Crise du modèle IA : MonetizationOS veut personnaliser le paywall et créer un botwall

Alors que les éditeurs de contenu et les entreprises numériques sont pris en étau entre des modèles d'abonnement vieillissants et la montée en puissance du crawling par l'IA, la start-up MonetizationOS propose de monétiser aussi bien les lecteurs humains que les robots.

Le constat est alarmant pour les créateurs de contenu en ligne : le modèle économique traditionnel se fissure. D’un côté, les « paywalls » classiques, binaires et rigides, peinent à convertir les utilisateurs humains. De l’autre, une armée invisible de robots et d’agents d’IA consomme massivement des contenus pour entraîner des modèles de langage (LLM) sans verser un centime aux créateurs.

Dans ce contexte de crise de valeur, la start-up britannique MonetizationOS veut « protéger la valeur d’Internet ». Fondée par James Henderson (ancien créateur de Zephyr, revendu à Zuora), la jeune pousse a déjà levé plus de 6 millions de dollars auprès d’investisseurs comme Google et Cloudflare. Rien d’étonnant, puisque Cloudflare est lui aussi en train de bâtir un système de paiement par crawl pour les éditeurs.

Pour les humains, le modèle « one size fits all » est révolu

L’idée centrale est de remplacer les murs payants statiques par un système dynamique capable de gérer deux types de trafics différents : les humains et les machines.

Pour le trafic humain, la philosophie de MonetizationOS est simple : l’approche « one size fits all » est révolue. Traiter un lecteur fidèle et un visiteur occasionnel venu de LinkedIn de la même manière est une erreur économique selon la start-up.

La technologie utilise l’apprentissage automatique pour analyser le comportement de chaque visiteur (source de trafic, historique, contenu consommé). Au lieu d’un simple blocage, le système propose une offre sur mesure. Par exemple, un amateur de sport ne se verra proposer qu’un abonnement à la rubrique sportive à prix réduit, tandis qu’un lecteur professionnel se verra offrir un forfait adapté à son usage. L’objectif est de maximiser le revenu en s’adaptant à la courbe de demande de chaque individu.

Le blocage des robots est inefficace

Pour les robots, la start-up appelle à passer de l’exclusion à une « licence dynamique ». Aujourd’hui, environ 50 % du trafic web est généré par des robots (51% selon Gartner, il y a donc plus de lecteurs robotiques qu’humains). La réaction instinctive des éditeurs est souvent de bloquer ces bots. Or, MonetizationOS affirme que le blocage est inefficace et contre-productif.

La start-up propose plutôt un modèle de « licence dynamique ». L’infrastructure identifie le type de robot (un moteur de recherche, un outil d’accessibilité ou un scrapeur d’IA) et applique des règles d’accès différenciées.

Un robot d’indexation pour la recherche peut passer gratuitement.
Un agent d’IA venant entraîner un LLM devra payer une licence spécifique, calculée selon le volume de contenu ingéré.

Le système permet ainsi de mesurer précisément la consommation des machines et de facturer les entreprises d’IA pour l’accès aux données, transformant une perte sèche en nouvelle source de revenus.

La plateforme de MonetizationOS repose sur une technologie déployée directement sur le « edge » (une infrastructure informatique située au plus près de l’utilisateur ou de la machine qui visite un site web, par opposition aux serveurs centraux où le site est hébergé), ce qui permet de prendre des décisions en temps réel, en moins de 50 millisecondes, sans ralentir l’expérience utilisateur.

Votre plus grand lecteur n’est pas humain

James Henderson et son équipe envisagent un futur en trois phases : d’abord protéger et monétiser les interactions, puis introduire une intelligence décisionnelle en temps réel, pour enfin aboutir à une « monétisation autonome » où le système s’optimise lui-même.

Le modèle économique de la jeune pousse repose sur un système d’abonnement. La plateforme est gratuite jusqu’à 1 million d’opérations par mois.

MonetizationOS parie sur le fait que la survie des créateurs de contenu ne passe pas par des barrières plus hautes, mais par des portes plus intelligentes, capables de reconnaître et de facturer aussi bien l’humain qui lit que la machine qui apprend.