// analyse
Crypto et IA : anatomie d'une convergence, entre plomberie réelle et casino narratif
Garanties de lectureDatée, sourcée, sans tracker
Niveaux de preuveProfondeur 3 : source liée · 4 niveaux détectés
Sommaire et notions11 étapes · 2 notions
Analyse complète
Crypto et intelligence artificielle sont les deux récits qui aimantent le capital et l’attention depuis cinq ans. Les voir fusionner était inévitable, et le mot-valise « crypto-IA » est devenu un aimant à financements comme à arnaques. Pour l’analyste, la difficulté n’est pas de constater la convergence, elle est de la trier. Car sous le même label cohabitent une plomberie qui marche déjà, des agents logiciels qui règlent des factures en stablecoins, et un casino de jetons sans substance qui a effacé des milliards en 2025. Ce texte cartographie l’intersection, vecteur par vecteur, sépare ce qui repose sur un vrai problème résolu de ce qui n’est qu’un ticker, examine les acteurs et le droit, et pose la question qui décidera de tout : la finance traditionnelle suit-elle, et jusqu’où.
Deux mondes que tout oppose, et qui s’attirent
À première vue, rien ne rapproche les deux technologies. L’intelligence artificielle est centralisatrice : elle exige des capitaux colossaux, des centres de données géants et des puces rares, favorisant une poignée d’acteurs et concentrant le pouvoir. La crypto est née de l’ambition inverse, décentraliser la confiance et retirer aux intermédiaires leur position de péage. L’une construit des boîtes noires ; l’autre bâtit des registres transparents et vérifiables. Leur rencontre relève donc moins de la parenté que de la complémentarité de deux manques.
Trois besoins de l’IA trouvent une réponse crypto. Les agents logiciels autonomes ont besoin d’un moyen de paiement programmable et sans permission, que les rails bancaires ne savent pas offrir. L’IA générative crée une crise de confiance, deepfakes et contenus synthétiques, à laquelle la vérification cryptographique apporte un début de réponse. Et la faim de calcul de l’IA cherche des sources d’approvisionnement alternatives aux hyperscalers. En sens inverse, la crypto, longtemps en quête d’usages au-delà de la spéculation, trouve dans l’IA une demande réelle. C’est cette double béance qui fait l’attraction. Encore faut-il distinguer les vecteurs où elle produit quelque chose de ceux où elle ne produit qu’un prix.
Le cadre le plus lucide reste celui posé dès 2024 par Vitalik Buterin, cofondateur d’Ethereum, qui distingue quatre usages : l’IA comme joueur dans un mécanisme crypto (des bots qui arbitrent ou alimentent des marchés de prédiction), l’IA comme interface (un assistant qui protège l’utilisateur des arnaques), l’IA comme règle (une IA qui arbitre à l’intérieur d’un contrat intelligent) et la crypto pour construire une IA plus fiable. Son avertissement mérite d’ouvrir toute analyse sérieuse : confier à une IA le rôle de règle, par exemple pour garantir un stablecoin, est le plus dangereux, car un modèle exposé se fait attaquer par apprentissage adverse. La convergence la plus tapageuse est souvent la plus fragile.
Le vecteur le plus solide : les agents qui paient
Le premier usage qui a quitté la présentation PowerPoint pour la production est le paiement des agents autonomes. Un agent d’IA qui achète seul de la donnée, du calcul ou un appel d’interface a besoin de payer en continu, en très petits montants, sans ouvrir de compte ni signer d’abonnement. Or les rails par carte ne savent pas faire : selon le rapport Keyrock, 76 % des paiements d’agents tombent sous le seuil de 0,30 dollar de frais fixes des cartes, la plupart entre un et dix cents. C’est le problème économique concret que la crypto résout : des micropaiements programmables, permanents et de machine à machine, réglés en stablecoins.
L’infrastructure s’est mise en place à une vitesse notable. Amazon Web Services a lancé Bedrock AgentCore Payments, qui laisse des agents payer en USDC, construit sur le protocole x402 de Coinbase et les portefeuilles Privy de Stripe. Coinbase a publié un connecteur MCP pour sa chaîne Base, Visa et Mastercard préparent leurs plateformes de commerce agentique. Le stablecoin dominant y est l’USDC de Circle, recentrant la dépendance sur un émetteur unique. Ce mécanisme relie directement l’IA au sujet que nous avons traité dans notre article sur l’économie des intentions et à la monnaie encadrée par le GENIUS Act.
Le garde-fou de lecture est ici essentiel. Les 73 millions de dollars réglés par des agents en un an sont un fait, mais un fait minuscule au regard des 14 500 milliards que Visa traite chaque année. Les projections de Gartner, 15 000 milliards intermédiés par des agents d’ici 2028, ou de McKinsey, 3 000 à 5 000 milliards de commerce agentique d’ici 2030, sont des paris d’adoption, non des observations. Le cas d’usage est authentique ; son échelle future reste à démontrer.
Le compute décentralisé : arbitrer une commodité
Le deuxième vecteur attaque le nerf de la guerre de l’IA, le calcul. La thèse des réseaux DePIN est simple : les cartes graphiques Nvidia sont une commodité, les marges des hyperscalers sont donc vulnérables, et un réseau qui rémunère en jetons les propriétaires de GPU inutilisés peut louer du calcul bien moins cher. Les chiffres donnent corps à l’argument. Selon les données de marché du premier trimestre 2026, io.net agrège plus de 100 000 GPU et Akash propose des cartes H100 autour de 1,20 à 1,80 dollar l’heure, contre 4,50 à 5,50 dollars chez AWS, un rabais de 60 à 70 %. Le secteur, autour de 180 à 220 millions de dollars de revenus annualisés, reste modeste mais croît.
La faiblesse est structurelle et tient à la réflexivité du jeton. Les fournisseurs de GPU sont payés en partie dans le jeton natif du réseau ; quand ce jeton chute sous leur seuil de rentabilité, ils débranchent, et l’offre de calcul s’évapore au pire moment. La capacité disponible d’Akash s’est ainsi contractée de plus de moitié d’un trimestre à l’autre début 2026. À cela s’ajoutent des garanties de service inférieures à celles des géants et une limite technique dure : ces réseaux excellent sur les tâches massivement parallèles comme le rendu ou l’inférence, mais restent incapables d’entraîner les grands modèles, qui exigent des interconnexions étroites que seuls les centres de données intégrés fournissent. Le compute décentralisé grignote une commodité par le prix ; il ne remplace pas l’usine. Cette faim de calcul, et ses goulots, nourrissent la même dynamique que celle décrite dans notre article sur l’uranium et la promesse de l’IA.
Vérifier la machine : zkML, provenance, preuve d’humanité
Le troisième vecteur est le plus prometteur intellectuellement, et le plus précoce. Il répond à la question que pose toute IA « boîte noire » : comment prouver qu’un modèle a bien fait ce qu’il prétend, sans dévoiler ni le modèle ni les données. Le zkML, l’apprentissage automatique à divulgation nulle de connaissance, utilise des preuves cryptographiques pour certifier une inférence. Une synthèse académique parue en 2025 recense les travaux depuis 2017 et confirme le potentiel autant que les obstacles : coût de preuve élevé, expressivité limitée des circuits, complexité de déploiement. Des outils comme EZKL rendent la chose possible sur des modèles réels, mais l’échelle industrielle n’est pas là.
Le versant authenticité est plus avancé, à condition d’être précis. La norme C2PA, portée depuis 2021 par Adobe, la BBC, Microsoft et d’autres, appose une signature cryptographique sur un contenu pour tracer son origine et ses retouches. Elle est cryptographique, mais pas nécessairement adossée à une blockchain, et il faut se garder de la ranger d’office sous le label crypto. La partie proprement crypto est ailleurs : dans l’attestation sur registre neutre et surtout dans la preuve d’humanité, qui vise à distinguer un humain réel d’un bot. L’enjeu enfle avec les deepfakes, dont le nombre recensé serait passé d’environ 500 000 cas en 2023 à plus de 8 millions en 2025. Des dispositifs comme World ID combinent biométrie et divulgation sélective pour prouver qu’on est un humain unique sans révéler son identité. C’est le vecteur qui résout le mieux, en théorie, le problème que Vitalik jugeait le plus épineux, celui de la confiance dans un système opaque ; c’est aussi celui dont les réalisations restent les plus embryonnaires.
Pourquoi ça peut marcher
Trois raisons de fond soutiennent la thèse haussière, une fois écartée la mousse spéculative. D’abord, les complémentarités identifiées répondent à de vrais problèmes non résolus ailleurs : payer un agent en dessous du coût d’une transaction par carte, acheter du calcul commoditisé moins cher, vérifier une sortie d’IA sans faire confiance à son auteur. Aucun de ces problèmes n’a de meilleure solution non-crypto évidente. Ensuite, le vent réglementaire américain a tourné : le GENIUS Act a légalisé les stablecoins de paiement, socle des paiements d’agents, et le CLARITY Act a commencé à clarifier le statut des actifs numériques, sujets que nous avons traités dans nos articles sur le CLARITY Act et le GENIUS Act.
Enfin, et c’est décisif, la finance traditionnelle a commencé à poser les rails, donnant à la convergence une infrastructure adulte plutôt qu’un bricolage de start-up. Quand un agent règle en stablecoin via une pile AWS-Coinbase-Stripe, il n’utilise pas un gadget marginal, il emprunte une plomberie que des entreprises cotées exploitent à l’échelle. La convergence cesse alors d’être un pari technologique pour devenir une question d’adoption, un tout autre risque, et un risque plus bancable.
Pourquoi ça peut échouer
La lecture inverse est au moins aussi fournie, et l’histoire récente lui donne des munitions. Le premier motif d’échec est que l’essentiel du « crypto-IA » de 2024-2025 n’était pas de la technologie mais du récit vendu comme telle. La bulle des jetons d’agents d’IA en est la preuve par l’absurde. Le jeton ai16z, qui empruntait frauduleusement le nom du fonds a16z, a culminé autour de 2,6 milliards de dollars de capitalisation début 2025 avant de s’effondrer de près de 99,9 %, et ses créateurs font l’objet d’une action collective pour fraude, accusés d’avoir promu une IA inexistante. Le jeton Virtuals a perdu près de la moitié de sa valeur en une semaine. La règle qui se dégage est cruelle et instructive : les rares jetons qui ont tenu avaient un agent réellement fonctionnel générant de l’activité on-chain ; les projets « récit d’abord » ont perdu plus de 90 % en quelques mois.
Les autres motifs d’échec sont structurels. L’IA est intrinsèquement centralisatrice et gourmande en capital, à rebours de l’idéal décentralisateur de la crypto : entraîner un grand modèle favorisera toujours celui qui possède l’usine, pas le réseau d’amateurs. Les réseaux de compute restent otages du cours de leur jeton. Le zkML n’est pas mûr. Et l’avertissement de Vitalik demeure : dès qu’on confie à une IA un rôle de règle sur des sommes importantes, on ouvre une surface d’attaque par apprentissage adverse difficile à refermer. Enfin, une bonne part des projets relève de la solution en quête de problème : la plupart des usages de l’IA n’ont nul besoin d’une blockchain, et le mariage n’est parfois qu’un artifice de levée de fonds, comme l’illustrait à sa manière notre décryptage du scam présidentiel autour de l’IA.
Le cadre réglementaire, encore flou
Le droit court derrière la technologie, et l’écart est béant sur le point le plus neuf : la responsabilité d’un agent autonome qui transige. Aucun régulateur n’a encore publié de doctrine claire sur l’application du KYC et de la lutte anti-blanchiment quand un agent d’IA exécute seul un paiement transfrontalier. Les régimes de responsabilité présupposent une intention humaine et une causalité directe, deux notions qui vacillent quand la décision est prise par une machine. La doctrine émergente déplace la charge sur le déployeur, l’entreprise qui intègre le modèle dans un produit, qui ne peut se défausser sur son fournisseur de modèle. Un concept monte, le « Know Your Agent », équivalent 2026 du KYC : vérifier cryptographiquement l’identité d’un agent avant toute transaction, en rebouclant sur les usages crypto d’attestation d’identité.
Le reste du cadre se met en place par blocs. Aux États-Unis, le GENIUS Act encadre la monnaie des agents et le CLARITY Act leur environnement d’actifs. En Europe, le règlement MiCA régit déjà les crypto-actifs, tandis que le règlement sur l’IA classe vraisemblablement les agents autonomes prenant des décisions financières parmi les systèmes à haut risque, avec obligations de supervision humaine et d’auditabilité, dont les exigences les plus lourdes s’appliquent à partir du 2 août 2026. Plusieurs travaux académiques récents, du Fonds monétaire international sur les paiements agentiques aux analyses juridiques de l’agent autonome sous le droit européen, cartographient ce vide en train de se combler. La règle, ici, est en retard sur la machine, et ce décalage est lui-même un facteur de risque.
La TradFi suit, mais pas partout
La question qui tranchera est celle de l’adoption par la finance établie, et la réponse est nuancée : elle suit la plomberie, pas le casino. Sur le versant infrastructure, l’engagement est massif et documenté. Visa, Mastercard, BlackRock, JPMorgan, Fidelity, State Street, Stripe et plus de cent quarante entreprises du Fortune 500 déploient des rails de stablecoins et des produits tokenisés sur une couche partagée dont la capitalisation a dépassé 322 milliards de dollars. Le 30 juin 2026, une initiative de stablecoin commune, Open USD, a réuni Stripe, Visa, Mastercard, Coinbase, BlackRock, BNY, Standard Chartered, Google et Shopify parmi d’autres. Stripe a racheté l’infrastructure Bridge et distribue des portefeuilles aux agents ; nous avions décrit ce basculement de la crypto vers l’infrastructure dans nos articles sur Ethereum et la TradFi et sur Hyperliquid.
Mais cette adoption est sélective, et c’est tout le sujet. La finance traditionnelle absorbe les stablecoins, la tokenisation et les rails de paiement d’agents, parce qu’ils réduisent des coûts et ouvrent des marchés. Elle se tient à distance de la couche spéculative, les jetons d’agents et les récits décentralisés, dont elle a vu l’effondrement. Signe révélateur, Visa construit une technologie permettant aux banques de transformer leurs dépôts en monnaie programmable tout en gardant les fonds à leur bilan : la TradFi veut les avantages du stablecoin sans céder son intermédiation. Elle adopte la fonction, pas l’idéologie. C’est la meilleure preuve que la convergence a une substance réelle, et la meilleure raison de douter qu’elle tienne toutes ses promesses de rupture.
La ligne de partage
La bonne façon de lire crypto et IA n’est ni l’enthousiasme du prospectus ni le mépris du sceptique, c’est le tri. D’un côté, une plomberie qui résout de vrais problèmes : des agents qui paient en dessous du coût d’une carte, un marché de calcul qui arbitre une commodité, une vérification qui commence à percer la boîte noire. De l’autre, un casino qui a déjà brûlé ses joueurs, et une part de projets où la blockchain n’est qu’un habillage pour lever des fonds. La ligne de partage est nette une fois qu’on la cherche : la convergence fonctionne quand la crypto résout un problème de coordination, de monnaie ou de confiance que l’IA pose réellement, et elle échoue quand elle n’est qu’un ticker accolé à un modèle.
Le test, pour l’analyste comme pour l’investisseur, tient en une question simple, la même que celle qui a séparé les survivants des morts dans la bulle de 2025 : y a-t-il, derrière le jeton ou le protocole, un agent qui fonctionne, un GPU qui tourne, une preuve qui se vérifie ? Si oui, la convergence a de l’avenir. Sinon, c’est un mot-valise, et les mots-valises finissent toujours par se vider.
Sources
- Vitalik Buterin, « The promise and challenges of crypto + AI applications », 30 janvier 2024 : cadre des quatre usages et avertissement sur l’IA comme règle : https://vitalik.eth.limo/general/2024/01/30/cryptoai.html
- Amazon Web Services, « Agents that transact: Introducing Amazon Bedrock AgentCore payments, built with Coinbase and Stripe » : paiements d’agents en USDC via x402 et Privy : https://aws.amazon.com/blogs/machine-learning/agents-that-transact-introducing-amazon-bedrock-agentcore-payments-built-with-coinbase-and-stripe/
- CoinDesk / rapport Keyrock, les rails crypto comme couche de paiement des agents : ~73 M$ sur 176 M de transactions, 76 % des paiements sous 0,30 $ : https://www.coindesk.com/business/2026/05/21/crypto-rails-are-becoming-the-default-payment-layer-for-ai-agents-report-says
- Fonds monétaire international, « How Agentic AI Will Reshape Payments », IMF Notes 2026/004 : https://www.elibrary.imf.org/view/journals/068/2026/004/article-A001-en.xml
- « A Survey of Zero-Knowledge Proof Based Verifiable Machine Learning », arXiv:2502.18535 : état de l’art du zkML (entraînement, test, inférence) et ses limites : https://arxiv.org/abs/2502.18535
- Luca Nannini et al., « AI Agents Under EU Law », arXiv:2604.04604 : classification et responsabilité des agents autonomes sous le règlement européen sur l’IA : https://arxiv.org/abs/2604.04604
- Crypto Economy, correction des jetons d’agents IA (ai16z et Virtuals) : https://crypto-economy.com/ai-agent-tokens-face-market-pressure-as-ai16z-and-virtuals-drop-sharply/
- CryptoRank, action collective contre les créateurs d’ai16z et ElizaOS pour fraude alléguée : https://cryptorank.io/news/feed/0d429-ai16z-elizaos-creators-sued-fake-ai-hype
- Yellow Research, l’écart entre demande de calcul IA et offre, et les réseaux GPU crypto (io.net, Akash, Render, Bittensor) : https://yellow.com/research/ai-compute-demand-crypto-gpu-networks-gap-2026
- Visa, « New AI, Stablecoin and Token Innovations to Power Intelligent, Programmable Commerce » : la réponse de la TradFi : https://investor.visa.com/news/news-details/2026/Visa-Announces-New-AI-Stablecoin-and-Token-Innovations-to-Power-Intelligent-Programmable-Commerce-at-Visa-Payments-Forum/default.aspx
- l0g, guides Stablecoins et GENIUS Act, Lire la donnée on-chain et articles GENIUS Act, l’échéance du 18 juillet et Ethereum et la TradFi.
Cet article ne constitue en aucun cas un conseil en investissement.
// historique des révisions
- publication
- révision
Les corrections substantielles suivent la politique de correction et sont consignées dans le changelog éditorial.
$ cd ..