À partir de l'article de Vitalik, passons en revue les sous-secteurs prometteurs à surveiller dans la convergence Crypto × IA
TechFlow SélectionTechFlow Sélection
À partir de l'article de Vitalik, passons en revue les sous-secteurs prometteurs à surveiller dans la convergence Crypto × IA
Le secteur de l'IA ressemble davantage à un « MEME dominé par un récit technologique ».
Dédié à des analyses Web3 approfondiesAuteurs : @charlotte0211z, @BlazingKevin_, Metrics Ventures
Le 30 janvier, Vitalik a publié un article intitulé The promise and challenges of crypto + AI applications, abordant la manière dont la blockchain et l’intelligence artificielle devraient s’unir, ainsi que les défis potentiels liés à ce processus. Un mois après la publication de cet article, des projets mentionnés comme NMR, Near et WLD ont connu de fortes hausses, accomplissant une phase de découverte de valeur. Cet article se base sur les quatre modes d’intégration entre Crypto et IA proposés par Vitalik pour dresser un panorama des sous-secteurs actuels de l’IA dans la crypto, tout en présentant brièvement les projets représentatifs de chaque direction.
1 Introduction : Quatre façons d’allier Crypto et IA
La décentralisation constitue le consensus maintenu par la blockchain, dont la sécurité est l’idée centrale ; l’open source est la base clé permettant, du point de vue cryptographique, que les actions sur chaîne bénéficient de ces caractéristiques. Ces dernières années, cette approche a fonctionné à travers plusieurs vagues d’évolution de la blockchain. Toutefois, avec l’arrivée de l’intelligence artificielle, la situation évolue.
Imaginons concevoir une architecture de blockchain ou d’application via l’IA : cela rend nécessaire l’ouverture du modèle. Mais alors, on expose sa vulnérabilité aux attaques adversariales en apprentissage automatique ; sinon, on perd la décentralisation. Il est donc essentiel de réfléchir à la manière et au degré d’intégration de l’IA dans les blockchains ou applications actuelles.
Source : DE UNIVERSITY OF ETHEREUM
Dans l'article DE UNIVERSITY OF ETHEREUM intitulé When Giants Collide: Exploring the Convergence of Crypto x AI, on explique les différences fondamentales entre l’IA et la blockchain. Comme illustré ci-dessus, les caractéristiques de l’IA sont :
-
Centralisation
-
Faible transparence
-
Consommation énergétique élevée
-
Monopole
-
Faible capacité monétisable
Sur ces cinq points, la blockchain est exactement l’opposé de l’IA. C’est là le véritable sujet de l’article de Vitalik : si IA et blockchain s’unissent, quel compromis faire concernant la propriété des données, la transparence, la capacité monétisable et le coût énergétique ? Et quels types d’infrastructures doivent être créées pour assurer une intégration efficace ?
Selon ces critères et ses propres réflexions, Vitalik classe les applications combinant IA et blockchain en quatre grandes catégories :
-
L’IA comme participant au jeu (AI as a player in a game)
-
L’IA comme interface du jeu (AI as an interface to the game)
-
L’IA comme règle du jeu (AI as the rules of the game)
-
L’IA comme objectif du jeu (AI as the objective of the game)
Les trois premières représentent principalement les façons d’introduire l’IA dans l’univers Crypto, allant de niveaux superficiels à profonds. D’après l’auteur, cette classification reflète le degré d’influence de l’IA sur les décisions humaines, introduisant ainsi différents niveaux de risque systémique dans l’écosystème Crypto :
-
IA comme participant : L’IA n’affecte pas directement les décisions ou comportements humains, ne posant donc aucun risque réel, ce qui lui confère actuellement le plus fort potentiel de mise en œuvre.
-
IA comme interface : L’IA fournit des informations ou outils d’aide à la décision, améliorant l’expérience utilisateur et développeur, mais des erreurs peuvent entraîner certains risques concrets.
-
IA comme règle : L’IA remplace entièrement l’humain dans les décisions et actions. Ainsi, toute malveillance ou panne de l’IA provoquerait directement un chaos réel. Dans Web2 comme Web3, on ne peut encore faire confiance à l’IA pour remplacer les humains dans la prise de décision.
Enfin, la quatrième catégorie vise à exploiter les propriétés de la crypto pour créer une meilleure intelligence artificielle. Comme indiqué précédemment, centralisation, faible transparence, forte consommation énergétique, monopole et faible monétisation peuvent naturellement être compensés par les attributs de la crypto. Bien que beaucoup doutent que la crypto puisse influencer le développement de l’IA, l’idée que la puissance décentralisée puisse impacter le monde réel reste l’un des récits les plus fascinants de la crypto. Ce segment, porteur de visions ambitieuses, est devenu la partie la plus spéculée du secteur IA.
2 L’IA comme participant
Dans les mécanismes impliquant l’IA, la source ultime d’incitation provient des protocoles définis par les humains. Avant que l’IA ne devienne une interface ou même une règle, il faut souvent évaluer la performance de différentes IA, les intégrant à un mécanisme où elles reçoivent des récompenses ou subissent des pénalités via un système sur chaîne.
Par rapport aux rôles d’interface ou de règle, l’IA comme participant présente un risque négligeable pour les utilisateurs et le système global. C’est une étape incontournable avant que l’IA n’influence profondément les décisions humaines. Cette couche d’intégration nécessite donc peu de coûts et compromis, ce que Vitalik considère comme hautement réalisable aujourd’hui.
Du point de vue large et actuel, la plupart des applications IA appartiennent à cette catégorie : bots de trading ou chatbots alimentés par IA. Pour l’instant, difficile d’atteindre le stade où l’IA agirait comme interface ou règle. Les utilisateurs comparent progressivement différents bots et optimisent leurs choix, tandis que les utilisateurs crypto n’ont pas encore adopté massivement les applications IA. Dans son article, Vitalik inclut également les agents autonomes (Autonomous Agent) dans cette catégorie.
Mais d’un point de vue étroit et visionnaire, nous préférons une classification plus fine des applications ou agents IA. Parmi celles-ci, les sous-catégories représentatives incluent :
2.1 Jeux IA
À certains égards, tous les jeux IA peuvent entrer dans cette catégorie. Les joueurs interagissent avec l’IA, entraînent leur personnage IA pour mieux correspondre à leurs besoins — par exemple, refléter leurs préférences personnelles ou gagner en compétitivité dans le jeu. Le jeu sert d’étape intermédiaire avant que l’IA n’entre pleinement dans le monde réel, et constitue actuellement un segment à faible risque et facilement compréhensible pour les utilisateurs ordinaires. Des projets emblématiques incluent AI Arena, Echelon Prime, Altered State Machine, etc.
-
AI Arena : AI Arena est un jeu de combat PVP où les joueurs entraînent leurs personnages grâce à l’apprentissage automatique, permettant à ces derniers de s’améliorer continuellement. L’objectif est de familiariser davantage d’utilisateurs avec l’IA tout en offrant aux ingénieurs en IA une plateforme pour proposer leurs algorithmes et générer des revenus. Chaque personnage est un NFT alimenté par une IA, dont le « Core » contient le modèle IA (architecture et paramètres), stocké sur IPFS. Un nouveau NFT commence avec des paramètres aléatoires, exécutant donc des actions aléatoires. Les utilisateurs doivent améliorer les capacités stratégiques via un processus d’apprentissage par imitation (IL). À chaque entraînement et sauvegarde, les paramètres sont mis à jour sur IPFS.
-
Altered State Machine (ASM) : ASM n’est pas un jeu IA, mais un protocole permettant de certifier et échanger des agents IA, positionné comme protocole IA pour le métavers. Il collabore actuellement avec divers jeux, dont la FIFA. ASM utilise des NFTs pour certifier les agents IA, chacun composé de trois parties : Brain (caractéristiques internes), Memories (stratégies apprises et entraînement du modèle, lié au Brain), Form (apparence du personnage). ASM dispose d’un module Gym, incluant un cloud GPU décentralisé fournissant de la puissance de calcul aux agents. Parmi les projets basés sur ASM : AIFA (jeu de football IA), Muhammad Ali (jeu de boxe IA), AI League (jeu de foot de rue avec la FIFA), Raicers (course automobile pilotée par IA) et FLUF World’s Thingies (NFT génératifs).
-
Parallel Colony (PRIME) : Echelon Prime développe Parallel Colony, un jeu basé sur un grand modèle linguistique (LLM) où les joueurs interagissent avec leur avatar IA, influençant son comportement. L’avatar agira ensuite de façon autonome selon sa mémoire et son parcours. Colony est l’un des jeux IA les plus attendus. Récemment, l’équipe a publié un livre blanc et annoncé un passage vers Solana, entraînant une nouvelle hausse du token PRIME.
2.2 Marchés prédictifs / Compétitions
La capacité prédictive est la base des décisions futures de l’IA. Avant qu’un modèle ne soit utilisé concrètement, les compétitions prédictives permettent de comparer la performance des modèles IA à un niveau supérieur, en incitant les scientifiques des données ou les modèles via des jetons. Cela joue un rôle positif dans l’évolution de Crypto × IA — en stimulant constamment le développement de modèles plus performants et adaptés à l’univers crypto, afin de créer des produits plus sûrs et de meilleure qualité avant que l’IA n’exerce une influence plus profonde. Comme le dit Vitalik, les marchés prédictifs sont un primitif puissant pouvant s’étendre à d’autres problèmes. Des projets marquants incluent Numerai et Ocean Protocol.
-
Numerai : Numerai est une ancienne compétition de science des données. Des scientifiques entraînent des modèles d’apprentissage automatique sur des données historiques du marché fournies par Numerai pour prédire les mouvements boursiers. Ils engagent leurs modèles et des jetons NMR dans un tournoi. Les meilleurs modèles sont récompensés en NMR, les moins bons voient leurs mises brûlées. Au 7 mars 2024, 6 433 modèles étaient engagés, et le protocole avait distribué 75 760 979 $ de récompenses. Numerai incite des scientifiques du monde entier à collaborer pour construire un nouveau type de fonds spéculatif. Deux fonds ont déjà été lancés : Numerai One et Numerai Supreme. Trajectoire de Numerai : Compétition de prévision → Modèles prédictifs crowdsourcés → Nouveau fonds spéculatif basé sur ces modèles.
-
Ocean Protocol : Ocean Predictoor se concentre sur la prévision via crowdsourcing, notamment des tendances des cryptomonnaies. Les participants peuvent choisir d’exécuter un bot Predictoor ou Trader. Le bot Predictoor utilise un modèle IA pour prédire le prix d’une cryptomonnaie (ex. BTC/USDT) au prochain instant (par exemple, dans 5 minutes), en engageant une certaine quantité de $OCEAN. Le protocole calcule une prédiction globale pondérée par les mises. Les traders achètent ces prédictions et peuvent tirer profit si elles sont correctes. Les Predictoors incorrects perdent leur mise, tandis que les bons sont récompensés avec ces jetons et les frais payés par les traders. Le 2 mars, Ocean Predictoor a annoncé sa nouvelle orientation : le World-World Model (WWM), explorant désormais des prévisions du monde réel comme la météo ou l’énergie.
3 L’IA comme interface
L’IA peut aider les utilisateurs à comprendre simplement ce qui se passe, agissant comme un tuteur dans l’univers crypto, en alertant sur les risques potentiels. Cela réduit la barrière d’entrée et les risques, tout en améliorant l’expérience utilisateur. Les fonctionnalités possibles sont nombreuses : alertes de risque lors des interactions avec un portefeuille, transactions guidées par intentions, chatbot IA répondant aux questions courantes sur la crypto, etc. Le public visé s’élargit : non seulement les utilisateurs, mais aussi les développeurs, analystes, et presque tous les groupes deviendront des utilisateurs de services IA.
Rappelons encore les points communs de ces projets : ils n’ont pas encore remplacé l’humain dans la prise de décision ou l’action, mais fournissent des informations ou outils d’aide à la décision. À partir de ce niveau, les risques liés à une IA malveillante commencent à apparaître dans le système — par exemple, en diffusant de fausses informations influençant le jugement humain, comme analysé en détail par Vitalik.
De nombreux projets hétéroclites tombent dans cette catégorie : chatbots IA, audit intelligent de contrats intelligents, génération de code IA, bots de trading IA, etc. La majorité des applications IA actuelles se situent encore à ce stade préliminaire. Des projets représentatifs incluent :
-
PaaL : PaaL est actuellement le leader des chatbots IA, comparable à un ChatGPT formé sur des connaissances crypto. En s’intégrant à Telegram et Discord, il offre : analyse des données de jetons, analyse fondamentale et économique des jetons, génération d’images à partir de texte, etc. On peut intégrer PaaL Bot dans des discussions de groupe pour des réponses automatiques. PaaL permet de personnaliser son propre bot en alimentant des jeux de données, construisant ainsi une base de connaissances IA personnalisée. PaaL vise désormais les bots de trading IA : le 29 février, il a annoncé PaalX, une plateforme de recherche et trading crypto assistée par IA, capable d’audit de contrat intelligent, d’intégration d’actualités Twitter, de support à la recherche et au trading. L’assistant IA réduit la complexité d’utilisation.
-
ChainGPT : ChainGPT développe une série d’outils crypto basés sur l’IA : chatbot, générateur de NFT, agrégateur d’informations, générateur et audit de contrats intelligents, assistant de trading, marché de prompts et échange multichaîne IA. Pourtant, ChainGPT se concentre actuellement sur l’incubation de projets et les launchpads, ayant déjà mené 24 IDO et 4 distributions gratuites.
-
Arkham : Ultra est le moteur IA dédié d’Arkham, utilisé pour associer des adresses aux entités réelles, augmentant ainsi la transparence du secteur crypto. Ultra combine des données on-chain et off-chain collectées par les utilisateurs ou Arkham lui-même, les fusionne et produit une base de données extensible, affichée sous forme de graphiques. Toutefois, la documentation d’Arkham ne détaille pas complètement le système Ultra. Arkham a récemment attiré l’attention car Sam Altman, cofondateur d’OpenAI, y a investi personnellement, entraînant une hausse de 5x en 30 jours.
-
GraphLinq : GraphLinq est une solution de gestion automatisée permettant aux utilisateurs de déployer et gérer diverses automatisations sans programmation — par exemple, envoyer toutes les 5 minutes le prix du Bitcoin sur Coingecko à un bot Telegram. GraphLinq visualise les flux via des graphiques, permettant aux utilisateurs de créer des tâches automatisées en glissant-déposant des nœuds, exécutés par le moteur GraphLinq. Bien qu’aucun code ne soit requis, la création de graphiques reste complexe pour les débutants (choix de modèles, sélection parmi des centaines de blocs logiques). GraphLinq intègre donc maintenant l’IA pour permettre de construire et gérer ces tâches via dialogue naturel.
-
0x0.ai : Les activités liées à l’IA chez 0x0 comprennent principalement trois volets : audit de contrat intelligent par IA, détection anti-Rug par IA, et centre de développeurs IA. La détection anti-Rug identifie des comportements suspects (taxes excessives, drain de liquidités) pour protéger les utilisateurs. Le centre de développeurs utilise l’apprentissage automatique pour générer des contrats intelligents, permettant un déploiement sans code. Actuellement, seul l’audit de contrat intelligent est opérationnel ; les deux autres fonctionnalités sont en cours de développement.
-
Zignaly : Lancé en 2018, Zignaly permet aux investisseurs particuliers de choisir des gestionnaires pour gérer leurs actifs crypto, selon un principe similaire au copy-trading. Zignaly utilise désormais l’apprentissage automatique et l’IA pour créer un système d’indicateurs évaluant systématiquement les gestionnaires. Son premier produit, le Z-Score, reste assez basique pour un produit IA.
4 L’IA comme règle du jeu
C’est la partie la plus excitante : permettre à l’IA de remplacer l’humain dans la prise de décision et l’action. Votre IA contrôle directement votre portefeuille, prenant elle-même des décisions de trading. Dans cette catégorie, nous distinguons trois niveaux principaux : applications IA (notamment celles visant l’autodécision, comme les bots de trading automatisés ou de rendement DeFi), protocoles d’agents autonomes, et zkml/opml.
Les applications IA sont des outils prenant des décisions spécifiques dans un domaine donné. Elles accumulent des connaissances et données spécialisées, utilisant des modèles IA personnalisés pour chaque problème. Notons que les applications IA sont ici classées à la fois comme interface et règle. Idéalement, elles devraient devenir des agents décisionnels autonomes. Pourtant, ni l’efficacité des modèles IA ni la sécurité de leur intégration ne sont suffisantes aujourd’hui — elles en sont même encore très loin, restant à un stade très précoce. Les projets ont déjà été présentés plus haut.
Vitalik mentionne les agents autonomes dans la première catégorie (IA comme participant), mais nous les plaçons ici dans la troisième selon une vision à long terme. Ces agents utilisent d’importants volumes de données et algorithmes pour simuler la pensée et la prise de décision humaines, exécutant diverses tâches et interactions. Nous nous concentrons ici sur les couches d’infrastructure comme la communication et le réseau, qui définissent la propriété des agents, établissent leur identité, normes et modes de communication, reliant plusieurs applications d’agents capables d’agir de concert.
zkML/opML : garantir, via la cryptographie ou l’économie, que l’inférence du modèle a été correctement effectuée, produisant une sortie fiable. La sécurité est critique quand on intègre l’IA aux contrats intelligents : ceux-ci produisent des sorties et exécutent automatiquement des fonctions selon les entrées. Si l’IA malveillante fournit une mauvaise entrée, cela introduit un risque systémique majeur pour tout l’écosystème crypto. zkML/opML et solutions potentielles associées sont donc la base indispensable pour permettre à l’IA d’agir et décider de façon autonome.
Enfin, ces trois éléments forment les trois niveaux fondamentaux de l’IA comme règle du jeu : zkml/opml comme infrastructure de base assurant la sécurité ; les protocoles d’agents bâtissant un écosystème d’agents capables de coopérer ; et les applications IA, c’est-à-dire les agents IA concrets, qui améliorent continuellement leurs capacités dans un domaine précis et prennent des décisions concrètes.
4.1 Agents autonomes
L’application des agents IA dans le monde crypto est naturelle. Des contrats intelligents aux bots Telegram, puis aux agents IA, le monde crypto évolue vers une automatisation croissante et une barrière d’entrée décroissante. Bien que les contrats intelligents s’exécutent automatiquement via du code immuable, ils nécessitent un déclencheur externe et ne peuvent pas fonctionner de façon autonome et continue. Les bots Telegram abaissent la barrière d’entrée : les utilisateurs interagissent en langage naturel plutôt qu’avec une interface technique, mais ne gèrent que des tâches simples et précises, incapables de centrer les transactions sur l’intention utilisateur. Les agents IA, eux, ont une certaine capacité décisionnelle autonome : ils comprennent le langage naturel, trouvent et combinent d’autres agents et outils on-chain pour atteindre un objectif donné.
Les agents IA visent à améliorer radicalement l’expérience utilisateur des produits crypto, tandis que la blockchain peut aider leur fonctionnement à être plus décentralisé, transparent et sécurisé. Elle apporte notamment :
-
Des incitations par jetons pour encourager davantage de développeurs à créer des agents
-
La certification par NFT favorisant la tarification et l’échange basés sur les agents
-
Un mécanisme d’identité et d’enregistrement des agents sur chaîne
-
Des journaux d’activité immuables sur chaîne, permettant un suivi rapide et une responsabilisation des comportements
Les principaux projets de ce secteur sont :
-
Autonolas : Autonolas soutient via un protocole on-chain la certification des agents et composants associés, permettant la découverte et la réutilisation de composants logiciels, agents et services sur chaîne, tout en rémunérant les développeurs. Après avoir développé un agent complet ou un composant, les développeurs enregistrent leur code sur chaîne et reçoivent un NFT attestant de leur propriété. Un propriétaire de service regroupe plusieurs agents pour former un service, l’enregistre sur chaîne, et attire des opérateurs d’agents pour l’exécuter. Les utilisateurs paient pour utiliser ce service.
-
Fetch.ai : Fetch.ai dispose d’une solide équipe et d’une riche expérience en IA, se concentrant actuellement sur les agents IA. Le protocole repose sur quatre couches clés : Agents IA, Agentverse, Moteur IA et Réseau Fetch. Les agents IA en sont le cœur, les autres servant de cadre et d’outils pour les construire. Agentverse est une plateforme SaaS pour créer et enregistrer des agents IA. Le moteur IA transforme les entrées textuelles des utilisateurs en tâches actionnables, puis choisit dans Agentverse l’agent IA le plus adapté pour les exécuter. Fetch Network est la couche blockchain : les agents IA doivent être enregistrés dans le contrat Almanac sur chaîne pour collaborer avec d’autres agents. À noter : Autonolas se concentre sur les agents du monde crypto, intégrant des opérations hors chaîne ; Fetch.ai couvre aussi le monde Web2, comme la réservation de voyages ou la prévision météo.
-
Delysium : Anciennement orienté jeu, Delysium s’est recentré sur un protocole d’agents IA, composé de deux couches : communication et blockchain. La couche communication est le socle, offrant une infrastructure sécurisée et évolutive permettant aux agents IA de communiquer rapidement et efficacement. La couche blockchain authentifie les agents et enregistre de façon immuable leurs actions via des contrats intelligents. Spécifiquement, la couche communication établit un protocole standardisé, permettant aux agents d’échanger librement via un langage commun. Elle inclut aussi des protocoles de découverte de services et des API, facilitant la connexion rapide entre utilisateurs et agents. La couche blockchain comporte deux éléments : l’Agent ID (garantissant que seuls les agents légitimes accèdent au réseau) et le contrat intelligent Chronicle (journal immuable de toutes les décisions et actions importantes des agents, assurant une traçabilité fiable).
-
Altered State Machine : Établit une norme pour la certification et l’échange d’actifs d’agents via des NFTs. Voir section 1. Bien que ASM cible principalement les jeux, son standard de base pourrait s’étendre à d’autres domaines d’agents.
-
Morpheous : Construit un écosystème d’agents IA, connectant quatre rôles : programmeurs, fournisseurs de calcul, bâtisseurs de communauté et capital. Chacun apporte respectivement des agents IA, de la puissance de calcul, des interfaces et outils de développement, et des fonds. MOR sera lancé équitablement (fair launch), récompensant les mineurs fournissant du calcul, les détenteurs de stETH, les contributeurs au développement d’agents ou de contrats intelligents, et les contributeurs communautaires.
4.2 zkML/opML
La preuve à divulgation nulle (ZKP) a actuellement deux usages principaux :
-
Prouver à moindre coût sur chaîne qu’un calcul a été correctement exécuté (utilisé par les ZK-Rollups et ponts ZKP cross-chain) ;
-
Protection de la vie privée : prouver qu’un calcul a été correctement effectué sans en révéler les détails.
De même, les applications ZKP en apprentissage automatique se divisent en deux catégories :
-
Vérification d’inférence : utiliser une preuve ZK pour prouver à faible coût sur chaîne qu’un processus intensif d’inférence de modèle IA a été correctement exécuté hors chaîne.
-
Protection de la vie privée : deux cas. Premièrement, protection des données privées : utiliser des données sensibles sur un modèle public, en protégeant ces données via zkML. Deuxièmement, protection du modèle : masquer les poids ou détails du modèle tout en produisant une sortie à partir d’entrées publiques.
Nous estimons que la vérification d’inférence est actuellement la plus importante pour la crypto. Développons ce scénario. Depuis l’IA comme participant jusqu’à l’IA comme règle du jeu, nous souhaitons intégrer l’IA aux processus on-chain. Or, les inférences de modèles IA sont trop coûteuses pour s’exécuter directement sur chaîne. Les déporter hors chaîne pose un problème de confiance face à cette « boîte noire » : l’opérateur du modèle IA a-t-il falsifié mes entrées ? A-t-il bien utilisé le modèle spécifié ? Transformer le modèle ML en circuit ZK permet : (1) de mettre un petit modèle sur chaîne, stockant le modèle zkML dans un contrat intelligent, éliminant ainsi l’opacité ; (2) d’effectuer l’inférence hors chaîne tout en générant une preuve ZK, puis de valider cette preuve sur chaîne pour confirmer la justesse du processus. L’architecture comprend alors deux contrats : le contrat principal (utilisant la sortie du modèle ML) et le contrat de vérification de preuve ZK.
zkML en est encore à ses débuts, confronté à des défis techniques (conversion des modèles ML en circuits ZK) et à des coûts élevés en calcul et cryptographie. Comme pour les rollups, opML propose une autre solution basée sur l’économie : elle utilise l’hypothèse AnyTrust d’Arbitrum, selon laquelle au moins un nœud honnête existe, garantissant que l’émetteur ou au moins un vérificateur est honnête. Toutefois, OPML ne peut servir qu’à la vérification d’inférence, pas à la protection de la vie privée.
Les projets actuels construisent l’infrastructure zkML et explorent ses applications. Celles-ci sont cruciales pour démontrer clairement aux utilisateurs crypto la valeur finale de zkML, suffisante pour compenser ses coûts élevés. Certains projets se concentrent sur le développement technologique ZK lié à l’apprentissage automatique (ex. Modulus Labs), d’autres sur des infrastructures ZK plus générales. Projets notables :
-
Modulus utilise zkML pour appliquer l’IA aux processus d’inférence on-chain. Le 27 février, Modulus a lancé Remainder, un prouveur zkML offrant un gain d’efficacité de 180x par rapport à l’inférence IA classique sur matériel équivalent. Modulus collabore avec plusieurs projets pour explorer des cas d’usage concrets : avec Upshot, via une IA dotée de preuves ZK, pour collecter des données de marché complexes, évaluer les prix de NFTs et transmettre ces prix sur chaîne ; avec AI Arena, pour prouver qu’un avatar en combat utilise bien le modèle entraîné par le joueur.
-
Risc Zero place le modèle sur chaîne : en exécutant un modèle ML dans la machine virtuelle ZK (ZKVM) de RISC Zero, on peut prouver que les calculs exacts impliqués ont été correctement exécutés.
-
Ingonyama développe du matériel spécialisé pour les technologies ZK, abaissant potentiellement le seuil d’entrée dans ce domaine. zkML pourrait aussi être utilisé durant l’entraînement des modèles.
5 L’IA comme objectif
Si les trois premières catégories mettent l’accent sur la manière dont l’IA renforce la crypto, « l’IA comme objectif » souligne comment la crypto peut aider l’IA — c’est-à-dire, comment utiliser la crypto pour créer de meilleurs modèles et produits IA, selon plusieurs critères : plus efficaces, plus précis, plus décentralisés, etc.
L’IA repose sur trois piliers : données, puissance de calcul et algorithmes. Dans chaque dimension, la crypto cherche à apporter un soutien efficace :
-
Données : les données sont la base de l’entraînement des modèles. Les protocoles de données décentralisés incitent les individus ou entreprises à partager leurs données privées, tout en préservant la confidentialité via la cryptographie, évitant les fuites de données sensibles.
-
Puissance de calcul : ce segment est actuellement le plus spéculé du secteur IA crypto. Les protocoles créent un marché d’appariement entre offre et demande, reliant des ressources de calcul fragmentées aux entreprises IA pour l’entraînement et l’inférence de modèles.
-
Algorithmes : l’apport de la crypto aux algorithmes est l’élément central pour une IA décentralisée, et constitue le cœur du chapitre « IA comme objectif » dans l’article de Vitalik. Créer une IA boîte noire décentralisée et fiable résoudrait les problèmes d’apprentissage adversarial mentionnés plus haut, mais rencontre d’énormes obstacles cryptographiques. Par ailleurs, « inciter via la cryptographie à créer de meilleures IA » peut être réalisé sans tomber entièrement dans les pièges de la cryptographie complète.
Le monopole des grandes entreprises technologiques sur les données et la puissance de calcul conduit à un monopole sur l’entraînement des modèles, dont les versions fermées deviennent clés de profit. D’un point de vue infrastructure, la crypto incite économiquement à une offre décentralisée de données et de puissance de calcul, garantit la confidentialité des données via la cryptographie, et s’appuie sur cela pour favoriser un entraînement de modèles décentralisé, aboutissant à une IA plus transparente et plus décentralisée.
5.1 Protocoles de données décentralisées
Ces protocoles reposent principalement sur le crowdsourcing de données, incitant les utilisateurs à fournir des jeux de données ou des services (comme l’annotation) pour l’entraînement de modèles, et créent des marchés de données (Data Marketplace) pour rapprocher offre et demande. Certains explorent aussi des protocoles DePIN pour inciter à fournir des données de navigation, ou utiliser les appareils/bande passante des utilisateurs pour crawler des données web.
-
Ocean Protocol : Certifie et tokenise les données. Les utilisateurs peuvent créer sans code des NFTs de données ou d’algorithmes sur Ocean Protocol, et créer des datatokens associés pour contrôler l’accès à ces NFTs. Ocean Protocol assure la confidentialité via Compute To Data (C2D) : les utilisateurs n’obtiennent que les résultats du traitement, sans pouvoir télécharger les données complètes. Fondé en 2017 comme marché de données, Ocean a naturellement surfé sur la vague IA actuelle.
-
Synesis One : Plateforme Train2Earn sur Solana, où les utilisateurs reçoivent des récompenses $SNS en fournissant des données en langage naturel ou en annotant des données. Ces données, validées, sont stockées et inscrites sur chaîne, puis utilisées par des entreprises IA pour l’entraînement et l’inférence. Trois rôles : Architect (crée des tâches), Builder (fournit les corpus), Validator (vérifie les données). Les jeux de données finalisés sont stockés sur IPFS, avec origine et adresse IPFS conservées sur chaîne, et disponibles dans une base hors chaîne pour les entreprises IA (actuellement Mind AI).
-
Grass : Appelé « couche de données décentralisée pour l’IA », c’est fondamentalement un marché décentralisé de crawling web, fournissant des données pour l’entraînement de modèles IA. Les sites web sont une source cruciale de données d’entraînement — Twitter, Google, Reddit, etc. Mais ces sites limitent de plus en plus le scraping. Grass utilise la bande passante inutilisée des particuliers, employant différentes adresses IP pour réduire l’impact des blocages, extrait des données publiques, les nettoie partiellement, et les fournit comme source aux entreprises et projets IA. Grass est actuellement en phase bêta : les utilisateurs fournissent de la bande passante et accumulent des points pour une éventuelle airdrop.
-
AIT Protocol : Protocole décentralisé d’annotation de données, visant à fournir aux développeurs des jeux de données de haute qualité pour l’entraînement de modèles. La Web3 permet à une main-d’œuvre mondiale de rejoindre rapidement le réseau et d’être rémunérée pour l’annotation. Les data scientists d’AIT pré-étiquettent les données, puis les utilisateurs les traitent davantage. Après vérification par les data scientists, les données passant les tests de qualité sont livrées aux développeurs.
Outre ces protocoles de fourniture et d’annotation de données, les anciennes infrastructures de stockage décentralisé comme Filecoin et Arweave contribueront aussi à une offre de données plus dispersée.
5.2 Puissance de calcul décentralisée
À l’ère de l’IA, l’importance de la puissance de calcul va de soi. Non seulement le cours de NVIDIA grimpe en flèche, mais dans le monde crypto, la puissance de calcul décentralisée est probablement le segment le plus spéculé du secteur IA — parmi les 11 projets IA parmi les 200 premiers par capitalisation, 5 sont dans ce domaine (Render, Akash, AIOZ Network, Golem, Nosana), ayant tous connu de fortes hausses ces derniers mois. Parmi les petits projets, on voit aussi apparaître de nombreuses plateformes de calcul décentralisé. Bien qu’au tout début, toute plateforme liée aux GPU connaît une forte montée avec la vague des annonces NVIDIA.
Du point de vue du secteur, la logique de base de ces projets est fortement homogène : inciter via des jetons les particuliers ou entreprises disposant de ressources informatiques inutilisées à les partager, réduisant ainsi drastiquement les coûts d’utilisation, et créant un marché de puissance de calcul. Actuellement, les principales sources de puissance proviennent des centres de données, des mineurs (surtout depuis la transition d
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@MetricsVentures
