L'évolution de l'IA et de la crypto : DePIN résout les problèmes de puissance de calcul, Bittensor développe l'intelligence artificielle, les agents IA transforment l'interaction...

Auteur : Institut de recherche Web3 de Go2Mars

La symbiose des algorithmes et des registres comptables : un changement majeur dans le paradigme technologique mondial

Au cours de la troisième décennie du XXIe siècle, l'association de l'intelligence artificielle (IA) et des cryptomonnaies ne se limite plus à la simple combinaison de deux termes populaires, mais constitue une profonde révolution technologique. Avec une capitalisation boursière mondiale des cryptomonnaies dépassant officiellement les 4 000 milliards de dollars en 2025, le secteur a achevé sa transition d'un marché de niche expérimental à une composante essentielle de l'économie moderne.

L'un des principaux moteurs de cette transformation réside dans la convergence profonde entre l'intelligence artificielle (IA), en tant que couche de prise de décision et de traitement extrêmement puissante, et la blockchain, en tant que couche d'exécution et de règlement transparente et inviolable. Cette combinaison répond aux problématiques des deux secteurs : l'IA se trouve à un tournant décisif de sa transformation, passant de monopoles géants centralisés à une « intelligence ouverte » décentralisée et transparente ; tandis que le secteur des cryptomonnaies, après l'amélioration progressive de son infrastructure, a un besoin urgent d'IA pour résoudre des problèmes tels que la complexité des interactions sur la blockchain, la faiblesse de la sécurité et l'insuffisance des applications.

Du point de vue des flux de capitaux, la divergence stratégique entre les principales sociétés de capital-risque confirme également cette tendance. a16z Crypto a bouclé son cinquième tour de table de 2 milliards de dollars en 2025, plaçant ainsi fermement l'intersection de l'IA et des cryptomonnaies au cœur de sa stratégie à long terme, convaincue que la blockchain est une infrastructure indispensable pour prévenir la censure et le contrôle de l'IA.

Parallèlement, des institutions comme Paradigm étendent leurs investissements à la robotique et à l'intelligence artificielle en général, cherchant à tirer parti des retombées intersectorielles de la convergence technologique. Selon les données de l'OCDE, d'ici 2025, les investissements en capital-risque dans l'IA représenteront 51 % des investissements mondiaux totaux, et la part des financements alloués aux projets liés à l'IA dans le domaine du Web3 est également en constante augmentation, témoignant de l'adhésion du marché au concept d'« intelligence décentralisée ».

1. Restructuration de l'infrastructure : puissance de calcul décentralisée et intégrité des calculs

Il existe une contradiction intrinsèque entre l'appétit insatiable de l'intelligence artificielle pour les unités de traitement graphique (GPU) et la fragilité de la chaîne d'approvisionnement mondiale actuelle. La pénurie de GPU, devenue la norme entre 2024 et 2025, a favorisé l'essor des réseaux d'infrastructures physiques décentralisées (DePIN).

1.1 La double évolution du marché de l'informatique décentralisée

Actuellement, les plateformes informatiques décentralisées sont principalement divisées en deux camps.

La première catégorie est représentée par Render Network (RNDR) et Akash Network (AKT), qui agrègent la puissance de calcul GPU inutilisée à l'échelle mondiale en créant un marché bilatéral décentralisé. Render Network est devenu la référence en matière de rendu GPU distribué, réduisant non seulement le coût de la création 3D, mais prenant également en charge les tâches d'inférence IA grâce à la coordination par blockchain, permettant ainsi aux créateurs d'obtenir une puissance de calcul haute performance à moindre coût. Akash, de son côté, a franchi une étape décisive après 2023 avec son réseau principal GPU (Akash ML), permettant aux développeurs de louer des puces haut de gamme pour l'entraînement et l'inférence de modèles à grande échelle.

La seconde catégorie est un nouveau type de couche d'orchestration informatique, représentée par Ritual. La singularité de Ritual réside dans son approche : elle ne cherche pas à remplacer directement les services cloud existants, mais se positionne plutôt comme une couche d'exécution souveraine, ouverte et modulaire, intégrant les modèles d'IA directement dans l'environnement d'exécution de la blockchain. Son produit Infernet permet aux contrats intelligents d'invoquer de manière transparente les résultats d'inférence de l'IA, résolvant ainsi le problème technique persistant de l'incapacité des applications on-chain à exécuter nativement l'IA.

1.2 Avancées majeures dans les technologies d'intégrité et de vérification des calculs

Dans les réseaux décentralisés, vérifier la bonne exécution des calculs constitue un enjeu majeur. Les avancées technologiques en 2025 se concentreront principalement sur l'application intégrée de l'apprentissage automatique à divulgation nulle de connaissance (ZKML) et des environnements d'exécution de confiance (TEE).

L'architecture Ritual, conçue pour être indépendante des systèmes de preuve, permet aux nœuds de choisir entre l'exécution de code TEE et les preuves ZK en fonction des exigences de la tâche. Cette flexibilité garantit que, même dans un environnement hautement décentralisé, chaque résultat d'inférence généré par le modèle d'IA est traçable, auditable et intègre.

2. Démocratisation du renseignement : l'essor de Bittensor et du marché des matières premières

L'émergence de Bittensor (TAO) marque une nouvelle étape dans la commercialisation de l'intelligence artificielle en combinant IA et cryptographie. Contrairement aux plateformes de calcul traditionnelles, Bittensor vise à créer un mécanisme d'incitation permettant à divers modèles d'apprentissage automatique du monde entier de s'interconnecter, d'apprendre les uns des autres et de se disputer des récompenses.

2.1 Consensus de Yuma : de l’apprentissage linguistique aux algorithmes de consensus

Au cœur de Bittensor se trouve le consensus de Yuma (YC), un mécanisme de consensus d'utilité subjective inspiré par la pragmatique de Grice.

La logique de fonctionnement de YC part du principe qu'un collaborateur efficace tend à fournir des réponses véridiques, pertinentes et informatives, car il s'agit de la stratégie optimale pour maximiser les récompenses dans un environnement incitatif. Techniquement, YC calcule les émissions de jetons en pondérant les performances des mineurs selon les évaluations des validateurs. Sa logique principale peut être représentée par la formule LaTeX suivante pour la répartition des parts d'émission :

Où E représente la récompense d'émission, Δ l'augmentation quotidienne totale de l'offre, W la matrice de pondération d'évaluation des validateurs et S le poids de mise correspondant. Afin de prévenir toute collusion malveillante ou tout biais, YC introduit un mécanisme de limitation des pondérations dépassant le seuil de consensus, garantissant ainsi la robustesse du système.

2.2 Économie des sous-réseaux et paradigme TAO dynamique

En 2025, Bittensor avait évolué vers une architecture multicouche. La couche inférieure est un registre Subtensor géré par la Fondation OpenTensor, tandis que la couche supérieure est composée de dizaines de sous-réseaux segmentés verticalement, chacun se concentrant sur des tâches spécifiques telles que la génération de texte, la prédiction audio et la reconnaissance d'images.

Le mécanisme « Dynamic TAO » introduit crée une réserve de valeur indépendante pour chaque sous-réseau via un teneur de marché automatisé (AMM), dont le prix est déterminé par le ratio des jetons TAO aux jetons Alpha :

Ce mécanisme permet une allocation automatique des ressources : les sous-réseaux à forte demande et à production de haute qualité attireront davantage de mises, obtenant ainsi une part plus importante des émissions quotidiennes de TAO. Cette structure de marché concurrentielle est décrite métaphoriquement comme des « Jeux olympiques intelligents », éliminant les modèles inefficaces par sélection naturelle.

3. L'essor de l'économie des agents : les agents IA comme entité principale du Web3

Au cours du cycle 2024-2025, les agents d'IA subissent une transformation fondamentale, passant d'« outils auxiliaires » à des « entités natives de la blockchain ». Cette évolution se reflète non seulement dans la complexité croissante de l'architecture technique, mais aussi dans l'expansion fondamentale de leurs rôles et de leurs autorisations au sein de l'écosystème de la finance décentralisée (DeFi).

Voici une analyse approfondie de cette tendance :

3.1 Architecture proxy : une boucle fermée des données à l’exécution

Les agents d'IA on-chain actuels ne sont plus de simples scripts, mais des systèmes matures construits sur trois couches logiques complexes :

Couche d'entrée de données : L'agent capture en temps réel des données sur la chaîne, telles que les pools de liquidités et les volumes d'échanges, via des nœuds blockchain ou des API (comme Ethers.js), et les combine avec des oracles (comme Chainlink) pour introduire des informations hors chaîne, telles que le sentiment des médias sociaux et les prix des échanges centralisés.

Couche de décision IA/ML : L’agent utilise des réseaux LSTM (Long Short-Term Memory) pour analyser les tendances des prix ou itérer la stratégie optimale dans des jeux de marché complexes grâce à l’apprentissage par renforcement. L’intégration de modèles de langage étendus (LLM) confère également à l’agent la capacité de comprendre des intentions humaines ambiguës.

Couche d'interaction Blockchain : C'est la clé pour atteindre « l'autonomie financière ». Les agents peuvent désormais gérer des portefeuilles non dépositaires, calculer automatiquement les frais de gaz optimaux, gérer les nonces et même intégrer des outils de protection MEV (tels que Jito Labs) pour empêcher le délit d'initié dans les transactions.

3.2 Voies financières et transactions entre agents

Dans son rapport 2025, a16z a mis en lumière les piliers financiers des agents IA : le protocole x402 et les normes de micropaiement similaires. Ces normes permettent aux agents de régler les frais d’API ou d’acheter des services auprès d’autres agents sans intervention humaine. Par exemple, l’écosystème Olas (anciennement Autonolas) traite déjà plus de 2 millions de transactions inter-agents automatisées par mois, couvrant un large éventail de tâches, des échanges DeFi à la création de contenu.

composantes économiques des agents

Cette tendance se reflète déjà clairement dans les données du marché. En termes de taux de croissance, le marché des agents d'IA est sur le point de connaître une expansion fulgurante. Selon les données d'une étude de MarketsandMarkets, le marché mondial des agents d'IA devrait passer de 7,84 milliards de dollars en 2025 à 52,62 milliards de dollars en 2030, soit un taux de croissance annuel composé (TCAC) de 46,3 %. Par ailleurs, Grand View Research a également établi des prévisions à long terme similaires, estimant que la taille du marché atteindra 50,31 milliards de dollars d'ici 2030.

Parallèlement, des outils standardisés pour la couche de développement se mettent en place. Le framework ElizaOS, largement promu par a16z, est devenu l'infrastructure de référence du domaine des agents IA, comparable à Next.js dans le développement front-end. Il permet aux développeurs de déployer facilement des agents IA dotés de capacités financières complètes sur des plateformes sociales majeures telles que X, Discord et Telegram. Début 2025, la valeur totale du marché des projets Web3 construits sur ce framework dépassait les 20 milliards de dollars.

4. Calcul de la confidentialité et protection des données : le jeu entre FHE, TEE et ZKML

La protection de la vie privée est l'un des aspects les plus complexes de l'intégration de l'IA et des cryptomonnaies. Lorsque les entreprises déploient des stratégies d'IA sur des blockchains publiques, elles souhaitent éviter toute fuite de données privées ou la divulgation des paramètres de leurs modèles. Actuellement, le secteur privilégie trois approches techniques principales : le chiffrement entièrement homomorphe (FHE), les environnements d'exécution de confiance (TEE) et l'apprentissage automatique à divulgation nulle de connaissance (ZKML).

4.1 Le parcours d'industrialisation de Zama et FHE

Zama, une licorne leader dans le domaine, a développé fhEVM, devenu la norme pour réaliser des calculs chiffrés de bout en bout. Le chiffrement intégral des données (FHE) permet aux ordinateurs d'effectuer des opérations mathématiques sans déchiffrer les données, et les résultats sont parfaitement cohérents avec les opérations sur le texte clair après déchiffrement.

En 2025, la plateforme technologique de Zama avait réalisé un bond de performance significatif : une accélération de 21x pour les réseaux de neurones convolutifs (CNN) à 20 couches et de 14x pour les CNN à 50 couches. Ces progrès ont permis le développement de « stablecoins à confidentialité » (les montants des transactions sont chiffrés pour le monde extérieur, mais le protocole peut toujours en vérifier la légitimité) et d’« enchères sous pli cacheté » sur des blockchains majeures telles qu’Ethereum.

4.2 Combinaison de l'efficacité de validation de ZKML avec LLM

L'apprentissage automatique à divulgation nulle de connaissance (ZKML) se concentre sur la vérification plutôt que sur le calcul. Il permet de prouver la bonne implémentation d'un modèle de réseau neuronal complexe sans divulguer les données d'entrée ni les poids du modèle. Le protocole zkLLM le plus récent permet la vérification de bout en bout de modèles comportant 13 milliards de paramètres, réduisant le temps de génération de la preuve à moins de 15 minutes et sa taille à seulement 200 Ko. Cette technologie est essentielle pour les audits financiers et les diagnostics médicaux de grande envergure.

4.3 Synergie TEE et GPU : La puissance du Hopper H100

Comparé au chiffrement hybride complet (FHE) et au ZKML, l'environnement d'exécution de confiance (TEE) offre des performances quasi natives. Les GPU H100 de NVIDIA intègrent des capacités de calcul confidentiel, isolant la mémoire grâce à des pare-feu matériels, avec une surcharge d'inférence généralement inférieure à 7 %. Des protocoles comme Ritual adoptent massivement les TEE basés sur GPU pour prendre en charge les applications d'agents d'IA exigeant une faible latence et un débit élevé.

Les technologies de l'informatique privée sont officiellement passées des concepts idéalistes de laboratoire à une nouvelle ère d'industrialisation à grande échelle. Le chiffrement entièrement homomorphe (FHE), l'apprentissage automatique à divulgation nulle de connaissance (ZKML) et les environnements d'exécution de confiance (TEE) ne sont plus des technologies isolées, mais constituent ensemble la « pile confidentielle modulaire » de l'intelligence artificielle décentralisée.

Cette convergence réécrit fondamentalement la logique sous-jacente du Web3, ce qui conduit aux trois conclusions principales suivantes :

Le chiffrement entièrement virtualisé (FHE) est la norme sous-jacente du protocole HTTPS du Web3 : grâce à des entreprises innovantes comme Zama qui décuplent les performances de calcul, le FHE représente un bond qualitatif, passant d’une situation où « tout est public » à un chiffrement par défaut. Il résout le problème de confidentialité lié au traitement des données sur la blockchain, permettant ainsi aux stablecoins respectueux de la vie privée et aux systèmes de transactions entièrement résistants au MEV de passer de la théorie à des applications conformes à grande échelle.

ZKML représente l'aboutissement mathématique de la responsabilité algorithmique : la « singularité ZKML », attendue au second semestre 2025, marquera une chute spectaculaire des coûts de vérification. En réduisant la preuve d'inférence d'un modèle à 13 milliards de paramètres (13B) à moins de 15 minutes, ZKML garantit une « cohérence mathématique » pour les audits financiers et les notations de crédit à forte valeur ajoutée, assurant ainsi que l'IA ne soit plus une boîte noire opaque.

L'environnement d'exécution de confiance (TEE) est essentiel à la performance de l'économie des agents : comparé aux solutions logicielles, le TEE basé sur du matériel comme le NVIDIA H100 offre une vitesse d'exécution quasi native avec une surcharge inférieure à 7 %. Il s'agit actuellement de la seule solution économique capable de prendre en charge des centaines de millions d'agents d'IA effectuant des décisions en temps réel 24 h/24 et 7 j/7, tout en garantissant la sécurité des clés privées et l'exécution de politiques complexes au sein d'un pare-feu matériel.

L'avenir technologique ne réside pas dans le succès d'une voie unique, mais dans l'adoption généralisée de l'« informatique hybride confidentielle ». Dans un flux d'activité IA complet : un environnement d'exécution de confiance (TEE) est utilisé pour l'inférence de modèles à grande échelle et à haute fréquence afin de garantir l'efficacité ; les nœuds clés génèrent des preuves d'exécution via ZKML pour garantir l'authenticité ; et les données financières sensibles (telles que les soldes de comptes et les identifiants de confidentialité) sont chiffrées et stockées par chiffrement hybride complet (FHE).

Cette intégration « trinitaire » remodèle l'industrie des cryptomonnaies, passant d'un « registre transparent » à un « système intelligent souverain garantissant la confidentialité », inaugurant véritablement une ère d'économie par procuration automatisée valant des billions de dollars.

5. Sécurité industrielle et audit automatisé : l’IA comme « système immunitaire » du Web3

Le secteur des cryptomonnaies a longtemps subi d'énormes pertes en raison des vulnérabilités des contrats intelligents. L'introduction de l'IA bouleverse cette approche de défense passive, en remplaçant les audits manuels coûteux par une surveillance en temps réel assurée par l'IA.

5.1 Innovation des outils d'audit statiques et dynamiques

D'ici 2025, des outils comme Slither et Mythril intègrent des modèles d'apprentissage automatique poussés, leur permettant d'analyser les contrats Solidity à la recherche d'attaques de réentrance, de fonctions suicidaires ou d'anomalies de consommation de gaz en moins d'une seconde. De plus, des outils de fuzzing comme Foundry et Echidna utilisent l'IA pour générer des données d'entrée extrêmes, détectant ainsi des vulnérabilités logiques profondément dissimulées.

5.2 Système de prévention des menaces en temps réel

Au-delà de l'audit préalable au déploiement, des progrès significatifs ont été réalisés en matière de défense en temps réel. Des systèmes comme Guards AI de Guardrail et CUBE3.AI peuvent surveiller toutes les transactions en attente (Mempool) sur l'ensemble des chaînes et déclencher automatiquement la suspension des contrats ou le blocage des transactions malveillantes dès la détection de signaux d'attaque (tels que des attaques de gouvernance ou la manipulation d'oracles). Cette « immunité proactive » réduit considérablement le risque de piratage des protocoles DeFi.

Feuille de route pratique pour le développement de la cryptomonnaie à l'aide de l'IA

Dans le paysage numérique de demain, l'intégration de l'IA et des cryptomonnaies n'est plus une simple expérience technologique, mais une révolution profonde en matière de productivité et de répartition des richesses. Cette combinaison confère à l'IA un portefeuille numérique indépendant et aux cryptomonnaies un système de contrôle autonome, inaugurant ainsi une ère d'économie d'agences autonomes pesant plusieurs billions de dollars.

Le diagramme suivant illustre les principaux avantages et les applications pratiques de cette intégration au niveau de l'entreprise et de l'individu :

1. Niveau entreprise : De la « réduction des coûts et de l'amélioration de l'efficacité » à « l'expansion du périmètre d'activité »

Pour les entreprises, la combinaison de l'IA et des cryptomonnaies répond principalement aux contradictions structurelles entre les coûts informatiques élevés, la fragilité de la sécurité des systèmes et la protection de la vie privée des données.

La baisse spectaculaire des coûts d'infrastructure (effet DePIN) : grâce aux réseaux de calcul distribué (comme Akash ou Render), les entreprises ne sont plus contraintes d'investir dans des clusters NVIDIA H100. Des données concrètes montrent que la location de GPU inactifs à l'échelle mondiale permet de réduire les coûts de 39 % à 86 % par rapport aux fournisseurs de services cloud traditionnels. Cette « liberté de calcul » permet aux startups de financer le réglage fin et l'entraînement de modèles à très grande échelle.

Automatisation et accessibilité des barrières de sécurité : L’audit contractuel traditionnel est long et coûteux. Désormais, grâce au déploiement d’agents de sécurité IA basés sur des réseaux neuronaux, tels qu’AuditAgent, les entreprises peuvent assurer une surveillance continue tout au long du cycle de développement. Ces agents peuvent identifier les vulnérabilités logiques, comme les attaques par réentrance, dès la validation du code et déclencher automatiquement des disjoncteurs contractuels directement au niveau du pool de mémoire dès qu’une commande est émise par un pirate, protégeant ainsi les actifs du protocole contre toute perte.

« Calcul chiffré » des secrets commerciaux essentiels : grâce au chiffrement entièrement homomorphe (FHE) et aux réseaux de « calcul aveugle » tels que Nillion, les entreprises peuvent exécuter des stratégies d’IA sur des blockchains publiques sans divulguer les paramètres de leurs modèles ni les données privées de leurs clients. Ceci garantit non seulement la souveraineté des données, mais permet également aux données financières et médicales, auparavant soumises à des risques de non-conformité, d’intégrer des réseaux collaboratifs décentralisés.

2. Niveau personnel : De « l’angle mort financier » à « l’économie souveraine intelligente »

Pour les particuliers, l'intégration de l'IA et des cryptomonnaies signifie la suppression totale des barrières techniques et l'ouverture de sources de revenus entièrement nouvelles.

Des « banquiers privés » guidés par l'intention : à l'avenir, les utilisateurs n'auront plus besoin de comprendre les frais de gaz ni les ponts inter-chaînes. Des agents d'IA, construits sur des frameworks comme ElizaOS, atteindront une « abstraction radicale » : il suffira de dire : « Placez ces 1 000 $ au meilleur endroit, avec le taux d'intérêt le plus élevé », et l'IA surveillera automatiquement le rendement annuel effectif (APY) de l'ensemble du réseau et clôturera automatiquement les positions en cas de fluctuations du risque. Les particuliers pourront désormais bénéficier d'une gestion d'actifs digne des meilleurs fonds spéculatifs.

Valorisation des données : Votre empreinte numérique n’est plus exploitée par les géants du numérique. Grâce à des plateformes comme Synesis One, les utilisateurs peuvent participer au programme « Train2Earn », en fournissant des données étiquetées pour l’entraînement de l’IA et en recevant directement des récompenses en jetons. Ils peuvent même détenir des NFT Kanon pour percevoir des dividendes passifs à chaque fois que l’IA accède à un terme de connaissance spécifique, faisant ainsi des données un véritable actif.

Protection optimale de la vie privée et de l'identité : grâce à Worldcoin ou aux protocoles d'identité cryptographiques, vous pouvez prouver que vous êtes humain et non une IA, tout en utilisant des réseaux informatiques respectueux de la vie privée pour protéger votre emploi du temps, votre adresse et autres informations sensibles contre toute fuite vers les fournisseurs de services d'IA. Ce modèle d'« interaction aveugle » garantit que, tout en profitant des avantages de l'IA, vous conservez le droit absolu d'interpréter votre souveraineté numérique.

Cette évolution architecturale bidirectionnelle confie la « confiance » à la blockchain et l’« efficacité » à l’IA. Elle restructure non seulement l’avantage concurrentiel des entreprises, mais offre également à chacun la possibilité d’accéder à une économie souveraine intelligente.

Prédiction de l'évolution : vers une nouvelle ère de « registres intelligents »

En résumé, comment mieux intégrer l'IA à la cryptographie ? La réponse réside dans le passage d'une simple accumulation d'outils à un couplage architectural profond.

Premièrement, la blockchain doit évoluer vers une plateforme capable de supporter le calcul à grande échelle. Les efforts déployés par des protocoles tels que Ritual et Starknet rendent ZKML aussi simple que l'appel à une bibliothèque standard.

Deuxièmement, les agents d'IA doivent devenir des entités légitimes dans la vie économique. Avec la popularisation de normes d'identité telles que l'ERC-8004, nous verrons apparaître un « réseau intelligent » composé de centaines de millions d'agents, se livrant à une concurrence pour les ressources et à des échanges de valeur sur la blockchain 24 h/24 et 7 j/7.

Enfin, cette convergence redéfinira la souveraineté financière humaine. Les paiements préservant la confidentialité grâce au chiffrement d'affaires équitable (FHE), la distribution équitable des ressources aux créateurs grâce à des protocoles de traçabilité et la démocratisation algorithmique via des plateformes comme Bittensor constituent ensemble un modèle pour une économie numérique future plus juste, plus efficace et plus décentralisée.

Dans cette course technologique de longue haleine, l'industrie des cryptomonnaies offre bien plus qu'un simple financement ; elle propose un cadre philosophique de « transparence » et de « confiance ». L'IA, quant à elle, fournit le « cerveau » qui permet à ces cadres de fonctionner pleinement.

Avec l'arrivée de 2026, cette convergence ne se limitera plus au monde de la technologie, mais touchera des milliards d'utilisateurs ordinaires à travers le monde grâce à des interfaces d'IA plus intuitives.