Qui paie quand la finance autonome tourne mal ?

Les contrats intelligents fondés sur l’IA ont besoin de mécanismes de responsabilité pour changer d’échelle

Un agent d’IA transfère de l’argent après avoir interprété des données de marché. Un contrat intelligent exécute la transaction exactement comme demandé. La technologie fonctionne, mais le client perd de l’argent parce que l’instruction était erronée. Qui paie ?

La réponse pourrait déterminer si la finance autonome devient une infrastructure fiable ou reste une expérimentation que les clients abordent avec prudence. Une exécution plus rapide crée de la valeur, mais l’adoption institutionnelle exige aussi une autorité clairement définie, des garde-fous efficaces et un processus crédible de prise en charge des pertes.

Une étude conceptuelle de Kwok Tung Cheung et Sridhar Ramamoorti, publiée dans AI and Ethics, examine la responsabilité lorsque l’IA agentique interagit avec des contrats intelligents.¹ Son argument central ouvre une voie constructive : les organisations peuvent mettre en place des mécanismes de responsabilité avant le déploiement, même s’il est difficile de déterminer qui est individuellement fautif après une défaillance.

Pourquoi l’IA agentique modifie les risques liés aux contrats intelligents

Un contrat intelligent classique exécute des conditions programmées. Un agent d’IA y ajoute une capacité d’interprétation : il peut évaluer des informations, choisir des outils et lancer des transactions pour atteindre un objectif. En pratique, le modèle peut fonctionner en dehors de la chaîne de blocs tout en appelant des contrats qui exécutent ses décisions.

Cela soulève deux questions distinctes. Le contrat s’est-il exécuté correctement ? Et l’agent était-il autorisé et fondé à demander cette action ? Une transaction techniquement valide peut tout de même constituer une défaillance opérationnelle.

L’article illustre ce problème à l’aide d’un scénario hypothétique de prêt décentralisé. Une interaction inattendue avec un oracle, service qui fournit des données de prix externes, amène un système de surveillance fondé sur l’IA à déclencher une liquidation inappropriée de garanties. La perte qui en résulte implique plusieurs maillons : la fourniture des données, le comportement du modèle, la configuration du protocole et l’exécution.

Pour les lecteurs qui suivent les agents d’IA qui transfèrent de l’argent, il s’agit du prochain défi en matière de gouvernance. L’autorisation de réaliser des transactions définit ce que le logiciel peut faire. La responsabilité détermine quels participants doivent répondre des conséquences lorsque cette autorisation cause un préjudice.

Ce que propose l’étude sur la responsabilité en matière d’IA

Les auteurs distinguent l’imputabilité, l’obligation de rendre compte et la responsabilité. En termes généraux, ces notions renvoient respectivement à l’attribution d’une action, à l’explication de ses raisons et à la soumission à une procédure institutionnelle assortie de conséquences.

Selon eux, la responsabilité peut être maintenue même si les deux autres notions restent incertaines. Une entreprise peut accepter des obligations définies pour le déploiement d’un système sans qu’il soit nécessaire de prouver qu’un employé en particulier avait anticipé toutes les conséquences. Ces obligations doivent être définies équitablement, et non attribuées arbitrairement après la survenue de pertes.

Les conditions suivantes résument les fondements que propose l’article pour établir une responsabilité légitime sans preuve de faute individuelle.

Cette distinction est importante pour les particuliers. Accepter des conditions ne donne pas à l’emprunteur le contrôle de la conception du modèle ni du choix de l’oracle. Les auteurs font donc peser une part importante des obligations en amont. Il s’agit d’un cadre proposé, et non d’une affirmation selon laquelle cette répartition des responsabilités s’applique déjà dans toutes les juridictions.

Le contrôle humain exige du temps et une autorité réelle

L’article préconise une approche où l’humain garde la maîtrise : les personnes définissent les objectifs, les comportements acceptables, les droits d’intervention et les responsabilités liées au déploiement. La surveillance par une personne ne suffit pas si les transactions sont exécutées avant qu’elle puisse intervenir.

Parmi les garde-fous proposés à titre d’exemple pour le prêt figurent un seuil d’examen des liquidations de 250 000 $, un flux de prix calculé sur une période d’au moins 15 minutes et un délai de contestation d’au moins 60 minutes pour les liquidations répondant aux critères. Il s’agit de paramètres de conception proposés, et non de seuils de sécurité mesurés.

Cette réserve met en évidence un compromis commercial important. Retarder une liquidation pourrait protéger un emprunteur contre des données erronées, tout en augmentant l’exposition du prêteur si la valeur des garanties s’effondre réellement. Les différents actifs et marchés nécessitent des contrôles différents. Une période d’attente universelle serait difficile à justifier.

Une mise en œuvre pratique associerait donc des décisions humaines en matière de règles à une application automatisée. Les petites opérations autorisées pourraient être exécutées immédiatement ; les opérations inhabituelles pourraient être suspendues ; et les situations d’urgence pourraient déclencher des restrictions prédéfinies.

• Définir les actifs, les destinations et les montants auxquels un agent peut accéder.
• Suivre l’exposition cumulée au fil d’une série de transactions.
• Attribuer le pouvoir d’intervention et vérifier son efficacité sous pression.

La responsabilité fait partie de l’infrastructure financière

Pour les entreprises, la finance autonome doit gérer à la fois les coûts de transaction et les coûts liés aux défaillances. Des règlements moins coûteux peuvent générer des économies limitées si les clients doivent assumer des litiges coûteux, des démarches de recouvrement ou des pertes imprévues.

Prenons l’exemple d’un agent autorisé à effectuer des paiements inférieurs à 100 $. Des centaines de paiements, chacun conforme aux règles, pourraient tout de même dépasser le budget prévu par le client. Le contrôle pertinent porte donc sur les dépenses cumulées pour une tâche ou une période, et pas seulement sur le montant de chaque transaction.

Les contrôles devraient également échapper au pouvoir discrétionnaire du modèle. Demander à un agent de respecter un budget n’équivaut pas à exiger d’un logiciel indépendant qu’il rejette les dépenses non autorisées. Cela distingue la capacité de l’agent à proposer une action du pouvoir du système de l’exécuter.

À mesure que les paiements entre machines élargissent l’éventail des services que les logiciels peuvent acheter, cette séparation prend de la valeur. Un agent qui achète des données avant de les utiliser pour effectuer des transactions enchaîne des décisions liées entre elles. Les opérateurs doivent comprendre l’ensemble du processus.

L’indemnisation doit s’appuyer sur des fonds suffisants

Une autre conséquence dépasse la répartition des rôles proposée dans l’étude : une entité responsable doit disposer des ressources nécessaires pour honorer ses obligations. Un opérateur nommé mais insuffisamment capitalisé offre une protection limitée lorsque plusieurs clients subissent des pertes simultanément.

Selon l’activité, des réserves, une assurance ou des garanties contractuelles pourraient soutenir un dispositif d’indemnisation crédible. Chacune de ces solutions entraîne des coûts et comporte des limites. Les exclusions d’assurance, par exemple, pourraient créer une lacune précisément lorsque le comportement inédit d’un agent occasionne une perte.

Pour les investisseurs, cela suggère d’évaluer la rentabilité après prise en compte des mesures de protection et des obligations d’indemnisation. La croissance des transactions d’une plateforme ne raconte qu’une partie de l’histoire. Des marges durables dépendent du coût d’une exploitation sûre et des pertes qui restent à la charge de l’entreprise.

Coinbase fait le lien entre les agents d’IA et l’exécution financière

Coinbase offre une exposition aux marchés cotés des entreprises qui développent ces capacités. La présentation des portefeuilles agentiques décrit des plafonds programmables par session, des limites par transaction, l’isolation des clés privées et le filtrage des transactions. Ces fonctionnalités montrent comment l’accès aux services financiers peut être encadré au niveau de l’infrastructure.

Dans son annonce du 22 septembre 2026, Coinbase for Agents a ajouté les actions et les paiements x402, reliant les transactions effectuées par des agents aux paiements de données et de services de modèles. Coinbase a décrit des paramètres configurables pour l’accès aux actifs, des limites de dépenses et des approbations pour chaque action.

La même annonce indique que les utilisateurs dirigent l’activité de l’agent et assument le risque lié aux transactions. Cela contraste de manière révélatrice avec la préférence de l’étude pour attribuer les risques liés aux modèles et aux protocoles aux parties en mesure d’influer sur eux. Les garde-fous intégrés aux produits et la responsabilité contractuelle répondent à des aspects différents du problème.

Les outils de Coinbase ne démontrent pas que l’entreprise met en œuvre le cadre proposé dans l’étude. Le lien avec l’investissement est plus large : l’adoption des agents pourrait accroître la demande de services de portefeuille, de paiement et d’exécution. La question de savoir si cette demande générera des revenus importants dépend de l’utilisation, de la monétisation, de la concurrence et des coûts d’exploitation. Coinbase reste également exposée à l’ensemble du marché des cryptomonnaies.

Dernières actualités et évolutions de Coinbase (COIN)

Ce que les investisseurs doivent surveiller dans la finance autonome

L’étude avance un argument en faveur de la gouvernance, sans valider expérimentalement les mesures de protection qu’elle propose. Il reste difficile d’engager des poursuites contre des organisations pseudonymes, et son scénario hypothétique de liquidation ne permet pas d’établir comment les contrôles fonctionneraient pendant une véritable crise de marché.

Elle fournit néanmoins une orientation utile pour évaluer les progrès. Les investisseurs peuvent rechercher des limites de pouvoir explicites, des mécanismes d’intervention éprouvés, une répartition transparente des pertes et des preuves que les clients accordent de la valeur à ces protections.

Les entreprises les plus solides pourraient être celles qui rendent l’autonomie suffisamment fiable pour que les clients y recourent de manière répétée. Une responsabilité clairement définie pourrait contribuer à transformer une exécution financière plus rapide en un service auquel les institutions et les particuliers sont prêts à faire confiance.

Références :

¹ Cheung, K. T., & Ramamoorti, S. (2026). Responsabilité dans les contrats intelligents et l’IA agentique : comment combler le déficit de responsabilité tout en préservant un contrôle humain réel ? AI and Ethics, 6, article 585. https://doi.org/10.1007/s43681-026-01434-3