Au cours des dix dernières années, l’intelligence artificielle s’est développée en se nourrissant principalement de la même ressource : les données publiques du web. Textes, images, documents, forums, actualités, blogs, dépôts… une quantité énorme de matériel que les modèles ont absorbé pour construire leur langage et leurs capacités cognitives. Mais cette phase est sur le point de se terminer.
Selon les projections citées par Messari, la quantité totale de texte public exploitable pour l’entraînement des modèles—environ 300 trillions de tokens—pourrait être complètement épuisée entre 2026 et 2032. Cela signifie que les grands modèles ont « dévoré internet », et qu’ils ont maintenant besoin d’autre chose. La prochaine frontière de l’IA ne sera plus le web : ce sera le monde réel.
Et c’est ici qu’intervient le concept de frontier data, la ressource qui définira la compétitivité des modèles du futur. Données vidéo, audio, sensorielles, moteurs, robotiques, données d’action, données générées par l’interaction avec le monde physique ou avec des interfaces numériques complexes. Des données qui ne peuvent pas être simplement téléchargées : elles doivent être collectées, coordonnées, vérifiées et, surtout, incitées.
Pour cette raison, la blockchain n’est pas un détail ou un ajout marginal : c’est l’infrastructure qui permet d’orchestrer cette nouvelle économie des données.
Sommaire
La fin du “web scraping” et le début des données de très haute valeur
Les modèles les plus avancés de 2025—non seulement linguistiques, mais aussi multimodaux, agentiques et orientés vers le raisonnement—ne s’améliorent plus avec l’ajout simple de jeux de données textuelles génériques. Ils ont besoin de quelque chose de beaucoup plus spécifique et beaucoup plus coûteux à collecter : des données qui reflètent actions, intentions, mouvement, interaction, manipulation, contexte.
C’est le cas, par exemple, des computer-use agents, les IA capables d’interagir directement avec l’ordinateur comme le ferait un être humain. Pour entraîner ces systèmes, les descriptions textuelles ne suffisent pas : il faut des « trajectoires », c’est-à-dire des enregistrements réels de personnes exécutant des tâches à l’écran.
Un protocole comme Chakra, mentionné dans le rapport, a développé une extension qui permet aux utilisateurs d’enregistrer leur écran pendant qu’ils effectuent des tâches quotidiennes : naviguer dans un logiciel de gestion, préparer un document Excel, modifier des images, utiliser des logiciels professionnels. Ces enregistrements deviennent un matériel extrêmement précieux pour entraîner des modèles comme GLADOS-1, le premier modèle d’utilisation informatique construit presque entièrement sur des données crowdsourcées.
Et c’est précisément là le point : ces données n’existent pas tant que quelqu’un ne les produit pas. Et elles doivent être payées. Tout comme on paie l’énergie ou l’inférence.
La valeur croissante des Gameplay-Action Pairs
Un autre exemple frappant provient du monde vidéoludique. Une plateforme comme Shaga, née en tant que réseau de cloud gaming décentralisé, produit un sous-produit extrêmement précieux : les Gameplay-Action Pairs (GAP), c’est-à-dire des paires synchronisées de ce qui se passe à l’écran et des commandes que le joueur donne.
Il s’agit de données qui ne peuvent pas être récupérées simplement en regardant des vidéos sur YouTube : il est nécessaire de les capturer à la source, sur l’appareil du joueur. Et ce type de dataset, selon les estimations rapportées par Messari, peut valoir jusqu’à 50–100 dollars par heure de jeu.
Pour contextualiser : Shaga a déjà accumulé plus de 259 000 heures de gameplay, pour une valeur estimée à plus de 26 millions de dollars. Et ce n’est pas un hasard si OpenAI, un an auparavant, avait offert un demi-milliard pour acquérir Medal, une plateforme similaire spécialisée précisément dans l’enregistrement de gameplay.
Ces données servent à entraîner les world models, des modèles qui ne se contentent pas d’interpréter le langage mais qui simulent la physique, la causalité et l’interaction agent-environnement. Ce sont les modèles qui rendront possibles des robots plus intelligents, des agents autonomes, des systèmes de prévision avancés et des IA capables de « se déplacer » dans des environnements complexes.
Physical AI : l’intelligence qui entre dans le monde physique
Et c’est précisément ici que nous arrivons à la deuxième grande vague des frontier data : les données robotiques.
L’IA du futur ne résidera pas seulement dans les centres de données. Elle vivra dans les robots, les drones, les voitures autonomes, les capteurs distribués, les appareils domestiques intelligents. Chaque robot aura besoin de données pour apprendre à se déplacer, identifier des objets, prendre des décisions, manipuler des environnements. Et cette collecte de données est incroyablement coûteuse : elle nécessite du matériel physique, des opérateurs humains pour la téléopération, ainsi qu’une maintenance et une coordination continues.
Des projets comme PrismaX, BitRobot, GEODNET et NATIX commencent à utiliser des mécanismes incitatifs typiques du Web3 pour répartir ce coût sur un réseau mondial de contributeurs. Au lieu d’avoir une seule entreprise collectant des données robotiques, des milliers d’utilisateurs peuvent le faire de manière coordonnée, recevant des compensations directes.
C’est la même logique que le mining : mais au lieu de la puissance de calcul, ici la contribution est la donnée réelle.
Coordination machine-to-machine : quand l’IA agit dans le monde réel
Si les robots et les agents IA commencent réellement à interagir avec le monde physique, un tout nouveau niveau de coordination sera nécessaire. Les robots devront :
- s’identifier entre eux,
- effectuer des transactions de paiements,
- acheter des services,
- consommer des données,
- exécuter des tâches de manière vérifiable,
- prouver avoir effectué une action,
- s’appuyer sur des registres partagés d’identité et de réputation.
C’est ici que des initiatives comme OpenMind et Peaq émergent, tentant de construire une infrastructure onchain dédiée à la communication et à l’identité des robots. Un équivalent du DNS, mais pour les machines. Un système où les drones, voitures autonomes, bras robotiques ou systèmes industriels peuvent signaler leur présence, certifier leur action, payer d’autres systèmes et échanger des services.
C’est le début de la machine economy, une économie peuplée d’entités non humaines qui interagissent de manière autonome sur des réseaux décentralisés.
Données réelles certifiées : le rôle d’IoTeX et des réseaux DePIN
Le rapport accorde également une attention particulière à IoTeX, un protocole qui, ces dernières années, a transformé son infrastructure en une plateforme complète pour la collecte, la certification et l’orchestration de données réelles.
IoTeX permet de connecter des capteurs, des appareils IoT, des systèmes domestiques et des dispositifs industriels, offrant :
- une identité onchain vérifiée pour chaque dispositif,
- un système d’agrégation de données,
- un niveau d’attestation cryptographique via ZK,
- API qui permettent aux agents AI d’utiliser ces données en temps réel.
Aujourd’hui, IoTeX coordonne plus de 16 000 dispositifs et des dizaines de projets verticaux, offrant aux agents AI la possibilité d’accéder à des données vérifiées provenant du monde réel. Une différence énorme par rapport au simple scraping.
Le point d’arrivée : la donnée comme actif financier
Selon Messari, la trajectoire est claire : la donnée devient une ressource financière à part entière. Tout comme aujourd’hui on peut investir dans le calcul, les GPU et la colocation, il sera possible à l’avenir d’investir dans des « flux de données », d’acheter des droits d’utilisation, de soutenir des réseaux qui collectent des données de pointe et d’obtenir en retour des rendements économiques.
C’est une évolution presque inévitable : si la donnée devient rare, précieuse, difficile à produire, alors elle aura un marché, un prix, une demande et une offre.
La blockchain, encore une fois, est la couche idéale pour :
- coordonner cette économie,
- en vérifier l’intégrité,
- tracer l’origine,
- distribuer les compensations,
- protéger les utilisateurs,
- soutenir la scalabilité mondiale.
Conclusion
L’IA ne progressera pas grâce à des modèles toujours plus grands, mais grâce à des données toujours plus riches, provenant du monde réel et collectées via des réseaux mondiaux de contributeurs. C’est la plus grande ruée vers l’or de la prochaine décennie : non celle des puces, mais celle des données.
Les protocoles Web3 ne sont pas un détail : ils sont la plateforme naturelle pour collecter, vérifier, distribuer et rémunérer ceux qui fournissent ces données. Si le web a été la matière première de la première vague d’IA, le monde réel sera la matière première de la seconde.
Et cette fois, pour la première fois, la collecte ne sera pas contrôlée par quelques géants, mais par les réseaux.
Réseaux ouverts, incitatifs, décentralisés : la nouvelle infrastructure des données de frontière.




