Avez-vous élevé des écrevisses ? » Récemment, lorsqu’un Web3er salue quelqu’un, il s’agit très probablement de cette phrase.
En 2026, après que les robots du Spectacle du Nouvel An chinois aient fait sensation, de nouveaux agents IA, représentés par OpenClaw, sont devenus la nouvelle passion des amateurs de technologie. Certains utilisent l'IA pour le service client, d'autres pour écrire du code, et certains commencent même à essayer d'utiliser des agents pour simuler un ensemble complet de « employés numériques ». Un concept fréquemment mentionné sur diverses plateformes internet, « l'entreprise à une personne », désigne une personne capable de gérer, grâce à un flux de travail IA, des tâches qui nécessitaient auparavant une petite équipe.
Du côté de Web3, on n’a pas non plus attendu. Si vous suivez un peu les médias du secteur ces derniers temps, vous constaterez que de nombreux projets commencent à s’inspirer des AI Agent. Certains étudient comment les Agent peuvent appeler directement des actifs ou des contrats sur chaîne, d’autres développent les infrastructures de paiement, d’identité ou financières pour les Agent, certains discutent d’un « écosystème économique des Agent » permettant à l’IA de participer au réseau comme un utilisateur, et d’autres relancent même le nouveau slogan du « Web4.0 ».
En arrivant ici, on a un sentiment de familiarité.
On dit que la mode est cyclique, mais on n’aurait pas imaginé que le monde de la technologie (ou celui de la crypto) en fasse autant. Souvenez-vous de l’ère du marché baissier qui a commencé en 2022, lorsque ChatGPT est devenu une sensation du jour au lendemain, et que l’IA est soudainement devenue le sujet de toutes les conversations. Le monde Web3 n’a pas été en reste et a rapidement vu émerger une foule de nouveaux concepts : agents IA, traders IA, stratégies automatisées, etc. Il semblait que tout ce qui avait un lien avec l’IA pouvait raconter une nouvelle histoire. Mais cet engouement n’a pas duré longtemps. Lorsque le marché crypto a repris sa hausse, l’attention des gens est rapidement revenue au Crypto lui-même.
Cette fois-ci, au second semestre 2025, le marché des cryptomonnaies montre à nouveau des signes d’un marché baissier, ce qui pousse le Web3 à chercher de nouveaux concepts pour reprendre la relève.
Mais, selon Portal Labs, le problème vient justement de là. Lorsqu’un récit commence à devenir populaire, de nombreuses équipes de start-ups Web3 ne font pas de jugements techniques ou commerciaux, mais des jugements narratifs : elles choisissent de développer ce qui est à la mode. Ensuite, elles tombent en défaut —
Beaucoup d'équipes ne se rendent compte qu'après avoir réellement avancé sur leur projet que le concept peut être rapidement mis en place, mais que le produit est difficile à déployer. Où sont les utilisateurs ? Quels sont les scénarios concrets ? Sur quoi repose la facturation continue ? Le projet peut-il attirer des investissements ? Ces questions ne surgissent souvent qu'après plusieurs mois de développement.
Lorsque la vague de popularité s’est calmée, ce qui reste sur le marché sont souvent de nombreux projets qui n’ont jamais réussi à se déployer. Certains produits restent au stade de démonstration, d’autres peinent à se lancer sans trouver d’utilisateurs, et d’autres encore disparaissent tout simplement avec leur narration. À court terme, cela semble ouvrir une nouvelle piste, mais en regardant en arrière après un certain temps, ce qui reste réellement est en fait assez peu.
Ainsi, continuer à se concentrer sur le Crypto ou passer à l’IA devient une difficulté. Choisir le premier, c’est risquer un marché peu favorable où les investissements ne garantissent pas de retour ; choisir le second, c’est entrer dans l’inconnu. Les barrières technologiques, la structure des talents et l’environnement concurrentiel de l’IA diffèrent de ceux du Web3. Les compétences techniques, l’expérience produit et les ressources communautaires accumulées par de nombreuses équipes au cours des dernières années reposent toutes sur l’écosystème Crypto. Passer complètement à l’IA reviendrait à entrer dans une toute nouvelle industrie. Du modèle aux ressources de données en passant par l’équipe d’ingénierie, tout doit être reconstruit.
Plus réalistement, le secteur de l’IA est déjà très saturé. Que ce soit les entreprises de grands modèles, les entreprises traditionnelles d’Internet, ou un grand nombre d’équipes startups, toutes investissent d’énormes ressources dans ce domaine. Pour une équipe startup originalement axée sur le Web3, entrer sur ce marché uniquement en raison d’un changement de narration risque de la rendre consciente qu’elle ne possède ni avantage technologique ni ressources sectorielles.
En réalité, pour de nombreuses équipes de start-ups Web3, il existe un autre chemin praticable : il n’est pas nécessaire de se transformer en IA ; au contraire, elles peuvent continuer sur leur voie Web3 tout en réfléchissant aux capacités que le Crypto peut apporter au système d’IA.
Si vous examinez attentivement cette vague actuelle de développement de l'IA, vous constaterez que de nombreux éléments clés ne sont pas encore entièrement résolus.
Le plus typique est les données. Les modèles deviennent de plus en plus puissants, mais il n’existe toujours pas de mécanisme efficace pour répondre à des questions fondamentales : d’où proviennent les données d’entraînement, sont-elles fiables et conformes à la réglementation, et comment les agents IA peuvent-ils réaliser une personnalisation 1v1 ? Pour les IA dépendant de l’entraînement sur de grandes quantités de données, il s’agit d’un problème fondamental persistant.
Par exemple, l'identité et la collaboration. Lorsque des agents IA commencent à participer à l'exécution de tâches, à des transactions automatisées ou même à des décisions opérationnelles, ils nécessitent eux-mêmes une identité, des autorisations et des règles de collaboration. Qui peut appeler un tel agent ? Comment les agents se répartissent-ils les tâches ? Comment les récompenses sont-elles calculées après l'exécution d'une tâche ? Ces questions touchent fondamentalement à l'attribution d'identité et de valeur dans un réseau ouvert.
Il y a également des problèmes de paiement. Dès qu’un agent IA commence à appeler automatiquement des services, à récupérer des données ou à exécuter des tâches sur le réseau, cela implique qu’il lui faut un système de paiement microtransactionnel automatisé. Or, dans le cadre de l’architecture traditionnelle d’Internet, mettre en place une telle structure de paiement est extrêmement difficile.
Ces problèmes semblent tous liés à l'IA, mais de nombreuses solutions existent déjà dans l'écosystème technologique de la crypto. Que ce soit les réseaux d'incitation aux données, les systèmes d'identité sur chaîne ou les réseaux de paiement ouverts, ce sont précisément les directions que Web3 explore depuis plusieurs années.
Si les équipes de start-ups Web3 envisagent vraiment d’explorer ces directions, plusieurs points doivent être clarifiés au préalable.
Il faut d'abord examiner les compétences techniques de l'équipe elle-même. Les projets Web3 présentent des différences importantes en matière d'accumulation technologique : certaines équipes sont spécialisées dans les protocoles sur chaîne, d'autres travaillent depuis longtemps sur des réseaux de données, tandis que d'autres se concentrent davantage sur les produits de couche application. Si l'équipe a passé les dernières années à développer des infrastructures liées aux données — telles que la collecte de données, l'extraction de données ou les marchés de données — il sera naturel d'étendre cette expertise vers la couche données pour l'IA, par exemple en créant un réseau de contribution de données, des sources de données vérifiables ou un marché de données incité pour alimenter des modèles. Si l'équipe est davantage orientée vers les protocoles ou infrastructures sur chaîne, il convient alors d'envisager de construire l'environnement d'exécution pour les agents IA, comme l'identité sur chaîne des agents, la gestion des autorisations, les protocoles d'exécution de tâches, ou encore la fourniture de capacités de règlement et de paiement automatisés pour les agents. Pour les équipes qui développent déjà des produits de couche application — tels que des outils de trading, des plateformes de contenu, des produits communautaires ou des applications grand public — l'IA s'intègre mieux comme une couche de capacités au sein du système produit existant : par exemple, en améliorant les capacités d'analyse de données, en automatisant les processus opérationnels ou en utilisant des agents pour accomplir des fonctions auparavant traitées manuellement.
Ensuite, il faut examiner s’il existe un scénario d’usage réel. Beaucoup de projets d’IA disparaissent rapidement non pas à cause d’une technologie insuffisante, mais parce qu’ils n’ont jamais défini de cas d’utilisation clair dès le départ. Les concepts peuvent être très populaires, mais on ne répond souvent pas sérieusement à des questions fondamentales : où sont les personnes qui ont réellement besoin de ce produit ? Pourquoi le utiliseraient-elles ? Et pourquoi seraient-elles prêtes à payer pour ? Certains concepts sont largement discutés dans l’industrie, comme « l’IA + Web3 », « l’économie des agents » ou « les traders IA » — ils semblent tous très ambitieux — mais si on creuse un peu plus, les groupes d’utilisateurs stables et réels sont en réalité peu nombreux. À l’inverse, certaines demandes qui ne semblent pas « sexy » — comme le traitement de données, l’automatisation des opérations, le filtrage d’informations ou l’exécution de tâches — existent en réalité de manière durable dans les affaires concrètes. C’est précisément pour cette raison que, lorsqu’on évalue une direction IA, il vaut mieux commencer par analyser le scénario lui-même plutôt que la popularité du concept : ce scénario correspond-il à un problème d’affaires persistant ? Existe-t-il déjà des personnes qui paient pour y répondre ? L’IA peut-elle véritablement améliorer l’efficacité à ce niveau précis ? Si ces conditions sont remplies, alors cette direction a davantage de chances de passer du récit au produit.
Il faut encore examiner si les équipes d’entrepreneurs Web3 disposent de ressources réelles pour entrer dans ces étapes.
Les données, l'identité et les paiements mentionnés précédemment ne sont pas fondamentalement des problèmes techniques, mais des problèmes de ressources réseau.
Par exemple, pour un réseau de données, si l'équipe ne dispose pas de sources de données stables ni d'une communauté d'utilisateurs capables de contribuer en continu, même si la technologie est développée, il sera difficile de créer un véritable effet de réseau. De même, pour créer un système d'identité ou un réseau de collaboration pour des AI Agents, il est nécessaire que des développeurs, des applications ou des Agents réels y participent ; sinon, le protocole lui-même ne pourra pas établir un écosystème. Le même raisonnement s'applique aux systèmes de paiement et de règlement. Dès que des AI Agents commencent à appeler des services, à récupérer des données ou à exécuter des tâches sur le réseau, les paiements de faible montant deviendront extrêmement fréquents. Toutefois, ce réseau de paiement n'a de sens que si un grand nombre d'Agents et de services coexistent simultanément ; sinon, il ne reste qu'un module technologique.
Ainsi, pour de nombreuses équipes Web3, la question véritable à évaluer n’est pas « ce domaine offre-t-il un espace technologique ? », mais plutôt « pouvons-nous devenir une partie intégrante de ce réseau ? ». La présence ou non de sources de données, d’un écosystème de développeurs ou d’applications concrètes détermine souvent si un projet pourra véritablement accéder à la couche d’infrastructure de l’IA, et non se limiter au stade conceptuel.