À première vue, il semble y avoir une coïncidence linguistique : peut-il y avoir un chevauchement de sens entre les jetons numériques utilisés dans la blockchain et les jetons qui alimentent l’apprentissage profond? Ils partagent un terme, mais pas un objectif. Les premiers alimentent les économies décentralisées, tandis que les seconds permettent aux machines de traiter le langage, les images et le sens. Ils partagent un terme, mais pas une fonction. Pourtant, malgré leurs différences, la convergence entre la blockchain et l’IA s’accélère – non pas par une interopérabilité directe, mais par des défis communs et des architectures complémentaires. Dans cette convergence, il y a une occasion profonde. 

Deux genres de jetons, deux révolutions technologiques

Dans la blockchain, les jetons numériques sont essentiels. Les cryptomonnaies natives comme le Bitcoin et l’Ether soutiennent leurs réseaux respectifs, tandis que les jetons programmables comme les ERC-20 ou les SPL étendent les fonctionnalités, représentant aussi bien la valeur que les droits de gouvernance. Certains servent de monnaie numérique; d’autres donnent accès à des droits de vote dans des organisations autonomes décentralisées ou à des applications. On voit ces jetons utilisés de plus en plus pour représenter des actifs financiers traditionnels comme les actions, obligations, biens immobiliers et fonds du marché monétaire dans un format basé sur des jetons. 

Cette tendance s’accélère rapidement. En 2024, le marché des actifs réels tokenisés a augmenté de 85 %, dépassant les 15 milliards de dollars. Les analystes projettent une croissance de 30 000 milliards de dollars d’ici 2030. Les acteurs financiers traditionnels réagissent déjà : Franklin Templeton a lancé le premier fonds monétaire américain tokenisé, et JPMorgan a utilisé le protocole d’interopérabilité de Chainlink pour régler des bons du Trésor tokenisés sur une blockchain publique. La tokenisation n’est plus théorique – elle est opérationnelle.

À l’inverse, les « jetons » de l’IA sont des fragments de sens. En apprentissage profond, les jetons sont les unités atomiques d’entrée :  des mots, des sous-mots ou même des segments d’images que les modèles utilisent pour apprendre des modèles et générer des sorties cohérentes. Ces jetons permettent aux machines d’interpréter le langage et la vision, car ils permettent d’analyser le sens, de détecter des modèles et de générer des sorties cohérentes. Les modèles de langage massifs comme GPT-3 (entraîné sur 300 milliards de jetons), Chinchilla (1 400 milliards) et PaLM 2 (3 600 milliards) ont évolué grâce à l’accès à d’immenses corpus de données tokenisées. Dans l’IA, les jetons ne circulent pas, ils calculent. Ils n’ont pas de valeur, ils l’encodent.

La convergence : La blockchain est la prochaine couche d’infrastructure de l’IA

Bien que les jetons de la blockchain et les jetons de l’IA soient différents en termes de forme et de fonction, ils partagent quelque chose de plus profond : les deux représentent des unités fondamentales dans les systèmes qui reposent sur la scalabilité, la coordination et la confiance. Plus important encore, ces technologies sont fondamentalement liées à l’infrastructure; ils ne sont pas simplement des outils, mais de véritables systèmes d’exploitation permettant d’organiser les humains et les machines à grande échelle. À mesure que l’IA évolue, passant d’outils polyvalents à des agents autonomes interagissant avec des données sensibles et privées, l’architecture de la blockchain, décentralisée, transparente et immuable, pourrait offrir des solutions à certains des défis les plus urgents de l’IA.

L’écosystème actuel de l’IA est largement centralisé, régi par des processus d’entraînement de modèles opaques et des pipelines de données fermées. La blockchain présente un nouvel ensemble de primitives de conception : responsabilité vérifiable, vérifiabilité transparente et alignement des incitatifs. Avec cette approche, nous pouvons imaginer un marché de données décentralisé qui s’éloigne des monopoles de grande technologie, des attestations cryptographiques permettant de retracer l’origine et les droits d’utilisation des données de formation, et des réseaux collaboratifs où les contributeurs sont rémunérés avec des jetons et où l’intégrité du système est assurée par le protocole, et non par les politiques.

Quatre cas d’utilisation à l’intersection

À quoi ressemble cette convergence en pratique? Voici quatre exemples émergents qui montrent comment la blockchain et l’IA pourraient commencer à évoluer ensemble :

• Marchés décentralisés pour l’entraînement de l’IA  : au lieu de se fier aux entités centralisées traditionnelles pour collecter et contrôler les données d’entraînement, les marchés décentralisés permettent des environnements ouverts et sans autorisation où les individus, les chercheurs et les institutions peuvent contribuer avec des ensembles de données ou de puissance de traitement en échange d’une rémunération basée sur la cryptomonnaie. Des normes de code source libre, comme le protocole de contexte de modèle, combinées à un accès décentralisé à l’entraînement des modèles, favorisent une participation mondiale – en particulier celle des communautés historiquement exclues des pôles d’innovation centralisés. Résultat : des modèles plus diversifiés et un contrôle moins concentré. Cela ouvre le développement de l’IA à une population plus vaste, en particulier aux régions sous-représentées ou émergentes, et contribue à éviter la monopolisation des modèles fondamentaux par une poignée d’entreprises.
• NFT générés par l’IA et traçabilité créative : l’IA générative ouvre la voie à une nouvelle vague de créativité numérique, dans l’art digital, la musique, et même l’écriture. La blockchain donne à ces résultats une permanence et une propriété. En créant des œuvres générées par l’IA sous forme de NFT, les créateurs peuvent établir leur autorité, monétiser leurs créations et suivre leur provenance. L’IA devient le moteur de la création; la blockchain devient le registre de l’authenticité. Ensemble, elles posent les bases d’une économie de créateurs évolutive et transparente.
• Agents économiques autonomes : les agents d’IA modernes peuvent déjà interagir avec des API, prendre des décisions et agir au nom des utilisateurs. Grâce aux portefeuilles crypto et à l’accès aux contrats intelligents, ces agents deviennent de véritables participants aux économies numériques, payant pour des services, achetant des données ou même embauchant des pigistes humains. La blockchain offre l’infrastructure financière et la couche de confiance pour que ces transactions se déroulent de façon autonome, sécuritaire et continue, sans avoir besoin de banques, d’intermédiaires ou d’heures de travail. 
• Traçabilité des données sur la blockchain pour l’entraînement de l’IA : l’un des problèmes les plus complexes de l’IA aujourd’hui est la traçabilité des données : qui possède les données d’entraînement, quels droits y sont associés, et comment les modèles ont été construits. En ancrant les empreintes des ensembles de données d’entraînement sur la blockchain, les développeurs peuvent créer des enregistrements immuables et horodatés de l’utilisation des données. Cela améliore la conformité et l’application des droits d’auteur, et pose également les bases pour des modèles vérifiables et explicables. Dans un monde rempli de contenu artificiel, la confiance repose sur la traçabilité des données.

La monnaie des machines intelligentes

La convergence ne dépend pas d’une norme de jeton unifiée – elle repose sur l’alignement de deux écosystèmes conçus pour l’échelle, l’automatisation et l’autonomie. À mesure que les agents d’IA évoluent vers des acteurs autonomes, ils auront besoin d’une interface économique native : une façon d’échanger de la valeur, de gérer les autorisations et de faire respecter les accords. La cryptomonnaie permet cette programmabilité grâce à des protocoles DeFi modulaires et à des primitives sur la blockchain, donnant aux agents d’IA une trousse financière prête à l’emploi avec laquelle ils peuvent interagir directement, sans passer par des intermédiaires humains ou des intégrations sur mesure.

Les agents de l’IA ne rempliront pas de formulaires de transfert bancaire et ne se connecteront pas à des portails bancaires, mais ils auront des portefeuilles, utiliseront des contrats intelligents et fonctionneront continuellement à travers les frontières. Dans ce sens, la cryptomonnaie ne peut pas remplacer la monnaie fiduciaire dans les économies humaines, mais elle pourrait devenir le moyen d’échange par défaut dans les économies de machines. La blockchain fournit les rails, la cryptomonnaie fournit le capital et l’IA fournit l’intelligence.

C’est la vision d’ensemble : la blockchain et l’IA ont commencé comme deux révolutions technologiques distinctes, mais elles convergent désormais vers une infrastructure commune qui redéfinit la manière dont les machines – et les humains – interagiront, gouverneront et échangeront. Ce n’est pas parce que leurs jetons sont interopérables, mais parce qu’ils partagent une logique de décentralisation, de programmabilité et de minimisation de la confiance. La prochaine ère des systèmes ne se limite pas au traitement de l’information. Ils vont échanger, raisonner, évoluer. Et ils auront besoin d’une infrastructure conçue pour cela.