Le cercle de l'IA n'a pas le temps de s'intéresser à la blockchain.

Auteur : Ekko An, Ryan Yoon ; Source : Tiger Research ; Traduction : BitpushNews

L'industrie de l'intelligence artificielle continue de progresser à grands pas, sans aucun signe de ralentissement. Cependant, le domaine de la "blockchain + IA" est tout à fait différent. Pourquoi n'a-t-il pas réussi à attirer une attention comparable ?

Points essentiels

• Dans le contexte de l'engouement pour l'IA, l'industrie de la blockchain doit être examinée du point de vue de la demande : quels problèmes résout-elle que les systèmes existants ne peuvent pas résoudre, et quelles capacités uniques apporte-t-elle ?

• Le calcul et le stockage décentralisés ont effectivement une logique raisonnable en termes de souveraineté des données et de compétitivité des coûts. L'obstacle est qu'aucun des deux n'a encore démontré un avantage technique suffisamment convaincant pour que les clients déjà liés à l'infrastructure cloud existante acceptent les risques liés à la migration.

• Les problèmes que la validation de modèles et les technologies de confidentialité visent à résoudre n'ont pas encore atteint un niveau d'urgence suffisant pour que les entreprises agissent de leur propre initiative. Ce type de demande est plus susceptible de suivre les exigences réglementaires que de les précéder. L'IA Act de l'Union européenne est un modèle typique : les normes viennent en premier, le marché suit ensuite.

• Dans la catégorie des frameworks d'agents, le goulot d'étranglement n'est pas technique. Les entreprises dominantes se concentrent encore sur l'automatisation des flux de travail internes, tandis que les projets blockchain construisent déjà la couche d'infrastructure pour la prochaine étape. La demande mettra du temps à rattraper la technologie.

• Le paiement par agent est le seul domaine où la blockchain et la finance traditionnelle sont sur un pied d'égalité. Les deux parties n'ont pas encore résolu ce problème, ce qui en fait la seule catégorie où les deux sont confrontés au même défi.

• Dans l'ensemble, la raison pour laquelle l'industrie de la blockchain + IA a du mal à progresser n'est pas que la combinaison des deux manque de logique, mais qu'il existe un décalage : les quatre catégories sont confrontées à des raisons différentes pour lesquelles la demande n'est pas encore formée, et seul le paiement par agent est actuellement en mesure de rivaliser sur un pied d'égalité.

1. Projets blockchain oubliés dans la folie de l'IA

L'industrie de l'intelligence artificielle connaît des investissements en capital et en infrastructure sans précédent. Dominé par les grandes entreprises technologiques, l'écosystème des grands modèles de langage est devenu une caractéristique standard de la vie quotidienne et des opérations industrielles. Dans cette expansion rapide, l'industrie de la cryptomonnaie évolue également rapidement, cherchant des points de convergence technique avec l'IA.

Les premiers efforts se sont concentrés sur la complémentation ou la reproduction des maillons de la chaîne de valeur traditionnelle de l'IA : approvisionnement décentralisé en GPU, récupération des droits de propriété des données et validation cryptographique. Récemment, l'accent s'est déplacé vers le comblement des lacunes que les architectures centralisées ont du mal à résoudre, notamment les activités autonomes des agents IA sur la chaîne et les règlements en temps réel machine-à-machine (M2M).

Qualifier ce domaine de manière générale comme "IA + blockchain" masque sa complexité. Nous avons besoin d'une analyse rigoureuse du côté de la demande : à quel problème chaque sous-domaine s'attaque-t-il ? Les solutions natives de la blockchain offrent-elles une différenciation véritable ?

2. Fonctions de chaque catégorie

2.1. Calcul décentralisé

Le marché actuel du cloud computing dépend structurellement de quelques grandes entreprises technologiques qui contrôlent les ressources de calcul. Les GPU haute performance sont à la fois difficiles à obtenir et coûteux, créant une barrière d'entrée abrupte pour les startups IA et les équipes de recherche qui n'ont pas accès à une infrastructure à grande échelle.

Les systèmes centralisés concentrent les ressources vers les plus grands acheteurs, et il n'existe pas de canal neutre sur le marché pour redistribuer les importantes capacités GPU inutilisées.

Le calcul décentralisé résout cette centralisation et cette inefficacité de deux manières :

• Modèle d'économie de partage : les projets regroupent les ressources GPU inutilisées détenues par des particuliers et de petits centres de données en un réseau unifié, créant ainsi une chaîne d'approvisionnement plus flexible en dehors des monopoles technologiques existants.

• Modèle de calcul distribué : les utilisateurs peuvent louer des ressources de calcul dans le monde entier sans dépendre de l'infrastructure d'un seul fournisseur, améliorant ainsi l'utilisation du matériel et abaissant le seuil d'accès au calcul haute performance.

2.2. Stockage décentralisé

L'architecture actuelle de stockage des données dépend presque entièrement de l'infrastructure cloud centralisée exploitée par des entreprises comme Google et Meta. Lorsque les utilisateurs téléchargent des données sur ces plateformes, la propriété est effectivement transférée à la plateforme, consolidant ainsi son contrôle monopolistique sur les données d'entraînement de l'IA. L'infrastructure centralisée introduit également des risques opérationnels : les changements de politique, les interruptions de service ou les défaillances de plateforme peuvent couper l'accès aux données ou entraîner une perte de données.

Le stockage décentralisé résout ces problèmes structurels de deux manières :

• Modèle d'économie de partage : comme Filecoin et Arweave, qui regroupent l'espace de stockage inutilisé des participants en un réseau, capable de remplacer les services cloud centralisés existants.

• Modèle de stockage permanent : distribue les données de manière redondante sur plusieurs nœuds, garantissant la persistance des données indépendamment de l'état opérationnel d'un seul serveur, et réduit la dépendance à une plateforme unique.

2.3. Marchés de données

Les développeurs d'IA ont besoin de données d'entraînement, mais le marché actuel de distribution de données fonctionne de manière fermée, avec de grandes plateformes comme Hugging Face et les fournisseurs de cloud qui s'approprient les bénéfices économiques et contrôlent les prix. Les créateurs de données sont à peine rémunérés, et il manque de transparence dans les mécanismes de récompense pour la collecte et la contribution de données.

Les marchés sur chaîne éliminent les intermédiaires via des contrats intelligents et établissent des conditions de transaction transparentes :

• Modèle de transaction directe : comme Ocean Protocol, où les propriétaires de données et les développeurs d'IA échangent directement via des contrats intelligents, avec une répartition transparente des récompenses.

• Modèle de récompense pour contribution : comme Grass, où les particuliers connectent leur bande passante inutilisée pour la collecte de données IA et reçoivent une rémunération proportionnelle à la valeur de leur contribution.

2.4. Validation des modèles et inference / Confidentialité

Les systèmes d'IA traditionnels fonctionnent comme des "boîtes noires", sans moyen externe de vérifier si le modèle fonctionne correctement ou si les données utilisateur sensibles sont traitées en toute sécurité.

L'apprentissage automatique à connaissance nulle (ZKML) introduit une couche de validation cryptographique pour l'inférence IA, permettant à la fois la protection de la confidentialité et l'auditabilité. Dans cette architecture, le modèle fonctionne de manière traditionnelle hors chaîne, mais le processus de calcul génère une preuve cryptographique que le processus a été exécuté correctement selon des règles définies.

Ce qui est enregistré sur la chaîne, c'est cette "preuve", et non les données sous-jacentes. Par exemple : dans un service automatisé de traitement des réclamations d'assurance médicale, l'hôpital soumet simplement une preuve que le modèle IA a fonctionné correctement, sans partager les dossiers médicaux complets. La compagnie d'assurance peut vérifier la légitimité de la réclamation sans accéder aux données originales.

2.5. Frameworks d'agents IA

Alors que les agents IA deviennent le noyau principal du flux de trafic et de la création de valeur, ils évoluent d'outils vers des participants économiques autonomes. Les systèmes financiers existants sont conçus autour des modes de consommation humaine et sont structurellement incompatibles avec un environnement de paiement centré sur les machines.

L'économie des agents nécessite des micropaiements, des règlements à haute fréquence et des paiements transfrontaliers en millisecondes, ce à quoi l'infrastructure financière existante ne peut pas s'adapter.

L'infrastructure d'agents sur chaîne résout ce problème via deux mécanismes :

• Mécanisme d'exécution et de contrôle autonomes : attribue des portefeuilles et des identités uniques aux agents IA, leur permettant de signer directement des transactions, avec des limites de dépenses et des protections contre les comportements non intentionnels.

• Mécanisme de règlement basé sur le protocole : utilise des protocoles de paiement en stablecoins comme x402 pour régler les micro-transactions et les paiements à haute fréquence en temps réel, en contournant les conversions de devises et les processus d'approbation.

3. Pourquoi la blockchain + IA s'écarte-t-elle de la chaîne de valeur de l'IA ?

La chaîne de valeur de l'IA s'est formée autour de "l'élimination séquentielle des goulots d'étranglement". À mesure que la demande d'IA augmente, des pénuries de mémoire apparaissent, et la puissance de calcul ainsi que la capacité de transmission de données deviennent également limitées. Les entreprises qui résolvent rapidement ces problèmes (comme les fabricants de HBM et les fournisseurs d'infrastructure électrique) attirent d'importants capitaux et une appréciation du marché. Le marché valorise clairement les solutions qui éliminent les obstacles à la croissance.

Bien que les projets blockchain + IA aient identifié des problèmes réels, ils n'ont pas obtenu le même niveau d'attention du marché. Si ces problèmes étaient aussi urgents qu'ils le prétendent, ils auraient déjà dû provoquer des changements significatifs sur le marché.

La raison pour laquelle les projets blockchain + IA ne parviennent pas à attirer les capitaux mainstream tout en promouvant des objectifs légitimes comme "réduire la centralisation des GPU" et "restaurer la souveraineté des données" réside dans le grand fossé entre les priorités des fournisseurs de technologie et celles des acheteurs qui contrôlent l'allocation des capitaux.

L'industrie de l'IA fonctionne sur des échéanciers concurrentiels, et les acheteurs (principalement les grandes entreprises technologiques et les clients entreprises) investissent massivement dans les technologies qui résolvent le plus rapidement leurs goulots d'étranglement opérationnels immédiats. Ils ne prennent pas le temps d'évaluer des infrastructures non éprouvées. Leurs priorités sont la performance de calcul, la fiabilité de l'infrastructure et le retour sur investissement vérifiable.

Par exemple : lorsque la vitesse de transfert des données est devenue un goulot d'étranglement pour l'entraînement des modèles, d'importants capitaux ont afflué vers l'infrastructure fibre optique pour remplacer le cuivre ; lorsque la bande passante mémoire est devenue la principale contrainte, SK Hynix et Samsung Electronics ont résolu ce problème clé avec la mémoire à large bande passante (HBM), obtenant ainsi une reconnaissance mondiale. Le schéma est cohérent : les capitaux suivent ceux qui éliminent les facteurs limitant le progrès.

Le problème fondamental de la blockchain + IA réside dans le "positionnement". Les acheteurs disposant de budgets d'investissement importants ne se concentrent que sur les améliorations de performances à court terme et la réduction des coûts. En revanche, la blockchain + IA se concentre sur des problèmes que les acheteurs considèrent comme "secondaires" ou relevant d'un "état futur". L'ambition technologique du côté de l'offre ne correspond pas aux exigences opérationnelles immédiates du côté de la demande.

3.1. Limitations techniques

Certains projets ont démontré le potentiel et la philosophie de conception de l'infrastructure décentralisée via des tests de référence. Mais le problème le plus fondamental est que ce travail n'a pas encore produit d'avancée technique décisive suffisante pour remplacer les géants établis du marché mainstream.

Pour qu'une nouvelle technologie arrache des parts de marché aux fournisseurs de cloud centralisés comme AWS ou GCP, qui disposent déjà d'un capital et d'une infrastructure immenses, elle doit offrir un avantage de performance tellement énorme que l'écart avec les géants existants devient négligeable.

Quand Apple est passé des puces Intel aux puces M1 (en prenant le risque énorme de casser la compatibilité logicielle), la justification résidait dans une amélioration de l'efficacité énergétique par trois, un écart suffisant pour rendre la transition rentable.

Pour les acheteurs entreprises qui exigent une synchronisation de données au niveau du pétaoctet et une latence ultra-faible comme conditions de base, la blockchain + IA n'a pas encore fourni un cas suffisamment clair pour leur faire accepter le risque de transition.

3.2. Décalage de la demande

Dans le domaine du calcul décentralisé, certains projets ont introduit des "accords de niveau de service" (SLA) comme mécanisme d'atténuation des risques, mais les acheteurs entreprises ne sont toujours pas convaincus. La raison est structurelle, et non contractuelle. Les grands fournisseurs de cloud proposent des centres de données contrôlés et dédiés. Les réseaux blockchain reposent sur une participation de nœuds fragmentés et anonymes.

Si un nœud tombe en panne et interrompt une tâche d'entraînement de modèle valant des centaines de millions de wons, aucune compensation en tokens ou indemnité financière ne peut récupérer le coût d'opportunité et la perte de temps. Pour les acheteurs entreprises opérant sur des échéanciers concurrentiels, la stabilité du système n'est pas un paramètre négociable. Même avec des mécanismes de couverture, la plupart des acheteurs n'ont pas intérêt à prendre le risque résiduel d'incertitude.

3.3. Demande non encore formée

Les frameworks d'agents blockchain sont conçus pour des écosystèmes complexes (c'est-à-dire plusieurs agents IA collaborant de manière autonome), mais il existe un écart de maturité entre cette vision et l'état actuel du marché mainstream.

Sous l'impulsion d'entreprises comme Microsoft et Salesforce, l'adoption des agents IA par les entreprises s'accélère, mais l'accent actuel est fermement mis sur "l'automatisation des flux de travail" fonctionnant dans des réseaux internes contrôlés. L'infrastructure que les projets blockchain construisent cible la prochaine étape : des agents IA autonomes fonctionnant sur des réseaux externes au-delà des frontières organisationnelles. La plupart des entreprises se concentrent encore sur l'établissement de la stabilité et du retour sur investissement de leurs systèmes IA déployés. La collaboration multi-agents sur des réseaux externes n'est pas encore une priorité dans la feuille de route d'infrastructure des entreprises.

La demande limitée à ce stade reflète le "moment" plutôt qu'un "échec technique". Cela devrait être compris davantage comme un investissement d'infrastructure à long terme pour l'avenir de l'économie des agents, plutôt qu'une opportunité de revenus à court terme.

3.4. Conditions préalables réglementaires

Les preuves à connaissance nulle et les technologies de protection de la vie privée sont des solutions clés pour établir la confiance dans l'IA, mais dans les premières phases de l'adoption de l'IA, la demande réelle des entreprises pour l'infrastructure de confidentialité est limitée. Il est peu probable que l'adoption spontanée par les entreprises génère une adoption significative ; le chemin le plus probable est que les normes réglementaires créent la demande, puis la technologie s'intègre en conséquence.

La spécification croissante des cadres réglementaires mondiaux (y compris l'IA Act de l'UE) est un développement favorable à cet égard. À mesure que les exigences légales concernant la provenance et la sécurité des données deviennent spécifiques, les capacités de validation avancées de la blockchain devraient devenir une exigence de conformité dans les déploiements d'entreprise, plutôt qu'une option facultative.

Le développement réglementaire dans ce domaine doit être compris comme un catalyseur de formation de marché, plutôt qu'une contrainte. Des normes réglementaires claires réduisent l'incertitude du marché et créent ainsi une voie stable permettant à la blockchain + IA d'établir une demande mainstream dans un cadre institutionnel.

3.5. Manque de cas d'utilisation suffisants

Ces facteurs structurels combinés produisent un problème plus fondamental : l'absence d'un "cas de réussite définissant" capable de prouver sa valeur à grande échelle. L'industrie traditionnelle de l'IA a établi sa position actuelle grâce au volant d'adoption déclenché par ChatGPT, en utilisant un produit spécifique et largement visible pour attirer le capital et les talents nécessaires pour soutenir une croissance ultérieure.

Les projets blockchain + IA n'ont pas encore produit de preuve équivalente d'adéquation produit-marché (Product-Market Fit) à grande échelle. En dehors de l'enthousiasme précoce de la communauté, aucun projet n'a démontré un niveau d'adoption dans les opérations des entreprises ou la vie quotidienne des consommateurs suffisant pour attirer une attention sérieuse des capitaux mainstream. Le manque de cas de référence convaincants reste le plus grand obstacle pour attirer les investissements institutionnels prudents qui pourraient accélérer une adoption plus large.

4. La combinaison des deux a-t-elle de la valeur ?

La blockchain + IA n'a pas encore trouvé sa place dans la chaîne de valeur mainstream de l'IA. Mais cela signifie-t-il que la combinaison des deux n'a aucun sens ?

Pas du tout.

La raison fondamentale pour laquelle les projets blockchain + IA sont actuellement négligés n'est pas que la logique de leur combinaison est contradictoire, mais qu'il existe un décalage entre les exigences de l'industrie existante et l'orientation offerte par la technologie dans chaque sous-domaine.

Les priorités de l'industrie traditionnelle de l'IA sont claires : performance à court terme, optimisation des coûts et fiabilité rigoureuse de l'infrastructure. De nombreuses propositions actuelles de blockchain + IA se concentrent sur la propriété des données, la transparence du calcul et la décentralisation.

Ces problèmes ne sont pas considérés par les acteurs établis de l'industrie comme des "goulots d'étranglement immédiats", et poursuivre ces objectifs nécessite souvent d'accepter des pertes de performance qui sont trop coûteuses par rapport aux bénéfices.

Avant la vague de l'IA, les entreprises d'infrastructure électrique étaient largement classées comme des entreprises matures et à faible croissance. La demande d'électricité tirée par les centres de données a changé cela, et elles ont depuis attiré une attention considérable du marché. L'indifférence actuelle envers la blockchain + IA pourrait refléter un retard similaire, une période de transition avant qu'un nouveau paradigme ne crée les conditions qui lui permettront de démontrer sa valeur.

Au cours de cette période de transition, la clé réside dans la manière dont l'industrie répond aux véritables besoins du marché.

La voie à suivre se divise en deux directions : soit s'adapter activement aux normes existantes de la chaîne de valeur de l'IA pour combler rapidement l'écart de performance immédiat, soit maintenir les capacités actuelles tout en continuant à construire l'infrastructure nécessaire pour le déploiement de la prochaine génération d'IA.

Le résultat final dépendra de celui des deux choix qui correspond le mieux à la direction de la demande future.