J’ai passé plus de temps à réfléchir à ce qui vient après le commerce des puces IA, et je pense que le marché fixe peut-être un goulot d’étranglement encore plus important : DONNÉES

Pas de la bouillie brute d’Internet ni une autre base de données avec une étiquette “IA” collée dessus.
Je veux dire des données propres, sous licence, attribuables et de plus en plus ancrées dans le réel, sur lesquelles les modèles peuvent légalement s’entraîner et apprendre quelque chose de nouveau.
Le calcul reste important, mais ce n’est plus la seule ressource rare.
Morgan Stanley prévoit environ $3T de dépenses en infrastructures IA d’ici 2028, avec moins de 20 % déployées à ce jour.
Il y aura plus de #GPUs, plus de centres de données, plus de contrats d’énergie et plus d’efficacité pour l’inférence.
Ce qui ne s’adapte pas automatiquement avec tout cela, c’est le savoir humain frais et l’expérience du monde physique.
Les données d’IA issues du physique sont encore plus coûteuses, spécifiques à l’incarnation, difficiles à synthétiser parfaitement et impossibles à “scraper” à une profondeur suffisante.
Le goulot d’étranglement, c’est de capturer le bon événement, avec les bons capteurs, sous les bons droits, et de prouver d’où il vient.
Les marchés privés semblent déjà avoir compris cela avant que les marchés publics ne le fassent.
– Scale AI a été valorisée à près de $29B après le deal de Meta à 14,3 milliards de dollars pour une participation de 49 %.
– Surge AI a fait plus de $1B de revenus en 2024 tout en cherchant une valorisation à $15B .
Donc si un catalyseur majeur arrive dans la TradFi, la crypto pourrait aussi avoir sa part dans la collecte de données IA et leur provenance.
– @eigencloud | $Eigen : EigenDA alimente une disponibilité vérifiable des données, tandis que EigenCompute, EigenAI et EigenVerify permettent aux agents de prouver d’où viennent les données et comment les sorties ont été générées.
– @grass | $Grass : transformer une bande passante inutilisée en données d’entraînement IA vérifiables. 2,5M+ nœuds dans 190+ pays scrappent ~100TB/jour, avec des preuves ZK rendant chaque jeu de données traçable et auditables.
– @vana | $Vana : s’attaquer au goulot d’étranglement des données de l’IA en transformant les données des utilisateurs en jeux de données d’entraînement autorisés et prouvables. 1M+ contributeurs, DataDAOs et mémoire IA portable vivent sur un seul réseau.
– @SaharaAI | $Sahara : une L1 native pour l’IA où les contributeurs collectent, labellisent et possèdent des jeux de données, tandis que la provenance, la licence et les royalties restent onchain. Cherche à rendre les données d’IA de haute qualité évolutives.
– @datafdn | $Data : la provenance, le consentement, la licence et les “rails” d’audit onchain, tandis que la couche Poseidon nettoie et labellise les données du monde réel pour l’entraînement des modèles.
– @oceanprotocol | $Ocean : transformer les données en actifs onchain avec des Data NFTs, Compute-to-Data et des rails de provenance afin que l’IA puisse s’entraîner sur des datasets privés sans exposer les données brutes.
– @origin_trail | $Trac : livrer DKG V10 où les agents IA partagent une mémoire vérifiable. dRAG, provenance et mémoire multi-agents rendent les données réutilisables sans perdre la confiance.
– @datainetwork : transformer des logs blockchain bruts en une intelligence structurée et lisible par machine. 3,5Mds+ transactions indexées, 2,5M contrats labellisés et 150M+ événements DeFi pour que des agents IA raisonnent.
Pas un appel à “ape” chaque ticker ci-dessus. Juste une carte de qui construit l’infrastructure avant que le marché ne les valorise.