IA décentralisée : promesses, limites et enjeux d’un nouvel écosystème

L’intelligence artificielle est aujourd’hui largement dominée par de très grands acteurs, qui concentrent les modèles, les capacités de calcul et souvent les données nécessaires à leur entraînement. Face à cette organisation, un courant technologique entend redistribuer une partie du contrôle : l’IA décentralisée. Son idée centrale consiste à associer des systèmes d’IA à des infrastructures distribuées, notamment la blockchain, afin de mieux tracer les données, les règles et les échanges effectués par des logiciels autonomes.

Cette promesse mérite d’être examinée avec précision. La décentralisation peut effectivement renforcer la vérifiabilité de certaines opérations et permettre à davantage de développeurs de participer à un écosystème. Mais elle ne rend pas automatiquement une IA fiable, équitable ou respectueuse de la vie privée. À la date du 16 décembre 2024, les initiatives de Space and Time, Chromia et YeagerAI donnent un aperçu concret de cette évolution, encore en construction.

Que recouvre l’expression « IA décentralisée » ?

Une IA décentralisée n’est pas un type unique de modèle, ni une technologie achevée. C’est une manière d’organiser une partie de l’infrastructure qui entoure les systèmes d’intelligence artificielle. Au lieu qu’une entreprise unique stocke les données, fixe les règles d’accès et exécute tous les services, ces fonctions peuvent être réparties entre plusieurs nœuds, organisations ou utilisateurs.

La blockchain est souvent mobilisée dans ce cadre. Elle fonctionne comme un registre partagé : les participants conservent une copie synchronisée de certaines informations ou transactions, selon des règles communes. Lorsqu’une opération est enregistrée, elle peut être horodatée et vérifiée par le réseau. Cette propriété intéresse les concepteurs d’agents d’IA, ces logiciels capables d’enchaîner des tâches et de prendre des décisions dans un cadre donné.

Dans les faits, il est important de distinguer plusieurs couches :

• Le modèle d’IA, qui produit une réponse, une prédiction ou une action.
• Les données, utilisées pour l’entraînement, la recherche d’informations ou l’exécution d’une tâche.
• L’infrastructure, qui fournit du calcul, du stockage et des règles d’accès.
• La preuve ou la traçabilité, qui permet de vérifier qu’une opération a été exécutée selon certaines conditions.

La décentralisation peut concerner une seule de ces couches, ou plusieurs. Une application peut ainsi utiliser un modèle hébergé de manière classique tout en conservant une trace vérifiable des données consultées ou des transactions déclenchées. À l’inverse, parler de blockchain ne signifie pas que le modèle entier, souvent très lourd à faire fonctionner, est inscrit sur une chaîne de blocs.

Pourquoi cette question prend-elle de l’ampleur ?

L’intérêt pour une infrastructure d’IA plus distribuée s’inscrit dans une dynamique économique considérable. Un rapport gouvernemental américain cité dans le débat anticipe une expansion de 13 % du secteur informatique sur les six années suivantes, avec 667 600 nouveaux emplois à la clé. Cette croissance alimente la demande pour de nouveaux outils de développement, de gestion des données et d’automatisation.

Les estimations économiques associées à l’IA sont elles aussi très élevées. Elles doivent toutefois être lues avec prudence : elles ne mesurent pas toutes la même chose. Certaines portent sur un marché, d’autres sur une contribution potentielle à l’économie, ou encore sur une valeur annuelle créée dans un secteur précis. Elles ne peuvent donc pas être additionnées.

La santé, la finance et le commerce de détail figurent parmi les domaines les plus concernés. Dans la santé, des outils d’aide au diagnostic sont déjà intégrés par 38 % des principaux prestataires médicaux mentionnés dans l’étude citée. Dans le commerce, l’IA est envisagée pour personnaliser l’expérience client, anticiper la demande ou organiser les stocks. Dans la finance, elle peut servir à analyser des données, détecter des anomalies ou automatiser des procédures.

C’est précisément parce que ces usages portent sur des informations sensibles et des décisions parfois lourdes de conséquences que la question de l’intégrité des données devient centrale. Un système peut être techniquement performant tout en donnant une réponse erronée si les données utilisées sont incomplètes, manipulées ou biaisées.

Ce que la blockchain peut changer pour les données et les agents d’IA

Les promoteurs de l’IA décentralisée cherchent moins à remplacer tous les outils existants qu’à établir une couche de confiance commune. L’objectif est de pouvoir répondre à des questions simples mais essentielles : quelle donnée a été utilisée ? Qui a autorisé l’accès ? Selon quelles règles une transaction a-t-elle été effectuée ? Peut-on vérifier son historique ?

Cette approche vise notamment les agents d’IA. Lorsqu’un agent réserve un service, interroge une base de données, déclenche un paiement ou transmet une information à un contrat intelligent, il devient utile de disposer d’un historique exploitable. Dans une architecture distribuée, les règles d’exécution peuvent être inscrites dans des programmes appelés contrats intelligents, puis vérifiées par les participants au réseau.

Le bénéfice attendu est la réduction de certaines zones d’ombre. Les utilisateurs ou les entreprises pourraient mieux auditer les étapes d’une opération automatisée, à condition que les informations nécessaires soient effectivement enregistrées et accessibles. Cette condition est importante : une traçabilité limitée ou des données placées hors du registre réduisent d’autant la portée de la vérification.

La décentralisation ne fait pas non plus disparaître les biais. Ceux-ci peuvent provenir des données d’entraînement, du choix des objectifs, des consignes données au modèle ou de la façon dont ses résultats sont interprétés. Un registre distribué peut aider à documenter des décisions, pas à décider à la place des humains quelles données sont justes, représentatives ou légitimes.

Space and Time, Chromia et YeagerAI : des approches distinctes

Plusieurs projets tentent de se positionner sur cette rencontre entre IA et blockchain. Space and Time, aussi désigné par le sigle SXT, a développé une base de données vérifiable. Son ambition est de permettre de contrôler l’intégrité de données utilisées lors de transactions impliquant des contrats intelligents et des agents d’IA. Son écosystème ne se limite pas à l’IA : il inclut aussi la finance décentralisée, ou DeFi, et le jeu vidéo.

Pour Nate Holiday, directeur général de Space and Time, l’enjeu est de construire une infrastructure capable de fournir le contexte de données nécessaire aux transactions réalisées par des agents. Il anticipe une progression de la part des transactions fondées sur la blockchain, de 3 % à 30 % du marché. Il s’agit d’une vision portée par l’entreprise, pas d’une garantie sur l’évolution future du marché.

Chromia défend pour sa part une architecture destinée à accueillir des applications complexes. Yeou Jie Goh, responsable du développement commercial de Chromia, met en avant le fonctionnement d’une blockchain relationnelle : elle peut prendre en charge plusieurs opérations dans une même transaction. L’entreprise présente cette caractéristique comme un moyen d’améliorer l’accès en temps réel à l’intégrité des données.

Chromia a également lancé un fonds de 20 millions de dollars consacré aux écosystèmes de données et d’IA. Sa mise à niveau Asgard Mainnet introduit des fonctionnalités annoncées comme plus flexibles pour les utilisateurs, dans l’objectif de bâtir une infrastructure adaptable à différents usages.

Enfin, YeagerAI met en avant son Oracle Intelligent, conçu pour donner un accès instantané à certaines données et renforcer la confiance dans les décisions automatisées. Le terme d’« oracle » désigne, dans l’univers de la blockchain, un mécanisme qui relie un réseau à des informations extérieures. C’est un maillon décisif, mais aussi sensible : si la donnée transmise par l’oracle est erronée ou compromise, l’enregistrement sur blockchain ne corrige pas cette erreur.

Centralisation et décentralisation : un choix moins binaire qu’il n’y paraît

Opposer une IA centralisée à une IA décentralisée est utile pour comprendre les arbitrages, mais la réalité est plus nuancée. Les grands systèmes d’IA exigent d’importantes capacités de calcul, des infrastructures énergétiques et une maintenance spécialisée. Ces contraintes favorisent aujourd’hui les fournisseurs centralisés, capables d’investir dans de très grands centres de données.

Les solutions décentralisées peuvent, elles, répartir la gestion de certains actifs numériques et formaliser des règles partagées. Elles sont particulièrement pertinentes lorsque plusieurs organisations doivent collaborer sans vouloir déléguer tout le contrôle à un intermédiaire unique. C’est le cas potentiel de chaînes logistiques, d’échanges de données entre entreprises, de services financiers programmables ou d’écosystèmes de développeurs.

Dans un contexte professionnel, le bon choix dépend donc de l’usage. Une organisation qui traite un faible volume de données très confidentielles peut privilégier un environnement fermé et fortement contrôlé. Une autre, qui doit partager des preuves d’exécution avec plusieurs partenaires, peut voir un intérêt dans un registre commun. Les deux modèles peuvent aussi coexister au sein d’une même application.

Les défis de confidentialité, de sécurité et de gouvernance

L’argument de la transparence doit être concilié avec le droit à la confidentialité. Enregistrer des informations sur un registre partagé peut être incompatible avec la protection de données personnelles, surtout si elles sont durablement accessibles ou recoupables. Les projets doivent donc prévoir des mécanismes d’autorisation, de chiffrement, de gestion d’identité et, lorsque c’est nécessaire, conserver les données sensibles hors de la blockchain.

La sécurité ne se limite pas non plus au registre. Elle dépend du code des contrats intelligents, des clés d’accès détenues par les utilisateurs, des interfaces, des serveurs qui font tourner les applications et des passerelles vers les données extérieures. Une faille dans l’un de ces éléments peut fragiliser l’ensemble de la chaîne de confiance.

La gouvernance soulève une autre difficulté : qui modifie les règles du réseau lorsqu’un problème survient ? Qui tranche un désaccord entre participants ? Comment corriger une erreur si l’immuabilité du registre rend l’effacement complexe ? Ces sujets sont autant politiques et juridiques que techniques.

Enfin, la multiplication des réseaux peut produire de la fragmentation. Pour être réellement utile, un écosystème d’IA décentralisé doit pouvoir échanger avec d’autres infrastructures sans perdre ses garanties de sécurité. L’interopérabilité, les standards communs et la clarté des responsabilités seront donc déterminants.

Une démocratisation possible, sous conditions

La décentralisation peut abaisser certaines barrières à l’entrée. Des développeurs, chercheurs ou petites entreprises peuvent contribuer à des projets ouverts, proposer des services spécialisés ou accéder à des infrastructures mutualisées. Elle peut aussi encourager une plus grande diversité d’acteurs dans un secteur où les ressources sont aujourd’hui très concentrées.

Mais l’accessibilité ne découle pas automatiquement d’une architecture distribuée. Utiliser ces outils suppose encore des compétences techniques, une compréhension des risques et, dans certains cas, des frais de transaction ou d’hébergement. La qualité d’un écosystème dépendra de sa simplicité d’usage autant que de ses principes techniques.

Pour les utilisateurs, le point essentiel reste le contrôle effectif. Avoir la possibilité théorique de participer à un réseau ne suffit pas si les règles sont illisibles, si les interfaces sont trop complexes ou si la gouvernance reste dominée par un petit groupe. La promesse de souveraineté technologique devra donc se mesurer dans la pratique.

Ce qu’il faut surveiller

À la fin de l’année 2024, l’IA décentralisée apparaît comme une piste crédible pour améliorer la traçabilité de certains échanges de données et de certaines actions automatisées. Les initiatives de Space and Time, Chromia et YeagerAI montrent que le sujet dépasse le simple discours : des outils, des fonds et des infrastructures sont en cours de développement.

Leur réussite dépendra toutefois de questions très concrètes. Les systèmes seront-ils assez rapides et abordables pour des usages courants ? Les données personnelles seront-elles correctement protégées ? Les preuves produites seront-elles compréhensibles et utiles lors d’un audit ? Les règles de gouvernance permettront-elles de corriger les erreurs et de prévenir les abus ?

L’enjeu n’est pas de choisir entre une IA entièrement centralisée et une IA entièrement distribuée. Il est de concevoir des architectures proportionnées aux risques, transparentes sur leurs limites et capables de laisser aux personnes comme aux organisations un véritable pouvoir de contrôle. C’est à cette condition que l’alliance entre IA et blockchain pourra soutenir l’innovation sans transformer la promesse de confiance en simple argument marketing.