X-Agent ouvre le code de xpense avec l’intégration OKX : un nouveau plan de contrôle des paiements pour les économies autonomes de l’IA

Les agents d’IA évoluent des « interfaces de chat qui recommandent des actions » vers des systèmes logiciels capables de planifier, d’appeler des outils, d’acheter des services et, à terme, de générer des revenus. Dans la crypto, cette évolution crée un nouveau problème de conception : si un agent IA peut dépenser des actifs numériques, qui fixe les limites, vérifie le résultat et produit une trace exploitable à des fins d’audit ?

X-Agent, un projet d’écosystème IA Web3, a annoncé la mise en open source de xagentAI/xpense, une nouvelle couche d’infrastructure décrite comme un plan de contrôle des paiements pour les agents IA. Le projet s’inscrit dans le prolongement de l’intégration plus poussée de X-Agent avec le portefeuille agentique OKX et de la mise en ligne d’outils MCP payants sur la place de marché OKX, positionnant xpense comme une couche de coordination manquante entre la prise de décision par l’IA, les paiements via portefeuille, la livraison de services et la comptabilité.

À haut niveau, xpense ne cherche pas à remplacer les portefeuilles, les protocoles de paiement ni les standards d’outils pour agents. Son objectif est plutôt de se placer au-dessus d’eux comme un système de contrôle déterministe : décider si un agent doit payer, combien il peut dépenser, quel fournisseur il doit utiliser, si le service a bien été livré et comment la transaction doit être enregistrée.

Pourquoi les agents IA ont besoin de plus qu’un simple portefeuille

Les portefeuilles crypto savent très bien signer des transactions. Les protocoles de paiement savent très bien transférer de la valeur. Mais les dépenses autonomes pilotées par l’IA introduisent une couche de risque supplémentaire.

Prenons l’exemple d’un agent qui doit accomplir une tâche comme une étude de marché, la génération de code, le rendu d’images ou des analyses on-chain. Il peut avoir besoin d’acheter en temps réel des appels d’API, des inférences de modèle, des jeux de données privés ou du temps de calcul. Dans un workflow opéré par un humain, l’utilisateur examine le prix, autorise le paiement et vérifie le résultat. Dans un workflow autonome, ces responsabilités doivent être transformées en contrôles logiciels.

C’est là que le modèle « il suffit de brancher un portefeuille » montre ses limites. Un portefeuille peut autoriser un paiement, mais il ne répond pas aux questions opérationnelles essentielles :

• l’achat demandé correspond-il réellement à l’intention de l’utilisateur ?
• l’agent a-t-il déjà payé pour le même service ?
• le prix de l’outil reste-t-il dans le budget ?
• que se passe-t-il si le fournisseur facture sans livrer ?
• la transaction pourra-t-elle être auditée plus tard par un utilisateur, une entreprise ou un système de conformité ?

Des évolutions existantes, comme le statut expérimental HTTP 402 Payment Required, les propositions de paiements machine-à-machine, l’appel d’outils basé sur MCP et les infrastructures de microtransactions fondées sur des portefeuilles, aident toutes à construire les rails de paiement. xpense se concentre sur la couche de contrôle qui détermine quand et comment ces rails doivent être utilisés.

Des suggestions de l’agent à la dépense fondée sur des politiques

L’une des idées centrales de xpense est qu’un grand modèle de langage ne doit pas être considéré comme la racine de confiance pour le mouvement d’argent.

Cette distinction est importante. Les LLM sont d’excellents systèmes de raisonnement et de planification, mais ils restent probabilistes. Ils peuvent mal interpréter un contexte, payer trop cher un service, répéter une action échouée ou être manipulés par des prompts malveillants. Dans un environnement de paiement, ces comportements peuvent se traduire par des pertes financières directes.

xpense introduit une structure dans laquelle le modèle peut proposer un achat, mais la décision de dépense effective est prise par un moteur de politique et des contrôles budgétaires. Concrètement, l’agent IA peut dire : « J’ai besoin d’acheter ce jeu de données pour terminer la tâche », mais un système de contrôle distinct vérifie la demande selon des règles telles que :

• le plafond de dépenses par tâche ;
• le budget total journalier ou par session ;
• les catégories d’outils approuvées ;
• la réputation du fournisseur ;
• le format de livraison attendu ;
• les exigences de confidentialité ;
• la prévention des paiements en double.

Cette séparation rappelle le fonctionnement des systèmes financiers d’entreprise : les employés peuvent demander des achats, mais ce sont les budgets, les circuits d’approbation et les systèmes comptables qui déterminent si le paiement a lieu. xpense applique un concept similaire aux agents autonomes utilisant un règlement natif de la crypto.

Le pipeline en sept étapes : de l’intention à la comptabilité

xpense propose un flux de transaction déterministe que l’on peut résumer ainsi :

Intention → Politique → Routage → Paiement → Livraison → Vérification → Comptabilisation

Cette structure est importante parce qu’elle transforme la dépense de l’agent, d’une action floue et opaque, en une séquence traçable.

1. Intention

L’agent exprime ce qu’il cherche à accomplir. Par exemple, il peut avoir besoin d’un flux de prix, d’un appel d’inférence LLM, d’une requête de données ou d’un service d’exécution. L’intention capture la raison du paiement potentiel avant tout mouvement de fonds.

2. Politique

La demande est évaluée au regard des budgets, des règles, des seuils de risque et des contraintes définies par l’utilisateur. C’est à cette étape que le système décide si la dépense proposée est autorisée.

3. Routage

Si l’action est approuvée, xpense peut acheminer la demande vers un fournisseur approprié. La décision de routage peut tenir compte du prix, de la latence, de la confidentialité, de la qualité historique de livraison et d’autres critères de niveau de service.

4. Paiement

L’agent paie via l’infrastructure de portefeuille et de paiement prise en charge. Dans l’orientation actuelle de l’écosystème X-Agent, l’intégration avec OKX Agentic Wallet est significative, car elle introduit une exécution native au portefeuille dans le flux de travail de l’agent.

5. Livraison

Le fournisseur renvoie le service acheté, les données, le résultat de calcul ou la sortie de l’outil.

6. Vérification

Le système vérifie que la livraison correspond bien au résultat attendu. Cette étape est cruciale dans le commerce machine-à-machine, car le succès du paiement ne signifie pas automatiquement le succès du service.

7. Comptabilisation

L’ensemble de l’événement est enregistré dans une trace comprenant l’objectif initial, la décision de politique, la tentative de paiement, le reçu et le résultat de livraison. Cela crée un historique financier exploitable pour les agents.

Le résultat est un système économique plus explicable pour les agents IA, où chaque action payée peut être examinée a posteriori au lieu de se dissoudre dans un simple historique de transactions de portefeuille, souvent pauvre en contexte.

Le paiement et la livraison ne doivent pas être traités comme un seul et même événement

L’un des choix de conception les plus importants de xpense est de séparer l’état du paiement de l’état de la livraison.

Dans les paiements en ligne traditionnels, les utilisateurs vivent souvent un flux unique : payer, puis recevoir. Mais dans les systèmes distribués, beaucoup de choses peuvent mal se passer entre ces deux moments. Une requête réseau peut expirer. L’outil peut n’exécuter qu’une partie de la tâche. Un fournisseur peut renvoyer une sortie invalide. Un paiement peut être réglé alors que la réponse du service est perdue.

Pour des agents IA autonomes, ces cas limites ne sont pas des exceptions rares ; ce sont des risques d’ingénierie normaux. Si un agent effectue de nombreux petits achats auprès d’API, de réseaux de calcul et de fournisseurs de données, le système doit suivre à la fois la réalité du règlement des fonds et celle de la livraison effective du service.

En séparant les deux machines d’état, xpense peut gérer plus clairement :

• l’échec de livraison après paiement ;
• les requêtes en double ;
• les remboursements ou crédits ;
• la résolution des litiges ;
• la logique de reprise ;
• l’évaluation de la performance des fournisseurs.

C’est particulièrement pertinent alors que l’industrie crypto explore des modèles de règlement plus natifs pour les machines, notamment les microtransactions en stablecoins et les canaux de paiement à faible coût.

Pourquoi l’intégration avec OKX Agentic Wallet est importante dans cette pile

L’intégration OKX donne à xpense une voie concrète vers une véritable exécution des paiements, au lieu de rester une simple abstraction. Les portefeuilles agentiques sont conçus pour des interactions pilotées par l’IA, où des agents logiciels peuvent initier des opérations liées à la blockchain sous des contrôles prédéfinis.

Dans cette architecture, l’infrastructure du portefeuille fournit les capacités de garde, de signature et de règlement, tandis que xpense fournit la logique financière de plus haut niveau. La combinaison est importante, car la gestion sécurisée des clés et les dépenses fondées sur des politiques doivent fonctionner ensemble.

Pour les paiements des agents, deux éléments sont particulièrement importants :

• Isolation des clés et sécurité d’exécution : les systèmes d’agents ne doivent pas exposer librement les clés privées aux sorties du modèle ou à des environnements d’outils non fiables.
• Règlement sans friction : les agents IA ont souvent besoin de paiements petits et fréquents. Des frais élevés ou des parcours de signature trop complexes peuvent rendre les microtransactions impraticables.

L’industrie au sens large se dirige elle aussi dans cette direction. Les stablecoins continuent de gagner du terrain pour les paiements programmables, tandis que des cadres comme Model Context Protocol facilitent la découverte et l’appel d’outils externes par les agents IA. xpense tente de relier ces tendances dans une couche de gouvernance des paiements réellement exploitable.

Un routeur de capacités sensible aux paiements pour l’IA

Un autre concept important dans xpense est celui d’un routeur de capacités sensible aux paiements.

Aujourd’hui, les applications d’IA acheminent souvent les appels de modèles en fonction du prix, des performances, de la latence ou de la longueur du contexte. Dans les systèmes d’agents Web3, le routage pourrait devenir plus complexe. Un agent peut avoir besoin de choisir entre plusieurs fournisseurs de données, fournisseurs d’inférence, services d’oracle ou marchés de calcul. Chaque option peut avoir un coût, un temps de réponse, un niveau de qualité et un profil de confidentialité différents.

Un routeur sensible aux paiements peut évaluer les fournisseurs non seulement selon leurs performances techniques, mais aussi selon des critères financiers et de risque. Par exemple :

• les fournisseurs les moins chers peuvent convenir à des tâches de faible valeur ;
• les fournisseurs jouissant d’une meilleure réputation peuvent être privilégiés pour le trading ou les flux liés à la conformité ;
• les requêtes sensibles à la confidentialité peuvent éviter les fournisseurs offrant de faibles garanties sur les données ;
• des livraisons échouées à répétition peuvent réduire le score de routage d’un fournisseur.

Cela pourrait devenir une sorte « d’OpenRouter pour les capacités IA », mais avec les paiements, les reçus et la vérification de la livraison intégrés au flux de travail.

La tendance de fond : les agents économiques autonomes

La sortie de xpense reflète une tendance plus large en 2025 dans la crypto et l’IA : l’émergence d’agents économiques autonomes.

Jusqu’à récemment, la plupart des outils IA étaient financés indirectement. Un utilisateur souscrivait à une plateforme, prépayait des crédits ou connectait manuellement une clé API. L’IA elle-même ne possédait pas vraiment de budget, n’achetait pas de services et ne comptabilisait pas ses dépenses.

La crypto change ce modèle, car les actifs numériques peuvent être transférés de façon programmatique, mondiale et en petites quantités. Combiné à des frameworks d’agents, cela permet de créer des logiciels capables de :

• acheter des données pour accomplir une tâche ;
• louer du calcul pour une durée limitée ;
• payer un autre agent pour un travail spécialisé ;
• recevoir un paiement pour son propre service ;
• conserver un historique de transactions lié à l’intention et au résultat.

Cependant, cet avenir requiert des contrôles plus solides. Sans politiques de dépenses, sans vérification de la livraison et sans pistes d’audit, les agents autonomes pourraient devenir coûteux, peu fiables ou dangereux. xpense est une tentative de rendre la finance des agents plus responsable.

Pourquoi l’auditabilité est essentielle pour l’adoption en entreprise

Pour un utilisateur individuel, une erreur de paiement d’un agent peut être agaçante. Pour une entreprise, elle peut devenir une défaillance de gouvernance.

Une société qui utilise des agents IA pour la recherche, le support client, les opérations de trading, la surveillance de la sécurité ou les workflows de développement doit savoir pourquoi l’argent a été dépensé. Elle doit aussi pouvoir prouver que l’achat était autorisé, que le fournisseur a livré, et que le coût doit être imputé à une tâche ou à une unité métier précise.

L’approche de xpense, qui consiste à enregistrer l’intention, la décision, la tentative de paiement, le reçu et le résultat de livraison, n’est donc pas seulement une commodité pour développeurs. C’est une exigence pour une infrastructure d’agents de niveau entreprise.

Cela peut aider les équipes à répondre à des questions comme :

• quel agent a dépensé le plus sur une période donnée ?
• quels outils ont généré le coût le plus élevé ?
• quels fournisseurs n’ont pas livré après paiement ?
• quelles tâches ont produit une valeur économique positive ?
• quelles politiques ont empêché les dépassements de budget ?

Autrement dit, xpense rapproche les paiements des agents des opérations financières standards, où chaque transaction possède un contexte et une responsabilité.

Considérations de sécurité pour les utilisateurs et les développeurs

L’essor des paiements par agents IA rendra la gestion des clés encore plus importante. Si un agent peut dépenser des fonds, le portefeuille associé doit être protégé contre l’injection de prompts, les outils malveillants, les environnements compromis et les permissions excessives.

Les développeurs qui expérimentent les paiements crypto agentiques devraient envisager plusieurs bonnes pratiques :

• utiliser des plafonds de dépenses plutôt que des soldes ouverts ;
• séparer les fonds opérationnels des avoirs de long terme ;
• définir des règles d’approbation claires pour les actions à forte valeur ;
• journaliser chaque appel payant d’un outil avec son contexte ;
• vérifier la livraison avant d’autoriser de nouveaux achats ;
• éviter d’exposer directement les clés privées aux runtimes IA.

Pour les utilisateurs qui interagissent avec des systèmes d’agents, l’auto-conservation via du matériel reste une couche de sécurité importante. Les portefeuilles matériels OneKey sont conçus pour maintenir les clés privées isolées des appareils connectés à Internet, ce qui est particulièrement pertinent à mesure que davantage d’applications demandent aux utilisateurs de connecter leurs portefeuilles à des workflows automatisés. Même si les portefeuilles agentiques peuvent gérer des budgets opérationnels contrôlés, les actifs de long terme devraient toujours être protégés par de solides pratiques de self-custody.

Ce que xpense pourrait signifier pour l’IA Web3

xpense s’inscrit dans un mouvement plus large, celui du passage d’assistants IA passifs à des participants logiciels autonomes sur les marchés numériques. L’innovation clé ne réside pas seulement dans le fait qu’une IA puisse payer ; elle réside dans le fait que ce paiement puisse être gouverné, vérifié et expliqué.

Si elle réussit, une infrastructure comme xpense pourrait aider à standardiser la manière dont les agents :

• demandent l’autorisation de dépenser ;
• comparent des outils payants ;
• exécutent des microtransactions en stablecoins ;
• vérifient la livraison des services ;
• génèrent des traces financières ;
• participent à des marchés machine-à-machine.

Cela rapprocherait l’IA Web3 d’un monde où les agents ne sont plus de simples interfaces pour des abonnements financés par des humains, mais des acteurs économiques indépendants dotés de budgets, de responsabilités et de flux de revenus.

L’opportunité est considérable, mais le risque l’est tout autant. La finance autonome exige davantage qu’un règlement rapide. Elle a besoin de politiques, de responsabilité et d’une garde sécurisée. La mise en open source de xpense constitue donc une étape significative vers une pile de paiement IA plus mature, d’autant plus que les agents natifs crypto deviennent une composante pratique du prochain cycle applicatif.