Auteur : Guy Wuollet, a16z Crypto
Compilé par Deep潮 TechFlow
DeepChain en bref : Uber a relié passagers et chauffeurs grâce à une demande extrêmement simplifiée, mais dans la réalité, de nombreuses transactions restent difficiles à numériser en raison de la nécessité de collaboration entre plusieurs parties, de budgets dynamiques et de clauses complexes. Les agents IA transforment cette situation, permettant aux systèmes de réorganiser les réseaux de mise en relation bilatérale autour de biens et services plus fins et non standardisés.
L'équipe a16z Crypto combine les « intentions » matures du domaine cryptographique et le modèle de mise aux enchères du flux de commandes pour décomposer les mécanismes de rentabilité et les chemins de démarrage des réseaux d'agents commerciaux : à une époque où le développement logiciel tend vers un coût nul, ce sont les réseaux de machines capables de construire une réputation d'exécution et un flux bidirectionnel qui constituent le véritable avantage concurrentiel à long terme.

Uber offre aux gens un moyen extrêmement simple d'exprimer un besoin : prendre un véhicule d'un point A à un point B. Le réseau attribue automatiquement un chauffeur disposé à fournir le service au prix que vous acceptez. Plus il y a de chauffeurs, plus il est facile pour les passagers de réserver un véhicule ; plus il y a de passagers, plus les chauffeurs sont incités à rejoindre le réseau.
Je pense que les agents IA permettront à ce type de réseau bilatéral de se développer autour de catégories de biens et de services extrêmement larges. Les agents aideront les humains à exprimer des préférences plus complexes et à trouver des fournisseurs disposés à satisfaire précisément ces préférences.
Certains scénarios de trading existent déjà, mais les prix élevés ou la coordination extrêmement complexe empêchent la majorité des particuliers d'y accéder ; d'autres besoins n'ont jamais été tentés en raison du coût humain trop élevé. Les agents intelligents généreront également de nombreux nouveaux types de trading que nous n'avions jamais envisagés auparavant — toutes ces opportunités représentent d'immenses possibilités pour les entrepreneurs.
Imaginons un scénario quotidien simple et familier : organiser un dîner entre amis. Chacun a des horaires libres, un budget maximal et des préférences de cuisine différentes.
Aujourd'hui, il est souvent nécessaire qu'un ami soit contraint de jouer le rôle de « coordinateur » dans un groupe WeChat : recueillir individuellement les demandes de chacun, chercher partout en ligne un restaurant, et revenir en arrière dans le groupe pour négocier à nouveau lorsque le restaurant sélectionné ne répond pas aux critères. Dans le même temps, de nombreux restaurants disposent de nombreuses tables vides le mardi soir, mais manquent de canaux efficaces pour atteindre les groupes qui n'ont pas encore fixé leurs projets de repas.
Si votre agent personnel agit en votre nom, il pourra rapidement s'aligner avec les agents de vos amis pour regrouper une demande claire : rechercher un dîner de six personnes dans le quartier de Mission, à moins de 60 $ par personne, entre 17h30 et 20h, à condition que ce ne soit pas des sushis.
Ensuite, les agents de chaque restaurant peuvent répondre en temps réel par des enchères en fonction de leurs places disponibles : certains restaurants pourraient proposer des réductions plus avantageuses pour le service du soir à 17h30, tandis qu’un autre pourrait proposer activement un forfait familial adapté à six personnes. Votre agent n’a qu’à comparer toutes les offres avec les préférences de tous et à réserver automatiquement dans les limites de votre autorisation préalable.
Ainsi, les restaurants ayant encore des tables libres à 18 heures peuvent envoyer directement des offres ciblées aux consommateurs disposés à dîner plus tôt, avant qu’ils n’aient choisi où manger. L’équipe des acheteurs a des préférences et un budget clairs, les restaurants vendeurs disposent de places inutilisées et d’un espace de prix minimum ; il ne manque que le réseau sous-jacent permettant aux agents des deux parties de se découvrir et d’achever une transaction.
Uber a démontré comment un réseau peut faire correspondre les acheteurs et les vendeurs autour d'une demande de déplacement relativement simple, tandis que les agents ont le potentiel d'étendre ce modèle à des consommations plus complexes, comme les repas. La plupart des réseaux Internet passés ont été conçus pour les habitudes d'opération humaines, mais nous avons désormais un besoin urgent de construire des réseaux pour les machines.
Les entrepreneurs peuvent tout à fait créer des hubs de matching dédiés, permettant aux agents intelligents individuels de porter des demandes complexes sur le marché, tandis que les fournisseurs s'engagent à les satisfaire en compétition.
Comment construire un réseau d'agents de trading
En réalité, le domaine des cryptomonnaies a déjà établi un modèle organisationnel mature autour du concept d'« intentions » : les utilisateurs déclarent simplement le résultat de transaction souhaité, et divers fournisseurs de services se disputent pour livrer ce résultat.
Avec UniswapX, l'utilisateur signe une commande précisant les jetons qu'il souhaite échanger et les termes acceptables ; les solveurs de marché rivalisent entre eux en puisant dans plusieurs sources de liquidité pour exécuter cette transaction.
Les agents IA peuvent justement étendre ce « modèle d'intention » au domaine commercial quotidien. Les grands modèles linguistiques (LLM) transforment les conversations naturelles en demandes standardisées exécutables par les fournisseurs, tandis que les agents recherchent les offres sur l'ensemble du réseau et finalisent les détails de la transaction. Cette interaction à faible seuil d'entrée a le potentiel de réduire considérablement les coûts de coordination, rendant ainsi rentables des dépenses de taille modérée comme un dîner entre six personnes.
Le même type d'effet de réseau qui a autrefois soutenu la valeur d'Uber s'accumulera progressivement dans ces scénarios de transaction plus complexes. Chaque fois qu'un nouveau restaurant se connecte, les convives obtiennent une option de correspondance plus précise, particulièrement pour les petits groupes avec des exigences strictes en matière d'alimentation ou de timing.
Alors que le nombre de groupes venant émettre des demandes augmente, les restaurants ont de plus en plus d'opportunités de générer des revenus supplémentaires grâce à un meilleur taux de rotation, ce qui les pousse à connecter leurs systèmes de réservation internes au réseau et à proposer des offres plus ciblées. Dès que le niveau de participation dans une seule ville atteint un point critique, ce réseau pourra naturellement s'étendre à d'autres catégories de consommation.
Sur la stratégie de démarrage à froid, les entrepreneurs peuvent tout à fait commencer par un seul marché culinaire dans une ville. Le produit initial doit réellement permettre aux utilisateurs de gagner beaucoup de temps ou d'argent, afin qu'ils soient disposés à inviter leurs amis ; en même temps, il doit permettre aux restaurants partenaires de voir des commandes supplémentaires qu'ils n'auraient pas reçues autrement. Seuls les deux côtés profitant réellement de cette dynamique continueront à rester actifs et inviteront de nouveaux membres.
En ce qui concerne la monétisation commerciale, je pense que les agents destinés aux consommateurs finaux peuvent être entièrement gratuits, tout en générant des revenus via un modèle similaire au « Payment for Order Flow ». Plus précisément, les utilisateurs déclarent ce qu'ils veulent et le prix maximal qu'ils sont prêts à payer, puis les fournisseurs se lancent en enchères pour satisfaire cette demande.
Supposons qu'un agent propose un prix de 300 $ pour organiser un repas et qu'il trouve en arrière-plan un restaurant disposé à accepter l'ordre à 270 $, la plateforme réseau peut conserver la différence ou percevoir une commission de routage pour avoir orienté avec succès le trafic vers le restaurant. Ce revenu de mise en relation peut à son tour être directement utilisé pour subventionner les coûts de calcul d'inférence IA des consommateurs.
Bien sûr, la plateforme doit garantir la transparence : les utilisateurs doivent comprendre clairement comment leur agent génère des profits et la logique sous-jacente qui permet de trier et de classer les différentes offres. La volonté réelle des consommateurs de déléguer leurs décisions de dépense dépend en dernière analyse de leur confiance dans ce mécanisme de sélection.
Pourquoi ce modèle commercial possède-t-il des barrières à l'entrée à long terme ?
Alors que l'intelligence artificielle réduit considérablement le coût marginal de la réplication logicielle, posséder simplement un logiciel pratique n'est plus rare ; les réseaux de particuliers et d'entités commerciales disposés à s'ancrer dans un réseau spécifique et à y mener des transactions continues évoluent en une barrière concurrentielle plus fondamentale. En revisitant l'ère d'Internet, les plus grandes entreprises telles que Facebook, eBay et Uber ont toutes suivi cette règle : plus il y a de participants qui rejoignent le réseau, plus il devient utile pour chaque individu.
Le réseau de matching pour les entreprises d'agents peut également accumuler cet avantage précoce difficile à déloger. Les concurrents pourraient rapidement copier un logiciel avec des fonctionnalités et une interface très similaires, mais ils devront néanmoins rassembler dès le départ des acheteurs et des vendeurs capables de s'acquitter de manière continue et fiable. Reprenant l'exemple du restaurant, cela signifie couvrir un nombre suffisant de restaurants locaux prêts à proposer activement leurs offres, ainsi qu'un grand nombre de groupes de consommateurs prêts à passer des commandes à tout moment.
Garantir que chaque ordre de négociation puisse être exécuté de manière fiable constitue un élément clé de la construction de l'infrastructure réseau. Les restaurants partenaires doivent être certains que l'agent ayant envoyé la demande possède bien l'autorisation de payer pour l'ensemble du groupe ; les convives, quant à eux, doivent être certains qu'en cliquant sur "confirmer l'offre", ils verront leur réservation verrouillée au prix convenu.
Ainsi, le réseau doit établir son propre mécanisme de vérification pour valider les autorisations des agents, enregistrer les clauses essentielles de la réservation et organiser fluidement le règlement des fonds. En outre, en cas d'anomalies d'exécution telles qu'une annulation temporaire du groupe ou la non-reservation par le restaurant, les deux parties doivent clairement connaître le mécanisme convenu à l'avance.
Les entrepreneurs peuvent tout à fait construire simultanément ces infrastructures de confiance et le marché de trading. Dès que les acheteurs et les vendeurs commencent à interagir fréquemment sur le réseau, la plateforme génère naturellement un historique de confiance, identifiant qui respecte systématiquement ses engagements, accompagné d’un processus mature de médiation des litiges. Un réseau qui aide les participants à trouver des offres de qualité et qui assure une exécution extrêmement fiable incitera naturellement tout le monde à y revenir en priorité pour leur prochaine transaction.
Quels autres réseaux d'agents le fondateur peut-il construire ?
La réservation de restaurants n'est qu'un exemple simplifié pour illustrer cette idée. En réalité, les agents IA peuvent également aider à créer de nombreux réseaux de transaction verticaux aux caractéristiques uniques, notamment dans les domaines suivants :
· Voyage et déplacements : un agent personnel coordonne et aligne les emplois du temps et les budgets des différents membres du groupe, puis négocie collectivement auprès de plusieurs hôtels et compagnies aériennes pour conclure un itinéraire satisfaisant pour tous. Lorsque l'équipe conserve une certaine flexibilité concernant la date de départ ou le choix de la destination, elle peut souvent accéder à des offres cachées invisibles aux recherches traditionnelles par mots-clés fixes.
· Achat enterprise : L'agent d'achat dédié aux entreprises est disponible 24 heures sur 24 pour négocier dynamiquement les volumes à livrer à terme et les périodes de fixation des prix avec les fournisseurs en amont. Il évalue simultanément les délais de livraison et les conditions de paiement pour permettre à l'acheteur de verrouiller le coût global tout en offrant au vendeur une demande de commandes stable et prévisible.
Marché des ressources de hash : les agents peuvent automatiquement faire correspondre précisément les charges de calcul aux capacités de calcul inutilisées sur le réseau, en fonction des spécifications matérielles, de la région géographique des centres de données et des fenêtres temporelles. Les entreprises peuvent même acheter à l'avance des capacités de calcul à terme sur ce réseau, afin de se prémunir efficacement contre la hausse des coûts de calcul pendant les périodes de croissance.
· Arbitrage en ligne : les parties à une transaction peuvent convenir conjointement au moment de la signature qu'en cas de litige, celui-ci sera soumis à un forum d'arbitrage partagé, qui rendra une décision bien plus rapidement que les systèmes judiciaires traditionnels. Chaque fois qu'un nouvel ensemble d'acheteurs et de vendeurs adopte le même ensemble de règles d'arbitrage, l'attractivité et la crédibilité de ce forum augmentent pour les participants futurs du marché.
· Réseau d'appareils physiques : les agents peuvent directement acheter des services de capacité de livraison auprès d'un réseau distribué de drones, ou acheter des données en temps réel auprès d'appareils capteurs connectés. Chaque nouvel appareil connecté élargit directement le rayon de couverture du réseau physique ou ajoute un nouveau type de service dont les autres participants de l'écosystème ont précisément besoin.
· Recherche collaborative en santé et médecine : les utilisateurs individuels peuvent transférer en toute sécurité leurs données de santé vers un pool partagé et participer à des projets de recherche participative. Plus le nombre de contributeurs de données est élevé, plus il devient possible de mener des études cliniques contrôlées à une échelle sans précédent, permettant ainsi de résoudre des problèmes médicaux que les petits échantillons ne pouvaient pas aborder.
En outre, autour des « relations humaines authentiques », de nombreuses opportunités entrepreneuriales en ligne émergent. Alors que l’intelligence artificielle devient de plus en plus abordable, voire presque gratuite, la société réelle a toujours un besoin urgent de moyens efficaces pour vérifier l’identité réelle, valider les compétences professionnelles et établir des liens de confiance profonds. À mesure que de plus en plus de travailleurs s’éloignent des structures d’emploi traditionnelles, les réseaux de certificats de réputation professionnelle, les clubs à adhésion et les organisations similaires deviendront de plus en plus précieux.
Conclusion
Les véritables opportunités commerciales se cachent souvent dans les échanges que les gens souhaitent sincèrement réaliser, mais aujourd'hui, le coût en temps et en argent pour coordonner manuellement ces échanges est simplement trop élevé. Les quelques réseaux d'agents intelligents les plus volumineux à l'avenir naîtront presque inévitablement de scénarios d'échange entièrement nouveaux que nous ne sommes pas encore capables d'imaginer.
Commencez par un marché vertical spécifique et subtil, assurez d'abord la mise en œuvre des deux côtés de la demande, puis incitez chaque participant à apporter de nouveaux membres grâce à une valeur ajoutée concrète. Si vous travaillez à la construction d'un réseau d'agents, j'attends avec impatience d'échanger avec vous.



