De Flux Aléatoires à Agents Intelligents : L'Économie de l'IA en 2026 et la Révolution dans la Découverte Scientifique

La transition qui se déroule en 2026 marque un tournant profond dans l’histoire de l’intelligence artificielle. Il ne s’agit pas seulement de l’évolution technique des modèles, mais d’une refonte fondamentale de la place de l’IA dans le tissu économique et scientifique. Alors que les années précédentes ont été dominées par la capacité générative impressionnante des grands réseaux neuronaux, nous entrons maintenant dans une ère où les agents d’IA fonctionnent comme des entités autonomes, capables non seulement de traiter, mais aussi d’agir, de négocier et de découvrir.

Le changement de paradigme que nous observons révèle un phénomène curieux : la même IA qui « hallucine » et commet des erreurs de raisonnement produit aussi des découvertes scientifiques tangibles. Des organisations comme a16z Crypto ont identifié trois piliers qui soutiendront cette transformation d’ici la fin de l’année : un nouveau paradigme dans la recherche scientifique basé sur la collaboration entre agents, un système d’identité révolutionnaire (KYA - Connaissez-Vous Votre Agent), et un modèle économique entièrement restructuré pour résoudre « l’impôt invisible » qui pèse sur les réseaux ouverts. Ces trois changements ne existent pas isolément — chacun dépend des autres pour se concrétiser pleinement.

Transcendance Scientifique : Quand les Agents d’IA Assument la Responsabilité de la Découverte

La recherche assistée par IA évolue radicalement cette année. Il ne s’agit plus d’outils de support — résumeurs de littérature, générateurs de code automatique — mais de systèmes capables de formuler des hypothèses originales, de conduire des expériences complètes et, surtout, d’interpréter leurs propres échecs. La progression qualitative réside dans le passage d’une « ingénierie de prompts linéaires » à des architectures récursives et hiérarchiques connues sous le nom d’AWA (agents enveloppés par des agents).

Dépasser les Limites de la Correspondance de Modèles

Scott Kominers, chercheur chez a16z, a décrit cette avancée avec perspicacité : les modèles d’IA ne se limitent plus à comprendre et exécuter des instructions directes. Ils peuvent désormais recevoir des instructions abstraites — comme « guidez un doctorant à travers une investigation complète » — et produire des réponses véritablement nouvelles et fonctionnellement correctes. Ce saut représente la supériorité sur ce qu’on appelait auparavant le « perroquet aléatoire », révélant une capacité de raisonnement lent et réfléchi, semblable à l’« esprit systématique » humain.

La caractéristique autrefois critiquée des grands modèles — l’« hallucination » — est en train d’être réinterprétée dans le contexte de la découverte scientifique comme un mécanisme d’« exploration générative ». Lorsque des chercheurs de l’Université de Washington ont utilisé cette capacité de « fantaisie créative » pour générer plus d’un million de structures protéiques inexistantes dans la nature, ils ont découvert une nouvelle luciférase aux propriétés catalytiques comparables à celles des enzymes naturelles, mais avec une spécificité de substrat supérieure. De même, des chercheurs appliquant des réseaux neuronaux avec information physique (PINNs) ont découvert de nouvelles singularités instables dans les équations de Navier-Stokes — l’équivalent moderne du problème classique de la loi de Stokes en dynamique des fluides — révélant des motifs auparavant inconnus dans le mouvement de fluides complexes.

Le cœur de cette transformation est simple mais puissant : permettre au modèle de « rêver » dans l’espace abstrait pour générer des conjectures à haute entropie, qui sont ensuite filtrées à l’aide d’un vérificateur logique rigoureux. Cela transforme l’hallucination en un instrument de découverte.

L’Architecture Récursive : Comment les Agents Collaborent

Pour exploiter cette capacité émergente, les flux de travail scientifiques abandonnent la linéarité au profit de hiérarchies complexes. L’architecture AWA n’est pas simplement un dialogue entre plusieurs agents — c’est un système de contrôle récursif où les tâches sont décomposées, distribuées et validées en couches.

Le modèle « Orchestrateur-Exécutant » est actuellement le plus répandu. Un agent « Investigateur Principal » maintient le contexte global et les objectifs, décomposant les tâches pour des agents spécialisés appelés « Exécuteurs ». Des données d’Anthropic montrent un résultat remarquable : un système composé de Claude Opus comme agent coordinateur et plusieurs Claude Sonnet comme exécuteurs affiche une performance supérieure à celle d’un seul Claude Opus dans des tâches de recherche complexes — avec une amélioration de 90,2 %. Ce gain résulte principalement de « l’isolement du contexte » — l’agent principal ne traite pas les redondances de chaque sous-tâche, conservant la clarté du raisonnement.

Une autre caractéristique critique est le cycle d’auto-amélioration récursive. Lorsqu’un agent échoue dans une tâche, les données de l’erreur sont renvoyées à un « agent critique » pour analyse et correction. Le framework MOSAIC (Système Multi-Agents pour la Génération de Code par IA) augmente considérablement la précision dans la génération de code scientifique en introduisant des agents spécialisés en autoévaluation et en formulation de principes — simulant le processus de pensée humaine face à un échec expérimental.

Le « Scientifique d’IA » : Un Système Complet de Découverte

L’exemple le plus emblématique de cette architecture est le « Scientifique d’IA » de Sakana AI, lancé en 2025. Ce système exécute automatiquement tout le cycle de vie de la découverte scientifique : de la génération d’idées créatives (basée sur des modèles comme NanoGPT et la recherche en littérature), à l’itération expérimentale (avec correction automatique de code via des outils comme Aider), jusqu’à la rédaction d’articles complets en LaTeX avec références automatiques, et enfin la revue par des pairs simulée selon des critères de conférences de haut niveau comme NeurIPS.

Le résultat économique est impressionnant : le coût informatique pour générer un article de recherche complet tourne autour de seulement 15 dollars. Plus surprenant encore, un article généré par ce système, « Regularisation Compositionnelle », a passé avec succès la revue par les pairs d’un atelier ICLR. Bien que des limitations subsistent — telles que hallucinations de références et erreurs logiques — ce cas montre que l’IA a dépassé le stade de l’assistance pour entrer dans celui de l’exécution autonome de processus scientifiques complexes.

Commandes d’Identité : Construire la Confiance dans une Économie de Machines

Au fur et à mesure que les agents acquièrent des droits pour effectuer des transactions et actions dans le monde réel, l’économie numérique fait face à une crise d’identité sans précédent. Sean Neville, CEO de Catena Labs, a alerté que le nombre d’« identités non humaines » dans le secteur financier a déjà dépassé de façon spectaculaire le nombre d’employés humains — avec une proportion pouvant atteindre 96 pour 1 dans certains chiffres. Ces agents — sans comptes bancaires traditionnels, sans vérification d’identité réelle, mais opérant à la vitesse de la machine — représentent un vortex de conformité réglementaire.

L’Émergence des Identités Non Humaines et leurs Risques

Quarante-cinq pour cent des institutions financières admettent en interne l’existence « d’agents IA ombres » non approuvés, qui ont créé des « îles d’identité » hors du cadre formel de gouvernance. Les scénarios de risque sont tangibles : un agent d’optimisation de ressources cloud achetant autonomement des instances coûteuses ; un robot de trading déclenchant des ordres de vente erronés en période de forte volatilité. La question cruciale est la responsabilité : lorsqu’un agent viole des règles, qui en est responsable ? Le développeur ? Le gestionnaire ? La société fournisseur du modèle ? Sans système d’identité clair, ces responsabilités restent floues.

Le KYA : Une Fondation de Confiance

KYA (Connaissez-Vous Votre Agent) n’est pas simplement l’émission d’identifiants. C’est un système complet d’identité numérique comprenant sujets, crédentiels, permissions et historique de réputation.

La structure KYA repose sur trois piliers :

Sujets : l’entité qui assume la responsabilité légale de l’agent. L’agent doit être lié par des moyens cryptographiques à un compte vérifié de personne ou d’entreprise avec KYC/KYB.

Identité de l’Agent : basée sur des Identifiants Décentralisés (DID). Générés cryptographiquement, immuables, transportables entre plateformes — créant une portabilité réelle.

Mandat et Autorisations : crédentiels vérifiables (VC) déclarant explicitement les droits de l’agent. Par exemple : « Cet agent est autorisé à représenter Alice pour des achats sur Amazon, avec une limite maximale de 500 dollars. »

Le mécanisme de confiance fonctionne ainsi : lorsqu’un agent initie une transaction, il présente un VC. Le vérificateur ne fait pas confiance à l’agent en soi — il fait confiance à la signature numérique du VC. Si la signature provient d’un émetteur fiable, la transaction est approuvée. Cela crée une « chaîne de confiance » claire : la banque fait confiance à l’entreprise → l’entreprise émet un VC à l’agent → le commerçant vérifie le VC → transaction autorisée.

Protocoles Soutenant le KYA

La bataille pour les standards techniques est en plein développement. Le protocole Skyfire a lancé le KYAPay, un standard ouvert où le jeton est composé de deux composants : information d’identité et capacité de paiement. Cela permet à un agent de réaliser le « paiement de visiteur » sans remplissage manuel de formulaires.

Catena Labs, fondée par l’architecte de l’USDC Sean Neville, a développé le ACK (Kit de Commerce d’Agents), décrit comme le « HTTP des affaires d’agents intelligents ». L’ACK utilise les standards W3C DID et permet aux agents de contrôler directement des portefeuilles de contrats intelligents, offrant une sécurité supérieure aux clés API traditionnelles.

Google a lancé le Protocole de Paiement d’Agent (AP2), qui gère les permissions via des « Lettres d’Approba­tion » et collabore avec Coinbase pour le développement de l’extension AP2 x402, intégrant des standards de paiement chiffré directement dans le protocole.

Réputation et Contrôle des Risques

Le KYA est aussi le point de départ pour des systèmes de réputation. La norme ERC-7007 permet d’enregistrer sur la blockchain chaque interaction réussie de l’agent — paiement ponctuel, code de haute qualité — formant un CV vérifiable. Des institutions financières mettent en place des portes d’accès intelligentes qui, en cas de déviation significative du comportement (transactions anormales, haute fréquence), peuvent immédiatement révoquer les VCs, déclenchant une « suppression numérique » en temps réel.

Restructuration Économique : Du Modèle d’Attention au Modèle de Valeur

Liz de a16z a identifié un problème fondamental : les agents d’IA imposent une « taxe invisible » aux réseaux ouverts. Ils extraient massivement des données des sites de contenu, contournant systématiquement les modèles de publicité et d’abonnement qui soutiennent la production de contenu. Si cette relation parasitaire n’est pas résolue, l’écosystème de contenu s’épuisera.

La « Grande Déconnexion » : Données sur la Diminution du Trafic

En 2025, l’industrie de la publication numérique a connu un phénomène appelé « grande déconnexion ». Les recherches ont augmenté, mais les clics vers les sites ont chuté brutalement. a16z prévoit une réduction de 25 % du trafic des moteurs de recherche d’ici fin 2026. Les données de Similarweb montrent que le taux de recherches sans clics a grimpé à 65 % — les utilisateurs obtiennent des réponses sans jamais visiter la page d’origine.

Les métriques sont encore plus sévères : le taux de clics (CTR) a chuté drastiquement lorsque des résumés IA sont apparus au-dessus des résultats de recherche. DMG Media a rapporté une baisse de 89 % des clics, le premier résultat traditionnel perdant 34,5 % du trafic antérieur.

Un Nouveau Modèle : Paiement en Fonction de l’Utilisation

Pour faire face à cette crise, l’industrie abandonne les licences de données annuelles statiques (comme l’accord Reddit-OpenAI) au profit de compensations basées sur le volume d’utilisation. Le plan Comet Plus de Perplexity AI illustre ce modèle : il a établi une réserve de revenus de 42,5 millions de dollars US. Lorsqu’un agent d’IA cite du contenu de l’éditeur ou accède à des pages au nom de l’utilisateur, une redistribution des revenus est déclenchée. Les éditeurs peuvent recevoir jusqu’à 80 % de cette part — reconnaissant explicitement la valeur de « l’accès machine ».

Standards Techniques : Microtransactions Natives

Pour étendre ce modèle à tout le réseau ouvert, une série de standards technologiques est en cours de déploiement. Le code d’état HTTP 402 — longtemps inactif — a été enfin activé via le protocole x402, qui établit le standard du « Paiement Natif en Machine ».

Le flux est élégant : l’agent demande une ressource → le serveur renvoie 402 Payment Required avec le prix (ex : 0,001 USDC) → l’agent signe automatiquement le paiement via une blockchain L2 (Base, Solana) ou le réseau Lightning → le serveur vérifie et libère les données. Les passerelles de paiement classiques ne peuvent pas traiter des valeurs aussi faibles, tandis que x402, associé à de faibles frais, rend possibles des paiements par nanointeraction.

Le protocole TDMRep (Protocole de Minage de Texte) permet aux sites de déclarer dans robots.txt ou en en-têtes HTTP : « Droits TDM réservés, paiement requis ». Cela donne aux agents un signal binaire clair. La alliance C2PA (Alliance d’Origine et d’Authenticité du Contenu) incorpore des « preuves de contenu » cryptées attestant de l’origine du contenu, garantissant que la chaîne d’attribution reste intacte même lorsqu’elle est consommée par IA.

Propriété Intellectuelle Programmable

Une réforme encore plus ambitieuse est la tokenisation de la propriété intellectuelle via le Story Protocol. Les créateurs enregistrent leurs œuvres comme « actifs IP » sur la Story Network, avec des « licences IP programmables » intégrées. Lorsqu’un agent d’IA utilise ces données, des contrats intelligents exécutent automatiquement les termes (ex : « 5 % de droits d’auteur pour usage commercial ») et distribuent les bénéfices de façon autonome. Cela crée un marché de propriété intellectuelle très liquide, éliminant la nécessité d’intervention légale.

Du SEO à l’AEO : Un Changement de Paradigme en Marketing

En 2026, le marketing se déplace du SEO vers l’AEO (Accès Exclusif par Agents, ou alternativement « GEO » — Optimisation Géographique pour Agents). L’objectif n’est plus d’être « premier résultat de recherche » — mais d’être cité par l’agent d’IA ou de devenir la « source de données préférée » dans son processus de raisonnement. Le modèle publicitaire émergent sera « injection contextuelle » : les marques rivalisent pour entrer dans la chaîne de raisonnement des agents, faisant en sorte qu’un agent de planification de voyages « se souvienne » qu’un hôtel donné est la meilleure option lors de son analyse.

Conclusion : Une Reconstruction Profonde

Le panorama technologique de 2026 révèle une vérité claire : le conflit entre l’infrastructure internet centrée sur l’humain et celle centrée sur la machine force une reconstruction profonde du monde numérique.

Dans le domaine scientifique, l’IA est passée de l’assistance à l’autonomie complète. L’architecture récursive d’agents permet à l’IA de produire massivement des découvertes scientifiques à coût quasi nul, transformant les « hallucinations » en mécanismes de créativité et permettant de résoudre des problèmes complexes — de la dynamique des fluides (loi de Stokes) à la conception de protéines — de façon auparavant impossible.

En matière d’identité, KYA émerge comme la nouvelle frontière de la conformité financière, attribuant à des milliards d’agents d’IA des identités économiques légales vérifiables, leur permettant de se déplacer en toute sécurité à travers des réseaux de valeur sans friction humaine.

Dans le modèle économique, l’économie numérique évolue du modèle publicitaire basé sur l’attention vers un modèle basé sur la valeur. Les paiements natifs et la propriété intellectuelle programmable tracent la voie de cette nouvelle économie, résolvant « l’impôt invisible » qui pèse sur les réseaux ouverts et assurant que les producteurs de données restent rentables à l’ère post-clique.

Nous assistons à la naissance d’une économie d’agents — un monde où le logiciel ne se contente pas de nous aider à travailler, mais devient lui-même producteur, consommateur et commerçant. Ce n’est pas un futur lointain. Cela se déploie dès maintenant.

À propos de Movemaker

Movemaker est la première organisation communautaire officielle autorisée par la Fondation Aptos, initiée conjointement par Ankaa et BlockBooster, dédiée à promouvoir la construction et le développement de l’écosystème Aptos dans la région sinophone. En tant que représentant officiel d’Aptos en région chinoise, Movemaker s’engage à créer un écosystème diversifié, ouvert et prospère, connectant développeurs, utilisateurs, capitaux et partenaires écologiques.

Avertissement : Cet article est à titre informatif uniquement et exprime les opinions personnelles de l’auteur, sans représenter la position de Movemaker. Il ne vise pas à fournir : (i) des conseils ou recommandations d’investissement ; (ii) une offre ou invitation à acheter, vendre ou conserver des actifs numériques ; ou (iii) des conseils financiers, comptables, juridiques ou fiscaux. La détention d’actifs numériques, y compris stablecoins et NFTs, comporte un risque très élevé, avec de fortes fluctuations de prix, pouvant entraîner la perte totale de la valeur. Il vous appartient d’évaluer, selon votre situation financière, si la négociation ou la détention d’actifs numériques vous convient. Pour toute question spécifique, consultez votre conseiller juridique, fiscal ou en investissement. Les informations fournies dans cet article (données de marché, statistiques, etc.) sont à titre purement indicatif. Des précautions raisonnables ont été prises lors de leur élaboration, mais nous déclinons toute responsabilité pour toute erreur ou omission.