Dans le rapport “State of AI 2025”, Messari consacre un chapitre entier à la Decentralized AI (deAI), la définissant non pas comme une alternative idéologique à l’AI traditionnelle, mais comme un complément nécessaire pour garantir transparence, sécurité et participation mondiale.
Dans un monde où les modèles deviennent des black box et où le pouvoir des laboratoires privés augmente, le rôle de la deAI n’est pas théorique : c’est une réponse structurelle aux défis du nouvel ordre de l’intelligence.
L’intelligence artificielle devient l’infrastructure numérique la plus stratégique de la planète. Mais tandis que les géants de la tech consolident leur domination, un mouvement parallèle se développe pour construire une IA radicalement différente : ouverte, vérifiable, permissionless et distribuée.
Sommaire
Qu’est-ce que l’Intelligence Artificielle Décentralisée (deAI) ?
La deAI est un système d’IA construit sur des réseaux distribués, où :
- les données peuvent être collectées, étiquetées et échangées en mode permissionless;
- le calcul est effectué sur des réseaux mondiaux de GPU indépendants;
- les modèles peuvent être entraînés et utilisés de manière coordonnée, sans une autorité de contrôle unique ;
- confidentialité, vérifiabilité et réputation sont garanties grâce à la blockchain, la cryptographie et les systèmes d’attestation;
- les agents IA peuvent effectuer des transactions, s’identifier et collaborer dans un environnement trustless.
En d’autres termes :
La deAI est l’infrastructure qui permet de construire une IA ouverte « pour tous et par tous », sans avoir à dépendre d’un géant privé.
Pourquoi la deAI devient-elle nécessaire ?
Messari divise les raisons en deux catégories : philosophiques et pratiques.
🔹 Philosophie
- Concentration du pouvoir
L’IA centralisée confère un contrôle énorme à quelques entreprises (OpenAI, Google, Anthropic). Cela influence les récits, l’accès aux données, les normes technologiques et même les processus sociaux. - Opacité
Nous ne savons pas comment les modèles ont été entraînés, quelles données ils utilisent, quels biais ils incorporent. - Confiance limitée
Il n’existe aucune garantie vérifiable que le modèle servi soit celui déclaré ou qu’il traite les données correctement.
🔹 Pratique
- Coordination globale
Les blockchains permettent de coordonner des millions de dispositifs et de contributeurs sans confiance. - Vérifiabilité on-chain
Identité, réputation, état du modèle et intégrité peuvent être enregistrés de manière immuable. - Paiements natifs
Les agents IA ont besoin de paiements instantanés, de microtransactions et de règlement immédiat : ici, la crypto est irremplaçable. - Scalabilité via des réseaux distribués
La deAI utilise du matériel déjà existant (PC gaming, edge devices, petits data centers), et pas seulement des GPU hyperscaler.
La deAI Stack : les 6 niveaux qui composent l’écosystème
Le rapport décrit en détail la stack technologique de la deAI, composée de 6 couches interconnectées : Data → Compute → Training → Privacy/Verification → Agents → Applications.
Examinons-les un par un.
1. Couche de Données
Le cœur de chaque système d’IA est le dataset.
Dans la deAI, les données sont collectées, étiquetées, stockées et échangées via des réseaux distribués.
Activités principales :
- collecte de données (vidéo, audio, capteurs, interactions réelles)
- étiquetage via des marketplaces incitatifs
- nettoyage & prétraitement
- stockage sur réseaux distribués (Filecoin, Arweave, Jackal)
- places de marché de données (Ocean, Vana, Cudis)
La décentralisation permet :
- plus grande diversité des données
- incitations économiques directes aux contributeurs
- vérifiabilité (provenance, horodatage, identité)
- réduction du coût des ensembles de données propriétaires
Avec la « data famine » prévue d’ici 2030, cette couche devient cruciale.
2. Couche de Calcul
C’est ici que se déroule la partie la plus coûteuse de l’IA : effectuer le training et l’inférence.
Les réseaux de calcul décentralisé (DCN) :
- Akash
- Rendu
- io.net
- Aethir
- Hyperbolique
- EigenCloud
- Exabits
L’avantage principal : ils rendent disponible le calcul à la demande à des prix de marché, non imposés par un fournisseur de cloud.
Historiquement inefficaces pour l’entraînement à grande échelle (en raison des latences et des synchronisations), aujourd’hui les DCN sont parfaits pour servir l’inférence, parce que :
- nécessite moins de communication entre les GPU
- peut être exécutée sur du matériel hétérogène
- est le segment destiné à représenter 50 à 75 % de la demande de calcul d’ici 2030
3. Couche d’Entraînement & d’Inférence
Messari fait une distinction nette :
Pré-formation
Extrêmement difficile à décentraliser :
nécessite des ensembles de données énormes, une synchronisation étroite, une bande passante très élevée.
Post-formation (SFT / RLHF / RL)
Parfait pour les réseaux distribués :
- plus d’asynchronie
- moins de communication
- plus de scalabilité
- possibilité de crowdsourcing des données
Inférence décentralisée
C’est le chaînon manquant qui rend la deAI utilisable dans la vie réelle.
Exemples cités dans le rapport :
- Prodia
- Baisses
- Fortytwo Network
- dria
- inference.net
4. Couche de Confidentialité & Vérification
C’est ici que les technologies cryptographiques les plus complexes entrent en jeu.
Techniques fondamentales :
- ZKML (apprentissage automatique à connaissance zéro)
- Optimistic ML (vérification via une période de challenge)
- ML basé sur TEE (environnements d’exécution de confiance)
- FHE (chiffrement homomorphe complet)
- MPC (calcul multipartite)
- Apprentissage fédéré
Objectif :
Garantir qu’un modèle a été calculé correctement, sans modifications et sans exposer de données sensibles.
Projets mentionnés :
- Phala (TEE)
- Zama (FHE)
- Nillion (MPC)
- EZKL (ZKML)
- Lagrange (zkML + infrastructure de vérification)
C’est le layer le plus important pour l’adoption par les entreprises.
5. Agents & Couche d’Orchestration
Le rapport analyse comment les agents autonomes deviennent la nouvelle « interface » de l’IA.
Un stack complet comprend :
- modèle de base (LLM ou SLM)
- outillage (API, portefeuille, automatisation du navigateur)
- framework (ElizaOS, Daydreams, Olas, Questflow)
- normes de communication
- coordination multi-agent
- intégrité vérifiable (prompt inviolable, raisonnement vérifié)
Les blockchains débloquent pour les agents :
- identité
- réputation
- paiements self-custodial
- accès trustless aux services financiers
- auditabilité
Les agents seront les principaux « utilisateurs » de la blockchain au cours des 5 prochaines années.
6. Couche des Applications
Le niveau final : les applications construites sur l’ensemble de la stack.
Exemples :
- agents de trading
- bots DeFi autonomes
- navigateurs autonomes
- systèmes de cybersécurité
- étiquetage de données alimenté par l’IA
- univers multi-agents pour le gaming, la découverte ou le e-commerce
- moteurs de recommandation décentralisés
Les applications deAI fonctionnent comme des IA normales, mais avec trois différences :
- transparence
- vérifiabilité
- interopérabilité avec les crypto
Pourquoi maintenant ? Les 5 forces qui propulsent la deAI
Messari identifie cinq mégatendances qui créent un terrain parfait pour la croissance de l’IA décentralisée :
- Demande d’inférence en plein essor
- Épuisement des données publiques et demande de données propriétaires
- Explosion des agents IA qui doivent effectuer des transactions de manière autonome
- Guerre mondiale pour le talent et coûts prohibitifs du calcul
- Progrès dans la décentralisation du training et de la verification
L’IA centralisée ne peut pas tout satisfaire : il faut de la complémentarité.
Conclusion : la deAI est la base de l’IA ouverte, vérifiable et participative
L’IA décentralisée n’est pas une tendance : c’est une réponse structurelle.
À mesure que les modèles se développent et que le pouvoir des Big Tech se concentre, la nécessité de :
- vérifier
- décentraliser
- attester
- coordonner
- compenser
- protéger
- distribuer
devient central.
La deAI est l’infrastructure qui permet à l’IA d’être non seulement puissante, mais aussi :
- ouverte
- sûre
- distribuée
- accessible mondialement




