Selon Parag Agrawal, l’économie du Web fondée sur l’attention humaine se fragilise lorsque les agents IA deviennent les principaux utilisateurs d’Internet. Les agents peuvent consulter de nombreuses sources sans afficher de publicité ni générer de clic vers les sites d’origine.
Publié parImages générées avec GPT Image 1.5
Réponse de recherche

Create a landscape editorial hero image for this Studio Global article: What is former Twitter CEO Parag Agrawal’s argument that the internet’s advertising and click based business model cannot survive if AI agen. Article summary: Agrawal’s central claim is that a web funded by human attention breaks when AI agents, rather than people, do most of the reading and searching.. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make
L’argument de Parag Agrawal, ancien directeur général de Twitter — aujourd’hui X — repose sur un changement d’usage majeur : les internautes pourraient bientôt déléguer une grande partie de leurs recherches à des agents logiciels.
Le Web actuel repose largement sur une boucle simple. Un moteur de recherche affiche des résultats, l’utilisateur clique, le site reçoit une visite et peut monétiser cette audience grâce à la publicité, aux abonnements ou aux recommandations. Le clic sert donc à la fois d’unité économique et de signal de classement.
Mais un agent IA ne se comporte pas comme un lecteur humain. Il peut consulter silencieusement de nombreuses pages, comparer les informations, produire une synthèse et ne jamais rediriger l’utilisateur vers les sources originales. Il ne regarde pas les publicités, ne développe pas nécessairement de préférence pour une marque et ne produit pas de clic significatif. 2
14
Pour Agrawal, le risque est donc double : les agents pourraient interroger le Web beaucoup plus souvent que les humains tout en supprimant le trafic qui permet aujourd’hui aux éditeurs de financer leurs contenus.
Dans ce nouveau scénario, compter les clics ne suffirait plus à déterminer quelle source a réellement contribué à une réponse. Un agent peut exploiter une information essentielle sans jamais transmettre un visiteur humain au site qui l’a publiée.
Les clics ne permettraient alors ni de mesurer la contribution réelle d’un contenu, ni de rémunérer correctement son éditeur. Agrawal considère également que les signaux historiques issus du comportement humain risquent de devenir moins pertinents pour classer des contenus destinés à des agents. 1
3
La réponse proposée par Agrawal n’est pas nécessairement de remplacer les sites conçus pour les humains. Il défend plutôt une couche d’infrastructure parallèle, optimisée pour les agents : recherche, classement, extraction, recherche approfondie, découverte d’entités, conversation et veille continue.
C’est le positionnement de Parallel Web Systems, l’entreprise fondée par Agrawal. Ses API sont présentées comme une couche d’accès au Web pour les développeurs et les agents qui doivent rechercher des informations, extraire des contenus ou accomplir une tâche complexe. 10
11
Dans cette vision, la question centrale ne serait plus « combien de personnes ont cliqué ? », mais « cette source a-t-elle aidé l’agent à accomplir correctement sa mission ? »
Parallel veut ainsi obtenir des signaux directement liés à la tâche réalisée. Après avoir consulté un document, un agent pourrait indiquer si celui-ci lui a été utile pour vérifier un fait, raisonner, effectuer une recherche ou améliorer sa réponse finale.
Ce type de retour serait plus précis que l’agrégation de clics humains : il permettrait de classer les sources selon leur utilité factuelle et leur pertinence pour un objectif donné, plutôt que selon leur capacité à attirer l’attention. 3
13
Il s’agit toutefois encore d’une thèse commerciale et technologique, pas d’un standard adopté par l’ensemble du Web.
Pour répartir les revenus, le modèle proposé s’appuie sur les valeurs de Shapley, un concept issu de la théorie des jeux coopératifs. L’idée consiste à calculer la contribution additionnelle de chaque source à la réussite d’une réponse, en tenant compte des autres sources disponibles.
Un contenu indispensable ou particulièrement complémentaire recevrait ainsi davantage qu’une source redondante ou seulement périphérique. Ce mécanisme chercherait à rémunérer la valeur marginale réellement créée, plutôt qu’un simple clic ou un forfait de licence identique pour tous. 16
La difficulté est considérable : il faudrait mesurer cette contribution de manière fiable à grande échelle, empêcher les manipulations et parvenir à un accord acceptable entre éditeurs, fournisseurs d’agents et plateformes d’IA.
Index constitue le volet destiné aux propriétaires de contenus. La plateforme doit leur permettre de comprendre comment les agents découvrent, citent et utilisent leurs articles ou leurs données, tout en reliant leur rémunération à la valeur apportée par ces contenus.
Parallel présente Index comme un système d’incitations destiné à mieux aligner les intérêts des éditeurs et ceux des développeurs d’agents. Sa documentation cite notamment les éditeurs, les fournisseurs de données et les créateurs indépendants comme utilisateurs potentiels. 6
7
14
La plateforme compte également des partenaires de lancement parmi les éditeurs et distributeurs de contenus, dont The Atlantic. Les informations publiques disponibles ne permettent toutefois pas d’établir une liste complète de clients ni un nombre vérifié de développeurs utilisateurs. 6
10
Parallel Web Systems a levé 30 millions de dollars lors d’un tour d’amorçage en 2024, puis 100 millions de dollars en série A en novembre 2025, pour une valorisation annoncée de 740 millions de dollars. 1
2
8
L’entreprise a ensuite obtenu 100 millions de dollars supplémentaires lors d’un tour de série B mené par Sequoia, pour une valorisation rapportée de 2 milliards de dollars en avril 2026. Parmi les investisseurs déjà présents figuraient notamment Kleiner Perkins, Index Ventures, Khosla Ventures, First Round, Spark, Terrain et Abstract. 9
10
15
Parallel est aussi devenu une option de recherche et d’ancrage pour les clients de Google Cloud qui développent des agents d’entreprise. D’après les informations rapportées, les développeurs utilisant les outils d’agents de Google Cloud peuvent choisir Parallel Search aux côtés de Google Search pour donner à leurs agents un accès documenté au Web. 2
12
Cette intégration offre à Parallel une distribution au sein d’une importante plateforme destinée aux entreprises. Elle crée aussi une relation ambivalente : Google est à la fois un partenaire stratégique et un concurrent potentiel dans la recherche et l’infrastructure pour agents. 5
16
L’estimation d’Agrawal selon laquelle le basculement pourrait se produire dans les 12 à 24 prochains mois est une prévision, et non un consensus mesuré.
Son raisonnement tient à la progression rapide des modèles d’IA, à leur capacité croissante à utiliser des outils et à l’adoption d’agents par les entreprises via des services cloud et des API existantes. Un agent peut également lancer de nombreuses recherches et sous-tâches pour répondre à une seule demande humaine.
Si ces systèmes franchissent un seuil suffisant de fiabilité, de rapidité et de coût, le volume de requêtes adressées au Web pourrait devenir dominé par les agents avant même que les habitudes du grand public aient complètement changé. Parallel résume cette conviction en affirmant que les agents pourraient utiliser le Web « 1 000 fois plus » que les humains. 2
14
Le modèle d’Index et la rémunération fondée sur les valeurs de Shapley décrivent une nouvelle architecture de marché, mais ils ne constituent pas encore un remplacement universel de la publicité en ligne.
Rien ne garantit pour l’instant que les éditeurs, les différentes plateformes d’agents et les autres acteurs du Web adopteront un système commun d’attribution. Le pari de Parag Agrawal est donc clair : si les agents deviennent les principaux intermédiaires entre les internautes et l’information, l’économie du Web devra rémunérer la contribution aux réponses plutôt que la capacité à provoquer un clic.
Studio Global AI
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Selon Parag Agrawal, l’économie du Web fondée sur l’attention humaine se fragilise lorsque les agents IA deviennent les principaux utilisateurs d’Internet.
Selon Parag Agrawal, l’économie du Web fondée sur l’attention humaine se fragilise lorsque les agents IA deviennent les principaux utilisateurs d’Internet. Les agents peuvent consulter de nombreuses sources sans afficher de publicité ni générer de clic vers les sites d’origine.
Le « Web parallèle » de Parallel Web Systems vise à classer les sources selon leur utilité pour une tâche, plutôt que selon les clics qu’elles obtiennent.
Selon Parag Agrawal, l’économie du Web fondée sur l’attention humaine se fragilise lorsque les agents IA deviennent les principaux utilisateurs d’Internet. Les agents peuvent consulter de nombreuses sources sans afficher de publicité ni générer de clic vers les sites d’origine.
Publié parImages générées avec GPT Image 1.5
Réponse de recherche

Create a landscape editorial hero image for this Studio Global article: What is former Twitter CEO Parag Agrawal’s argument that the internet’s advertising and click based business model cannot survive if AI agen. Article summary: Agrawal’s central claim is that a web funded by human attention breaks when AI agents, rather than people, do most of the reading and searching.. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make
L’argument de Parag Agrawal, ancien directeur général de Twitter — aujourd’hui X — repose sur un changement d’usage majeur : les internautes pourraient bientôt déléguer une grande partie de leurs recherches à des agents logiciels.
Le Web actuel repose largement sur une boucle simple. Un moteur de recherche affiche des résultats, l’utilisateur clique, le site reçoit une visite et peut monétiser cette audience grâce à la publicité, aux abonnements ou aux recommandations. Le clic sert donc à la fois d’unité économique et de signal de classement.
Mais un agent IA ne se comporte pas comme un lecteur humain. Il peut consulter silencieusement de nombreuses pages, comparer les informations, produire une synthèse et ne jamais rediriger l’utilisateur vers les sources originales. Il ne regarde pas les publicités, ne développe pas nécessairement de préférence pour une marque et ne produit pas de clic significatif. 2
14
Pour Agrawal, le risque est donc double : les agents pourraient interroger le Web beaucoup plus souvent que les humains tout en supprimant le trafic qui permet aujourd’hui aux éditeurs de financer leurs contenus.
Dans ce nouveau scénario, compter les clics ne suffirait plus à déterminer quelle source a réellement contribué à une réponse. Un agent peut exploiter une information essentielle sans jamais transmettre un visiteur humain au site qui l’a publiée.
Les clics ne permettraient alors ni de mesurer la contribution réelle d’un contenu, ni de rémunérer correctement son éditeur. Agrawal considère également que les signaux historiques issus du comportement humain risquent de devenir moins pertinents pour classer des contenus destinés à des agents. 1
3
La réponse proposée par Agrawal n’est pas nécessairement de remplacer les sites conçus pour les humains. Il défend plutôt une couche d’infrastructure parallèle, optimisée pour les agents : recherche, classement, extraction, recherche approfondie, découverte d’entités, conversation et veille continue.
C’est le positionnement de Parallel Web Systems, l’entreprise fondée par Agrawal. Ses API sont présentées comme une couche d’accès au Web pour les développeurs et les agents qui doivent rechercher des informations, extraire des contenus ou accomplir une tâche complexe. 10
11
Dans cette vision, la question centrale ne serait plus « combien de personnes ont cliqué ? », mais « cette source a-t-elle aidé l’agent à accomplir correctement sa mission ? »
Parallel veut ainsi obtenir des signaux directement liés à la tâche réalisée. Après avoir consulté un document, un agent pourrait indiquer si celui-ci lui a été utile pour vérifier un fait, raisonner, effectuer une recherche ou améliorer sa réponse finale.
Ce type de retour serait plus précis que l’agrégation de clics humains : il permettrait de classer les sources selon leur utilité factuelle et leur pertinence pour un objectif donné, plutôt que selon leur capacité à attirer l’attention. 3
13
Il s’agit toutefois encore d’une thèse commerciale et technologique, pas d’un standard adopté par l’ensemble du Web.
Pour répartir les revenus, le modèle proposé s’appuie sur les valeurs de Shapley, un concept issu de la théorie des jeux coopératifs. L’idée consiste à calculer la contribution additionnelle de chaque source à la réussite d’une réponse, en tenant compte des autres sources disponibles.
Un contenu indispensable ou particulièrement complémentaire recevrait ainsi davantage qu’une source redondante ou seulement périphérique. Ce mécanisme chercherait à rémunérer la valeur marginale réellement créée, plutôt qu’un simple clic ou un forfait de licence identique pour tous. 16
La difficulté est considérable : il faudrait mesurer cette contribution de manière fiable à grande échelle, empêcher les manipulations et parvenir à un accord acceptable entre éditeurs, fournisseurs d’agents et plateformes d’IA.
Index constitue le volet destiné aux propriétaires de contenus. La plateforme doit leur permettre de comprendre comment les agents découvrent, citent et utilisent leurs articles ou leurs données, tout en reliant leur rémunération à la valeur apportée par ces contenus.
Parallel présente Index comme un système d’incitations destiné à mieux aligner les intérêts des éditeurs et ceux des développeurs d’agents. Sa documentation cite notamment les éditeurs, les fournisseurs de données et les créateurs indépendants comme utilisateurs potentiels. 6
7
14
La plateforme compte également des partenaires de lancement parmi les éditeurs et distributeurs de contenus, dont The Atlantic. Les informations publiques disponibles ne permettent toutefois pas d’établir une liste complète de clients ni un nombre vérifié de développeurs utilisateurs. 6
10
Parallel Web Systems a levé 30 millions de dollars lors d’un tour d’amorçage en 2024, puis 100 millions de dollars en série A en novembre 2025, pour une valorisation annoncée de 740 millions de dollars. 1
2
8
L’entreprise a ensuite obtenu 100 millions de dollars supplémentaires lors d’un tour de série B mené par Sequoia, pour une valorisation rapportée de 2 milliards de dollars en avril 2026. Parmi les investisseurs déjà présents figuraient notamment Kleiner Perkins, Index Ventures, Khosla Ventures, First Round, Spark, Terrain et Abstract. 9
10
15
Parallel est aussi devenu une option de recherche et d’ancrage pour les clients de Google Cloud qui développent des agents d’entreprise. D’après les informations rapportées, les développeurs utilisant les outils d’agents de Google Cloud peuvent choisir Parallel Search aux côtés de Google Search pour donner à leurs agents un accès documenté au Web. 2
12
Cette intégration offre à Parallel une distribution au sein d’une importante plateforme destinée aux entreprises. Elle crée aussi une relation ambivalente : Google est à la fois un partenaire stratégique et un concurrent potentiel dans la recherche et l’infrastructure pour agents. 5
16
L’estimation d’Agrawal selon laquelle le basculement pourrait se produire dans les 12 à 24 prochains mois est une prévision, et non un consensus mesuré.
Son raisonnement tient à la progression rapide des modèles d’IA, à leur capacité croissante à utiliser des outils et à l’adoption d’agents par les entreprises via des services cloud et des API existantes. Un agent peut également lancer de nombreuses recherches et sous-tâches pour répondre à une seule demande humaine.
Si ces systèmes franchissent un seuil suffisant de fiabilité, de rapidité et de coût, le volume de requêtes adressées au Web pourrait devenir dominé par les agents avant même que les habitudes du grand public aient complètement changé. Parallel résume cette conviction en affirmant que les agents pourraient utiliser le Web « 1 000 fois plus » que les humains. 2
14
Le modèle d’Index et la rémunération fondée sur les valeurs de Shapley décrivent une nouvelle architecture de marché, mais ils ne constituent pas encore un remplacement universel de la publicité en ligne.
Rien ne garantit pour l’instant que les éditeurs, les différentes plateformes d’agents et les autres acteurs du Web adopteront un système commun d’attribution. Le pari de Parag Agrawal est donc clair : si les agents deviennent les principaux intermédiaires entre les internautes et l’information, l’économie du Web devra rémunérer la contribution aux réponses plutôt que la capacité à provoquer un clic.
Studio Global AI
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Selon Parag Agrawal, l’économie du Web fondée sur l’attention humaine se fragilise lorsque les agents IA deviennent les principaux utilisateurs d’Internet.
Selon Parag Agrawal, l’économie du Web fondée sur l’attention humaine se fragilise lorsque les agents IA deviennent les principaux utilisateurs d’Internet. Les agents peuvent consulter de nombreuses sources sans afficher de publicité ni générer de clic vers les sites d’origine.
Le « Web parallèle » de Parallel Web Systems vise à classer les sources selon leur utilité pour une tâche, plutôt que selon les clics qu’elles obtiennent.