Retour sur les lieux, quels sous-réseaux de Bittensor valent encore la peine d'être suivis ?
TechFlow SélectionTechFlow Sélection
Retour sur les lieux, quels sous-réseaux de Bittensor valent encore la peine d'être suivis ?
Bittensor appartient à la catégorie de l'« IA darwinienne », une intelligence artificielle évoluée par sélection naturelle.
Dédié à des analyses Web3 approfondiesAuteur : 0xJeff
Traduction : TechFlow
La cryptographie a toujours été pour moi une source d’excitation, avec constamment de nouvelles choses à apprendre. Naturellement curieux, j’aime poser aux techniciens beaucoup de questions qui peuvent sembler stupides afin d’entrevoir leurs réflexions et tirer parti de leur expérience précieuse. L’intelligence artificielle ne fait pas exception, et en réalité, avec les géants du Web2 qui améliorent continuellement leurs modèles et les grandes applications exploitant l’IA pour lancer des cas d’utilisation pilotés par l’IA, les progrès sont extrêmement rapides.
@canva a lancé des outils IA permettant aux artistes et créateurs sans formation technique de construire facilement des expériences interactives et d’enrichir leurs créations via l’IA ;
@YouTube a introduit un nouvel outil IA permettant aux créateurs de générer automatiquement de la musique d’accompagnement pour leurs vidéos ;
Des sociétés de transport comme Grab déploient des agents IA pour soutenir leurs partenaires commerçants et chauffeurs ;
Des entreprises de commerce électronique telles que Lazada intègrent des outils d’IA générative pour aider les vendeurs dans les ventes, le marketing et le service client.
Les exemples sont innombrables. Les cas pratiques utilisant l’IA générative et les agents IA pour améliorer les flux de travail sont de plus en plus adoptés par les entreprises et les utilisateurs grand public. L’avantage de ces technologies réside dans leur accessibilité — vous pouvez trouver partout des solutions gratuites ou peu coûteuses, dont les bénéfices dépassent largement les coûts financiers.
Mais on oublie souvent les compromis cachés liés à l’utilisation de ces produits IA, tels que :
-
Qui possède vos données ?
-
Quelqu’un pourrait-il voler vos idées pour créer un produit concurrent ?
-
La plateforme est-elle sécurisée ? Vos données risquent-elles d’être exposées ?
-
Si la plateforme tombe en panne (comme cela s’est déjà produit avec AWS), cela interrompra-t-il votre activité ? Les fonds clients seront-ils en danger ?
-
Aurez-vous toujours accès à votre plateforme ? Faut-il valider votre identité ? Si la plateforme ferme, conserverez-vous votre produit ou votre entreprise ?
Il existe bien d’autres questions (si vous ne les avez pas encore lues, j’ai abordé ce sujet plus en détail dans un précédent article).
Les acteurs centralisés détiennent un pouvoir centralisé pouvant prendre des décisions ayant un impact significatif (parfois involontaire) sur votre vie. Vous pourriez penser que cela n’a pas d’importance — peut-être n’utilisez-vous pas souvent ces outils, ou faites-vous confiance à ces entreprises pour agir dans le meilleur intérêt des utilisateurs. Ce n’est pas grave. Vous pourriez même vouloir investir dans ces startups IA, car elles pénètrent un marché énorme. Mais le problème est que vous ne pouvez pas investir. À moins d’être chez @ycombinator ou dans un fonds de capital-risque de premier plan, vous n’avez pas accès à ces opportunités.
En revanche, dans le domaine Web3 IA, il existe de nombreux écosystèmes IA investissables où des équipes s’efforcent de proposer aux utilisateurs des produits et services IA décentralisés. L’un des principaux écosystèmes d’IA décentralisée investissable est @opentensor (Bittensor).
Bittensor : Une IA darwinienne
Bittensor appartient à la catégorie de l’« IA darwinienne » — une IA qui évolue par sélection naturelle. Imaginez une version IA des « Hunger Games », où chaque sous-réseau organise son propre « jeu de la faim », et les « mineurs » sont les tributs (ou participants). Ils s’affrontent avec leurs propres modèles et données sur des tâches spécifiques. Seuls les meilleurs modèles (ceux qui obtiennent les meilleures performances) sont récompensés. Les modèles plus faibles sont soit remplacés, soit évoluent (via l’entraînement, l’ajustement ou en apprenant des autres). Avec le temps, cela crée un écosystème IA plus puissant, diversifié et performant.
Ce qui rend Bittensor particulièrement passionnant, c’est son mécanisme compétitif et incitatif, conçu pour aligner les intérêts entre différents acteurs. J’ai résumé ci-dessous les défis auxquels sont confrontées les équipes d’agents IA Web3…
En bref, les jetons d’agent actuels profitent aux spéculateurs et aux équipes comme outils de promotion, mais sont inefficaces pour attirer et fidéliser les utilisateurs. Pire encore, ils ne peuvent servir d’incitation pour retenir les talents (développeurs, fondateurs, etc.) lorsque le prix baisse.
Bittensor résout ce problème grâce à un mécanisme piloté par le marché, qui attribue l’émission de $TAO aux sous-réseaux, incitant ainsi et soutenant le fonctionnement des équipes. Le marché décide, en stakant du $TAO sur ces sous-réseaux, quels sous-réseaux reçoivent davantage d’émissions. Une fois mis en staking, le $TAO se convertit en jetons Alpha du sous-réseau. Plus il y a de participants en staking, plus le prix du jeton Alpha augmente, et plus vous recevez d’émissions (sous forme de jetons Alpha).
Le calendrier d’émission du $TAO est très similaire à celui du BTC, avec un approvisionnement fixe de 21 millions de jetons et une division par deux tous les quatre ans (7 200 $TAO distribués quotidiennement aux sous-réseaux). La première halving du $TAO devrait avoir lieu vers le 5 janvier 2026, lorsque l’offre en circulation atteindra 10,5 millions de jetons.
Pourquoi cela importe-t-il aux investisseurs
Je ne veux pas entrer ici dans les détails techniques — je souhaite simplement partager pourquoi, selon moi, Bittensor est l’un des écosystèmes les plus passionnants d’un point de vue transactionnel/investissement.
Outre cette dynamique, lorsqu’on trade des jetons Alpha de sous-réseau, on combine à la fois trading et « minage ».
En effet, chaque hausse du prix du jeton Alpha vous rapporte non seulement la plus-value, mais aussi une émission de $TAO (sous forme de jetons Alpha).
Si un sous-réseau performe bien et grimpe au classement, votre position initiale en $TAO connaîtra une forte appréciation du prix combinée à une importante augmentation d’émission. Plus vous stakez tôt votre $TAO dans un sous-réseau, plus votre rendement annuel (APY) sera élevé (car le marché ne l’ayant pas encore remarqué, il y a peu de participants et peu de $TAO en staking).
dTAO vs Solidly
Source : @DeSpreadTeam
Le mécanisme ve(3,3) de Solidly exige un verrouillage long terme et une participation continue. Les pertes dues à une mauvaise allocation (vote pour les mauvais pools de liquidité) sont supportées par tous les détenteurs (l’émission est vendue, faisant baisser le prix pour tous).
En revanche, dTAO ne nécessite aucun verrouillage long terme, permettant à quiconque d’entrer ou sortir à tout moment, mais l’entrée (staking sur un sous-réseau) exige une diligence raisonnable / recherche personnelle approfondie. Investir dans un mauvais sous-réseau peut entraîner de lourdes pertes (car les gens peuvent sortir facilement, sans période de verrouillage ni autre restriction).
Mais Jeff, la valorisation entièrement diluée (FDV) est si élevée ! Comment investir dans un sous-réseau dont la capitalisation dépasse 500 millions de dollars ?
La FDV pourrait ne pas être l’indicateur pertinent ici, car les sous-réseaux en sont encore à un stade précoce ; la capitalisation boursière (MC) est donc probablement plus adaptée (si vous êtes un trader court à moyen terme). Si l’inflation vous inquiète, retenez le ratio 18%/41%/41% — il correspond à la répartition de l’émission (sous forme de jetons Alpha) entre propriétaires de sous-réseaux, validateurs et mineurs. En tant que staker/détenteur de jetons Alpha, vous bénéficiez de la part des validateurs (41 %), puisque vous déléguez votre $TAO à ceux-ci lors du staking.
De nombreux propriétaires de sous-réseaux conservent leurs jetons Alpha obtenus via l’émission afin de montrer leur engagement. Beaucoup dialoguent activement avec les validateurs et mineurs pour les encourager à adopter une vision positive du marché et éviter de vendre massivement leurs jetons (vous pouvez explorer ces informations sur taostats).
À plus grande échelle, le graphique suivant est l’un des meilleurs pour visualiser les tendances de l’écosystème Bittensor.
Source : taoapp
Depuis le lancement de dTAO en février, le pourcentage de $TAO dans Roots (le sous-réseau historique gérant le système d’incitations de Bittensor) a régulièrement diminué, tandis que celui dans les sous-réseaux a augmenté. Cela signifie que les stakers/investisseurs prennent davantage de risques (le staking sur Root génère un rendement annuel conservateur de 20-25 %, sans hausse de prix du jeton Alpha). Cette tendance correspond à la vitesse à laquelle les équipes de sous-réseaux lancent leurs produits. Depuis le lancement de dTAO, les équipes doivent construire en public, développer des produits désirés par les utilisateurs, itérer rapidement, trouver un ajustement produit-marché, attirer des utilisateurs et produire rapidement des utilités réelles avec revenus concrets. Depuis mon entrée dans cet écosystème, j’ai ressenti que les équipes y sortent des produits plus vite que dans tout autre écosystème (grâce à la concurrence et à la distribution des incitations).
Cela nous amène aux sous-réseaux et à leurs cas d’utilisation uniques d’IA décentralisée investissable (DeAI).
Les principaux sous-réseaux et cas d’utilisation
L’équipe considérée comme leader en matière d’adéquation produit-marché (PMF) est @rayon_labs, qui se concentre sur les utilisateurs quotidiens, avec une exécution professionnelle et une démonstration continue de construction en public, notamment via SN64 (Chutes), SN56 (Gradients) et SN19 (Nineteen).
Chutes — fournit une infrastructure permettant de déployer facilement son IA de manière serverless. Le récent incident de panne d’AWS illustre parfaitement notre besoin de ce type de service : si vous dépendez de fournisseurs centralisés, une panne due à un point de défaillance unique peut interrompre votre application IA (risque de pertes financières ou d’exploits).
Gradients — permet à n’importe qui (même sans connaissances en programmation) d’entraîner son propre modèle IA (pour des cas professionnels, génération d’images, LLM personnalisés). La version v3 récemment lancée est moins chère que celle de ses concurrents.
Nineteen — propose une plateforme d’inférence IA rapide, évolutive et décentralisée (tout le monde peut l’utiliser pour générer texte et images, car elle est bien plus rapide que les produits similaires).
En outre, Rayon lance Squad AI Agent Platform, une plateforme conviviale de création d’agents IA en mode glisser-déposer, qui suscite déjà un grand intérêt dans la communauté.
Les trois sous-réseaux cumulent plus d’un tiers de l’émission totale de $TAO — témoignant de la capacité de l’équipe à construire publiquement et livrer des produits de qualité attendus par les utilisateurs (Rayon est saluée par de nombreux propriétaires de sous-réseaux comme la meilleure équipe).
-
Gradients a connu une croissance de 13x en un mois (capitalisation actuelle : 32 millions de dollars)
-
Chutes a augmenté de 2,3x (capitalisation : 63 millions de dollars)
-
Nineteen a triplé (capitalisation : 18 millions de dollars)
Cette tendance ne semble pas près de s’arrêter, surtout avec l’adoption croissante de Chutes (actuellement le sous-réseau numéro un).
Outre les sous-réseaux de Rayon Labs, plusieurs autres équipes sont intéressantes — notamment sur le pliage de protéines, la détection de deepfakes/contenus IA, les modèles 3D, les stratégies de trading ou les LLM pour le jeu de rôle. Je n’ai pas encore exploré tout cela en profondeur, mais je trouve particulièrement pertinent les sous-réseaux sous le thème du « système de prédiction » (taopill).
SN41 @sportstensor
Beaucoup le connaissent peut-être via @AskBillyBets : Sportstensor est le système intelligent derrière les décisions de Billy (l’équipe principale de Billy est @ContangoDigital, un fonds d’investissement axé sur l’IA décentralisée (DeAI) ainsi que sur les validateurs/mineurs de sous-réseaux Bittensor).
Le produit de SN41 — le modèle Sportstensor — est très intéressant. Il s’agit d’une compétition entre mineurs visant à posséder le meilleur modèle et jeu de données pour prédire les résultats sportifs.
Par exemple : dans la dernière ligue NBA, si vous aviez parié systématiquement sur les favoris populaires, vous auriez eu environ 68 % de taux de réussite/précision. Cela signifie-t-il que tous ceux qui ont parié sur les favoris ont gagné beaucoup d’argent ? Non, en réalité, ils ont perdu. Si vous aviez parié 100 dollars sur chaque favori populaire, vous auriez fini avec un retour sur investissement négatif, perdant environ 1 700 dollars.
Bien que les favoris populaires aient souvent un meilleur taux de victoire, leurs cotes sont faibles, ce qui signifie que même quand vous gagnez, vous gagnez peu. Les gens se concentrent trop sur les favoris, ce qui fait que les cotes des outsiders sont gonflées — donc si vous pariez juste sur un outsider, vous pouvez gagner beaucoup d’argent.
C’est là qu’intervient le modèle Sportstensor. Les mineurs utilisent leurs propres modèles d’apprentissage automatique (Monte Carlo, forêts aléatoires, régression linéaire, etc.) et leurs propres données (gratuites ou propriétaires) pour obtenir les meilleurs résultats. Sportstensor prend ensuite la moyenne/la médiane de ces résultats et l’utilise comme intelligence pour identifier les avantages du marché.
Les cotes réelles du marché sont 25:75. Le modèle peut afficher 45:55. L’écart de 15 représente l’avantage. Si le modèle identifie de nombreux tels écarts, vous n’avez pas besoin d’un taux de réussite élevé pour accumuler un rendement positif à long terme.
Source : Sportstensor, traduit par TechFlow
Découvrez leur rapport complet de trading (si vous souhaitez approfondir) : voici les résultats du modèle partagés dans leur dernier rapport. Les chiffres sont assez impressionnants. L’équipe gère également mensuellement un fonds de paris démarrant avec 10 000 dollars comme réserve, réinvestissant les profits dans de nouveaux paris intelligents. À la fin du mois, ils rachètent leurs jetons Alpha avec les bénéfices. L’équipe a réalisé un profit d’environ 18 000 dollars en mars.
Selon la manière dont vous utilisez le système intelligent, les résultats peuvent varier fortement. Par exemple, le système affiche des cotes à 35:65, alors que celles du marché sont à 40:60. Certains pourraient parier dans ce cas, d’autres non, car l’écart est faible et l’avantage insuffisant. La façon dont Billy utilise le système intelligent diffère de celle de Sportstensor. (Personne ne sait encore comment obtenir durablement un rendement positif, car ce domaine en est encore très précoce.)
Sportstensor prévoit de monétiser davantage son système intelligent en créant un tableau de bord permettant aux utilisateurs de comprendre facilement les insights et de prendre des décisions de pari éclairées.
J’apprécie particulièrement cette équipe car son produit ouvre de nombreuses perspectives. Nous avons déjà vu Billy attirer beaucoup d’attention et enthousiasmer les amateurs de sport en pariant avec lui. Comme l’équipe couvre de nombreux sports, les agents peuvent transformer radicalement la manière dont les gens ressentent, interagissent et parient.
SN44 @webuildscore
Score a d’abord tenté de construire un système similaire à Sportstensor, mais après avoir compris que la capacité de prédire des événements futurs avait une valeur encore plus grande, il s’est tourné vers la vision par ordinateur. Pour comprendre cela, vous avez besoin de vision par ordinateur afin d’analyser ce qui se passe à l’écran, permettre à l’IA d’identifier les objets, de les localiser, d’étiqueter les données, puis d’appliquer différents algorithmes pour en tirer des conclusions (par exemple, la probabilité qu’un joueur effectue une action spécifique), et tout cela se transforme en une note globale servant à améliorer la performance des joueurs et à repérer tôt les talents.
Les mineurs s’affrontent pour étiqueter correctement les objets (objectif principal des mineurs). Score utilise actuellement ses propres algorithmes internes pour tirer des conclusions.
Lorsque vous attribuez une note à un joueur (similaire au système Elo pour les échecs ou League of Legends, mais plus détaillé et dynamique, changeant selon les décisions du joueur et leur impact dans chaque match), les dirigeants de clubs peuvent faire beaucoup de choses, comme repérer des talents dès le plus jeune âge. Si vous avez la vidéo d’un enfant jouant, vous pouvez l’analyser exactement comme un match professionnel. C’est quantifier de la même manière tout le monde du football.
Grâce à des données propriétaires, Score peut monétiser les notes et insights en les vendant à des courtiers de données, dirigeants de clubs, sociétés de données sportives ou opérateurs de paris.
Pour les applications grand public, Score adopte une stratégie différente.
@thedkingdao est un DAO de hedge fund sportif, client de Score, qui utilise les données Score pour développer des modèles de paris et les transformer en décisions exécutables. La version v2 du terminal sortira demain (les utilisateurs pourront accéder au modèle complet via différents abonnements, depuis l’analyse de match jusqu’à des questions avancées de gestion financière, comme le meilleur partenaire de pari, en utilisant des agents pour élaborer leurs propres stratégies). Les utilisateurs pourront verrouiller leurs fonds dans un produit Vault, où l’agent pariera automatiquement et fournira des rendements issus des paris, disponible prévue le mois prochain ou avant l’été.
Bientôt, les utilisateurs pourront téléverser leurs vidéos sur la plateforme self-service de Score, où les mineurs les annoteront. Alors qu’une vidéo de match de football prend habituellement plusieurs heures à analyser, les mineurs peuvent annoter un match de 90 minutes en 10 à 12 minutes seulement — bien plus vite qu’ailleurs. Les utilisateurs pourront utiliser ces données annotées pour leurs propres modèles et cas d’utilisation.
J’apprécie particulièrement Score car il peut s’appliquer à d’autres domaines que le sport, comme les voitures autonomes ou la robotique. Dans un monde noyé sous les données de mauvaise qualité, les données propriétaires de haute qualité sont très recherchées.
SN18 @zeussubnet
Il s’agit d’un nouveau sous-réseau récemment très remarqué. Je n’ai pas encore eu l’occasion d’échanger avec l’équipe, mais le produit est très intéressant.
Zeus est un sous-réseau de prévision climatique/météo basé sur l’apprentissage machine, conçu pour surpasser les modèles traditionnels grâce à des prévisions plus rapides et précises.
Ce type d’intelligence intéresse fortement les hedge funds, car prévoir précisément la météo permet de mieux anticiper les prix des matières premières (les hedge funds sont prêts à payer des millions pour ce genre d’information, car une bonne opération peut générer des centaines de millions de dollars).
Le sous-réseau Zeus est relativement nouveau, ayant récemment acquis le sous-réseau 18. Son jeton Alpha a grimpé de 210 % en 7 jours.
Autres sous-réseaux qui m’intéressent mais que je n’ai pas encore explorés en profondeur :
-
@404gen_ SN17 — infrastructure pour générer des actifs 3D par IA. Création de modèles 3D pour jeux, personnages IA, VTubers, etc. L’intégration récente avec @unity pourrait permettre une génération fluide de modèles 3D, transformant ainsi le processus créatif des 1,2 million d’utilisateurs mensuels actifs de Unity.
-
@metanova_labs SN68 — sous-réseau DeSci pour la découverte de médicaments, transformant ce processus en une compétition collaborative ultra-rapide, résolvant les défis traditionnels liés au coût et au temps (processus traditionnel prenant plus de dix ans et pouvant coûter des milliards de dollars).
Il existe bien d’autres sous-réseaux ; je partagerai davantage lorsque j’aurai eu l’occasion de les étudier. J’ai commencé par ceux les plus faciles à comprendre (car je ne suis pas technicien).
Résumé
J’ai essayé d’éviter le trop-plein technique. De nombreuses excellentes ressources existent pour expliquer en détail dTAO, les émissions, la distribution des incitations, tous les intervenants, etc.
D’après ce que j’ai appris pendant la saison des agents (du 24 octobre à aujourd’hui), je pense qu’il est crucial de rester flexible. J’ai trop souvent gardé des investissements dans trop de projets. Je pense que dTAO offre un mécanisme assez solide pour passer souplement d’un projet DeAI investissable à un autre, et en sortir facilement.
Actuellement, les participants sont encore peu nombreux, permettant aux utilisateurs de bénéficier d’un APY compris entre 80 % et plus de 150 %, en plus de la hausse des prix des sous-réseaux. Cette dynamique pourrait changer dans les six prochains mois, avec l’arrivée de nouveaux utilisateurs et l’amélioration des ponts, portefeuilles et infrastructures de trading dans l’écosystème TAO.
Pour l’instant, je vous recommande de profiter de la saison PvE de TAO et d’explorer avec moi ces superbes technologies DeAI :D
Merci d’avoir lu mon premier article. J’espère vous retrouver dans le prochain !
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
