Lorsque l'IA comble les lacunes de l'industrie de la cryptographie, ces quinze opportunités de startup méritent d'être examinées

L'IA a comblé la lacune la plus critique, ces projets de cryptographie méritent un nouvel examen.

Rédigé par : Rex St. John

Traduit par : AIdidiaoJP, Foresight News

La plupart des bons projets de cryptographie ne sont pas échoués à cause d'une mauvaise direction, mais à cause de l'absence de trois infrastructures fondamentales : le jugement est trop coûteux, il n'y a pas de monnaie stable, et les règlements sont trop lents. Après 2023, ces trois éléments ont changé.

Entre 2014 et 2019, l'industrie de la cryptographie a vu émerger une multitude de projets ambitieux : tribunaux en chaîne, oracles universels, marchés de données, marchés de puissance de calcul, micropaiements, systèmes d'identité, enregistrements de curation, assurances, traçabilité, marchés du travail, organisations autonomes... presque tout l'économie devait être déplacée sur la chaîne. La plupart d'entre eux ont déjà disparu.

Le problème ne réside pas dans l'idée elle-même, mais dans le fait que les trois éléments dont ils dépendaient n'existaient pas à l'époque : un mécanisme capable de juger à faible coût des problèmes flous du monde réel, une unité de comptabilité stable, et une chaîne suffisamment rapide pour régler les paiements de faible montant.

Ancien goulet d'étranglement : tous les contrats doivent finalement être jugés par des humains

Les contrats intelligents ne peuvent vérifier que ce que les ordinateurs peuvent vérifier : signatures, soldes, hachages. Mais presque chaque contrat significatif a des questions clés qui se trouvent hors de la chaîne : le travail est-il terminé ? Cette déclaration est-elle vraie ? Le vol a-t-il du retard ?

Chaque projet doit finalement s'appuyer sur des humains pour juger : votes des détenteurs de jetons, jurés stakés, curateurs. Mais les actions humaines sont lentes, coûteuses à embaucher, facilement corrompues dans de petits groupes, et peu enclines à se présenter pour un litige de 4 dollars. Le marché n'a donc jamais pu se développer, et le modèle économique ne pouvait compter que sur les jetons. Avec les cycles de 2018 et 2022, les projets ont suivi la même voie.

Quatre changements, tous après 2023

Le jugement est devenu moins coûteux. Les grands modèles de langage peuvent lire des contrats, des livrables et des preuves en quelques secondes pour quelques centimes et rendre des jugements. Faire en sorte que les modèles de différents fournisseurs composent un jury à vote secret est plus difficile à corrompre que de faire appel à un juré humain unique, et ils ne sont jamais absents.

Les agents IA sont devenus des utilisateurs. Les agents IA travaillent, achètent des services, signent des accords. Ils ont plus besoin de contrats, de paiements et de crédibilité que les humains, avec des montants de transaction si petits qu'ils ne peuvent pas être arbitrés par des humains.

Les stablecoins sont en place. Environ 310 milliards de dollars de l'offre prévue d'ici mi-2026 (données Spark), les contrats peuvent être payés en dollars, plutôt qu'en jetons de gouvernance dont le prix fluctue fortement.

Les chaînes sont devenues plus rapides et moins coûteuses. Solana confirme en moins d'une seconde, avec des frais de transaction de moins d'un centime, rendant le paiement à l'utilisation et chaque jugement sur la chaîne réalisable.

La règle pour trouver des projets : une vieille idée, le goulet d'étranglement d'autrefois était « besoin d'un tiers de confiance pour juger ». C'est précisément le goulet d'étranglement que l'IA élimine.

Quinze directions, classées par potentiel de revenus et niveau de préparation

Le niveau de revenus est une estimation de l'auteur sur la part que les nouveaux entrants pourraient capturer, et non une prévision.

1. Tribunaux commerciaux en ligne (Kleros, arbitrage OpenBazaar)

Comment cela se faisait auparavant : mise en jeu, tirage au sort de jurés pour résoudre les litiges entre inconnus, remplaçant le service client des plateformes.

Pourquoi cela a échoué : chaque affaire nécessite des ressources humaines et du temps, ce qui est trop coûteux, ne s'appliquant qu'aux litiges de plus de quelques centaines de dollars. Le volume n'augmente pas, et les petits jurys sont facilement corrompus.

Ce que l'IA change : un jury multi-modèles peut juger un litige de 4 dollars en quelques secondes pour quelques centimes, chaque vote et raison étant publics. Les transactions entre agents IA généreront des millions de petits litiges que les humains ne peuvent pas traiter.

Potentiel de revenus : élevé. En 2025, les commerçants perdront environ 33,79 milliards de dollars à cause de 261 millions de refus de paiement (données Mastercard) ; le marché des logiciels de résolution de litiges en ligne est d'environ 1,76 milliard de dollars (Mordor Intelligence). Même si l'on ne facture que pour une petite partie des jugements, c'est un véritable business.

2. Oracles de problèmes sans API (Augur, Truthcoin, futarchy)

Comment cela se faisait auparavant : permettre à quiconque de parier sur n'importe quel problème réel, les détenteurs de jetons rapportant les résultats.

Pourquoi cela a échoué : les questions subjectives (« La loi a-t-elle effectivement été adoptée ? ») nécessitent des votes humains lents et manipulables. La liquidité s'est dirigée vers le sport et les élections, où les API ont déjà les réponses.

Ce que l'IA change : le jury de modèles lit les critères de jugement et les sources d'information, rendant des jugements sur des résultats flous, avec des raisonnements pour appel. Cela ouvre le marché long tail aujourd'hui sans enchères, car personne ne peut régler.

Potentiel de revenus : élevé. En octobre 2026, le volume des transactions sur les marchés prédictifs américains atteindra 120,7 milliards de dollars (DeFi Rate). Le règlement est la faiblesse commune de toutes les plateformes, pouvant être vendu à toutes les plateformes.

3. Assurances sans experts en sinistres (Etherisc, Nexus Mutual, P2P mutualisation)

Comment cela se faisait auparavant : l'assurance paramétrique indemnise automatiquement lorsque des événements mesurables se produisent (retard de vol, manque de pluie) ; les organisations de mutualisation permettent aux membres de partager les risques et de voter sur les demandes d'indemnisation.

Pourquoi cela a échoué : l'assurance paramétrique ne peut couvrir que des événements avec des sources de données propres. Les demandes de mutualisation sont décidées par vote des membres, ce qui est lent et difficile à rassembler, avec des conflits d'intérêts parmi les membres - chaque indemnisation sort du fonds commun. Les primes évaluées en jetons dont le prix fluctue effraient les acheteurs et les régulateurs.

Ce que l'IA change : les demandes sont jugées par un jury neutre en fonction des termes de la police et des preuves, sans lien d'intérêt avec le résultat. Les conditions déclencheuses peuvent être écrites en texte (« Les pertes de cultures dans cette région, selon les rapports d'un ministère ou de deux médias »), le jury jugeant à partir des documents, ce qui augmente considérablement les risques assurables. Les paiements se font en stablecoins.

Potentiel de revenus : élevé mais lent, nécessitant des partenaires d'assurance agréés ou des organisations de mutualisation réglementées. Le marché de l'assurance paramétrique atteindra environ 19,4 milliards de dollars en 2025, avec une croissance annuelle d'environ 12 % (GM Insights). Un point d'entrée plus rapide consiste à vendre des jugements de demandes aux compagnies d'assurance existantes.

4. Marché du travail avec séquestre (Colony, Gitcoin, Bounties Network)

Comment cela se faisait auparavant : publication de tâches, argent en séquestre, libération après acceptation.

Pourquoi cela a échoué : il faut toujours que quelqu'un juge si le travail est terminé. Cette personne est l'annonceur, donc tous les litiges des plateformes de freelancing reviennent.

Ce que l'IA change : les critères d'acceptation sont jugés par un jury neutre par rapport aux livrables réels (dépôts de code, rapports, conceptions). Les agents IA sont à la fois travailleurs et acheteurs, à une échelle que les examinateurs humains ne peuvent égaler.

Potentiel de revenus : moyen à élevé. Upwork prévoit des revenus de 788 millions de dollars en 2025, supportant plus de 4 milliards de dollars de volume de travail (Yahoo Finance). Le marché natif des agents IA peut facturer des taux plus bas et réaliser plus de petites tâches.

5. Autorisations de données et médias (Ocean Protocol, Ujo, Mycelia)

Comment cela se faisait auparavant : les créateurs et propriétaires de données vendent directement l'accès, les redevances étant exécutées par contrat.

Pourquoi cela a échoué : peu d'acheteurs, et personne ne peut vérifier comment les données sont utilisées après leur vente.

Ce que l'IA change : les laboratoires IA deviennent des acheteurs. Les transactions entre Reddit et Google sont rapportées à environ 60 millions de dollars par an, et l'accord entre News Corp et OpenAI dépasse 250 millions de dollars sur cinq ans (Quartz). Les termes peuvent être écrits en texte (« ne pas être utilisé pour des modèles concurrents à l'octroi »), le jury vérifiant les preuves d'audit.

Potentiel de revenus : moyen à élevé, mais actuellement concentré entre quelques grands concédants. L'opportunité se trouve dans le long tail : des millions de petits créateurs qui ne peuvent pas négocier seuls.

6. Paiements automatiques (BAT, Lightning, IOTA)

Comment cela se faisait auparavant : paiement par article, par appel API, par kilowattheure, avec des frais de quelques centimes.

Pourquoi cela a échoué : les gens détestent approuver de petits paiements, les frais et la fluctuation des prix mangent les bénéfices.

Ce que l'IA change : les agents IA n'ont pas de problème à payer 26 cents cent fois par jour. La norme x402 devrait régler environ 198,9 millions de transactions d'ici septembre 2026, pour environ 52,7 millions de dollars (TRM Labs).

Potentiel de revenus : actuellement faible, mais potentiellement très élevé à l'avenir. Les propres filtrages de TRM montrent que la plupart des volumes de transactions ne sont pas encore des affaires réelles. Les voies de paiement existent, mais il manque des raisons de faire confiance aux vendeurs - c'est ce que les idées 1 et 7 visent à résoudre.

7. Réputation et garantie en lieu de collatéral (Bloom, ETHLend)

Comment cela se faisait auparavant : prêt sans collatéral suffisant basé sur l'historique de crédit sur la chaîne.

Pourquoi cela a échoué : les portefeuilles peuvent être créés gratuitement, et un mauvais historique est jeté avec le portefeuille, les prêteurs demandent toujours 150 % de collatéral.

Ce que l'IA change : les enregistrements de jugement des agents IA (livrables complétés, litiges perdus) sont difficiles à falsifier, et le coût d'abandon est élevé ; les dépôts que le jury peut saisir rendent les promesses exécutables. C'est le modèle de « garantie d'agent ».

Potentiel de revenus : moyen. Les premiers clients sont des marchés d'agents nécessitant des scores de confiance, pas des prêteurs.

8. Preuve d'identité (uPort, Sovrin, BrightID)

Comment cela se faisait auparavant : identité portable, prouvant que vous êtes un humain unique.

Pourquoi cela a échoué : aucune application n'en a un besoin urgent, les utilisateurs ne veulent pas passer par le processus de configuration.

Ce que l'IA change : la demande a changé, pas la solution. Les robots et les agents IA sont partout, et « avoir un vrai humain derrière » est soudainement devenu précieux. World a rapporté en avril 2026 que 18 millions de vrais humains ont été vérifiés (Decrypt).

Potentiel de revenus : le marché est vaste pour les gagnants, mais la concurrence est féroce et le capital est dense. L'ouverture est de relier les agents IA à des humains ou des entreprises responsables.

9. Organisations avec règles exécutoires (The DAO, Aragon)

Comment cela se faisait auparavant : utiliser le code et les jetons pour voter sur le fonctionnement des organisations.

Pourquoi cela a échoué : le code ne peut pas exprimer les règles qui préoccupent vraiment les gens (« pas de paiements aux insiders sans divulgation »), le taux de participation est faible et facilement manipulable.

Ce que l'IA change : les statuts sont écrits en texte, chaque proposition étant vérifiée par le jury avant d'être signée par le trésor. C'est le modèle de « constitution DAO ».

Potentiel de revenus : faible à moyen. Le trésor est important, mais l'espace de facturation des outils est limité ; vendu comme contrôle des risques.

10. Listes de curation (enregistrements de curation de jetons, Steemit)

Comment cela se faisait auparavant : mise en jeu de jetons pour maintenir des listes de qualité (annonceurs, sources d'actualités).

Pourquoi cela a échoué : les jeux de mise récompensent la spéculation plutôt que le jugement, et les votants ne lisent pas les entrées.

Ce que l'IA change : les critères d'inscription écrits en texte sont vérifiés un par un par le jury, avec des raisons, et le coût de contestation est faible.

Potentiel de revenus : faible à moyen ; le plus fort est intégré dans un autre produit (magasin d'applications, enregistrement de fournisseurs, marché de modèles).

11. Traçabilité du contenu (Po.et, Ascribe)

Comment cela se faisait auparavant : horodatage des œuvres créatives pour prouver qui a créé en premier.

Pourquoi cela a échoué : l'horodatage prouve que le document a existé, mais ne prouve pas qui l'a créé, et personne ne vérifie.

Ce que l'IA change : la génération de médias rend urgent de savoir « est-ce vrai, à qui cela appartient » pour les salles de rédaction, les tribunaux et les plateformes. Le jury peut évaluer la chaîne de preuves, pas seulement le hachage.

Potentiel de revenus : moyen, vendu aux éditeurs et aux plateformes. Les normes de preuve de contenu existent déjà et peuvent être basées sur cela.

12. Suivi de la chaîne d'approvisionnement (VeChain, IBM Food Trust)

Comment cela se faisait auparavant : suivre les marchandises de la ferme à l'étagère sur un grand livre partagé.

Pourquoi cela a échoué : des déchets entrent, des déchets sortent. Le grand livre ne peut pas déterminer si l'étiquette sur la boîte est réelle.

Ce que l'IA change : cela n'a pas été aussi exagéré. Les modèles peuvent vérifier à grande échelle la cohérence des documents (certificats, factures, photos), détectant les fraudes des paresseux. Mais ils ne peuvent pas voir à l'intérieur des boîtes.

Potentiel de revenus : moyen, mais le cycle de vente du côté entreprise est long. Commencez par vérifier les documents de conformité, ne partez pas du grand livre.

13. Actifs tokenisés avec des clauses contraignantes (Polymath, Harbor, tZERO, tokens de sécurité de 2018)

Comment cela se faisait auparavant : transformer des actions, des biens immobiliers, des prêts en jetons, échangeables 24/7 avec règlement instantané.

Pourquoi cela a échoué : les jetons ne sont que des reçus. Les véritables accords (contrats, cascades de paiement, restrictions de transfert, que faire en cas de défaut) existent dans des PDF non lisibles sur la chaîne, et aucun tribunal ne considère les enregistrements sur la chaîne comme des sources de faits. Seuls des actifs simples ont réussi : d'ici mars 2026, environ 23,6 milliards de dollars d'actifs auront été tokenisés, principalement des obligations d'État et des fonds monétaires (Cointelegraph citant DeFiLlama).

Ce que l'IA change : les accords juridiques eux-mêmes deviennent des contrats pour le jugement du jury. La violation du contrat, le paiement dû, le transfert autorisé sont jugés par le jury en fonction des documents et des preuves, chaque jugement étant enregistré sur la chaîne. Si l'accord stipule que le jugement du jury est contraignant, le résultat peut avoir force obligatoire - les jugements d'arbitrage étant exécutables dans la plupart des pays selon la Convention de New York.

Potentiel de revenus : élevé. Facturer pour l'émission et les services de crédit privé, de factures, de biens immobiliers - ce sont des actifs complexes que la tokenisation a jusqu'à présent négligés. Ne peut pas être livré seul : nécessite des émetteurs agréés et des avocats pour rédiger les clauses d'arbitrage.

14. Infrastructure partagée et marché de puissance de calcul (Golem, iExec, Helium, Filecoin, Akash, io.net)

Comment cela se faisait auparavant : inciter des inconnus à fournir des GPU, du stockage, une couverture sans fil ou des données cartographiques avec des jetons, vendus moins cher que le cloud.

Pourquoi cela a échoué : plusieurs tentatives ont échoué à décoller. Les récompenses en jetons ont acheté l'offre, mais la demande de paiement n'est pas venue. Messari estime que l'ensemble du secteur générera environ 72 millions de dollars de revenus sur la chaîne d'ici 2025, correspondant à environ 10 milliards de dollars de valeur de jetons (Decrypt citant Messari). Le problème fondamental est la confiance : les acheteurs ne peuvent pas juger si des fournisseurs inconnus ont réellement exécuté des tâches, maintenu un temps de fonctionnement normal, ou fourni une couverture réseau, et en cas de problème, personne ne juge. Les entreprises achètent une garantie de service, pas des jetons.

Ce que l'IA change : deux choses. Les agents IA sont des acheteurs, prêts à confier des tâches aux fournisseurs les moins chers avec un historique vérifié. Le jury peut juger les réclamations de service sur la base des preuves (journaux, références, preuves de raisonnement), pénalisant les fournisseurs qui ne respectent pas les normes en saisissant leur dépôt - c'est le modèle de « garantie d'agent » appliqué au matériel. C'est une garantie que ces réseaux n'ont jamais eue.

Potentiel de revenus : si le problème de confiance est résolu, très élevé, car la demande de raisonnement est énorme. Mais la demande de paiement prouvée aujourd'hui est très faible, donc commencez par fournir une garantie de service pour une tâche, sans essayer de créer un marché dès le départ.

15. Propriété intellectuelle soutenue par de vrais contrats (Mediachain, Ascribe, IPwe, Story Protocol)

Comment cela se faisait auparavant : enregistrer des chansons, des œuvres d'art, des brevets, des marques sur la chaîne, autorisant et payant des redevances via des contrats intelligents.

Pourquoi cela a échoué : les jetons n'ont jamais été des droits légaux. La propriété se trouve dans les bureaux de droits d'auteur, de brevets et dans les accords de licence signés, et tout ce qui entre dans ces systèmes nécessite des avocats et des frais de demande pour chaque œuvre. Personne ne s'appuiera légalement sur des enregistrements sur la chaîne, les licences étant toujours négociées par e-mail.

Ce que l'IA change : les agents IA peuvent maintenant rédiger de vrais contrats et préparer des documents. Les agents rédigent des licences en langage juridique simple, préparent des enregistrements de droits d'auteur, des demandes de marques ou des documents de transfert, les soumettent, puis enregistrent les documents signés et les reçus sur la chaîne par hachage. Le même contrat devient ensuite un accord exécutable par les agents IA : le jury juge si l'utilisation est conforme à la licence, les redevances circulant selon le jugement. Les enregistrements sur la chaîne et les enregistrements juridiques disent enfin la même chose.

Potentiel de revenus : élevé. Le seul commerce de détail de produits sous licence atteindra 389,8 milliards de dollars en 2025 (Licensing International), et les licences d'entraînement IA deviendront de nouveaux acheteurs (voir l'idée 5). L'opportunité se trouve chez les petits créateurs et inventeurs qui ne peuvent pas se permettre les frais d'avocat pour chaque demande. Les services de demande nécessitent une révision par un avocat pour éviter l'exercice non autorisé, donc commencez par les enregistrements de droits d'auteur et les licences que les particuliers peuvent soumettre eux-mêmes.

Comment choisir, quels problèmes peuvent survenir

Choisissez cette direction : l'ancien goulet d'étranglement était le jugement humain, et aujourd'hui, des gens paient déjà pour de mauvais jugements. Cela pointe vers : tribunaux commerciaux en ligne, règlements de marchés prédictifs, réclamations d'assurance.

Tests avant de se lancer :

• Des gens paient déjà pour des versions humaines lentes (équipes de refus de paiement, experts en sinistres, agents de règlement de marché).
• Les problèmes peuvent être résolus par des preuves que le jury peut voir. Si quelqu'un doit vérifier des boîtes physiques, l'IA ne peut pas aider.
• Peut fonctionner sans jetons. Chaque idée ci-dessus a partiellement échoué à cause de modèles économiques soutenus par des jetons, plutôt que par des clients.

Risques :

• Les jurys de modèles peuvent se tromper ensemble. Les modèles formés sur des données sources partagent des angles morts. Rendre les raisons publiques, conserver les voies d'appel, suivre le taux de conformité avec les examens humains.
• Les preuves peuvent être falsifiées. Le jury ne peut juger que sur ce qu'il voit ; fixer les preuves par hachage, considérer les déclarations des parties comme non fiables.
• La réglementation reste une contrainte stricte dans les domaines de l'assurance, des valeurs mobilières et des prêts. L'IA élimine le goulet d'étranglement du jugement, mais ne supprime pas les licences.
• La demande peut rester faible. Les paiements automatiques et l'infrastructure partagée ont aujourd'hui des voies utilisables, mais la demande de paiement prouvée est faible. Mesurez d'abord avant d'étendre.