Pourquoi l'IA+blockchain a-t-elle du mal à être largement adoptée à l'ère de l'IA ?

Auteur : Ekko An, Ryan Yoon ; Source : Tiger Research ; Compilation : Shaw, Golden Finance

Points clés

• Dans le contexte de l'essor de l'intelligence artificielle, nous devons évaluer l'industrie de la blockchain 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 présentent des justifications raisonnables en termes de souveraineté des données et de compétitivité des coûts. Cependant, le problème est que, pour les utilisateurs déjà investis dans l'infrastructure cloud existante, ni l'un ni l'autre n'ont encore démontré un avantage technique suffisamment convaincant pour compenser le risque de transition.

• La validation des modèles et les technologies de confidentialité ne résolvent pas les problèmes que les entreprises considèrent comme urgents à résoudre de manière proactive. Ce type de demande est plus susceptible d'apparaître après la mise en place de réglementations qu'avant. La loi européenne sur l'IA illustre ce modèle : les normes viennent en premier, l'adoption par le marché suit.

• Dans le domaine des frameworks d'agents, les contraintes ne sont pas d'ordre technique. Les entreprises traditionnelles se concentrent encore sur l'automatisation des flux de travail internes, tandis que les projets blockchain construisent déjà la couche d'infrastructure suivante. La demande mettra du temps à rattraper le rythme du développement technologique.

• Dans le domaine des paiements par agents, la blockchain et la finance traditionnelle sont à égalité. Aucune des deux parties n'a encore résolu complètement ce problème, ce qui en fait le seul domaine où les deux sont confrontés aux mêmes défis.

• La difficulté globale de l'industrie de l'IA blockchain ne vient pas d'une incohérence inhérente à la combinaison elle-même, mais d'un décalage : ces quatre catégories sont confrontées à des raisons différentes pour lesquelles la demande n'est pas encore apparue. Actuellement, seuls les paiements par agents sont compétitifs.

1. Projets blockchain à la traîne dans la vague de l'IA

L'industrie de l'IA connaît une concentration sans précédent de capitaux et d'investissements dans les infrastructures. Les écosystèmes de grands modèles de langage dominés par les grandes entreprises technologiques sont devenus la norme dans la vie quotidienne et les opérations industrielles. Dans ce contexte d'expansion rapide, l'industrie de la cryptomonnaie évolue également rapidement, cherchant des points de connexion technologique avec l'IA.

Les premières recherches se sont principalement concentrées sur la complémentarité ou la reproduction de certaines parties de la chaîne de valeur traditionnelle de l'IA : approvisionnement décentralisé en GPU, récupération de la propriété des données et validation cryptographique. Plus récemment, l'accent s'est déplacé vers le comblement des lacunes que les architectures centralisées ont du mal à résoudre, comme les activités autonomes des agents d'IA sur la chaîne et les règlements inter-machines en temps réel.

Décrire ce domaine de manière générale comme "IA + blockchain" cache plus d'informations qu'il n'en révèle. Une analyse rigoureuse du côté de la demande est nécessaire : à quels problèmes chaque sous-domaine s'attaque-t-il ? Les approches natives de la blockchain offrent-elles des solutions véritablement différenciées ?

2. Fonctions de chaque catégorie

2.1 Calcul décentralisé

Le marché du cloud computing actuel 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 extrêmement chers, ce qui crée une barrière à l'entrée élevée pour les startups d'IA et les équipes de recherche qui n'ont pas accès à une infrastructure à grande échelle.

Les systèmes centralisés concentrent les ressources entre les mains des plus gros acheteurs, sans canal neutre pour redistribuer la vaste capacité GPU inutilisée sur le marché.

Le calcul décentralisé résout cette concentration des ressources et cette inefficacité de deux manières. Dans le modèle d'économie de partage, les projets regroupent les ressources GPU inutilisées des particuliers et des petits centres de données en un réseau unifié, créant ainsi une chaîne d'approvisionnement plus flexible en dehors du monopole technologique existant.

Dans le modèle de calcul distribué, les utilisateurs peuvent accéder et louer des ressources de calcul dans le monde entier sans dépendre de l'infrastructure d'un seul fournisseur, améliorant ainsi l'utilisation du matériel inactif et réduisant la barrière à l'entrée pour le calcul haute performance.

2.2 Stockage décentralisé

L'architecture de stockage de données actuelle dépend presque entièrement de l'infrastructure cloud centralisée exploitée par des sociétés comme Google et Meta. Lorsque les utilisateurs téléchargent des données sur ces plateformes, la propriété est effectivement transférée à la plateforme, renforçant ainsi le monopole de la plateforme sur les données d'entraînement de l'IA. L'infrastructure centralisée présente également des risques opérationnels : les changements de politique, les interruptions de service ou les pannes de plateforme peuvent entraîner une interruption de l'accès aux données ou une perte de données.

Le stockage décentralisé résout ces problèmes structurels de deux manières. Dans le modèle d'économie de partage représenté par Filecoin et Arweave, l'espace de stockage inactif de divers participants est regroupé en un réseau capable de remplacer le cloud centralisé existant.

Le modèle de stockage permanent réplique les données sur des nœuds distribués, garantissant la persistance des données indépendamment de l'état de fonctionnement d'un serveur individuel, et réduisant la dépendance à l'égard d'une seule plateforme.

2.3 Marchés de données

Les développeurs d'IA ont besoin de données d'entraînement, mais le marché actuel de distribution de données est un système fermé où les grandes plateformes (par exemple Hugging Face) et les fournisseurs de cloud captent les bénéfices économiques et contrôlent les prix. Les créateurs de données sont très mal rémunérés, et les mécanismes de récompense pour la collecte et la contribution de données manquent de transparence.

Les marchés sur chaîne éliminent les intermédiaires via des contrats intelligents et établissent des conditions de transaction transparentes. Dans les modèles de transaction directe comme Ocean Protocol, les propriétaires de données et les développeurs d'IA négocient directement via des contrats intelligents, et la rémunération est distribuée de manière transparente. Dans les modèles de récompense de contribution comme Grass, les particuliers connectent leur bande passante inutilisée à la collecte de données d'IA et sont rémunérés en fonction de la valeur de leur contribution.

2.4 Validation des modèles et inférence / 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 sensibles des utilisateurs sont traitées en toute sécurité.

L'apprentissage automatique à connaissance nulle (ZKML) introduit une couche de validation cryptographique dans le processus d'inférence de l'IA, permettant à la fois la protection de la vie privée et l'auditabilité. Dans cette architecture, le modèle s'exécute de manière traditionnelle hors chaîne, mais le processus de calcul génère une preuve cryptographique démontrant que le processus a été exécuté conformément à des règles prédéfinies.

Cette preuve est enregistrée sur la chaîne, et non les données sous-jacentes. Exemple : dans un service automatisé de remboursement d'assurance maladie, l'hôpital soumet uniquement la preuve que le modèle d'IA a fonctionné correctement, sans partager l'intégralité du dossier médical. La compagnie d'assurance peut vérifier la légitimité de la réclamation sans accéder aux données brutes.

2.5 Frameworks d'agents d'IA

Alors que les agents d'IA deviennent les principaux vecteurs de flux et de création de valeur, ils évoluent d'outils vers des agents économiques autonomes. Le système financier existant est conçu autour des modes de consommation humains, sa structure n'est pas compatible avec un environnement de paiement centré sur les machines.

L'économie des agents nécessite des micro-transactions exécutées en millisecondes, des règlements à haute fréquence et des paiements transfrontaliers, ce que l'infrastructure financière existante ne peut pas fournir.

L'infrastructure d'agents sur chaîne résout ce problème via deux mécanismes. Le mécanisme de contrôle et d'exécution autonomes attribue des portefeuilles et des identités uniques aux agents d'IA, leur permettant de signer directement des transactions, avec des limites de dépenses configurables et des mesures de sécurité pour éviter les comportements inattendus.

Le mécanisme de règlement basé sur les protocoles utilise des protocoles de paiement en stablecoins (par exemple x402) pour régler en temps réel les micro-transactions et les paiements à haute fréquence, contournant les processus de conversion de devises et d'approbation.

3. Différences entre l'IA blockchain et la chaîne de valeur de l'IA

La formation de la chaîne de valeur de l'IA tourne autour de l'élimination progressive des goulots d'étranglement. À mesure que la demande d'IA augmente, les pénuries de mémoire deviennent plus évidentes, et la puissance de calcul ainsi que la capacité de transmission de données sont également soumises à une pression considérable. Les entreprises qui résolvent rapidement ces problèmes, telles que les fabricants de HBM et les fournisseurs d'infrastructure électrique, attirent des capitaux importants et voient leur valeur de marché augmenter de manière significative. Le marché récompense clairement les solutions qui éliminent les obstacles à la croissance.

Les projets d'IA blockchain ont identifié certains problèmes réels, mais ils n'ont pas suscité l'attention du marché qu'ils méritent. Si ces problèmes étaient aussi urgents qu'ils le prétendent, ils auraient déjà provoqué des changements mesurables sur le marché.

Bien que les projets d'IA blockchain avancent des objectifs légitimes tels que la réduction de la concentration des GPU et la restauration de la souveraineté des données, leur incapacité à attirer des capitaux traditionnels est due à un écart évident entre les priorités des fournisseurs de technologies et celles des acheteurs qui contrôlent l'allocation des capitaux.

Le rythme de développement de l'industrie de l'IA est serré, et les acheteurs (principalement les grandes entreprises technologiques et les clients entreprises) investissent massivement dans des solutions qui résolvent le plus rapidement leurs goulots d'étranglement opérationnels actuels. Ils ne consacrent pas de temps à évaluer des infrastructures non éprouvées. Leurs principales considérations sont les performances de calcul, la fiabilité de l'infrastructure et le retour sur investissement mesurable.

Exemple : lorsque la vitesse de transmission des données devient un goulot d'étranglement pour l'entraînement des modèles, d'importants capitaux ont afflué vers l'infrastructure de fibre optique pour remplacer le cuivre. Lorsque la bande passante mémoire est devenue une contrainte majeure, les acheteurs l'ont considérée comme un problème critique, et SK Hynix et Samsung Electronics l'ont résolu en fournissant de la mémoire à large bande passante, gagnant ainsi une renommée mondiale. Ce modèle est cohérent : le capital suit les entreprises qui éliminent les contraintes et favorisent le progrès.

Le problème fondamental auquel l'IA blockchain est confrontée réside dans le cadrage. Les acheteurs disposant de budgets importants se concentrent uniquement sur l'amélioration des performances à court terme et la réduction des coûts. En revanche, l'IA blockchain se concentre sur d'autres aspects que les acheteurs considèrent comme secondaires ou relevant de problèmes futurs.

Les objectifs technologiques du côté de l'offre ne correspondent pas aux besoins opérationnels immédiats du côté de la demande.

3.1 Limitations techniques

Certains projets utilisent des benchmarks pour démontrer le potentiel et la conception de l'infrastructure décentralisée. Mais le problème plus fondamental est que ces travaux n'ont pas encore conduit à des avancées technologiques majeures capables de déstabiliser les acteurs traditionnels profondément enracinés sur le marché dominant.

Pour qu'une nouvelle technologie prenne des parts de marché aux fournisseurs de cloud centralisés comme AWS ou GCP (qui disposent déjà de capitaux et d'infrastructures importants), elle doit offrir un avantage de performance suffisamment important pour rendre l'écart avec les fournisseurs existants négligeable.

Lorsqu'Apple est passé des puces Intel aux puces M1, bien qu'il ait pris le risque important de compromettre la compatibilité logicielle, cette décision était justifiée par une efficacité énergétique multipliée par trois, un écart suffisant pour rendre la transition valable.

Pour les acheteurs entreprises qui exigent une synchronisation des données de l'ordre du pétaoctet et une latence ultra-faible comme conditions de base, l'IA blockchain n'a pas encore fourni une raison suffisamment claire pour accepter le risque de transition.

3.2 Inadéquation 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 restent sceptiques. La raison est structurelle, et non contractuelle. Les grands fournisseurs de cloud offrent des centres de données dédiés et contrôlés, tandis que les réseaux blockchain dépendent de nœuds participants dispersés et anonymes.

Si un nœud tombe en panne et interrompt l'entraînement d'un modèle représentant des centaines de millions de wons, aucun remboursement en tokens ou compensation économique ne peut compenser le coût d'opportunité et la perte de temps. Pour les acheteurs entreprises soumis à des contraintes de temps, la stabilité du système est non négociable.

Même avec des mécanismes de couverture, l'incertitude résiduelle n'est pas un risque que la plupart des acheteurs sont prêts à prendre.

3.3 Demande non encore formée

Les frameworks d'agents blockchain sont conçus pour des écosystèmes complexes où plusieurs agents d'IA collaborent de manière autonome, mais cette vision est en décalage avec la maturité actuelle du marché dominant.

L'adoption des agents d'IA par les entreprises s'accélère, menée par Microsoft et Salesforce, mais l'accent actuel reste sur l'automatisation des flux de travail au sein de réseaux internes contrôlés. L'infrastructure que les projets blockchain construisent vise la prochaine étape : des agents d'IA indépendants capables de fonctionner de manière autonome dans des réseaux externes au-delà des frontières organisationnelles. Aujourd'hui, la plupart des entreprises se concentrent encore sur la garantie de la stabilité et du retour sur investissement des systèmes d'IA déployés. La collaboration multi-agents à travers les réseaux externes n'est pas encore une priorité sur la feuille de route d'infrastructure des entreprises.

La demande limitée à ce stade reflète un problème de timing, et non un défaut technique. Cela doit être interprété comme un investissement à long terme dans l'infrastructure pour l'économie des agents, plutôt qu'une opportunité de profit à court terme.

3.4 Conditions réglementaires préalables

Les preuves à connaissance nulle et les technologies de confidentialité sont des solutions clés pour établir la crédibilité de 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. L'adoption volontaire par les entreprises est peu susceptible de conduire à une large diffusion de la technologie ; il est plus probable que les normes réglementaires créent la demande, et la technologie doit alors rattraper son retard.

L'évolution des cadres réglementaires mondiaux, y compris la loi européenne sur l'IA, est une tendance favorable à cet égard. À mesure que les exigences légales en matière de provenance et de sécurité des données deviennent plus spécifiques, les capacités de validation avancées de la blockchain devraient devenir une exigence de conformité dans les déploiements d'entreprise, plutôt qu'une option.

L'évolution réglementaire dans ce domaine est moins une contrainte qu'un catalyseur de la formation du marché. Des normes réglementaires claires peuvent réduire l'incertitude du marché, créant ainsi une voie stable pour que l'IA blockchain établisse une demande mainstream dans un cadre institutionnel.

3.5 Cas d'utilisation insuffisants

Ces facteurs structurels conduisent ensemble à un problème plus fondamental : le manque de cas de réussite emblématiques capables de démontrer de la valeur à grande échelle. L'industrie traditionnelle de l'IA doit sa position actuelle au cercle vertueux de diffusion initié par ChatGPT : en utilisant un produit concret et largement connu, il a attiré les capitaux et les talents nécessaires pour soutenir une croissance continue.

Les projets d'IA blockchain n'ont pas encore montré de preuve similaire d'adéquation produit-marché à grande échelle. Au-delà de l'enthousiasme précoce de la communauté, aucun projet n'a démontré une application susceptible d'attirer l'attention des capitaux traditionnels, que ce soit au niveau des opérations d'entreprise ou de la vie quotidienne des consommateurs. Le manque de références convaincantes reste le plus grand obstacle pour attirer les investissements institutionnels prudents, qui pourraient accélérer une adoption plus large de l'IA blockchain.

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

Quelle que soit l'attente du marché, l'IA blockchain n'a pas encore trouvé une place stable dans la chaîne de valeur mainstream de l'IA. Cela signifie-t-il que cette combinaison n'a aucune valeur ?

Non.

La raison fondamentale pour laquelle les projets d'IA blockchain sont actuellement négligés n'est pas une contradiction interne inhérente, mais un décalage entre les besoins de l'industrie existante et ce que la technologie vise à accomplir dans chaque sous-catégorie.

Les priorités de l'industrie traditionnelle de l'IA sont claires : performance à court terme, optimisation des coûts et fiabilité de l'infrastructure. En revanche, de nombreuses solutions d'IA basées sur la blockchain se concentrent actuellement sur la propriété des données, la transparence du calcul et la décentralisation.

Pour les acteurs établis de l'industrie, ces problèmes ne sont pas des goulots d'étranglement immédiats, et les résoudre nécessite souvent de payer un prix de performance trop élevé par rapport aux avantages.

Avant l'essor de l'IA, les entreprises d'infrastructure électrique étaient généralement classées comme des entreprises matures et à croissance lente. La demande d'électricité alimentée par les centres de données a changé la donne, attirant une attention importante du marché. L'actuelle indifférence envers l'IA blockchain pourrait refléter un effet de retard similaire, où la valeur de l'infrastructure n'est pas encore pleinement apparente avant l'émergence d'un nouveau paradigme.

Dans cette période de transition, l'important est la manière dont l'industrie répond aux besoins réels du marché.

La voie à suivre se divise en deux directions : s'adapter activement aux normes établies de la chaîne de valeur de l'IA et réduire l'écart de performance à court terme ; ou maintenir les capacités existantes tout en continuant à construire l'infrastructure nécessaire pour le déploiement de l'IA de nouvelle génération.

Le résultat dépendra de l'option qui correspond le mieux à l'évolution future de la demande.