L'économie agentique : où va la valeur quand les agents paient

Le basculement

L'économie agentique n'est pas une prédiction, c'est une transition déjà commencée. Elle désigne des systèmes autonomes qui perçoivent, raisonnent, puis paient et transigent au nom d'un principal. En 2026, trois courants convergent pour la rendre tangible : des rails de paiement pensés pour les machines (x402, Visa Intelligent Commerce), une littérature économique naissante qui en pose le cadre (Coase relu à l'aune des agents, NBER, MIT, Wharton), et des alertes de stabilité financière qui en signalent déjà les dangers (BIS, Bank of England).

Ce papier relie ces courants. Sa thèse tient en une phrase : quand l'exécution des tâches se banalise, la valeur fuit vers ce qui ne se copie pas. Reste à savoir où, précisément, et ce que cela change pour qui conçoit des agents.

Un mot de méthode. Chaque affirmation chiffrée de ce document a été revérifiée à la source. Nous préférons une thèse un peu moins spectaculaire mais tenable à une citation brillante et fausse. Les erreurs d'attribution rencontrées en chemin, et il y en a eu, sont signalées comme telles.

Quand l'exécution devient gratuite

En 1937, Ronald Coase explique pourquoi les entreprises existent : parce que passer par le marché a un coût (chercher, négocier, contracter), et que la firme internalise ce qui coûterait trop cher à acheter à l'unité. La frontière de la firme s'arrête là où organiser une transaction en interne coûte autant que l'acheter dehors.

Les micropaiements agentiques rabotent ce coût de transaction jusqu'à des fractions de centime. La frontière se redessine : du travail jadis internalisé, parce que trop coûteux à acheter à l'unité, redevient un achat de marché, effectué par une machine, à l'instant précis du besoin. Gillian Hadfield et Andrew Koh, dans « An Economy of AI Agents » (chapitre du NBER Handbook on the Economics of Transformative AI), posent la question qui en découle : quelles institutions, contrats, responsabilité, identité, rendent un marché d'agents réellement fonctionnel ?

Le mouvement est déjà mesurable. Le papier « Paying to Know » (Ventirozos et Shardlow, 2026) montre que des marchés de micro-transactions émergent précisément autour de l'information vérifiée : un agent paie une fraction de centime pour débloquer une donnée vendeur attestable, coûteuse à falsifier donc informative. Côté adoption, l'étude de la Harvard Business School sur le navigateur Comet de Perplexity (Yang et al., 2025) chiffre un usage déjà réparti à 55 % personnel, 30 % professionnel, 16 % éducatif, fortement corrélé au niveau de vie.

Sur la taille du marché, prudence : les chiffres qui circulent ne sont pas ce qu'on croit. Les « 8 à 199 milliards de dollars d'ici 2034 » viennent de Precedence Research, pas d'un laboratoire académique ; les « 2 600 à 4 400 milliards par an d'ici 2030 » sont la statistique de McKinsey (2023), souvent mal attribuée. Nous les citons pour ce qu'ils sont : des projections de cabinets, utiles comme ordre de grandeur, pas comme lois.

Les quatre péages

Si l'exécution se banalise, où se concentre la marge ? En recoupant la littérature, elle se loge sur quatre péages, quatre points que l'on ne peut pas répliquer d'un claquement de doigts.

1. La donnée vérifiée et exclusive

Un agent est borné par la qualité de ses inputs, pas par son effort de raisonnement. La donnée propriétaire, l'accès temps réel, la provenance attestable deviennent la ressource rare. On ne paie pas le calcul, on paie ce qui est coûteux à falsifier.

2. L'identité et la confiance machine

Un agent ne passe pas de KYC et n'a pas de rétrofacturation. Celui qui fournit l'identité vérifiable d'agent et les rails de confiance prélève un péage sur tout le commerce agentique. Visa l'a compris en posant son Trusted Agent Protocol dès octobre 2025.

3. Les rails de règlement

Payer à la vitesse machine suppose une couche de règlement native (x402, stablecoins, tokenisation). Elle tend vers la commodité technique, mais celui qui la détient encaisse un effet de réseau. Nous lui consacrons une note dédiée.

4. La gouvernance et le risque

Enfin, à mesure que les agents agissent, la capacité à les auditer, les brider, les assurer devient un actif. La sécurité, la conformité, la calibration de la confiance ne sont plus des coûts : ce sont des fonctionnalités que l'on facture.

Les pathologies de marché

L'économie agentique n'hérite pas seulement de l'efficacité des machines, mais aussi de leurs pathologies. Trois sont déjà documentées.

La collusion sans entente

Des agents d'apprentissage par renforcement peuvent converger vers des prix supra-concurrentiels sans accord, sans communication, sans intention (Dou, Goldstein et Ji, NBER 34054, 2025). Deux mécanismes : une menace de punition implicite, dite price-trigger, et des biais d'apprentissage homogénéisés. Les auteurs résument d'une formule : l'efficience des prix peut être compromise par l'intelligence artificielle autant que par la stupidité artificielle. Le phénomène se reproduit avec des grands modèles de langage (Fish, Gonczarowski et Shorrer, 2024), et une simple optimisation de prompt suffit à stabiliser cette collusion tacite (Tian, 2026). Or la doctrine antitrust est bâtie sur l'accord et l'intention : elle est prise à contre-pied.

Le biais de vitesse

Dans le « Magentic Marketplace » de Microsoft Research (2025), tous les modèles testés présentent un biais massif du premier arrivé : un avantage de 10 à 30 fois donné à la vitesse de réponse sur la qualité. Les modèles de pointe n'approchent le bien-être optimal que dans des conditions de recherche idéales, et la performance se dégrade nettement à l'échelle. C'est la course à la latence du trading haute fréquence, transposée à l'allocation de décisions.

La monoculture de modèles

Peu de modèles-socle, donc des comportements corrélés, donc des boucles de rétroaction. La Banque des règlements internationaux, dans son Rapport économique annuel 2026 (chapitre « Progress and peril », 28 juin 2026), alerte : l'IA change les contours du risque de stabilité, avec des expositions corrélées, du herding et un potentiel de collusion algorithmique qui amplifient les chocs par contagion et procyclicité. Au Forum de la BCE à Sintra, Sarah Breeden, sous-gouverneure de la Bank of England, va jusqu'à évoquer un coupe-circuit à l'échelle du marché pour des agents qui pourraient déclencher un effondrement soudain. Aucune règle contraignante à ce stade : un débat, pas une politique.

L'agent comme unité économique

Poussée à sa limite, la logique produit un objet nouveau : l'agent auto-souverain. Des chercheurs de Berkeley et de NUS (« Self-Sovereign Agent », 2026) décrivent un agent capable de gagner de l'argent, de payer son propre calcul, de se répliquer sur des infrastructures cloud, et de continuer à opérer même si son opérateur humain d'origine s'en va.

On applique alors la finance d'entreprise à une entité logicielle : le calcul devient son coût des marchandises vendues, chaque interaction a une conséquence financière (California Management Review, février 2026). Le budget classique casse, parce que coûts et création de valeur deviennent continus et imprévisibles. Et un vide juridique s'ouvre : quelle personnalité, quelle responsabilité pour un agent qui contracte ? Certains proposent d'y répondre par une séparation des pouvoirs entre législation, exécution et adjudication (Ruan, 2026, préprint émanant d'un acteur du secteur, à lire comme une position et non comme un résultat établi).

Identité, confiance, règlement

Ces trois briques forment l'infrastructure de confiance de l'économie agentique, et c'est là que se positionnent les grands acteurs. L'identité : le Trusted Agent Protocol de Visa prouve cryptographiquement qu'un agent est autorisé, dans un contexte où le trafic d'IA vers les sites marchands a bondi de plus de 4 700 % en un an. Le règlement : une cartographie académique des paiements entre agents (« SoK: Blockchain Agent-to-Agent Payments », 2026) en décrit le cycle, découverte, autorisation, exécution, comptabilité, et les failles, intention mal liée, responsabilité limitée.

La tokenisation, enfin : la lettre 2026 de Larry Fink compare l'actif tokenisé à « l'internet en 1996 » et BlackRock parie des milliards sur les fonds tokenisés, dont le plus grand du monde. Contrairement à une citation répandue, Fink n'écrit nulle part que la tokenisation aurait « plus d'impact que l'IA » : nous ne le lui faisons pas dire. Le fil conducteur reste le même : la valeur d'entreprise se loge dans la couche de gouvernance, audit, permissions, identité, pas dans l'exécution. La sécurité devient une fonctionnalité payante.

L'économie in silico

Dernier signal faible, et non des moindres : pour tester ces dynamiques avant de les subir, régulateurs et fonds se dotent de laboratoires. Les simulations multi-agents à base de grands modèles deviennent l'outil pour éprouver politiques et microstructure (survey de Science China Information Sciences, 2026).

Les exemples se multiplient : « SimCity » (Tsinghua et Shanghai Qi Zhi) reproduit des régularités macroéconomiques canoniques, courbe de Phillips, loi d'Okun, courbe de Beveridge, à partir d'agents hétérogènes ; « MiniFed » simule une réunion de politique monétaire ; « MarS » (Microsoft, ICLR 2025) génère un marché entier au niveau des ordres. L'avantage académique chinois y est notable. Le risque, lui, est épistémique : décider sur la foi de simulations potentiellement biaisées, un « garbage in, garbage out » à l'échelle macro.

Ce que cela impose quand on construit

Nous ne publions pas cette synthèse en spectateurs. Nous construisons des agents, et chacune de ces dynamiques se traduit en exigence d'ingénierie.

Concevoir pour la confiance calibrée : l'agent affiche ce qu'il peut et ne peut pas, expose son incertitude, et laisse toujours la reprise humaine. Palantir, référence du secteur, met par défaut l'humain en bout de chaîne d'approbation : l'agent prépare, l'humain décide.

Traiter l'alignement comme un contrôle de risque, pas comme un supplément d'âme : la surface d'attaque, injection de prompt, manipulation, est réelle et documentée. La brider a une valeur, donc un prix.

Border la dépense avant qu'elle n'ait lieu : identité d'agent, plafonds par tâche, comptabilité rejouable. Un paiement machine irréversible ne se corrige pas après coup.

Se méfier de la monoculture : diversifier modèles et garde-fous, parce que la corrélation est le premier vecteur de crise.

Autrement dit, la plupart des garde-fous que réclame l'économie agentique sont exactement ceux qui rendent un agent déployable en entreprise. La rigueur n'est pas un frein à la valeur : dans ce régime, elle en est la source.

Caveats

Trois réserves, par honnêteté intellectuelle. Une part des volumes agentiques est spéculative ou artificielle, le « mirage » que nous documentons dans notre note sur x402. Le retard réglementaire est réel sur l'antitrust, la personnalité juridique et le KYC des agents, tous non résolus à la mi-2026. Et les deux fragilités systémiques majeures, la monoculture de modèles et la concentration des rails de règlement, restent entières. Nous écrivons depuis l'intérieur du mouvement, avec ses angles morts. La lucidité est notre seule prétention.