Agents IA Ont Effectué 138 Millions De Paiements Crypto

Imaginez un logiciel qui décide seul d’acheter une réponse d’un modèle d’intelligence artificielle, de vérifier un contrat intelligent ou de récupérer une donnée de marché, puis règle la facture en stablecoin sans qu’aucun humain n’ait besoin de valider chaque transaction. Ce scénario n’est plus une promesse lointaine. Selon une étude récente de Chainalysis, plus de 138 millions de paiements via le protocole x402 ont déjà été enregistrés sur le réseau Base. Derrière ce chiffre impressionnant se cachent des montants souvent dérisoires, des wallets qui se rechargent régulièrement et une économie encore jeune où la spéculation côtoie les usages productifs. Ce n’est pas le volume qui compte le plus, mais ce que ces agents rachètent réellement et la manière dont les opérateurs humains gardent la main sur les budgets.

Ce Que Révèle Vraiment Le Compteur De 138 Millions

Le protocole x402, publié par Coinbase en 2025, permet à un logiciel de répondre automatiquement à une demande de paiement d’un serveur web. Le wallet transfère un stablecoin, reçoit la ressource demandée et poursuit sa tâche. L’étude de Chainalysis porte exclusivement sur l’activité x402 observée sur Base au cours des douze mois se terminant le 1er juillet 2026, avec une extension de l’analyse des montants jusqu’en septembre. Ce n’est donc ni un recensement de tous les paiements effectués par des agents IA sur toutes les blockchains, ni une mesure du commerce réalisé via cartes bancaires classiques.

Plus de 87 % des paiements dans l’échantillon élargi se situent entre 0,0001 et 0,10 dollar. Cette fourchette couvre un facteur mille. Multiplier le nombre de transactions par une moyenne approximative ne donnerait aucune estimation fiable de la valeur totale échangée. Le volume montre surtout que le protocole est adapté aux appels d’API à très faible coût. Il ne révèle ni le chiffre d’affaires des fournisseurs de services, ni les revenus de Base en frais de réseau.

Un paiement on-chain peut être parfaitement réel alors que le service acheté n’est qu’une mint spéculative de token et non une dépense métier durable.

Les transactions ne sont pas des personnes. Un même développeur peut financer plusieurs wallets. Un seul wallet peut appeler la même API des centaines de fois. Une campagne promotionnelle peut générer un pic de volume sans créer de clients récurrents. Le chiffre de 138 millions mesure d’abord l’usage du protocole. Il reste faible comme indicateur du nombre de clients indépendants qui paient réellement pour un service utile.

Les Achats Se Concentrent Sur L’Information

Chainalysis a suivi des millions de transactions provenant de wallets d’agents vers des fournisseurs d’analyse de code, d’intelligence financière, de flux de données et d’API de recherche. L’inférence de modèles, c’est-à-dire l’utilisation d’un modèle d’IA payant pour générer une réponse, constitue une autre catégorie importante. Ces usages correspondent à ce que l’on attend d’un logiciel auquel on a confié une mission et qui a besoin d’une information externe pour la terminer.

Un agent qui inspecte un smart contract peut payer un service d’audit de sécurité. Un outil financier peut acheter une requête de données de marché. Un assistant de recherche peut acquérir l’accès à une base de données inaccessible autrement. Ces exemples illustrent les catégories identifiées dans le rapport. Ils ne garantissent pas l’identité de chaque wallet. La classification dépend de la connaissance des destinataires et de l’étiquetage des adresses. L’activité hors de cette population observée peut être différente.

Le rapport mentionne également des paiements vers des catalogues d’outils, des rails de paiement, des jeux, des émetteurs de tokens et des services liés aux paris. Qualifier l’ensemble de ces flux de dépenses de productivité IA effacerait des différences majeures. Un bot qui achète l’inférence d’un autre modèle peut s’inscrire dans un workflow logiciel récurrent. Un wallet qui paie pour minter un meme coin participe souvent à un jeu spéculatif. Les deux utilisent le même protocole et peuvent se ressembler au niveau de la transaction brute.

Quand Un Meme Coin Fait Gonfler Les Compteurs

Dans une étude antérieure de juin, Chainalysis avait déjà souligné le rôle de PING, une expérience de mint payante. Les utilisateurs appelaient un endpoint, recevaient une demande de paiement et réglaient pour obtenir un token. Le protocole fonctionnait comme prévu. Pourtant, la demande pour PING n’a pas prouvé que les développeurs continueraient à payer pour des données utiles ou de l’inférence une fois la vague spéculative retombée.

Le rapport d’octobre affirme que le mix évolue vers les services d’information. Cette affirmation mérite un contre-contrôle concret. Les adresses destinataires liées à l’analyse de code, aux données et aux modèles continuent-elles de recevoir des paiements après la fin des promotions ponctuelles ? Les mêmes clients rechargent-ils leurs budgets et utilisent-ils le service sur plusieurs périodes ? Sans volumes et valeurs par catégorie, le récit peut avancer plus vite que la réalité des transactions.

Une comparaison intéressante vient d’une analyse précédente portant sur les paiements d’agents sur XRPL. Un grand nombre de transactions s’était traduit par seulement environ 280 dollars de frais de réseau. Base possède une structure de frais différente et le chiffre de 138 millions ne peut pas être multiplié par le coût XRPL. Cette remarque rappelle pourquoi le nombre de transactions, la valeur envoyée, le chiffre d’affaires des services et les frais de réseau doivent être traités comme quatre colonnes distinctes et non comme une seule métrique.

Les Recharges De Wallets, Un Signal De Rétention Plus Fiable

Chainalysis regroupe les wallets selon le trimestre où ils ont reçu leur premier financement. Parmi les wallets qualifiés, la part de ceux qui reçoivent un second dépôt dans les 30 jours est passée de 70,6 % pour la cohorte du troisième trimestre 2025 à 89,3 % pour celle du deuxième trimestre 2026. Les chercheurs ont imposé une règle stricte : les wallets doivent avoir envoyé des fonds sur au moins deux jours distincts. Les expériences d’une seule journée sont exclues du calcul. Une recharge indique qu’un opérateur a financé une activité continue. Elle ne prouve ni la rentabilité ni l’indépendance de l’utilisateur final.

Le dénominateur est crucial. Il ne s’agit pas de 89,3 % de tous les wallets ayant jamais touché x402. C’est une cohorte sélectionnée qui respecte la règle d’activité et dispose d’une fenêtre d’observation complète de 30 jours. Élever ce chiffre à l’ensemble des wallets d’agents reviendrait à exagérer la rétention. Même pour les wallets qualifiés, le second financement peut rester modeste ou lié à un test.

L’intervalle médian entre le financement et le premier paiement est passé de 73 jours pour les wallets de fin 2025 à 18 minutes au troisième trimestre 2026. La part des wallets qui dépensent dans l’heure suivant le financement est montée de 4 % à 67 % sur la même période. Ce schéma correspond à des wallets provisionnés pour une tâche immédiate plutôt qu’à des adresses laissées en attente avant une expérience. Le rapport ne montre pas la tâche logicielle complète du client. L’intention reste une inférence tirée du timing.

La Dominance Américaine Dépend De La Catégorie

Le rapport attribue 30 % des transactions agent-vers-service géolocalisables à des wallets financés depuis les États-Unis. Pour l’inférence de modèles d’IA spécifiquement, cette part grimpe à 88,1 %. Les deux pourcentages peuvent être vrais parce qu’ils reposent sur des dénominateurs différents. Les wallets américains dominent l’accès payant aux modèles dans un sous-ensemble géolocalisé, et non 88,1 % de tous les paiements x402 sur Base.

Les wallets liés à la Chine ont représenté environ neuf transactions sur dix dans la catégorie étiquetée sécurité et analyse de code, la majorité allant vers un destinataire nommé AgentLISA. La proéminence d’un seul destinataire peut façonner une part nationale. Elle ne prouve pas que 90 % de toutes les dépenses d’agents chinois concernent la sécurité, ni que chaque wallet appartienne à un résident chinois. L’attribution géographique d’une adresse on-chain reste une estimation fondée sur les signaux disponibles.

Les chercheurs suggèrent que des différences d’économie des modèles pourraient expliquer pourquoi les wallets américains paient plus souvent pour de l’inférence tandis que les opérateurs chinois privilégient des alternatives en poids ouverts. Il s’agit d’une hypothèse et non d’un champ de transaction qui identifie le prix d’un modèle ou la motivation d’un client. Un opérateur peut payer un service américain depuis une autre localisation ou faire passer le financement par un exchange qui complique le marquage géographique.

L’Autonomie A Toujours Un Propriétaire De Budget

Un agent peut choisir le moment et le fournisseur pour acheter un résultat d’API, mais un humain ou une organisation provisionne son wallet, définit les permissions et recharge les fonds. Un processus logiciel qui paie sans clic humain pour chaque requête n’est pas une entité dotée d’une responsabilité financière indépendante. Une entreprise qui déploie des agents a besoin de limites par fournisseur, par montant, par durée et par type de service, ainsi que d’un moyen de révoquer des identifiants compromis.

Le paiement lui-même est visible on-chain, tandis que le résultat acheté peut rester hors chaîne. Un enregistrement blockchain peut montrer qu’un token a été transféré à un fournisseur. Il ne prouve généralement ni que les données renvoyées étaient exactes, ni qu’une réponse de modèle était utile. Un service pourrait facturer un endpoint indisponible. Un agent malveillant pourrait acheter des informations sans rapport avec sa mission. La gestion des reçus et des litiges doit relier le transfert de token à la réponse de l’API.

La couverture d’une passerelle de données x402 par The Graph illustre pourquoi l’accès API facturé à l’usage attire les fournisseurs. Facturer par requête peut attirer des clients qui refusent un abonnement. Cela expose aussi le vendeur à des pics de demandes et l’acheteur à une boucle qui appelle le même endpoint en continu. Des plafonds de dépense, des journaux et des alertes d’anomalie peuvent limiter ce risque. Un protocole qui règle un transfert ne décide pas si l’agent avait réellement besoin de la réponse.

Le Cas Solide Et La Donnée Manquante Sur Les Revenus

Coinbase et Circle disposent d’un argument crédible : les réseaux de cartes bancaires sont mal adaptés aux charges de taille machine. Une requête de données à un centime ne peut pas supporter les mêmes coûts fixes qu’un achat carte ordinaire. Les preuves de Chainalysis selon lesquelles de nombreux wallets qualifiés se rechargent et dépensent rapidement soutiennent un cas d’usage qui dépasse les démonstrations d’un jour. Les intégrations d’entreprises ajoutent une autre voie pour que ces rails atteignent de vrais budgets logiciels.

Les preuves s’arrêtent toutefois avant un compte de résultats complet. Le rapport fournit un grand volume cumulé de transactions, une distribution large de micropaiements et des comportements de wallets sélectionnés. Il ne donne ni le total audité des revenus d’inférence de modèles, ni les bénéfices nets des vendeurs d’API, ni le nombre d’entreprises non liées qui financent ces wallets. Même une valeur totale élevée pourrait contenir des transferts répétés entre comptes liés. Même une valeur totale faible pourrait payer un travail utile et peu coûteux. La demande au niveau des destinataires reste la colonne manquante.

Le prochain rapport utile identifierait les volumes et valeurs par catégorie sur des périodes comparables, le nombre d’organisations payantes uniques lorsque l’attribution le permet, les destinataires récurrents, les remboursements et la part des transactions liées à la spéculation. Il devrait aussi laisser visible l’activité non classée plutôt que d’attribuer à chaque transaction une finalité commerciale. Les chiffres de cohorte de Chainalysis donnent une raison sérieuse d’étudier ce marché de près. Ils ne ferment pas le dossier sur sa taille économique réelle.

Pourquoi Le Temps Avant La Première Dépense Compte Plus Que Les Inscriptions

Le passage de 73 jours à 18 minutes suggère que les wallets sont créés ou financés plus près du moment où une tâche a besoin d’un service payant. C’est un changement opérationnel. Il peut provenir d’intégrations améliorées, d’outils de financement qui provisionnent automatiquement les wallets, ou d’un glissement du mix de participants vers des opérateurs ayant une demande immédiate. Les données montrent le résultat et soutiennent une interprétation d’usage intentionnel. Elles n’isolent pas laquelle de ces explications a prévalu.

La part de 67 % qui dépense dans l’heure, lue avec le taux de second financement, est particulièrement informative. Un wallet qui paie une seule fois rapidement peut encore être une expérience. Un wallet qui paie sur plusieurs jours et reçoit un autre dépôt dans le mois s’inscrit mieux dans un travail continu. Aucun des deux chiffres isolés n’identifie un client final. Ensemble, ils offrent un signal opérationnel plus crédible qu’un simple graphique de création de wallets.

Un test supplémentaire suivrait chaque cohorte pendant 90 jours en mesurant les jours actifs, la diversité des fournisseurs et le montant de stablecoin dépensé. Un second financement après un mois peut refléter un virement automatique programmé par le développeur. La diversité des fournisseurs peut indiquer si les wallets achètent à travers un écosystème ou uniquement au sein d’une application. Les mêmes définitions doivent être conservées d’une cohorte à l’autre. Changer la règle de deux jours actifs à un seul peut faire paraître la rétention plus forte sans véritable changement de comportement.

Qui Contrôle Un Achat Quand L’Acheteur Est Du Code

Une organisation peut attribuer à un agent un budget quotidien et une liste de fournisseurs approuvés, mais le logiciel peut encore réaliser une série de mauvais achats à l’intérieur de cet enveloppe. La politique de paiement doit définir qui peut modifier une allocation, comment les identifiants sont stockés, quelle réponse d’API compte comme exécution et quand un compte est gelé. La blockchain confirme que des tokens ont bougé. Elle ne dit pas si l’information était fraîche ou si le calcul acheté s’est bien terminé.

Les petits paiements peuvent devenir coûteux par la fréquence. Un agent qui envoie une requête à cinq centimes une fois par seconde dépenserait 180 dollars en une heure s’il tournait sans interruption. À dix centimes, le chiffre horaire monte à 360 dollars. Ces calculs sont hypothétiques. Ils illustrent pourquoi un prix unitaire bas exige encore des limites de taux, des plafonds de dépense et des alertes lorsqu’un agent boucle.

Un agent pourrait aussi acheter auprès d’un service malveillant qui renvoie des instructions plutôt que les données demandées. Le logiciel qui accepte des réponses externes doit séparer le contenu payé de l’autorité sur son wallet. La liste d’approbation d’un système de paiement et la frontière d’instructions d’un modèle sont des contrôles distincts. Un système qui vérifie une facture mais fait confiance à chaque message reçu peut encore être exploité sans aucune défaillance du protocole de paiement.

Quand Le Paiement Est Plus Petit Que Le Coût De L’Enquête

Les micropaiements modifient l’économie du contrôle. Une entreprise ne peut pas examiner manuellement chaque appel à cinq centimes vers un modèle ou une API et proposer encore ce service à cinq centimes. Elle peut examiner la source de financement, approuver la catégorie de destinataire et fixer des seuils automatiques qui arrêtent ou signalent un comportement anormal. L’enquête suit un schéma ou une exception. Chainalysis plaide dans le même sens pour le filtrage de la configuration et de la destination, mais les détails d’implémentation varient selon le fournisseur de wallet et l’organisation.

Un wallet portant une allocation de 20 dollars peut réaliser de nombreuses requêtes bon marché, mais les règles doivent préciser comment l’agent choisit entre fournisseurs. Si un service passe de 0,02 à 0,20 dollar, une allocation statique peut encore permettre de dépenser dix fois plus par appel. L’agent devrait recevoir un plafond de prix de la part de son opérateur et échouer de manière fermée lorsqu’un vendeur le dépasse. Une fois encore, le transfert peut se régler correctement alors que la décision d’achat est mauvaise.

Les reçus ont besoin d’une unité que l’acheteur et le vendeur peuvent auditer. Un hash de transaction stablecoin prouve qu’un paiement a eu lieu. Un identifiant de réponse de service peut montrer quelle requête a été payée. Joindre les deux devient nécessaire si un client conteste une charge ou si une API expire après avoir accepté le paiement. Un service sans procédure de nouvel essai ou de remboursement utilisable peut afficher un volume on-chain impressionnant et une rétention médiocre.

Ce Qu’Il Faudra Observer Dans Les Prochains Mois

Pour distinguer une industrie naissante d’une série de démonstrations, plusieurs indicateurs deviendront décisifs. Les volumes et valeurs de transactions x402 sur Base devront être publiés sur des périodes comparables avec les mêmes règles de classification. Le mix des destinataires devra montrer la part réelle allouée à l’inférence, aux données, à la revue de code et à l’activité spéculative de tokens. Les cohortes de wallets devront conserver un filtre d’activité clairement énoncé et une période d’observation complète.

La concentration mérite aussi une attention particulière. Un petit nombre de services ou de wallets explique-t-il la majorité du trafic dans chaque catégorie ? Les contrôles publics des produits, les budgets agents, les permissions de fournisseurs et le traitement des requêtes payées échouées devront devenir plus visibles. Sans ces éléments, le volume restera un indicateur d’usage du rail plutôt qu’une preuve de valeur économique créée.

Une Économie Encore Jeune Mais Déjà Structurante

Les 138 millions de transactions montrent que des logiciels utilisent déjà massivement un rail de paiement adapté aux charges infimes. La distribution des montants rend ce cas d’usage distinctif. Une requête de données à quelques centimes reste difficile à porter sur les rails carte traditionnels, tandis qu’un wallet programmable peut la régler au milieu d’une tâche logicielle. Pourtant, le monde carte propose aussi des facturations par compte et des agrégations mensuelles qui peuvent soutenir des prix unitaires bas sans passer une carte pour chaque appel. L’avantage de x402 doit être comparé à cette alternative et non seulement au cas absurde d’un swipe de carte pour une fraction de centime.

Un fournisseur peut choisir entre abonnements, crédits prépayés ou paiement à l’usage via x402. Les clients préféreront sans doute des modèles différents selon leurs besoins. Les paiements d’agents gagneront une place durable s’ils réduisent la friction d’onboarding, atteignent un marché utile d’acheteurs et se règlent à un coût total acceptable. Le volume de 138 millions prouve que le logiciel utilise le rail. Les données de catégorie et de revenus des périodes futures diront combien de travail économique réel circule dessus.

En définitive, l’intérêt de cette étude ne réside pas dans le chiffre brut. Il réside dans les signaux de comportement : des wallets qui se rechargent, des délais de première dépense qui s’effondrent, une montée des services d’information et une géographie qui varie selon les catégories. Ces éléments dessinent une économie machine à machine encore immature, mais déjà suffisamment structurée pour mériter une observation attentive. Le prochain rapport qui publiera des volumes par catégorie et des estimations de revenus indépendants permettra enfin de séparer clairement l’industrie de la démonstration.

Jusque-là, la prudence reste de mise. Un paiement on-chain est observable. Décider qu’un wallet appartient à un agent IA reste un exercice de classification. Un humain peut scripter ces appels. Un modèle peut les initier après qu’un développeur a autorisé un budget. Le compteur de 138 millions est précieux parce qu’il suit un protocole défini. Il ne doit pas être relabelisé comme 138 millions de décisions machine indépendantes. Le nombre de payeurs uniques, de vendeurs et de tâches complétées n’est pas contenu dans le chiffre d’accroche. C’est précisément ce qui rend l’analyse de Chainalysis utile : elle force à regarder au-delà du volume pour interroger la nature réelle de la demande.