ASUS et Poesis testent un agent d'IA de trading autonome avec du capital réel

ASUS et Poesis se sont associés pour une expérimentation d'une semaine au cours de laquelle des agents d'IA autonomes ont mené des études de marché, géré les risques et effectué de véritables transactions. D'après le communiqué des deux entreprises, les agents ont fonctionné sur l'ordinateur portable ASUS ExpertCenter Pro ET900N G3 équipé de la technologie NVIDIA.

L'importance de cette expérience ne réside pas uniquement dans le développement d'un nouveau robot de trading. Elle nous permet d'entrevoir un nouveau marché où l'IA ne se contente plus de prodiguer des conseils.

Aujourd'hui, nous assistons à l'émergence d'agents capables de collecter des données, d'élaborer des stratégies et d'effectuer des transactions en continu. La disponibilité permanente des cryptomonnaies et leur infrastructure programmable en font le terrain idéal pour la mise en œuvre de cette évolution.

Un agent qui effectue des transactions, et pas seulement des conseils

ASUS préconise l'exécution des agents en local. L'entreprise souligne que l'IA fonctionnant en continu ne se prête pas à une facturation dans le cloud. En effet, les agents génèrent constamment des appels en arrière-plan au lieu de se contenter de répondre aux requêtes ponctuelles d'un utilisateur humain.

Dans un article de blog, ASUS décrit cela comme « le piège des jetons », où une activité continue des agents peut entraîner des factures d'API imprévisibles et se heurter aux limites d'utilisation imposées par les fournisseurs de cloud.

ASUS utilise son Ascent GX10 comme exemple des coûts : un investissement initial d’environ 4$ plus environ 384$ de coûts d’électricité annuels, contre 6$ à 8$ de frais d’API annuels pour une charge de travail comparable basée sur le cloud.

Même si le GX10 n'était pas l'appareil utilisé dans le test Poesis et que les tests ont été effectués à l'aide de l'ExpertCenter Pro ET900N G3, la comparaison met clairement en évidence les arguments d'ASUS concernant le déploiement d'agents locaux.

Il convient toutefois d'apporter une précision importante : le test Poesis n'est qu'une preuve de concept à court terme et non un test de performance à long terme, et il n'a pas été spécifiquement conçu pour le trading de cryptomonnaies.

Des modèles prédictifs aux agents d'action

Un article, publié en mars 2026, décrit l'évolution de l'IA financière, du trading algorithmique basé sur des règles à la prédiction par apprentissage automatique, et désormais à la finance automatisée. Son modèle à quatre niveaux décrit les étapes de perception des données, de raisonnement, de génération de stratégies et d'exécution avec contrôle. Les applications possibles incluent le trading, la gestion de portefeuille, le suivi des risques et la finance décentralisée.

Cependant, l'adoption de l'IA financière est déjà en marche. Selon le rapport mondial sur l'IA dans les services financiers, établi par la Cambridge Judge Business School à partir d'informations provenant de 628 entreprises réparties dans 151 pays, pas moins de 52 % des entreprises interrogées expérimentent déjà l'IA agentielle ou l'utilisent dans leurs opérations.

Les voies ferrées de Crypto s'ouvrent déjà aux agents

Les plateformes d'échange de cryptomonnaies ont consacré l'année 2026 à développer une infrastructure permettant aux traders autonomes d'utiliser leurs services. Binance a lancé Agent OS le 20 août, connectant des outils d'IA à des sous-comptes Agentic dédiés.

Les retraits via l'intégration sont bloqués, tandis que les limites du portefeuille comprennent 50$ par jour pour les swaps, 100$ par défaut pour les transactions DeFi et 20$ pour les paiements x402.

Comme Cryptopolitan l'a rapporté, le déploiement à plus grande échelle inclut Kraken et OKX en mars, Bitget et Gemini en avril, et Coinbase en juin. Le point commun est l'autonomie encadrée par des autorisations : les agents peuvent agir, mais les plateformes d'échange mettent en place une séparation des comptes, des autorisations, des limites ou des environnements contrôlés.

Là où les risques se concentrent

Le potentiel de hausse réside dans une couverture de marché plus large, une exécution plus rapide et des échanges électroniques plus approfondistrons'inscrivant dans une transformation plus vaste des marchés de capitaux analysée par S&P Global.

Mais les agents autonomes pourraient aussi amplifier les faiblesses communes. L’hypothèse des marchés algorithmiques met en garde contre le risque que des modèles similaires, réagissant à des signaux similaires, créent des marchés saturés et réflexifs, et une « monoculture algorithmique ». Le Financial Markets Standards Board souligne également que l’IA en contact avec les marchés reste sous supervision humaine et que la responsabilité doit être clairement établie.

Le secteur des cryptomonnaies est également confronté à un problème de capacité. Avalanche Bart Smith, PDG a déclaré à The Block que si l'activité d'agents se généralise sur les marchés financiers, une part croissante des règlements pourrait se faire sur les blockchains, et qu'« il n'y a pas assez d'espace disponible dans les blocs ».

Son commentaire est une projection, mais il illustre bien le défi infrastructurel : si les agents d’IA deviennent une catégorie plus importante d’acteurs du marché, les marchés devront gérer non seulement plus d’intelligence, mais aussi une activité beaucoup plus automatisée.