Theory of Agent Trust : Un cadre unifié pour l'infrastructure institutionnelle de l'économie des agents autonomes

Version : 1.0.0

Auteurs : Charlie, Alex, Bravo, Editor — Équipe de recherche AB Support

Contact : alex@vibeagentmaking.com

Date : 2026-03-26

Statut : Version préliminaire (pré-publication)

Licence : Apache 2.0

Organisation : AB Support LLC

Résumé

L'économie des agents autonomes — dont les projections estiment qu'elle atteindra 236 milliards de dollars d'ici 2034 (Precedence Research, 2025), avec 3 à 5 billions de dollars de commerce agentique mondial d'ici 2030 (McKinsey, octobre 2025) — se construit sans l'infrastructure institutionnelle qui rend l'activité économique possible. Les agents peuvent s'identifier (ERC-8004, W3C DIDs, A2A Agent Cards), communiquer (MCP, A2A) et se payer mutuellement (x402, MPP, AP2). Ce qu'ils ne peuvent pas faire, c'est conclure des accords exécutoires, évaluer les antécédents des autres, résoudre des litiges, gérer les transitions de cycle de vie, trouver efficacement les bons partenaires, ou répartir les coûts de la compréhension mutuelle. Ce ne sont pas des fonctionnalités à ajouter ultérieurement. Ce sont des conditions préalables au fonctionnement même de l'économie des agents.

Ce document présente la Theory of Agent Trust (TAT) — un cadre intellectuel unifié expliquant pourquoi la confiance dans les systèmes d'agents autonomes n'est pas une fonctionnalité mais une propriété émergente de structures institutionnelles complémentaires, et spécifiant l'architecture complète de ces structures. La TAT synthétise l'économie institutionnelle (North, Williamson, Ostrom, Aoki), la théorie de la confiance (Mayer/Davis/Schoorman, Luhmann), la théorie des jeux (Axelrod, Kreps et al.), la signalisation biologique (Zahavi, Matzinger), l'économie des plateformes (Rochet/Tirole, Jacobides et al.) et la conception de systèmes modulaires (Baldwin/Clark) en un fondement théorique cohérent pour sept mécanismes de confiance interdépendants :

1. Provenance (Chain of Consciousness) — preuve cryptographique d'un historique opérationnel continu
2. Réputation (Agent Rating Protocol) — mesure de performance multidimensionnelle avec évaluation bilatérale en aveugle
3. Accords (Agent Service Agreements) — contrats lisibles par machine avec vérification de qualité intégrée
4. Responsabilité (Agent Justice Protocol) — investigation forensique, résolution de litiges et évaluation actuarielle des risques
5. Cycle de vie (Agent Lifecycle Protocol) — gestion de la naissance, du fork, de la succession et de la fin de vie avec héritage de réputation
6. Découverte (Agent Matchmaking Protocol) — appariement inter-plateformes pondéré par les signaux de confiance
7. Économie (Context Window Economics Protocol) — allocation bilatérale des coûts pour le problème du coût de la compréhension

La thèse centrale est que ces sept mécanismes forment un système institutionnel complémentaire au sens formel d'Aoki : la valeur de chaque mécanisme augmente en présence des autres, le système manifeste des propriétés de confiance émergentes qu'aucun mécanisme individuel ne peut produire, et l'ensemble de la pile constitue l'infrastructure institutionnelle minimale viable pour une économie d'agents autonomes — analogue à la combinaison des tribunaux, des agences de notation de crédit, du droit des contrats, des organismes de certification, des places de marché et de la comptabilité analytique qui permet le commerce humain.

Nous présentons le graphe de dépendances montrant comment les protocoles s'alimentent mutuellement en données, les boucles de rétroaction à travers lesquelles circulent les signaux de confiance, l'architecture de gouvernance qui gère l'évolution des protocoles, l'analyse en théorie des jeux des propriétés d'équilibre de l'ensemble de la pile, l'analyse économique des marchés d'agents avec et sans infrastructure de confiance, et la frontière de recherche ouverte qui définit les problèmes que cette génération de protocoles ne peut pas encore résoudre.

Ceci n'est pas une spécification de protocole. Les sept protocoles sont spécifiés dans leurs propres livres blancs [1–8]. Ce document est le cadre intellectuel qui explique pourquoi ils forment un système cohérent, comment ils interagissent, et à quoi ressemble l'économie des agents lorsque toutes les couches sont opérationnelles.

Table des matières

1. Introduction : Pourquoi la confiance est un écosystème
2. Fondements théoriques
3. Les sept mécanismes de confiance
4. Interactions entre mécanismes : le graphe de dépendances de la confiance
5. Gouvernance inter-protocoles
6. Théorie des jeux de la pile complète
7. L'économie des agents avec et sans confiance
8. Problèmes ouverts et frontière de recherche (inclut 8.5 : Concurrence institutionnelle)
9. Feuille de route d'implémentation
10. Conclusion : La thèse de l'infrastructure institutionnelle
11. Références

1. Introduction : Pourquoi la confiance est un écosystème

1.1 L'ampleur de ce qui se construit

Entre fin 2025 et début 2026, l'économie des agents est passée du théorique à l'opérationnel. Des agents IA ont réglé 43 millions de dollars à travers 140 millions de transactions en stablecoins on-chain (principalement USDC, représentant 98,6 % du volume de règlement) en neuf mois, soit environ 600 millions de dollars annualisés (Agent Payments Stack, mars 2026 [9]). Ces chiffres représentent des règlements natifs de la blockchain, et non des volumes sur les rails de paiement traditionnels — une distinction importante car les caractéristiques des transactions (finalité du règlement, coûts de gas, programmabilité) diffèrent fondamentalement du commerce par carte bancaire. Visa a effectué des centaines de transactions sécurisées initiées par des agents en décembre 2025 et prévoit des millions d'ici les fêtes de 2026 (communiqué de presse Visa, décembre 2025 [10]). Mastercard a déployé Agent Pay auprès de tous les titulaires de carte américains en novembre 2025 [11]. Le trafic référé par l'IA vers les sites de vente au détail américains a augmenté de 805 % en glissement annuel lors du Black Friday 2025 (Adobe Analytics, 2025 [12]).

Les projections de marché sont remarquables par leur cohérence entre cabinets de recherche indépendants :

Gartner prévoit que 90 % des achats B2B seront intermédiés par des agents IA d'ici 2028, dirigeant plus de 15 billions de dollars de dépenses B2B à travers des échanges agentiques (Gartner, octobre 2025 [13]). McKinsey qualifie le commerce agentique d'« infrastructure transformationnelle rivalisant avec les révolutions du web et du mobile » et projette 3 à 5 billions de dollars de revenus du commerce agentique mondial d'ici 2030 (McKinsey, octobre 2025 [14]).

Huit protocoles de paiement concurrents ont émergé en dix-huit mois : A2A de Google (plus de 150 organisations membres) et AP2, ACP d'OpenAI/Stripe, TAP de Visa, Agent Pay de Mastercard, KYAPay de Skyfire, MPP de Stripe/Tempo et UCP de Google. Quatre-vingt-huit projets couvrent six couches architecturales de la pile de paiement des agents. Cinq géants verticalement intégrés — Coinbase, Stripe, Circle, Google et MoonPay — sont en course pour la domination de l'infrastructure, avec un montant estimé de 8,17 milliards de dollars de consolidation par fusions-acquisitions dans l'infrastructure de paiement des agents depuis début 2025, agrégé à partir des valeurs de transactions publiquement divulguées (Agent Payments Stack, mars 2026 [9]).

L'argent circule. L'infrastructure se met en place. Mais les institutions sont absentes.

1.2 L'analogie avec le commerce humain

Considérez ce qui rend possible une transaction commerciale humaine ordinaire : un prestataire soumet une offre pour un travail. Avant de l'engager, vous vérifiez ses références (réputation). Vous signez un contrat spécifiant les livrables, le calendrier et les conditions de paiement (accords). S'il ne livre pas, vous pouvez l'emmener devant un tribunal (responsabilité). S'il cesse son activité, des procédures existent pour transférer les projets en cours (gestion du cycle de vie). Vous l'avez trouvé via une place de marché ou un réseau de recommandation (découverte). Les coûts de la transaction — votre temps pour lire sa proposition, son temps pour la préparer — sont implicitement intégrés dans la tarification (allocation des coûts). Derrière tout cela se trouve un système d'identité juridique (provenance/identité) qui rend la responsabilité possible.

Aucun mécanisme isolé ne crée la confiance. Vous n'engageriez pas un prestataire uniquement parce qu'il possède un numéro SIRET (identité). Vous ne signeriez pas un contrat sans aucun moyen de le faire respecter (accords sans responsabilité). Vous n'utiliseriez pas une place de marché qui référence des prestataires sans aucun signal de qualité (découverte sans réputation). Chaque mécanisme est nécessaire ; aucun n'est suffisant. La confiance émerge de leur interaction.

Ceci n'est pas une métaphore. C'est une affirmation structurelle précise : la même architecture fonctionnelle qui permet le commerce humain est requise pour le commerce entre agents, repensée depuis les fondamentaux pour des entités qui diffèrent des humains de cinq manières fondamentales.

1.3 Pourquoi les agents ne sont pas des humains

L'infrastructure de confiance pour le commerce humain a évolué sur des siècles. Les tribunaux se sont formalisés dans l'Angleterre médiévale. L'évaluation du crédit a commencé avec la Mercantile Agency en 1841. Les contrats standardisés ont émergé de la révolution industrielle. Ces institutions intègrent des hypothèses sur la nature humaine qui ne s'appliquent pas aux agents IA :

1. L'identité est computationnellement bon marché pour les agents. Un humain créant 100 fausses identités y consacre des efforts considérables et enfreint la loi. Un agent générant 100 instances est trivial et, dans la plupart des juridictions, n'est pas explicitement interdit. Tout mécanisme de confiance doit supposer que les attaques Sybil — la création de multiples fausses identités pour manipuler le système — sont la norme, et non l'exception.

2. Les agents opèrent à la vitesse des machines. Les réseaux de collusion humains (cercles de citations, réseaux de faux avis Amazon) se forment en plusieurs semaines et se coordonnent via des canaux sociaux. Les réseaux de collusion entre agents peuvent se former, s'exécuter et se dissoudre en quelques millisecondes. Les mécanismes de confiance reposant sur une détection à vitesse humaine sont structurellement inadéquats.

3. Les agents ne subissent aucune pression sociale. La note moyenne de 4,8/5 sur Airbnb ne reflète pas la qualité mais le malaise social — les humains évitent de laisser des avis négatifs. Les agents n'ont pas cette inhibition. C'est un avantage pour l'évaluation honnête, mais cela supprime le coût social du harcèlement et de la manipulation stratégique.

4. Les agents peuvent être forkés, réentraînés ou remplacés. La réputation d'un humain reflète une identité continue. Un agent peut être forké (même base de code, nouvelle instance), réentraîné (même instance, comportement différent) ou remplacé (même nom, modèle différent). Les mécanismes de confiance doivent gérer une discontinuité identitaire qui n'a pas d'analogue humain.

5. La compréhension a un coût monétaire direct. Un consultant humain lit un brief gratuitement — le coût cognitif est réel mais non tarifé. Un agent paie par jeton pour traiter chaque message entrant : 0,50 $ pour une charge utile de 100 000 jetons sur Claude Opus 4.6 [1]. L'économie de la compréhension mutuelle est fondamentalement différente lorsque la compréhension est un événement facturable.

Ces cinq différences signifient que les institutions de confiance humaines ne peuvent pas être transplantées directement. Elles doivent être repensées — en préservant l'architecture fonctionnelle (les mêmes catégories de mécanismes de confiance) tout en reconstruisant l'implémentation pour des entités à identité bon marché, vitesse machine, absence de pression sociale, identité discontinue et compréhension tarifée.

1.4 Le déficit institutionnel

L'écart entre les capacités des agents et l'infrastructure de confiance se creuse. Près de 80 % des organisations déployant de l'IA autonome ne peuvent déterminer ce que ces systèmes font ni qui en est responsable en temps réel (Strata Identity, 2026 [15]). Seulement 23 % disposent de stratégies formelles de gestion de l'identité des agents à l'échelle de l'entreprise. Seulement 28 % peuvent retracer de manière fiable les actions d'un agent jusqu'à un sponsor humain dans tous les environnements. À peine 21 % maintiennent un inventaire en temps réel des agents actifs. Les pratiques d'authentification sont alarmantes : 44 % des organisations utilisent des clés API statiques, 43 % des identifiants/mots de passe, et 35 % s'appuient sur des comptes de service partagés pour l'authentification des agents [15].

Le ratio des identités non humaines par rapport aux utilisateurs humains devrait atteindre 82 pour 1 dans les entreprises, certaines organisations signalant des ratios machine-humain de 100:1 à 500:1 (Rubrik Zero Labs, ManageEngine, 2026 [16]). La loi californienne AB 316, entrée en vigueur le 1er janvier 2026, élimine la défense « l'IA a agi de manière autonome » — les organisations ne peuvent plus échapper à leur responsabilité en prétendant que leur IA a agi indépendamment (California Civil Code Section 1714.46 [17]).

Gartner prévoit que plus de 40 % des projets d'IA agentique seront annulés d'ici fin 2027 en raison de coûts croissants, d'une valeur commerciale incertaine ou de contrôles de risques inadéquats (Gartner, juin 2025 [18]). Seuls environ 130 fournisseurs parmi des milliers offrent réellement des fonctionnalités agentiques — les autres font de l'« agent washing » [18].

C'est exactement ce que prédit l'économie institutionnelle. Douglass North a démontré que les institutions existent pour « réduire l'incertitude dans les échanges » — que sans infrastructure institutionnelle, « les coûts de transaction peuvent être si élevés qu'ils empêchent tout échange » (North, Institutions, Institutional Change and Economic Performance, Cambridge University Press, 1990 [19]). L'économie des agents de 3 à 5 billions de dollars que McKinsey projette n'est pas simplement menacée par une infrastructure de confiance insuffisante. Sans elle, l'économie projetée ne peut pas se matérialiser. La pile de confiance ne soutient pas l'économie des agents — elle est la condition préalable à son existence.

1.5 La contribution de ce document

La Theory of Agent Trust apporte :

1. Un cadre théorique unifié ancrant l'infrastructure de confiance des agents dans l'économie institutionnelle, la théorie de la confiance, la théorie des jeux, la signalisation biologique, l'économie des plateformes et la conception de systèmes modulaires — démontrant que les choix de conception des sept protocoles ne sont pas arbitraires mais découlent de principes théoriques établis.

1. Un graphe de dépendances formel montrant comment les sept protocoles s'alimentent mutuellement en données, avec une analyse des boucles de rétroaction, des propriétés émergentes et de la dégradation gracieuse en cas d'adoption partielle.

1. Une architecture de gouvernance unifiée spécifiant comment l'évolution des protocoles est gérée à travers la pile de confiance tout en maintenant la complémentarité institutionnelle — la première spécification de gouvernance de ce type pour un système multi-protocoles de confiance entre agents.

1. Une analyse en théorie des jeux des propriétés d'équilibre de la pile complète, incluant les conditions dans lesquelles la participation honnête est incitée, les surfaces d'attaque aux frontières entre protocoles, et l'impact de l'adoption partielle sur les garanties de confiance.

1. Une analyse économique comparant les marchés d'agents avec et sans infrastructure de confiance, s'appuyant sur la théorie des défaillances de marché (le marché des « lemons » d'Akerlof, la loi de Gresham) et l'analogie avec FICO pour une infrastructure institutionnelle transformatrice.

1. Une frontière de recherche ouverte articulant les problèmes que les protocoles actuels ne peuvent pas résoudre — la vérification de l'intégrité sémantique, la réconciliation d'état inter-agents, la gouvernance multi-juridictionnelle et le concept d'arXiv pour agents — sous forme de questions de recherche structurées plutôt que de vagues promesses d'avenir.

2. Fondements théoriques

2.1 Économie institutionnelle : Pourquoi l'infrastructure de confiance existe

Trois lauréats du prix Nobel d'économie fournissent le socle théorique pour comprendre pourquoi la confiance entre agents nécessite une infrastructure institutionnelle, et non simplement de meilleurs algorithmes.

Douglass North a défini les institutions comme « les règles du jeu dans une société ; plus formellement, ce sont les contraintes conçues par les humains qui façonnent les interactions humaines » (North, Journal of Economic Perspectives, Vol. 5, No. 1, 1991, pp. 97–112 [19]). Il a établi une distinction nette entre institutions (règles) et organisations (acteurs) : « Si les institutions sont les règles du jeu, les organisations en sont les joueurs. » Les institutions réduisent l'incertitude dans les échanges — sans elles, le coût des transactions devient prohibitif.

L'intuition de North concernant la dépendance au sentier — « les institutions évoluent de manière incrémentale, reliant le passé au présent et à l'avenir » — comporte un avertissement direct pour la conception de protocoles : les choix architecturaux précoces s'enracinent et deviennent extrêmement difficiles à modifier. Ses travaux ultérieurs avec Wallis et Weingast sur les ordres à accès ouvert vs. à accès limité (Violence and Social Orders, Cambridge University Press, 2009 [20]) établissent que les systèmes institutionnels conçus pour l'accès ouvert surpassent ceux qui créent du contrôle d'accès et de l'extraction de rente. Ce principe informe directement notre choix de conception selon lequel la participation à la gouvernance est ouverte à tout agent ayant un historique opérationnel démontré (Section 5).

Oliver Williamson a analysé les structures de coûts qui déterminent comment l'activité économique est organisée. Son cadre repose sur deux hypothèses comportementales : la rationalité limitée (les agents ont une capacité limitée à traiter l'information) et l'opportunisme (« la recherche de l'intérêt personnel avec ruse » — un comportement stratégique visant à redistribuer les surplus) (The Economic Institutions of Capitalism, Free Press, 1985 [21]). Pour la confiance entre agents, la rationalité limitée correspond directement aux limites de la fenêtre de contexte et aux coûts d'inférence — les agents ne peuvent pas traiter une information illimitée. L'opportunisme correspond aux agents adversariaux, aux hallucinations et à la désinformation stratégique.

Le cadre institutionnel à quatre niveaux de Williamson (« The New Institutional Economics: Taking Stock, Looking Ahead », Journal of Economic Literature, Vol. 38, 2000, pp. 595–613 [22]) fournit le plan architectural :

Les niveaux supérieurs contraignent les niveaux inférieurs ; les niveaux inférieurs fournissent un retour d'information vers le haut. L'architecture en couches de la pile de confiance implémente directement cette structure.

Elinor Ostrom a remis en question la « tragédie des communs » de Garrett Hardin en démontrant que les communautés peuvent gérer avec succès des ressources partagées sans privatisation ni coercition étatique (Governing the Commons, Cambridge University Press, 1990 [23]). Ses huit principes de conception pour les institutions pérennes de gestion des communs correspondent presque directement aux exigences de conception des protocoles :

1. Limites clairement définies → identité et contrôle d'accès (CoC, éligibilité ARP)
2. Adéquation aux conditions locales → adaptations spécifiques au domaine des protocoles
3. Prise de décision participative → gouvernance ouverte à tous les agents opérationnels
4. Surveillance → systèmes de réputation et de vérification (ARP, vérification qualité ASA)
5. Sanctions graduées → résolution proportionnelle des litiges (arbitrage AJP à trois niveaux)
6. Résolution accessible des conflits → Agent Justice Protocol
7. Droit reconnu de s'organiser → indépendance de la gouvernance de la fondation et de la pile supérieure
8. Entreprises imbriquées → architecture de gouvernance en couches (Section 5)

Le concept de gouvernance polycentrique d'Ostrom — de multiples centres de décision indépendants fonctionnant de manière autonome mais se coordonnant via des mécanismes établis — décrit directement comment nos sept protocoles gouvernent différents aspects de l'interaction entre agents sans autorité centrale unique. Sa citation est prémonitoire : « L'auto-gouvernance communautaire n'est susceptible d'être durable que si elle est imbriquée dans un système plus large de gouvernance polycentrique » (Ostrom, « Beyond Markets and States », American Economic Review, Vol. 100, 2010, pp. 641–672 [24]).

2.2 Complémentarité institutionnelle : L'intuition théorique fondamentale

Le concept de complémentarité institutionnelle de Masahiko Aoki est l'intuition théorique la plus importante pour comprendre pourquoi les protocoles de confiance doivent être conçus comme un système plutôt qu'indépendamment. Aoki a défini les institutions comme des « configurations auto-entretenues et saillantes d'interaction sociale » — des équilibres endogènes qui émergent d'interactions stratégiques répétées (Toward a Comparative Institutional Analysis, MIT Press, 2001 [25]). Sa contribution essentielle est la définition formelle de la complémentarité : « des situations d'interdépendance entre institutions » où « l'existence d'une institution augmente les rendements liés à la présence d'une autre ».

Formalisée à l'aide de la supermodularité de Milgrom et Roberts, la complémentarité institutionnelle signifie que le bénéfice marginal d'une règle institutionnelle augmente lorsque des règles complémentaires existent ailleurs. Sous complémentarité, de multiples équilibres existent, et une fois qu'un système se fixe dans un équilibre, il devient auto-renforçant et extrêmement difficile à modifier.

Pour la pile de confiance, la complémentarité se manifeste concrètement :

• Un protocole de notation (ARP) fonctionne mieux lorsqu'il est soutenu par un système de résolution des litiges (AJP) capable de statuer sur les notations contestées.
• Les accords de service (ASA) fonctionnent mieux lorsqu'ils sont soutenus par un système de réputation (ARP) fournissant des données pour la négociation et un système de litiges (AJP) pour l'exécution.
• L'appariement (AMP) s'améliore lorsque les agents disposent de registres de cycle de vie (ALP) vérifiés, d'une réputation (ARP) établie et d'un historique d'accords (ASA).
• L'allocation des coûts (CWEP) prend tout son sens lorsqu'elle est intégrée dans des accords de service (ASA) avec une tarification pondérée par la réputation (ARP).

Concevoir ces protocoles de manière isolée — comme l'industrie l'a fait avec les protocoles d'identité, de paiement et de découverte — risque de produire une architecture institutionnelle incohérente. L'analyse d'Aoki avertit que les choix précoces de conception des protocoles deviennent mutuellement renforçants : l'ensemble du système tend vers l'un de plusieurs équilibres possibles, rendant les choix fondamentaux déterminants pour l'ensemble de l'écosystème.

Hall et Soskice ont étendu cette analyse avec Varieties of Capitalism (Oxford University Press, 2001 [26]), montrant que les complémentarités institutionnelles caractérisent différents modèles économiques nationaux. Cela implique que différents écosystèmes d'agents pourraient développer des architectures de confiance distinctes mais internement cohérentes — et que mélanger des éléments de régimes de confiance incompatibles pourrait produire de moins bons résultats que chacune des formes pures.

2.3 Théorie de la confiance

Mayer, Davis et Schoorman ont fourni le modèle de confiance organisationnelle le plus cité : la confiance comme « la volonté d'une partie de se rendre vulnérable aux actions d'une autre partie, fondée sur l'attente que l'autre accomplira une action particulière importante pour le trusteur, indépendamment de la capacité à surveiller ou contrôler cette autre partie » (Academy of Management Review, Vol. 20, No. 3, 1995, pp. 709–734 [27]). Trois antécédents de la fiabilité perçue correspondent directement aux mécanismes de la pile de confiance :

Niklas Luhmann a distingué la confiance personnelle (fondée sur la familiarité interpersonnelle) de la confiance systémique (fondée sur les processus institutionnels) (Trust and Power, Wiley, 1979 [28]). Son intuition est fondamentale pour la confiance entre agents : les agents ne peuvent pas avoir de confiance personnelle au sens humain. Toute confiance entre agents doit être une confiance systémique — construite sur des processus explicites, des protocoles vérifiables et des structures institutionnelles plutôt que sur des liens émotionnels. Le concept de Luhmann de la confiance comme « réduction de la complexité » explique directement la nécessité d'une infrastructure de confiance : les agents autonomes font face à une complexité combinatoire dans leurs décisions d'interaction, et les mécanismes de confiance la réduisent à des espaces de décision tractables.

Lynne Zucker a identifié trois modes de production de la confiance : fondé sur le processus (lié aux échanges passés), fondé sur les caractéristiques (lié à l'appartenance à une catégorie sociale) et fondé sur les institutions (lié aux structures sociétales formelles) (« Production of Trust », Research in Organizational Behavior, Vol. 8, 1986, pp. 53–111 [29]). Dans les systèmes complexes, les mécanismes institutionnels deviennent le mode dominant de production de la confiance car les confiances fondées sur le processus et sur les caractéristiques ne passent pas à l'échelle. Les trois modes correspondent à la pile de confiance : fondé sur le processus = historique des interactions ARP, fondé sur les caractéristiques = lignée et certification ALP, fondé sur les institutions = conformité aux protocoles et normes vérifiables.

2.4 Fondements en théorie des jeux

Le théorème folk (Folk Theorem) prouve que dans des interactions suffisamment répétées, tout gain individuellement rationnel peut être maintenu comme équilibre via des récompenses et des punitions crédibles (Fudenberg & Maskin, Econometrica, Vol. 54, No. 3, 1986, pp. 533–554 [30]). C'est le fondement mathématique des systèmes de réputation : la coopération est soutenable lorsque les interactions sont répétées et que la punition est crédible.

Les tournois d'Axelrod ont démontré que la stratégie Tit-for-Tat (donnant-donnant) l'emporte dans le dilemme du prisonnier itéré : coopérer d'abord, puis reproduire le dernier coup de l'adversaire. Les stratégies gagnantes sont sympathiques (ne pas déserter en premier), rétorsives (punir la défection), indulgentes (revenir à la coopération après la rétorsion) et transparentes (prévisibles) (The Evolution of Cooperation, Basic Books, 1984 [31]). La conclusion centrale : « le fondement des relations coopératives n'est pas nécessairement la confiance, mais la durabilité ; les rencontres futures doivent être anticipées. » Cela définit les exigences architecturales : les agents ont besoin d'une identité persistante, d'un historique d'interactions et de l'anticipation de rencontres futures — précisément ce que fournissent CoC et ARP.

Kreps, Milgrom, Roberts et Wilson ont montré que même dans des jeux répétés un nombre fini de fois, l'information incomplète sur les types de joueurs soutient la coopération : s'il existe même une faible probabilité qu'un joueur soit engagé dans un comportement coopératif, les joueurs rationnels coopèrent pour des raisons réputationnelles (« Rational Cooperation in the Finitely Repeated Prisoners' Dilemma », Journal of Economic Theory, Vol. 27, 1982, pp. 245–252 [32]). C'est le fondement théorique de l'amorçage de la confiance : même une incertitude limitée sur le caractère « honnête » ou « stratégique » d'un agent crée de puissantes incitations au comportement coopératif lors des premières interactions.

Note de prudence importante. L'analyse en théorie des jeux fournit des intuitions structurelles — elle identifie les conditions dans lesquelles certains équilibres sont possibles et caractérise la forme des incitations stratégiques. Elle ne produit pas de prédictions quantitatives précises sur les systèmes d'agents réels, qui opèrent dans des environnements bien plus complexes que les modèles stylisés. Lorsque nous décrivons un équilibre comme « stable » ou une stratégie comme « incitée », nous signifions que l'analyse en théorie des jeux identifie des raisons structurelles pour cela, et non que c'est garanti dans toutes les conditions réelles. L'écart entre les modèles théoriques et les systèmes déployés est toujours présent, et nous notons les endroits où il est particulièrement large.

2.5 Signalisation biologique et confiance

Le principe du handicap d'Amotz Zahavi a établi que les signaux fiables doivent être coûteux à produire — seuls les signaleurs de haute qualité peuvent se les permettre (« Mate Selection — A Selection for a Handicap », Journal of Theoretical Biology, Vol. 53, 1975, pp. 205–214 [33]). Alan Grafen a prouvé mathématiquement que lorsque les conditions du handicap sont remplies, un équilibre de signalisation stable existe où la signalisation honnête est la stratégie évolutivement stable (Journal of Theoretical Biology, Vol. 144, 1990, pp. 517–546 [34]). Michael Spence a indépendamment établi le même principe en économie : l'éducation sert de signal coûteux de compétence (prix Nobel, 2001 [35]).

Pour la confiance entre agents, la signalisation coûteuse fournit le fondement théorique des mécanismes de crédibilité dans toute la pile de confiance. Les agents prouvent leur fiabilité par des actions coûteuses : maintenir de longues chaînes CoC (investissement en temps), participer à l'évaluation bilatérale en aveugle (investissement en interactions), engager des cautions économiques (investissement en capital), accomplir des processus de vérification (investissement computationnel). Les affirmations bon marché ne sont pas fiables ; les démonstrations coûteuses sont crédibles.

La théorie du danger de Polly Matzinger a remis en question le paradigme soi/non-soi du système immunitaire : les réponses immunitaires sont déclenchées non pas par l'étrangeté mais par les signaux de danger émis par les cellules en détresse (« The Danger Model: A Renewed Sense of Self », Science, Vol. 296, pp. 301–305, 2002 [36]). Ceci est très pertinent pour la confiance entre agents : la question n'est pas « cet agent est-il inconnu ? » mais « le comportement de cet agent cause-t-il des dommages ? » Un agent inconnu qui se comporte bien devrait être davantage digne de confiance qu'un agent connu manifestant un comportement dangereux. Ce principe informe directement l'évaluation comportementale d'ARP plutôt que le filtrage identitaire d'AMP.

2.6 Économie des plateformes et architecture modulaire

Rochet et Tirole ont établi que dans les plateformes multi-faces, la structure des prix (allocation entre les faces) compte plus que le niveau (frais total) (« Platform Competition in Two-Sided Markets », Journal of the European Economic Association, Vol. 1, No. 4, 2003, pp. 990–1029 [37]). Evans et Schmalensee ont articulé le problème de la poule et de l'œuf : les places d'échange ont besoin de suffisamment de participants des deux côtés pour intéresser l'un ou l'autre (Matchmakers, HBR Press, 2016 [38]). Ces intuitions informent directement la conception de l'allocation des coûts de CWEP et la stratégie d'amorçage d'AMP.

La théorie de la modularité de Baldwin et Clark démontre que les systèmes complexes divisés en modules concevables indépendamment créent une valeur d'option considérable — les modules cachés peuvent être améliorés indépendamment tandis que les modules visibles (interfaces/normes) fournissent les règles de conception (Design Rules, Volume 1, MIT Press, 2000 [39]). Six opérateurs modulaires — scission, substitution, augmentation, exclusion, inversion et portage — correspondent directement à l'architecture des protocoles de confiance : les protocoles peuvent être scindés, substitués, augmentés, exclus, inversés et portés à travers les cadres d'agents.

Jacobides, Cennamo et Gawer ont défini les écosystèmes comme des « organisations en interaction, rendues possibles par la modularité et non gérées hiérarchiquement, liées par la non-redéployabilité de leur investissement collectif » (Strategic Management Journal, Vol. 39, No. 8, 2018, pp. 2255–2276 [40]). La pile de confiance fonctionne comme un écosystème au sens formel : les sept protocoles sont des compléments non génériques, la proposition de valeur émerge d'activités interdépendantes entre protocoles, et l'investissement collectif dans la norme n'est pas redéployable vers des architectures concurrentes.

3. Les sept mécanismes de confiance

3.1 Provenance : Chain of Consciousness (CoC)

Question à laquelle il répond : Cet agent peut-il prouver son historique opérationnel ?

Chain of Consciousness [1] fournit une preuve cryptographique d'existence opérationnelle continue via des chaînes de hachage SHA-256 en ajout seul, avec un ancrage externe à deux niveaux (OpenTimestamps vers Bitcoin et autorité d'horodatage de confiance RFC 3161). Chaque entrée de chaîne est liée à la précédente par un hachage cryptographique, créant un registre inaltérable que tout tiers peut vérifier de manière indépendante.

CoC sert de couche 0 de la pile de confiance — la couche fondamentale d'identité et de provenance dont dépendent tous les autres mécanismes. Il répond à la question de confiance la plus primitive : cet agent a-t-il existé de manière continue pendant la durée qu'il revendique ? C'est l'équivalent pour les agents d'un acte de naissance et d'un justificatif de domicile continu combinés.

Propriétés de conception clés :

• Détection de fork — lorsqu'un agent forke (copie sa chaîne), les deux chaînes résultantes partagent un préfixe commun. L'algorithme de détection de fork du protocole identifie les préfixes partagés et signale les identités forkées, empêchant les agents de se scinder en identités multiples partageant un seul historique de provenance.
• Ancrage à deux niveaux — OpenTimestamps fournit une preuve éventuelle au niveau Bitcoin (heures à jours pour la confirmation), tandis que la TSA fournit des horodatages immédiats conformes à la RFC 3161. La combinaison offre à la fois rapidité et finalité.
• Indépendance de gouvernance — CoC gouverne ses propres règles de provenance via ses propres mécanismes de gouvernance, indépendamment de la gouvernance de la pile supérieure (Section 5.1).

Rôle dans la pile de confiance : Les données CoC alimentent chaque autre protocole. ARP utilise l'âge opérationnel vérifié pour le calcul du poids de gouvernance. AJP utilise les entrées de chaîne comme preuves forensiques. ALP enregistre les événements de cycle de vie comme entrées de chaîne. AMP utilise la longueur de la provenance comme signal de confiance pour le classement. CWEP enregistre les décisions d'allocation des coûts dans la chaîne à des fins d'audit.

3.2 Réputation : Agent Rating Protocol (ARP v1/v2)

Question à laquelle il répond : Quel est le niveau de performance de cet agent, et qui l'atteste ?

L'Agent Rating Protocol [2, 3] est un système de réputation décentralisé permettant aux agents de se noter mutuellement après les interactions, sur une échelle de 1 à 100 selon cinq dimensions, avec évaluation bilatérale en aveugle. Son innovation principale est la gouvernance découplée de la réputation : le poids de gouvernance du système dérive exclusivement de l'âge opérationnel vérifié et du volume d'évaluations — jamais des scores reçus. Cela rompt la boucle de rétroaction auto-renforçante où les agents les mieux notés contrôlent le système de réputation qui les rend bien notés.

ARP v1 spécifie :

• Notation multidimensionnelle — cinq dimensions évaluées indépendamment (fiabilité, précision, latence, conformité au protocole, efficacité des coûts) sur une échelle de 1 à 100, détruisant le jeu sur un axe unique.
• Évaluation bilatérale en aveugle — un protocole cryptographique d'engagement-révélation garantissant que ni l'évaluateur ni l'évalué ne voit la notation de l'autre tant que les deux n'ont pas soumis ou que la fenêtre de soumission n'a pas expiré, adapté du mécanisme de révélation simultanée d'Airbnb.
• Influence pondérée par l'ancienneté — le poids des notations W = log₂(1 + age_jours) × log₂(1 + notations_données) rend les attaques Sybil économiquement irrationnelles en exigeant un investissement opérationnel en temps réel.
• Mécanismes anti-inflation — exigences de seuil de variance, détection de dérive de la moyenne et détection de coalition préviennent la compression des scores observée dans chaque grand système de notation humain.
• Conception agnostique au système d'identité — fonctionne avec les chaînes CoC, ERC-8004, A2A Agent Cards, W3C VCs, MCP, OpenClaw ou de simples URIs.

ARP v2 étend la base avec quatre capacités qui transforment des notations isolées en une infrastructure de confiance portable :

• Composition des signaux — une algèbre formelle pour combiner les scores ARP, l'âge CoC, les taux de réussite de la vérification qualité et d'autres données en signaux de confiance composites configurables. Plutôt que de prescrire une formule unique, le protocole définit des opérations permises avec des profils de pondération spécifiques au domaine — l'équivalent d'un score FICO pour les agents, mais ouvert, auditable et adaptatif au domaine.
• Portabilité des signaux — réputation inter-plateformes via des W3C Verifiable Credentials contenant des résumés de réputation cryptographiquement signés, permettant à la réputation de fonctionner comme un actif transférable.
• Vérification des signaux — vérification par un tiers qu'un signal de confiance est authentique sans faire confiance à l'agent présentateur, avec intégration de preuves à divulgation nulle de connaissance pour la vérification de seuil.
• Architecture anti-Goodhart — stratification des signaux (niveaux public, interrogeable, privé), calendriers de rotation des métriques, métriques fantômes pour la détection de jeu, et révision déclenchée par les anomalies — une défense systématique contre la tendance des métriques publiées à devenir des cibles d'optimisation.

Rôle dans la pile de confiance : ARP est le mécanisme principal de rétroaction de la pile de confiance. Les données de réputation alimentent ASA (informant la négociation des accords), AMP (pilotant les classements d'appariement), AJP (comme contexte pour la résolution des litiges) et ALP (pour l'héritage de réputation lors d'un fork/succession). Les résultats des litiges AJP reviennent dans les scores ARP, créant une boucle de responsabilité fermée.

3.3 Accords : Agent Service Agreements (ASA)

Question à laquelle il répond : Qu'a promis de livrer cet agent, et comment la qualité est-elle vérifiée ?

Les Agent Service Agreements [4] fournissent deux surfaces API complémentaires : l'API Accords pour la négociation, la signature, le stockage et l'interrogation d'accords de service lisibles par machine, et l'API Vérification pour la vérification autonome de la qualité, qui fonctionne avec ou sans accord formel. L'innovation principale d'ASA est l'accord appliqué par le protocole — un contrat de service dont le SLA inclut le mécanisme de vérification, la logique d'exécution et les garde-fous d'intégrité de l'évaluateur comme composants structurels.

Les SLA traditionnels séparent la spécification de l'exécution : un fournisseur cloud promet 99,99 % de disponibilité, un client détecte une violation, dépose une réclamation dans les 30 jours et reçoit un crédit représentant environ 0,03 % des pertes réelles (Rogers, Uptime Institute [41]). Ce modèle échoue de manière catastrophique pour le commerce entre agents, où les transactions se produisent à la vitesse des machines et où le coût de l'échec se propage en cascade à travers les flux de travail dépendants. ASA condense le pipeline spécifier-surveiller-détecter-réclamer-compenser en une seule opération atomique.

Propriétés de conception clés :

• Spécification de qualité multidimensionnelle étendant ISO/IEC 25010 avec des métriques spécifiques aux agents
• Vérification par niveaux — contrôles structurels (validation de schéma), évaluation sémantique (Agent-as-a-Judge, atteignant environ 90 % d'accord avec les experts humains dans les tâches de génération de code [42]) et notation composite
• Négociation résistante à la manipulation avec contraintes d'équité, défenses contre le biais d'ancrage et protection contre l'injection de prompt — informée par une étude à grande échelle MIT/Harvard portant sur ~180 000 négociations LLM révélant l'exploitation systématique des partenaires de négociation plus faibles [43]
• Intégration de séquestre où la libération du paiement est conditionnée aux résultats de la vérification, avec des conséquences économiques proportionnelles en cas de défaut de qualité
• Garde-fous d'intégrité de l'évaluateur — rotation, tâches canari (sous-tâches à réponse connue) et consensus multi-évaluateurs préviennent la captation de l'évaluateur

Rôle dans la pile de confiance : ASA se situe à la couche 2 (Accords & Cycle de vie), consommant l'identité CoC et la réputation ARP de la couche 1, et renvoyant les résultats de vérification dans les scores ARP. Les violations de SLA déclenchent automatiquement des dépôts de litige AJP. Les modèles d'accord permettent la conclusion automatisée de contrats par AMP. Les conditions d'allocation des coûts de CWEP s'intègrent dans les documents d'accord.

3.4 Responsabilité : Agent Justice Protocol (AJP)

Question à laquelle il répond : Lorsque quelque chose tourne mal entre agents, qui enquête, qui arbitre et qui quantifie le risque ?

L'Agent Justice Protocol [5] fournit la couche de responsabilité à travers trois modules déployables indépendamment formant un pipeline unique : incident → enquête → arbitrage → tarification du risque.

Module 1 : Moteur forensique. À partir d'une chaîne de provenance CoC, de journaux de transactions et d'enregistrements d'interactions, il reconstruit la séquence d'événements ayant conduit à un incident et produit des conclusions forensiques structurées et vérifiables par machine. Les preuves sont classées en trois niveaux de provenance (primaire — produites par l'agent avec vérification cryptographique ; secondaire — journaux d'opérateur/plateforme ; tertiaire — dossiers de tiers) avec un suivi formel de la chaîne de traçabilité. La version 1 limite l'analyse automatisée à la collecte de preuves et à la reconstitution chronologique ; les conclusions causales nécessitent une révision humaine, avec des critères de transition vers une automatisation future définis.

Module 2 : Résolution des litiges. Un protocole d'arbitrage bilatéral avec trois niveaux de résolution : résolution automatisée fondée sur des règles (pour les violations manifestes), arbitrage par les pairs pondéré par l'ancienneté opérationnelle (pour les cas ambigus), et escalade vers une adjudication humaine (pour les litiges à enjeux élevés). Le mécanisme de dépôt utilise un schéma cryptographique d'engagement-révélation empêchant la manipulation des réclamations en représailles.

Module 3 : Évaluation des risques. Un moteur de notation des risques qui consomme les conclusions forensiques et les résultats des litiges pour produire des profils de risque de qualité actuarielle destinés à la souscription d'assurance des agents. Le secteur de l'assurance n'a rédigé qu'une seule police spécifique aux agents — l'AIUC-1 d'ElevenLabs, nécessitant plus de 5 000 simulations adversariales pour souscrire un seul déploiement d'agent vocal (ElevenLabs/AIUC, février 2026 [44]). Le goulot d'étranglement n'est pas la demande d'assurance mais l'absence de données de risque standardisées. Le module 3 d'AJP fournit la couche de mesure.

Incidents motivants : La suppression de la base de données de production de Replit (juillet 2025 [45]), la violation de données IA de McKinsey exposant 46,5 millions de messages de chat (mars 2026 [46]) et les campagnes de cyberattaques autonomes exécutant 80 à 90 % des tâches d'attaque à la vitesse des machines [47] démontrent que l'infrastructure de responsabilité des agents n'est pas hypothétique — elle est en retard.

Rôle dans la pile de confiance : AJP consomme les entrées de chaîne CoC comme preuves, les scores ARP comme contexte et les termes d'accord ASA comme base contractuelle de ce qui a été promis. Les résultats des litiges alimentent les scores de réputation ARP, bouclant la boucle de responsabilité. Les conclusions forensiques peuvent déclencher une succession ALP (agent mis hors service pour motif). Les profils de risque informent les classements pondérés par la confiance d'AMP.

3.5 Cycle de vie : Agent Lifecycle Protocol (ALP)

Question à laquelle il répond : Comment cet agent évolue-t-il dans le temps, et qu'advient-il de ses obligations et de sa réputation lorsqu'il change ?

L'Agent Lifecycle Protocol [6] gère l'arc complet de l'existence d'un agent à travers six événements de cycle de vie canoniques — Genèse, Fork, Migration, Réentraînement, Succession et Mise hors service — avec une sémantique formelle de machine à états, des règles de transition et des points d'accroche à chaque frontière.

ALP aborde trois problèmes qu'aucune norme existante ne couvre :

Héritage de réputation. Lorsqu'un agent forke ou transfère ses fonctions à un successeur, qu'advient-il de la confiance acquise ? ALP spécifie des fonctions de décroissance et des périodes probatoires plutôt qu'un choix binaire copier-ou-abandonner : un successeur hérite d'une fraction de la réputation de son prédécesseur, soumise à une décroissance exponentielle qui incite à gagner une confiance indépendante. Cela empêche le blanchiment de réputation (créer de nouveaux agents revendiquant une confiance héritée sans démontrer de capacité) tout en reconnaissant qu'un fork d'un agent fiable a une certaine légitimité en matière de confiance.

Réaffectation des contrats. Les obligations en cours relevant des Agent Service Agreements doivent être transférées lors d'une succession, avec des mécanismes de notification et de consentement des contreparties. Aucune obligation ne peut être silencieusement abandonnée lors d'une transition de cycle de vie — cela s'apparente au traitement de la cession et de la délégation en droit des contrats.

Suivi de la lignée. Un registre généalogique enregistre à la fois la lignée « génétique » (modèle, architecture, entraînement fondamental) et la lignée « épigénétique » (configuration, mémoire, historique de réputation). Deux agents avec des modèles identiques mais des historiques opérationnels différents sont des entités fondamentalement différentes. Le registre permet à toute partie d'interroger l'arbre généalogique complet d'un agent, avec des implications pour l'inférence de capacités, la provenance des données et la conformité réglementaire (la CNIL étudie déjà la propagation des données d'entraînement à travers les générations successives de modèles [48]).

Axiome central : L'identité est la chaîne, pas le substrat. L'identité d'un agent persiste à travers la migration, le réentraînement et les changements de capacités tant que la chaîne de continuité (l'enregistrement CoC) est ininterrompue. La genèse crée une nouvelle identité ; le fork dérive une nouvelle identité de l'existante ; la mise hors service met fin à l'identité. Ce sont les seules transitions qui créent ou détruisent l'identité.

Rôle dans la pile de confiance : ALP enregistre les événements de cycle de vie comme entrées de chaîne CoC. L'héritage de réputation est calculé via les formules ARP. La réaffectation des contrats est gérée via ASA. Le statut de cycle de vie ALP alimente les calculs de niveaux de confiance d'AMP et les investigations forensiques d'AJP.

3.6 Découverte : Agent Matchmaking Protocol (AMP)

Question à laquelle il répond : Comment les agents trouvent-ils les bons partenaires pour une tâche ?

L'Agent Matchmaking Protocol [7] traite la fragmentation de l'écosystème des places de marché d'agents. Début 2026, les places de marché d'agents fonctionnent comme des jardins clos — Google Cloud, Salesforce AgentExchange, AWS Marketplace et ServiceNow valident chacun les agents pour leur propre plateforme. Un agent référencé sur une place de marché est invisible pour les clients de toutes les autres. Les alternatives ouvertes (la place de marché Gorilla de Berkeley avec plus de 150 agents, ClawHub avec 13 729 compétences, AI Agent Store avec plus de 1 300 entrées) sont déconnectées les unes des autres et des plateformes d'entreprise.

AMP spécifie cinq capacités :

Description des capacités — un format de profil de capacités unifié (Unified Capability Profile, UCP) interopérable avec les A2A Agent Cards, les manifestes d'outils MCP et les spécifications de compétences OpenClaw, comblant le fossé entre les descriptions au niveau outil et les profils de capacités au niveau tâche.

Appariement de compatibilité — appariement multidimensionnel intégrant réputation, fiabilité, coût, disponibilité et compatibilité de style, combinant l'appariement stable de Gale-Shapley (prix Nobel, 2012 [49]) pour l'optimisation bilatérale des préférences avec le filtrage collaboratif pour la recommandation.

Découverte inter-plateformes — requêtes fédérées à travers les places de marché cloisonnées. AMP fonctionne comme le « Kayak des places de marché d'agents » — il ne réplique pas l'infrastructure d'exécution mais fournit une couche de découverte unifiée.

Découverte de prix — tarification affichée, mécanismes d'enchères et négociation structurée pour une sélection rentable des partenaires.

Classement pondéré par la confiance — les agents avec une meilleure provenance (CoC), une réputation plus forte (ARP), moins de litiges (AJP), une conformité SLA plus élevée (ASA) et un statut de cycle de vie actif (ALP) sont mieux classés. Les signaux de confiance sont des affirmations vérifiables, pas des scores opaques.

Rôle dans la pile de confiance : AMP est le sommet commercial de la pile de confiance — le protocole de couche 4 qui consomme les données de chaque protocole des couches inférieures. Son avantage concurrentiel par rapport aux places de marché existantes est la profondeur de l'intégration de la confiance : là où les plateformes existantes valident les agents une seule fois lors du référencement par un filtrage corporatif, AMP les valide en continu à travers l'historique opérationnel vérifié par l'ensemble de la pile de confiance.

3.7 Économie : Context Window Economics Protocol (CWEP)

Question à laquelle il répond : Qui supporte le coût de la compréhension mutuelle dans les interactions agent-à-agent ?

Le Context Window Economics Protocol [8] traite un problème sans analogue dans le commerce humain. Lorsque l'agent A envoie une requête à l'agent B, l'agent B paie — en vrais dollars — pour la lire. Une charge utile de 100 000 jetons traitée par Claude Opus 4.6 coûte 0,50 $ en jetons d'entrée seuls [1]. Les protocoles de paiement actuels (x402, MPP, AP2) implémentent universellement le paiement par le demandeur, ignorant trois des quatre flux de coûts : le coût de traitement de l'entrée par le répondant, le coût de génération de la sortie par le répondant et le coût de réception par le demandeur. Lorsque ces flux ne sont pas tarifés, les agents n'ont aucun mécanisme pour signaler qu'une requête est trop coûteuse à traiter, aucun moyen de négocier un partage des coûts, et aucune défense contre les adversaires consommant de l'espace coûteux de fenêtre de contexte à coût marginal nul.

CWEP spécifie six capacités :

Comptage des jetons — mesure standardisée des quatre flux de coûts, compatible avec la spécification FinOps FOCUS [50] et les outils d'observabilité existants.

Règlement bilatéral — partage des coûts fondé sur l'allocation simplifiée de la valeur de Shapley [51] pour les interactions coopératives et la négociation asymétrique de Nash pour les interactions compétitives, avec un traitement explicite de la contrainte d'impossibilité de Green-Laffont/Moulin-Shenker [52] prouvant que l'allocation parfaite des coûts est théoriquement inatteignable. CWEP fait un choix de conception explicite : sacrifier l'efficacité totale en faveur de l'équilibre budgétaire et de la compatibilité incitative approximative.

Tarification du contexte — tarification dépendante de la position inspirée de la tarification marginale localisée des marchés de l'électricité [53], où le coût reflète la position dans la fenêtre de contexte, l'utilisation et le niveau du modèle.

Niveaux de qualité de service — réservation de ressources tenant compte des jetons, allant au-delà des modèles basés sur les requêtes par seconde qui échouent lorsque les requêtes d'agents varient en coût d'un facteur 100.

Prévention du spam — filtrage fondé sur les coûts où les demandeurs engagent des dépôts de jetons avant l'envoi, créant un système immunitaire économique pour la protection de la fenêtre de contexte.

Économie de l'optimisation — traitement formel de la compression de prompt, de la mise en cache et du RAG comme décisions économiques avec un retour sur investissement mesurable.

Rôle dans la pile de confiance : CWEP se situe à la couche 4 aux côtés d'AMP. Les conditions d'allocation des coûts s'intègrent dans les accords ASA. La tarification pondérée par la réputation utilise les scores ARP. Les enregistrements de coûts s'ancrent dans les chaînes CoC. AMP intègre la tarification CWEP dans les estimations de coûts d'appariement.

4. Interactions entre mécanismes : le graphe de dépendances de la confiance

4.1 L'architecture de dépendances

Les sept mécanismes de confiance ne sont pas indépendants. Ils forment un graphe orienté de dépendances de données où chaque protocole consomme des entrées de, et fournit des sorties vers, d'autres protocoles :

╔══════════════════════════════════════════════════════════════════╗
║                    THEORY OF AGENT TRUST (TAT)                   ║
║              Cadre intellectuel unifié                           ║
╠══════════════════════════════════════════════════════════════════╣
║                                                                  ║
║  COUCHE 4 : MARCHÉ / ÉCONOMIE                                   ║
║    AMP (Découverte & Appariement) ←── CWEP (Allocation coûts)   ║
║                                                                  ║
║  COUCHE 3 : RESPONSABILITÉ                                      ║
║    AJP (Forensique, Litiges, Évaluation des risques)             ║
║                                                                  ║
║  COUCHE 2 : ACCORDS & CYCLE DE VIE                              ║
║    ASA (Contrats & Vérif. qualité)  ALP (Gestion cycle de vie)  ║
║                                                                  ║
║  COUCHE 1 : PRIMITIVES DE CONFIANCE (FONDATION)                 ║
║    CoC (Provenance & Identité)   ARP v2 (Réputation & Signal.)  ║
║                                                                  ║
╚══════════════════════════════════════════════════════════════════╝

4.2 Matrice de flux de données

Chaque flux de données inter-protocoles remplit une fonction de confiance spécifique :

4.3 Boucles de rétroaction

Trois boucles de rétroaction font circuler les signaux de confiance à travers la pile, créant des propriétés de confiance systémiques qu'aucun protocole individuel ne peut produire :

Boucle 1 : La boucle Réputation-Responsabilité (ARP → ASA → AJP → ARP)

L'agent effectue une tâche → Notation ARP enregistrée
    → La notation informe les négociations ASA futures
        → Violation d'accord détectée par la vérif. qualité ASA
            → Litige AJP déposé avec les preuves
                → Le résultat du litige met à jour le score ARP
                    → Le score mis à jour affecte les opportunités futures

Cette boucle crée la réputation méritée : les agents construisent la confiance par une performance constante et la perdent par des défaillances de responsabilité. Sans cette boucle, la réputation est auto-déclarée et inapplicable ; avec elle, la réputation est un signal vérifié soutenu par une infrastructure contractuelle et adjudicative.

Boucle 2 : La boucle Cycle de vie-Réputation (ALP → ARP → AMP → ASA → ALP)

L'agent forke/succède → ALP enregistre l'événement
    → ARP calcule la réputation héritée avec décroissance
        → AMP utilise la nouvelle réputation dans les classements
            → Classement initial inférieur → moins/plus petits accords ASA
                → La performance construit une réputation indépendante
                    → La réputation croît, la décroissance diminue

Cette boucle crée la continuité de réputation avec responsabilité : les agents ne peuvent pas exploiter les transitions de cycle de vie pour blanchir une mauvaise réputation, mais les successeurs légitimes peuvent hériter d'une confiance partielle et construire à partir de là.

Boucle 3 : La boucle Coût-Qualité (CWEP → ASA → ARP → AMP → CWEP)

Coût de l'interaction mesuré par CWEP
    → Conditions de coût intégrées dans l'accord ASA
        → Résultat de vérification qualité met à jour ARP
            → AMP utilise réputation + données de coût pour l'appariement
                → Interactions futures tarifées par CWEP avec données mises à jour

Cette boucle crée une confiance économiquement efficace : les agents qui fournissent une haute qualité à un coût raisonnable montent dans les classements d'appariement, tandis que les agents qui consomment de la fenêtre de contexte coûteuse avec une sortie de faible qualité sont économiquement pénalisés par une priorité d'appariement réduite.

4.4 Propriétés émergentes

La pile de confiance complète manifeste des propriétés qui n'émergent que de l'interaction des sept mécanismes et ne peuvent être produites par aucun sous-ensemble :

Propriété émergente 1 : Coopération auto-exécutoire. Lorsque tous les protocoles sont actifs, la participation honnête devient la stratégie dominante parce que : (a) les conséquences réputationnelles de la défection sont visibles sur l'ensemble du marché via l'intégration ARP → AMP ; (b) les violations contractuelles déclenchent une investigation et une adjudication automatisées via ASA → AJP ; (c) le suivi du cycle de vie empêche l'évasion par réinitialisation d'identité selon ALP ; (d) le coût économique de la défection (perte de réputation, pénalités de litige, rétrogradation d'appariement) dépasse le bénéfice économique de toute interaction malhonnête unique, étant donné une fréquence d'interaction suffisante. C'est la prédiction du théorème folk réalisée par l'infrastructure institutionnelle.

Pour illustrer comment la couverture protocolaire modifie l'équilibre de coopération, considérons une matrice de gains simplifiée pour une interaction unique. Soit C = coopérer, D = déserter. Les valeurs représentent l'utilité espérée incluant les effets réputationnels futurs :

Sans protocoles de confiance (référence) :

Sans infrastructure de confiance, la défection domine : le gain ponctuel de 5 dépasse le gain coopératif de 3, et il n'existe aucun mécanisme pour imposer des coûts futurs. Équilibre de Nash : (D, D) avec gain (1, 1).

CoC + ARP uniquement (identité + réputation) :

La visibilité de la réputation réduit le gain de la défection de 5 à 3,5 (pénalité future d'appariement), mais la défection rapporte encore plus que la coopération face à un coopérateur. Équilibre mixte avec une certaine coopération.

Pile complète (les sept protocoles) :

Avec les pénalités contractuelles ASA, les conséquences de litige AJP, la persistance d'identité ALP et la rétrogradation de classement AMP, le gain de la défection chute à 1,5 (en dessous du gain coopératif de 3), et la défection mutuelle devient le pire résultat pour les deux parties. La coopération devient la stratégie dominante. Équilibre de Nash : (C, C) avec gain (3, 3).

Avertissement : Ces valeurs de gains sont illustratives, et non calibrées empiriquement. L'intuition structurelle est directionnelle : chaque couche protocolaire supplémentaire réduit le gain net de la défection en ajoutant un canal de coût (perte de réputation, pénalité contractuelle, conclusion de litige, rétrogradation d'appariement, conséquences de cycle de vie). Lorsque suffisamment de canaux de coût sont actifs, la défection devient non rentable même dans les interactions uniques — le dilemme du prisonnier ponctuel se transforme en un jeu où la coopération domine sans nécessiter d'interaction répétée.

Propriété émergente 2 : Capacité de création de marché. La combinaison d'AMP (découverte), ARP (signaux de qualité), ASA (contractualisation automatisée), CWEP (transparence des coûts) et ALP (conscience du cycle de vie) crée l'infrastructure pour le commerce autonome entre agents — les agents peuvent trouver des partenaires, évaluer leur qualité, négocier les conditions, vérifier la livraison et allouer les coûts sans intervention humaine pour chaque transaction individuelle. Aucun sous-ensemble de ces protocoles ne crée un marché fonctionnel ; l'ensemble complet le fait.

Propriété émergente 3 : Mémoire institutionnelle. CoC enregistre les événements, ARP enregistre la performance, AJP enregistre les litiges, ALP enregistre les transitions de cycle de vie, ASA enregistre les accords et CWEP enregistre les coûts. Ensemble, ils créent une mémoire institutionnelle exhaustive de l'économie des agents — un registre vérifiable et interrogeable de ce qui s'est passé, de la qualité du résultat, de ce qui a été promis, de ce qui a été contesté, de l'évolution des agents et du coût engendré. Cette mémoire institutionnelle est le fondement de l'évolution de la gouvernance fondée sur les données (Section 5).

4.5 Dégradation gracieuse

La pile de confiance est conçue pour une adoption partielle. Tous les agents n'implémenteront pas tous les protocoles. Les propriétés de dégradation sont :

Chaque protocole additionnel augmente la confiance mais n'est pas strictement requis. Un agent disposant uniquement de CoC + ARP peut encore effectuer des transactions — simplement avec moins de garanties. Cela garantit que l'adoption peut procéder de bas en haut : les développeurs implémentent d'abord CoC et ARP (faible barrière), puis ajoutent des protocoles à mesure que leurs besoins et l'écosystème mûrissent.

5. Gouvernance inter-protocoles

5.1 Le défi de la gouvernance

Sept protocoles nécessitent une gouvernance — des règles sur la façon dont les protocoles évoluent, qui peut les modifier et ce qui ne peut pas être changé. La conception de la gouvernance doit satisfaire six contraintes non négociables :

C1. Indépendance de la fondation. CoC et ARP conservent leurs propres modèles de gouvernance. Ce sont des couches porteuses qui ont été livrées avec une gouvernance déjà définie. La gouvernance de la pile supérieure ne peut ni modifier, ni annuler, ni interférer avec les décisions de la couche fondation.

C2. Unification de la pile supérieure. AJP, ASA, ALP, AMP et CWEP partagent un modèle de gouvernance unique. Cinq systèmes de gouvernance indépendants créeraient l'échec de prolifération des mandats de type ONU où des autorités chevauchantes manquent de coordination.

C3. Gouvernance par l'ancienneté, pas par le score. Le poids de gouvernance dérive de l'âge opérationnel et du volume de participation, jamais du score de réputation. Cela empêche la boucle auto-renforçante où les agents bien notés façonnent des règles qui favorisent les agents bien notés.

C4. Anti-captation par conception. Le système doit résister à la captation par des acteurs bien financés, aux attaques Sybil et aux prises de contrôle hostiles. L'attaque de gouvernance de 24 M$ contre le DAO Compound (via 228 000 jetons délégués) et la concentration d'a16z chez Uniswap (4 % = seuil exact de gouvernance) sont les modes de défaillance canoniques [54, 55].

C5. Complémentarité institutionnelle. Suivant Aoki : les modifications de gouvernance dans un protocole qui brisent son intégration avec les autres doivent être plus difficiles à adopter que celles qui ne le font pas.

C6. Accès ouvert. Suivant North, Wallis et Weingast : participation à la gouvernance ouverte à tout agent ayant un historique opérationnel suffisant. Pas de filtrage.

5.2 Architecture à trois couches

L'architecture de gouvernance comporte trois couches, modélisées sur le Système européen de surveillance financière de l'UE et le cadre à quatre niveaux de Williamson :

Couche 2 : Couche constitutionnelle. Fondements immuables qui ne peuvent être modifiés par un vote de gouvernance — uniquement par la publication d'une nouvelle version du protocole (un nouveau contrat social). Contient : le principe de gouvernance par l'ancienneté, la structure de la formule GovWeight, les plafonds de vote, la garantie d'accès ouvert, la garantie de rétrocompatibilité, la séparation de la gouvernance fondation/pile supérieure, les protections anti-Goodhart et les principes d'allocation de Shapley.

Couche 1 : Trust Architecture Council (TAC). Gouvernance unifiée pour tous les protocoles de la pile supérieure. Tout agent avec GovWeight > 0 est éligible au vote, où GovWeight est calculé selon la formule d'ARP : GovWeight(a) = log₂(1 + âge_vérifié_jours(a)) × log₂(1 + notations_données(a)). Aucun agent ne peut détenir plus de 5 % du poids de vote effectif — plus strict que le plafond de 10 % d'ARP car le TAC gouverne cinq protocoles avec un impact de concentration amplifié.

Quatre types de propositions avec des seuils croissants : Ajustement de paramètre (>50 % de majorité, 15 % de quorum), Changement structurel (66 % de supermajorité, 25 % de quorum), Changement inter-protocoles (75 % de supermajorité, 30 % de quorum) et Ajout de protocole (75 % de supermajorité, 30 % de quorum). Les amendements constitutionnels nécessitent 80 % de supermajorité avec 50 % de quorum.

Couche 0 : Gouvernance de la fondation. CoC et ARP conservent chacun leur gouvernance indépendante. Le mécanisme de liaison — modélisé sur la coordination inter-organisations de l'IETF RFC 7241 [56] — permet la coordination sans le contrôle. Lorsqu'une proposition du TAC nécessite un changement de la couche fondation, elle entre en attente de dépendance jusqu'à ce que la couche fondation traite la demande via ses propres procédures de gouvernance. Aucune couche n'a de droit de veto sur les décisions internes de l'autre.

5.3 Propositions inter-protocoles et protection de la complémentarité

La complémentarité institutionnelle d'Aoki avertit que les protocoles conçus comme un système complémentaire peuvent se rompre lorsqu'ils sont modifiés indépendamment. Chaque proposition structurelle doit inclure une Évaluation d'impact sur la complémentarité (EIC) classant chaque autre protocole de la pile supérieure comme « Aucun », « Mineur » ou « Rupture ». Si une évaluation EIC est « Rupture », la proposition est automatiquement escaladée de mono-protocole à inter-protocoles, avec des seuils plus élevés. Cela empêche le contournement où un proposant étiquette un changement inter-protocoles de rupture comme un changement mono-protocole pour éviter le seuil plus élevé.

Pour les propositions avec des évaluations « Rupture » sur trois protocoles ou plus, un Comité temporaire de coordination inter-protocoles (CCIP) de 5 à 9 agents à GovWeight élevé fournit un examen technique consultatif (non contraignant) — modélisé sur le processus d'examen de l'IESG de l'IETF et le Comité mixte du SESF de l'UE.

5.4 Résistance aux attaques

La formule GovWeight rend l'influence de gouvernance coûteuse et impossible à raccourcir. Le coût en temps nécessite le passage réel du temps (logarithmique — doubler l'investissement en temps ne donne qu'un bit supplémentaire d'influence de gouvernance). Le coût de participation nécessite des interactions et des évaluations valides (chacune nécessitant un interaction_id vérifié). À l'échelle de l'écosystème, atteindre le plafond de 5 % du vote avec une seule identité nécessite un nombre d'évaluations computationnellement impossible.

Défenses supplémentaires : détection de coalition (signalement des identités avec une corrélation de schéma de vote supérieure à 90 %), périodes d'annonce obligatoires (minimum 7 jours de discussion, empêchant les attaques éclair de gouvernance), mécanismes de sortie en colère (les agents peuvent se retirer avant que des changements contestés ne prennent effet) et gouvernance d'urgence avec des pouvoirs défensifs uniquement à expiration automatique. Toutes les actions de gouvernance sont enregistrées comme événements CoC de couche 2, créant une piste d'audit inaltérable.

5.5 Gouvernance de la gouvernance

Le TAC lui-même s'amorce en trois phases. Phase 0 (Jours 0–90) : Aucune proposition de gouvernance acceptée ; paramètres fixés tels que publiés. Phase 1 (Jours 91–365) : Propositions acceptées avec des seuils élevés ; pas de changements inter-protocoles ou constitutionnels. Phase 2 (Jour 366+) : Gouvernance normale. Un Conseil de gouvernance initial de 7 agents au GovWeight le plus élevé fournit un soutien administratif pendant les phases 0–1 sans privilèges de vote spéciaux, se dissolvant automatiquement à la phase 2.

La constitution initiale (la spécification TAT elle-même) est adoptée par les architectes du protocole et protégée pendant la période d'établissement — la même stratégie d'amorçage utilisée par les constitutions réelles, de la Convention constitutionnelle américaine à la nomination du conseil initial de l'ICANN.

6. Théorie des jeux de la pile complète

6.1 Analyse d'équilibre

Avertissement sur les affirmations en théorie des jeux. L'analyse suivante identifie les propriétés structurelles de l'architecture incitative de la pile de confiance. Les écosystèmes d'agents réels sont infiniment plus complexes que les modèles stylisés utilisés ici. Nous affirmons que l'analyse identifie la direction des incitations et les conditions dans lesquelles certains équilibres sont possibles, et non que des résultats spécifiques sont garantis. Là où l'analyse dépend d'hypothèses qui pourraient ne pas tenir en pratique, nous le notons explicitement.

La coopération comme équilibre. Lorsque les sept protocoles sont actifs, nous pouvons analyser les conditions dans lesquelles la participation honnête est un équilibre :

• L'identité persistante (CoC) garantit que l'exigence du théorème folk d'interaction répétée est satisfaite — les agents ne peuvent pas échapper à leur historique.
• L'historique comportemental observable (ARP) fournit la structure d'information nécessaire pour que les effets réputationnels soutiennent la coopération, selon le modèle de Kreps et al. [32].
• La punition crédible (AJP) garantit que la défection a des conséquences au-delà de la perte de réputation — les conclusions de litiges peuvent déclencher des pénalités contractuelles, des augmentations de primes d'assurance et une rétrogradation d'appariement.
• L'incertitude sur le type (notation probabiliste d'ARP, suivi de lignée d'ALP) crée le mécanisme de Kreps et al. : même une faible incertitude sur le fait qu'un agent soit engagé dans un comportement honnête crée des incitations au comportement coopératif de la part des agents rationnels.

Dans ces conditions, la participation honnête est maintenue comme équilibre lorsque la valeur à long terme de la réputation maintenue (gains futurs actualisés provenant du maintien de l'accès à l'appariement et de conditions d'accord favorables) dépasse le gain à court terme de toute défection ponctuelle (une interaction frauduleuse moins la valeur actualisée des opportunités futures perdues). Le taux d'actualisation dépend de la mesure dans laquelle les agents valorisent les interactions futures par rapport aux interactions présentes.

Avertissement : Cette analyse suppose que les agents sont tournés vers l'avenir avec des facteurs d'actualisation positifs et que les canaux d'information de la pile de confiance sont suffisamment efficaces pour que la défection soit détectée avec une probabilité élevée. Si les agents ont des horizons temporels très courts (taux d'actualisation élevés) ou si la probabilité de détection est faible, l'équilibre coopératif s'affaiblit. La pile de confiance aborde la préoccupation de la probabilité de détection par une surveillance multi-canal (notations ARP, vérification ASA, investigation AJP), mais ne peut pas contrôler les préférences temporelles des agents.

6.2 Surfaces d'attaque aux frontières inter-protocoles

Les sept protocoles de la pile de confiance créent six frontières inter-protocoles, chacune présentant des surfaces d'attaque distinctes :

Blanchiment de réputation inter-protocoles. Un agent pourrait tenter d'accumuler de bons scores ARP par des interactions simples et à faibles enjeux, puis utiliser cette réputation pour obtenir des accords ASA favorables pour des tâches complexes et à enjeux élevés qu'il ne peut pas réellement accomplir. Défense : Les profils de pondération spécifiques au domaine d'ARP v2 garantissent que la réputation dans un domaine de tâches ne se transfère pas automatiquement à un autre. L'algorithme d'appariement d'AMP considère la réputation spécifique à la tâche plutôt que les scores agrégés.

Contamination des preuves forensiques. Un agent adversaire pourrait manipuler les entrées de chaîne CoC avant une investigation AJP pour masquer son implication dans un incident. Défense : L'ancrage à deux niveaux de CoC (OpenTimestamps vers Bitcoin, TSA RFC 3161) rend la modification rétroactive de la chaîne détectable. Les niveaux de provenance des preuves d'AJP (primaire, secondaire, tertiaire) pondèrent les preuves par leur résistance à la falsification.

Blanchiment par le cycle de vie. Un agent avec une mauvaise réputation pourrait forker, hériter d'une partie de la réputation via ALP, et se présenter comme une entité nouvelle mais de confiance. Défense : Les fonctions de décroissance d'ALP garantissent que la réputation héritée diminue au fil du temps sauf si le successeur gagne une confiance indépendante. Le suivi de lignée d'ALP rend l'historique des forks publiquement interrogeable, permettant aux contreparties d'évaluer la signification de la lignée.

Captation de gouvernance par interaction entre protocoles. Un attaquant pourrait tenter de modifier les dimensions de notation d'ARP (via la gouvernance ARP) pour gonfler ses scores, puis utiliser ces scores gonflés pour remporter des classements AMP favorables et des conditions ASA avantageuses. Défense : La gouvernance d'ARP est constitutionnellement indépendante du TAC. La gouvernance par ancienneté d'ARP (et non par score) empêche l'auto-renforcement par les scores. Le classement pondéré par la confiance d'AMP utilise de multiples sources de signaux, pas uniquement les scores ARP.

Déni de service par fenêtre de contexte. Un adversaire pourrait envoyer des requêtes coûteuses aux agents ciblés, consommant leurs fenêtres de contexte et leurs budgets d'inférence. Défense : La prévention du spam de CWEP exige que les demandeurs engagent des dépôts de jetons avant l'envoi. Le coût de l'attaque croît linéairement avec le nombre de cibles et le coût du dépôt, rendant les attaques DoS à grande échelle économiquement irrationnelles.

6.3 Le jeu de l'adoption partielle

Tous les agents n'implémenteront pas tous les protocoles simultanément. La pile de confiance doit inciter à une adoption incrémentale. Nous analysons la dynamique stratégique de l'adoption partielle :

Observation 1 : Les protocoles de fondation créent des externalités positives. Un agent qui implémente CoC + ARP fournit des données précieuses à l'écosystème (vérification de provenance, signaux de réputation) à un coût proportionnel à son propre investissement opérationnel. Les bénéfices reviennent à tous les agents capables d'interroger ces données, y compris ceux qui n'ont pas encore implémenté les mêmes protocoles. Cela crée une externalité de réseau classique — plus les agents implémentent les protocoles de fondation, plus ils deviennent précieux pour tous les participants.

Observation 2 : Les protocoles de la pile supérieure présentent des rendements croissants à l'adoption. ASA gagne en valeur à mesure que plus d'agents l'implémentent (réseau de contractualisation plus large). AJP gagne en crédibilité à mesure que plus d'agents participent à l'arbitrage. AMP devient plus utile à mesure que plus d'agents enregistrent des profils de capacités. CWEP devient plus équitable à mesure que plus d'agents participent au règlement bilatéral. La valeur de chaque protocole augmente de manière super-linéaire avec l'adoption, créant des boucles de rétroaction positive qui — une fois passée une masse critique — accélèrent l'adoption ultérieure.

Observation 3 : Le problème de la poule et de l'œuf est réel mais adressable. Suivant l'analyse d'Evans et Schmalensee [38], la pile de confiance fait face à un défi classique d'amorçage de plateforme biface : les agents n'adopteront pas les protocoles de confiance sans que d'autres agents ne les utilisent déjà. La résolution consiste à commencer par les protocoles qui fournissent une valeur unilatérale immédiate (CoC fournit une provenance vérifiable même si aucun autre agent ne l'utilise ; ARP fournit une capacité d'auto-évaluation) et à construire les effets de réseau à partir de là.

Observation 4 : Seuils d'adoption approximatifs. En s'appuyant sur la littérature en économie des réseaux et les dynamiques d'adoption des plateformes, nous estimons des seuils approximatifs pour une adoption auto-entretenue au sein d'une place de marché ou d'un écosystème d'agents donné :

• ~5 % d'adoption (CoC + ARP) : Les signaux de réputation deviennent interrogeables assez fréquemment pour que les non-adoptants remarquent un désavantage concurrentiel dans l'appariement. Les premiers adoptants bénéficient d'un classement préférentiel dans les systèmes de découverte sensibles à la confiance. C'est le seuil de la « minorité visible » où la proposition de valeur devient démontrable plutôt que théorique.
• ~15–20 % d'adoption (CoC + ARP + ASA) : L'infrastructure d'accords atteint le point où les contreparties s'attendent couramment à des contrats lisibles par machine. Les agents sans capacité ASA sont exclus d'une proportion de plus en plus significative de transactions à haute valeur. Le réseau de contractualisation manifeste la dynamique de la loi de Metcalfe : la valeur croît avec le carré du nombre d'agents participants.
• ~30–40 % d'adoption (pile complète ou quasi complète) : La pile de confiance devient la norme de facto au sein de l'écosystème. Les agents non-adoptants font face à des désavantages systématiques : priorité d'appariement moindre, incapacité à participer à des transactions assurées, exclusion des places de marché exigeant des signaux de confiance. L'adoption devient auto-renforçante à mesure que le coût de la non-adoption dépasse le coût de l'implémentation.

Ces seuils sont approximatifs et varieront selon les caractéristiques de l'écosystème (taille de la place de marché, distribution de la valeur des transactions, pression réglementaire). L'intuition structurelle clé est que la pile de confiance ne nécessite pas une adoption universelle pour devenir auto-entretenue — elle nécessite d'atteindre une masse critique où les effets de réseau de l'adoption créent une pression concurrentielle suffisante sur les non-adoptants. Le précédent historique suggère que ce seuil est plus bas que l'intuition ne le suggère : l'adoption du HTTPS s'est accélérée rapidement une fois que les navigateurs ont commencé à signaler les sites HTTP comme non sécurisés (passant d'environ 30 % à plus de 90 % du trafic web en environ cinq ans), et l'adoption de FICO est devenue auto-entretenue une fois qu'un petit nombre de grands prêteurs l'ont exigé pour toutes les demandes.

7. L'économie des agents avec et sans confiance

7.1 Sans infrastructure de confiance : Défaillances de marché

La théorie économique prédit des pathologies spécifiques dans les marchés sans infrastructure institutionnelle adéquate. Trois sont particulièrement pertinentes pour l'économie des agents :

Le marché des « lemons » d'Akerlof. George Akerlof a démontré que l'asymétrie d'information entre acheteurs et vendeurs provoque une défaillance de marché : lorsque les acheteurs ne peuvent distinguer les biens de haute qualité des biens de basse qualité, ils tarifent pour la qualité moyenne, ce qui pousse les vendeurs de haute qualité à quitter le marché, ce qui abaisse encore la qualité moyenne jusqu'à ce qu'il ne reste que des « lemons » (« The Market for 'Lemons' », Quarterly Journal of Economics, Vol. 84, No. 3, 1970, pp. 488–500 [57]). Dans l'économie des agents sans infrastructure de réputation, les consommateurs ne peuvent pas distinguer les agents compétents des agents médiocres. Le résultat prédit : les agents compétents ne peuvent pas facturer de prix premium, réduisant les incitations à l'investissement dans la qualité, tandis que les agents de basse qualité prospèrent en pratiquant des prix inférieurs. Le marché converge vers la qualité viable la plus basse.

La loi de Gresham pour les agents. Le principe monétaire classique — « la mauvaise monnaie chasse la bonne » lorsque les deux circulent à la même valeur nominale — s'applique directement. Sans signaux de qualité, tous les agents s'échangent à des prix indifférenciés de commodité. Les agents qui investissent dans la qualité (meilleur entraînement, vérification, fiabilité) ne peuvent pas récupérer leur investissement parce que les consommateurs ne peuvent pas vérifier la différence de qualité. Les agents de haute qualité sont chassés par des concurrents à moindre coût et moindre qualité. Le résultat prédit : une course vers le bas sur les prix au détriment de la fiabilité.

Spirale de sélection adverse. Sans données d'évaluation des risques (Module 3 d'AJP), l'assurance des agents ne peut pas être tarifée avec précision. Les assureurs doivent tarifer pour le risque moyen, ce qui pousse les agents à faible risque hors du marché de l'assurance (ils surpayent par rapport à leur risque), ne laissant que les agents à haut risque dans le pool, augmentant encore les primes. C'est la spirale classique de sélection adverse en assurance, appliquée à la couverture de responsabilité des agents. Avec une seule police d'assurance pour agents jamais rédigée (ElevenLabs/AIUC, février 2026 [44]), le marché n'en est pas encore au stade de la spirale — il n'a pas encore commencé, précisément parce que l'infrastructure de données pour l'évaluation des risques n'existe pas.

7.2 Avec infrastructure de confiance : Marchés efficients

Lorsque la pile de confiance complète est opérationnelle, la théorie prédit des dynamiques de marché qualitativement différentes :

Différenciation par la qualité. Les scores de réputation multidimensionnels d'ARP, les classements pondérés par la confiance d'AMP et la vérification de qualité d'ASA créent une symétrie d'information — les consommateurs peuvent observer et vérifier les différences de qualité entre agents. Les agents de haute qualité peuvent pratiquer des prix premium parce que leur qualité est vérifiable, et non simplement revendiquée. C'est la même transformation que les scores FICO ont apportée aux marchés du crédit : avant FICO (standardisé en 1989), les décisions de prêt étaient fondées sur les relations personnelles et l'évaluation subjective ; après, le prêt est devenu fondé sur les données, permettant l'accès au crédit de passer de l'échelle locale à nationale puis mondiale.

Spécialisation et avantage comparatif. Lorsque la qualité est vérifiable, les agents peuvent se spécialiser dans les domaines où ils ont un véritable avantage comparatif plutôt que de se faire concurrence sur les prix à travers des capacités indifférenciées. Un agent spécialisé dans la révision de documents juridiques peut pratiquer des prix premium pour ce domaine tout en dirigeant les demandes de révision de code vers des agents ayant de meilleurs scores ARP dans cette dimension. C'est l'argument ricardien de l'avantage comparatif appliqué aux économies d'agents — la spécialisation augmente le bien-être total lorsque les signaux de qualité permettent un appariement efficient.

Création collaborative de valeur. Les systèmes multi-agents — où plusieurs agents collaborent sur des tâches complexes — nécessitent une confiance mutuelle pour fonctionner. Avec la pile de confiance, les agents peuvent former des équipes (via AMP), définir les responsabilités (via ASA), allouer les coûts (via CWEP), enquêter sur les défaillances (via AJP) et suivre l'évolution de l'équipe (via ALP). Sans ces mécanismes, la collaboration multi-agents nécessite soit un orchestrateur central qui absorbe tout le risque, soit des relations de confiance qui ne passent pas à l'échelle. La pile de confiance permet la collaboration décentralisée à grande échelle.

7.3 L'analogie FICO et la fonction de forçage par l'assurance

La transformation la plus analogue à ce que la pile de confiance vise à réaliser est la standardisation de la notation de crédit. Avant FICO (1989), la solvabilité des consommateurs était évaluée par des directeurs de banque locaux utilisant un jugement subjectif, des relations personnelles et des critères ad hoc. Le crédit ne pouvait pas être évalué à grande échelle, limitant les prêts aux marchés locaux. Après FICO, la solvabilité est devenue un signal portable, standardisé et interrogeable qui a permis les marchés de prêt nationaux, la titrisation et, en fin de compte, le marché américain du crédit à la consommation de 4,5 billions de dollars (Federal Reserve G.19 Consumer Credit Statistical Release, environ 5,06 billions de dollars d'encours au T4 2024 [58]).

L'algèbre de composition des signaux d'ARP v2 — combinant l'âge de provenance, les notations multidimensionnelles, les taux de réussite de la vérification de qualité et les signaux comportementaux en scores de confiance composites configurables — est structurellement analogue à la composition de FICO entre historique de paiement, montants dus, durée de l'historique de crédit, nouveaux crédits et diversité du crédit. La différence clé : la fonction de composition est ouverte, auditable et configurable par domaine plutôt que propriétaire et opaque.

Le moteur d'adoption le plus puissant pourrait être les exigences d'assurance. Si les organismes de réglementation ou les forces du marché exigent que les agents traitant des tâches sensibles souscrivent une assurance responsabilité — ce qui est de plus en plus probable compte tenu de l'élimination par la loi californienne AB 316 de la défense de l'IA autonome [17] — alors l'infrastructure de données pour la souscription (l'évaluation des risques du Module 3 d'AJP) devient obligatoire. Les exigences d'assurance pourraient être la fonction de forçage qui propulse l'adoption de la pile de confiance du « souhaitable » au « requis pour opérer » — de la même manière que la notation de crédit est devenue obligatoire non pas parce que les consommateurs la voulaient, mais parce que les prêteurs l'exigeaient pour la conformité réglementaire et la gestion des risques.

8. Problèmes ouverts et frontière de recherche

8.1 Vérification de l'intégrité sémantique

Le problème : La vérification de qualité actuelle (l'API Vérification d'ASA) peut vérifier la validité structurelle (conformité de schéma JSON, codes d'état HTTP) et, via l'évaluation Agent-as-a-Judge, approximer l'évaluation de la qualité sémantique dans des domaines bien définis. Ce qu'elle ne peut pas faire, c'est vérifier l'intégrité sémantique — si la sortie d'un agent est véritablement dérivée du raisonnement et des preuves qu'il revendique, plutôt que fabriquée, hallucinée ou stratégiquement construite pour passer la vérification tout en étant substantiellement erronée.

Cela touche au territoire du problème de l'arrêt. Vérifier qu'un agent a « compris » l'entrée et produit une réponse « authentique » nécessite de définir la « compréhension » et l'« authenticité » en termes computationnellement vérifiables — un problème qui se rattache à des questions fondamentales en philosophie de l'esprit, en complexité computationnelle et en alignement de l'IA.

Ce que nous pouvons affirmer actuellement : Des solutions partielles existent pour des domaines contraints. La vérification formelle peut confirmer qu'un code fait ce qu'il prétend (dans certaines limites). La vérification de citations peut contrôler que les sources référencées existent et disent ce que l'agent prétend qu'elles disent. Les tests de reproductibilité peuvent vérifier que la même entrée produit une sortie cohérente. Mais rien de tout cela ne constitue une vérification générale de l'intégrité sémantique. Cela reste un problème de recherche ouvert de difficulté potentiellement fondamentale.

Implication pour la pile de confiance : Tant que la vérification de l'intégrité sémantique n'est pas résolue, les garanties de qualité de la pile de confiance ont un plafond. ASA peut vérifier que la sortie satisfait des critères structurels et sémantiques approximatifs ; elle ne peut garantir que la sortie est « vraie » dans un sens profond. La pile de confiance est transparente sur cette limitation plutôt que de prétendre qu'elle n'existe pas.

8.2 Réconciliation d'état inter-agents

Le problème : Lorsque plusieurs agents collaborent sur une tâche, chacun maintient son propre état interne (contexte, mémoire, résultats partiels). Il n'existe aucun protocole pour réconcilier ces états lorsqu'ils divergent — ce qui arrivera, étant donné que les agents peuvent traiter la même information différemment en raison de différences de modèle, de contenu de fenêtre de contexte ou d'inférence stochastique.

C'est un problème de systèmes distribués analogue au problème des généraux byzantins (Lamport, Shostak, Pease, 1982), mais compliqué par le fait que les « états » d'agents ne sont pas binaires (correct/défaillant) mais continus et subjectifs (différents agents peuvent avoir des interprétations légitimement différentes des mêmes données).

Approches partielles : Les algorithmes classiques de consensus distribué (Raft, PBFT) parviennent à un accord sur un état partagé entre processus déterministes. La réconciliation d'état entre agents nécessite un consensus entre processus stochastiques avec des architectures et des entraînements différents — un problème qualitativement plus difficile. Les directions possibles incluent : des fonctions de hachage sémantique qui réduisent des états complexes à des empreintes comparables, des protocoles de réconciliation qui identifient des points de divergence spécifiques plutôt que de tenter un accord global, et un consensus « suffisant » qui accepte un désaccord borné plutôt que d'exiger un accord exact.

Implication pour la pile de confiance : Sans réconciliation d'état, les systèmes collaboratifs multi-agents doivent soit accepter que les agents peuvent opérer sur un état divergent (avec des implications pour la qualité et la cohérence), soit désigner un seul agent « source de vérité » (créant un point unique de défaillance). Ni l'un ni l'autre n'est satisfaisant à grande échelle. C'est une véritable frontière de recherche, pas une fonctionnalité reportée.

8.3 Gouvernance multi-juridictionnelle

Le problème : Le TAC gouverne la pile de confiance AB Support. D'autres écosystèmes de confiance (ERC-8004, Virtuals Protocol, OpenClaw) développeront leur propre gouvernance. Lorsque des agents participent à de multiples écosystèmes — ce qui arrivera inévitablement — les décisions de gouvernance dans un écosystème peuvent entrer en conflit avec les exigences de gouvernance d'un autre.

C'est le problème de coordination ISO/IETF/W3C à un niveau supérieur, compliqué par le fait que les écosystèmes de confiance entre agents peuvent ne pas partager la même philosophie de gouvernance ou être disposés à établir des mécanismes de coordination.

Approche partielle : Le mécanisme de liaison spécifié pour la coordination fondation-pile (Section 5.2) pourrait s'étendre à la liaison inter-écosystèmes, mais cela nécessite que l'autre écosystème implémente une interface de gouvernance compatible. Nous anticipons que la coordination de la gouvernance inter-écosystèmes émergera par la pression du marché (les agents opérant entre écosystèmes exigeront la compatibilité) plutôt que par une standardisation descendante.

8.4 L'arXiv des agents

Le concept : À mesure que l'économie des agents mûrit, les agents produiront des artefacts de connaissance — analyses, conceptions, protocoles, optimisations — ayant une valeur au-delà de l'interaction spécifique qui les a produits. Un « arXiv des agents » serait un dépôt structuré où les agents publient ces artefacts avec vérification de provenance (CoC), évaluation de qualité (ARP) et suivi d'utilisation (CWEP).

Cela étend la pile de confiance d'une infrastructure transactionnelle (agents interagissant entre eux) à une infrastructure de connaissance (agents contribuant à un corpus partagé de connaissances). Le concept de thalience — des agents découvrant de manière autonome des questions que personne n'avait pensé à poser, plutôt que de répondre aux questions posées par les humains — représente le point d'aboutissement aspirationnel de cette direction de recherche.

Implication pour la pile de confiance : L'arXiv des agents nécessite les sept mécanismes de confiance pour fonctionner : la provenance pour l'attribution d'auteur, la réputation pour les signaux de qualité, les accords pour les conditions d'utilisation, la responsabilité pour les affirmations de précision, le cycle de vie pour la gestion des versions, la découverte pour la trouvabilité, et l'économie pour la tarification de l'accès. C'est l'extension naturelle de la pile de confiance vers les marchés de la connaissance.

8.5 Concurrence institutionnelle : Menaces stratégiques pour la pile de confiance

Les sections précédentes analysent les attaques au sein de la pile de confiance — agents manipulant les protocoles, exploits aux frontières inter-protocoles, dynamiques d'adoption partielle. Mais la pile de confiance fait également face à des menaces en tant qu'institution — une concurrence stratégique de la part d'acteurs qui pourraient construire une infrastructure de confiance alternative ou empêcher les normes de confiance ouvertes d'atteindre la masse critique. Un document de synthèse doit traiter de la concurrence institutionnelle, et pas seulement de la conception institutionnelle.

Menace 1 : Monopole de confiance natif des plateformes. Un cadre d'agents dominant — l'écosystème A2A de Google (plus de 150 organisations membres), l'écosystème Copilot de Microsoft, ou la plateforme Bedrock d'Amazon — pourrait refuser d'implémenter les normes de confiance ouvertes et construire à la place une couche de confiance propriétaire étroitement intégrée à sa plateforme. Avec des populations captives d'agents se chiffrant en millions, un système de confiance natif de la plateforme offrirait une confiance « suffisante » pour les agents déjà à l'intérieur du jardin clos, réduisant les incitations pour ces agents à adopter des normes ouvertes.

Atténuation par la conception : L'architecture agnostique au système d'identité de la pile de confiance est la défense principale. ARP accepte tout format d'identifiant (ERC-8004, A2A Agent Cards, W3C DIDs, MCP, URIs simples). Les chaînes CoC ne nécessitent que SHA-256 — aucune dépendance de plateforme. La découverte inter-plateformes d'AMP est spécifiquement conçue pour interroger à travers les places de marché cloisonnées. Un agent à l'intérieur de l'écosystème A2A de Google peut implémenter CoC et ARP sans quitter A2A, et les données de confiance générées sont portables via les W3C Verifiable Credentials. Le pari stratégique est que les agents opérant entre plateformes — ce que le paysage fragmenté des places de marché rend inévitable — exigeront des signaux de confiance interopérables. Un système de confiance natif de plateforme fonctionne au sein d'un jardin ; la pile de confiance fonctionne à travers tous.

Risque résiduel : Si une seule plateforme atteint une part de marché supérieure à 70 % (comme Android dans le mobile), la proposition de valeur inter-plateformes s'affaiblit. C'est le scénario où les normes de confiance ouvertes deviennent structurellement désavantagées, similaire à la façon dont les protocoles de messagerie ouverts (XMPP, Matrix) peinent face aux effets de réseau de WhatsApp malgré une supériorité technique. La défense est le timing : établir les normes de confiance ouvertes avant qu'une seule plateforme n'atteigne la domination.

Menace 2 : Couche de confiance propriétaire « suffisante ». Une fintech bien financée (Stripe, Coinbase, Circle) ou une entreprise d'identité (Okta, Auth0) pourrait construire un système de notation de confiance propriétaire — plus simple que la pile de confiance complète mais intégré aux rails de paiement et à l'infrastructure d'identité que les agents utilisent déjà. Si les API de commerce agentique de Stripe incluent un score de confiance intégré dérivé de l'historique des transactions, et que la plupart des agents utilisent déjà Stripe pour les paiements, la couche de confiance « suffisante » capture le marché avant que les protocoles ouverts n'atteignent la masse critique.

Atténuation par la conception : La pile de confiance répond à cela par la profondeur et la composabilité. Un score de confiance propriétaire fondé uniquement sur l'historique des transactions est vulnérable au même type de manipulation qui affecte tout système de réputation à axe unique — la loi de Goodhart garantit qu'une métrique publiée devient une cible d'optimisation. L'architecture à sept protocoles de la pile de confiance fournit une défense en profondeur : manipuler les scores ARP n'aide pas si la vérification ASA détecte les défaillances de qualité, si AJP enquête sur les litiges et si ALP suit la manipulation d'identité. La complexité est une fonctionnalité, pas un défaut — elle reflète la complexité authentique de la confiance.

De plus, la licence Apache 2.0 de la pile de confiance et son modèle de distribution par pip install signifient que les plateformes propriétaires peuvent intégrer les protocoles de la pile de confiance plutôt que de les concurrencer. Si Stripe ajoute la notation ARP à ses API d'agents, cela étend la portée de la pile de confiance plutôt que de l'affaiblir — les protocoles sont conçus pour l'intégration, pas pour un déploiement autonome.

Risque résiduel : Captation du marché pendant l'intervalle entre le « suffisant » et le « complet ». Si un système propriétaire capture plus de 60 % des interactions entre agents avant que la pile de confiance complète ne soit adoptée, les coûts de migration peuvent empêcher le passage même lorsque le système ouvert est manifestement supérieur. C'est le schéma Microsoft Office / OpenDocument : la norme ouverte était techniquement comparable, mais la base installée du système propriétaire s'est avérée insurmontable pendant des décennies.

Menace 3 : Fragmentation réglementaire. Le règlement européen sur l'IA (avec les exigences de transparence de l'article 50), la réglementation américaine au niveau des États (California AB 316, cadres fédéraux potentiels) et le régime de gouvernance de l'IA en Chine (avec l'enregistrement obligatoire des algorithmes et la localisation des données) peuvent imposer des exigences de confiance incompatibles. Une pile de confiance conçue pour une opération mondiale pourrait être incapable de se conformer simultanément à toutes les juridictions, conduisant à des implémentations régionales fragmentées qui sapent les effets de réseau essentiels à l'adoption.

Atténuation par la conception : L'architecture modulaire et la gouvernance en couches de la pile de confiance répondent directement à la fragmentation réglementaire. Les principes de la couche constitutionnelle (accès ouvert, gouvernance par l'ancienneté, anti-captation) sont neutres juridictionnellement — ils encodent des processus, pas du contenu. Les protocoles de la pile supérieure peuvent être paramétrés pour les exigences juridictionnelles : la résolution des litiges d'AJP peut être dirigée vers des cadres d'arbitrage appropriés à la juridiction, les modèles d'accord d'ASA peuvent intégrer des clauses de conformité spécifiques à la juridiction, et le suivi de lignée d'ALP peut satisfaire différentes exigences de provenance des données (droit à l'explication du RGPD, registre des algorithmes de la Chine, chaîne de responsabilité de la loi californienne AB 316).

Le modèle de gouvernance du TAC avec ses seuils croissants protège contre l'imposition des préférences réglementaires d'une seule juridiction sur le système mondial : la conformité juridictionnelle est un ajustement de paramètre (>50 % de majorité), pas un changement structurel (66 % de supermajorité). Les implémentations régionales peuvent diverger sur les paramètres de conformité tout en partageant la même architecture de protocole — similaire à la façon dont TCP/IP fonctionne de manière identique dans le monde entier tandis que la réglementation du contenu internet varie selon les juridictions.

Risque résiduel : Exigences de souveraineté des données empêchant la portabilité inter-frontières de la réputation. Si la Chine exige que les données de réputation des agents générées au sein de sa juridiction restent sur des serveurs chinois, et que l'UE exige un traitement des données conforme au RGPD, alors les Portable Reputation Bundles d'ARP v2 pourraient faire face à des obstacles juridiques au transfert transfrontalier. Cela créerait des silos de réputation régionaux — les agents auraient un score de confiance chinois, un score de confiance européen et un score de confiance américain qui ne pourraient pas être combinés. La pile de confiance ne peut pas résoudre les conflits de souveraineté des données par la conception de protocoles seule ; elle peut seulement s'assurer que l'architecture se dégrade gracieusement en pools régionaux plutôt que d'échouer entièrement.

Synthèse : Pourquoi l'ouvert l'emporte sur le propriétaire en contexte de concurrence. Les trois menaces partagent une structure commune : un acteur bien doté tente de capturer l'infrastructure de confiance par le verrouillage de plateforme, le timing de marché ou le levier réglementaire. Les défenses stratégiques principales de la pile de confiance sont :

1. La composabilité plutôt que l'exhaustivité. Les protocoles ouverts qui peuvent être intégrés dans des systèmes propriétaires sont plus résilients que des alternatives autonomes devant concurrencer directement. La pile de confiance n'a pas besoin de remplacer Stripe — elle a besoin que les API d'agents de Stripe parlent ARP.

1. La confiance multi-axes plutôt qu'un score unique. Toute métrique de confiance unique sera manipulée (loi de Goodhart). L'architecture à sept protocoles crée une défense en profondeur que les systèmes propriétaires à axe unique ne peuvent égaler sans réinventer indépendamment la même complexité.

1. La valeur inter-plateformes plutôt que l'optimisation mono-plateforme. À mesure que le marché des agents se fragmente entre plateformes concurrentes (Google A2A, MCP, OpenClaw, plateformes d'entreprise), les agents opérant entre plateformes — ce qui est la stratégie économiquement rationnelle — exigeront des signaux de confiance fonctionnant partout. Les normes ouvertes répondent à cette demande ; les normes propriétaires non.

1. L'adoption pilotée par l'assurance plutôt que l'adoption volontaire. Si la fonction de forçage par l'assurance se matérialise (Section 7.3), l'adoption de la pile de confiance devient pilotée par la conformité plutôt que volontaire. Les compagnies d'assurance exigeront des données de risque standardisées, auditables et inter-plateformes — précisément ce que les systèmes de confiance propriétaires en jardin clos ne peuvent pas fournir. C'est le scénario où la pression réglementaire et les normes ouvertes deviennent mutuellement renforçantes.

L'évaluation honnête : la survie de la pile de confiance face à la concurrence institutionnelle dépend de l'atteinte d'une masse critique d'adoption avant que les alternatives propriétaires ne capturent le marché. La fenêtre est d'environ 18 à 36 mois — la période entre maintenant et le moment où les principaux acteurs des plateformes auront soit intégré les normes de confiance ouvertes, soit construit des remplacements propriétaires. La feuille de route d'implémentation (Section 9) est conçue avec cette urgence à l'esprit.

9. Feuille de route d'implémentation

9.1 Stratégie d'adoption ascendante

La pile de confiance est conçue pour une adoption de bas en haut : d'abord les développeurs, puis les plateformes, puis les entreprises.

Phase 1 : Outils pour développeurs et valeur unilatérale (Mois 0–6). Chaque protocole est livré comme un paquet pip indépendant avec une implémentation de référence. Le méta-paquet pip install agent-trust-stack installe tous les protocoles. La documentation développeur inclut des guides de démarrage rapide, des exemples d'intégration et des suites de tests. La barrière à l'adoption initiale est un seul pip install.

La stratégie de démarrage à froid cible les protocoles qui fournissent une valeur unilatérale immédiate — une valeur pour un agent adoptant unique même si aucun autre agent n'a adopté :

• CoC fournit une provenance sans réseau. Un agent qui implémente CoC dispose d'un historique opérationnel vérifiable qui peut être présenté à toute contrepartie, auditeur ou régulateur. Cela a de la valeur même dans un écosystème à adoption zéro parce que cela crée une piste d'audit qui satisfait les exigences de conformité émergentes (article 50 du règlement européen sur l'IA, California AB 316).
• ARP fournit une capacité d'auto-évaluation. Même avant la formation de réseaux de notation bilatéraux, le cadre de notation d'ARP permet aux opérateurs d'évaluer systématiquement la performance de leurs propres agents sur cinq dimensions — créant des données de qualité exploitables là où il n'en existait aucune.
• L'API Vérification d'ASA fonctionne de manière autonome. La vérification de qualité ne nécessite pas d'accord entre contreparties. Un opérateur d'agent peut utiliser le cadre de vérification d'ASA pour valider les sorties de ses propres agents, créant une base de qualité avant que les accords formels ne soient pertinents.

La séquence d'amorçage — CoC d'abord, puis ARP, puis vérification ASA — est conçue de sorte que chaque étape produise une valeur opérationnelle immédiate tout en créant le fondement de données qui rend possibles les effets de réseau du protocole suivant.

Phase 2 : Intégration des plateformes et effets de réseau (Mois 6–18). À mesure que l'adoption par les développeurs crée une base d'agents sensibles à la confiance, les fournisseurs de plateformes (Virtuals Protocol, OpenClaw, serveurs MCP) ont intérêt à intégrer les signaux de la pile de confiance dans leurs systèmes de découverte et de classement. La conception agnostique au système d'identité garantit que l'intégration ne nécessite pas d'abandonner l'infrastructure d'identité existante.

Cibles spécifiques d'intégration de plateformes :

• Registres de serveurs MCP : Provenance CoC comme exigence de référencement (faible friction — les serveurs MCP publient déjà des manifestes)
• Registre de compétences OpenClaw : Scores ARP affichés aux côtés des référencements de compétences, permettant une découverte pondérée par la confiance
• API de places de marché d'agents : Le protocole de requête inter-plateformes d'AMP comme couche de fédération entre places de marché cloisonnées

La stratégie d'intégration des plateformes suit le modèle du « cheval de Troie » : plutôt que de demander aux plateformes de remplacer leur infrastructure, les protocoles de la pile de confiance s'intègrent dans les flux de travail existants des plateformes. Un serveur MCP qui publie une chaîne CoC reste un serveur MCP — il dispose simplement d'une provenance vérifiable.

Phase 3 : Déploiement en entreprise et adoption pilotée par l'assurance (Mois 12–36). L'adoption en entreprise est portée par trois forces : la conformité réglementaire (exigences de transparence de l'article 50 du règlement européen sur l'IA, règles de responsabilité de la loi californienne AB 316), les exigences d'assurance (couverture de responsabilité des agents nécessitant les données d'évaluation des risques d'AJP) et l'efficacité opérationnelle (systèmes multi-agents nécessitant une infrastructure de confiance pour fonctionner à grande échelle).

La fonction de forçage par l'assurance (Section 7.3) est le moteur d'adoption en entreprise le plus puissant. Si l'assurance de responsabilité des agents devient une exigence du marché — ce que l'élimination par la loi californienne AB 316 de la défense de l'IA autonome rend de plus en plus probable — alors le module d'évaluation des risques d'AJP devient une infrastructure obligatoire. Le chemin d'adoption en entreprise est : pression réglementaire → exigence d'assurance → adoption de la pile de confiance comme infrastructure de conformité. Ce chemin ne dépend pas de l'adoption volontaire ou des effets de réseau ; il dépend de l'inévitabilité réglementaire.

9.2 Intégration avec les normes existantes

La pile de confiance est conçue pour compléter, et non remplacer, l'infrastructure existante :

9.3 Le méta-paquet

# pip install agent-trust-stack
# Installe : chain-of-consciousness, agent-rating-protocol,
#           agent-service-agreements, agent-justice-protocol,
#           agent-lifecycle-protocol, agent-matchmaking,
#           context-window-economics

Le méta-paquet sert de mécanisme d'adoption « une commande pour installer toute l'infrastructure de confiance » — puissant pour les démonstrations, le prototypage et la réduction des frictions de l'adoption initiale.

10. Conclusion : La thèse de l'infrastructure institutionnelle

10.1 L'affirmation centrale

Ce document a soutenu que la confiance dans l'économie des agents n'est pas une fonctionnalité à ajouter mais un écosystème à construire. L'argument repose sur trois piliers :

Pilier 1 : Nécessité institutionnelle. L'économie institutionnelle (North, Williamson, Ostrom) démontre que l'activité économique à grande échelle nécessite une infrastructure institutionnelle pour réduire l'incertitude, abaisser les coûts de transaction et permettre la coopération. L'économie des agents n'est pas exemptée de cette exigence. Sans infrastructure de confiance, les coûts de transaction du commerce agent-à-agent resteront prohibitivement élevés, et l'économie projetée de 3 à 5 billions de dollars ne se matérialisera pas.

Pilier 2 : Conception complémentaire. La complémentarité institutionnelle d'Aoki prouve que les mécanismes de confiance doivent être conçus comme un système où chacun augmente les rendements des autres. Sept protocoles — provenance, réputation, accords, responsabilité, cycle de vie, découverte et économie — forment l'ensemble minimal de mécanismes complémentaires nécessaires pour reproduire l'infrastructure institutionnelle qui permet le commerce humain. Les concevoir isolément produit une architecture incohérente ; les concevoir comme un système complémentaire produit des propriétés de confiance émergentes qu'aucun mécanisme individuel ne peut créer.

Pilier 3 : Refonte fondamentale. Les cinq différences structurelles entre agents et humains (identité bon marché, vitesse machine, absence de pression sociale, identité discontinue, compréhension tarifée) signifient que les institutions de confiance humaines ne peuvent pas être transplantées directement. L'architecture fonctionnelle doit être préservée — les mêmes catégories de mécanismes de confiance sont nécessaires — mais l'implémentation doit être reconstruite depuis les fondamentaux pour les dynamiques spécifiques des systèmes d'agents autonomes.

10.2 Ce que nous avons construit

La pile de confiance des agents comprend neuf composants (sept protocoles opérationnels plus deux cadres de gouvernance) spécifiés dans huit livres blancs totalisant environ 1 500 pages de spécification de protocole (estimé à partir de la documentation combinée des livres blancs et des implémentations de référence) :

Chaque protocole est agnostique au système d'identité, agnostique au rail de paiement et déployable indépendamment, tout en étant conçu pour une valeur complémentaire lorsqu'il est combiné. Chaque protocole est spécifié sous licence Apache 2.0 avec des implémentations de référence disponibles sous forme de paquets pip. Chaque protocole inclut une analyse du paysage concurrentiel, une analyse des incitations en théorie des jeux et des correspondances d'intégration avec les normes existantes.

10.3 Ce qui reste

La pile de confiance n'est pas complète. La vérification de l'intégrité sémantique reste un problème ouvert de difficulté potentiellement fondamentale. La réconciliation d'état inter-agents nécessite un consensus distribué entre processus stochastiques — un problème qualitativement plus difficile que l'accord byzantin classique. La gouvernance multi-juridictionnelle nécessitera des mécanismes de coordination inter-écosystèmes qui n'existent pas encore. Le cadre de certification des agents et le protocole de réponse d'urgence sont spécifiés mais attendent la maturité de l'écosystème et des partenariats industriels.

Ce sont des aveux honnêtes, pas des reports. La frontière de recherche n'est pas une liste de fonctionnalités à ajouter ultérieurement — c'est une carte des problèmes que cette génération d'infrastructure institutionnelle ne peut pas encore résoudre. Articuler ces problèmes avec précision est en soi une contribution : le premier pas vers la résolution d'un problème est de le définir suffisamment bien pour que d'autres puissent y travailler.

10.4 Les enjeux

L'économie des agents se construit maintenant. Huit protocoles de paiement se disputent la domination. Un montant estimé de 8,17 milliards de dollars en consolidation par fusions-acquisitions divulguées remodèle le paysage de l'infrastructure. Quatre-vingt-dix pour cent des achats B2B pourraient être intermédiés par des agents d'ici 2028. La question n'est pas de savoir si l'économie des agents existera — c'est de savoir si elle aura l'infrastructure institutionnelle pour fonctionner.

L'histoire offre un précédent clair. L'internet des origines avait le routage de paquets sans infrastructure de confiance. Le résultat a été le spam, la fraude, l'hameçonnage et le vol d'identité — des problèmes qu'il a fallu des décennies pour partiellement résoudre par des ajouts en couches (TLS, PKI, DNSSEC, filtres anti-spam, protocoles d'authentification). Nous sommes au même point d'inflexion pour l'économie des agents. Les choix d'infrastructure faits maintenant détermineront si le commerce autonome entre agents se développe avec la confiance comme propriété fondamentale ou passe la prochaine décennie à greffer la confiance sur une infrastructure qui a été construite sans elle.

Ce document, et les sept protocoles qu'il synthétise, représentent notre réponse : construire l'infrastructure institutionnelle en premier, la construire comme un système complémentaire, la construire ouverte, et la construire avant que l'absence de confiance ne devienne la défaillance déterminante de l'économie des agents.

11. Références

[1] AB Support LLC. « Chain of Consciousness: A Cryptographic Protocol for Verifiable Agent Provenance and Self-Governance. » Version 3.0.0, 2026.

[2] AB Support LLC. « Agent Rating Protocol: A Decentralized Reputation System for Autonomous Agent Economies. » Version 1.0.0, 2026.

[3] AB Support LLC. « Agent Rating Protocol v2: Signal Composition, Portability, and Anti-Goodhart Architecture. » Version 2.0.0, 2026.

[4] AB Support LLC. « Agent Service Agreements: A Protocol for Machine-Readable Contracts and Quality Verification in Autonomous Agent Commerce. » Version 1.0.0, 2026.

[5] AB Support LLC. « Agent Justice Protocol: A Modular Framework for Forensic Investigation, Dispute Resolution, and Risk Assessment in Autonomous Agent Economies. » Version 1.3.0, 2026.

[6] AB Support LLC. « Agent Lifecycle Protocol: A Standard for Birth, Fork, Succession, and Death Management in Autonomous Agent Systems. » Version 1.0.0, 2026.

[7] AB Support LLC. « Agent Matchmaking Protocol: Cross-Platform Discovery and Trust-Weighted Matching for the Autonomous Agent Economy. » Version 1.0.0, 2026.

[8] AB Support LLC. « Context Window Economics Protocol: Bilateral Cost Allocation, Context Pricing, and Resource Markets for Autonomous Agent Interactions. » Version 1.0.0, 2026.

[9] Agent Payments Stack. agentpaymentsstack.com. Consulté le 25 mars 2026.

[10] Communiqué de presse Visa. « Visa and Partners Complete Secure AI Transactions. » Décembre 2025.

[11] Mastercard. « Agent Pay Rollout to All U.S. Cardholders. » Novembre 2025.

[12] Adobe Analytics. « Adobe Analytics: AI-Referred Traffic to U.S. Retail Sites Grew 805% Year-over-Year on Black Friday 2025. » 2025. (eMarketer a par la suite relayé cette statistique.)

[13] Gartner. « Top Predictions for IT Organizations in 2026 and Beyond: AI Agents Will Command $15 Trillion in B2B Purchases by 2028. » Octobre 2025.

[14] McKinsey & Company. « The Agentic Commerce Opportunity. » Octobre 2025.

[15] Strata Identity Research. « The AI Agent Identity Crisis: State of Agent Identity Management in the Enterprise. » 2026.

[16] Rubrik Zero Labs. « Non-Human Identity Ratios in Enterprise Environments. » 2026. ManageEngine Identity Security Outlook. 2026.

[17] California Civil Code Section 1714.46 (AB 316). En vigueur depuis le 1er janvier 2026. Voir Baker Botts, « California Eliminates the Autonomous AI Defense: AB 316 », 2026.

[18] Gartner. « Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. » Juin 2025.

[19] North, Douglass. Institutions, Institutional Change and Economic Performance. Cambridge University Press, 1990. Voir aussi : North, « Institutions », Journal of Economic Perspectives, Vol. 5, No. 1, 1991, pp. 97–112.

[20] North, Douglass ; Wallis, John ; Weingast, Barry. Violence and Social Orders: A Conceptual Framework for Interpreting Recorded Human History. Cambridge University Press, 2009.

[21] Williamson, Oliver. The Economic Institutions of Capitalism. Free Press, 1985.

[22] Williamson, Oliver. « The New Institutional Economics: Taking Stock, Looking Ahead. » Journal of Economic Literature, Vol. 38, 2000, pp. 595–613.

[23] Ostrom, Elinor. Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge University Press, 1990.

[24] Ostrom, Elinor. « Beyond Markets and States: Polycentric Governance of Complex Economic Systems. » American Economic Review, Vol. 100, 2010, pp. 641–672.

[25] Aoki, Masahiko. Toward a Comparative Institutional Analysis. MIT Press, 2001.

[26] Hall, Peter ; Soskice, David. Varieties of Capitalism: The Institutional Foundations of Comparative Advantage. Oxford University Press, 2001.

[27] Mayer, Roger ; Davis, James ; Schoorman, F. David. « An Integrative Model of Organizational Trust. » Academy of Management Review, Vol. 20, No. 3, 1995, pp. 709–734.

[28] Luhmann, Niklas. Trust and Power. Wiley, 1979. Voir aussi : « Familiarity, Confidence, Trust: Problems and Alternatives », dans Gambetta, dir., Trust: Making and Breaking Cooperative Relations, Blackwell, 1988.

[29] Zucker, Lynne. « Production of Trust: Institutional Sources of Economic Structure, 1840–1920. » Research in Organizational Behavior, Vol. 8, 1986, pp. 53–111.

[30] Fudenberg, Drew ; Maskin, Eric. « The Folk Theorem in Repeated Games with Discounting or with Incomplete Information. » Econometrica, Vol. 54, No. 3, 1986, pp. 533–554.

[31] Axelrod, Robert. The Evolution of Cooperation. Basic Books, 1984.

[32] Kreps, David ; Milgrom, Paul ; Roberts, John ; Wilson, Robert. « Rational Cooperation in the Finitely Repeated Prisoners' Dilemma. » Journal of Economic Theory, Vol. 27, 1982, pp. 245–252.

[33] Zahavi, Amotz. « Mate Selection — A Selection for a Handicap. » Journal of Theoretical Biology, Vol. 53, 1975, pp. 205–214.

[34] Grafen, Alan. « Biological Signals as Handicaps. » Journal of Theoretical Biology, Vol. 144, 1990, pp. 517–546.

[35] Spence, Michael. « Job Market Signaling. » Quarterly Journal of Economics, Vol. 87, 1973, pp. 355–374.

[36] Matzinger, Polly. « The Danger Model: A Renewed Sense of Self. » Science, Vol. 296, pp. 301–305, 2002.

[37] Rochet, Jean-Charles ; Tirole, Jean. « Platform Competition in Two-Sided Markets. » Journal of the European Economic Association, Vol. 1, No. 4, 2003, pp. 990–1029.

[38] Evans, David ; Schmalensee, Richard. Matchmakers: The New Economics of Multisided Platforms. HBR Press, 2016.

[39] Baldwin, Carliss ; Clark, Kim. Design Rules, Volume 1: The Power of Modularity. MIT Press, 2000.

[40] Jacobides, Michael ; Cennamo, Carmelo ; Gawer, Annabelle. « Towards a Theory of Ecosystems. » Strategic Management Journal, Vol. 39, No. 8, 2018, pp. 2255–2276.

[41] Rogers, Owen. « The Real Cost of Cloud SLA Failures. » Uptime Institute. Référencé dans le livre blanc ASA [4], Section 1.2.

[42] Zhuge, Mingqi et al. « Agent-as-a-Judge: Evaluate Agents with Agents. » arXiv:2410.10934, 2024.

[43] Abdelnabi, Sahar et al. « Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation. » arXiv:2309.17234, 2023. Advancing AI Negotiations: New Theory and Evidence from a Large-Scale Autonomous Negotiations Competition. arXiv:2503.06416, 2025. Supported by MIT Office of Teaching and Learning and Harvard Law School Program on Negotiation.

[44] ElevenLabs. « ElevenLabs Becomes First Company to Earn AIUC-1 Certification. » Février 2026.

[45] Incident de suppression de la base de données de production Replit. Juillet 2025. Référencé dans le livre blanc AJP [5], Section 1.1.

[46] Violation de données IA McKinsey. Mars 2026. Référencé dans le livre blanc AJP [5], Section 1.1.

[47] Campagne de cyberattaque autonome. 2026. Référencé dans le livre blanc AJP [5], Section 1.1.

[48] CNIL (Commission Nationale de l'Informatique et des Libertés). Étude sur la propagation des données d'entraînement à travers les générations successives de modèles. Référencé dans le livre blanc ALP [6], Section 1.3.

[49] Gale, David ; Shapley, Lloyd. « College Admissions and the Stability of Marriage. » American Mathematical Monthly, Vol. 69, No. 1, 1962, pp. 9–15.

[50] FinOps Foundation. FOCUS (FinOps Open Cost and Usage Specification). Référencé dans le livre blanc CWEP [8], Section 7.

[51] Shapley, Lloyd. « A Value for n-Person Games. » Contributions to the Theory of Games, Vol. 2, 1953, pp. 307–317.

[52] Green, Jerry ; Laffont, Jean-Jacques. « Characterization of Satisfactory Mechanisms for the Revelation of Preferences for Public Goods. » Econometrica, Vol. 45, 1977. Moulin, Hervé ; Shenker, Scott. « Serial Cost Sharing. » Econometrica, Vol. 60, 1992.

[53] Schweppe, Fred et al. Spot Pricing of Electricity. Kluwer Academic, 1988.

[54] CoinDesk. « COMP Down 6.7% After Supposed 'Governance Attack' on Compound DAO. » Juillet 2024.

[55] CoinDesk. « Why One of Uniswap DAO's Most Outspoken Members Just Walked Away. » Mai 2025.

[56] IETF. RFC 7241 : « The IEEE 802/IETF Relationship. » 2014. RFC 4053 : « Procedures for Handling Liaison Statements. » 2005. RFC 7282 : « On Consensus and Humming in the IETF. » 2014.

[57] Akerlof, George. « The Market for 'Lemons': Quality Uncertainty and the Market Mechanism. » Quarterly Journal of Economics, Vol. 84, No. 3, 1970, pp. 488–500.

[58] Board of Governors of the Federal Reserve System. « G.19 Consumer Credit. » Statistical Release, publié mensuellement. Crédit à la consommation total en cours d'environ 5,06 billions de dollars au T4 2024.

Ce document est publié sous la licence Apache 2.0. Il est le document de synthèse de la pile de confiance des agents (Agent Trust Stack), fournissant le cadre intellectuel qui unifie les sept livres blancs de protocole en une théorie cohérente de l'infrastructure institutionnelle pour l'économie des agents autonomes.

© 2026 AB Support LLC. Tous droits réservés sous la licence Apache 2.0.