Revenus on-chain des agents IA : ce qui est vraiment réel

Pourquoi le « chiffre d'affaires des agents IA » paraît si élevé sur les tableaux de bord

Si vous avez récemment parcouru un tableau de bord crypto, vous avez probablement vu des vignettes du type « chiffre d'affaires agent IA : 4,2 M$ cette semaine » ou des graphiques montrant des agents individuels gagnant six chiffres par jour. Les chiffres semblent tangibles. Ils côtoient les tickers de tokens, les graphiques de frais et les ratios P/E importés de la finance traditionnelle, si bien que la promesse implicite est qu'un agent IA est une petite entreprise dont on peut auditer les revenus sur un explorateur blockchain.

Ce cadrage est à moitié juste et à moitié trompeur. La partie on-chain est réellement auditable : chaque transaction est un événement public, chaque contrat a une adresse, et chaque frais a un payeur et un receveur. Ce qui ne l'est pas, c'est la définition de « chiffre d'affaires » que choisit chaque tableau de bord, et c'est là que se joue la magie.

La plupart des tableaux de bord récupèrent les données brutes d'afflux vers l'adresse de collecte des frais de l'agent et l'appellent chiffre d'affaires. Certains soustraient le gas. Quelques-uns soustraient les émissions de tokens. Presque aucun ne soustrait les paiements provenant de wallets manifestement affiliés au même projet, car cela exigerait un travail de clustering que les auteurs des tableaux de bord préfèrent éviter. Résultat : un même agent peut sembler générer un run rate annuel à sept chiffres alors que seule une infime partie de ces revenus provient de clients indépendants.

Les risques d'accorder foi aux chiffres des tableaux de bord

Traiter le chiffre d'affaires non vérifié d'un agent comme un fait économique comporte trois risques concrets, qui se manifestent à différents niveaux de la stack.

Une exposition au prix du token déguisée en fondamentaux. Lorsque le pitch deck d'un token cite le chiffre d'affaires de l'agent comme raison d'acheter, et que ce chiffre d'affaires provient principalement d'émissions versées aux propres contrats de l'agent, le « fondamental » est circulaire. La pression vendeuse des émissions est comptabilisée comme une demande acheteuse des utilisateurs. Si vous ne faites pas la différence, vous ne pouvez pas savoir quand la métrique se casse.

Des tableaux de bord copiés-collés avec des sources de données partagées. Beaucoup des sites de chiffre d'affaires d'agents les plus cités utilisent les mêmes requêtes Dune ou le même indexeur en amont. Lorsqu'un bug de méthodologie gonfle les chiffres d'un agent, il gonfle ceux de tout le secteur d'un coup. Les tableaux de bord SocialFi de 2024 avaient exactement ce problème, et plusieurs agents du cycle actuel en héritent la même architecture.

Les projets d'imitation. Lorsqu'une métrique de chiffre d'affaires devient un argument marketing, des équipes de clones lancent des agents structurellement identiques et acheminent discrètement des paiements entre leurs propres wallets pour revendiquer un classement dans le top dix. L'agent d'origine absorbe le dommage réputationnel lorsque le volume du clone s'évapore, et les acheteurs particuliers ne distinguent pas facilement lequel est lequel.

Rien de tout cela ne justifie d'éviter le secteur. C'est une raison de traiter tout chiffre isolé d'un tableau de bord comme une hypothèse de départ, et non comme une conclusion.

Ce que signifie réellement le « chiffre d’affaires » pour un agent on-chain

Un agent IA, au sens on-chain, est un programme qui contrôle un ou plusieurs portefeuilles et signe des transactions pour le compte d’un modèle, d’une stratégie ou d’un utilisateur. Les structures les plus courantes aujourd’hui sont un contrat qui reçoit les frais, une multisig de trésorerie détenue par l’équipe, et un ou plusieurs portefeuilles « agent » que l’équipe déploie et réapprovisionne.

Avec cette configuration, quatre définitions du chiffre d’affaires sont couramment utilisées, et elles produisent des chiffres très différents pour le même agent.

Entrées brutes du contrat. Chaque token envoyé à l’adresse de réception des frais de l’agent, quelle que soit la personne qui l’a envoyé. C’est le chiffre que la plupart des dashboards mettent en avant. Il inclut les réapprovisionnements propres de l’équipe, les émissions acheminées via l’agent et les wash trades entre portefeuilles affiliés.

Frais nets du protocole. Les entrées moins les sorties, moins les tokens rendus aux utilisateurs, par exemple les remboursements ou la distribution de rendement. C’est un chiffre plus strict, mais il reste vulnérable à l’auto-paiement si l’équipe fait circuler de la valeur via l’agent pour créer artificiellement de l’activité.

Frais de tiers. Les entrées provenant de portefeuilles qui ne figurent pas sur une liste connue d’affiliés, divisées par le total des entrées. C’est la définition pratique la plus propre et la plus résistante au wash trading, mais elle exige que l’analyste construise un graphe de portefeuilles.

Rendement d’agent tokenisé. Pour les projets où l’agent est un vault qui émet un token de reçu, une structure courante dans les écosystèmes TAO et VIRTUAL, le « chiffre d’affaires » désigne parfois le rendement accumulé par le token de reçu plutôt que les frais gagnés par la stratégie sous-jacente. Ces rendements peuvent être subventionnés par des émissions et avoir très peu de lien avec des clients payants.

Les mécanismes qui gonflent le chiffre

Une fois les définitions connues, les schémas d’inflation deviennent plus faciles à repérer. Trois reviennent régulièrement dans les dashboards publics d’agents.

Circulation entre portefeuilles affiliés. L’équipe déploie dix portefeuilles, chacun fait fonctionner l’agent contre les autres et se verse de petits frais en boucle. On-chain, cela ressemble à dix utilisateurs payants. Avec un regroupement de portefeuilles, cela ressemble à une seule entité. Certaines équipes vont plus loin et répartissent le déployeur sur plusieurs hardware wallets afin de contourner les regroupements naïfs, ce qui explique pourquoi une simple vérification du type « combien de payeurs uniques ? » ne suffit pas à elle seule.

Émissions recyclées en frais. Un contrat de token crée des récompenses pour les stakers. Le staker dépose ces récompenses dans l’agent, l’agent déploie le capital, et une part du rendement est renvoyée sous forme de « frais » vers le contrat de l’agent. La métrique mise en avant augmente, la trésorerie capte de la valeur et un observateur retail voit un flywheel sain. En pratique, l’agent se paie lui-même avec de l’argent que le protocole vient d’imprimer à l’instant.

Volume déguisé en chiffre d’affaires. Lorsqu’un agent exécute une stratégie de market-making ou un bot de contrats perpétuels, la métrique naturelle est le volume notionnel, pas les frais. Certains dashboards continuent pourtant à présenter le volume comme du chiffre d’affaires, surtout lorsque ce volume passe par une plateforme perps comme Hyperliquid, où les frais sont minuscules par rapport à la taille des positions. Une transaction avec un levier de 10x qui paie 0,07 $ de frais peut apparaître comme 70 000 $ d’« activité », et un axe de graphique approximatif permet de qualifier cela de chiffre d’affaires.

Aucune de ces astuces n’exige une intention malveillante. Beaucoup d’équipes croient sincèrement que leur agent a trouvé son product-market fit et que les chiffres gonflés seront remplacés avec le temps par une demande réelle. Le problème est que la métrique publique est celle qui reçoit des financements, qui se trade et qui est classée, pas la prévision interne de l’équipe.

Les rails de paiement qui rendent possibles les agents légitimes

L’infrastructure permettant un chiffre d’affaires honnête pour les agents s’améliore enfin. Deux éléments méritent l’attention, car ils changent ce à quoi ressemble un « vrai » paiement on-chain.

x402 et paiements natifs pour machines. Le modèle x402, nommé d’après le code de statut HTTP 402 « paiement requis », permet à un agent de payer programmatiquement un autre agent pour un service, un devis, une inférence de modèle ou une donnée, sans qu’un humain ne signe quoi que ce soit. Les stablecoins assurent le règlement. Le paiement est faible, libellé en USDC ou USDT, et lié à un appel API précis. Lorsque vous voyez des transactions x402 dans l’historique des frais d’un agent, vous observez littéralement une machine payer une autre machine, ce qui est ce que le secteur a de plus proche d’un signal de chiffre d’affaires propre.

Hyperliquid et perps on-chain pour agents. L’architecture à carnet d’ordres de Hyperliquid permet aux agents de placer et d’annuler des ordres à haute fréquence avec des frais faibles, ce qui explique pourquoi tant de dashboards d’« agents » en 2024 et 2025 citent le volume Hyperliquid. Le risque est que le volume ne soit pas du chiffre d’affaires. Un bon test de cohérence consiste à multiplier le volume Hyperliquid déclaré d’un agent par le niveau de frais moyen de la plateforme et à vérifier si les frais implicites correspondent aux gains revendiqués par l’agent. Si les gains revendiqués sont dix fois supérieurs aux frais implicites, le reste du chiffre vient d’ailleurs.

Ces deux rails constituent de vrais progrès. Ils rendent aussi moins coûteux le fait de simuler de l’activité, car le coût marginal d’un micro-paiement x402 supplémentaire est pratiquement nul. Considérez le rail comme une condition nécessaire, mais non suffisante, d’un chiffre d’affaires honnête.

Comment vérifier vous-même les gains d’un agent

Vous n’avez pas besoin d’être data engineer pour repérer un dashboard de faux chiffre d’affaires. Un processus en quatre étapes, réalisable en un après-midi, vous dira si le chiffre mis en avant est principalement réel.

Étape 1 : reproduire le chiffre mis en avant. Ouvrez le contrat de réception des frais de l’agent dans un explorateur de blocs, exportez l’historique des transferts de tokens en CSV et additionnez les entrées sur la période citée par le dashboard. Si vous ne pouvez pas reproduire le chiffre mis en avant à 20 % près, le dashboard utilise une définition peu évidente et vous devriez lire attentivement la note méthodologique.

Étape 2 : retirer l’équipe. Récupérez l’adresse du déployeur dans la transaction de création du contrat, puis regroupez-la avec la trésorerie, les multisigs publics de l’équipe et tous les portefeuilles ayant reçu des fonds de ces adresses en quelques sauts. Des outils comme les labels de portefeuilles de Nansen, les pages d’entités d’Arkham ou une recherche manuelle de fil d’Ariane sur Etherscan vous permettront de faire l’essentiel du chemin. Calculez les « frais de tiers » en supprimant ce cluster et voyez ce qu’il reste.

Étape 3 : comparer les frais aux émissions. Pour toute structure d’agent tokenisé, trouvez le calendrier des émissions, généralement dans la documentation du protocole ou dans un dashboard Dune public. Si le chiffre d’affaires revendiqué par l’agent est inférieur au taux annualisé d’émissions qui transitent par lui, le protocole subventionne effectivement la métrique. Si le chiffre d’affaires est nettement supérieur aux émissions, c’est un signal bien plus sain.

Étape 4 : créer votre propre requête Dune. Dune vous permet d’écrire du SQL sur des événements de contrats décodés. Une requête de départ raisonnable joint les événements de frais de l’agent à une table étiquetée de portefeuilles connus de l’équipe, additionne les entrées nettes par contrepartie et produit une liste classée des payeurs. Si les cinq principaux payeurs sont tous affiliés, le chiffre mis en avant est largement circulaire. Vous pouvez aussi croiser avec les labels d’entités de Nansen pour obtenir un second avis.

L’objectif n’est pas de produire un chiffre parfait. L’objectif est de borner le chiffre réel par le haut, avec le chiffre mis en avant par le dashboard, et par le bas, avec le chiffre des frais de tiers, puis de décider si l’écart est plausible.

Ce que cela signifie pour le lecteur

Si vous évaluez un token d’agent IA comme investissement, traitez le chiffre de revenu on-chain comme vous traiteriez une diapositive « ARR » de startup : utile pour comprendre la tendance, dangereux comme réponse définitive. La différence est que vous pouvez réellement l’auditer.

Deux heuristiques pratiques méritent d’être retenues. Premièrement, un agent dont les frais de tiers augmentent plus vite que son revenu brut sur un trimestre gagne véritablement des utilisateurs payants ; un agent dont le revenu brut augmente tandis que les frais de tiers stagnent est soutenu artificiellement par l’équipe. Deuxièmement, un agent qui divulgue son cluster de portefeuilles, son calendrier d’émission et une méthodologie claire pour son tableau de bord public est presque toujours plus crédible qu’un agent qui ne le fait pas, car le coût de la transparence est faible lorsque le chiffre sous-jacent est réel et élevé lorsqu’il ne l’est pas.

Le secteur est jeune, l’infrastructure s’améliore et de véritables entreprises y émergent. Ce ne sont tout simplement pas celles dont les tableaux de bord sont les plus faciles à trouver sur une page de recherche.

Suivre les revenus des agents IA avec les bons signaux

Les métriques des agents IA évoluent vite, et l’actualité qui les entoure aussi. Suivre quels agents conservent réellement des utilisateurs payants, par opposition à ceux qui fonctionnent grâce aux émissions et aux opérations entre comptes liés, est un travail à temps plein si vous le faites manuellement. Zippfeed met en avant les titres liés aux agents IA avec un score de sentiment (bullish, neutral ou bearish) et une note d’importance, afin que vous puissiez faire le tri dans le bruit des tableaux de bord et vous concentrer sur les agents dont les chiffres résistent à l’examen.