Blockchain, IoT et IA : la convergence qui change les entreprises

Longtemps présentées séparément, la blockchain, l’Internet des objets et l’intelligence artificielle commencent à être pensées comme les trois couches d’un même système numérique. L’IoT observe le monde physique grâce à ses capteurs, l’IA interprète les données produites et la blockchain peut enregistrer des preuves, des identités ou des transactions partagées entre plusieurs acteurs. Leur combinaison vise un objectif simple, mais ambitieux : permettre à des organisations et, demain, à certains objets connectés, de coopérer avec davantage d’automatisation et de confiance.

Cette promesse intéresse particulièrement les entreprises confrontées à des chaînes logistiques complexes, à des équipements dispersés et à une inflation de données. David Palmer, chief product officer de Pairpoint by Vodafone, souligne que la blockchain est passée par une phase de preuves de concept avant d’être davantage intégrée aux infrastructures numériques. À la fin de 2024, l’enjeu ne consiste donc plus seulement à adopter une technologie isolée, mais à organiser leur interopérabilité sans négliger la sécurité, la protection des données et la réalité opérationnelle.

Trois technologies aux rôles complémentaires

La convergence repose sur une répartition des tâches. Une blockchain est un registre partagé dont les écritures sont validées selon des règles communes au réseau. Elle peut conserver l’historique d’un événement, par exemple la réception d’une marchandise, et rendre cet historique vérifiable par les participants autorisés. L’IoT, lui, recouvre les objets équipés de capteurs, de logiciels et de connectivité, depuis un compteur industriel jusqu’à une voiture ou un chargeur de véhicule électrique. Enfin, l’IA transforme des données brutes en prévisions, alertes ou recommandations.

La valeur ne vient pas automatiquement de l’addition de ces briques. Une usine n’a pas nécessairement besoin d’une blockchain pour chaque mesure de température, pas plus qu’un tableau de bord connecté ne requiert toujours de l’IA générative. Le montage devient pertinent lorsque plusieurs entreprises, machines ou services doivent se fier à un même événement sans dépendre d’une base de données unique administrée par l’un d’eux.

Dans une chaîne d’approvisionnement, par exemple, un capteur peut relever les conditions de transport d’un produit sensible. L’IA peut signaler une variation anormale, tandis que la blockchain peut enregistrer les étapes critiques du parcours et l’identité des intervenants. Chaque outil répond alors à une question distincte : qu’a-t-on observé, que signifie cette observation, et qui peut vérifier l’historique ?

L’IoT fait entrer les données du monde physique

L’Internet des objets constitue le point de départ de cette architecture, car sans observations du terrain, l’IA reste limitée aux informations déjà disponibles dans les systèmes informatiques. Les dispositifs IoT sont désormais présents dans des automobiles, des logements, des sites industriels et des infrastructures. Selon la projection citée par Pairpoint, le monde pourrait compter environ 30 milliards d’appareils IoT en 2030.

Cette multiplication ne signifie pas que toutes les données doivent être centralisées ni conservées indéfiniment. Elle indique plutôt l’ampleur du défi : relier des milliards de machines suppose de savoir quel appareil envoie une information, si son logiciel est à jour, qui a le droit d’accéder aux données et dans quelles conditions elles peuvent être utilisées.

C’est ici qu’émerge l’idée d’une « économie des objets ». Dans ce scénario, certains équipements ne se contentent plus d’émettre des données : ils peuvent aussi demander un service, en vérifier les conditions et le régler automatiquement. Une automobile pourrait payer un péage, un véhicule électrique régler sa recharge, ou un drone acheter une ressource nécessaire à sa mission. Ces usages nécessitent toutefois une connectivité fiable, une identité numérique pour la machine et des règles de paiement préalablement définies.

Pourquoi l’IA dépend autant de la qualité des données

L’intelligence artificielle est la couche qui rend ce flux de données réellement exploitable. Elle peut repérer une anomalie dans le fonctionnement d’une machine, prévoir une intervention de maintenance ou ajuster la consommation énergétique d’un parc d’équipements. Mais ses résultats dépendent directement des données qui l’alimentent. Une information incomplète, biaisée, mal étiquetée ou issue d’un capteur compromis peut entraîner une recommandation erronée.

Cette question devient plus importante à mesure que les ensembles de données publics accessibles aux entreprises atteignent leurs limites. Les organisations cherchent donc à valoriser leurs données propriétaires, notamment celles produites par leurs équipements IoT. Ces données peuvent être particulièrement utiles car elles décrivent des situations réelles, récentes et propres à une activité. Elles sont aussi souvent sensibles : elles peuvent révéler un rythme de production, des déplacements, des habitudes de consommation ou l’état d’une infrastructure.

Pour David Palmer, la confiance dans l’origine des données est un élément décisif de cet écosystème. Une identité vérifiable doit permettre de relier une information à l’appareil ou à l’entité qui l’a produite. La blockchain peut contribuer à ce mécanisme de provenance, en conservant des preuves relatives à l’identité, à l’autorisation et aux échanges de données. Elle peut également rendre plus traçable l’intelligence restituée aux objets connectés.

Il reste néanmoins indispensable de distinguer la traçabilité d’une décision de son explication. Savoir quelles données ont été fournies à un système d’IA est utile pour l’audit. Cela ne dispense pas l’entreprise de tester le modèle, de surveiller ses erreurs et de maintenir une responsabilité humaine pour les décisions qui ont des conséquences importantes.

Portefeuilles et contrats intelligents, vers des paiements entre machines

Les portefeuilles numériques occupent une place croissante dans cette vision. Leur nombre mondial pourrait passer de 4 milliards à 5,6 milliards d’ici à 2030, selon les projections reprises par Pairpoint. Au-delà des cryptomonnaies, ces outils sont appelés à devenir des points d’accès à des identités, des autorisations et des moyens de paiement numériques.

Dans l’économie des objets, un portefeuille pourrait être associé à une machine afin de lui permettre d’effectuer une transaction dans un cadre défini. L’exemple du véhicule électrique est parlant : l’automobile et la borne de recharge pourraient s’identifier, appliquer les préférences de paiement prévues par leur propriétaire puis déclencher le règlement. Le même principe est envisagé pour les péages, certains achats au détail ou des services entre équipements.

Les contrats intelligents jouent un rôle central dans cette automatisation. Il s’agit de programmes exécutés sur une blockchain qui appliquent des conditions prédéfinies. Si les conditions sont réunies, par exemple si une recharge est validée et que le tarif convenu est disponible, le programme peut exécuter l’étape suivante sans intervention manuelle. Dans la pratique, leur intérêt dépend de la précision des règles écrites, de la qualité des données externes utilisées et de la possibilité de traiter les exceptions, comme un litige ou une panne de réseau.

Les dépôts bancaires tokenisés constituent une autre piste évoquée. Ils visent à faire le lien entre les dépôts du système bancaire traditionnel et des mécanismes enregistrés sur blockchain. Ils ne doivent pas être confondus avec une monnaie numérique de banque centrale : un dépôt tokenisé représente une créance sur une banque commerciale, tandis qu’une CBDC, si elle est mise en place, serait émise par une banque centrale. Ces deux approches peuvent toutefois participer à la numérisation des paiements.

DePIN, CBDC et métavers, des pistes à des maturités différentes

La convergence ne se limite pas aux objets et aux paiements. Les réseaux d’infrastructure physique décentralisés, souvent désignés par l’acronyme DePIN, cherchent à organiser le partage ou la tokenisation de ressources concrètes : capacité de calcul, stockage, connectivité ou énergie. L’idée est de permettre à une communauté de contribuer à une infrastructure et d’être incitée à la développer ou à la maintenir.

Deux exemples illustrent cette logique. Render est associé à l’accès à des ressources GPU, notamment pour des activités de rendu et de jeu, tandis que Filecoin propose une approche décentralisée du stockage. Selon Palmer, ces réseaux pourraient aider des communautés à construire des infrastructures d’IA et de connectivité adaptées à leurs besoins. Leur promesse est séduisante, mais leur déploiement dépendra de critères très concrets : disponibilité réelle des ressources, coûts, qualité de service, règles de gouvernance et conformité juridique.

Les autorités publiques suivent également ces évolutions à travers les travaux sur les monnaies numériques de banque centrale, ou CBDC. Celles-ci sont explorées dans plusieurs pays comme un possible instrument de modernisation monétaire. Une CBDC n’implique pas nécessairement l’usage d’une blockchain, son architecture relevant des choix de chaque banque centrale. Mais l’intérêt pour ces monnaies, comme celui pour les dépôts tokenisés, montre que les mécanismes de règlement numériques dépassent désormais le seul univers des cryptoactifs.

Le métavers et les technologies immersives constituent un autre prolongement possible. Palmer met en avant des lunettes intelligentes alimentées par l’IA, susceptibles de modifier l’accès aux contenus numériques et de préparer un environnement pour des agents IA. Des robots dotés d’IA pourraient aussi créer des liens entre environnements virtuels et activités physiques, notamment dans la fabrication ou le secteur médical. Ici encore, ces perspectives reposent d’abord sur des identités solides, des interfaces fiables et des données correctement protégées.

Les conditions d’un déploiement crédible en entreprise

La convergence de la blockchain, de l’IoT et de l’IA peut accroître l’efficacité d’une organisation, mais elle ajoute aussi de la complexité. Une entreprise doit éviter de traiter ces technologies comme un simple empilement logiciel. Le point de départ devrait être un problème précis : réduire les litiges sur l’origine d’un produit, automatiser une opération de recharge, anticiper une panne coûteuse ou partager des données entre partenaires sans perdre le contrôle de leur usage.

Plusieurs exigences se dégagent :

• définir qui possède les données produites par les objets et qui peut les consulter ;
• attribuer une identité et des autorisations robustes à chaque appareil, utilisateur et organisation ;
• protéger les capteurs, les mises à jour logicielles et les interfaces de programmation contre les intrusions ;
• conserver un contrôle humain sur les décisions sensibles prises à partir des analyses de l’IA ;
• vérifier la compatibilité avec les systèmes existants, les obligations de protection des données et les règles sectorielles.

La formation des équipes est tout aussi importante. Les métiers opérationnels doivent comprendre les alertes proposées par l’IA. Les équipes techniques doivent pouvoir identifier l’origine d’une donnée et intervenir lorsqu’un objet connecté ne se comporte plus normalement. Les équipes juridiques et financières doivent, elles, encadrer les transactions automatisées et les responsabilités qui en découlent.

Ce qu’il faut surveiller d’ici à 2030

La promesse centrale est celle d’un écosystème où des milliards d’objets connectés peuvent échanger des données, demander des services et réaliser certaines transactions au sein d’une infrastructure sécurisée. Dans cette architecture, la blockchain fournirait des mécanismes de confiance, l’IoT apporterait la matière première informationnelle et l’IA transformerait ces signaux en actions plus intelligentes.

D’ici à 2030, l’enjeu sera moins de savoir si chacune de ces technologies progresse séparément que de voir si elles peuvent fonctionner ensemble à grande échelle. Les signaux à suivre seront la fiabilité des identités numériques, l’adoption réelle des paiements automatisés, la maturité des dépôts tokenisés, le développement des réseaux DePIN et la capacité des entreprises à protéger des données toujours plus nombreuses. La transformation numérique ne se jouera pas uniquement dans les algorithmes ou les registres distribués, mais dans la qualité des infrastructures et des règles qui relient le monde physique au monde numérique.