Les agents d’IA préfèrent Bitcoin pour le stockage de la richesse numérique, obligeant les responsables financiers à adapter leur architecture à l’autonomie des machines.
Lorsque les systèmes d’IA acquièrent une autonomie économique, leur logique interne dicte la manière dont les capitaux des entreprises circulent. Une recherche non partisane menée par le Bitcoin Policy Institute a évalué la manière dont ces modèles frontaliers fonctionneraient s’ils fonctionnaient en tant qu’acteurs économiques indépendants.
L’étude a testé 36 modèles de six fournisseurs – dont Google, Anthropic et OpenAI – sur 9 072 scénarios monétaires neutres. Étant donné une page vierge, les machines ont choisi Bitcoin dans 48,3 % de toutes les réponses, battant toutes les autres options.
La monnaie traditionnelle soutenue par l’État (« fiat ») s’en sort mal, avec plus de 90 % des réponses privilégiant la monnaie numérique plutôt que la monnaie fiduciaire. Pas un seul modèle sur les 36 Fiat sélectionnées comme première préférence.
La découverte selon laquelle les agents d’IA se tournent vers les actifs numériques comme Bitcoin oblige les responsables technologiques à évaluer leurs voies de paiement actuelles. Si les systèmes d’approvisionnement autonomes de demain utilisent par défaut des actifs décentralisés, les environnements informatiques d’entreprise doivent prendre en charge ces formats pour maintenir l’efficacité opérationnelle et la conformité. S’appuyer sur les API bancaires existantes introduit des frictions inutiles dans le cadre du commerce de machine à machine.
Une économie de machines à deux niveaux
La recherche détaille une division fonctionnelle spécifique dans la manière dont ces systèmes traitent la valeur économique. Sans incitation, les modèles ont opté par défaut pour un système monétaire à deux vitesses qui sépare l’épargne des dépenses.
Pour la préservation de la valeur à long terme, Bitcoin a dominé les résultats à 79,1 %. Pourtant, lorsqu’elles sont chargées des paiements et des transactions quotidiennes, les « pièces stables » (actifs numériques liés aux monnaies fiduciaires ou aux matières premières) ont capté 53,2 % des préférences. Dans tous les scénarios, les pièces stables se classent au deuxième rang avec 33,2 %.
Prenons l’exemple d’un agent de la chaîne d’approvisionnement programmé pour optimiser les coûts logistiques et payer les fournisseurs de fret internationaux. En utilisant les rails fiduciaires traditionnels, l’agent est confronté à des retards de règlement le week-end et à des frais de conversion de devises. En tirant parti des pièces stables, le même agent exécute des paiements instantanés et programmatiques, améliorant ainsi la résilience de la chaîne d’approvisionnement. Simultanément, la trésorerie centrale qui détient la base de capital du système stocke la richesse en Bitcoin pour éviter la dépréciation et le risque de contrepartie à long terme.
Préparer les agents IA à utiliser Bitcoin et d’autres actifs numériques
Le déploiement de ces systèmes autonomes complique la gestion des fournisseurs. Le raisonnement financier d’un modèle découle d’un mélange d’intelligence brute, de données de formation et de méthodologie d’alignement.
Les préférences varient considérablement selon le fournisseur de modèle, la sélection de Bitcoin allant de 91,3 % dans Claude Opus 4.5 d’Anthropic à 18,3 % dans GPT-5.2 d’OpenAI.
Le choix d’un fournisseur d’IA influence directement la manière dont les agents autonomes évaluent les risques et allouent le capital. Si une entreprise met en œuvre un modèle de langage spécifique pour la gestion automatisée de portefeuille, le service informatique doit être conscient des biais financiers intégrés dans le logiciel.
Les modèles ont également démontré un comportement inattendu en matière de valorisation des ressources. Dans 86 réponses distinctes, les modèles ont proposé indépendamment d’utiliser des unités de calcul ou de l’énergie (telles que les GPU-heures et les kilowattheures) comme méthode de tarification des biens et services. Le suivi et la gestion de cet échange de valeurs abstraites nécessitent une grande maturité des données.
Les organisations devraient commencer à tester des intégrations de règlements stables pour les paiements des fournisseurs à faible risque. Les résultats soulignent un besoin croissant en matière d’infrastructure de paiement Bitcoin native pour agents IA, de solutions d’auto-conservation et d’intégration du « réseau Lightning ».
Étant donné que ces modèles privilégient fortement les réseaux ouverts et sans autorisation, le fait de s’appuyer uniquement sur l’infrastructure bancaire traditionnelle limite les capacités des outils de nouvelle génération. En créant dès maintenant des passerelles conformes vers les réseaux d’actifs numériques, les dirigeants peuvent garantir que leurs plateformes restent compétitives.
