— Explorer l'avenir et les opportunités d'investissement de l'intelligence décentralisée
Introduction — La convergence de révolutions de paradigme
Contexte : la rencontre inévitable de deux vagues technologiques
Deux puissantes vagues transforment le monde : l'essor explosif de l'intelligence artificielle (IA) et l'évolution des technologies fondées sur la cryptographie, ou crypto. L'IA, outil productif de nouvelle génération, remodèle les secteurs à une vitesse inédite ; la crypto construit un réseau mondial décentralisé de valeur. Malgré des trajectoires et domaines apparemment différents, leurs logiques fondamentales les conduisent vers une convergence historique.
Le dilemme de la centralisation de l'IA :
L'IA dépend aujourd'hui de quelques géants technologiques et d'une boucle fermée « données–modèles–calcul ». Cela crée des monopoles de données, des algorithmes opaques, des coûts de calcul croissants et des points uniques de défaillance. Cette centralisation freine l'innovation et suscite des inquiétudes sur la vie privée, les biais et la concentration du pouvoir.
La proposition de valeur de la crypto :
La crypto est une « machine à confiance » fondée sur la cryptographie, caractérisée par la décentralisation, la transparence, la résistance à la censure et la valeur programmable. Ces propriétés apportent de nouvelles solutions à la centralisation de l'IA.
Thèse centrale : La fusion de l'IA et de la crypto n'est pas fortuite, mais inévitable. La crypto ne remplace pas les « forces productives » de l'IA — calcul, algorithmes, données — ; elle apporte de nouvelles « relations de production » : un réseau et un modèle économique décentralisés, sans intermédiaire de confiance et aux incitations alignées. Les capacités de l'IA peuvent ainsi être libérées et combinées plus largement et équitablement.
Principes centraux La synergie repose sur une complémentarité profonde et sur une nouvelle réflexion concernant les structures de pouvoir et le partage de la valeur à l'ère numérique.
Infrastructures réciproques : L'IA rend les applications crypto plus intelligentes, adaptables et automatisées : stratégies DeFi plus fines, GameFi plus immersif et gouvernance DAO efficace. La crypto offre en retour un environnement ouvert, résistant à la censure et sans intermédiaire de confiance, libérant modèles et données du contrôle d'entités uniques.
Équilibre des pouvoirs : Cette convergence oppose les forces décentralisées ascendantes au contrôle centralisé descendant. Les réseaux distribués contrebalancent la centralisation de l'IA et favorisent un écosystème intelligent plus ouvert et pluraliste.
Retour de la propriété numérique : Dans le Web2, les plateformes captaient gratuitement les données des utilisateurs. La tokenisation transforme données et modèles en actifs numériques possédés et échangeables, tels que NFT ou tokens, pour que créateurs et contributeurs récupèrent la valeur produite.
Intelligence vérifiable : L'immutabilité et la transparence de la blockchain, associées aux preuves à divulgation nulle de connaissance, rendent les décisions de l'IA traçables et vérifiables. C'est la base d'une IA digne de confiance, face au problème de la « boîte noire ».
Analyse approfondie des technologies
Vue d'ensemble de l'architecture L'intégration repose sur plusieurs couches : infrastructure physique décentralisée (DePIN), applications intelligentes et modèles économiques. Cette architecture vise à résoudre systématiquement les blocages liés à la centralisation et à fournir une solution complète d'intelligence décentralisée. Ses composants sont le calcul, les données, les modèles, les applications et la vérifiabilité, chacun porté par des protocoles innovants et des incitations économiques.
Calcul décentralisé
Logique centrale : Il vise à briser le monopole de quelques fournisseurs cloud, comme AWS, GCP et Azure. Des incitations en tokens rassemblent des ressources inutilisées dans le monde, surtout des GPU, en un marché pair-à-pair sans autorisation préalable. Développeurs IA et artistes du rendu peuvent louer directement auprès de mineurs, centres de données ou particuliers, potentiellement à moindre coût.
Architecture en couches :
Couche matérielle physique : Base constituée d'équipements hétérogènes répartis mondialement : clusters de serveurs professionnels, machines de mineurs et cartes graphiques grand public.
Couche d'orchestration : Elle standardise, planifie, équilibre les charges et répartit les tâches. Cerveau du réseau, elle associe chaque tâche aux bons nœuds et garantit la stabilité du service.
Couche d'agrégation : Pour amplifier les effets de réseau, certains projets réunissent les ressources de réseaux décentralisés, comme Render et Filecoin, et de clouds traditionnels, en un accès unifié et optimisé.
Défis actuels : Malgré le potentiel, les obstacles restent sérieux. Pour l'entraînement IA, la latence et la bande passante entre nœuds distribués rivalisent difficilement avec les réseaux internes rapides des centres de données. Les coûts cachés de réseau, stockage et exploitation peuvent aussi réduire l'avantage tarifaire. Enfin, la demande de GPU haut de gamme, comme H100/A100, dépasse l'offre, tandis que les nombreux GPU grand public trouvent trop peu de demande.
Calcul vérifiable et ZKML
Logique centrale : L'apprentissage automatique à divulgation nulle de connaissance (ZKML) est une application de pointe du calcul vérifiable. Il prouve, par cryptographie et preuves ZKP, qu'une inférence est complète et correcte sans divulguer de données sensibles, telles que les entrées ou paramètres internes. C'est un reçu mathématique fiable pour la « boîte noire » de l'IA.
Valeur centrale :
Protection de la vie privée : Pour les données médicales, financières ou d'identité, ZKML permet d'« utiliser sans voir » : l'inférence s'effectue sans exposer les données brutes, protégeant la confidentialité.
Intégrité du calcul et confiance : ZKML peut prouver à un contrat intelligent qu'une décision vient d'un modèle et d'une entrée précis, sans modification. C'est essentiel aux agents on-chain et à l'identité décentralisée, comme Worldcoin.
Prévention de la triche : Dans les réseaux IA décentralisés, ZKML vérifie que les contributeurs, notamment les opérateurs de modèles, exécutent honnêtement les tâches et ne soumettent pas de résultats faux pour obtenir des récompenses.
Freins actuels : ZKML est à la fois parmi les technologies les plus avancées et les moins matures. Produire une preuve peut demander des centaines, voire des milliers de fois plus de temps et de calcul que l'opération initiale. Convertir des modèles complexes à virgule flottante en circuits adaptés aux ZKP entraîne une perte de précision ; les solutions actuelles concernent surtout de petits modèles. Les preuves on-chain de grands modèles restent très exploratoires.
Données et stockage décentralisés
Logique centrale : L'intelligence de l'IA dépend de la qualité et de la quantité des données d'entraînement. Les systèmes décentralisés veulent dépasser monopoles et silos du Web2 pour créer un écosystème ouvert, fiable et équitable. Les incitations encouragent utilisateurs et organisations à contribuer, vérifier et partager les données.
Technologies et paradigmes clés :
Réseaux de stockage décentralisé (DSN) : Filecoin et Arweave fournissent une infrastructure de stockage massif, durable et résistant à la censure.
Collecte et vérification des données : Des projets comme Grass incitent à partager la bande passante inutilisée pour créer un robot d'exploration distribué, collectant des données web publiques pour l'entraînement et des sources plus transparentes et décentralisées.
Propriété des données et capture de valeur : En tokenisant la propriété avec des Data NFT, les contributeurs possèdent réellement leurs données et peuvent les vendre ou les licencier sur des marchés ou pools de liquidité. Ils en tirent un revenu : c'est le paradigme de la « donnée comme actif ».
Applications possibles : Au-delà de l'entraînement des grands modèles, ces réseaux peuvent générer des données synthétiques, annoter des données, notamment pour le RLHF, et construire des sources vérifiables avec TLS Notary pour authentifier les données off-chain.
Modèles économiques des agents IA
Logique centrale : Si les couches précédentes constituent l'infrastructure, les agents IA sont les habitants natifs de ce nouveau continent. Une identité économique indépendante, telle qu'une adresse de portefeuille, leur permet de posséder des actifs, signer des transactions, exécuter des contrats et interagir de façon autonome avec d'autres agents ou protocoles. Ils deviennent des entités économiques natives on-chain.
Paradigmes clés :
Le modèle comme nœud : Dans certains réseaux, le modèle est un participant à part entière du consensus et de la gouvernance. Ses contributions, comme une inférence de qualité, sont récompensées en tokens.
Centrage sur l'intention : Au lieu d'opérations complexes en plusieurs étapes, l'utilisateur exprime son objectif en langage naturel : « déposer de l'ETH sur Aave, puis utiliser l'aETH reçu comme garantie pour emprunter de l'USDC ». L'agent interprète l'intention, planifie et exécute les meilleures transactions on-chain pour l'atteindre.
Activité économique autonome : Les agents gèrent des fonds, réalisent des arbitrages DeFi complexes, votent dans les DAO, incarnent des PNJ intelligents dans les jeux on-chain et appellent d'autres services IA pour des tâches complexes. Une économie de services entre machines se forme.
Cas d'usage : Ils couvrent le trading automatique, la capture et la protection contre le MEV, le conseil et la gestion d'actifs intelligents, l'automatisation, les oracles décentralisés et les systèmes économiques autonomes. Fetch.ai et Olas (Autonolas) fournissent les architectures et protocoles nécessaires.
Panorama de l'écosystème
Cartographie des segments
L'écosystème IA + Crypto se développe vite, avec des couches d'infrastructure, de middleware et d'applications. Ce paysage dynamique et innovant rassemble des projets qui abordent sous des angles variés les difficultés de la centralisation de l'IA.
Infrastructure : Fondation de l'écosystème : calcul décentralisé avec io.net ou Akash, données avec Grass, stockage avec Filecoin. Ces projets fournissent les ressources de base aux opérations IA.
Middleware et protocoles : Cette couche relie infrastructures et applications avec des fonctions et normes communes. Bittensor construit un réseau collaboratif de modèles ; Fetch.ai et Olas offrent des cadres d'agents ; Ritual et Modulus Labs explorent ZKML pour vérifier le calcul.
Applications : Directement tournée vers l'utilisateur, elle intègre l'IA aux dApps : DeFi intelligent, portefeuilles plus évolués, PNJ autonomes et applications fondées sur l'intention.
Aujourd'hui, l'essentiel de la valeur et de l'attention se concentre sur l'infrastructure et les protocoles, préalables à l'intelligence décentralisée. Avec leur maturité, nous anticipons une croissance explosive des applications dans les prochaines années.
Positionnement des principaux acteurs
Le secteur compte de nombreux acteurs clairement positionnés, liés par des relations complexes de coopération et de concurrence.
Concurrence et intégration du calcul décentralisé : C'est le segment le plus peuplé et concurrentiel. Akash Network (AKT), le « Taobao du cloud décentralisé », propose un marché ouvert de location. Render Network (RNDR) a débuté dans le rendu 3D, accumulé des GPU grand public et se développe dans l'inférence. io.net (IO), nouvel agrégateur, réunit les GPU de Render et Filecoin et relie des machines géographiquement dispersées en clusters pour des entraînements et inférences complexes, ciblant directement les entreprises.
Modèles et réseaux IA décentralisés : Bittensor (TAO) est le projet phare : plutôt qu'un modèle unique, il crée un réseau incitatif où les modèles mondiaux rivalisent et collaborent en une « intelligence collective » évolutive. SingularityNET (AGIX) construit un marché ouvert pour créer, partager et monétiser les services IA.
Plateformes d'agents on-chain : Fetch.ai (FET), pionnier, fournit les outils pour créer, déployer et relier des agents économiques autonomes (AEA). Olas (Autonolas, OLAS) propose une architecture composable de services IA autonomes off-chain, reliés à la blockchain par des oracles, avec un fort potentiel d'automatisation et d'exécution complexe.
Ces projets constituent l'ossature d'IA + Crypto. Leurs trajectoires et leurs relations façonneront profondément l'avenir du secteur.
Cadre et opportunités d'investissement
Taille du marché et croissance prévue
La taille d'IA + Crypto doit être estimée à partir de deux marchés : l'IA et le calcul haute performance, surtout les GPU. Mordor Intelligence prévoit entre 780 et 990 milliards de dollars pour l'IA mondiale en 2027. Des leaders comme AMD estiment que le marché des GPU, base matérielle de l'IA, atteindra 200 à 400 milliards de dollars cette année-là. La capitalisation du secteur reste naissante, mais son marché total adressable (TAM) est immense. Nous pensons que même une part de 1 % à 5 % de ces marchés créerait un segment de centaines de milliards de dollars. Le potentiel dépend de la maturité technique et d'applications incontournables.
Logique et thèse d'investissement
Notre logique d'investissement repose sur les piliers suivants :
Moteur macroéconomique : La contradiction entre l'explosion de la demande de calcul IA et les limites d'offre du cloud centralisé crée une occasion historique pour les réseaux décentralisés. C'est le fondement le plus solide et lisible du secteur.
Dividende de l'innovation croisée : L'IA apporte intelligence et automatisation inédites à la crypto : DeFi complexe, gouvernance DAO adaptative et jeux immersifs. La crypto fournit à l'IA un modèle ouvert sans autorisation préalable et une collaboration mondiale, répondant à ses « relations de production ».
Intérêt du capital institutionnel : a16z, Paradigm et Multicoin Capital ont déjà fortement investi. Leurs travaux et capitaux apportent une caution et des catalyseurs puissants.
Valorisation et indicateurs clés
La valorisation est complexe : les modèles comme le PER ou les flux de trésorerie actualisés (DCF) exigent des flux stables et des prévisions de profits difficiles à établir. Il faut combiner mesures crypto natives et indicateurs spécifiques dans un cadre multidimensionnel.Indicateurs crypto natifs :
Revenus du protocole et ratio prix/chiffre d'affaires (P/S) : Mesurent la capture de valeur et la santé financière du projet.
Part des tokens en staking : Reflète la confiance des détenteurs dans la valeur à long terme et leur volonté de sécuriser le réseau.
Ratio valeur du réseau/transactions (NVT) : Comparable au PER, il rapporte la valorisation du réseau à son activité transactionnelle on-chain.
Adresses actives et activité des développeurs : Mesurent l'usage réel et la santé de l'écosystème.
Indicateurs propres à IA + Crypto :
Utilisation de la capacité de calcul : Pour les réseaux de calcul, mesure l'adéquation offre-demande et le besoin commercial réel.
Appels à l'API des modèles : Leur volume reflète directement la fréquence et la valeur de l'utilisation réelle des modèles décentralisés.
Volume et valeur des données contribuées : Mesurent l'échelle et la qualité des données collectées et traitées par les réseaux.
Fréquence et valeur des interactions d'agents : Mesurent leur activité, la complexité des tâches et les fonds mobilisés.
Risques, défis et stratégies
Risques et limites techniques Malgré des perspectives attrayantes, de graves défis techniques freinent une adoption à grande échelle à court terme.
Évolutivité et performances : Le faible nombre de transactions par seconde (TPS) de nombreuses blockchains publiques ne répond pas aux applications IA fréquentes. La latence entre nœuds gêne aussi l'entraînement distribué, qui exige une synchronisation massive des données.
Complexité et coût des modèles : Déployer et exécuter directement de grands modèles de langage (LLM) on-chain coûterait des sommes astronomiques en stockage et calcul. L'IA on-chain actuelle exploite surtout des résultats d'inférence, plutôt que les modèles eux-mêmes.
Compréhension contextuelle des agents : Leur capacité à comprendre un environnement on-chain complexe, dynamique et adversarial reste limitée. Ils peuvent être exploités ou prendre de mauvaises décisions dans des conditions imprévues.
Maturité des technologies fondamentales : ZKML et le chiffrement entièrement homomorphe (FHE), bases du calcul fiable et confidentiel, sont encore à un stade précoce de recherche et loin d'un usage commercial massif.
Risques économiques et de marché Les modèles économiques et la dynamique des marchés présentent aussi des risques importants.
Engouement excessif et bulles : L'IA est le récit technologique le plus prisé, entraînant de fortes survalorisations dans IA + Crypto. Le risque de bulle est élevé et le sentiment domine les fondamentaux à court terme.
Fragilité de l'économie des tokens : Équilibrer durablement offre et demande tout en incitant fournisseurs de calcul, développeurs et utilisateurs est extrêmement complexe. Une petite erreur peut déclencher une « spirale de la mort ».
Concurrence du cloud traditionnel : En fiabilité, stabilité, simplicité et coût global, les réseaux décentralisés peinent à rivaliser directement avec AWS ou Azure à court terme. Ils doivent trouver une différenciation pour survivre.
Risques de sécurité et d'éthique La combinaison crée de nouveaux dilemmes de sécurité et d'éthique.
Failles des contrats intelligents et des agents : La complexité du code croît exponentiellement. Une petite faille peut provoquer des pertes massives d'actifs, amplifiées par l'exécution autonome.
Responsabilité de l'IA : Si un agent autonome prend une mauvaise décision et cause de lourdes pertes, qui répond juridiquement : propriétaire, développeur ou protocole ? La question juridique et éthique reste ouverte.
Confidentialité et détournement des données : La décentralisation vise la protection, mais une mauvaise conception permet d'utiliser les données publiques on-chain pour entraîner des modèles biaisés ou exploiter les utilisateurs par une analyse comportementale précise.
Incertitude réglementaire La réglementation est la principale incertitude extérieure commune à l'IA et à la crypto.
Complexité transfrontalière : L'éthique et l'usage des données IA, comme les attributs financiers de la crypto, affrontent des règles nationales incohérentes et changeantes. Adapter un réseau international décentralisé est un défi majeur.
Tension entre conformité et décentralisation : Les régulateurs exigent souvent AML et KYC, en conflit fondamental avec l'accès sans autorisation et la résistance à la censure. Les équipes doivent trouver un équilibre difficile.
Valeur durable et opportunité historique
Cette intégration dépasse une mode : elle reconstruit création, distribution et propriété de la valeur numérique. Elle combine l'intelligence analytique de l'IA avec la confiance décentralisée, la coordination et la valeur programmable de la crypto. Sa valeur durable n'est pas un empilement technique, mais une coévolution de la productivité (IA) et des relations de production (crypto), fondement d'une économie plus juste, ouverte et autonome. Nous sommes au tournant de l'« Internet de l'information » vers l'« Internet de la valeur et de l'intelligence ».
Les 3 à 5 prochaines années : percées et inflexions À l'horizon intermédiaire de 3 à 5 ans, nous prévoyons des percées et une croissance dans les domaines suivants :
Mise en pratique du calcul vérifiable : ZKML passera de la théorie au commerce, d'abord pour le risque financier, l'identité décentralisée (DID) et le vote on-chain, exigeants en confidentialité et vérifiabilité. Ce sera une base de l'« IA digne de confiance » et un facteur d'adoption institutionnelle.
Composition et émergence des agents : Des normes matures, comme celles d'Olas, permettront une coopération massive entre protocoles et chaînes, formant une « société d'agents ». La première application incontournable centrée sur l'intention sera l'inflexion : des commandes naturelles remplaceront les opérations complexes et transformeront le Web3.
Essor des DePIN spécialisés : Les réseaux d'entraînement et d'inférence se spécialiseront et gagneront en efficacité. Protocoles et clusters optimisés offriront un rapport coût-performance comparable au cloud dans des niches comme l'ajustement fin ou l'inférence spécialisée, captant une part notable du marché.
Conclusion
Le début d'une transformation structurelle L'union IA-crypto est une transformation de long cycle. Elle répond à la centralisation, à la confidentialité et au partage de valeur dans l'IA, tout en apportant intelligence et autonomie à la crypto. Malgré les limites techniques, bulles et incertitudes, la complémentarité fondamentale et la nécessité historique sont claires.
Nous y voyons plus qu'un segment d'investissement : le plan du prochain Internet, un réseau autonome, intelligent et juste. Les agents deviendront des acteurs économiques majeurs, les données et modèles reviendront aux créateurs, et une « société intelligente décentralisée » se dessine. Pour les bâtisseurs et investisseurs d'aujourd'hui, c'est le meilleur moment pour participer à cette grande expérience et façonner l'avenir numérique.
