Rapport Grayscale : L'IA et les cryptomonnaies sont "deux faces d'une même pièce", la décentralisation de la crypto renforcera la transparence de l'IA
TechFlow SélectionTechFlow Sélection
Rapport Grayscale : L'IA et les cryptomonnaies sont "deux faces d'une même pièce", la décentralisation de la crypto renforcera la transparence de l'IA
L'IA et les cryptomonnaies sont "les deux faces d'une même pièce", "le Web3 nous aidera à faire confiance à l'IA".
Dédié à des analyses Web3 approfondiesAuteur : Will Ogden Moore
Traduction : TechFlow
L'intelligence artificielle (IA) est l'une des technologies émergentes les plus prometteuses du siècle, avec un potentiel considérable pour accroître la productivité humaine et favoriser des percées médicales. Bien que l'IA soit déjà importante aujourd'hui, son influence ne cesse de croître. Selon une estimation de PwC, l'IA deviendra d'ici 2030 un secteur économique de 15 000 milliards de dollars.
Toutefois, cette technologie pleine de promesses fait face à des défis. À mesure que les capacités de l'IA s'améliorent, le secteur devient fortement centralisé, concentrant le pouvoir entre les mains de quelques grandes entreprises, ce qui pourrait avoir des effets néfastes sur la société. Cela suscite également de graves inquiétudes concernant les deepfakes, les biais intégrés et les risques liés à la confidentialité des données. Heureusement, les caractéristiques décentralisées et transparentes de la cryptographie offrent des solutions potentielles.
Ci-dessous, nous examinons les problèmes posés par la centralisation, comment une IA décentralisée peut y remédier, puis explorons le point de convergence entre la cryptographie et l'IA, en mettant en lumière certaines applications cryptographiques montrant déjà des signes d'adoption précoce.
Les problèmes de l’IA centralisée
Actuellement, le développement de l’IA fait face à plusieurs défis et risques. Les effets de réseau et les besoins élevés en capital rendent difficile pour les développeurs extérieurs aux grandes entreprises technologiques (comme les petites sociétés ou chercheurs universitaires) d’accéder aux ressources nécessaires ou de monétiser leurs travaux. Cela limite la concurrence et l’innovation globales dans le domaine de l’IA.
En conséquence, l’influence sur cette technologie clé est principalement concentrée entre quelques grandes entreprises telles qu’OpenAI et Google, soulevant des questions sérieuses quant à la gouvernance de l’IA. Par exemple, en février dernier, le générateur d’images d’IA de Google, Gemini, a révélé des biais raciaux et des inexactitudes historiques, illustrant ainsi comment une entreprise peut manipuler ses modèles. De plus, en novembre dernier, un conseil d’administration composé de six personnes a décidé de licencier le PDG d’OpenAI, Sam Altman, exposant ainsi le contrôle exercé par une poignée d’individus sur le développement de ces modèles.
Alors que l’impact et l’importance de l’IA continuent de croître, beaucoup craignent qu’une seule entreprise puisse disposer d’un pouvoir décisionnel excessif sur des modèles d’IA ayant un effet profond sur la société, pouvant agir en coulisses, mettre en place des protections ou manipuler les modèles à son avantage — au détriment du reste de la société.
Comment l’IA décentralisée peut aider
L’IA décentralisée consiste à utiliser la technologie blockchain pour distribuer la propriété et la gouvernance de l’IA, augmentant ainsi la transparence et l’accessibilité. Grayscale Research estime que l’IA décentralisée a le potentiel de sortir ces décisions cruciales des « jardins clos » pour les placer entre les mains du public.
La technologie blockchain peut faciliter l’accès des développeurs à l’IA, en abaissant les barrières à l’entrée pour que les développeurs indépendants puissent construire et monétiser leurs projets. Nous pensons que cela pourrait améliorer l’innovation et la concurrence générales dans le domaine de l’IA, créant un contre-pouvoir aux modèles développés par les géants technologiques.
En outre, l’IA décentralisée peut permettre une démocratisation de l’accès aux investissements dans l’IA. Actuellement, hormis par l’intermédiaire de quelques actions technologiques, il existe peu de moyens d’accéder aux retombées financières liées au développement de l’IA. En même temps, d’importantes sommes de capitaux privés ont été allouées aux startups et entreprises privées spécialisées dans l’IA (47 milliards de dollars en 2022, 42 milliards en 2023). En conséquence, les retombées financières sont réservées à un petit groupe de capitalistes-risqueurs et d’investisseurs qualifiés. En revanche, les actifs cryptographiques liés à l’IA décentralisée sont accessibles à tous, permettant à chacun de posséder une part de l’avenir de l’IA.
État actuel de cette convergence
À ce jour, le point de convergence entre la cryptographie et l’IA en est encore à un stade précoce en termes de maturité, mais les réactions du marché sont encourageantes. Entre janvier et mai 2024, les actifs cryptos liés à l’IA ont généré un rendement de 20 % (selon la définition de Grayscale Research du « Universe IA », actifs d’une valeur minimale de 500 millions de dollars, rééquilibrage trimestriel au 1er avril 2024. L’univers comprend NEAR, FET, RNDR, FIL, TAO, THETA, AKT, AGIX, WLD, AIOZ, TFUEL, GLM, PRIME, OCEAN, ARKM et LTP), surpassant tous les autres secteurs cryptos sauf celui des monnaies (voir figure 1). De plus, selon le fournisseur de données Kaito, les sujets liés à l’IA occupent actuellement la plus grande part des « narratifs » sur les plateformes sociales, dépassant d’autres thèmes comme la finance décentralisée, les Layer 2, les memes ou les actifs du monde réel.
Récemment, plusieurs personnalités influentes se sont tournées vers cette convergence émergente, axée sur la correction des faiblesses de l’IA centralisée. En mars, Emad Mostaque, fondateur de la célèbre entreprise d’IA Stability AI, a quitté l’entreprise pour se consacrer à l’IA décentralisée, affirmant que « le moment est venu de garantir que l’IA reste ouverte et décentralisée ». De plus, l’entrepreneur crypto Erik Vorhees a récemment lancé Venice.ai, un service d’IA axé sur la confidentialité avec chiffrement de bout en bout.
Figure 1 : Les actifs cryptos IA ont surperformé presque tous les autres secteurs cryptos depuis le début de l’année
Aujourd’hui, nous pouvons diviser le point de convergence entre cryptographie et IA en trois grandes catégories (les actifs cités sont des exemples illustratifs, classés par capitalisation décroissante) :
-
Couche infrastructure : Réseaux fournissant des plateformes dédiées au développement de l’IA (ex. : NEAR, TAO, FET)
-
Ressources IA : Actifs fournissant des ressources essentielles pour le développement de l’IA (calcul, stockage, données) (ex. : RNDR, AKT, LPT, FIL, AR, MASA)
-
Solutions aux problèmes liés à l’IA : Actifs visant à résoudre des enjeux spécifiques (bots, deepfakes, vérification de modèles) (ex. : WLD, TRAC, NUM)
Figure 2 : Cartographie du marché de l’IA et de la cryptographie
Source : Grayscale Investments. Les protocoles listés sont à titre d'exemple.
Réseaux fournissant l’infrastructure pour le développement de l’IA
Cette catégorie inclut des réseaux proposant une architecture ouverte et sans autorisation, conçus spécifiquement pour le développement général d’applications d’IA. Ces actifs ne se concentrent pas sur un produit ou service IA particulier, mais visent à créer les infrastructures et mécanismes incitatifs sous-jacents à diverses applications IA.
NEAR se distingue particulièrement dans cette catégorie, fondé par un co-créateur de l’architecture « Transformer », à la base des systèmes d’IA comme ChatGPT. Récemment, il a mis à profit son expertise en IA via son département R&D en lançant un projet de « IA appartenant à l’utilisateur », dirigé par un ancien ingénieur de recherche d’OpenAI en tant que consultant . Fin juin 2024, NEAR a lancé son programme d’incubation IA, destiné au développement de modèles fondamentaux natifs de NEAR, de plateformes de données pour applications IA, de cadres d’agents IA et de marchés de calcul.
Bittensor est un autre exemple remarquable. Bittensor est une plateforme utilisant le jeton TAO pour inciter au développement de l’IA. Elle sert de base à 38 sous-réseaux (des segments plus petits d’un grand réseau, conçus pour améliorer l’efficacité et la sécurité en isolant certaines parties du réseau pour des usages ou groupes d’utilisateurs spécifiques — au 23 juin 2024), chacun ayant des cas d’usage différents : chatbots, génération d’images, prévisions financières, traduction linguistique, entraînement de modèles, stockage et calcul. Le réseau Bittensor récompense avec des TAO les mineurs et validateurs les plus performants de chaque sous-réseau, et offre aux développeurs une API sans permission leur permettant de construire des applications IA spécifiques en interrogeant les mineurs des sous-réseaux Bittensor.
Cette catégorie inclut également d'autres protocoles comme Fetch.ai et Allora Network. Fetch.ai est une plateforme permettant aux développeurs de créer des assistants IA complexes (appelés « agents IA »). Il a récemment fusionné avec AGIX et OCEAN, formant une entité d’une valeur estimée à environ 7,5 milliards de dollars. Un autre exemple est Allora Network, une plateforme axée sur l’application de l’IA à des services financiers, notamment des stratégies de trading automatique sur les DEX et des marchés prédictifs. Allora n’a pas encore lancé de jeton et a levé lors d’un tour de financement stratégique en juin un total de 35 millions de dollars en capital privé.
Ressources nécessaires au développement de l’IA
Cette catégorie regroupe les actifs fournissant les ressources essentielles au développement de l’IA : calcul, stockage ou données.
L’essor de l’IA a engendré une demande sans précédent en ressources de calcul, comme les GPU . Des marchés décentralisés de GPU comme Render (RNDR), Akash (AKT) et Livepeer (LPT) mettent à disposition des développeurs des GPU inutilisés pour l’entraînement de modèles, l’inférence ou la génération d’IA 3D. Aujourd’hui, Render propose environ 10 000 GPU, principalement destinés aux artistes et à l’IA générative, tandis qu’Akash offre 400 GPU, surtout orientés vers les développeurs et chercheurs en IA. Par ailleurs, Livepeer a récemment annoncé son intention de lancer en août 2024 un nouveau sous-réseau dédié au calcul IA, pour des tâches telles que texte-à-image, texte-à-vidéo ou image-à-vidéo.
Outre les besoins massifs en calcul, les modèles d’IA requièrent également d’immenses volumes de données. La demande de stockage de données a donc fortement augmenté. Des solutions comme Filecoin (FIL) et Arweave (AR) peuvent servir de réseaux décentralisés et sécurisés pour stocker les données d’IA, en alternative aux serveurs centralisés d’AWS. Ces solutions offrent non seulement un stockage rentable et évolutif, mais renforcent aussi la sécurité et l’intégrité des données en éliminant les points de défaillance unique et en réduisant les risques de fuites.
De plus, des services d’IA existants comme OpenAI et Gemini tirent en permanence des données en temps réel via Bing et Google Search. Cela place les autres développeurs de modèles d’IA en position de désavantage. Toutefois, des services de scraping comme Grass et Masa (MASA) peuvent rétablir un certain équilibre, en permettant aux individus de monétiser leurs données en les fournissant pour l’entraînement de modèles d’IA, tout en conservant le contrôle et la confidentialité de leurs données personnelles.
Actifs résolvant des problèmes liés à l’IA
La troisième catégorie regroupe les actifs cherchant à résoudre des problèmes spécifiques liés à l’IA, tels que les bots, les deepfakes et l’origine du contenu.
L’IA amplifie la prolifération des bots et de la désinformation. Des deepfakes générés par l’IA ont déjà influencé les élections présidentielles en Inde et en Europe, et des experts craignent que la prochaine campagne présidentielle ne soit submergée par une vague massive de désinformation alimentée par les deepfakes. Des actifs comme Origin Trail (TRAC), Numbers Protocol (NUM) et Story Protocol cherchent à combattre ce problème en établissant une provenance vérifiable du contenu. En outre, Worldcoin (WLD) lutte contre les bots en prouvant l’identité d’un individu grâce à une reconnaissance biométrique unique.
Un autre risque lié à l’IA est la confiance dans les modèles eux-mêmes. Comment faire confiance aux résultats d’IA reçus, sachant qu’ils n’ont pas été altérés ou manipulés ? Plusieurs protocoles travaillent actuellement à résoudre ce problème grâce à la cryptographie, aux preuves à divulgation nulle (zero-knowledge proofs) et au chiffrement homomorphe complet (FHE), notamment Modulus Labs et Zama.
Conclusion
Bien que ces actifs d’IA décentralisée aient déjà accompli des progrès initiaux, nous en sommes encore aux balbutiements de cette convergence. Début 2024, le célèbre capital-risqueur Fred Wilson affirmait que l’IA et la cryptographie sont « les deux faces d’une même pièce », et que « le web3 nous aidera à faire confiance à l’IA ». Alors que le secteur de l’IA continue de mûrir, Grayscale Research pense que ces cas d’usage cryptographiques liés à l’IA deviendront de plus en plus importants, et que ces deux technologies en plein essor pourraient soutenir mutuellement leur croissance.
De nombreux signes indiquent que l’IA arrive, et qu’elle est prête à avoir un impact profond, qu’il soit positif ou négatif. En exploitant les propriétés de la technologie blockchain, nous croyons que la cryptographie pourra finalement contribuer à atténuer certains des dangers liés à l’IA.
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
@Grayscale
