L'économie des agents : les agents IA comme main-d'œuvre…

L'économie des agents est un marché pour le « travail numérique » autonome où des agents IA sont construits, distribués et commissionnés pour exécuter des flux de travail de bout en bout, et pas seulement pour générer des résultats. La partie difficile est de rendre l'exécution mesurable et payante, ce qui transforme l'identité, les permissions, les pistes de vérification et le règlement en infrastructure de base.

Points clés

• L'économie des agents déplace les dépenses des outils SaaS vers des flux de travail autonomes tarifés sur les résultats, avec des agents agissant à travers les systèmes pour atteindre des objectifs.
• La structure du marché ressemble à la production, la distribution et la consommation, et la distribution précoce se consolide déjà à l'intérieur des hubs ChatGPT, Microsoft Copilot et Claude.
• La valeur basée sur les résultats est le déblocage et le goulet d'étranglement car « fait » doit être défini, enregistré et contestable comme un règlement.
• Le rôle le plus clair de la crypto est le règlement programmable et les permissions pour les dépenses autonomes, mais la blockchain n'est pas une condition préalable à l'adoption des agents en entreprise.

Comment l'économie des agents change le travail

Les budgets se déplacent lorsque l'exécution est emballée. Dans l'économie des agents, l'unité achetée n'est pas un siège logiciel ou un appel d'API, mais un flux de travail autonome qui peut prendre un objectif commercial et le faire passer à travers plusieurs systèmes jusqu'à ce qu'il atteigne un point d'arrivée défini.APIConductor cadre cela comme un changement macroéconomique de l'IA qui assiste les humains à l'IA qui exécute indépendamment des flux de travail commerciaux de bout en bout, c'est pourquoi le « travail numérique » est le bon modèle mental.

La carte du marché est importante car elle indique à un trader où le pouvoir se concentre. Conductor divise l'écosystème en trois volets : production (agents spécialisés construits par des développeurs, équipes internes et partenaires), distribution (places de marché, magasins d'applications et vendeurs), et consommation (entreprises et équipes commandant des agents).

Ce cadre explique pourquoi "l'économie des agents expliquée" concerne moins la qualité du modèle et plus qui contrôle la découverte, la confiance et les rails de paiement.

Le changement modifie également ce qui est mesuré. Les piliers de Conductor incluent le travail numérique en tant que service, les places de marché ouvertes, l'interaction agent à agent, et la valeur basée sur les résultats mesurée par les résultats commerciaux plutôt que par le volume de production.

Ce dernier pilier est celui où le commerce agentique commence à ressembler à un marché du travail avec des règles de règlement : si les résultats ne peuvent pas être définis et vérifiés, la tarification retombe dans les abonnements ou le temps et les matériaux.

Le commentaire de Markovate pousse l'argument budgétaire plus fort, citant la croissance du SaaS de 143 milliards de dollars (2021) à un projeté de 720 milliards de dollars (2028), et affirmant que les budgets de travail sont 35 fois plus importants que les budgets logiciels. La taille exacte est incertaine dans le matériel fourni, mais la direction est le point : les agents visent la ligne de budget de travail, pas la ligne de budget logiciel.

Des outils SaaS aux agents autonomes

Le mécanisme est un moteur de flux de travail avec jugement, pas une fenêtre de chat avec une meilleure prose. Le modèle d'évolution d'entreprise de Conductor est outils (ère SaaS) → assistants (ère chatbot/copilot) → agents (systèmes qui agissent).

La différence déterminante est qu'un agent reçoit un objectif de haut niveau, le décompose en étapes, et exécute à travers les systèmes, plutôt que d'attendre qu'un humain pilote chaque clic et invite.

Une façon utile de le voir est la séquence entre intention et action. Lorsque qu'un agent effectue un travail réel, trois choses se produisent dans l'ordre :

1. L'objectif est traduit en un plan. L'agent décompose "augmenter les conversions organiques sur le produit X" en tâches comme diagnostiquer un manque de contenu, générer du contenu, mettre à jour le schéma, et publier. 2. Des outils sont invoqués à travers les systèmes. L'agent tire des données, écrit, édite, et déclenche des actions dans la pile au lieu de renvoyer un brouillon à un humain. 3. Le flux de travail boucle la boucle. L'agent vérifie si la condition de résultat a été remplie, ou escalade lorsqu'il atteint une limite.

Cette troisième étape est là où "les agents ne sont que de meilleurs chatbots" devient coûteux. Les assistants peuvent rédiger et résumer, mais ils ne possèdent pas de manière fiable la boucle du diagnostic à l'exécution en passant par la vérification. Les exemples de Conductor sont explicites : un agent peut identifier un manque de contenu, générer et optimiser un article, et publier sans intervention manuelle.

C'est aussi pourquoi le récit crypto de l'économie des agents dépasse souvent les limites. La transition fondamentale ne nécessite pas de jetons. Elle nécessite des agents capables d'agir à travers les systèmes avec des autorisations, des journaux, et un moyen d'évaluer si le travail est terminé.

Marchés, places de marché, et tarification basée sur les résultats

La distribution commence déjà à se former autour des jardins clos. La revendication de Conductor est que des hubs centralisés à l'intérieur de ChatGPT, Microsoft Copilot et Claude émergent en tant que premiers marchés où les agents sont distribués et consommés. C'est la forme à court terme du marché : normes de plateforme, identité de plateforme et taux de prise de plateforme avant qu'un bazar sans autorisation ne gagne en notoriété.

Du côté de l'offre, les voies d'adoption de Conductor sont construire, acheter ou s'associer. Construire peut se faire en interne en utilisant des outils comme n8n ou Google AI Studio. Acheter signifie des agents clés en main auprès de fournisseurs. S'associer signifie des agences et des intégrateurs de systèmes tels qu'IBM, Publicis ou Havas concevant et déployant des systèmes agentiques au sein d'une organisation.

Cela compte parce que cela indique aux lecteurs où les dépenses de l'économie des agents apparaîtront dans un compte de résultat : parfois sous forme de logiciels, parfois sous forme de services, parfois sous forme d'outils internes.

La tarification basée sur les résultats est le véritable déverrouillage et la partie la plus difficile. Conductor encadre explicitement la valeur basée sur les résultats comme mesurant le succès par le résultat commercial final atteint plutôt que par le volume de sorties générées. Cela ressemble à du 'paiement par tâche' jusqu'au premier litige.

La tarification basée sur les résultats force une définition de règlement : ce qui compte comme terminé, comment l'attribution fonctionne lorsque plusieurs agents touchent le flux de travail, et quelauditexiste lorsque le comportement de l'agent est stochastique.

C'est ici qu'un état d'esprit de bureau aide. Évaluer un agent commence à ressembler à évaluer une contrepartie : identité persistante, permissions, auditabilité et règlement. Si un marché ne peut pas répondre à qui a fait le travail, ce qu'il était autorisé à faire et comment le résultat est vérifié, il vend des démos, pas du travail numérique.

Fondations techniques pour l'économie des agents

Le cadre de Sequoia met trois prérequis sur la table : identité persistante, protocoles de communication transparents et sécurité et confiance. L'essai souligne également un changement d'état d'esprit des attentes déterministes vers un état d'esprit stochastique, ce qui est une manière polie de dire que la fiabilité doit être conçue et surveillée, pas supposée.

L'identité est le premier point de blocage car elle ancre la responsabilité. L'essai de Sequoia met en avant les identifiants décentralisés et les attestations vérifiables comme une direction à suivre pour l'identité des agents. L'architecture du papier arXiv place également l'identité et l'agence comme une couche dédiée, utilisant les DIDs W3C et la réputation.

L'identité persistante est ce qui rend la réputation significative, et la réputation est ce qui rend les marchés plus qu'un annuaire.

Les protocoles décident si le marché se fragmente ou s'éclaircit. Sequoia pointe vers le protocole Agent2Agent (A2A) de Google et le protocole Model Context (MCP) d'Anthropic comme des normes émergentes pour la communication des agents et le contexte des outils. L'architecture arXiv inclut également le MCP dans sa couche cognitive et d'outils aux côtés de RAG.

Si A2A et MCP deviennent les équivalents 'TCP/IP' pour les agents, les marchés peuvent rivaliser sur le service et le prix. S'ils se fragmentent, la distribution se consolide autour de celui qui contrôle la couche d'interface.

La sécurité et la confiance ne sont pas une simple case à cocher, c'est le produit. Sequoia le considère comme un pilier car les agents agissent à travers les systèmes, ce qui élargit le rayon d'impact.

La posture pratique consiste à penser en termes de permissions avant les invites : commencer en mode lecture seule, restreindre l'accès aux outils, et exiger des points de contrôle pour les actions irréversibles telles que dépenser, publier ou supprimer.

Où la crypto et la blockchain peuvent s'intégrer

L'argument le plus convaincant en faveur de la blockchain est que les agents ont besoin d'un moyen neutre de régler et d'un moyen programmable de limiter les dépenses.

La thèse de l'article arXiv est que les agents actuels manquent d'identité légale indépendante et ne peuvent pas déteniractifsou recevoir des paiements directement, et il soutient que la blockchain peut offrir une participation sans autorisation, un règlement sans confiance et des micropaiements machine à machine.

L'architecture à cinq couches du document rend les liens cryptographiques explicites : infrastructure physique via les protocoles DePIN, identité et agence via les DIDs W3C et la réputation, cognitif et outils via RAG et MCP, économique et règlement viaabstraction de compte, et gouvernance collective via AgenticDAOsL'abstraction de compte est le mécanisme qui transforme un compte en une surface de politique programmable, qui est le pont vers « comment les agents gèrent les limites de dépenses et la politique » sans donner à un agent un chèque en blanc.clé privée.

C'est ici que le récit de l'économie machine sur blockchain devient concret. Si un agent peut détenir un compte programmable, il peut recevoir des fonds, payer des services et appliquer des contraintes telles que des plafonds par transaction, des listes autorisées et des fenêtres temporelles. C'est le substrat pour les paiements agentiques et les paiements machine à machine, surtout lorsque l'unité de paiement est un actif stable.

Les lecteurs à la recherche des rails se heurteront à des propositions et des comparaisons concurrentes, y compris x402, mpp et ap2, et l'écosystème est encore assez jeune pour que "x402 vs mpp vs ap2 comparé" soit encore une cible mouvante.

Le règlement stable est l'autre élément non négociable. La plupart des flux de commerce autonomes souhaitent un comportement prévisible de l'unité de compte, c'est pourquoi « qu'est-ce qu'unstablecoin« et « pourquoi les stablecoins alimentent les paiements des agents » apparaissent rapidement une fois que les équipes essaient de tarifer les résultats et de concilier les coûts.

L'angle crypto de l'économie des agents est le plus fort lorsqu'il reste ici : règlement, autorisations et auditabilité, et non des récits spéculatifs. »

Risques, gouvernance et étapes de préparation

La tarification des résultats échoue rapidement sans auditabilité. Lorsque le comportement d'un agent est probabiliste, les litiges ne sont pas des cas marginaux, ils sont la norme. Si le système ne peut pas produire un journal d'actions qui relie l'identité aux permissions, aux actions et aux vérifications des résultats, l'acheteur ne peut pas vérifier la livraison et le vendeur ne peut pas défendre sa performance. Cela pousse le marché à revenir vers des abonnements ou des services gérés par des humains.

La gouvernance est également non résolue car les agents ne sont pas des personnes juridiques. L'article arXiv rend cette limitation explicite, et c'est pourquoi les déploiements en entreprise maintiennent souvent des humains comme couche responsable même lorsque les agents exécutent.

Le schéma à court terme est celui des équipes hybrides, que Conductor souligne : les humains définissent la stratégie et la gouvernance tandis que les agents gèrent l'exécution tactique, avec des revues impliquant des humains pour s'assurer que les actions sont alignées avec les exigences de la marque et les obligations légales.

La préparation consiste principalement en un travail d'ingénierie et de politique ennuyeux. La séquence qui réduit le regret ressemble à ceci :

1. Définir les résultats et les conditions de "fait". Si le résultat ne peut pas être mesuré, il ne peut pas être tarifé. 2. Limiter les permissions et les budgets. Commencez par un accès en lecture seule et restreignez les outils, puis élargissez. 3. Exiger des points de contrôle sur les actions irréversibles. Dépenser, publier et supprimer devraient déclencher des approbations explicites. 4. Rendre les systèmes lisibles par machine.

L'angle AEO de Conductor est que le contenu et la structure du site ont besoin de schémas et de santé technique afin que les agents puissent extraire des faits et prendre des mesures.

L'économie des agents récompensera les piles qui rendent l'identité, les protocoles et la confiance mesurables. Tout le reste est du marketing.

La Prise

J'ai vu des équipes se faire hypnotiser par des démonstrations d'agents et manquer la partie qui décide si l'économie des agents est réelle : le règlement. Si "fait" ne peut pas être défini, enregistré et contesté, la tarification basée sur les résultats retombe dans les sièges SaaS et les contrats de services, juste avec une interface de chat plus agréable.

Je ne crois pas non plus que l'économie des agents nécessite la blockchain. Les lieux de compensation à court terme sont déjà visibles à l'intérieur de ChatGPT, Microsoft Copilot et Claude.

Là où la crypto trouve sa place est plus étroit et plus précis : des permissions programmables et un règlement pour des dépenses autonomes, surtout lorsqu'une unité de compte stable est requise et lorsque les micropaiements machine à machine commencent à apparaître comme une ligne de coût réelle, pas un paragraphe de livre blanc.

Sources

• Conductor
• Inférence par Sequoia
• arXiv
• Markovate