Vitalik Buterin Plaide pour une IA CROPS diversifiée matériellement alors que DeepSeek V4 fonctionne localement sur Apple et AMD

Le terme « intelligence artificielle décentralisée » est souvent évoqué, mais le co-fondateur d’Ethereum, Vitalik Buterin, trace une ligne plus nette. Pour lui, le véritable test d’un système d’IA capable de servir les utilisateurs de crypto n’est pas seulement l’endroit où l’inférence se produit — c’est de savoir si le modèle fonctionne sur une gamme de matériel réel, d’un MacBook à une configuration AMD. Dans une mise à jour publiée sur son site personnel et signalée par le rapport original, Buterin a indiqué une référence concrète : DeepSeek V4 dispose désormais d’une version quantifiée en 2 bits qui tient dans environ 90 Go de VRAM, atteignant environ 35 tokens par seconde sur du matériel Apple et environ 7 tokens par seconde sur AMD. Cela a plus d’importance qu’on ne le réalise souvent.

Depuis plusieurs mois, la conversation AI-crypto est divisée entre l’inférence centralisée dans le cloud et de grands schémas pour des réseaux de calcul décentralisés. Maiserin’s « CROPS AI » — abréviation de Consequential, Recoverable, Open, Private, and Sovereign AI — tranche dans le marketing. Il soutient que si un modèle d’IA ne peut pas fonctionner sur le matériel que les utilisateurs ordinaires et les opérateurs de nœuds possèdent déjà, il n’est pas véritablement respectueux de la vie privée ou souverain. Les chiffres de DeepSeek V4, bien que modestes du côté AMD, montrent qu’un modèle capable peut fonctionner localement sans centre de données. Obtenir 7 t/s sur un GPU AMD n’est pas encore une expérience de développement de niveau production, mais cela redéfinit ce qui est possible. L’écart entre 35 t/s sur Apple Silicon et 7 t/s sur AMD raconte aussi une histoire sur la fragmentation du matériel que l’écosystème devra résoudre si l’IA locale doit dépasser le simple niche.

Pourquoi la diversité matérielle redéfinit le débat IA-crypto

La majorité de l’enthousiasme actuel autour de l’IA et de la blockchain se concentre sur les marchés de calcul incités par des tokens ou sur des agents IA en chaîne. Maiserin’s cadre est plus réaliste. Un modèle qui ne fonctionne efficacement que dans un TEE sur un seul fournisseur cloud ne garantit pas la vie privée d’un utilisateur Ethereum. Il peut passer un test marketing, mais échoue au test matériel. Le but de CROPS AI est que l’utilisateur conserve le contrôle de ses propres données et demandes d’inférence. Cela signifie que le modèle doit être suffisamment léger pour fonctionner sur du matériel de milieu de gamme, pas seulement sur un cluster de H100. Quand Buterin évoque la couche d’accès Ethereum en lien avec CROPS AI, il parle de quelque chose de tangible : les preuves à divulgation zéro pourraient vérifier qu’un appel LLM distant a été exécuté correctement, tandis que les lectures RPC privées protègent les données utilisateur contre les opérateurs de nœuds qui pourraient faire tourner le modèle en arrière-plan. Ce n’est pas qu’une idée de recherche — c’est une contrainte de conception qui influence l’évolution des séquenceurs, validateurs et portefeuilles.

L’angle matériel déplace aussi la conversation loin de l’étiquette simpliste « IA décentralisée ». Un réseau avec des milliers de nœuds exécutant tous une inférence sur des GPU Nvidia identiques crée toujours un point de défaillance unique du point de vue de la chaîne d’approvisionnement. La mise en avant par Buterin de la compatibilité avec Apple et AMD suggère qu’il envisage un monde où les validateurs Ethereum peuvent utiliser le calcul dont ils disposent, pas seulement le matériel le plus coûteux. Cela s’aligne avec l’éthique de longue date d’Ethereum visant à rendre les exigences pour les validateurs accessibles, même si le réseau s’aventure dans de nouveaux territoires. Pour un regard plus approfondi sur les chaînes qui attirent réellement les développeurs dans ce nouveau cycle, le rapport Top 10 Blockchains by Developer Activity This Week offre un aperçu de la concentration de l’élan, Ethereum restant proche du sommet malgré la concurrence croissante.

Modèles adaptés à Ethereum et la couche de confidentialité

L’appel de Buterin pour davantage de modèles d’IA adaptés à Ethereum n’est pas une remarque anodine. Actuellement, la plupart des grands modèles linguistiques comprennent à peine la sémantique de Solidity, encore moins les subtilités des contrats proxy, des appels délégués et des collisions de stockage qui créent des vulnérabilités. Un modèle finement ajusté sur l’ensemble du code du protocole Ethereum, combiné à une exécution locale, pourrait devenir un outil de sécurité puissant pour les auditeurs et développeurs. Les appels à distance payants basés sur ZK qu’il mentionne ouvrent une autre porte : un développeur pourrait payer pour une inférence privée sur un modèle distant en utilisant une preuve ZK pour confirmer que la sortie est correcte, sans exposer le code du contrat intelligent à l’opérateur. Ce modèle hybride local-remote, s’il fonctionne, change radicalement le paradigme de sécurité pour les équipes qui ne peuvent pas se permettre d’exécuter de grands modèles localement tout en ayant besoin de confidentialité.

Ce n’est pas purement théorique. La poussée vers l’IA locale croise avec une vague plus large d’infrastructures décentralisées de calcul et de données. Des partenariats comme celui entre UXLINK et Origins Network s’attaquent déjà au problème des applications Web3 alimentées par l’IA à l’échelle, utilisant le calcul décentralisé. Mais l’accent de Buterin sur les lectures RPC privées ajoute une couche que la plupart de ces projets n’ont pas encore totalement abordée : les métadonnées autour de vos requêtes peuvent révéler autant que la requête elle-même. Si un nœud validateur peut voir à quelle adresse de contrat vous interagissez lors de l’utilisation d’un modèle local, le gain en confidentialité est limité. Sceller cette voie de métadonnées avec des lectures RPC cryptographiques est la moitié manquante du puzzle, et c’est pourquoi la mise à jour de Buterin a un impact différent des annonces habituelles sur l’IA-crypto.

Ce que le marché manque, et ce qui arrive ensuite

La réaction immédiate à la publication de Buterin pourrait être de la considérer comme un signal haussier pour les tokens IA ou quelques L2 Ethereum. Mais cela manque le point structurel. Il ne promeut pas un token ou un lancement — il esquisse une pile technique qui n’est pas encore construite. Faire fonctionner DeepSeek V4 à 7 t/s sur AMD est une preuve de concept, pas un produit fini. Le vrai défi concerne les ingénieurs en compression de modèles, les concepteurs de circuits ZK, et les développeurs principaux d’Ethereum alignant leurs feuilles de route. C’est un problème de coordination sur plusieurs années, pas une narration qui fera bouger le marché la semaine prochaine. Cependant, cela mérite d’être surveillé, car l’écosystème Ethereum a historiquement réussi dans ce genre de travail d’infrastructure lent et peu glamour.

Ce qui reste incertain, c’est si la diversité matérielle sera réellement une priorité pour les projets IA-crypto qui lèvent des fonds en ce moment. Le secteur est jonché d’initiatives bien financées qui optimisent pour une seule architecture GPU et la présentent comme décentralisée. La mise à jour de Buterin remet discrètement en question cette approche. Si CROPS AI devient une norme de référence — à l’image du concept original d’une blockchain résistante à la censure devenu un test de référence — alors les projets ignorant la diversité matérielle pourraient se retrouver du mauvais côté de la narration lorsque l’adoption réelle arrivera. Pour l’instant, la leçon concrète est plus simple : un modèle d’IA utile qui fonctionne sur une machine locale sans faire de « phoning home » n’est plus un objectif lointain. Les chiffres de DeepSeek V4 prouvent que la trajectoire est réelle, et la pile de confidentialité d’Ethereum a enfin une raison tangible d’accélérer.