Si l’Internet du futur évolue vers un marché de services de paiement mutuels entre agents d’IA, alors, dans une certaine mesure, les produits grand public que les crypto-monnaies réaliseront sont en ligne avec le marché, et nous ne pouvions que rêver de ce scénario auparavant. Bien que je sois convaincu que les agents d’IA paieront pour leurs services, j’ai des réserves quant à savoir si le modèle de marché l’emportera.
Par « marché », j’entends un écosystème décentralisé et sans permission d’agents développés indépendamment et faiblement coordonnés. Un tel Internet ressemble plus à un marché ouvert qu’à un système planifié de manière centralisée. Le cas le plus typique de « victoire » est Linux. À l’opposé s’oppose le modèle « cathédrale » : un système de service intégré verticalement, étroitement lié, dominé par une poignée de géants, caractérisé par Windows. (Le terme est dérivé de l’article classique d’Eric Raymond « La cathédrale et le bazar », qui décrit le développement open source comme apparemment chaotique mais adaptable.) C’est un système évolutif qui est capable de transcender les systèmes élaborés au fil du temps. ）
Analysons un par un les deux prérequis pour réaliser cette vision, à savoir la généralisation des paiements par agents intelligents et l'émergence d'une économie de marché. Puis, expliquons pourquoi lorsque les deux deviennent une réalité, les cryptomonnaies ne sont pas seulement utiles, mais deviendront également une présence incontournable.
Condition 1 : Les paiements seront intégrés dans la plupart des transactions par procuration
Le modèle de subvention des coûts d'Internet que nous connaissons repose sur la diffusion d'annonces en fonction du nombre de visites humaines sur les pages d'application. Mais dans un monde dominé par des agents intelligents, les humains n'auront plus besoin de visiter personnellement les sites Web pour obtenir des services en ligne. Les applications se tourneront également de plus en plus vers une architecture basée sur des agents intelligents, plutôt que sur le modèle traditionnel d'interface utilisateur.
Les agents intelligents n'ont pas d'"yeux" (c'est-à-dire l'attention des utilisateurs) disponibles pour la vente publicitaire, donc les applications ont désespérément besoin de transformer leur stratégie de monétisation en facturant directement des frais de service aux agents intelligents. Cela ressemble essentiellement au modèle commercial actuel des API. Prenons LinkedIn comme exemple : bien que ses services de base soient gratuits, il est nécessaire de payer des frais correspondants pour utiliser son API (c'est-à-dire l'interface utilisateur "robot").
Il semble donc que les systèmes de paiement seront probablement intégrés dans la plupart des transactions d'agents intelligents. Lors de la fourniture de services, les agents intelligents factureront des frais aux utilisateurs ou à d'autres agents sous forme de microtransactions. Par exemple : vous pourriez demander à votre agent personnel de rechercher d'excellents candidats sur LinkedIn, et à ce moment-là, votre agent personnel interagira avec l'agent de recrutement de LinkedIn, ce dernier facturant à l'avance les frais de service correspondants.
Condition 2 : Les utilisateurs s'appuieront sur des agents construits par des développeurs indépendants, dotés d'invites, de données et d'outils hautement spécialisés. Ces agents forment une sorte de "marché" à travers des appels de services mutuels, mais il n'existe pas de relation de confiance entre les agents de ce marché.
Cette condition a du sens en théorie, mais je ne suis pas sûr de son fonctionnement en pratique.
Voici les raisons pour lesquelles le mode de marché sera formé :
Actuellement, les humains effectuent la grande majorité du travail de service, et nous résolvons des tâches spécifiques via Internet. Mais avec l’essor des agents intelligents, l’éventail des tâches que la technologie peut prendre en charge s’étendra de manière exponentielle. Les utilisateurs ont besoin d’agents intelligents avec des invites dédiées, des capacités d’appel d’outils et une prise en charge des données pour effectuer des tâches spécifiques, et la diversité de ces ensembles de tâches dépassera de loin la portée de quelques entreprises de confiance, tout comme l’iPhone doit s’appuyer sur un énorme écosystème de développeurs tiers pour libérer son plein potentiel.
Les développeurs indépendants assumeront ce rôle, acquérant la capacité de créer des agents intelligents spécialisés grâce à une combinaison de coûts de développement très bas (comme Vide Coding) et de modèles open source. Cela donnera naissance à un marché de longue traîne constitué d'agents de niches massives, formant un écosystème semblable à un marché. Lorsque les utilisateurs demandent à un agent d'exécuter une tâche, ces agents feront appel à d'autres agents possédant des compétences professionnelles spécifiques pour collaborer, les agents appelés continueront à faire appel à des agents encore plus verticaux, formant ainsi un réseau de collaboration en chaîne progressif.
Dans ce scénario de marché, la grande majorité des agents offrant des services se méfient les uns des autres, car ces agents sont fournis par des développeurs inconnus et leur utilisation est relativement de niche. Les agents de la longue traîne auront du mal à établir une réputation suffisante pour gagner la reconnaissance de la confiance. Ce problème de confiance sera particulièrement marqué dans le modèle de chaîne de chrysanthème, lorsque les services sont délégués en cascade, et à mesure que la distance entre les agents de service et l'agent de confiance initial (même celui que l'utilisateur peut raisonnablement identifier) augmente, le niveau de confiance des utilisateurs diminuera progressivement à chaque étape de délégation.
Cependant, lorsqu'il s'agit de considérer comment mettre cela en pratique, de nombreuses questions restent en suspens :
Commençons par les données professionnelles comme l’un des principaux scénarios d’application des agents sur le marché, et approfondissons notre compréhension à travers des cas spécifiques. Disons qu’il y a un petit cabinet d’avocats qui gère beaucoup de transactions pour les clients crypto, et que l’agence a amassé des centaines de listes de conditions négociées. Si vous êtes une société de crypto-monnaies qui est au milieu d’un tour de financement d’amorçage, vous pouvez imaginer un scénario où un agent avec un modèle de réglage fin basé sur ces listes de conditions peut évaluer efficacement si vos conditions de financement répondent aux normes du marché, ce qui serait d’une grande valeur pratique.
Mais nous devons réfléchir plus profondément : est-il vraiment dans l'intérêt des cabinets d'avocats de fournir des services de raisonnement sur de telles données via des agents intelligents ?
L’ouverture du service au public sous la forme d’une API banalise essentiellement les données propriétaires du cabinet d’avocats, et la véritable aspiration commerciale du cabinet d’avocats est d’obtenir un revenu premium grâce au temps de service professionnel de l’avocat. Du point de vue de la réglementation juridique, les données juridiques de grande valeur sont souvent soumises à des obligations de confidentialité strictes, ce qui est au cœur de leur valeur commerciale, et c’est aussi une raison importante pour laquelle les modèles publics tels que ChatGPT ne peuvent pas obtenir ces données. Même si le réseau de neurones présente les caractéristiques de « l’atomisation de l’information », dans le cadre des obligations de confidentialité avocat-client, l’inexplicable de la boîte noire algorithmique suffit-elle à donner au cabinet d’avocats l’assurance que des informations sensibles ne seront pas divulguées ? Il y a d’importantes répercussions sur la conformité.
En tenant compte de l'ensemble, la meilleure stratégie pour le cabinet d'avocats pourrait être de déployer des modèles d'IA en interne afin d'améliorer la précision et l'efficacité des services juridiques, de créer un avantage concurrentiel différencié dans le secteur des services professionnels, et de continuer à utiliser le capital intellectuel des avocats comme principal modèle de rentabilité, plutôt que de risquer de monétiser les actifs de données.
À mon avis, les "meilleurs scénarios d'application" des données professionnelles et des agents intelligents doivent satisfaire trois conditions :
Les données ont une grande valeur commerciale
Provenant de secteurs non sensibles (non médicaux/juridiques, etc.)
"Sous-produits de données" qui ne relèvent pas de l'activité principale.
Par exemple, les compagnies maritimes (industries non sensibles) peuvent avoir de la valeur dans la prédiction des tendances du marché des fonds spéculatifs de matières premières à l’aide de données telles que le positionnement des navires, le volume de fret et le chiffre d’affaires portuaire généré dans le processus de logistique et de transport (« gaspillage de données » en dehors de leur activité principale). La clé de la monétisation de ce type de données est que le coût marginal d’acquisition des données est proche de zéro et n’implique pas de secrets commerciaux fondamentaux. Des scénarios similaires peuvent exister dans des domaines tels que la carte thermique des lignes de flux de passagers dans le secteur du commerce de détail (évaluation de l’immobilier commercial), les données régionales de consommation d’électricité des sociétés de réseau électrique (prévision de l’indice de production industrielle) et les données sur le comportement d’audience des plateformes cinématographiques et télévisuelles (analyse des tendances culturelles).
Les cas typiques connus incluent les compagnies aériennes vendant des données de ponctualité aux plateformes de tourisme, et les institutions de crédit vendant des rapports sur les tendances de consommation régionales aux détaillants.
Concernant les mots-clés et les appels d'outils, je ne suis pas sûr de la valeur que les développeurs indépendants peuvent offrir, qui n'a pas encore été commercialisée par les grandes marques. Ma logique simple est la suivante : si une combinaison de mots-clés et d'appels d'outils est suffisamment précieuse pour permettre aux développeurs indépendants de réaliser des bénéfices, les grandes marques de confiance ne vont-elles pas entrer directement sur le marché pour la commercialiser ?
Cela peut provenir de mon manque d'imagination, les dépôts de code de niche à longue traîne sur GitHub fournissent une excellente analogie pour l'écosystème des agents, n'hésitez pas à partager des cas spécifiques.
Si les conditions réelles ne soutiennent pas le mode de marché, alors la grande majorité des agents fournissant des services auront une crédibilité relative, car ils seront développés par des marques connues. Ces agents peuvent limiter la portée des interactions à un ensemble d'agents fiables sélectionnés, en imposant une garantie de service par le biais d'un mécanisme de chaîne de confiance.
Pourquoi les cryptomonnaies sont-elles indispensables ?
Si Internet devenait un marché composé d'agents spécialisés mais fondamentalement peu fiables (condition 2), ces agents étant rémunérés pour les services qu'ils fournissent (condition 1), alors le rôle des cryptomonnaies deviendrait beaucoup plus clair : elles fournissent les garanties de confiance nécessaires pour soutenir les transactions dans un environnement de faible confiance.
Lorsque les utilisateurs utilisent des services en ligne gratuits, ils investissent sans hésitation (car le pire résultat est simplement de perdre du temps), mais lorsqu'il s'agit de transactions monétaires, les utilisateurs exigent fortement une garantie de "paiement contre prestation". Actuellement, les utilisateurs réalisent cette garantie par le biais d'un processus de "faire confiance puis vérifier", en faisant confiance à leur contrepartie ou à la plateforme de service au moment du paiement, puis en vérifiant le respect de l'exécution après que le service a été complété.
Mais dans un marché composé de nombreux agents, la confiance et la vérification a posteriori seront beaucoup moins faciles à réaliser que dans d'autres scénarios.
Confiance. Comme mentionné précédemment, les agents situés dans une distribution en longue traîne auront du mal à accumuler suffisamment de crédibilité pour gagner la confiance des autres agents.
Validation postérieure. Les agents s'appelleront mutuellement dans une structure en chaîne très longue, rendant la vérification manuelle par les utilisateurs et l'identification des agents négligents ou malveillants beaucoup plus difficiles.
Le fait est que le modèle « faire confiance mais vérifier » sur lequel nous nous appuyons actuellement ne sera pas durable dans cet écosystème. C’est là que la cryptographie entre en jeu, permettant l’échange de valeur dans un environnement sans confiance. La cryptographie remplace le recours à la confiance, aux systèmes de réputation et à la vérification manuelle post-événement dans le modèle traditionnel grâce à la double garantie du mécanisme de vérification cryptographique et du mécanisme d’incitation cryptoéconomique.
Vérification cryptographique : L’agent qui effectue le service ne sera payé que s’il est en mesure de fournir une preuve cryptographique au proxy qui demande le service, confirmant qu’il a accompli la tâche promise. Par exemple, un proxy peut prouver qu’il a réellement exploré les données d’un site Web donné, exécuté un modèle particulier ou contribué à une quantité spécifique de ressources de calcul par le biais d’une preuve TEE (Trusted Execution Environment) ou d’une preuve zkTLS (Transport Layer Security) à connaissance nulle (à condition que nous puissions mettre en œuvre une telle vérification à un coût suffisamment bas ou assez rapidement). Ce type de travail est déterministe et peut être relativement facilement vérifié par cryptographie.
Économie de la cryptographie : Un agent de services exécutifs doit mettre en gage un certain actif, et s'il est surpris à tricher, il sera confisqué. Ce mécanisme assure un comportement honnête par des incitations économiques, même dans un environnement où la confiance n'est pas nécessaire. Par exemple, un agent peut étudier un sujet et soumettre un rapport, mais comment juger si celui-ci a "bien fait son travail" ? C'est une forme de vérifiabilité plus complexe, car elle n'est pas déterministe, et réaliser une vérifiabilité floue précise a longtemps été l'objectif ultime des projets cryptographiques.
Mais je crois qu’en utilisant l’IA comme arbitre neutre, nous sommes enfin sur la bonne voie pour atteindre une vérifiabilité floue. Nous pouvons envisager qu’un comité d’IA gère le processus de résolution des litiges et de confiscation dans un environnement minimisé par la confiance, tel qu’un environnement d’application de la loi de confiance. Lorsqu’un agent conteste le travail d’un autre agent, chaque IA du comité reçoit les données d’entrée, les sorties et les informations contextuelles pertinentes de l’agent (y compris son historique de litiges sur le réseau, son travail passé, etc.). Ils peuvent alors décider de le confisquer ou non. Cela se traduira par un mécanisme de vérification optimiste qui découragera fondamentalement la tricherie des participants par le biais d’incitations économiques.
D'un point de vue pratique, les cryptomonnaies nous permettent de réaliser l'atomicité des paiements via la preuve de service, c'est-à-dire que tout travail doit être vérifié et complété avant que l'agent IA puisse être rémunéré. Dans une économie d'agents sans permis d'entrée, c'est la seule solution évolutive qui peut offrir une protection fiable en périphérie du réseau.
En résumé, si la grande majorité des transactions d'agents n'impliquent pas de paiement de fonds (c'est-à-dire ne remplissent pas la condition 1) ou sont effectuées avec des marques de confiance (c'est-à-dire ne remplissent pas la condition 2), alors nous n'avons peut-être pas besoin de mettre en place un canal de paiement en cryptomonnaie pour les agents. Cela est dû au fait que lorsque les fonds sont en sécurité, les utilisateurs ne se soucient pas d'interagir avec des parties non fiables ; et lorsqu'il s'agit de transactions financières, l'agent doit simplement limiter les objets interactifs à une liste blanche de marques et d'institutions de confiance, et s'assurer, par le biais d'une chaîne de confiance, que chaque agent respecte ses engagements de service.
Mais si ces deux conditions sont remplies, la cryptomonnaie deviendra une infrastructure incontournable, car elle est le seul moyen de valider à grande échelle le travail et d'imposer des paiements dans un environnement à faible confiance et sans autorisation. La technologie cryptographique donne au "marché" un outil de concurrence qui dépasse celui de la "cathédrale".
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
"Marché" dépasse "cathédrale", comment les cryptoactifs sont-ils devenus la pierre angulaire de confiance de l'économie des agents IA ?
Auteur : Daniel Barabander
Compilation : Tim, PANews
Si l’Internet du futur évolue vers un marché de services de paiement mutuels entre agents d’IA, alors, dans une certaine mesure, les produits grand public que les crypto-monnaies réaliseront sont en ligne avec le marché, et nous ne pouvions que rêver de ce scénario auparavant. Bien que je sois convaincu que les agents d’IA paieront pour leurs services, j’ai des réserves quant à savoir si le modèle de marché l’emportera.
Par « marché », j’entends un écosystème décentralisé et sans permission d’agents développés indépendamment et faiblement coordonnés. Un tel Internet ressemble plus à un marché ouvert qu’à un système planifié de manière centralisée. Le cas le plus typique de « victoire » est Linux. À l’opposé s’oppose le modèle « cathédrale » : un système de service intégré verticalement, étroitement lié, dominé par une poignée de géants, caractérisé par Windows. (Le terme est dérivé de l’article classique d’Eric Raymond « La cathédrale et le bazar », qui décrit le développement open source comme apparemment chaotique mais adaptable.) C’est un système évolutif qui est capable de transcender les systèmes élaborés au fil du temps. ）
Analysons un par un les deux prérequis pour réaliser cette vision, à savoir la généralisation des paiements par agents intelligents et l'émergence d'une économie de marché. Puis, expliquons pourquoi lorsque les deux deviennent une réalité, les cryptomonnaies ne sont pas seulement utiles, mais deviendront également une présence incontournable.
Condition 1 : Les paiements seront intégrés dans la plupart des transactions par procuration
Le modèle de subvention des coûts d'Internet que nous connaissons repose sur la diffusion d'annonces en fonction du nombre de visites humaines sur les pages d'application. Mais dans un monde dominé par des agents intelligents, les humains n'auront plus besoin de visiter personnellement les sites Web pour obtenir des services en ligne. Les applications se tourneront également de plus en plus vers une architecture basée sur des agents intelligents, plutôt que sur le modèle traditionnel d'interface utilisateur.
Les agents intelligents n'ont pas d'"yeux" (c'est-à-dire l'attention des utilisateurs) disponibles pour la vente publicitaire, donc les applications ont désespérément besoin de transformer leur stratégie de monétisation en facturant directement des frais de service aux agents intelligents. Cela ressemble essentiellement au modèle commercial actuel des API. Prenons LinkedIn comme exemple : bien que ses services de base soient gratuits, il est nécessaire de payer des frais correspondants pour utiliser son API (c'est-à-dire l'interface utilisateur "robot").
Il semble donc que les systèmes de paiement seront probablement intégrés dans la plupart des transactions d'agents intelligents. Lors de la fourniture de services, les agents intelligents factureront des frais aux utilisateurs ou à d'autres agents sous forme de microtransactions. Par exemple : vous pourriez demander à votre agent personnel de rechercher d'excellents candidats sur LinkedIn, et à ce moment-là, votre agent personnel interagira avec l'agent de recrutement de LinkedIn, ce dernier facturant à l'avance les frais de service correspondants.
Condition 2 : Les utilisateurs s'appuieront sur des agents construits par des développeurs indépendants, dotés d'invites, de données et d'outils hautement spécialisés. Ces agents forment une sorte de "marché" à travers des appels de services mutuels, mais il n'existe pas de relation de confiance entre les agents de ce marché.
Cette condition a du sens en théorie, mais je ne suis pas sûr de son fonctionnement en pratique.
Voici les raisons pour lesquelles le mode de marché sera formé :
Actuellement, les humains effectuent la grande majorité du travail de service, et nous résolvons des tâches spécifiques via Internet. Mais avec l’essor des agents intelligents, l’éventail des tâches que la technologie peut prendre en charge s’étendra de manière exponentielle. Les utilisateurs ont besoin d’agents intelligents avec des invites dédiées, des capacités d’appel d’outils et une prise en charge des données pour effectuer des tâches spécifiques, et la diversité de ces ensembles de tâches dépassera de loin la portée de quelques entreprises de confiance, tout comme l’iPhone doit s’appuyer sur un énorme écosystème de développeurs tiers pour libérer son plein potentiel.
Les développeurs indépendants assumeront ce rôle, acquérant la capacité de créer des agents intelligents spécialisés grâce à une combinaison de coûts de développement très bas (comme Vide Coding) et de modèles open source. Cela donnera naissance à un marché de longue traîne constitué d'agents de niches massives, formant un écosystème semblable à un marché. Lorsque les utilisateurs demandent à un agent d'exécuter une tâche, ces agents feront appel à d'autres agents possédant des compétences professionnelles spécifiques pour collaborer, les agents appelés continueront à faire appel à des agents encore plus verticaux, formant ainsi un réseau de collaboration en chaîne progressif.
Dans ce scénario de marché, la grande majorité des agents offrant des services se méfient les uns des autres, car ces agents sont fournis par des développeurs inconnus et leur utilisation est relativement de niche. Les agents de la longue traîne auront du mal à établir une réputation suffisante pour gagner la reconnaissance de la confiance. Ce problème de confiance sera particulièrement marqué dans le modèle de chaîne de chrysanthème, lorsque les services sont délégués en cascade, et à mesure que la distance entre les agents de service et l'agent de confiance initial (même celui que l'utilisateur peut raisonnablement identifier) augmente, le niveau de confiance des utilisateurs diminuera progressivement à chaque étape de délégation.
Cependant, lorsqu'il s'agit de considérer comment mettre cela en pratique, de nombreuses questions restent en suspens :
Commençons par les données professionnelles comme l’un des principaux scénarios d’application des agents sur le marché, et approfondissons notre compréhension à travers des cas spécifiques. Disons qu’il y a un petit cabinet d’avocats qui gère beaucoup de transactions pour les clients crypto, et que l’agence a amassé des centaines de listes de conditions négociées. Si vous êtes une société de crypto-monnaies qui est au milieu d’un tour de financement d’amorçage, vous pouvez imaginer un scénario où un agent avec un modèle de réglage fin basé sur ces listes de conditions peut évaluer efficacement si vos conditions de financement répondent aux normes du marché, ce qui serait d’une grande valeur pratique.
Mais nous devons réfléchir plus profondément : est-il vraiment dans l'intérêt des cabinets d'avocats de fournir des services de raisonnement sur de telles données via des agents intelligents ?
L’ouverture du service au public sous la forme d’une API banalise essentiellement les données propriétaires du cabinet d’avocats, et la véritable aspiration commerciale du cabinet d’avocats est d’obtenir un revenu premium grâce au temps de service professionnel de l’avocat. Du point de vue de la réglementation juridique, les données juridiques de grande valeur sont souvent soumises à des obligations de confidentialité strictes, ce qui est au cœur de leur valeur commerciale, et c’est aussi une raison importante pour laquelle les modèles publics tels que ChatGPT ne peuvent pas obtenir ces données. Même si le réseau de neurones présente les caractéristiques de « l’atomisation de l’information », dans le cadre des obligations de confidentialité avocat-client, l’inexplicable de la boîte noire algorithmique suffit-elle à donner au cabinet d’avocats l’assurance que des informations sensibles ne seront pas divulguées ? Il y a d’importantes répercussions sur la conformité.
En tenant compte de l'ensemble, la meilleure stratégie pour le cabinet d'avocats pourrait être de déployer des modèles d'IA en interne afin d'améliorer la précision et l'efficacité des services juridiques, de créer un avantage concurrentiel différencié dans le secteur des services professionnels, et de continuer à utiliser le capital intellectuel des avocats comme principal modèle de rentabilité, plutôt que de risquer de monétiser les actifs de données.
À mon avis, les "meilleurs scénarios d'application" des données professionnelles et des agents intelligents doivent satisfaire trois conditions :
Par exemple, les compagnies maritimes (industries non sensibles) peuvent avoir de la valeur dans la prédiction des tendances du marché des fonds spéculatifs de matières premières à l’aide de données telles que le positionnement des navires, le volume de fret et le chiffre d’affaires portuaire généré dans le processus de logistique et de transport (« gaspillage de données » en dehors de leur activité principale). La clé de la monétisation de ce type de données est que le coût marginal d’acquisition des données est proche de zéro et n’implique pas de secrets commerciaux fondamentaux. Des scénarios similaires peuvent exister dans des domaines tels que la carte thermique des lignes de flux de passagers dans le secteur du commerce de détail (évaluation de l’immobilier commercial), les données régionales de consommation d’électricité des sociétés de réseau électrique (prévision de l’indice de production industrielle) et les données sur le comportement d’audience des plateformes cinématographiques et télévisuelles (analyse des tendances culturelles).
Les cas typiques connus incluent les compagnies aériennes vendant des données de ponctualité aux plateformes de tourisme, et les institutions de crédit vendant des rapports sur les tendances de consommation régionales aux détaillants.
Concernant les mots-clés et les appels d'outils, je ne suis pas sûr de la valeur que les développeurs indépendants peuvent offrir, qui n'a pas encore été commercialisée par les grandes marques. Ma logique simple est la suivante : si une combinaison de mots-clés et d'appels d'outils est suffisamment précieuse pour permettre aux développeurs indépendants de réaliser des bénéfices, les grandes marques de confiance ne vont-elles pas entrer directement sur le marché pour la commercialiser ?
Cela peut provenir de mon manque d'imagination, les dépôts de code de niche à longue traîne sur GitHub fournissent une excellente analogie pour l'écosystème des agents, n'hésitez pas à partager des cas spécifiques.
Si les conditions réelles ne soutiennent pas le mode de marché, alors la grande majorité des agents fournissant des services auront une crédibilité relative, car ils seront développés par des marques connues. Ces agents peuvent limiter la portée des interactions à un ensemble d'agents fiables sélectionnés, en imposant une garantie de service par le biais d'un mécanisme de chaîne de confiance.
Pourquoi les cryptomonnaies sont-elles indispensables ?
Si Internet devenait un marché composé d'agents spécialisés mais fondamentalement peu fiables (condition 2), ces agents étant rémunérés pour les services qu'ils fournissent (condition 1), alors le rôle des cryptomonnaies deviendrait beaucoup plus clair : elles fournissent les garanties de confiance nécessaires pour soutenir les transactions dans un environnement de faible confiance.
Lorsque les utilisateurs utilisent des services en ligne gratuits, ils investissent sans hésitation (car le pire résultat est simplement de perdre du temps), mais lorsqu'il s'agit de transactions monétaires, les utilisateurs exigent fortement une garantie de "paiement contre prestation". Actuellement, les utilisateurs réalisent cette garantie par le biais d'un processus de "faire confiance puis vérifier", en faisant confiance à leur contrepartie ou à la plateforme de service au moment du paiement, puis en vérifiant le respect de l'exécution après que le service a été complété.
Mais dans un marché composé de nombreux agents, la confiance et la vérification a posteriori seront beaucoup moins faciles à réaliser que dans d'autres scénarios.
Confiance. Comme mentionné précédemment, les agents situés dans une distribution en longue traîne auront du mal à accumuler suffisamment de crédibilité pour gagner la confiance des autres agents.
Validation postérieure. Les agents s'appelleront mutuellement dans une structure en chaîne très longue, rendant la vérification manuelle par les utilisateurs et l'identification des agents négligents ou malveillants beaucoup plus difficiles.
Le fait est que le modèle « faire confiance mais vérifier » sur lequel nous nous appuyons actuellement ne sera pas durable dans cet écosystème. C’est là que la cryptographie entre en jeu, permettant l’échange de valeur dans un environnement sans confiance. La cryptographie remplace le recours à la confiance, aux systèmes de réputation et à la vérification manuelle post-événement dans le modèle traditionnel grâce à la double garantie du mécanisme de vérification cryptographique et du mécanisme d’incitation cryptoéconomique.
Vérification cryptographique : L’agent qui effectue le service ne sera payé que s’il est en mesure de fournir une preuve cryptographique au proxy qui demande le service, confirmant qu’il a accompli la tâche promise. Par exemple, un proxy peut prouver qu’il a réellement exploré les données d’un site Web donné, exécuté un modèle particulier ou contribué à une quantité spécifique de ressources de calcul par le biais d’une preuve TEE (Trusted Execution Environment) ou d’une preuve zkTLS (Transport Layer Security) à connaissance nulle (à condition que nous puissions mettre en œuvre une telle vérification à un coût suffisamment bas ou assez rapidement). Ce type de travail est déterministe et peut être relativement facilement vérifié par cryptographie.
Économie de la cryptographie : Un agent de services exécutifs doit mettre en gage un certain actif, et s'il est surpris à tricher, il sera confisqué. Ce mécanisme assure un comportement honnête par des incitations économiques, même dans un environnement où la confiance n'est pas nécessaire. Par exemple, un agent peut étudier un sujet et soumettre un rapport, mais comment juger si celui-ci a "bien fait son travail" ? C'est une forme de vérifiabilité plus complexe, car elle n'est pas déterministe, et réaliser une vérifiabilité floue précise a longtemps été l'objectif ultime des projets cryptographiques.
Mais je crois qu’en utilisant l’IA comme arbitre neutre, nous sommes enfin sur la bonne voie pour atteindre une vérifiabilité floue. Nous pouvons envisager qu’un comité d’IA gère le processus de résolution des litiges et de confiscation dans un environnement minimisé par la confiance, tel qu’un environnement d’application de la loi de confiance. Lorsqu’un agent conteste le travail d’un autre agent, chaque IA du comité reçoit les données d’entrée, les sorties et les informations contextuelles pertinentes de l’agent (y compris son historique de litiges sur le réseau, son travail passé, etc.). Ils peuvent alors décider de le confisquer ou non. Cela se traduira par un mécanisme de vérification optimiste qui découragera fondamentalement la tricherie des participants par le biais d’incitations économiques.
D'un point de vue pratique, les cryptomonnaies nous permettent de réaliser l'atomicité des paiements via la preuve de service, c'est-à-dire que tout travail doit être vérifié et complété avant que l'agent IA puisse être rémunéré. Dans une économie d'agents sans permis d'entrée, c'est la seule solution évolutive qui peut offrir une protection fiable en périphérie du réseau.
En résumé, si la grande majorité des transactions d'agents n'impliquent pas de paiement de fonds (c'est-à-dire ne remplissent pas la condition 1) ou sont effectuées avec des marques de confiance (c'est-à-dire ne remplissent pas la condition 2), alors nous n'avons peut-être pas besoin de mettre en place un canal de paiement en cryptomonnaie pour les agents. Cela est dû au fait que lorsque les fonds sont en sécurité, les utilisateurs ne se soucient pas d'interagir avec des parties non fiables ; et lorsqu'il s'agit de transactions financières, l'agent doit simplement limiter les objets interactifs à une liste blanche de marques et d'institutions de confiance, et s'assurer, par le biais d'une chaîne de confiance, que chaque agent respecte ses engagements de service.
Mais si ces deux conditions sont remplies, la cryptomonnaie deviendra une infrastructure incontournable, car elle est le seul moyen de valider à grande échelle le travail et d'imposer des paiements dans un environnement à faible confiance et sans autorisation. La technologie cryptographique donne au "marché" un outil de concurrence qui dépasse celui de la "cathédrale".