IA × Blockchain - GeneseAI

11.1Pourquoi marier IA et blockchain

Schéma11.1. La rencontre, en théorie. À chaque besoin de l'IA, la blockchain prétend offrir une réponse. La question, abordée tout au long du chapitre, est de savoir dans quels cas cette réponse est réellement supérieure aux solutions centralisées.

11.2Les agents économiques autonomes

L'acteur emblématique est Fetch.ai, fusionné en 2024 avec SingularityNET et Ocean Protocol au sein de l'Artificial Superintelligence Alliance (ASI), dont le jeton est le FET. Fin 2025, Fetch.ai a démontré l'un des premiers paiements entièrement autonomes d'une IA à une autre, sans humain dans la boucle. En 2026, l'écosystème développe une chaîne dédiée aux agents (ASI:Chain) et des outils de vérifiabilité, comme l'AEVS (juin 2026), qui attache à chaque action d'un agent un « reçu » signé et infalsifiable, compatible avec les frameworks vus au chapitre 6 (LangChain, MCP).

Sous le capot

La monnaie programmable des agents

Pourquoi un agent aurait-il besoin de cryptomonnaie ? Parce que l'infrastructure de paiement existante est faite pour des humains, pas pour des logiciels. Un agent ne peut pas ouvrir un compte bancaire, saisir un numéro de carte, attendre une facture à trente jours ou cliquer sur « je ne suis pas un robot ». Or, pour agir en autonomie, il a besoin de payer à la seconde, 24 heures sur 24, par micropaiements (une fraction de centime pour une requête d'API, une donnée, un appel à un autre agent), sans intervention humaine à chaque étape. Les stablecoins (jetons indexés sur une monnaie comme le dollar ou l'euro) se sont imposés comme le rail le plus pratique : nativement programmables comme du logiciel, mais stables en valeur, contrairement aux cryptomonnaies volatiles.

Autour de ce constat, des protocoles de paiement pour agents ont émergé en 2025-2026. Le plus marquant, x402 (lancé par Coinbase), ressuscite un code oublié du web, le statut HTTP « 402 Payment Required » : quand un agent demande une ressource payante, le serveur répond « 402 » avec le prix et l'adresse de destination ; l'agent signe un paiement en stablecoin, le rattache à sa requête et obtient la ressource, sans compte ni clé d'API. Chez Google, AP2 (Agent Payments Protocol) joue un rôle complémentaire : ce n'est pas un rail de paiement, mais un cadre qui définit comment un agent obtient l'autorisation de payer (mandats signés, piste d'audit), compatible avec les cartes, les virements et les stablecoins. Le sujet attire désormais les poids lourds : le consortium qui soutient x402 (la x402 Foundation, hébergée par la Linux Foundation) réunit des noms aussi divers que Cloudflare, Circle, Stripe, Visa et Amazon Web Services. Surtout, Stripe, le géant du paiement en ligne, a lancé en 2026 son propre protocole de paiement machine (MPP, bâti sur sa blockchain Tempo) et un portefeuille pour agents, permettant à un logiciel de régler des micropaiements en stablecoin ou par carte ; les réseaux historiques Visa et Mastercard déploient de leur côté leurs dispositifs (Trusted Agent, Agent Pay). Le constat partagé par tous : l'infrastructure financière a été conçue pour des humains, et il faut la réoutiller pour des agents.

Une nouvelle catégorie d'outils accompagne ce mouvement : les portefeuilles d'agents, dotés d'un accès programmatique, de plafonds de dépense, de règles et d'un journal auditable, précisément pour encadrer un logiciel qui manie de l'argent. Mais il faut garder le sens des proportions : malgré des dizaines de milliers d'agents actifs et des dizaines de millions de dollars échangés début 2026, les paiements réalisés par des agents ne représentent qu'une part infime de l'activité des stablecoins, elle-même très majoritairement non commerciale. Le phénomène est donc réel mais embryonnaire, et soulève des questions ouvertes : sécurité (un agent piraté qui vide un portefeuille), identité (savoir quel agent paie, d'où des normes comme ERC-8004), remboursements, et régulation (le cadre américain dit GENIUS Act de 2025 sur les stablecoins). C'est l'illustration la plus concrète, et la plus prudente à manier, de l'« économie agentique ».

Repère

Le problème de l'oracle (relier la chaîne au monde réel)

Une limite fondamentale des contrats intelligents (section 11.1) est qu'ils ne « voient » que ce qui se passe sur la blockchain : par construction, ils n'ont aucun accès direct au monde extérieur (un cours de Bourse, le résultat d'un match, la livraison d'un colis, ou la sortie d'un modèle d'IA). Pour combler ce fossé, on recourt à des oracles : des services qui acheminent une donnée externe vers la chaîne de façon vérifiable. Le défi, dit problème de l'oracle, est d'éviter de réintroduire un tiers de confiance unique qui ruinerait la décentralisation ; on utilise donc des réseaux d'oracles décentralisés (le plus connu étant Chainlink), où plusieurs sources indépendantes s'accordent sur la valeur à inscrire. Pour la convergence avec l'IA, l'enjeu est double : un oracle peut alimenter un contrat avec la sortie d'un modèle (par exemple un score de risque), et permettre à un agent autonome (chapitre 6) de déclencher des actions sur la chaîne en réaction à des événements réels. L'oracle est ainsi le pont indispensable, et le maillon le plus délicat, entre l'IA, le monde physique et la blockchain.

11.3Réseaux décentralisés de calcul et d'intelligence

En clair

Face à la concentration du calcul entre quelques géants (chapitre 8), des réseaux tentent de créer des marchés décentralisés.

Le calcul décentralisé. Des réseaux comme Render ou Akash mettent en commun les GPU inutilisés de particuliers et d'entreprises, rémunérés en jetons, pour offrir une alternative au cloud des géants. L'argument est économique : démocratiser l'accès à la puissance de calcul. La question ouverte est la fiabilité (qualité de service, latence) face aux fournisseurs centralisés.
L'intelligence décentralisée. Le projet le plus ambitieux est Bittensor (jeton TAO, l'une des plus grosses capitalisations du secteur, de l'ordre de 3 à 4 milliards de dollars). Son principe : un réseau de « sous-réseaux » (subnets) spécialisés où des modèles d'IA « se concurrencent et collaborent », récompensés en TAO selon la valeur de leur contribution, évaluée par des validateurs (un mécanisme baptisé « preuve d'intelligence »). En mars 2026, l'un de ses sous-réseaux (Templar) a mené ce qui est présenté comme le plus grand entraînement de modèle jamais réalisé sur un réseau décentralisé : Covenant-72B, un modèle de 72 milliards de paramètres entraîné par plus de 70 contributeurs sur du matériel grand public relié par Internet domestique, sans aucun centre de données. La prouesse repose sur une technique de compression des échanges (SparseLoCo) divisant par environ 146 la bande passante nécessaire, et les poids sont publiés en source ouverte (licence Apache). Il faut toutefois garder le sens des proportions : avec un score d'environ 67 au test MMLU, le modèle se situe au niveau d'un Llama 2 70B (2023) et reste très loin de la frontière, ce qui illustre à la fois la viabilité et les limites actuelles de l'entraînement décentralisé.
Les marchés de données. Ocean Protocol vise à permettre l'échange sécurisé de données (le carburant de l'IA), y compris via l'apprentissage fédéré (les modèles apprennent sans centraliser les données brutes).

Repère

Les réseaux d'infrastructure décentralisée (DePIN)

Ces réseaux de calcul partagé appartiennent à une famille plus large, désignée par l'acronyme DePIN (Decentralized Physical Infrastructure Networks) : des projets qui rémunèrent en jetons les particuliers ou les entreprises mettant en commun une ressource physique réelle, qu'il s'agisse de puissance de calcul (GPU inutilisés), de stockage, de bande passante ou de couverture sans fil. L'idée, séduisante, est de bâtir des infrastructures « par le bas », sans opérateur central, en agrégeant des capacités dormantes. Appliquée à l'IA, elle vise à mutualiser des GPU pour l'entraînement ou l'inférence à moindre coût. Les limites sont les mêmes que celles évoquées plus haut (vérifier la qualité des contributions, tenir la montée en charge, rivaliser avec l'efficacité des grands centres de données), et une part de ces projets relève davantage du jeton spéculatif que de l'usage réel. Mais le modèle illustre une piste récurrente : opposer la mutualisation décentralisée à la concentration des moyens de calcul (chapitre 8).

11.4Cryptographie : zkML et chiffrement homomorphe

En clair

Voici une convergence plus discrète mais techniquement profonde, qui pourrait régler deux problèmes majeurs de l'IA : la confidentialité et la vérifiabilité.

Le chiffrement totalement homomorphe (FHE). C'est une forme de cryptographie quasi magique : elle permet de calculer sur des données chiffrées sans jamais les déchiffrer. Appliquée à l'IA, elle autoriserait un service à analyser vos données (un dossier médical, par exemple) sans jamais y avoir accès en clair. Des entreprises comme la française Zama travaillent à rendre cette technologie pratique.
L'apprentissage automatique à divulgation nulle (zkML). Fondé sur les « preuves à divulgation nulle de connaissance », le zkML permet de prouver qu'un modèle a bien produit un résultat donné, sans révéler ni le modèle, ni les données d'entrée. Utile pour garantir qu'une IA a tourné honnêtement, ou pour certifier un résultat sans dévoiler de secrets industriels. Des acteurs comme Polyhedra Network explorent cette voie.

11.5Marchés de prédiction et économie de la donnée

À retenir (chapitre 11)

L'IA a besoin de calcul, données, paiements, coordination et confiance ; la blockchain prétend offrir décentralisation, incitations, propriété et traçabilité. Le mariage est réel mais très survendu.
Les agents économiques autonomes se paient en monnaie programmable : les stablecoins et des protocoles dédiés (x402 de Coinbase, AP2 de Google) en sont le rail émergent (Fetch.ai/ASI, mais aussi Visa, Mastercard, Stripe). Convergence prometteuse, mais encore embryonnaire et risquée (sécurité).
Les réseaux décentralisés de calcul (Render) et d'intelligence (Bittensor et ses subnets) offrent une alternative aux géants, mais peinent encore à égaler le centralisé et à prouver leur utilité réelle.
La cryptographie (FHE de Zama, zkML de Polyhedra) promet une IA confidentielle et vérifiable, au prix d'un lourd surcoût de calcul.
Les marchés de prédiction (Polymarket) et les tournois de données (Numerai) relient foule, données et IA.
Verdict honnête : des usages plausibles existent (paiements d'agents, provenance, calcul décentralisé, confidentialité), mais le secteur reste dominé par le récit, et la valeur des jetons est souvent déconnectée de l'utilité.

Du registre distribué, passons à une rupture d'une tout autre nature physique : l'informatique quantique.

11.1Pourquoi marier IA et blockchain#

11.2Les agents économiques autonomes#

11.3Réseaux décentralisés de calcul et d'intelligence#

11.4Cryptographie : zkML et chiffrement homomorphe#

11.5Marchés de prédiction et économie de la donnée#