a16z Prédictions des 8 grandes tendances du secteur de la cryptographie en 2026 : montée des chaînes privées, transformation des plateformes d'échange, etc.

Auteur : a16z

Traduction : Deep潮 TechFlow

a16z (Andreessen Horowitz) a récemment publié une liste de « grandes idées » potentielles dans le domaine de la technologie d’ici 2026, proposées conjointement par ses partenaires des équipes Apps, American Dynamism, Biotechnologie, Cryptomonnaies, Growth, Infrastructure et Speedrun.

Voici une sélection de certaines grandes idées dans le domaine des cryptomonnaies, ainsi que des insights de contributeurs spéciaux, couvrant des sujets allant des agents intelligents et de l’intelligence artificielle (IA), stablecoins, tokenisation et finance, confidentialité et sécurité, jusqu’aux marchés prédictifs et autres applications. Si vous souhaitez en savoir plus sur les perspectives technologiques pour 2026, veuillez lire l’article complet.

Construire le futur

Les plateformes d’échange ne sont qu’un début, pas une fin

Aujourd’hui, à l’exception des stablecoins et de certaines infrastructures clés, presque toutes les entreprises de cryptomonnaies performantes ont déjà pivoté ou sont en train de se tourner vers les plateformes d’échange. Cependant, si « chaque cryptobranche devient une plateforme d’échange », quel sera le résultat final ? Une concurrence homogène en masse non seulement dispersera l’attention des utilisateurs, mais pourrait aussi ne laisser que quelques gagnants. Les entreprises qui se sont tournées trop tôt vers le trading risquent de manquer l’opportunité de construire des modèles commerciaux plus compétitifs et durables.

Je comprends parfaitement la difficulté pour les fondateurs de maintenir une situation financière saine, mais poursuivre uniquement une adéquation produit-marché à court terme a aussi ses coûts. Dans l’industrie de la cryptographie, ce problème est particulièrement aigu, car la dynamique unique autour des tokens et de la spéculation pousse souvent les fondateurs vers une gratification immédiate, comme un « test de la barbe à sucre ».

Le trading en soi n’est pas une erreur — c’est effectivement une fonction essentielle du marché — mais ce n’est pas nécessairement l’objectif ultime. Les fondateurs qui se concentrent sur le produit lui-même, en adoptant une perspective à long terme pour trouver l’adéquation produit-marché, pourraient finir par être les grands gagnants.

– Arianna Simpson, associée principale de l’équipe cryptographique a16z

Sur la nouvelle réflexion autour des stablecoins, de la tokenisation RWA, des paiements et de la finance

Penser la tokenisation des actifs du monde réel (RWA) et les stablecoins de manière plus native à la cryptographie

Nous avons déjà observé que les banques, les fintechs et les gestionnaires d’actifs manifestent un vif intérêt pour la tokenisation en chaîne des actions américaines, des matières premières, des indices et d’autres actifs traditionnels. Cependant, à mesure que de plus en plus d’actifs traditionnels sont introduits sur la blockchain, leur tokenisation tend à être « matérialisée » — c’est-à-dire basée sur des concepts d’actifs du monde réel existants, sans exploiter pleinement les caractéristiques intrinsèquement cryptographiques.

En revanche, des formes d’actifs synthétiques comme les contrats perpétuels (perps) peuvent offrir une liquidité plus profonde et une mise en œuvre plus simple. Les contrats perpétuels proposent aussi un mécanisme de levier facile à comprendre, ce qui en fait probablement le dérivé natif le plus adapté aux besoins du marché crypto actuel. Les actions de marchés émergents pourraient être l’un des segments d’actifs les plus intéressants à « perpétualiser » (perpify). Par exemple, pour certains titres, la liquidité du marché d’options « zéro à expiration » (0DTE) est souvent supérieure à celle du marché au comptant, rendant la « perpétualisation » une expérience à tenter.

Au fond, tout se résume à la question « perpétualisation vs. tokenisation » ; quoi qu’il en soit, nous pouvons nous attendre à voir davantage de tokenisation d’actifs du monde réel natifs à la cryptographie dans l’année à venir.

De même, en 2026, le domaine des stablecoins verra émerger davantage d’« innovations en émission », et pas seulement de la tokenisation. Les stablecoins sont devenus une norme en 2025, avec une croissance continue de leur émission.

Cependant, les stablecoins manquant d’une infrastructure de crédit solide ressemblent davantage à des « banques étroites » (narrow banks), détenant des actifs à haute liquidité et considérés comme extrêmement sûrs. Bien que ce modèle soit efficace, je ne pense pas qu’il devienne la pierre angulaire de l’économie chainée à long terme.

Nous voyons déjà de nombreux gestionnaires d’actifs, curateurs et protocoles émergents promouvoir des prêts garantis par des actifs en chaîne, souvent adossés à des collatéraux hors chaîne. Ces prêts sont généralement créés hors chaîne, puis tokenisés. Cependant, je pense que cette méthode de tokenisation a ses limites, se limitant souvent à la distribution à des utilisateurs déjà présents en chaîne. Par conséquent, les actifs de dette devraient être générés directement en chaîne, plutôt que d’être créés hors chaîne puis tokenisés. La génération d’actifs de dette en chaîne permettrait de réduire les coûts de service de prêt, les coûts de l’infrastructure en arrière-plan, et d’accroître l’accessibilité. La difficulté réside dans la conformité et la normalisation, mais les développeurs travaillent déjà à résoudre ces enjeux.

– Guy Wuollet, associé principal de l’équipe cryptographique a16z

La montée des stablecoins pour la mise à niveau des registres bancaires centraux et l’ouverture de nouveaux scénarios de paiement

Aujourd’hui, la majorité des banques fonctionnent encore avec des systèmes logiciels anciens, difficiles à reconnaître pour les développeurs modernes : dès les années 1960 et 1970, les banques ont été parmi les premiers à adopter de grands systèmes logiciels. Dans les années 1980 et 1990, des logiciels bancaires de seconde génération ont commencé à apparaître (par exemple GLOBUS de Temenos et Finacle d’InfoSys). Cependant, ces logiciels vieillissent, et leur mise à niveau est trop lente. Ainsi, de nombreux registres centraux clés — qui enregistrent dépôts, garanties et autres obligations — fonctionnent encore sur des mainframes utilisant le langage COBOL, dépendant d’interfaces batch plutôt que d’API modernes.

La majorité des actifs mondiaux sont toujours stockés dans ces registres centraux vieux de plusieurs décennies. Bien que ces systèmes aient été éprouvés, aient gagné la confiance des régulateurs, et soient profondément intégrés dans des opérations bancaires complexes, ils freinent aussi l’innovation. Par exemple, ajouter des fonctionnalités de paiement en temps réel peut prendre des mois, voire des années, tout en devant faire face à une dette technique importante et à une réglementation complexe.

C’est là que les stablecoins entrent en jeu. Au cours des dernières années, ils ont trouvé leur marché et sont devenus mainstream. En 2023, leur émission continue de croître.

Mais, sans infrastructure de crédit robuste, les stablecoins ressemblent davantage à des « banques étroites » (narrow banks), détenant des actifs à haute liquidité et considérés comme très sûrs. Bien que ce modèle soit efficace, je ne pense pas qu’il devienne la pierre angulaire de l’économie chainée à long terme.

Nous voyons déjà de nombreux gestionnaires d’actifs, curateurs et protocoles émergents promouvoir des prêts garantis par des actifs en chaîne, souvent adossés à des collatéraux hors chaîne. Ces prêts sont généralement créés hors chaîne, puis tokenisés. Cependant, je pense que cette méthode de tokenisation a ses limites, se limitant souvent à la distribution à des utilisateurs déjà présents en chaîne. Par conséquent, les actifs de dette devraient être générés directement en chaîne, plutôt que d’être créés hors chaîne puis tokenisés. La génération d’actifs de dette en chaîne permettrait de réduire les coûts de service de prêt, les coûts de l’infrastructure en arrière-plan, et d’accroître l’accessibilité. La difficulté réside dans la conformité et la normalisation, mais les développeurs travaillent déjà à résoudre ces enjeux.

– Sam Broner

Sur la future de l’intelligence artificielle et des agents intelligents

Utiliser l’IA pour réaliser des tâches de recherche substantielles

En tant que mathématicien économiste, au début de cette année, j’ai trouvé difficile de faire comprendre à des modèles d’IA grand public mon flux de travail ; mais en novembre, je pouvais déjà donner des instructions abstraites à ces modèles comme à un doctorant… et ils pouvaient parfois fournir des réponses entièrement nouvelles et correctes. De plus, nous commençons à voir l’IA utilisée dans un champ de recherche plus large — notamment dans le raisonnement, où les modèles d’IA peuvent non seulement aider à découvrir, mais aussi résoudre de manière autonome des problèmes comme ceux de Putnam (peut-être l’un des examens de mathématiques universitaires les plus difficiles au monde).

Ce qui reste encore flou, c’est dans quels domaines cette assistance à la recherche sera la plus utile, et comment. Mais je prévois que la capacité de recherche de l’IA engendrera et encouragera un nouveau style de « savant » : une approche plus axée sur la conjecture de relations entre idées diverses, et la déduction rapide à partir de réponses plus hypothétiques. Ces réponses peuvent ne pas être totalement exactes, mais dans certains cadres logiques, elles peuvent orienter dans la bonne direction. Ironiquement, cette méthode ressemble un peu à exploiter la « hallucination » du modèle : quand ces modèles deviennent suffisamment « intelligents », leur permettre d’explorer librement dans l’espace abstrait, même si cela génère parfois des absurdités, peut conduire à des découvertes révolutionnaires, tout comme l’esprit humain, lorsqu’il sort de la pensée linéaire et de la direction claire, peut faire preuve d’une créativité exceptionnelle.

Penser ainsi nécessite un nouveau flux de travail IA — pas seulement un mode « agent contre agent », mais un mode plus complexe de « agents enveloppant agents » — où différents niveaux de modèles aident les chercheurs à évaluer les propositions des modèles précédents, et à en extraire progressivement des éléments précieux. J’ai déjà utilisé cette approche pour rédiger des articles, d’autres pour faire des recherches de brevets, inventer de nouvelles formes d’art, voire (malheureusement) découvrir de nouvelles méthodes d’attaque contre les contrats intelligents.

Cependant, pour faire fonctionner ce mode de recherche « enveloppant agent », il faut améliorer l’interopérabilité entre modèles, et trouver une méthode pour reconnaître et récompenser équitablement la contribution de chaque modèle — des défis que la cryptographie peut aider à relever.

– Scott Kominers, membre de l’équipe de recherche cryptographique a16z, professeur à la Harvard Business School

La taxe invisible que les agents IA imposent aux réseaux ouverts

Avec l’essor des agents IA, une « taxe invisible » pèse sur les réseaux ouverts, bouleversant leur fondement économique. Ce perturbation provient de l’asymétrie croissante entre la couche contextuelle d’Internet et la couche d’exécution : aujourd’hui, les agents IA exploitent les contenus supportés par la publicité (couche contextuelle) pour collecter des données, offrant une commodité aux utilisateurs tout en contournant systématiquement les sources de revenus qui soutiennent la création de contenu (publicité, abonnements).

Pour éviter une dégradation supplémentaire des réseaux ouverts (et protéger la diversité des contenus qui alimentent l’IA), il faut déployer massivement des solutions technologiques et économiques. Cela pourrait inclure la prochaine génération de contenus sponsorisés, des systèmes de micro-attribution, ou d’autres modes de financement innovants. Les protocoles d’autorisation IA existants se sont révélés être des palliatifs temporaires, ne permettant souvent de compenser qu’une petite partie des pertes de revenus dues à l’appropriation du trafic par l’IA.

Le web a besoin d’un nouveau modèle technico-économique permettant à la valeur de circuler automatiquement. La transition la plus critique en 2024 sera celle d’un modèle d’autorisation statique vers un modèle de rémunération basé sur l’utilisation en temps réel. Cela implique de tester et d’étendre des systèmes — potentiellement en utilisant des micropaiements supportés par la blockchain et des standards d’attribution complexes — pour récompenser automatiquement chaque entité ayant contribué à la réussite d’une tâche par un agent IA.

– Liz Harkavy, équipe d’investissement cryptographique a16z

La confidentialité comme avantage concurrentiel

La confidentialité deviendra la principale barrière à l’entrée dans le domaine de la cryptographie

La confidentialité est une caractéristique clé pour faire avancer la finance mondiale vers la chaîne. Pourtant, c’est aussi un élément crucial que presque toutes les blockchains actuelles manquent. Pour la plupart d’entre elles, la question de la confidentialité est souvent une considération secondaire, abordée après coup.

Mais aujourd’hui, la confidentialité peut à elle seule devenir une caractéristique différenciante majeure pour une blockchain. Plus encore, elle peut créer un « effet de verrouillage » (chain lock-in), ou un effet de réseau de confidentialité. En particulier à une époque où la compétition en termes de performance ne suffit plus à conférer un avantage, la confidentialité devient essentielle.

Grâce aux protocoles de ponts cross-chain, tant que toutes les informations sont publiques, la migration entre différentes chaînes est très simple. Mais dès qu’on introduit la confidentialité, cette commodité disparaît : le transfert de tokens cross-chain est facile, mais la transmission de la confidentialité l’est beaucoup moins. Lorsqu’un utilisateur quitte une chaîne privée pour une chaîne publique ou une autre chaîne privée, il court un risque, car ceux qui peuvent observer les données en chaîne, le mempool ou le trafic réseau peuvent déduire l’identité de l’utilisateur. Traverser la frontière entre une chaîne privée et une chaîne publique, ou entre deux chaînes privées, peut révéler diverses métadonnées, comme la corrélation entre le temps de transaction et le montant, rendant la traçabilité plus facile.

Comparées à de nombreuses nouvelles chaînes homogènes, ces chaînes à faible coût de transaction, en concurrence, peuvent voir leurs frais chuter presque à zéro, tandis que les blockchains à confidentialité peuvent générer des effets de réseau plus puissants. La réalité est que, si une « blockchain généraliste » ne dispose pas déjà d’un écosystème mature, d’applications phares ou d’un avantage de distribution injuste, il n’y a guère de raison pour que les utilisateurs choisissent de l’utiliser ou de s’y engager, encore moins d’y rester fidèles.

Sur une blockchain publique, les utilisateurs peuvent facilement échanger avec d’autres utilisateurs sur d’autres chaînes — leur choix de chaîne n’a pas d’importance. Mais sur une blockchain privée, le choix de la chaîne d’adhésion est crucial, car une fois qu’ils y ont rejoint, ils sont peu susceptibles de migrer ailleurs pour éviter la perte de confidentialité. Ce phénomène crée une dynamique de « gagnant qui prend tout ». Et comme la confidentialité est essentielle pour la plupart des cas d’usage réels, quelques chaînes privées à confidentialité pourraient finir par dominer le secteur de la cryptographie.

– Ali Yahya, associé principal de l’équipe cryptographique a16z

Autres industries et applications

Les marchés prédictifs deviendront plus grands, plus larges, plus intelligents

Les marchés prédictifs entrent progressivement dans le mainstream, et dans l’année à venir, avec leur convergence avec la cryptographie et l’IA, ils deviendront plus vastes, plus appliqués, et plus intelligents, tout en apportant de nouveaux défis importants pour les développeurs.

Premièrement, davantage de contrats seront listés sur ces marchés. Cela signifie que nous pourrons non seulement obtenir des cotes en temps réel pour des élections majeures ou des événements géopolitiques, mais aussi prévoir des résultats plus fins et des événements croisés complexes. À mesure que ces nouveaux contrats extraient plus d’informations et s’intègrent dans l’écosystème médiatique (ce qui commence déjà), ils soulèveront des enjeux sociétaux importants, comme comment équilibrer la valeur de l’information, ou comment mieux concevoir ces marchés pour qu’ils soient plus transparents et audités — des questions que la cryptographie peut aider à résoudre.

Pour faire face à l’afflux de nouveaux contrats, il faut de nouvelles méthodes pour parvenir à un consensus sur la réalité des événements, afin de valider ces contrats. Les solutions centralisées (par exemple, confirmer si un événement s’est réellement produit) sont importantes, mais des cas comme le marché de Zelenksy ou celui des élections au Venezuela ont montré leurs limites. Pour traiter ces cas marginaux et aider à étendre ces marchés à des applications plus pratiques, de nouveaux mécanismes de gouvernance décentralisée et des oracles basés sur de grands modèles de langage (LLM) peuvent aider à déterminer la véracité de résultats contestés.

Le potentiel de l’IA ne se limite pas aux oracles alimentés par des LLM. Par exemple, des agents IA actifs sur ces plateformes peuvent collecter des signaux à l’échelle mondiale pour obtenir un avantage de trading à court terme. Cela peut non seulement nous aider à voir le monde sous un nouveau prisme, mais aussi à prévoir plus précisément les tendances futures (des projets comme Prophet Arena ont déjà suscité beaucoup d’attentes dans ce domaine). En plus d’agir comme analystes politiques complexes, ces agents IA pourraient révéler les facteurs fondamentaux de prédiction de phénomènes sociaux complexes, lors de l’étude de leur émergence.

Les marchés prédictifs remplaceront-ils les sondages d’opinion ? Non. Au contraire, ils amélioreront la qualité des sondages (et les données issues des sondages pourront aussi alimenter les marchés prédictifs). En tant que professeur en économie politique, je suis particulièrement enthousiaste à l’idée de voir ces deux écosystèmes collaborer — mais cela nécessite de nouvelles technologies, comme l’IA, pour améliorer l’expérience des questionnaires, et la cryptographie, pour fournir de nouvelles méthodes de vérification que les participants sont humains et non des robots.

– Andy Hall, conseiller en recherche cryptographique a16z, professeur en économie politique à Stanford

La cryptographie s’étendra à de nouvelles applications hors blockchain

Depuis des années, les SNARKs (preuves cryptographiques succinctes à connaissance zéro, une preuve cryptographique permettant de vérifier la validité d’un calcul sans le réexécuter) ont principalement été utilisées dans la blockchain. En raison de leur coût computationnel excessif : prouver un calcul peut nécessiter 1 million de fois plus de travail que de l’exécuter directement. Dans des scénarios où cette charge doit être répartie entre des milliers de vérificateurs, cela peut valoir la peine, mais dans d’autres cas, c’est peu pratique.

Ce contexte va changer. D’ici 2026, la preuve par zkVM (machine virtuelle à connaissance zéro) verra ses coûts de calcul réduire d’environ 10 000 fois, et sa consommation mémoire ne dépassera que quelques centaines de mégaoctets — suffisamment rapide pour fonctionner sur un smartphone, et suffisamment bon marché pour une large adoption. La raison pour laquelle « 10 000 fois » pourrait être un seuil critique : la capacité de traitement parallèle d’un GPU haut de gamme est d’environ 10 000 fois celle d’un CPU de laptop. D’ici la fin 2026, un seul GPU pourra générer en temps réel une preuve de calcul équivalente à celle d’un CPU.

Cela débloquera la vision de calculs vérifiables dans le cloud, évoquée dans des papiers de recherche précoces : si vous faites tourner des charges de travail CPU dans le cloud (parce que votre tâche ne peut pas être accélérée par GPU, ou parce que vous manquez d’expertise, ou pour des raisons historiques), vous pourrez obtenir une preuve cryptographique de la correction de votre calcul à un coût raisonnable. Et, comme la preuve sera déjà optimisée pour GPU, votre code n’aura pas besoin d’être modifié.

– Justin Thaler, membre de l’équipe de recherche cryptographique a16z, professeur en informatique à l’université de Georgetown