IA et blockchain : ce que leur alliance peut changer pour la confiance

L’intelligence artificielle et la blockchain sont souvent présentées comme deux technologies faites pour s’entendre. La première excelle à repérer des régularités dans d’immenses jeux de données, à produire des prédictions ou à automatiser des tâches. La seconde sert à partager un historique d’opérations entre plusieurs acteurs, selon des règles communes. Leur rapprochement est prometteur, à condition de distinguer les usages réellement utiles des slogans technologiques.

L’enjeu central est celui de la confiance numérique. Lorsqu’une IA recommande une action, évalue un risque ou aide à prendre une décision, une question revient : sur quelles données, selon quelles règles et avec quelle possibilité de contrôle ce résultat a-t-il été obtenu ? Une blockchain peut documenter une partie de cette chaîne. Elle n’explique toutefois pas, par magie, le raisonnement d’un modèle d’IA et ne garantit pas que les informations enregistrées au départ sont exactes.

Deux technologies aux rôles très différents

L’intelligence artificielle désigne ici des systèmes capables d’analyser des données afin de classer, prévoir, recommander, détecter des anomalies ou générer des contenus. Sa valeur provient de ses modèles, de la qualité des données qui les entraînent et des objectifs définis par leurs concepteurs et utilisateurs.

La blockchain, elle, est un registre numérique partagé. Des opérations y sont regroupées dans des blocs, reliés entre eux par des mécanismes cryptographiques. Selon son architecture, le registre peut être public, accessible à tous, ou réservé à un réseau d’organisations autorisées. Une fois une opération validée selon les règles du réseau, la modifier devient très difficile sans que cela soit détectable.

Cette complémentarité est simple à résumer : l’IA cherche du sens dans les données, la blockchain peut aider à documenter leur parcours. Mais les deux outils ne résolvent pas le même problème.

Comment la blockchain peut-elle renforcer la confiance dans une IA ?

La confiance ne dépend pas seulement de la performance d’un algorithme. Elle suppose aussi de pouvoir retracer les étapes importantes : origine d’un jeu de données, version d’un modèle, autorisation donnée pour un traitement, résultat transmis à un autre système ou intervention humaine sur une décision.

Dans ce cadre, une blockchain peut être utilisée comme journal partagé. Une organisation peut, par exemple, y inscrire l’empreinte numérique d’un document ou d’un jeu de données. Cette empreinte, aussi appelée hachage, est une courte signature mathématique calculée à partir d’un fichier. Si le fichier est modifié, son empreinte change. Le registre peut alors contribuer à démontrer qu’une version précise existait à une date donnée, sans publier le fichier lui-même.

Cette approche peut être utile lorsqu’un processus implique plusieurs entreprises, administrations ou établissements de santé qui doivent se coordonner sans confier l’ensemble du contrôle à un acteur unique. Elle rend aussi les audits plus structurés : il devient possible de comparer un document, une version de logiciel ou une décision avec les éléments de traçabilité conservés.

Il faut néanmoins éviter un raccourci fréquent. Inscrire des informations sur une blockchain ne suffit pas à rendre une IA équitable, fiable ou explicable. Un modèle peut produire un résultat discriminatoire à partir de données biaisées, même si chacune des étapes de son traitement est parfaitement journalisée. L’audit du modèle, les tests de robustesse, la qualité des données et la responsabilité humaine restent indispensables.

De la promesse technique à un usage réellement contrôlable

Dans la pratique, le rapprochement entre IA et blockchain est généralement plus sobre que l’image d’une IA directement « sur la blockchain ». Les calculs d’IA demandent souvent beaucoup de puissance informatique et s’effectuent hors du registre. La blockchain sert alors à inscrire des preuves, des autorisations, des règles de partage ou des résultats dont il faut conserver une trace.

Les contrats intelligents, ou smart contracts, occupent une place importante dans ces scénarios. Il s’agit de programmes qui exécutent automatiquement une règle lorsque certaines conditions sont remplies. Une IA peut fournir une information à ce programme, par exemple une évaluation de risque ou un signal d’anomalie. Mais cette information doit venir d’une source identifiée et contrôlée. C’est un point sensible : un contrat intelligent applique son code, il ne sait pas déterminer seul si la donnée externe qui lui est transmise est juste.

Finance : automatiser sans effacer les responsabilités

Dans les services financiers, l’association entre analyse algorithmique et registre partagé peut viser des procédures plus fluides. L’IA peut contribuer à analyser des opérations inhabituelles, à évaluer certains risques ou à classer des dossiers. Les contrats intelligents peuvent ensuite automatiser des séquences prévues à l’avance : validation d’une condition, enregistrement d’un accord, déclenchement d’une étape administrative.

Cette combinaison peut réduire les tâches manuelles répétitives et limiter les écarts entre les registres détenus par différents participants. Elle est particulièrement pertinente lorsque plusieurs parties doivent disposer d’une même information à jour et vérifiable. Dans ce cas, la valeur ne vient pas seulement de la suppression supposée des intermédiaires, mais de la réduction des réconciliations, des doubles saisies et des délais de vérification.

Pour autant, la conformité ne peut pas être déléguée à un programme. Les règles applicables évoluent, les dossiers comportent des exceptions et les décisions sensibles doivent pouvoir être justifiées. Une IA peut aider à prioriser des contrôles, mais elle ne remplace ni les dispositifs de lutte contre la fraude ni la responsabilité des établissements. De même, le code d’un contrat intelligent doit être testé et surveillé : une règle automatique erronée peut reproduire une erreur à grande échelle.

Santé : la traçabilité des données avant la promesse du diagnostic

Le secteur de la santé illustre à la fois le potentiel et les précautions nécessaires. Les données médicales sont particulièrement sensibles, mais elles doivent parfois circuler entre un patient, un professionnel de santé, un laboratoire, un hôpital ou un organisme de recherche. Un registre partagé et soumis à des droits d’accès peut aider à consigner les autorisations, les consultations d’un dossier ou les étapes de mise à disposition d’une information.

L’IA peut, de son côté, assister l’analyse d’images, la recherche ou l’organisation des soins. La combinaison des deux technologies peut donc améliorer la gouvernance des données : savoir quelle version a été utilisée, qui y a eu accès et dans quel cadre. Elle peut aussi faciliter la coopération entre acteurs qui n’utilisent pas les mêmes systèmes informatiques, à condition que des standards communs soient établis.

En revanche, une blockchain ne rend pas un diagnostic plus précis en elle-même. La performance clinique dépend des données d’entraînement, de la validation scientifique du système, de son usage dans un contexte médical réel et de l’expertise des soignants. La confidentialité ne doit pas non plus être confondue avec la seule utilisation d’un registre : elle repose sur des règles d’accès strictes, le chiffrement, la minimisation des données et une gouvernance claire.

Les limites : confidentialité, coûts et gouvernance

L’immuabilité, souvent présentée comme l’atout majeur de la blockchain, peut aussi entrer en tension avec les exigences de protection des données. Une information personnelle inscrite de façon permanente dans un registre est difficile à corriger ou à effacer. Or les personnes disposent de droits sur leurs données, et les organisations doivent limiter la collecte au nécessaire.

Le choix entre blockchain publique et blockchain autorisée change profondément la situation. Une blockchain publique privilégie l’ouverture et la vérifiabilité par un grand nombre de participants. Une blockchain autorisée restreint l’accès à des organisations identifiées, ce qui peut mieux correspondre à un secteur réglementé. Dans les deux cas, il faut définir qui peut écrire dans le registre, qui peut le consulter, comment les erreurs sont traitées et qui répond en cas d’incident.

Les coûts et la performance comptent également. Certaines blockchains peuvent traiter les opérations avec des délais ou des coûts qui ne conviennent pas à des applications nécessitant une réponse immédiate. Les systèmes d’IA, eux, exigent des infrastructures de calcul et des données de qualité. Les entreprises doivent donc éviter de combiner deux technologies complexes lorsqu’une base de données classique, des contrôles d’accès et un dispositif d’audit répondraient plus simplement au besoin.

Enfin, l’interopérabilité demeure un défi. Pour que plusieurs organisations tirent bénéfice d’un registre commun, elles doivent partager des formats, des règles de sécurité et une définition commune des données échangées. Le projet est autant organisationnel que technique.

Réglementation : un cadre indispensable à la confiance

En mars 2025, le cadre européen de l’intelligence artificielle est déjà engagé avec l’entrée en vigueur du règlement sur l’IA, ou AI Act, le 1er août 2024. Ses obligations s’appliquent progressivement. Depuis le 2 février 2025, certaines pratiques d’IA interdites et les exigences relatives à la culture de l’IA sont entrées dans leur première phase d’application.

Ce texte ne cible pas spécifiquement le couple IA-blockchain, mais il rappelle une idée essentielle : la technologie ne dispense pas de gouvernance. Selon les usages, les concepteurs et déployeurs de systèmes d’IA devront gérer les risques, documenter leurs systèmes et mettre en place des contrôles adaptés. Les règles européennes de protection des données continuent également de s’appliquer lorsque des données personnelles sont traitées.

Pour une organisation, la bonne question n’est donc pas « faut-il mettre une blockchain dans un projet d’IA ? », mais « quel problème de confiance ou de coordination faut-il résoudre ? ». Si l’objectif est d’obtenir une preuve de version, une piste d’audit partagée ou une gestion commune des autorisations, la blockchain peut être étudiée. Si l’objectif est d’expliquer une décision algorithmique, il faut surtout travailler sur le modèle, les données, les méthodes d’évaluation et l’information des personnes concernées.

Ce qu’il faut surveiller

Les prochaines avancées dépendront moins d’une fusion abstraite entre IA et blockchain que de cas d’usage précis, mesurables et gouvernés. Les projets les plus crédibles seront ceux qui démontrent un gain concret de traçabilité ou d’efficacité, sans déplacer les risques vers les utilisateurs ou les partenaires les moins puissants.

Les investissements dans les infrastructures de calcul montrent l’importance prise par l’IA dans l’industrie technologique. La collaboration annoncée entre Nvidia et Foxconn autour d’« usines d’IA » illustre cette dynamique d’infrastructure. Elle ne constitue pas, à elle seule, la preuve d’une plateforme commune dédiée à l’IA et à la blockchain, mais elle rappelle que les ambitions numériques reposent aussi sur des équipements, des réseaux et des capacités de calcul très concrets.

L’alliance peut devenir utile dans des chaînes de valeur où la confiance est fragmentée entre de nombreux acteurs. Sa réussite dépendra toutefois de principes moins spectaculaires que la technologie elle-même : données fiables, règles partagées, sécurité, sobriété technique, contrôle indépendant et capacité à corriger les erreurs. C’est à ces conditions que traçabilité et automatisation pourront réellement servir l’efficacité, sans sacrifier les droits des personnes.