L'économie des agents IA remet en question le modèle du déjeuner gratuit d'Internet

Le 29 avril 2026, Andrej Karpathy a émis un jugement lors d’un échange informel à la conférence AI Ascent de Sequoia : une nouvelle économie orientée vers les agents natifs est en train de naître ; tout logiciel, document et processus conçu aujourd’hui pour les humains devra être réécrit « pour les agents ». Il parlait de la重构 technique du côté de l’offre, mais a laissé sans réponse une question essentielle : si tout doit être réécrit, qui paiera cette réécriture et comment la valeur sera-t-elle répartie ?

Le sujet de l'économie des agents commence précisément par cette question. Le premier article, « À la croisée des chemins de la commercialisation de l'IA : pourquoi la publicité et les abonnements peinent-ils chacun à fonctionner seuls ? », examine la manière dont l'IA peut générer des revenus, concluant que la publicité et les abonnements ne peuvent plus être suffisants en tant que modèles isolés, et que le centre de gravité de la commercialisation passe de la « vente d'accès » à la « vente de résultats ». Ce deuxième article approfondit encore : pourquoi le modèle économique doit-il nécessairement évoluer ? La réponse réside dans la structure des coûts : l'expérience selon laquelle « servir un utilisateur supplémentaire ne coûte presque rien » sur Internet est en train de s'effondrer, et les modes de répartition des profits fondés sur cette expérience doivent désormais être recalculés. Au cours des vingt dernières années, la croyance commerciale la plus importante des entreprises Internet a été : plus il y a d'utilisateurs, plus les coûts baissent et plus les profits augmentent.

Les moteurs de recherche, les réseaux sociaux, les plates-formes de vidéos courtes, les plates-formes de contenu et les plates-formes de commerce électronique reposent toutes sur le même principe fondamental : une fois l’infrastructure mise en place, le coût marginal d’ajouter un utilisateur supplémentaire, d’afficher une page supplémentaire ou de distribuer un contenu supplémentaire est presque nul. Le véritable goulot d’étranglement des entreprises Internet n’est souvent pas « si chaque service génère une perte », mais plutôt la capacité à acquérir suffisamment de temps d’utilisation, de données, d’annonceurs et de scénarios de transaction.

La publicité est devenue l'un des modèles économiques les plus importants d'Internet dans ce contexte.

Lorsque le contenu et les pages peuvent être distribués à un coût presque nul, la plateforme peut décomposer les parcours des utilisateurs — recherche, navigation, clics, durée de séjour et chemins d'achat — en emplacements publicitaires vendables. Plus le parcours utilisateur est long, plus il y a de points de contact commerciaux pouvant être intégrés ; plus les utilisateurs prennent de temps pour comparer, plus la valeur des publicités, des recommandations, du contenu de marque et du classement des recherches augmente.

Mais l'agent IA est en train de faire vaciller cette croyance.

L'agent IA ne se contente pas de distribuer des informations existantes, il effectue des tâches pour l'utilisateur. Chaque conversation, chaque raisonnement, chaque lecture de fichier, chaque appel d'outil et chaque vérification de résultat implique un véritable coût en puissance GPU, consommation d'électricité, amortissement des puces et gestion du système.

Plus important encore, l'IA ne modifie pas seulement la structure des coûts des entreprises internet, mais aussi la chaîne d'utilisateurs sur laquelle repose la publicité. Par le passé, les utilisateurs devaient effectuer des recherches et des comparaisons répétées entre plusieurs pages, plusieurs plateformes et plusieurs marques ; à l'avenir, les utilisateurs pourraient simplement confier leurs besoins à un agent, qui les filtrera, les évaluera, les classera, les réservera voire effectuera la transaction.

Cela signifie que, pour les utilisateurs gratuits à l'ère des agents IA, chaque service fourni pourrait être réalisé à perte, et que la publicité traditionnelle perdra également une partie de son espace à long terme pour la monétisation.

Si le mot-clé de l'économie internet est « trafic », alors le mot-clé de l'économie des IA agents est « tâche ». Le trafic peut être distribué à bas coût, mais les tâches doivent être exécutées de manière réelle. Autrefois, la publicité vendait l'attention des utilisateurs sur leur parcours ; à l'ère de l'IA, la question cruciale devient : qui comprend les tâches, qui les organise, qui les accomplit, et quelles marques peuvent entrer dans la liste des candidats des agents ainsi que leurs critères de décision.

Ainsi, l'économie des agents IA n'est pas une extension naturelle des modèles commerciaux d'Internet, mais une correction inverse du mythe de la croissance d'Internet et de sa logique publicitaire.

La logique fondamentale du modèle économique d'Internet (y compris les logiciels) peut être comprise à l'aide de la formule la plus élémentaire de l'économie :

TC = FC + MC × Q (coût total = coût fixe + coût marginal × quantité)

À l'ère d'Internet traditionnel, que ce soit le développement d'une application, l'écriture d'un article ou l'enregistrement d'une vidéo, les coûts principaux sont concentrés sur les phases initiales de recherche et de production, soit des coûts fixes élevés (FC). Cependant, une fois le produit lancé, les coûts supplémentaires de serveurs et de bande passante pour servir le premier utilisateur ou le millionième utilisateur sont souvent négligeables, avec un CM proche de 0.

Ce coût marginal extrêmement faible confère aux modèles économiques associés un fort effet d'échelle. La caractéristique fondamentale des produits numériques est leur capacité à être copiés indéfiniment à un coût presque nul. Une fois le développement logiciel terminé et les serveurs déployés, le coût marginal d'ajouter un nouvel utilisateur est presque négligeable, se limitant à une légère augmentation de l'espace de stockage et de la bande passante consommée, quelques kilo-octets supplémentaires.

Cette caractéristique permet à l'économie de la plateforme de développer plus facilement des avantages d'échelle : celui qui atteint en premier le point critique d'échelle peut convertir les revenus supplémentaires en profits à un taux plus élevé, créant ainsi un levier opérationnel puissant.

Sur cette base, l'Internet a évolué vers trois modèles commerciaux classiques.

Modèle d’abonnement : le coût de reproduction du logiciel est extrêmement faible, et la croissance des utilisateurs abonnés se traduit directement par une croissance des revenus. C’est pourquoi les marchés financiers sont depuis longtemps disposés à accorder aux entreprises SaaS une valorisation élevée : une fois le seuil de rentabilité franchi, la croissance des bénéfices dépasse souvent de loin celle des revenus.

Modèle de commission : construire l’infrastructure pour les transactions, les paiements et l’exécution, en prélevant une commission stable à chaque transaction supplémentaire.

Modèle publicitaire : un service gratuit attire un grand nombre d'utilisateurs, dont l'attention est regroupée et vendue aux annonceurs. À titre d'exemple, une fois que l'algorithme de recherche et le système publicitaire sont déployés, le coût supplémentaire du serveur pour chaque requête de recherche supplémentaire est relativement faible, tandis que chaque clic publicitaire supplémentaire génère un revenu additionnel.

Le modèle publicitaire peut perdurer non seulement en raison du grand nombre d'utilisateurs, mais aussi parce que le parcours utilisateur est suffisamment long. Un utilisateur, de la naissance de son besoin à l'achèvement de son achat, traverse souvent plusieurs étapes : recherche, navigation, comparaison, mise en favoris, consultation, redirection et passation de commande. La plateforme peut vendre des publicités sur les pages de résultats de recherche, effectuer du marketing d'influence dans le flux d'informations, renforcer la conversion sur les pages de détails, ou encore influencer continuellement la décision de l'utilisateur lors des campagnes de remarketing. La valeur de la publicité provient fondamentalement de l'intervention progressive tout au long du parcours utilisateur.

La plateforme n'a pas à assumer le coût complet du service pour chaque décision de l'utilisateur. Les moteurs de recherche orientent les utilisateurs vers une page web, les réseaux sociaux vers un compte de marque, les plateformes de vidéos courtes vers une diffusion en direct, et les plateformes de commerce électronique vers une page de détail de produit. La plateforme joue principalement le rôle de mise en relation entre informations et attention.

L'Internet distribue des informations déjà existantes, tandis que l'IA génère des informations en temps réel. Cette transformation qualitative de la « copie » à la « génération » entraîne des structures de coûts et des logiques commerciales totalement différentes.

Premièrement, le coût d'inférence de l'IA est explicite ; le coût marginal de l'utilisation de l'IA est significativement supérieur à zéro (CM > 0).

Chaque fois qu'un modèle de grande taille entre ou sort un token, le GPU fonctionne à haute vitesse, consommant de l'électricité réelle et des coûts d'amortissement du processeur. Plus les paramètres du modèle sont importants, plus le contexte est long et plus la tâche est complexe, plus le coût d'inférence unique augmente. Le coût d'une simple question-réponse, d'une recherche approfondie, d'un développement de code ou d'une opération inter-logiciels peut différer de plusieurs dizaines à cent fois. L'économie des agents IA ne présente pas seulement un coût marginal non nul, mais ce coût marginal est lui-même hautement hétérogène.

Bien que le prix unitaire des tokens diminue rapidement, cela ne signifie pas que le coût marginal tendra vers zéro : à mesure que les capacités des agents s'améliorent, la quantité de tokens consommée par tâche passe rapidement de quelques centaines à plusieurs dizaines de milliers — la planification, l'utilisation d'outils, la lecture de fichiers, l'auto-vérification et les réessais en cas d'échec consomment une quantité importante de puissance de calcul. Le token unitaire est déflationniste, tandis que la tâche unitaire est inflationniste ; l'écart entre ces deux courbes constitue le cœur de l'économie de l'IA : plus les tokens deviennent bon marché, plus les gens osent confier aux IA des tâches plus exigeantes, ce qui augmente la facture totale — c'est précisément le « paradoxe de Jevons » dans le domaine de l'IA.

La baisse des prix des tokens uniques n'est pas un mouvement unidirectionnel vers le bas. Selon les statistiques de Morgan Stanley, le prix moyen de sortie des API des grands modèles nationaux au deuxième trimestre 2026 a augmenté d'environ 80 % par rapport au premier trimestre 2025, ce qui indique que le secteur passe d'une guerre des prix à une tarification basée sur la valeur. Les prix eux-mêmes se segmentent : les modèles marchandisés continuent de baisser, tandis que les modèles de pointe voient leurs prix révisés à la hausse. Les intelligences avancées sont tarifées selon leur valeur, et leurs coûts ne baissent pas同步 avec la marchandisation.

Bien que l'utilisation de traitements par lot, une meilleure utilisation du GPU, un cache KV optimisé, des clusters d'inférence auto-hébergés ou des puces développées en interne puisse réduire les coûts unitaires, la baisse des coûts marginaux est bien moindre que dans l'économie internet et sera compensée par une augmentation de l'intensité d'utilisation. C'est la raison fondamentale pour laquelle ChatGPT a rapidement lancé une version payante après l'explosion de son nombre d'utilisateurs.

En même temps, les coûts fixes sont passés d’un caractère ponctuel à un caractère perpétuel. Le coût d’entraînement n’est plus un investissement fixe unique, mais un coût de capital récurrent nécessitant une itération d’un nouveau modèle tous les six à douze mois. Les grands modèles sont devenus des actifs consommables avec une « durée de validité » de 6 à 12 mois : sans réentraînement et mise à jour, ils sont rapidement obsolètes, et le coût d’un seul entraînement peut atteindre plusieurs dizaines de millions, voire des centaines de millions de dollars. À titre d’exemple, OpenAI a généré un chiffre d’affaires de 13,07 milliards de dollars en 2025, avec une marge brute d’environ 43 % (ce calcul ne prend en compte que les coûts d’inférence, tandis que les coûts d’entraînement les plus élevés sont comptabilisés séparément comme dépenses de recherche et développement) ; toutefois, ses dépenses de recherche et développement s’élèvent à 19,18 milliards de dollars, dont environ 10,6 milliards de dollars destinés au paiement des ressources d’entraînement de Microsoft, ce qui constitue la principale cause de sa perte.

Ainsi, l'économie des agents IA présente les caractéristiques suivantes : les coûts d'inférence (coûts variables) augmentent linéairement avec l'utilisation et sont fortement différenciés ; les coûts d'infrastructure et de main-d'œuvre (coûts semi-fixes) augmentent par paliers en fonction de la taille des utilisateurs — lorsqu'un seuil de nombre d'utilisateurs est dépassé, il faut ajouter un lot de serveurs GPU ; en parallèle, les coûts de recherche et développement (c'est-à-dire les coûts d'entraînement des modèles) sont considérables. Ces coûts s'accumulent, obligeant les entreprises d'IA à réinvestir continuellement l'intégralité de leurs profits, sans bénéficier du point favorable typique d'Internet : « une croissance exponentielle des bénéfices après le seuil de rentabilité ».

Cette logique de coût redéfinit également la source de l'avantage concurrentiel de l'industrie : tandis que le cœur du avantage des plateformes Internet réside dans l'effet de réseau — plus il y a d'utilisateurs, plus le produit devient utile —, le modèle des agents change de paradigme, passant d'un effet de réseau fondé sur les chaînes de relations à un cycle de données et des coûts de transition. La nouvelle barrière réside dans le contexte accumulé — la mémoire de l'utilisateur, ses préférences, ses fichiers, ses flux de travail et ses données autorisées. Plus un agent est utilisé longtemps, plus il s'adapte précisément à l'utilisateur, et plus le coût de migration vers un autre fournisseur augmente. Internet verrouille les chaînes de relations de l'utilisateur ; les agents verrouillent son contexte de travail. C'est pourquoi l'industrie s'efforce activement de s'emparer des points d'entrée : il ne s'agit pas seulement de capter du trafic, mais d'accumuler en amont le contexte lui-même.

Il faut évidemment adopter une autre logique pour envisager l'économie des agents IA : les plateformes Internet se disputent l'« entrée utilisateur », tandis que les plateformes d'agents IA se disputent l'« entrée tâche ».

Si l'unité de base de l'économie internet est l'"affichage/clic", alors l'unité de base de l'économie des IA Agents est la "tâche". Un clic ne signifie que l'utilisateur accède à une page, tandis qu'une tâche implique que l'utilisateur confie à une IA l'accomplissement d'un objectif — l'Agent doit comprendre l'objectif, décomposer la tâche, appeler des outils, lire des fichiers, manipuler des logiciels, vérifier à plusieurs reprises les résultats, et, si nécessaire, demander une autorisation à l'utilisateur. Cela fait en sorte que la structure des coûts des IA Agents ressemble davantage à celle d'"employés numériques" qu'à celle de "médias numériques".

Auparavant, les utilisateurs ouvraient un moteur de recherche pour demander « Quelle entreprise de décoration est la meilleure ? » ; le moteur renvoyait des pages web, des publicités et des résultats cartographiques. Aujourd'hui, les utilisateurs peuvent directement demander à un agent : « Filtre pour moi trois entreprises de décoration fiables, compare leurs devis, leur réputation et leurs garanties de chantier, et programme une prise de contact pour moi. » La valeur commerciale du premier cas provient de l'exposition et des clics ; celle du second provient de la réalisation de la tâche et de l'agent de prise de décision. Les publicités ne sont plus simplement des informations affichées sur une page, mais deviennent des options, des sources de données, des sources fiables ou des interfaces de transaction dans le processus de décision de l'agent, aidant ainsi l'utilisateur à accomplir finalement sa tâche.

Les entreprises de modèles ne se contentent pas de fournir des capacités sous-jacentes, mais deviendront le nouveau système d'exploitation pour les tâches. Que ce soit des entreprises natives à l'IA ou de grands groupes intégrés, tous évoluent du « grand modèle » vers une « plateforme Agent », et lancent ainsi une série de produits tels que Claude Cowork, Codex et Workbuddy — celui qui maîtrisera l'entrée des tâches des utilisateurs déterminera l'ordre d'appel des outils, la priorité des sources de données, la logique de recommandation commerciale et le cycle de transaction.

« Même en sachant que l’économie par unité est négative, il faut dépenser de l’argent pour conquérir l’entrée » constitue précisément le pari stratégique le plus central de l’industrie actuelle et la source des controverses sur la valorisation. Car derrière l’entrée ne se trouvent pas seulement le nombre d’utilisateurs ou le nombre de conversations, mais le contrôle sur la distribution des tâches futures, les recommandations commerciales et la boucle de transaction.

Ce changement de logique entraînera également une autre tendance : la hiérarchisation.

Les produits Internet visent une standardisation optimale, avec un seul code servant tous les utilisateurs afin de maximiser l'avantage des coûts marginaux nuls. Les agents IA, en revanche, sont naturellement adaptés à une offre hiérarchisée — les coûts varient considérablement selon la complexité des tâches, les questions simples et les raisonnements complexes pouvant différer de plusieurs dizaines à cent fois. Les entreprises d'IA proposent donc différents niveaux de produits : une version gratuite utilisant un petit modèle avec des limites d'utilisation ; une version de base payante avec un modèle intermédiaire ; une version avancée avec le modèle le plus puissant ; et une version entreprise personnalisée offrant un déploiement et une optimisation dédiés.

Ce modèle de tarification par niveaux repose fondamentalement sur une tarification en fonction du coût et de la valeur, où la valeur est directement corrélée au coût. Plus les capacités offertes à l'utilisateur sont puissantes, plus le coût supporté est élevé. Par conséquent, l'écosystème des AI Agents évoluera vers une « économie à deux vitesses » : les intelligences en retard d'une génération coûteront extrêmement peu (open source + subventions des grandes entreprises, devenant une infrastructure aussi basique que l'eau, l'électricité ou le gaz), tandis que les intelligences de pointe resteront toujours chères (les modèles les plus puissants se situent toujours au bout le plus coûteux de la courbe des coûts). L'intelligence gratuite est celle d'« hier », celle qui est payante est celle d'« aujourd'hui ».

L'impact le plus profond de l'économie des agents IA sur l'économie traditionnelle n'est pas l'apparition d'une nouvelle catégorie de produits IA sur le marché, mais le fait que les points d'entrée des utilisateurs, autrefois dispersés sur les sites web, les applications et les logiciels, sont en train d'être redéfinis par une nouvelle couche d'agents de tâches. Les fabricants de téléphones, les super-applications et d'autres acteurs développent chacun leurs propres agents ; les points d'entrée ne sont pas encore unifiés, mais au contraire plus fragmentés. Autrefois, les puits de profit d'Internet étaient centrés sur « par où passait le trafic » ; à l'avenir, ils seront probablement répartis autour de « qui orchestre les tâches et qui les accomplit ».

Premièrement, les droits d'entrée et de distribution ont été modifiés.

À l'ère d'Internet, les moteurs de recherche, les magasins d'applications, les plateformes de contenu et les super-apps contrôlent les points d'entrée ; les entreprises se disputent les classements, les placements recommandés et le temps d'utilisation des utilisateurs. Mais avec l'apparition des agents, les utilisateurs n'auront peut-être plus besoin d'ouvrir chaque application individuellement : réserver un billet d'avion, trouver un fournisseur, analyser des données ou répondre aux e-mails peut désormais être initié depuis une même entrée de tâche. Les sites web et les applications ne disparaîtront pas, mais deviendront de plus en plus souvent des sources de données, des outils et des interfaces d'exécution derrière les agents.

Cela signifie que le nouveau pouvoir de la plateforme ne se limite plus à « diriger les utilisateurs », mais détermine comment les tâches sont accomplies : quel modèle, quel logiciel, quel commerçant et quel jeu de données sont appelés. Une partie de l'« impôt sur la distribution » autrefois contrôlée par les moteurs de recherche, les magasins d'applications et les plateformes de trafic pourrait progressivement être transférée aux plateformes d'agents.

Il y a ici une influence subtile mais cruciale : les agents IA réduisent considérablement le parcours client, ce qui comprime l'espace disponible pour les activités publicitaires.

Auparavant, les utilisateurs devaient effectuer dix recherches, comparer plusieurs pages et plateformes avant d’arriver à la phase d’achat ; dans un scénario basé sur l’IA, ils peuvent simplement poser 3 à 5 questions consécutives pour accomplir le filtrage d’informations, la comparaison de solutions et la prise de décision d’achat. Plus un secteur implique une intention élevée, une décision forte et une comparaison approfondie, plus il est susceptible d’être réécrit par l’IA en termes de logique de distribution. Les utilisateurs n’ont plus besoin de naviguer en boucle entre les résultats de recherche, les pages de contenu et les pages d’accueil des vendeurs ; ils déléguent directement la tâche de décision à l’IA. À ce stade, les points d’entrée possibles pour la publicité diminuent, et l’influence des publicités traditionnelles est affaiblie.

Ce qui est vraiment difficile, c’est que les publicités dans les réponses de l’IA doivent être hautement explicites. Par le passé, les publicités pouvaient être intégrées dans le parcours utilisateur à travers divers scénarios tels que le classement des recherches, les contenus natifs dans les flux d’information, les recommandations d’influenceurs ou les contenus de marque. Dans les réponses de l’IA, toute recommandation commerciale subtile, invisible ou non clairement identifiée menace directement la confiance des utilisateurs envers l’objectivité de la plateforme. Plus l’IA ressemble à un agent qui prend des décisions pour l’utilisateur, plus celui-ci ne tolérera pas qu’elle soit influencée par des intérêts commerciaux de manière opaque.

La deuxième couche d'impact se produira bientôt sur la plateforme et l'économie intermédiaire.

Les plateformes de commerce, de voyage, de livraison de repas et de vie locale ont pour fonction essentielle d'aider les utilisateurs à rechercher, comparer et faciliter les transactions, ce qui correspond précisément aux étapes les plus facilement automatisables par les agents. Les intermédiaires se limitant à fournir une « liste d'informations » seront réduits, tandis que les éléments véritablement incontournables deviendront l'offre exclusive, le paiement, la confiance, la logistique, l'après-vente et l'exécution en personne.

Le avantage concurrentiel des plateformes de trading passera de « combien de trafic j'ai » à « combien de fourniture réelle et de capacité d'exécution que les agents ne peuvent pas remplacer je maîtrise ».

Pour les grandes entreprises disposant d'une chaîne de transaction fermée, l'IA aura effectivement un impact à court terme sur leurs activités publicitaires et commerciales actuelles, mais à long terme, la participation des agents IA deviendra un nouvel amplificateur commercial. En maîtrisant à la fois les besoins des utilisateurs et l'offre des commerçants, ainsi que les transactions, les paiements, la livraison et l'après-vente, la plateforme peut réorganiser la valeur commerciale de manière globale : les commerçants investissent dans la publicité sur la plateforme e-commerce → cela génère un GMV plus élevé → l'IA privilégie en recommandation les marques à fort GMV, à bonnes évaluations et à livraison fiable → les marques obtiennent un cycle de transaction complet dans les scénarios IA → la plateforme améliore ainsi simultanément la valeur publicitaire, la valeur transactionnelle et la valeur de distribution IA.

La limite essentielle ici est que l'IA ne doit pas facturer des frais publicitaires excessifs comme les plateformes publicitaires traditionnelles. Si l'IA facture trop cher, elle compromet son actif le plus précieux : son objectivité et la confiance des utilisateurs. Une approche plus raisonnable consiste à facturer une commission technique proportionnelle, au niveau des tarifs du secteur, généralement comprise entre 1 % et 10 %, destinée principalement à couvrir les coûts de calcul, d'appel et de service.

Troisièmement, et changement encore plus profond, la frontière entre l'économie logicielle et l'économie de services commence à s'effacer.

Les SaaS traditionnels (y compris les logiciels) restent fondamentalement des outils. Salesforce fournit un système CRM, mais ce sont les commerciaux qui entretiennent réellement les relations clients ; Adobe propose des logiciels de conception, mais ce sont les designers qui réalisent effectivement les conceptions ; les logiciels de gestion financière enregistrent les données, mais l'analyse et les décisions restent à la charge des humains. Ainsi, le modèle économique des SaaS s'est longtemps articulé autour du « siège (Seat) » : une entreprise achète autant de comptes qu'elle a d'employés utilisant le logiciel. Récemment, la facturation à l'utilisation gagne en popularité, et les modèles hybrides sont devenus la norme, mais le modèle par siège reste courant dans les logiciels de collaboration.

L'agent IA change cette hypothèse.

Lorsque les logiciels commencent à pouvoir lire les données, décider des prochaines actions et exécuter des tâches autonomement, les entreprises n'achètent plus simplement « un logiciel utilisé par un employé », mais potentiellement une capacité à accomplir directement une tâche. Un agent IA peut gérer simultanément le CRM, l'ERP, le BI, les systèmes de courrier électronique et de service client ; des processus qui nécessitaient autrefois plusieurs personnes travaillant sur différents logiciels sont réduits à un seul appel de tâche. À ce stade, le modèle de croissance selon lequel « plus d'employés = plus de sièges = plus de revenus SaaS » est mis en question.

Plus important encore, le SaaS peut lui-même se diviser en couches : la couche inférieure est le « système d'enregistrement » (System of Record) qui stocke les données essentielles telles que les clients, les commandes, les finances et les stocks ; la couche supérieure comprend les « capacités » (System of Action) chargées de comprendre les besoins, d'appeler le système et d'accomplir les tâches.

Par le passé, les deux étaient regroupés dans une même interface logicielle, mais pourraient être séparés à l'avenir. Les logiciels qui contrôlent les données essentielles, les autorisations, la conformité et les règles métier conservent un fort avantage concurrentiel ; en revanche, ceux dont la valeur principale réside dans l'interface, les processus et la mise en œuvre fonctionnelle encadrées courent un risque majeur : une fois que les agents prendront en charge la couche d'interaction, ils pourraient passer d'applications ouvertes quotidiennement par les utilisateurs à de simples interfaces appelées en arrière-plan par les agents.

Inversement, cela entraînera la première pénétration à grande échelle du marché logiciel dans les services traditionnels. Autrefois, les entreprises logicielles rivalisaient pour les budgets informatiques des entreprises ; à l'avenir, les entreprises d'agents IA cibleront des budgets bien plus importants : les coûts du travail, les budgets de sous-traitance et les budgets de services professionnels. Le service client, la recherche fondamentale, les opérations commerciales, le recrutement, le traitement comptable et même certaines tâches de conseil pourraient passer d'une logique d'« achat du temps humain » à une logique d'« achat de tâches accomplies par des machines ». La frontière du marché logiciel s'étend donc désormais depuis les « dépenses logicielles » passées vers les « dépenses de main-d'œuvre ».

L'économie internet des vingt dernières années : plus d'utilisateurs signifient plus de trafic, plus de trafic signifie plus de revenus publicitaires, de transactions et d'abonnements, tandis que le coût d'acquisition de nouveaux utilisateurs n'augmente pas de manière significative. « D'abord grossir la base d'utilisateurs, puis trouver des moyens de monétisation » est devenu la formule de croissance la plus classique de l'ère internet.

L'agent IA met fin à cette relation linéaire simple.

Parce que les agents IA ne fournissent plus seulement des informations, mais consomment réellement des ressources de calcul, appellent des outils externes et accomplissent des tâches. Plus il y a d'utilisateurs, cela ne signifie pas nécessairement un profit plus élevé ; plus les tâches sont complexes, plus les coûts peuvent augmenter rapidement. Ce que les entreprises doivent réellement calculer, ce n'est plus seulement les DAU, le taux de rétention et le temps passé par les utilisateurs, mais le coût de réalisation d'une tâche, le montant que les utilisateurs sont prêts à payer pour ce résultat, et la valeur que la plateforme peut conserver.

Ce qui est véritablement rare à l'ère de l'IA est en train de changer.

À l'ère d'Internet, le flux de trafic est rare, c'est pourquoi les entreprises se disputent l'attention des utilisateurs ; à l'ère des agents IA, ce qui pourrait véritablement être rare, ce sont les tâches à haute valeur ajoutée, ainsi que les données, les autorisations, les outils et les capacités d'exécution nécessaires pour les accomplir.

L'agent IA n'est pas la prochaine forme de produit sur Internet, mais il transforme l'unité de transaction la plus fondamentale de l'économie numérique. Ce que vend l'agent, c'est la capacité à accomplir une tâche.

Lorsque l'unité fondamentale de l'économie passe du « clic » à la « tâche », et de l'« utilisation d'outils » à la « livraison de résultats », les modèles économiques, le pouvoir des plateformes et la répartition des profits, construits autour du trafic au cours des deux dernières décennies, subiront inévitablement un rééquilibrage.

Cet article provient du compte officiel WeChat « Tencent Research Institute » (ID : cyberlawrc), auteur : Groupe de recherche sur l'économie de l'IA