La confidentialité n'était autrefois qu'une préoccupation pour les CT lorsque $ZEC commençaient à fonctionner. Est-ce exagéré de dire que la confidentialité est désormais l'une des véritables murailles dans l'IA ?

En 2023, l'IA pouvait s'en sortir avec des vibes et des Conditions d'Utilisation que personne ne lisait de toute façon.
L'IA gère maintenant du capital, exécute des transactions, lit vos documents privés, réalise des flux de travail d'entreprise complets, fonctionne comme des agents autonomes avec leurs propres portefeuilles.
Le nouveau goulot d'étranglement dans l'IA est de savoir qui peut laisser les modèles toucher des données précieuses sans en divulguer la valeur.
– Des ingénieurs de Samsung ont accidentellement divulgué le code source de ChatGPT.
– DeepSeek a été pris en flagrant délit en acheminant directement les requêtes des utilisateurs coréens vers les serveurs de ByteDance à Pékin.
Le problème plus profond est que l'inférence centralisée comporte une fuite structurelle par défaut. Nos requêtes vont sur le serveur de quelqu'un d'autre, sont enregistrées, potentiellement conservées, potentiellement entraînées dessus.
Si l'IA m'aide à expliquer la technologie, résumer un PDF ou faire de la recherche, c'est acceptable.
Mais lorsque l'IA touche à ma stratégie de trading, mon flux de deals ou mes clés privées... soudain, cette fuite a une valeur monétaire attachée.
Les agents rendent cela exponentiellement pire. La prompt système d'un agent est son alpha. Si elle est lisible, elle est extractible. MEV, mais pour l'intelligence.
– 80 % des organisations ont déjà rencontré des comportements risqués d'agents IA, y compris un accès non autorisé aux données.
– Gartner prévoit que plus de 75 % du traitement sur une infrastructure non fiable nécessitera des TEEs d'ici 2029.
– Le rapport "State of AI 2025" de McKinsey montre que la sécurité des données a augmenté de 10 points de pourcentage en un an, en tant que principal obstacle à la montée en puissance de l'IA en entreprise.
Je comprends aussi que les grandes tech construisent leur propre pile de confidentialité :
– Le mode GPU confidentiel NVIDIA sur Blackwell approche des performances normales.
– Meta développe le traitement privé pour WhatsApp.
– Apple dispose déjà du Cloud Compute privé.
– GCP et AWS proposent tous deux des produits de calcul confidentiel en ligne.
L'avantage de la crypto réside dans la coordination ouverte, les marchés vérifiables, la résistance à la censure et une infrastructure neutre sans être lié à un fournisseur de cloud pour toujours.
– $VVV : plus de 2 millions d'utilisateurs, environ 50 000 DAU, 15 000 requêtes d'inférence par heure, mémoire cryptée locale, mode privé sans logs, E2EE pour les utilisateurs Pro, plus accès à des modèles ouverts et à des modèles de frontier proxifiés.
– $NEAR : exécute AI Cloud sur des environnements sécurisés TEE où même l'opérateur GPU, l'hôte cloud ou NEAR lui-même ne peuvent voir les données. Intégré à Venice, Brave, Abound...
– $NIL : leur stack Blind Computer combine MPC, HE et TEEs pour que les données puissent être stockées, interrogées et calculées tout en restant cryptées. Plus de 643 millions de documents stockés, 1,4 million d'appels d'inférence, 112 000 utilisateurs.
– $PHA : traite plus de 1 milliard de tokens LLM par jour via Intel TDX et NVIDIA H100/H200 GPU TEEs, où l'inférence cryptée fonctionne à environ 95-99 % des performances normales.
– $ROSE : a livré ROFL et Sapphire comme infrastructure EVM confidentielle en production.
Les coins de confidentialité ne montent pas simplement parce que le discours sur la confidentialité est à la mode.
Ils font de véritables mouvements parce que l'IA crée la première raison grand public pour que l'infrastructure de confidentialité devienne économiquement utile.