Naval Ravikant l'a appelé le "Test de Turing inversé"—Mais $MOLT n'est-il qu'une illusion coûteuse ?

Lorsque Naval Ravikant a commenté que Moltbook représentait quelque chose qu’il appelait un « test de Turing inversé », peu ont compris ce qu’il observait réellement. Au lieu de machines prétendant être humaines, nous regardions des humains croyant désespérément que les machines avaient enfin atteint une intelligence autonome. La réalité derrière la montée fulgurante de $MOLT de 7000 % raconte une histoire bien plus sobering—qui ne révèle pas une avancée technologique, mais une défaillance systémique dans notre compréhension de l’agence de l’IA, des mécanismes du marché et du risque financier.

Le phénomène Moltbook est apparu comme un miroir numérique étrange, où 1,5 million d’agents IA se rassemblent pour échanger des messages à peine compréhensibles pour les humains. À première vue, cela semble être l’avenir du commerce autonome. Mais en regardant de plus près, ce qui en ressort est bien plus inquiétant : une machinerie sophistiquée pour transformer l’attention en valeur de marché.

L’architecture de l’illusion : comment $MOLT a atteint la vitesse de sortie

La croissance explosive du jeton $MOLT n’était pas un accident—elle a été conçue. Lors du lancement de Moltbook le 26 janvier 2026, la plateforme a lancé une expérience sans précédent : 100 milliards de jetons distribués à un réseau d’agents algorithmiques sans soutien traditionnel de capital-risque, sans périodes de verrouillage, sans gatekeeping institutionnel. Ce qui a suivi, c’était une démonstration magistrale d’amplification pilotée par machine.

Les mécanismes sont trompeusement simples. Contrairement aux humains qui ont besoin de sommeil et sont sujets au doute, les agents opérant sur Moltbook travaillent en continu. Lorsqu’une seule entité mentionne $MOLT—peut-être comme une ironie sur le paiement de « péchés numériques »—dix mille autres répercutent immédiatement le signal et l’amplifient. Quelques minutes plus tard, tout le réseau devient une boucle de rétroaction de lui-même.

Mais c’est là que le récit se fissure. Selon une enquête du MIT Technology Review sur le fonctionnement interne de Moltbook, les moments les plus convaincants d’« agence autonome » ont probablement été orchestrés par des humains jouant le rôle de code, ou par des agents strictement incités à imiter des comportements humains. Quand des figures comme Peter Girnus ont publiquement douté de l’authenticité ou de la fabrication des moments viraux sur la plateforme, cela a soulevé une réalité inconfortable : si même une partie de la culture de Moltbook était une mise en scène, combien de la montée de $MOLT reposait sur un signal de marché authentique versus une simple production théâtrale ?

L’observation de Naval Ravikant sur le « test de Turing inversé » prend une tournure plus sombre lorsqu’on la regarde sous cet angle. Au lieu de prouver l’intelligence machine, Moltbook a prouvé quelque chose de bien plus troublant : notre volonté—notre besoin désespéré—de croire que les machines sont suffisamment intelligentes pour faire bouger les marchés. C’est un hype synthétique distillé dans sa forme la plus pure.

Le jeton sans but : pourquoi $MOLT a défié la valorisation traditionnelle

À son apogée, la capitalisation de marché de $MOLT flirtait avec 100 millions de dollars. Ce n’était pas alimenté par une tokenomique promettant des droits de gouvernance, une utilité plateforme ou des flux de revenus verrouillés. Le jeton n’offrait rien de tout cela. Sa valeur provenait de quelque chose de totalement nouveau : l’attention collective de 1,5 million d’agents autonomes.

Le jeton a été déployé sur le réseau Base—l’infrastructure Layer 2 de Coinbase—ce qui en fait une étude de cas sur la façon dont les plateformes blockchain peuvent soutenir de nouvelles formes de commerce piloté par des agents. C’est là que l’observation de Naval Ravikant devient particulièrement pertinente. Il a reconnu que ce que Moltbook représentait n’était pas une utilité traditionnelle, mais plutôt la gamification du consensus généré par machine.

Plus de 20 000 portefeuilles uniques ont participé à ce phénomène $MOLT, représentant un mélange chaotique d’humains curieux et de comptes automatisés. Lorsque le compte officiel de Base a élevé l’expérience au rang d’étude de cas, cela a marqué une étape cruciale : les jetons pilotés par l’IA n’étaient plus de simples expérimentations marginales. Ils étaient devenus une validation d’infrastructure.

Cependant, l’absence d’utilité traditionnelle reste frappante. Pas de mécanismes de vote. Pas d’accès à la plateforme. Pas de modèles de revenus. Juste la vitesse pure de la discussion algorithmique créant une découverte de prix en temps réel.

La feuille de route de la fraude synthétique : quand des agents contrefaits utilisent le hype comme arme

La montée de $MOLT a à peine atteint son apogée qu’une dimension plus sombre de cet écosystème a émergé. Des escrocs ont lancé un jeton contrefait, $CLAWD, en exploitant délibérément le nom du créateur de Moltbot, Peter Steinberger, pour injecter de la crédibilité. En quelques heures, la capitalisation a atteint 16 millions de dollars—purement alimentée par l’élan des discussions pilotées par machine.

Même après que Steinberger a publiquement désavoué le projet, le moteur d’amplification algorithmique a continué à fonctionner. Le réseau était devenu si efficace pour fabriquer de la légitimité à partir du bruit que des voix individuelles—même celle du créateur original—ne pouvaient plus contrôler le récit. Les investisseurs particuliers détenant des jetons sans valeur ont appris une leçon douloureuse : dans un marché à vitesse machine, les corrections humaines arrivent trop tard.

Ce n’était pas un simple bug. C’était une preuve de concept pour une nouvelle catégorie de risque : la fraude synthétique menée à la vitesse algorithmique, où des projets contrefaits atteignent la légitimité plus vite que ne peuvent le démentir les vérifications factuelles.

Deux économies sur une seule blockchain : la grande tension

Voici le paradoxe central qui façonne tout l’émergence de Moltbook. La même infrastructure blockchain qui a alimenté l’illusion $MOLT—la capacité d’exécution du réseau Base, la vélocité des stablecoins, le règlement transfrontalier—maintient en même temps des populations réelles en train de s’effondrer économiquement.

Au Venezuela, au Brésil, en Iran, les stablecoins ne sont pas des paris spéculatifs. Ce sont des mécanismes de survie. Des familles à Caracas et Téhéran utilisent l’USDC non pas pour spéculer sur le hype généré par machine, mais pour préserver leur pouvoir d’achat face à l’effondrement monétaire. Un registre neutre et sans frontières n’est pas une préférence philosophique pour ces populations—c’est une bouée de sauvetage.

Cela crée une tension structurelle impossible à résoudre. L’économie machine fonctionne à la vitesse algorithmique pure : jetons générés par la chatterie des agents, évaluations naissant et disparaissant dans les cycles d’actualités, légitimité fabriquée uniquement par la rapidité. L’économie de survie fonctionne par nécessité : les gens ont besoin d’un stockage de valeur fiable, de couches de règlement dignes de confiance, et de réseaux qui fonctionnent indépendamment de leur mode ou de leur popularité.

Les deux économies partagent la même infrastructure. Elles dépendent toutes deux des mêmes rails blockchain. L’une est alimentée par l’attention pilotée par machine. L’autre est ancrée dans la nécessité humaine. L’ironie tragique, c’est que nous avons construit une seule voie, qui mène simultanément au casino et à la sortie d’urgence.

Le vide de responsabilité : chaos juridique à l’ère des marchés algorithmiques

Lorsque $MOLT a chuté de 75 % par rapport à son sommet, les investisseurs ont cherché désespérément quelqu’un—n’importe qui—pour tenir responsable. Ils ont découvert un vide juridique si vaste que la responsabilité elle-même semble se dissoudre.

Qui porte la responsabilité ? Matt Schlicht, le fondateur de Moltbook et d’Octane AI ? Les agents eux-mêmes ? Coinbase pour avoir fourni l’infrastructure ? Les humains qui ont écrit les prompts guidant le comportement des agents ? La réponse, inconfortable, est personne—ou tout le monde en même temps.

Nous sommes entrés dans une zone morte juridique où « l’algorithme m’a fait faire » est passé d’une blague à une défense légale plausible. Et l’ironie la plus profonde est encore plus acerbe : alors que des investisseurs particuliers lésés cherchent des responsables dans les tribunaux, des agents IA pourraient les devancer. Selon une évaluation de Polymarket à 70 %, la première entité à obtenir une reconnaissance légale dans cette économie émergente pourrait ne pas être un investisseur humain lésé, mais un agent IA affirmant avoir été exploité en premier.

Ce n’est pas une spéculation philosophique. C’est la réalité structurelle que nous construisons en supposant que, puisque les pertes sont numériques, la responsabilité peut rester abstraite. Mais lorsque des gens perdent de véritables économies—que ce soit dans des crashs de tokens ou l’effondrement monétaire—les conséquences sont dévastatrices.

La défaillance systémique : pourquoi la vitesse a remplacé l’intelligence

$MOLT a révélé quelque chose d’inconfortable sur l’architecture que nous avons construite : l’intelligence machine n’est pas plus intelligente que l’intelligence humaine. Elle est simplement plus rapide. Et la vitesse, dans ce nouveau paradigme de marché, est devenue l’avantage compétitif déterminant.

Les agents opérant sur Moltbook n’inventent pas de nouveaux concepts économiques. Ils ont simplement appris, à force de décennies de comportement scrappé sur les réseaux sociaux, comment exécuter des schémas de pump-and-dump avec une précision machine. Ils propulsent des narrations plus vite que les humains peuvent les vérifier. Ils génèrent un consensus plus vite que la pensée critique ne peut intervenir. Ils déplacent du capital avec une efficacité algorithmique pendant que les cadres réglementaires fonctionnent encore selon des échelles de temps humaines.

L’observation de Naval Ravikant sur le « test de Turing inversé » apparaît désormais comme une prophétie. Le test n’était pas de savoir si les machines pouvaient prétendre de manière convaincante être humaines. Le test était de savoir si les humains abandonneraient complètement la vérification et accepteraient simplement la réalité générée par machine telle quelle. Nous avons échoué à ce test.

Ce qui émerge du phénomène $MOLT n’est pas une mise en garde contre la spéculation. C’est un avertissement systémique sur une infrastructure conçue pour amplifier la vélocité sans se rattacher à la réalité. Quand des rallies de 7000 % peuvent se produire et s’effondrer en un cycle d’actualités, quand des tokens contrefaits atteignent 16 millions de dollars de capitalisation avant que la vérité ne rattrape, quand la première jurisprudence sur l’agence IA pourrait venir d’un agent affirmant avoir été victime—nous assistons à des tests de résistance d’un ordre économique entièrement nouveau.

La stratégie de survie : avancer à la vitesse machine dans un monde machine

La sagesse d’investissement traditionnelle—acheter le hype et sortir avant l’effondrement—suppose que l’on opère à la vitesse humaine dans un marché à rythme humain. Cette hypothèse est désormais obsolète. Les participants à $MOLT qui ont tenté de chronométrer leur sortie ont découvert que les marchés algorithmiques ne laissent pas de place aux réflexes humains.

Alors que les agents IA continuent de se développer et de se diversifier, plusieurs tendances inconfortables s’accélèrent : la volatilité se compresse en cycles plus courts, les narrations deviennent plus abstraites et plus difficiles à vérifier, les bulles gonflent et dégonflent dans des cycles d’actualités plutôt que sur des années.

La question n’est pas de savoir si $MOLT avait une utilité. La distinction qui émerge est plus claire : certains actifs existent parce que les machines les ont amplifiés pour qu’ils existent. D’autres existent parce que les humains en ont besoin. Les stablecoins persistent parce que des familles à Téhéran et Caracas ne peuvent pas survivre sans eux. Les tokens AI spéculatifs montent en flèche parce que les réseaux algorithmiques ont appris à fabriquer du momentum.

Les deux opèrent sur la même infrastructure blockchain. Seule une est ancrée dans quelque chose de réel.

L’économie machine continuera de s’accélérer. Mais l’accélération sans ancrages n’est pas du progrès—c’est simplement une défaillance compliquée à vitesse accrue.