La valeur combinée des tokens liés à l'IA a quadruplé au cours des deux dernières années, s'approchant désormais d'une capitalisation boursière de 20 milliards de dollars.
Bien qu'il représente encore une petite portion - seulement 0,67% - des 3,55 trillions de dollars du marché total des cryptos, sa croissance reflète des attentes croissantes concernant le rôle de l'infrastructure IA décentralisée, de l'argent programmable et des systèmes de paiement basés sur les stablecoins.
Selon Grayscale Investments, l'enfance relative du secteur de la cryptomonnaie IA explique sa taille modeste actuelle par rapport à des verticales dominantes comme la finance décentralisée et les services financiers tokenisés, qui représentent des centaines de milliards en valeur. Pourtant, la société suggère que cet écart pourrait se réduire à mesure que les modèles cryptographiques natifs de l'IA mûrissent et que les cas d'utilisation institutionnels deviennent plus clairs.
Fin mai 2025, l'espace de la cryptomonnaie IA comprend environ 20 tokens. Le plus grand en termes de capitalisation boursière en circulation est TAO, l'actif natif du protocole d'apprentissage automatique décentralisé Bittensor. Malgré une année globalement haussière pour les cryptos, le secteur des tokens IA a vu des performances individuelles mixtes. TAO est en hausse de 2% depuis le début de l'année, tandis qu'ElizaOS a chuté de 80%, soulignant la volatilité et la nature précoce du secteur.
Pourtant, la trajectoire globale a été fortement ascendante. En 2023, la valeur boursière totale du secteur de la cryptomonnaie IA était de seulement 4,5 milliards de dollars. Aujourd'hui, elle approche les 20 milliards, suggérant que l'intérêt des investisseurs pour l'infrastructure native de l'IA, la formation décentralisée, et la coordination d'agents basés sur la blockchain s'accélère.
Stablecoins : des facilitateurs clés pour les agents IA
L'une des tendances émergentes les plus significatives est la convergence de l'IA avec l'infrastructure des stablecoins. Un rapport récent de Grayscale par les responsables de la recherche Zach Pandl et Will Ogden Moore souligne comment les stablecoins - des dollars numériques basés sur la blockchain - pourraient devenir des outils fondamentaux pour les agents IA nécessitant des systèmes de paiement rapides, sans frontières, et programmables.
L'intégration des stablecoins dans les cas d'utilisation de l'IA intervient alors que l'intérêt des principaux acteurs de la fintech et de la tech croît. Stripe a récemment étendu sa fonctionnalité de versement de stablecoins à plus de 150 pays. Meta expérimente avec des réseaux de paiement basés sur la blockchain, et de grandes banques américaines explorent également des cadres de dépôt tokenisés compatibles avec les outils IA.
Pendant ce temps, Coinbase a lancé un portefeuille "intelligent" et une pile de paiements programmables visant à permettre aux agents IA et internet des objets de réaliser des microtransactions en stablecoins. Ces développements sont façonnés par des avancées réglementaires, telles que le projet de loi américain sur la structure du marché des cryptos et le projet de loi proposé GENIUS Act - un projet de loi axé sur la licence et la gouvernance des stablecoins adossés au fiat. Si adoptée, une telle législation pourrait offrir des rails juridiques plus clairs pour les flux de paiement pilotés par l'IA.
Bittensor : Halving, sous-réseaux et calcul décentralisé
Bittensor reste le protocole IA décentralisé le plus développé à ce jour. Modélisé grossièrement sur Bitcoin, TAO a un plafond dur de 21 millions de tokens et subit un événement de halving tous les quatre ans. Le premier de ces événements est attendu plus tard cette année, réduisant l'émission et pouvant potentiellement influencer la dynamique de l'offre du token.
En février, Bittensor a lancé la mise à niveau dTAO, permettant la formation de sous-réseaux investissables - des mini-réseaux personnalisés optimisés pour des tâches spécifiques d'apprentissage automatique. Depuis le lancement, plus de 7% de l'approvisionnement en circulation de TAO a été engagé dans ces sous-réseaux, suggérant une participation croissante des développeurs dans des environnements de formation décentralisés.
Les sous-réseaux fonctionnent à la fois comme des primitives économiques et techniques, permettant aux participants de financer, d'organiser et d'extraire de la valeur de réseaux neuronaux gouvernés indépendamment. Les analystes de Grayscale voient cette architecture modulaire comme un facilitateur clé pour l'évolutivité de l'IA dans des systèmes décentralisés sans dépendance aux fournisseurs de calcul centralisés comme Amazon Web Services.
Formation distribuée et marchés des GPU
Au-delà de Bittensor, plusieurs autres protocoles de cryptomonnaie axés sur l'IA explorent des mécanismes de formation distribués. Un exemple de cela est Prime Intellect, qui a formé des modèles avec plus de 30 milliards de paramètres en utilisant des GPU inactifs contribué par des participants mondiaux.
Si cette approche s'avère évolutive, elle pourrait réduire les coûts élevés associés à la formation centralisée de modèles IA et diminuer la dépendance à l'infrastructure des grandes entreprises technologiques.
D'autres projets, tels que Gensyn et Nous Research, construisent également vers des marchés de GPU décentralisés et peuvent introduire des tokens plus tard dans l'année. Ces plateformes visent à soutenir le développement de modèles IA dans des environnements où les contributeurs sont récompensés en cryptomonnaie pour le calcul ou le partage de données, plutôt que de dépendre de l'infrastructure d'entreprise centralisée.
Monétisation des données et cas d'utilisation non financiers
Un autre secteur émergent dans l'intersection IA-crypto est la monétisation des données. Grass, un protocole qui agrège et vend des données collectées sur le web aux laboratoires IA, aurait atteint des dizaines de millions de dollars de revenus annualisés, sans offrir de token. Le projet montre comment les réseaux décentralisés peuvent exploiter la demande existante des développeurs IA tout en générant des revenus réels à partir de sources non financières.
L'économie des données devient de plus en plus importante car les systèmes IA nécessitent des ensembles de données grands, diversifiés et régulièrement mis à jour pour former des modèles de manière efficace. La trajectoire de Grass montre que les outils sourcing et de monétisation des données natifs de la crypto peuvent coexister aux côtés des courtiers de données traditionnels, ouvrant potentiellement de nouveaux marchés pour la participation au détail dans la boucle de formation IA.
De même, Virtuals - une plateforme offrant un accès tokenisé aux agents IA - a vu 30 millions de dollars de frais de trading annualisés. Cette traction indique une demande précoce pour les économies basées sur les agents, où les modèles IA agissent de manière autonome et s'engagent dans le commerce en utilisant des tokens numériques.
Réflexions finales
Malgré cet optimisme, le secteur fait face à des risques clairs, y compris une incertitude réglementaire, des défis d'exécution technique, et des récits surévalués. Une grande partie de la capitalisation boursière actuelle est spéculative et liée aux attentes futures de croissance des protocoles ou d'utilité des tokens.
Néanmoins, la convergence de l'IA, de la crypto, et de l'argent programmable semble structurellement alignée avec les tendances technologiques à long terme. Si de nouveaux cadres réglementaires comme le GENIUS Act ou un projet de loi finalisé sur la structure du marché de la crypto fournissent des orientations plus claires pour les opérations IA-crypto, l'adoption institutionnelle pourrait suivre.
Pour l'instant, le secteur de la cryptomonnaie IA reste expérimental et volatil - mais de plus en plus visible. À mesure que les applications du monde réel se développent et que l'infrastructure mûrit, la prochaine phase pourrait le voir passer d'une catégorie de niche à une composante plus intégrée des écosystèmes crypto et IA.