Ce que les gens veulent dire quand ils parlent de token d’IA
Début 2024, l’expression token d’IA désignait généralement un projet comme FET ou TAO, qui utilisait une blockchain pour coordonner l’apprentissage automatique. Fin 2024 et jusqu’en 2025, la même étiquette a commencé à couvrir un ensemble d’actifs beaucoup plus désordonné. Certains acheminent des paiements entre agents logiciels autonomes. Certains se présentent comme des places de marché de calcul. Quelques-uns sont simplement des meme coins qui ont collé un logo d’IA sur une image de chien et ont appelé cela une infrastructure. Les investisseurs qui les mettent tous dans le même panier finissent par ne plus comprendre pourquoi un token d’IA fait 50x tandis qu’un autre stagne pendant deux ans, car ils ne sont pas réellement en concurrence dans la même course.
Le point de départ honnête est qu’il existe au moins trois thèses distinctes sous l’étiquette des tokens d’IA, et que seules certaines disposent de produits fonctionnels. Ces trois thèses sont la coordination d’agents, l’entraînement décentralisé et le calcul décentralisé. Chacune a un modèle de revenus différent, un profil de dilution différent et une façon différente dont le token est censé capter de la valeur. Si un token ne peut pas expliquer clairement dans laquelle de ces trois catégories il se situe, c’est déjà un signal d’alerte.
Les vrais risques avant de poursuivre un récit autour des tokens d’IA
La plupart des tokens qui ont le plus fortement grimpé sous l’étiquette d’agent IA partagent quelques caractéristiques dérangeantes. Ils ont été lancés en 2024 ou 2025, leurs capitalisations sont passées de quelques millions à plusieurs centaines de millions en quelques semaines, et leur documentation publique décrit un produit qui n’existe pas encore ou que presque personne n’utilise. Le profil de risque ressemble moins à un investissement dans une entreprise logicielle qu’à un investissement dans un nom de marque qui livrera peut-être quelque chose un jour, ou peut-être pas. Cette distinction compte, car la différence entre une hausse de 50x et une chute de 90 % tient surtout à l’arrivée, ou non, de vrais utilisateurs et de vrais revenus.
Il faut garder à l’esprit certains modes d’échec précis. Premièrement, les revenus d’un launchpad d’agents peuvent s’effondrer rapidement si le launchpad cesse d’héberger de nouveaux agents, ce qui est exactement arrivé à plusieurs lancements basés sur Solana début 2025. Deuxièmement, les émissions de sous-réseaux sur TAO signifient que même si le réseau fonctionne, le token que vous avez acheté peut être dilué plus vite que les revenus du réseau ne progressent. Troisièmement, les réseaux de calcul font face à un problème de prix brutal : un fournisseur cloud centralisé comme AWS peut toujours proposer un prix inférieur à celui d’un réseau décentralisé si ce réseau ne peut pas prouver un avantage en matière de qualité ou de confidentialité. Enfin, plusieurs tokens d’agents IA bien connus ont été liés à des grappes de wallets d’initiés, ce qui signifie qu’un petit nombre de wallets contrôle une grande part de l’offre et peut faire bouger le prix avec peu d’effort. Tout cela ne veut pas dire que les thèses sont fausses. Cela signifie que l’écart entre le récit et le produit est large, et c’est là que se perd la majeure partie de l’argent.
Les trois thèses, et ce que chaque token soutient réellement
La première thèse est la coordination des agents. L’idée est que des agents logiciels autonomes, c’est-à-dire des programmes capables d’agir par eux-mêmes, ont besoin d’un moyen de se trouver, de se payer et de coordonner leur travail. Les tokens de cette catégorie sont censés servir d’unité de compte et de rail de frais pour cette couche de coordination. FET et VIRTUAL défendent tous deux des versions de ce récit, et l’écosystème Virtuals exploite une plateforme de lancement d’agents qui facture des frais pour les nouveaux déploiements d’agents.
La deuxième thèse est l’entraînement décentralisé. Ici, le token est destiné à rémunérer les personnes qui apportent de la puissance GPU ou des données pour entraîner des modèles de machine learning, et à donner aux détenteurs un droit sur le réseau qui en résulte. TAO en est l’exemple principal. Le réseau Bittensor exploite des dizaines de sous-réseaux, chacun étant un petit marché où des mineurs rivalisent pour produire le meilleur résultat pour une tâche précise, et les émissions de TAO constituent la récompense de ce travail. La troisième thèse est le calcul décentralisé. RENDER en est l’exemple le plus clair, en se positionnant comme une place de marché où les personnes disposant de GPU inutilisés peuvent louer de la capacité à celles qui doivent rendre des graphismes ou exécuter de l’inférence AI, c’est-à-dire le processus consistant à faire tourner un modèle entraîné sur de nouvelles entrées pour obtenir un résultat.
Pourquoi cette distinction est importante. Si vous achetez un token de coordination d’agents, vous pariez que le commerce entre agents devient une véritable économie. Si vous achetez un token d’entraînement, vous pariez que l’entraînement décentralisé peut battre ou compléter les laboratoires centralisés. Si vous achetez un token de calcul, vous pariez que les propriétaires de GPU préfèrent une place de marché basée sur des tokens à un contrat cloud traditionnel. Ce sont trois secteurs différents, avec trois types de concurrents et trois horizons temporels distincts. Les traiter comme une seule opération, c’est ainsi que des gens finissent par expliquer leurs pertes avec le mot AI.
Comment distinguer un token d’agent d’un emballage meme
Le filtre le plus utile consiste à se demander ce que le token fait réellement dans le produit. Un véritable token de coordination d’agents devrait apparaître dans les données de transaction comme l’actif que les agents utilisent pour payer des services ou pour faire du staking. Un véritable token de réseau d’entraînement devrait être distribué comme récompense aux mineurs de sous-réseaux, avec des émissions visibles on-chain. Un véritable token de calcul devrait circuler des locataires vers les fournisseurs de GPU, avec une utilisation et des frais publiquement traçables. Si un token ne fait aucune de ces trois choses, il s’agit très probablement d’un emballage meme sur le thème de l’AI.
Vérifications concrètes. Cherchez une page produit fonctionnelle qui nomme une API ou un service spécifique, et pas seulement une déclaration de vision. Cherchez des nombres de transactions on-chain pour le token qui ne soient pas concentrés dans quelques portefeuilles. Cherchez des revenus : une plateforme de lancement devrait publier les frais collectés, un service d’API devrait publier les volumes d’appels, un réseau de calcul devrait publier les tâches terminées. La plateforme de lancement d’agents de VIRTUAL est un cas test utile, car l’équipe Virtuals a publié des chiffres de revenus de la plateforme, et le token VVV, lié à l’API Venice, a été promu en partie sur la base de ses affirmations d’utilisation de l’API. La question n’est pas de savoir si ces chiffres sont bons. La question est que les chiffres sont visibles, ce qui les distingue déjà d’une longue traîne de tokens AI qui ne publient que des graphiques de prix.
WLD mérite une mention à part. Le WLD de Worldcoin se situe à la frontière de ces catégories. Ce n’est pas vraiment un token d’agent, d’entraînement ou de calcul, mais un token de preuve d’humanité lié à un réseau d’identité biométrique. Il est souvent entraîné dans des paniers de tokens AI parce que les agents AI doivent vérifier qu’ils traitent avec un humain et non avec un bot, ce qui est un cas d’usage réel, mais la mécanique du token est plus proche d’un projet d’identité numérique que de l’une des trois thèses AI. Intégrer WLD dans un panier de tokens d’agents est une erreur de portefeuille courante.
Ce que montrent réellement les données on-chain
Pour la coordination des agents, le signal public le plus net est le revenu de la plateforme de lancement. Virtuals a déclaré plusieurs millions de dollars de frais trimestriels provenant de sa plateforme de lancement d’agents, ce qui est un chiffre non négligeable pour un lancement en 2024, et donne à VIRTUAL une exposition mesurable à l’activité. FET est plus ancien et plus large, avec la pile Fetch.ai déployée sur des services d’agents et une fusion récente avec d’autres projets liés à l’AI, mais son volume quotidien de transactions d’agents est plus difficile à vérifier on-chain, car une grande partie de l’activité passe par des chaînes partenaires ou des API off-chain.
Pour l’entraînement décentralisé, les émissions de sous-réseaux de TAO sont le chiffre phare. Le réseau Bittensor émet en continu de nouveaux TAO à destination des mineurs de sous-réseaux, et le rythme de cette émission est visible on-chain. Cette transparence est bonne pour l’honnêteté et mauvaise pour les détenteurs, car les émissions sont une forme de dilution. La thèse est que la valeur créée par les sorties des sous-réseaux finira par dépasser la nouvelle offre, mais cela doit être prouvé, pas supposé. Le sous-réseau 19, axé sur l’inférence, a attiré l’attention parce qu’il est plus directement lié à la demande en plein essor pour l’exécution de modèles AI, mais il en est encore à ses débuts.
Pour le calcul, RENDER est le nom le mieux établi. Il a terminé une migration vers Solana en 2024 et affiche désormais une véritable activité de burn-and-mint liée aux tâches de rendu. RENDER n’atteint pas encore l’échelle de revenus d’un hyperscaler, mais il possède le récit produit le plus défendable des trois catégories, car le cas d’usage, rendu et inférence, est concret et les fournisseurs comme les clients sont identifiables. Le risque vient de la concurrence des fournisseurs cloud centralisés et d’autres réseaux de calcul basés sur des tokens qui entrent sur le même marché.
Comment valoriser chaque catégorie sans vous tromper vous-même
Les tokens de coordination d’agents sont les plus difficiles à valoriser, car le produit relève surtout d’un récit sur une activité future. Un modèle mental utile consiste à prendre les revenus de la plateforme de lancement ou des transactions, à appliquer un multiple qui reflète la durabilité que vous attribuez à ces revenus, puis à diviser par l’offre en circulation. Si la capitalisation de marché implicite est inférieure au prix actuel, vous avez un écart de valorisation approximatif. Si le projet n’a aucun revenu, vous valorisez essentiellement la probabilité que des revenus existent un jour, et la réponse honnête est de dimensionner la position comme si vous vous attendiez à avoir tort.
Les tokens d’entraînement et de calcul sont légèrement plus faciles, car il existe un chiffre d’utilisation auquel se référer. Pour TAO, surveillez les émissions des sous-réseaux par rapport aux frais captés par ces sous-réseaux. Plus l’activité des sous-réseaux est payée en TAO plutôt qu’émise sous forme de subvention, plus le token se comporte comme une véritable économie. Pour RENDER, surveillez le nombre de tâches et la taille moyenne des tâches, puis comparez la croissance de ces chiffres à celle de la capitalisation de marché du token. Si la capitalisation de marché croît beaucoup plus vite que l’utilisation, l’opération relève du récit, pas des fondamentaux.
Dans les trois catégories, une règle empirique aide. Un token lié à un chiffre mesurable, on-chain et vérifiable par des tiers présente un risque différent d’un token dont le principal indicateur est un graphique sur le site du projet. Plus vous pouvez vous rapprocher des données de première main, meilleures sont vos chances de ne pas acheter le sommet d’un cycle narratif.
Ce que cela signifie pour quelqu’un qui construit une position aujourd’hui
La conclusion pratique est que l’exposition aux tokens d’IA n’est pas une décision unique, mais un panier de décisions distinctes. Si vous pensez que le commerce d’agent à agent deviendra une véritable économie, dimensionnez VIRTUAL ou FET en conséquence et acceptez que l’essentiel de ce pari porte sur des actifs en phase précoce, où le risque de ventes par des initiés est élevé. Si vous pensez que l’entraînement décentralisé produira des modèles capables de rivaliser avec les laboratoires centralisés, TAO en est l’expression la plus directe, mais tenez compte de la dilution et du fait que la plupart de la production des sous-réseaux relève aujourd’hui de la recherche, et non du trafic en production. Si vous pensez que les propriétaires et les locataires de GPU utiliseront une place de marché basée sur un token, RENDER est le nom le plus établi, et le travail consiste à évaluer si sa croissance suit le rythme de sa valorisation.
Résistez à l’envie de regrouper tout cela dans un seul panier IA et de l’appeler diversifié. Détenir VIRTUAL, TAO et RENDER n’est pas la même chose que détenir trois actions liées à l’IA. C’est détenir trois entreprises dans trois secteurs différents qui partagent simplement un même thème. Traitez-les avec le même scepticisme que vous appliqueriez à un panier de tokens DeFi de 2021 après l’été du yield farming : la plupart ne survivront pas sous leur forme actuelle, et les survivants seront ceux qui auront livré des produits pendant que tous les autres publiaient des graphiques.
Suivez les tokens crypto d’IA avec de vrais signaux, pas au feeling
Les tokens d’IA évoluent vite et les nouvelles qui les entourent encore plus vite. Surveiller manuellement les frais des launchpads, les émissions des sous-réseaux et l’utilisation des API est une bataille perdue d’avance. Zippfeed agrège les gros titres sur les tokens d’IA avec une évaluation du sentiment (bullish, neutral ou bearish) et une note d’importance, afin que vous puissiez repérer quels projets livrent réellement des produits et lesquels ne font que surfer sur le narratif.
CoinDesk
