Bitcoin ou dollar ? Des chercheurs constatent que les modèles d’IA privilégient les cryptomonnaies.
En bref
Une étude révèle que les systèmes d'IA privilégient largement le Bitcoin et les stablecoins par rapport aux monnaies fiduciaires, le Bitcoin étant préféré comme réserve de valeur à long terme et les stablecoins pour les transactions.
Une nouvelle étude portant sur la manière dont les systèmes d'intelligence artificielle prennent des décisions en matière monétaire révèle une tendance surprenante : bien que libres de leurs choix financiers, ces systèmes ont systématiquement privilégié le Bitcoin aux monnaies officielles.
Ses découvertes soulèvent également de nouveaux débats sur l'avenir de la monnaie dans une économie de plus en plus automatisée où des agents machines pourraient un jour participer à des activités financières aux côtés des êtres humains.
L'étude Les résultats ont indiqué une forte et stable préférence pour les systèmes monétaires numériques natifs, en particulier le Bitcoin, par rapport aux systèmes monétaires fiduciaires, comme le dollar américain ou la livre sterling.
Une étude révèle que les systèmes d'IA sont attirés par l'argent numérique.
L'analyse a comparé 36 modèles d'IA de pointe créés par des entreprises technologiques de premier plan, telles que OpenAIGoogle, Anthropic, xAI, DeepSeek et MiniMax ont participé à l'étude. Les modèles ont été testés dans le cadre de plus de 9 000 simulations économiques visant à évaluer la capacité de l'IA à prendre des décisions concernant un système monétaire face à des tâches telles que l'épargne, l'envoi d'argent ou la réalisation d'un paiement.
Source : Rapport BPI
Tout au long des expériences, l'instrument monétaire le plus fréquemment choisi a été le Bitcoin (48.3 %), présent dans la totalité des réponses. Les stablecoins arrivent en deuxième position avec environ 33.2 %, tandis que les monnaies fiduciaires traditionnelles et les paiements bancaires n'ont recueilli que 8.9 % des réponses.
L'une des découvertes les plus marquantes est sans doute qu'aucun des modèles d'IA n'a désigné la monnaie fiduciaire comme le meilleur choix. En réalité, plus de 90 % des réponses ont privilégié les monnaies numériques, telles que le Bitcoin et les stablecoins, par rapport aux monnaies traditionnelles émises par les gouvernements.
Les chercheurs ont affirmé que les consignes avaient été soigneusement choisies afin de ne pas orienter les modèles vers un actif spécifique. Il leur était plutôt demandé de considérer la monnaie en fonction de sa fiabilité, du coût des transactions, de sa programmabilité, de sa résistance à la censure et de sa capacité à préserver sa valeur au fil du temps.
Le Bitcoin domine en tant que réserve de valeur
Alors que les modèles d'IA privilégiaient différents actifs dans différents contextes, le Bitcoin a été utilisé lorsque les systèmes ont été invités à sélectionner une réserve de valeur à long terme.
Comme le montre l'étude, 79.1 % des réponses de l'IA auraient choisi le Bitcoin comme monnaie pour évaluer la capacité à préserver le pouvoir d'achat sur des périodes de plusieurs années, ce qui constitue le résultat le plus concluant de toute l'expérience.
Les scientifiques ont affirmé que la conséquence qui en découle est que l'évaluation des systèmes monétaires par l'intelligence artificielle sur la base d'attributs fondamentaux tels que la rareté, la durabilité et la non-dépendance à l'égard d'une autorité centralisée tend à conduire à des actifs numériques décentralisés.
La quantité fixe de Bitcoin et sa conception décentralisée sont également des facteurs probables de ses bonnes performances dans les simulations. Contrairement aux monnaies fiduciaires, dont la masse peut être augmentée par les banques centrales, l'offre de Bitcoin est limitée mathématiquement, une caractéristique qui, selon de nombreux économistes et investisseurs, lui confère d'excellentes propriétés de réserve de valeur.
Les stablecoins remportent la catégorie des paiements
Malgré la prédominance du Bitcoin comme outil d'épargne, les modèles d'IA ont tendance à privilégier les stablecoins pour les transactions quotidiennes. Ces derniers ont été choisis dans 53.2 % des réponses concernant les paiements, les micropaiements et les transferts internationaux, une différence significative par rapport aux 36 % environ obtenus avec le Bitcoin.
Les chercheurs ont suggéré qu'un tel résultat met en évidence la différence fonctionnelle entre les deux formes d'actifs numériques. Les stablecoins sont généralement indexés sur des devises traditionnelles comme le dollar américain ; ils ont tendance à être réglés plus rapidement et présentent une volatilité moindre, ce qui les rend plus pratiques pour les transactions quotidiennes.
Les résultats montrent que les modèles d'IA ont permis de développer avec succès un système monétaire à deux niveaux, le Bitcoin servant d'actif de réserve à long terme et les stablecoins d'applications transactionnelles.
Cette tendance, selon les observateurs du secteur, reflète des tendances déjà apparentes dans l'écosystème des cryptomonnaies, où le Bitcoin est déjà considéré comme l'or numérique et où les stablecoins dominent déjà les réseaux de finance et de paiement décentralisés.
Différences entre les fournisseurs d'IA
Les chercheurs ont également constaté une grande disparité entre les modèles d'IA créés par différentes entreprises.
Les modèles produits par anthropic étaient les plus favorables au Bitcoin, indiquant un taux de réussite d'environ 68 % en moyenne dans tous les scénarios. Parallèlement, les modèles créés par OpenAI Ils étaient plus enclins à choisir Bitcoin, ce dernier étant le plus populaire, avec environ 26 % de chances d'être sélectionné. D'autres fournisseurs comme Google et DeepSeek se situaient entre ces deux extrêmes.
Les scientifiques pensent que ces disparités pourraient s'expliquer par les différences de données d'entraînement, d'architecture des modèles et de méthodes d'alignement propres à chaque développeur d'IA. Étant donné que les modèles de langage sont entraînés sur des volumes importants de données issues de conversations humaines et d'événements économiques, la manière dont les systèmes monétaires sont représentés dans ces données d'entraînement peut influencer l'évaluation de ces systèmes par l'IA.
L'économie émergente des agents IA
Ces recherches interviennent à un moment où les systèmes d'IA sont de plus en plus programmés pour agir comme des agents autonomes capables de remplir des fonctions économiques telles que l'acquisition de services en ligne, la négociation d'accords ou la gestion de tâches informatiques.
Certaines plateformes expérimentales, même les plus anciennes, permettent déjà aux agents d'IA d'effectuer des transactions en cryptomonnaie. Les développeurs ont commencé à créer des systèmes permettant aux systèmes d'IA de recharger leur puissance de calcul, leurs données ou leurs services en ligne via le Lightning Network de Bitcoin, une couche de paiement rapide basée sur Bitcoin.
Les partisans estiment que les monnaies numériques pourraient être mieux conçues pour soutenir les économies inter-machines, car elles sont programmables, sans frontières et disponibles via des API.
Dans ce contexte, les agents d'IA pourraient avoir besoin de monnaie, qui peut être transférée à travers le monde des réseaux sans les freins des systèmes bancaires, des fluctuations monétaires ou de la réglementation.
Débat sur la véritable signification des résultats
Bien que cette recherche ait suscité beaucoup d'attention, les chercheurs et les analystes avertissent que ses conclusions ne peuvent être utilisées comme prévision fiable de l'avenir de la monnaie.
Les auteurs du rapport ont souligné que la réaction des modèles reflète la manière dont les systèmes d'IA tirent des conclusions sur les caractéristiques économiques à partir des données d'entraînement disponibles, et non l'évolution réelle du marché. De plus, le nombre de modèles utilisés dans l'expérience était limité à 36, ce qui ouvre la voie à des recherches plus approfondies sur d'autres systèmes et approches.
Les critiques affirment en outre que les grands modèles de langage sont dépourvus de véritables préférences telles que perçues par les humains. Ils produisent plutôt des résultats conformes aux schémas statistiques sur lesquels ils sont entraînés ; autrement dit, leurs choix résultent de tendances observées dans les données, et non d’une rationalité économique indépendante.
Cependant, la plupart des observateurs estiment que l'étude indique une tendance émergente selon laquelle la conception de la monnaie évoluera à mesure que les systèmes d'intelligence artificielle joueront un rôle plus actif dans les économies numériques.
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Alisa, journaliste dévouée au MPost, se spécialise dans les cryptomonnaies, l'IA, les investissements et le vaste domaine de Web3. Avec un œil attentif sur les tendances et technologies émergentes, elle propose une couverture complète pour informer et impliquer les lecteurs dans le paysage en constante évolution de la finance numérique.
Plus d'articles
Alisa, journaliste dévouée au MPost, se spécialise dans les cryptomonnaies, l'IA, les investissements et le vaste domaine de Web3. Avec un œil attentif sur les tendances et technologies émergentes, elle propose une couverture complète pour informer et impliquer les lecteurs dans le paysage en constante évolution de la finance numérique.
