La prochaine phase narrative du secteur de l'IA cryptée : facteurs de catalyse, trajectoires de développement et actifs associés
TechFlow SélectionTechFlow Sélection
La prochaine phase narrative du secteur de l'IA cryptée : facteurs de catalyse, trajectoires de développement et actifs associés
Quel sera le prochain créneau de l'IA dont la capitalisation boursière dépassera 1 milliard de dollars ?
Dédié à des analyses Web3 approfondiesRédaction : Alex Xu
Introduction
À ce jour, le cycle haussier actuel de la cryptomonnaie est le plus terne en matière d'innovation commerciale. L'absence de tendances phénoménales comparables aux précédentes vagues telles que DeFi, NFT ou GameFi a entraîné une faible dynamique sectorielle, avec des croissances limitées des utilisateurs, des investissements industriels et des développeurs.
Cela se reflète également dans les prix actuels des actifs : sur l’ensemble du cycle, la plupart des altcoins ont perdu continuellement de la valeur face au BTC, y compris l’ETH. En effet, la valorisation des plateformes à contrat intelligent dépend directement de la vitalité de leurs applications ; si l'innovation applicative stagne, il devient difficile de justifier une hausse de la valorisation des blockchains.
L’intelligence artificielle (IA), quant à elle, constitue un nouveau domaine commercial dans l’écosystème crypto. Profitant de la croissance explosive et des actualités constantes du monde technologique externe, le secteur IA pourrait encore attirer une attention accrue au sein du monde crypto.
Dans mon rapport sur IO.NET, publié en avril, j’ai exposé la nécessité de combiner IA et crypto. Les mécanismes économiques offerts par la blockchain — notamment en termes de déterminisme, de mobilisation efficace des ressources et de confiance minimale — pourraient bien être une solution aux trois principaux défis de l’IA : son caractère aléatoire, son intensité énergétique et matérielle, ainsi que la difficulté de distinguer homme et machine.
Dans cet article, je tenterai d’approfondir certains aspects clés du secteur IA dans l’univers crypto, notamment :
-
Quelles nouvelles narratives sont en germe ou pourraient exploser prochainement ?
-
Les chemins de catalyse et logiques sous-jacentes à ces récits
-
Les projets associés à ces narratifs
-
Les risques et incertitudes liés à ces scénarios
Ce texte représente une réflexion personnelle à la date de publication, susceptible d'évoluer. Les opinions exprimées sont fortement subjectives et peuvent contenir des erreurs factuelles, des données incorrectes ou des raisonnements imparfaits. Elles ne doivent en aucun cas servir de base à une décision d'investissement. Toute critique ou discussion constructive est la bienvenue.
Voici le corps principal de l'article.
La prochaine vague narrative du secteur IA crypto
Avant d’examiner les prochaines grandes narrations du secteur IA crypto, examinons d’abord les récits dominants actuels. En se basant sur la capitalisation boursière, les projets dépassant 1 milliard de dollars américains sont :
-
Puissance de calcul : Render (RNDR, capitalisation flottante : 3,85 Md$), Akash (capitalisation flottante : 1,2 Md$), IO.NET (valorisation lors du dernier tour de financement précoce : 1 Md$)
-
Réseau d’algorithmes : Bittensor (TAO, capitalisation flottante : 2,97 Md$)
-
Agents IA : Fetch.ai (FET, capitalisation flottante avant fusion : 2,1 Md$)
* Données au 24 mai 2024. Toutes les devises sont en dollars américains.
Outre ces catégories, quel sera le prochain projet IA à atteindre une capitalisation supérieure à 1 milliard de dollars ?
Je pense qu’on peut formuler cette hypothèse selon deux angles : celui de « l’offre industrielle » et celui du « moment GPT ».
Premier angle narratif de l’IA : depuis le côté offre industrielle, repérer les opportunités dans les secteurs énergétiques et des données soutenant l’IA
Du point de vue industriel, quatre moteurs poussent le développement de l’IA :
-
Algorithmes : des algorithmes performants permettent une exécution plus efficace des tâches d’entraînement et d’inférence.
-
Puissance de calcul : tant pour l’entraînement que pour l’inférence, les GPU fournissent la puissance nécessaire. C’est aujourd’hui un goulot d’étranglement majeur, avec une pénurie de puces entraînant une inflation des prix des puces haut de gamme.
-
Énergie : les centres de calcul consomment massivement d’énergie. Outre l’électricité requise par les GPU eux-mêmes, le refroidissement représente une part importante — environ 40 % de la consommation totale dans un grand centre de données.
-
Données : l’amélioration des grands modèles repose sur l’augmentation des paramètres d’entraînement, impliquant un besoin colossal de données qualitatives.
Parmi ces quatre leviers, les domaines des algorithmes et de la puissance de calcul comptent déjà des projets crypto dont la capitalisation dépasse 1 milliard de dollars. En revanche, les secteurs de l’énergie et des données n’ont pas encore produit de champions de ce calibre.
Pourtant, les pénuries d’énergie et de données pourraient bientôt devenir critiques, alimentant une nouvelle vague d’enthousiasme industriel et, par ricochet, stimulant les projets correspondants dans l’univers crypto.
Commençons par l’énergie.
Le 29 février 2024, Elon Musk déclarait lors de la conférence Bosch Connected World : « J’avais prédit une pénurie de puces il y a plus d’un an. La prochaine pénurie sera celle de l’électricité. Je pense qu’il n’y aura pas assez d’électricité l’année prochaine pour faire fonctionner toutes les puces. »
En chiffres concrets, l’Institut d’intelligence artificielle centrée sur l’humain (Human-Centered Artificial Intelligence) de Stanford, dirigé par Fei-Fei Li, publie chaque année un « Rapport sur l’indice IA ». Dans leur étude de 2022 portant sur les données de 2021, ils estimaient que la consommation énergétique mondiale liée à l’IA représentait seulement 0,9 % de la demande globale, un impact donc limité. Toutefois, en 2023, l’Agence internationale de l’énergie (AIE) indiquait que les centres de données mondiaux avaient consommé environ 460 térawattheures (TWh), soit 2 % de la demande mondiale d’électricité. Elle prévoit que d’ici 2026, cette consommation atteindra entre 620 et 1 050 TWh.
Mais même ces estimations semblent conservatrices, car de nombreux nouveaux projets IA sont en cours de déploiement, avec des besoins énergétiques bien supérieurs aux projections de 2023.
Prenez par exemple le projet Stargate, planifié conjointement par Microsoft et OpenAI. Ce projet, prévu pour démarrer en 2028 et achevé vers 2030, vise à construire un supercalculateur doté de plusieurs millions de puces IA spécialisées, offrant une puissance de calcul inédite pour soutenir le développement de modèles linguistiques géants. Le coût total serait supérieur à 100 milliards de dollars, soit cent fois plus que les coûts actuels des grands centres de données.
Or, la seule consommation énergétique annuelle du projet Stargate serait de 50 TWh.
C’est pourquoi Sam Altman, fondateur d’OpenAI, affirmait au Forum de Davos en janvier : « L’intelligence artificielle future exigera une percée énergétique, car sa consommation électrique dépassera largement nos attentes. »
Après la puissance de calcul et l’énergie, le prochain goulet d’étranglement dans l’essor rapide de l’IA sera probablement… les données.
Ou plus précisément, la pénurie de données de haute qualité adaptées à l’IA est déjà une réalité.
Nous avons maintenant une bonne compréhension de l’évolution des grands modèles linguistiques grâce à GPT : en augmentant les paramètres du modèle et la taille des jeux de données, on obtient une amélioration exponentielle des performances — sans limite technique claire à court terme.
Mais voilà : les données publiques et de qualité deviendront de plus en plus rares. L’industrie IA pourrait alors connaître, comme pour les puces ou l’énergie, une crise de déséquilibre entre offre et demande.
Tout d’abord, les litiges autour de la propriété des données s’intensifient.
Le 27 décembre 2023, le New York Times a intenté une action en justice contre OpenAI et Microsoft devant un tribunal fédéral américain, les accusant d’avoir utilisé illégalement des millions d’articles pour entraîner les modèles GPT. Il réclame des dommages-intérêts juridiques et réels s’élevant à plusieurs milliards de dollars, ainsi que la destruction de tous les modèles et données d’entraînement contenant du matériel protégé par le droit d’auteur du NYT.
Fin mars, le New York Times a publié une nouvelle déclaration, élargissant ses critiques non seulement à OpenAI, mais aussi à Google et Meta. Selon le journal, OpenAI aurait utilisé Whisper, un outil de reconnaissance vocale, pour transcrire des vidéos YouTube, puis convertir ces transcriptions en texte servant à entraîner GPT-4. Le NYT affirme que ces pratiques, qualifiées de « pillage », sont désormais courantes chez les grandes entreprises, citant Google qui ferait de même avec les contenus vidéo de YouTube pour entraîner ses propres modèles, violant ainsi les droits des créateurs.
L’affaire du New York Times contre OpenAI, considérée comme le premier grand procès sur le droit d’auteur en lien avec l’IA, pourrait prendre du temps à aboutir en raison de sa complexité et de son impact potentiel sur les industries du contenu et de l’IA. Un règlement à l’amiable semble probable, avec une compensation financière substantielle versée par Microsoft et OpenAI. Quoi qu’il en soit, les conflits futurs autour des droits d’auteur feront inexorablement grimper le coût global des données de qualité.
Par ailleurs, Google, le plus grand moteur de recherche mondial, envisagerait de facturer l’accès à ses résultats de recherche — non pas aux particuliers, mais aux entreprises d’IA.
Source : Reuters
Les serveurs de Google contiennent une masse colossale de données, conservant pratiquement tout contenu apparu sur le web depuis le début du XXIe siècle. Actuellement, les moteurs de recherche pilotés par l’IA — comme Perplexity à l’international, ou Kimi et Mitā en Chine — exploitent ces données, les enrichissent via l’IA, puis les restituent aux utilisateurs. Si Google commence à facturer cet accès, cela augmentera directement le coût d’acquisition des données.
En réalité, au-delà des données publiques, les géants de l’IA convoitent aussi les données internes non publiques.
Photobucket, ancien site historique d’hébergement d’images et vidéos, comptait près de 70 millions d’utilisateurs et détenait presque la moitié du marché américain des photos en ligne au début des années 2000. Avec l’avènement des réseaux sociaux, son audience a chuté drastiquement, ne comptant plus que 2 millions d’utilisateurs actifs (payant chacun 399 $ par an). Selon les conditions d’utilisation, les comptes inactifs depuis plus d’un an sont récupérés, et Photobucket détient les droits d’exploitation sur les médias téléchargés. Ted Leonard, PDG de Photobucket, affirme que les 1,3 milliard de photos et vidéos accumulées ont une valeur exceptionnelle pour l’entraînement des modèles génératifs. Il est en négociation avec plusieurs sociétés technologiques pour vendre ces données, à un tarif variant de 5 cents à 1 dollar par photo, et plus d’un dollar par vidéo. La valeur totale potentielle de ces données dépasserait 1 milliard de dollars.
L’équipe de recherche EPOCH, spécialisée dans les tendances de l’IA, a publié en 2022 un rapport intitulé Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning. En analysant l’utilisation des données dans l’apprentissage automatique et leur renouvellement, combiné à la croissance des ressources de calcul, ils concluent que les données textuelles de haute qualité seront épuisées entre 2023 et 2026, tandis que les données visuelles disparaîtront entre 2030 et 2060. Sans amélioration significative de l’efficacité d’utilisation ou de nouvelles sources, la trajectoire actuelle des grands modèles pourrait ralentir.
Et force est de constater que, vu la course aux achats massifs de données par les géants de l’IA, les textes de qualité gratuits sont effectivement presque épuisés — la prédiction d’EPOCH s’est avérée remarquablement juste.
Parallèlement, des solutions émergent face à la « pénurie de données IA » : les services de fourniture de données dédiés à l’IA.
Defined.ai est une entreprise qui fournit des données personnalisées, réelles et de haute qualité aux sociétés d’IA.
Exemples de types de données proposés par Defined.ai : https://www.defined.ai/datasets
Son modèle économique est simple : une société d’IA précise ses besoins — par exemple, pour des images, préciser la résolution minimale, éviter les flous ou surexpositions, assurer l’authenticité. Elle peut aussi demander des thèmes spécifiques (photos de nuit, cônes de signalisation la nuit, parkings, panneaux) afin d’améliorer la reconnaissance nocturne de son IA. Des contributeurs volontaires réalisent les prises, les soumettent, et après validation, sont payés au volume — environ 1 à 2 $ par image de qualité, 5 à 7 $ pour une courte vidéo de quelques secondes, 100 à 300 $ pour une vidéo de plus de 10 minutes, et 1 $ par mille mots de texte. Les travailleurs reçoivent environ 20 % du montant. La fourniture de données pourrait devenir le successeur naturel du « marquage de données » dans l’économie collaborative.
Distribution mondiale de tâches, incitations économiques, tarification et circulation des actifs de données, protection de la vie privée, participation universelle — cela ressemble fortement à un modèle commercial idéal pour la logique Web3.
Projets emblématiques selon la perspective de l’offre industrielle
La pénurie de puces a attiré l’attention sur l’industrie crypto, faisant de la puissance de calcul distribuée la catégorie IA la plus populaire et la mieux valorisée à ce jour.
Si les tensions énergétiques et données venaient à exploser dans les 1 à 2 prochaines années, quels projets existent déjà dans l’univers crypto ?
Commençons par les projets énergétiques.
Les projets énergétiques cotés sur les principales bourses centralisées (CEX) sont extrêmement rares. Seul Power Ledger (jeton POWR) figure parmi eux.
Lancé en 2017, Power Ledger est une plateforme énergétique intégrée basée sur la blockchain, visant à décentraliser les transactions d’énergie, permettre aux particuliers et communautés d’échanger directement de l’électricité, favoriser les énergies renouvelables, et garantir transparence et efficacité via des contrats intelligents. Initialement construit sur une blockchain permissionnée dérivée d’Ethereum, Power Ledger a publié un nouveau livre blanc en 2023 et lancé sa propre blockchain généraliste, basée sur l’architecture Solana, optimisée pour gérer les microtransactions fréquentes des marchés énergétiques distribués. Aujourd’hui, ses activités principales incluent :
-
Échange d’énergie : permet aux utilisateurs d’acheter et vendre de l’électricité directement, notamment issue d’énergies renouvelables.
-
Échange de produits environnementaux : échange de crédits carbone et de certificats d’énergie renouvelable, ainsi que financement basé sur ces actifs.
-
Exploitation de la blockchain : attire les développeurs d’applications à construire sur la blockchain Power Ledger, dont les frais de transaction sont payés en jetons POWR.
La capitalisation flottante actuelle de Power Ledger est de 170 millions $, et sa capitalisation entièrement diluée (FDV) de 320 millions $.
Comparé aux projets énergétiques, ceux axés sur les données sont nettement plus nombreux.
Je liste ici uniquement les projets que je suis personnellement, ayant été listés sur au moins une des bourses Binance, OKX ou Coinbase, triés par FDV croissant :
1. Streamr – DATA
Streamr vise à créer un réseau de données en temps réel décentralisé, permettant aux utilisateurs d’échanger librement des données tout en gardant le contrôle total sur celles-ci. Grâce à son marché de données, Streamr veut permettre aux producteurs de données de vendre directement leurs flux à des consommateurs intéressés, sans intermédiaire, réduisant ainsi les coûts et améliorant l’efficacité.
Source : https://streamr.network/hub/projects
Dans la pratique, Streamr collabore avec DIMO, un projet Web3 de matériel embarqué, en collectant via des capteurs installés sur des véhicules des données de température, pression atmosphérique, etc., pour former des flux météorologiques vendus à des institutions.
Contrairement à d’autres projets, Streamr se concentre surtout sur les données issues de l’Internet des objets (IoT) et de capteurs matériels — comme les données véhiculaires DIMO ou les flux de trafic en temps réel à Helsinki. C’est pourquoi le jeton DATA de Streamr a connu, en décembre dernier durant la fièvre Depin, une hausse de 100 % en une journée.
La capitalisation flottante actuelle de Streamr est de 44 millions $, et sa FDV de 58 millions $.
2. Covalent – CQT
À la différence des autres projets de données, Covalent fournit des données blockchain. Le réseau Covalent lit les données des nœuds blockchain via RPC, les traite et les structure pour créer une base de données consultable efficacement. Ainsi, les utilisateurs peuvent récupérer rapidement les informations recherchées sans avoir à effectuer des requêtes complexes directement sur la blockchain — un service appelé « indexation des données blockchain ».
Ses clients sont majoritairement des entreprises (B2B), notamment des projets DApp (DeFi), mais aussi des entreprises centralisées comme Consensys (maison mère de Metamask), CoinGecko (site d’analyse crypto), Rotki (outil fiscal), Rainbow (portefeuille crypto). Même des géants traditionnels comme Fidelity ou EY font partie de ses clients. Selon Covalent, ses revenus issus des services de données dépassent déjà ceux du leader du secteur, The Graph.
Grâce à la complétude, transparence, authenticité et instantanéité des données en chaîne, l’industrie Web3 pourrait devenir une source précieuse de données pour des scénarios IA spécialisés ou des « petits modèles IA ». Covalent, en tant que fournisseur, fournit déjà des données structurées vérifiables dédiées à l’IA.
Source : https://www.covalenthq.com/solutions/decentralized-ai/
Par exemple, il fournit des données à SmartWhales, une plateforme d’analyse intelligente, pour identifier des schémas de trading rentables ; Entendre Finance utilise ses données structurées, traitées par IA, pour des analyses prédictives, détection d’anomalies et insights en temps réel.
Pour l’instant, les applications principales de Covalent restent centrées sur la finance, mais avec la diversification croissante des produits et données Web3, les cas d’usage s’élargiront.
La capitalisation flottante actuelle de Covalent est de 150 millions $, et sa FDV de 235 millions $. Comparé à The Graph, concurrent direct, il présente un avantage de valorisation notable.
3. Hivemapper – Honey
Parmi tous les types de données, les vidéos sont souvent les plus chères. Hivemapper fournit à l’IA des données incluant vidéos et cartographie. Projet décentralisé de cartographie mondiale, Hivemapper utilise la blockchain et la contribution communautaire pour créer un système cartographique détaillé, dynamique et accessible. Les participants capturent des données géographiques via une dashcam, les ajoutent au réseau open-source Hivemapper, et sont récompensés en jetons HONEY. Pour maximiser l’efficacité du réseau, Hivemapper est construit sur Solana.
Fondé initialement en 2015 avec l’idée d’utiliser des drones, Hivemapper a vite abandonné ce modèle peu scalable, optant pour les dashcams et smartphones, réduisant ainsi radicalement le coût de création cartographique mondiale.
Comparé à Google Maps, Hivemapper, grâce à son modèle incitatif et collaboratif, couvre plus rapidement, maintient une fraîcheur constante des images, et améliore la qualité vidéo.
Avant l’explosion de la demande IA, les clients principaux étaient les départements autonomes de constructeurs automobiles, sociétés de navigation, gouvernements, assurances et immobilier. Aujourd’hui, Hivemapper peut fournir via API des données routières et environnementales à grande échelle pour entraîner des modèles IA. Grâce à des flux continus d’images et de caractéristiques routières mis à jour, les modèles IA et ML pourront mieux transformer ces données en compétences, notamment pour des tâches liées à la géolocalisation ou au jugement visuel.
Source : https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/
La capitalisation flottante actuelle de Hivemapper-Honey est de 120 millions $, et sa FDV de 496 millions $.
Outre ces trois projets, notons aussi The Graph – GRT (cap. flottante : 3,2 Md$, FDV : 3,7 Md$), dont l’activité est similaire à Covalent (indexation des données blockchain) ; et Ocean Protocol – OCEAN (cap. flottante : 670 M$, FDV : 1,45 Md$, projeté pour fusionner avec Fetch.ai et SingularityNET, donnant naissance au jeton ASI), un protocole open source facilitant l’échange et la monétisation des données et services associés, reliant fournisseurs et consommateurs tout en garantissant confiance, transparence et traçabilité.
Second angle narratif de l’IA : la répétition du « moment GPT », l’avènement de l’intelligence artificielle générale (AGI)
Selon moi, l’année zéro du secteur « IA » dans l’univers crypto est 2023, lorsque GPT a stupéfait le monde. La hausse fulgurante des projets IA crypto était davantage due à la retombée de chaleur du boom technologique externe.
Bien que GPT-4, Turbo et Sora aient continué à impressionner, et que d’autres grands modèles aient progressé rapidement, l’impact cognitif de l’IA sur le grand public s’atténue. Les gens commencent à utiliser les outils IA, mais les remplacements massifs d’emplois ne se sont pas encore produits.
Alors, verrons-nous un nouveau « moment GPT », une percée spectaculaire de l’IA qui changera radicalement notre perception de la vie et du travail ?
Ce moment pourrait être l’avènement de l’intelligence artificielle
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
Mint Ventures
