Les modèles d'IA préfèrent le Bitcoin aux monnaies fiat et aux stablecoins, selon une étude

En résumé

• 22 des 36 modèles d’IA ont choisi Bitcoin comme leur principale préférence monétaire lors des simulations.
• Aucun modèle testé n’a sélectionné la monnaie fiduciaire comme premier choix, indique le rapport.
• Les résultats variaient selon le laboratoire d’IA, avec les modèles d’Anthropic montrant la préférence la plus forte pour Bitcoin.

Les modèles d’intelligence artificielle privilégiaient Bitcoin plutôt que les monnaies fiduciaires traditionnelles, selon un nouveau rapport de l’Institut de Politique Bitcoin. Dans l’étude, 22 des 36 modèles d’IA testés ont choisi Bitcoin comme leur principale préférence monétaire, tandis qu’aucun modèle n’a opté pour la monnaie fiduciaire en premier, selon le rapport. « Nous prévoyons qu’une part croissante de l’activité économique sera menée par des agents autonomes, mais les discussions sur les préférences monétaires des agents IA ont été entièrement spéculatives », a déclaré le président de l’Institut de Politique Bitcoin, David Zell, à Decrypt. « Nous voulions réellement le tester. » 

Les chercheurs ont évalué des modèles d’Anthropic, OpenAI, Google, DeepSeek, xAI et MiniMax, en les plaçant dans des scénarios conçus pour refléter les fonctions essentielles de l’argent, notamment l’épargne, les paiements et le règlement. Chaque modèle était considéré comme un acteur économique indépendant et pouvait choisir ses instruments monétaires sans options prédéfinies. « Nous avons pris 36 modèles de pointe de six laboratoires, les avons encadrés en tant qu’agents économiques autonomes, leur avons donné la liberté totale de choisir leurs instruments monétaires dans 28 scénarios couvrant les quatre rôles fondamentaux de l’argent, et nous leur avons demandé : à quoi aboutissent-ils ? » a expliqué Zell. L’expérience a généré 9 072 réponses, a-t-il ajouté. Un système d’IA séparé a ensuite catégorisé ces réponses.

« Toute la conception élimine le biais d’ancrage. Nous ne suggérons jamais une réponse, et la classification se fait après coup par un système séparé », a déclaré Zell. Dans ces simulations, les modèles choisissaient fréquemment Bitcoin dans des scénarios de valeur à long terme, tandis que les stablecoins étaient plus souvent sélectionnés comme moyen d’échange et de règlement, à 53,2 % et 43 % pour les stablecoins, contre 36 % et 30,9 % pour Bitcoin, respectivement. Les résultats différaient également selon les développeurs d’IA. Les modèles d’Anthropic montraient la préférence moyenne la plus élevée pour Bitcoin à 68,0 %, suivis par DeepSeek à 51,7 % et Google à 43,0 %. Les modèles de xAI avaient en moyenne 39,2 %, MiniMax 34,9 %, et les modèles d’OpenAI préféraient Bitcoin 25,9 % du temps, selon le rapport. Cependant, alors que le rapport indique que les modèles Claude, DeepSeek et MiniMax favorisaient Bitcoin par rapport à d’autres cryptomonnaies, les modèles GPT, Grok et Gemini préféraient les stablecoins. « L’invite système évite de nommer ou de favoriser un instrument quelconque », a expliqué Zell. « Les modèles évaluent en fonction de leurs propriétés techniques et économiques, mais on ne leur dit jamais quel instrument excelle sur quelle dimension. » Zell a mis en garde contre les spéculateurs utilisant ces résultats comme des prévisions sur l’avenir du marché crypto. « Notre section sur les limitations indique explicitement que les préférences des LLM reflètent les modèles de données d’entraînement, et non des prédictions du monde réel », a déclaré Zell. Même avec cette limitation, Zell a souligné que des résultats cohérents entre des modèles issus de laboratoires d’IA concurrents sont remarquables.

« Six laboratoires indépendants, avec des pipelines d’entraînement et des méthodes d’alignement différentes, parviennent au même schéma général », a déclaré Zell. « Nous ne prétendons pas que l’IA a découvert la bonne réponse concernant l’argent. Nous montrons qu’une architecture monétaire cohérente émerge de manière constante à travers des systèmes divers, et cela mérite d’être compris. »