi de prêts de crédit basé sur l'historique des ventes par carte des petites entreprises.
• Cela reste encore au stade de la "possibilité" plutôt que de la "confirmation". Les AI Agents continuent de faire des erreurs opérationnelles et d'exécuter des paiements incorrects, et les règles varient selon les pays et les entreprises, tandis que le statut juridique des AI Agents n'est pas encore clair. Par conséquent, la compétition actuelle n'est pas pour capturer les revenus d'aujourd'hui, mais pour se positionner avantageusement dans un grand marché qui devrait bientôt se former.

1. L'essor des AI Agents

Plus tôt cette année, une expérience sur le marché prédictif Polymarket a suscité de vives discussions en fournissant 50 dollars de capital de démarrage à un AI Agent et en le laissant effectuer des transactions de manière autonome. Les conditions de l'expérience stipulaient que si l'agent ne pouvait pas générer de bénéfices pour couvrir ses coûts d'API et de serveur, il cesserait d'exister. L'agent a ensuite réussi à effectuer des transactions, et depuis lors, une série d'autres agents ont commencé à effectuer des transactions de manière similaire.

Bien que les AI Agents ne soient pas encore intégrés dans la vie quotidienne, il ne fait aucun doute qu'ils seront largement utilisés dans un avenir proche.

2. Chaque transaction de l'agent commence par un portefeuille

Les AI Agents n'ont pas encore pénétré le domaine des paiements quotidiens. Leur application la plus active se trouve actuellement dans les robots de trading de cryptomonnaies qui fonctionnent au sein de l'écosystème cryptographique. Ces robots opèrent indépendamment des réseaux de paiement traditionnels, se concentrant exclusivement sur le trading de cryptomonnaies.

Cependant, à l'avenir, les paiements s'étendront à des domaines que nous ne pouvons pas encore imaginer. Comme mentionné dans des rapports précédents, l'IA est en train de changer la nature même des paiements. Une fois que les agents (et non les humains) interagiront et navigueront directement sur le réseau, le montant des paiements individuels chutera considérablement. Le coût d'un appel API ou d'une requête de données pourrait descendre à 0,001 dollar, et dans des cas extrêmes, même à 0,00001 dollar.

Pour franchir les scénarios d'utilisation actuels des portefeuilles, il est nécessaire d'avoir un système de paiement programmable capable de diviser et d'envoyer automatiquement de si petits paiements selon des conditions prédéfinies, sans intervention humaine. C'est dans ce contexte que le réseau de paiement x402 a vu le jour, le portefeuille étant la base de son fonctionnement.

Cependant, les réseaux de paiement existants sont conçus avec l'"humain" comme sujet de la transaction.

Les cartes de crédit sont émises aux titulaires de cartes individuels et fonctionnent sur une structure de "chargeback"—c'est-à-dire que lorsqu'un problème de transaction survient, un humain initie un litige et annule la transaction, chaque transaction étant soumise à des frais fixes pouvant atteindre plusieurs dizaines de centimes. Lorsqu'une personne effectue occasionnellement un achat de 20 dollars, cela ne pose aucun problème ; mais une fois qu'un agent commence à envoyer des paiements à la vitesse de plusieurs milliers par seconde—même si chaque appel API ne coûte que 0,001 dollar ou chaque enregistrement de données ne coûte que 0,00001 dollar—ce modèle de paiement devient économiquement inviable.

La question centrale est : les fonds eux-mêmes sont-ils "programmables" ?

Les cartes bancaires peuvent automatiser l'entrée des informations de paiement, mais elles ne peuvent pas être programmées pour diviser les flux de fonds, effectuer des paiements en temps réel (streaming) ou régler instantanément selon des conditions spécifiques. Dans le réseau sur lequel les portefeuilles fonctionnent, cette capacité est par défaut intégrée. Stocker les détails de paiement sur une carte ne peut, au mieux, que permettre à un humain d'exécuter des transactions à une échelle humaine. Une fois que la forme économique se transforme en transactions directes entre machines, le portefeuille devient le seul point de départ viable.

3. L'agent est une entreprise de 50 milliards de dollars

Comme le montre l'image ci-dessus, la gamme des fournisseurs de portefeuilles est très large, englobant des entités allant des échanges aux émetteurs de stablecoins. Alors, pourquoi tant de participants diversifiés s'engagent-ils dans le domaine des infrastructures de portefeuilles d'agents, qui n'ont pas encore de rentabilité à court terme clairement définie ?

La réponse réside dans le fait que ces entreprises investissent pour des revenus futurs et des plans d'affaires futurs, et non pour aujourd'hui.

Intégrer des fonctionnalités d'agent dans les portefeuilles n'est pas une initiative qui génère immédiatement des revenus. Cela construit une capacité sous-jacente pour absorber ces volumes de transactions lorsque les agents commencent à générer des activités à grande échelle.

L'essentiel est que les AI Agents fonctionneront finalement 24 heures sur 24 et 7 jours sur 7 dans un environnement sans navigateur (Browserless Environment) sans intervention humaine. Imaginez qu'un utilisateur demande à un agent de rédiger un rapport de recherche. Lorsque l'agent collecte des informations, chaque fois qu'il extrait des données de différentes plateformes payantes, il exécutera un paiement microscopique. Une simple instruction de l'utilisateur pourrait déclencher instantanément 20 à 30 paiements, voire plus.

Une opération qui semble simple et unique pour un humain, une fois traitée par un AI Agent, se transforme en un volume de transactions de paiement extrêmement important.

Comment ce changement dans l'environnement de paiement affectera-t-il la rentabilité des entreprises ? Cela peut être estimé à partir des données publiques de Coinbase. Ce calcul prend comme base les 9,2 millions d'utilisateurs de transactions mensuelles (MTU) de Coinbase, et non son total d'environ 120 millions d'utilisateurs enregistrés.

En combinant trois variables : le taux d'adoption, le nombre moyen d'agents par utilisateur et la fréquence quotidienne des appels, nous pouvons obtenir les prévisions suivantes :

• Scénario conservateur (10 % de taux d'adoption, 1 agent par utilisateur, 50 appels par jour) : environ 8,4 millions de dollars de revenus supplémentaires par an, croissance de 1,2 %.
• Scénario neutre (50 % de taux d'adoption, 2 agents par utilisateur, 200 appels par jour) : les revenus supplémentaires augmentent considérablement à environ 3,36 milliards de dollars, croissance de 46,8 %.
• Scénario agressif (100 % de taux d'adoption, 3 agents par utilisateur, 1000 appels par jour) : les revenus annuels atteignent environ 50,37 milliards de dollars, soit environ 7 fois les revenus totaux actuels de Coinbase.

Ce qui est particulièrement frappant dans cette comparaison, c'est que l'écart entre ces trois scénarios s'élargit de manière exponentielle plutôt qu'arithmétique. Le taux d'adoption lui-même n'augmente que de 10 fois (passant de 10 % à 100 %), mais l'écart de revenus qui en résulte s'élève à environ 600 fois (passant de 8,4 millions de dollars à 50,37 milliards de dollars).

Étant donné que les trois variables "taux d'adoption", "nombre moyen d'agents par utilisateur" et "fréquence quotidienne des appels" sont en relation multiplicative, toute petite augmentation de l'une de ces variables entraînera une augmentation exponentielle du total. Par conséquent, une fois que les agents seront largement adoptés et que le nombre d'utilisateurs augmentera, le flux de revenus qui en résulte pourrait atteindre environ 7 fois les revenus totaux actuels.

C'est pourquoi Coinbase, même sans revenus visibles aujourd'hui, promeut vigoureusement l'infrastructure des portefeuilles d'agents. Cela vise à verrouiller sa part de marché lorsque l'ère des AI Agents sera arrivée.

4. Vers une nouvelle banque pour agents (Neobanking)

Les données de transaction accumulées grâce à l'infrastructure des portefeuilles ne sont pas de simples enregistrements. Elles posent les bases d'un tout nouveau modèle commercial—car l'historique des paiements stocké dans le portefeuille peut servir de critère d'évaluation du crédit, prouvant ainsi la situation financière et les performances des AI Agents.

Une fois ce système d'évaluation du crédit basé sur les données établi, les fournisseurs de portefeuilles peuvent naturellement s'étendre vers la prochaine génération de services financiers, tels que le financement basé sur les revenus spécifiquement pour les agents (Revenue-Based Financing, RBF).

Stripe Capital est un exemple typique de construction réussie d'une nouvelle entreprise financière sur la base des données de paiement existantes. Lorsque Stripe a lancé son service de prêt Stripe Capital en septembre 2019, il ne s'est pas appuyé sur des agences de crédit externes ou des documents de prêt complexes. Il a simplement utilisé les données de vente en temps réel des commerçants circulant à travers son propre réseau de paiement pour évaluer l'éligibilité et le montant des prêts.

Le cas de Stripe montre qu'une entreprise peut tout à fait construire une activité financière de grande valeur sur les pipelines de données de ses activités existantes, sans avoir besoin d'établir un réseau de vente séparé ou d'effectuer des efforts de marketing supplémentaires.

Les fournisseurs de portefeuilles d'agents pourraient très bien suivre le même chemin d'expansion. En accumulant continuellement les données de revenus des agents via les portefeuilles, ils pourraient créer des bases pour financer les opérations via le RBF et se transformer en plateformes financières axées sur les agents pour en tirer profit.

Cependant, la construction de cette nouvelle ligne d'activité dépend d'une condition préalable : les AI Agents doivent dépasser le simple outil d'exécution de paiements pour évoluer en entités capables de générer des revenus par elles-mêmes et de gagner suffisamment de revenus réels pour rembourser les prêts.

5. Cette croissance n'est pas encore prouvée

Les prévisions de croissance des revenus de 7 fois pour Coinbase et l'expansion vers le RBF reposent sur l'hypothèse optimiste que "les paiements des agents se généralisent". Établir ce système dans l'économie réelle reste confronté à d'énormes obstacles.

Tout d'abord, il existe encore d'importants doutes concernant le taux de conversion des achats réels des AI Agents et la fiabilité des paiements. Les agents continuent de faire des erreurs lors de la passation de commandes autonomes, entraînant des paiements erronés en raison de "hallucinations" ; parfois, les transactions sont directement bloquées par les systèmes de détection de fraude (FDS) des émetteurs. Par conséquent, le taux d'achèvement des paiements réels reste faible.

De plus, des protocoles de paiement tels que x402, AP2 et MPP restent fragmentés et n'ont pas été unifiés en une norme unique ; en même temps, l'absence de politiques claires de KYC (vérification d'identité) et de réglementation financière pour les AI Agents, qui ne sont pas des entités juridiques, constitue un autre obstacle majeur à l'expansion du marché.

Ainsi, l'objectif actuel des fournisseurs de portefeuilles n'est pas de générer des revenus de frais à court terme. L'App Store d'Apple a mis 15 ans à établir un marché de frais de 10 milliards de dollars par an, tandis que WeChat Pay a également mis 7 ans à créer un vaste écosystème de mini-programmes. Les portefeuilles d'agents suivent une chronologie similaire à long terme, se concentrant sur la construction d'un écosystème plutôt que sur la capture de retours à court terme.

La compétition actuelle ne concerne pas les revenus marginaux d'aujourd'hui. Il s'agit de voir qui pourra maîtriser en premier le contrôle des flux de fonds dans l'économie des agents intelligents qui devrait se former dans cinq à dix ans.