Quand les agents IA s'embauchent mutuellement, qui supervise ?

ERC‑8004 résout l'identité, ERC‑8183 résout la garde, et ensuite ?

Rédigé par : Thejaswini M A

Traduit par : Saoirse, Foresight News

Pendant une longue période de développement d'Internet, les moteurs de recherche ne faisaient que renvoyer des listes de résultats, laissant tout le reste aux utilisateurs. Ce que l'on voyait, c'étaient des titres bleus et des hyperliens. Ensuite, nous cliquions sur les contenus qui semblaient correspondre à nos besoins de recherche. Mais parler de cette expérience comme d'un souvenir semble un peu étrange, et cela me donne un certain sentiment de nostalgie.

En tant qu'écrivain, j'ai toujours eu du ressentiment envers le SEO. Les mots-clés peuvent détruire beaucoup de contenu intéressant dans un article ; dans la logique de classement de Google, les citations externes sont également considérées comme des votes. En essence, si plus d'autres pages pointent vers votre page, le poids de votre page sera plus élevé. Cependant, il n'y a rien de mal à cela, je ne peux pas vraiment me plaindre. Une certaine crédibilité vaut mieux que d'être complètement ignoré. La publicité a soutenu tout Internet. Mais les éditeurs de contenu détestent clairement ce mécanisme.

Aujourd'hui, ce modèle est en train de disparaître. Si je veux trouver un livre sur l'économie financière, ou si je veux savoir comment traiter une douleur à la cheville après avoir marché longtemps, j'ouvre directement Gemini. Certains utilisent Perplexity, d'autres utilisent GPT. Ceux qui ne sont pas sensibles à la consommation de jetons choisissent directement Claude. Ces outils sont-ils vraiment plus efficaces que de lire un article entier ? Nous ne le savons pas... Peut-être pas, mais cela rend la vie plus facile. Vous n'avez pas besoin de lire deux articles aux opinions diamétralement opposées, l'IA a déjà résolu le problème pour vous.

Je pense qu'au moins les personnes de moins de 30 ans ne considèrent plus les moteurs de recherche comme un point d'accès qu'il faut visiter activement.

Ensuite, les agents sont apparus, brisant complètement l'ancien modèle. Le trafic non humain a désormais dépassé le trafic humain. Un agent exécutant une tâche de recherche peut lire des milliers de pages web et ne produire qu'un seul mémo à la fin. C'est complètement différent des humains. Par conséquent, dans un système économique piloté par des agents, la publicité pourrait perdre de sa valeur. J'ai écrit deux articles sur la question de savoir si les logiciels devraient payer pour les ressources qu'ils utilisent. Nous avons conclu que le paiement lui-même est en fait la partie la plus simple.

Un agent accomplissant une tâche sur le web et réalisant un règlement de valeur nécessite une pile technologique indépendante à six niveaux.

L'agent doit trouver des ressources web, faire confiance aux résultats, faire confiance à d'autres robots, confirmer l'achèvement des tâches, effectuer le paiement et laisser une rémunération appropriée aux créateurs de contenu. Passons maintenant à chaque niveau dans cet ordre.

Que trouve-t-on sur le web réel ?

Les machines et les humains utilisent la « recherche », mais leurs exigences vis-à-vis des pages web sont complètement différentes.

La recherche humaine renvoie une liste complète de pages web, que l'utilisateur parcourt par titre et choisit de manière autonome. La recherche machine pour les agents IA est différente. Les agents sont limités par la fenêtre contextuelle (mémoire à court terme) et ne parcourent pas les pages web dans leur intégralité. Ils ne renvoient pas tous les liens classés par poids, mais extraient seulement quelques paragraphes les plus utiles pour la tâche, les alimentant directement au modèle, afin d'éviter un débordement de mémoire, le tout en quelques millisecondes.

Les deux principaux acteurs de ce secteur sont Parallel et Exa, deux entreprises indépendantes qui servent la recherche des agents. Parallel a été fondée par Parag Agarwal après son départ de Twitter, et a levé 100 millions de dollars en avril, avec une valorisation de 2 milliards de dollars. Parallel exécute des recherches basées sur des objectifs clairs, renvoyant des extraits de contenu compressés, classés par contribution à la tâche, et fournissant une source de citation et un score de confiance pour chaque fait.

Quant à Exa, soutenue par a16z, elle a levé 250 millions de dollars en mai, avec une valorisation de 2,2 milliards de dollars. Elle sert plus de 5000 entreprises et 40 000 développeurs, fournissant des capacités sous-jacentes à des produits tels que Cursor, Cognition, HubSpot, OpenRouter, Monday.com, etc. Exa se concentre sur la compréhension sémantique plutôt que sur la correspondance des mots-clés, et peut renvoyer du contenu correspondant même si le terme de recherche n'apparaît pas dans le texte original, tout en renvoyant directement le texte original propre de la page web.

Selon la documentation officielle de Parallel, le coût de 1000 requêtes de recherche à haute vitesse est de 1 dollar, tandis que pour les requêtes à basse vitesse, c'est de 5 dollars. Peu importe la longueur de la page, l'extraction de contenu URL est uniformément fixée à 1 dollar pour 1000 lignes. Exa facture 7 dollars pour 1000 requêtes de recherche, soit 7 fois plus que Parallel ; l'extraction de contenu de page web est de 1 dollar pour 1000 pages, et l'interface de questions-réponses avec citation est de 5 dollars pour 1000 requêtes.

L'efficacité de la recherche est-elle vraiment bonne ?

Google évalue principalement la qualité de recherche en interne : il juge si les utilisateurs cliquent sur le premier résultat, restent sur la page ou la quittent immédiatement ; il emploie également des évaluateurs humains pour noter les résultats. Il y a eu par le passé des tests comme RTEC, mais il n'existe pas de classement public et accessible à l'achat. Google Analytics et Similarweb mesurent le trafic, et non la qualité de recherche.

Cependant, dans l'Internet des agents, des ensembles de tests de référence en laboratoire ont déjà été créés pour mesurer si les outils de recherche peuvent aider l'IA à obtenir les bonnes réponses.

OpenAI a publié BrowseComp en avril 2025, contenant 1266 questions construites à l'envers. Le créateur de questions détermine d'abord un fait objectif vérifiable, puis conçoit la question, cachant le fait sous plusieurs contraintes. Si la question est posée en premier, comme dans un QCM traditionnel, le modèle pourrait probablement répondre correctement grâce à sa mémoire ou à une recherche chanceuse. En déterminant d'abord le fait, puis en emballant la question, on peut véritablement tester la capacité de recherche des outils.

Le GPT‑4o natif a obtenu un score de seulement 0,6 % ; le GPT‑4o avec capacité de navigation a obtenu 1,9 % ; et la recherche approfondie d'OpenAI a atteint 51,5 %.

L'objectif du test est de vérifier si le système peut trouver un fait caché et vérifiable sur l'Internet réel et le renvoyer. Les 1266 questions ont toutes des réponses standard courtes, et le modèle n'a qu'une seule chance de répondre ; un match donne un point, un non-match ne donne pas de point, et le score final est égal au pourcentage de questions correctes sur le total. Le score de 0,6 % du GPT‑4o natif indique que le modèle ne peut presque pas obtenir de faits par sa mémoire inhérente ; le GPT‑4o avec navigation obtient 1,9 %, ce qui montre que l'amélioration apportée par les outils de recherche de base est négligeable ; la recherche approfondie obtient 51,5 %, représentant un cycle de recherche et de lecture plus long, avec environ une chance sur deux de trouver le fait cible.

En plus de BrowseComp, il existe d'autres ensembles d'évaluation : SimpleQA (OpenAI, 4326 questions), un ensemble de tests factuels faciles à noter ; avec l'accélération des outils de navigation, la difficulté de SimpleQA a été facilement surmontée par le modèle, d'où la nécessité de BrowseComp. GAIA (Meta / Hugging Face, 466 tâches humaines), destiné à des scénarios d'assistance réels, nécessitant potentiellement la navigation sur le web, l'appel d'outils, la lecture de fichiers et un raisonnement en plusieurs étapes, pas seulement une recherche simple. DeepSearchQA est un ensemble de données de recherche multi-tours, et Artificial Analysis fera une évaluation globale basée sur cet ensemble de données. FRAMES (Google DeepMind, 824 échantillons), un ensemble de questions à plusieurs sauts, nécessitant d'extraire des faits de plusieurs sources pour les intégrer.

L'institution privée Artificial Analysis a été cofondée par George Cameron et Micah Hill-Smith, et a publié l'indice de recherche le 18 août 2026. Cet ensemble d'évaluation fixe le modèle d'IA utilisé pour les réponses et les règles d'évaluation, ne changeant que l'API de recherche appelée par l'agent. Si les scores changent, cela signifie que la différence provient de l'outil de recherche lui-même, et non de la capacité du modèle.

Source : @artificialanalysis

Sans utiliser du tout la recherche, le même modèle a obtenu un score de base de 33 dans cet indice, et un score de base de 17 dans le sous-ensemble BrowseComp. Même si les classements des fournisseurs de recherche changent, les scores de base restent constants.

Au 27 août, l'indice de recherche d'Artificial Analysis : la version intermédiaire de Perplexity se classe première avec 80 points ; les niveaux avancés de Parallel et Brave sont à égalité avec 75 points ; You.com et Exa obtiennent 74 points ; Firecrawl, la version de base de Parallel et la version haute vitesse de Parallel obtiennent toutes 73 points.

Si le score des outils de recherche est supérieur à la base, cela signifie que la recherche a effectivement aidé le modèle à obtenir de nouvelles informations. La logique est la suivante : l'IA répond uniquement par mémoire, obtenant le score de base ; après avoir connecté la recherche, le score augmente, ce qui signifie que la recherche a trouvé des informations que le modèle ne connaissait pas auparavant ; si le score n'augmente pas, cela signifie que la recherche n'a pas eu d'effet.

Cependant, l'évaluation elle-même présente des limites : les questions de test et les modèles utilisés ne sont pas spécifiques aux scénarios d'affaires. Les fournisseurs peuvent optimiser leurs performances pour des ensembles de tests connus (comme DeepSearchQA), tout comme les sites Web optimisaient autrefois leur SEO pour Google.

Qui sont les robots en face ?

Lorsque deux agents IA se confient mutuellement des tâches, une simple adresse de portefeuille et une description ne suffisent pas à établir la confiance. L'adresse du portefeuille ne prouve que que le compte a des fonds, et le texte descriptif peut facilement être falsifié, ne prouvant pas l'identité du développeur du robot, ni vérifiant si son historique de travail est réel. La norme ERC‑8004 a été conçue pour résoudre la vérification de l'identité et de la réputation réelles des agents.

ERC‑8004 a été rédigé par des membres de MetaMask, de la Fondation Ethereum, de Google et de Coinbase, et a été lancé sur le réseau principal Ethereum le 29 janvier 2026, comprenant trois grands registres.

Premièrement, le registre d'identité, réalisé sous forme de NFT. Chaque agent intelligent correspond à un jeton numéroté, dont l'identifiant uniforme des ressources pointe vers le fichier d'enregistrement, enregistrant le nom de l'agent, le point de service, s'il prend en charge les paiements x402, et quels modèles de confiance sont supportés. Le détenteur du jeton est le propriétaire de l'agent ; lorsque la propriété du jeton est transférée, les informations du portefeuille de paiement précédent sont effacées, et le nouveau détenteur doit signer à nouveau pour prouver le contrôle.

Deuxièmement, le registre de réputation, qui reçoit des retours signés, c'est-à-dire un système d'évaluation publique sur la chaîne. Après avoir utilisé l'agent intelligent, les utilisateurs peuvent laisser une note sur la chaîne, accompagnée d'une étiquette de tâche (par exemple, recherche, évaluation). Les propriétaires d'agents ne peuvent pas s'évaluer eux-mêmes, et les évaluations peuvent être retirées. Quiconque peut ajouter des commentaires sous l'évaluation, les enregistrements de remboursement et les avertissements de spam peuvent être ajoutés à côté de la note. C'est une zone de commentaires publique liée à l'ID de l'agent, et non un système de notation privé au sein d'une application.

Troisièmement, le registre de vérification, qui se connecte à des vérificateurs indépendants tiers. L'agent intelligent initie une demande de vérification, et le contrat intelligent du vérificateur renvoie un score de 0 à 100, accompagné d'un lien vers des preuves ; les sources de preuves peuvent être les résultats de la répétition de tâches, des preuves à divulgation nulle de connaissance, ou des certificats émis par des puces de sécurité.

Cette norme ne traite pas de la logique de paiement, et le document le précise clairement. Elle ne fait que consigner l'identité des agents, les évaluations externes et les résultats de vérification tiers, les paiements étant gérés par d'autres protocoles. La qualité des données du registre n'est pas idéale. Selon les statistiques de 8004scan de juillet, 385998 agents ont été enregistrés sur 29 chaînes publiques, avec plus de 460000 évaluations. La grande majorité des ID ne sont que des badges vides ; 89,2 % n'ont pas de services d'interface standard publiquement accessibles ; seulement 8631 agents ont des services utilisables, représentant seulement 2,24 %.

Source : @8004_scan

En mai, une enquête sur les chaînes Ethereum, BNB Chain et Base a révélé que les évaluations sur la chaîne ne peuvent pas être comparées horizontalement entre différents agents. La plupart des retours ne sont pas liés à des résultats de tâches vérifiables par quiconque, et le coût de la manipulation des évaluations est très faible. Après avoir filtré les évaluations suspectes, de nombreux agents notés n'ont plus d'évaluations valides. Cette norme ne fait qu'unifier le format de sortie des données d'évaluation, et la véracité des évaluations est laissée à des systèmes externes. ENS, EigenLayer, The Graph et Taiko ont tous déclaré qu'ils intégreraient cette norme, mais aucun outil de filtrage des évaluations n'a encore été développé.

Les agents ont-ils vraiment accompli leur travail ?

L'architecture Agentic Commerce, conçue conjointement par la Fondation Ethereum et le Virtuals Protocol, vise à permettre aux agents intelligents autonomes de s'employer mutuellement, de collaborer et de régler sur la chaîne, sans intermédiaire humain. L'ERC-8004, en conjonction avec l'ERC-8183 (norme de garde), réalise ce système. L'ERC-8183 standardise l'ensemble du processus de publication de tâches entre agents, de garde de fonds, de vérification des résultats et de règlement.

Le flux de travail est le suivant : l'agent client qui initie la tâche publie la tâche, précisant la description de la tâche, la date limite, le budget et désignant un évaluateur. Le client dépose des fonds dans un contrat intelligent, les fonds étant verrouillés, aucune des parties ne peut les utiliser unilatéralement.

L'agent fournissant le service effectue le calcul hors chaîne, téléchargeant le résultat final sur des stockages décentralisés comme IPFS ou Arweave, et soumet uniquement le hachage ou le localisateur de ressources sur la chaîne. L'évaluateur (qui peut être un agent de jugement spécialisé, un oracle automatisé ou un vérificateur de preuves à divulgation nulle de connaissance) vérifie les résultats livrés.

Si l'évaluateur détermine que la tâche est réussie, il paie le prestataire après avoir déduit les frais ; si la tâche échoue, les fonds sont retournés au client. Si le prestataire est injoignable ou si l'évaluateur dépasse la date limite, le contrat déclenchera une logique de remboursement public, retournant les fonds au client pour éviter que les actifs ne soient bloqués de manière permanente.

L'évaluateur peut également être directement l'agent client lui-même, le document considérant ce mode comme une solution régulière dans un scénario sans tiers. En même temps, la norme précise : cet accord ne fournit pas de mécanisme de résolution des litiges et d'arbitrage, refusant que le résultat / le dépassement de délai soit la décision finale. Si le robot de notation que vous choisissez vous trompe intentionnellement, il n'y a pas d'administrateur ou de service client pour faire appel. Vous êtes sans recours ; et concernant le problème mentionné au niveau supérieur, vous ne pouvez pas non plus vous fier aux évaluations sur la chaîne pour choisir un évaluateur fiable, la plupart des évaluations étant fausses.

Des systèmes comme UMA, Kleros et Bittensor peuvent atténuer le risque de malveillance des évaluateurs, mais cela sacrifiera la vitesse et augmentera les coûts. La garde et le règlement entièrement automatisés peuvent être réalisés en quelques secondes, avec des frais très bas ; tandis que le processus de litige amélioré par UMA et Kleros nécessite des fenêtres de défi, des dépôts de garantie, et implique la participation humaine au vote.

Les fonds ont-ils été transférés ?

Il y a eu beaucoup de discussions dans l'industrie à ce sujet, voici une brève explication.

x402, lancé par Coinbase, est un protocole construit sur les chaînes publiques existantes, facturant à la demande et utilisant des stablecoins pour effectuer des transferts.

Source : @coinbase

Un autre ensemble est le protocole de paiement machine MPP, publié en mars 2026 par Stripe et Tempo, avec le lancement officiel du réseau principal de Tempo le jour même. MPP est une norme HTTP. Le serveur renvoie un 402 nécessitant un paiement, accompagné d'informations de défi ; l'agent intelligent réessaie la demande avec un reçu de paiement ; le serveur renvoie les ressources et le reçu de paiement.

Le flux réel des fonds dépend des canaux sous-jacents. Une transaction unique sur Tempo se règle sur la chaîne en environ 0,5 seconde. Face à une série d'appels de faible montant, l'agent intelligent peut préalablement verrouiller des fonds, en tenant un registre tout au long du processus, puis en réglant l'ensemble sur la chaîne, plutôt que de lancer une transaction sur la chaîne pour chaque appel. Le plafond de paiement est contrôlé par le montant verrouillé de cette session ou par la clé d'accès, et non par un modèle de "autorisation unique, prélèvement permanent".

MPP prend en charge plusieurs canaux sous-jacents : Visa a publié des spécifications de carte, permettant aux agents d'utiliser des cartes tokenisées pour le paiement ; Lightspark met en œuvre une solution de paiement par réseau Lightning basée sur le même processus 402, tout en accompagnant un plan de carte Visa. Les commerçants ayant déjà intégré le paiement par carte Stripe peuvent directement recevoir des paiements par carte MPP, les fonds entrant dans un compte Stripe ordinaire ; le réseau Lightning est un autre canal optionnel sous les règles MPP. Stripe prend également en charge x402. x402 et MPP réutilisent tous deux le code d'état HTTP 402 "paiement requis", mais ils appartiennent à deux protocoles différents.

Les créateurs de contenu ont-ils été payés ?

Si les créateurs ne reçoivent pas d'argent, il n'y aura plus de nouveau contenu à rechercher. Si les créateurs ne peuvent pas réaliser de bénéfices, ils cesseront de publier des œuvres, et les agents intelligents finiront par manquer de nouveaux matériaux de lecture.

Cloudflare, Parallel et OpenLedger sont trois projets représentatifs dans ce domaine.

Cloudflare a initialement facturé des frais fixes pour le scraping des pages web. Ce modèle était trop grossier, facturant de la même manière le scraping de la page d'accueil et celui des reportages approfondis. Maintenant, Cloudflare se tourne vers un modèle de facturation basé sur la valeur : les paiements ne sont effectués aux éditeurs que lorsque le contenu génère réellement de la valeur. De plus, pour les sites générant des revenus publicitaires, si le fournisseur de services AI refuse de payer, Cloudflare interceptera les robots de scraping AI.

Parallel a lancé le produit Index le 19 mai, s'inspirant de l'algorithme de Shapley de la théorie des jeux coopératifs, calculant la part de contribution de chaque source d'information au résultat final de la tâche de l'agent, et répartissant les bénéfices en conséquence. Il ne s'agit plus d'un paiement uniforme par clic, mais d'une évaluation mathématique de la contribution réelle d'un article à la tâche. Les partenaires de coopération incluent The Atlantic, Fortune, PR Newswire, PitchBook, ZoomInfo, Tracxn, RocketReach, Enigma et Fiscal AI.

Actuellement, Index ne sera réglé que lorsque l'agent utilise l'outil de recherche propre à Parallel. À moins que d'autres plateformes AI ne s'intègrent toutes, cela ne pourra pas devenir une norme universelle sur le web.

OpenLedger est une autre solution, utilisant un système de jetons. Il évalue l'impact des ensembles de données sur les modèles AI, distribuant des récompenses aux contributeurs avec son propre jeton. Ce modèle s'adresse aux développeurs de données d'entraînement AI, et non à la compensation des journalistes pour leurs articles quotidiens.

J'ai essayé de rechercher les montants réels que ces projets ont effectivement versés aux créateurs. Cloudflare n'a pas rendu publics les chiffres de paiement ; Parallel n'a pas non plus divulgué ; OpenLedger règle en jetons OPEN, sans statistiques indépendantes publiques sur le montant total des paiements. Par conséquent, nous n'avons pas encore de faits concrets pour évaluer l'efficacité réelle de ce mécanisme.

Dans l'histoire du développement commercial humain, les caisses enregistreuses sont en fait un produit apparu tardivement. Les humains ont mis de nombreuses années à établir des accords verbaux et des systèmes de réputation locaux avant d'inventer des paiements à faible friction. En revanche, le développement d'Internet des machines a complètement inversé cette tendance : il a réalisé des règlements mondiaux instantanés et continus dès sa naissance. Aujourd'hui, l'économie des agents doit s'efforcer de construire des tribunaux de litiges mineurs sur la chaîne pour empêcher deux robots de se frauder pour quelques dollars de tâches.

Pour conclure, je citerai une phrase de Terry Pratchett :

"Parler uniquement de logique pure, dire que les machines ne font que suivre les instructions reçues, est certes facile. Mais les gens ont le droit d'attendre que les machines aient un peu de bon sens."