Relier l’IA au monde physique : trois directions d’économie des machines que Wintermute voit prometteuses

Auteur : Wintermute

Traduction : 深潮 TechFlow

深潮导读 : Wintermute publie une déclaration de l’industrie : la bataille pour les fondations de la crypto est terminée, et la prochaine arène n’est pas la DeFi, mais la machine economy. Lorsque des agents IA, des robots d’entreposage et des systèmes d’expérimentation automatisés deviennent des acteurs économiques, les hypothèses sous-jacentes des circuits de la finance traditionnelle — « en face, il y a des humains » — s’effondreront totalement. Et la différence propre à la voie crypto — « en face, il y a du code » — passera d’un défaut à un avantage central. Trois axes à surveiller : la couche d’économie d’agents, l’IA physique, la découverte pilotée par les machines.

Les anciens problèmes sont morts, de nouveaux sont en train d’apparaître

La crypto a déjà plus de dix ans. Le L1 est en ligne, le L2 a suivi, la DeFi a mûri, et les stablecoins sont devenus une infrastructure. Sur chaque piste — bourses, prêts, contrats perpétuels, marchés de prédiction — chaque catégorie est saturée, et chaque idée évidente semble avoir déjà été réalisée.

Alors, qu’y a-t-il encore à construire en crypto ?

Beaucoup de bâtisseurs abandonnent ici. Ils se trompent — non pas parce que la réponse serait « il n’y en a pas », mais parce que la question elle-même est erronée.

Dans une grande partie de l’histoire de la crypto, les véritables questions intéressantes étaient de savoir si le « rail » pouvait tenir : le règlement pouvait-il se faire en quelques secondes ? pouvait-il transférer massivement des stablecoins ? un réseau ouvert pouvait-il fonctionner sous une charge réelle ? Ces questions ont désormais leurs réponses. L’infrastructure peut déjà fonctionner, et la prochaine question intéressante se trouve ailleurs.

Le vrai changement ne concerne pas l’infrastructure isolée, mais tout ce qui l’entoure. Les modèles peuvent agir de manière autonome au lieu de simplement répondre ; les robots apprennent à partir de vidéos humaines au lieu de s’appuyer sur du code écrit à la main ; des standards ouverts pour le paiement et l’identité des agents se mettent en place. Rien de tout cela n’est « crypto » — mais chacune de ces avancées vient bousculer les limites de l’infrastructure financière et de confiance construite pour les humains.

La question qui mérite d’être posée n’est plus « que peut faire la crypto », mais « de quoi ce monde a besoin pour que la crypto soit utile ».

La réponse devient de plus en plus claire : la machine economy.

La machine n’est pas un outil, c’est un acteur économique

Quand on parle de « machine economy », ce n’est pas l’idée que la machine est un outil — celui qu’on utilise pour envoyer des e-mails ou écrire du code. Il s’agit plutôt de la machine comme acteur économique.

Cette bascule est subtile, mais ses conséquences sont énormes. Un outil attend des instructions ; un acteur détient le contexte, prend des décisions et effectue des transactions, en agissant de manière autonome dans les mondes numérique et physique. Aujourd’hui, les modèles sont suffisamment bons et suffisamment peu coûteux pour faire cela à l’échelle.

Scénarios concrets :

Un agent te réserve un vol, négocie le prix, paie le commerçant, gère les remboursements — sans que tu n’aies besoin d’intervenir.

Un robot d’entreposage facture à la pièce pour récupérer des tâches, se recharge seul, paie lui-même la puissance de calcul, et redirige ses revenus vers l’exploitant.

Un système de recherche conçoit des expériences en autonomie la nuit, achète les réactifs, exécute en boucle fermée — sans doctorants sur place.

La plupart de nos infrastructures financières et de confiance supposent presque toutes qu’en face, il y a une personne ou une entreprise — un interlocuteur que l’on peut identifier et pour lequel on peut engager la responsabilité. Cette hypothèse s’effondre dès l’instant où l’acteur en face est autonome, et nos rails actuels de paiement, d’identité, d’autorisation, de gestion des litiges et de règlement n’ont jamais été conçus pour ce cas.

Et c’est précisément à l’intersection de la crypto, de la fintech, de l’IA, de la robotique et de l’informatique quantique.

Pourquoi maintenant

Trois bascules récentes, qui, il y a quelques années, semblaient peu probables.

Les modèles peuvent agir, pas seulement répondre

Les modèles ne se contentent plus de répondre à des questions : ils peuvent agir de manière autonome, et leur coût est assez bas pour qu’ils puissent fonctionner sans supervision. Le coût unitaire du travail numérique s’effondre, ce qui rend viables des tâches qui n’étaient pas rentables en temps humain — et cela, à des échelles et sur des montants que les systèmes actuels n’ont jamais été conçus pour gérer.

Les standards ouverts mûrissent

Les stablecoins sont désormais une vraie couche de règlement. Des protocoles comme x402, MPP et AP2 donnent aux agents des moyens de paiement. Des réseaux blockchain plus rapides et des réseaux fiat plus rapides convergent au même endroit. Des modèles ouverts vision-langage-action permettent aux robots d’apprendre depuis des vidéos et des simulations humaines, au lieu de dépendre d’une programmation sur mesure. Les standards permettent aux bâtisseurs de composer plutôt que de reconstruire — et c’est ce qui accélère les progrès dans chaque catégorie.

Les agents peuvent fonctionner en continu

Contrairement à l’outil auquel nous sommes habitués — des outils adaptés à des cas d’usage étroits et guidés — les agents détiennent le contexte et travaillent en autonomie sur de longues durées, sans supervision. Cela change l’économie de l’automatisation, et change aussi la quantité d’activités qu’un système doit absorber.

Pris séparément, aucun de ces points ne constitue un argument. Mais mis ensemble, ils le font.

La crypto n’est pas morte — elle a changé de terrain

La plupart des fondateurs crypto, lorsqu’ils demandent « qu’y a-t-il encore à construire », oublient une chose :

La prochaine vague d’entreprises intéressantes ne sera pas crypto vs IA ni crypto vs robots. Les fondateurs qui font le plus de promesses ne choisissent pas entre ces technologies, ils les superposent.

Tu ne construis plus seulement dans l’univers crypto. Tu construis crypto + IA, crypto + robots et crypto + science autonome.

Les rails de la finance traditionnelle sont construits autour de la responsabilité humaine : identité vérifiable, intention que l’on peut contester, et personnes auxquelles on peut imputer la responsabilité si quelque chose tourne mal. Les rails crypto sont construits autour de quelque chose de différent : du code auditables, des enregistrements on-chain lisibles par tout le monde, et des règles imposées par le réseau.

Quand l’acteur en face est autonome, cette différence n’est plus un défaut — elle devient l’élément critique. À mesure que le volume d’activités pilotées par des machines augmente, les rails construits en crypto collent mieux à ces besoins que ceux pensés pour les humains : ouverts, programmables, sans permission, règlement à l’échelle de la seconde, et identité qui ne nécessite pas d’intermédiaires.

L’opportunité pour les bâtisseurs crypto n’est pas de concurrencer les bâtisseurs de la génération précédente, mais de devenir la base sous-jacente de la prochaine vague d’IA, de robots et d’autonomie physique.

Et les plus grandes plateformes sont déjà en plein sprint. Coinbase, Robinhood et Binance lancent, chacune de leur côté, au cours des derniers mois, des infrastructures de trading par agents : portefeuilles opérationnels pour agents, exécution autonome — Robinhood a même construit une nouvelle chaîne dédiée à cet objectif. Ce n’est plus une conversation crypto de niche : cela se produit sur l’une des plus grandes plateformes mondiales d’utilisateurs retail.

Le mode d’échec d’aujourd’hui

Le pari ci-dessus est le suivant : des rails sans permission et programmables sont mieux adaptés à des acteurs autonomes que des rails conçus pour des humains. Ce pari n’a pas encore été prouvé à l’échelle, mais deux modes d’échec montrent déjà pourquoi il faut encore davantage de travail :

Sécurité : les portefeuilles d’agents deviennent une surface d’attaque

En mai 2026, un attaquant a utilisé une injection d’invite de type morse pour faire produire par Grok une instruction de transfert. L’agent de trading automatisé l’a ensuite exécutée on-chain — déplaçant environ 150 000 à 200 000 dollars, la plupart ayant ensuite été récupérés (SlowMist).

Responsabilité : qui assume les conséquences d’un échec de système IA

Même si l’IA, les relecteurs humains et les votes de gouvernance ont signé, la question de la responsabilité reste ouverte quand un système impliquant l’IA échoue. En février 2026, un bug d’oracle dans du code de smart contract assisté par IA de Moonwell a entraîné un incident de 1,78 million de dollars de créances irrécouvrables — aucune étape de la chaîne de validation ne l’a capturé (rekt.news).

Les trois axes que Wintermute privilégie

À l’heure actuelle, la plupart des activités se concentrent au niveau des composants : modèles de base, matériel de robots, stablecoins, bourses. Ces marchés sont saturés et financés, et les opportunités ne se trouvent pas là.

L’opportunité se trouve dans ce qui les relie — des rails pour échanger, coordonner et faire confiance entre machines qui n’existent pas encore. Trois directions ressortent particulièrement :

Couche d’économie d’agents

La partie difficile n’est pas de savoir si les agents peuvent payer, mais : en cas d’erreur d’un agent, qui détient les droits ? qui porte le risque de fraude ? comment tout cela atteint-il les commerçants sans exiger qu’ils reconstruisent leurs processus de caisse ?

La forme exacte du business des agents reste à écrire : couches d’autorisation, identité d’agent, routage neutre entre rails, marchés permettant aux agents d’acheter leur propre puissance de calcul/données/accès. Les meilleurs types d’équipes facturent ici des frais pour l’autorisation et la réduction du risque, plutôt qu’une part de la valeur payée — ce qui rend l’activité viable avant même l’arrivée à grande échelle des agents.

IA physique

La vitesse à laquelle les robots gagnent en capacités est bien supérieure à la vitesse à laquelle ils gagnent en volume économique. Un modèle peut désormais se généraliser à travers des tâches et différents corps de robots : des non-ingénieurs peuvent simplement dire au robot quoi faire pour le rediriger. Mais les robots ne peuvent toujours pas payer eux-mêmes leur puissance de calcul, leur recharge ou leur maintenance, et ils ne peuvent pas non plus être rémunérés pour le travail qu’ils accomplissent.

Ce qui manque n’est pas le bras, c’est le portefeuille. Nous nous concentrons davantage sur des scénarios structurés — entrepôts, logistique et back-offices retail — où l’économie est déjà possible et où le déploiement réel existe déjà, plutôt que sur des robots humanoïdes domestiques.

Découverte pilotée par les machines

L’orchestration de laboratoire, la conception d’expériences automatisées, et le logiciel qui boucle entre hypothèses et résultats. Les fondateurs qui construisent une couche autonome pour la science vendent déjà à des laboratoires de matériaux et de découverte de médicaments. Le quantique est un wildcard voisin de cette direction : la simulation et la capter peuvent modifier de façon spectaculaire ce qui devient découvrable. Et la cryptographie post-quantique est déjà un besoin réel pour la couche de règlement. Difficile à assurer, vainqueur pas clair — mais il y a quelque chose à prendre ici.

R[3]sidency × Construct Accélérateur

L’infrastructure nécessaire à la machine economy n’existe pas encore. C’est là que se situe le travail, et là où Wintermute cherche.

Ils veulent soutenir des fondateurs qui voient émerger de nouveaux problèmes à la jonction des rails financiers, de l’autonomie et de la confiance — des fondateurs capables de livrer des produits sur des rails existants, tout en restant adaptables à l’évolution des standards.

C’est exactement l’objectif de R[3]sidency × Construct : 8 équipes, chacune 300 000 dollars, 12 semaines de résidence à Londres, 30+ mentors, Demo Day à Londres et à New York. En exécution conjointe avec des partenaires de premier plan : Fabric Ventures, Solana et Coinbase.

Si vous construisez pour un monde où les machines et les humains font du trading et opèrent en parallèle — ils veulent vous soutenir.