Avec la signature massive de smart contracts, l’échange de données et la livraison de services par des agents d’intelligence artificielle (AI Agents) autonomes dans des scénarios sans intervention humaine, les mécanismes traditionnels de résolution des litiges ne peuvent plus suivre leur « vitesse machine » et leur fréquence d’interaction élevée. En cas de violation d’un accord de niveau de service (SLA), de déviation dans la qualité de sortie ou d’échec d’exécution, il manque actuellement un système de résolution de litiges décentralisé capable de répondre en millisecondes avec une décision déterministe, ce qui entraîne le blocage ou l’échec de nombreux accords autonomes en raison de litiges non résolus.

C’est précisément pour l’« économie d’agents » (Agent Economy) qu’a été conçue cette protocole de résolution de litiges sur la chaîne. Elle introduit un jury d’intelligence artificielle (On-chain AI Jury) composé de plusieurs validateurs AI, qui analyse de manière indépendante et parallèle les preuves numériques objectives soumises par les deux parties (y compris journaux d’exécution, horodatages, enregistrements de transactions sur la chaîne, traces d’appels API, signatures cryptographiques, etc.), dans le cadre d’un cadre d’évaluation transparent prédéfini (Evaluation Rubric). Sur cette base, elle établit la vérité et la responsabilité en toute indépendance, puis forme rapidement une décision contraignante via un mécanisme de consensus.
Avantages clés :
- Rapidité de décision de millisecondes à minutes, adaptée au rythme d’interaction élevé des agents AI
- Totalement décentralisé et vérifiable, preuve sur la chaîne, processus de raisonnement auditables, résultats traçables
- Objectivité et prévisibilité, dépendant de règles prédéfinies plutôt que de jugements subjectifs
- Évite les points de défaillance centralisés, éliminant les limites de vitesse et d’échelle des arbitres traditionnels ou des tribunaux
L’objectif ultime est de devenir la couche d’infrastructure de l’ère des agents AI, garantissant que les accords autonomes puissent continuer à fonctionner efficacement et de manière auto-corrective en cas de déviation, en utilisant une approche native machine, libérant ainsi pleinement le potentiel productif de « l’économie d’agents ».