Bittensor est le plus grand réseau décentralisé d'IA en termes de capitalisation boursière et l'un des projets cryptographiques les plus commentés de ces deux dernières années. À la mi-2026, il exploite 128 « sous-réseaux » actifs, chacun constituant un marché spécialisé dans un type particulier de tâche d'IA, avec une capitalisation boursière se chiffrant en milliards et faisant l'objet à la fois d'un afflux constant de capitaux institutionnels et de controverses publiques.
Le principe de base : Bittensor est un réseau blockchain au sein duquel les contributeurs exécutent des modèles d’apprentissage automatique dans des sous-réseaux, les validateurs évaluent les résultats, et le réseau distribue des jetons TAO proportionnellement à l’utilité du travail fourni. C'est ce qui se rapproche le plus, dans le domaine des cryptomonnaies, d'une économie de l'IA fonctionnelle à grande échelle, motivée par des jetons, et ce projet est au cœur du débat plus large sur l'IA décentralisée.
Petite précision d'emblée : quand on parle de « minage TAO », il ne s'agit pas du minage par hachage à la manière du Bitcoin. Il s'agit plutôt d'exécuter un modèle d'IA et d'envoyer ses résultats à un sous-réseau, où des validateurs les évaluent et où le protocole verse des récompenses.
Qu'est-ce que Bittensor ?
Bittensor est un réseau décentralisé qui utilise les mécanismes d'incitation de la blockchain pour coordonner les tâches d'apprentissage automatique. Les contributeurs exécutent des modèles d'IA au sein de sous-réseaux spécialisés, les validateurs évaluent leurs résultats, et le réseau distribue des jetons TAO en guise de récompenses en fonction de l'utilité de ces tâches.
Le projet a été cofondé en 2019 par Jacob Steeves et Ala Shaabana, et est géré par l'association à but non lucratif Opentensor Foundation. Le réseau principal actuel, baptisé « Finney », a été lancé le 20 mars 2023, après deux versions précédentes. Bittensor repose sur Substrate, le même framework que celui utilisé par Polkadot, et fonctionne sur sa propre chaîne spécialement conçue à cet effet.
Ce qu’il faut avant tout comprendre à propos de Bittensor, c’est ce qu’il n’est pas. Il ne s’agit pas d’entraîner un seul modèle de pointe, comme le font OpenAI ou Anthropic. Il n’existe pas de « LLM Bittensor ». Le réseau est plutôt constitué d’un ensemble de sous-réseaux indépendants, chacun dédié à une tâche d’IA différente : inférence LLM, génération d’images, marchés prédictifs, entraînement distribué, calcul sur GPU, audio, recherche. Chaque sous-réseau est une mini-compétition à part entière ; le réseau les coordonne.
C'est cette structure qui fait de Bittensor l'exemple le plus souvent cité en matière d'« IA sur blockchain », mais qui est également à l'origine de la plupart des malentendus concernant son fonctionnement réel.
Fonctionnement de Bittensor : sous-réseaux, mineurs et validateurs
La pile Bittensor comporte quatre éléments mobiles qu'il est facile de confondre tant qu'on ne les a pas vus au moins une fois.
Sous-réseaux
Un sous-réseau est un réseau indépendant dédié à un type particulier de tâche d'IA. Le sous-réseau 3 (τemplar) entraîne de grands modèles linguistiques de manière décentralisée. Le sous-réseau 64 (Chutes) fournit de la puissance de calcul sur GPU.
D'autres gèrent les marchés prédictifs, les représentations vectorielles, la génération d'images et les signaux financiers. Les sous-réseaux sont créés par propriétaires de sous-réseaux, qui définissent ce qui constitue un « bon travail » et établissent les règles d'évaluation. À la mi-2026, on comptait 128 sous-réseaux actifs, et une extension à 256 est prévue.
Les trois rôles
Chaque sous-réseau compte trois types de participants :
- Mineurs exécuter le modèle d'IA et générer des résultats : texte, images, prédictions, selon les besoins du sous-réseau. Il s'agit de « mineurs d'IA », et non de mineurs de hachage. La configuration matérielle requise dépend du sous-réseau.
- Validateurs évaluer les résultats des mineurs et attribuer des notes. Pour participer, ils doivent mettre en jeu des TAO ; leur influence sur l'attribution des notes est proportionnelle à leur mise.
- Propriétaires de sous-réseaux créer et gérer les règles du sous-réseau, la conception des mesures incitatives et la base de code.
Consensus de Yuma
Le consensus de Yuma est le mécanisme mis en place par Bittensor pour convertir les scores des validateurs en récompenses TAO. Les validateurs évaluent les mineurs ; le réseau agrège ces évaluations en les pondérant en fonction de la mise de chaque validateur ; les récompenses sont réparties proportionnellement entre les mineurs, les validateurs et les propriétaires de sous-réseaux. Le calcul est conçu de telle sorte que les validateurs de mauvaise foi, c'est-à-dire ceux dont les scores s'écartent trop du consensus, gagnent moins et voient leur influence diluée au fil du temps par celle des validateurs honnêtes.
Flux de jetons
Une quantité fixe de TAO est émise par bloc. Après le halving de décembre 2025, cette quantité s'élèvera à 0,5 TAO par bloc, soit environ 3 600 TAO par jour. Les émissions sont réparties entre les sous-réseaux en fonction de signaux dictés par le marché (plus d'informations à ce sujet ci-dessous), et au sein de chaque sous-réseau, elles sont réparties entre les mineurs, les validateurs et le propriétaire du sous-réseau.
TAO, TAO dynamique et l'économie des jetons
Le TAO est le jeton natif du réseau Bittensor. Il sert au staking (délégation à des validateurs pour obtenir une part des émissions), à la création de sous-réseaux (les propriétaires de sous-réseaux bloquent des TAO pour s'enregistrer), au paiement de services d'IA et à la gouvernance.
Le calendrier d'approvisionnement s'inspire directement de celui du Bitcoin : un plafond fixe de 21 millions de TAO, avec des « halvings » qui réduisent de moitié les émissions. La première réduction de moitié de Bittensor a eu lieu à la mi-décembre 2025, faisant passer les émissions quotidiennes d'environ 7 200 TAO à 3 600 TAO (0,5 TAO par bloc).
Le changement économique le plus important de l'histoire de Bittensor s'est produit en février 2025, lors de la mise en service de la mise à jour « Dynamic TAO » (dTAO). Avant le dTAO, un conseil composé de 64 validateurs déterminait quels sous-réseaux bénéficiaient d'émissions de TAO. Depuis le dTAO, chaque sous-réseau dispose de son propre jeton alpha et son propre réservoir de liquidités.
Les utilisateurs qui souhaitent soutenir un sous-réseau misent des TAO dans le pool de ce sous-réseau, reçoivent en échange son jeton alpha et perçoivent des émissions proportionnelles à la taille de ce pool. Les sous-réseaux dans lesquels davantage de TAO sont misés génèrent davantage d’émissions. En un mot : le dTAO a transformé chaque sous-réseau en une micro-économie à part entière, avec le TAO au sommet de la pyramide.
Pour consulter les données en temps réel sur les émissions, les rendements de staking et les statistiques au niveau des sous-réseaux, taostats.io est la source de référence.
Le rôle réel des sous-réseaux Bittensor
Les sous-réseaux se répartissent en quelques grandes catégories. Certains s'apparentent davantage à des infrastructures, tandis que d'autres s'apparentent davantage à des produits.
Calcul et apprentissage distribué
Des sous-réseaux dédiés au calcul sur GPU et à l'entraînement décentralisé de modèles. L'exemple le plus marquant est celui de τemplar (SN3), qui a entraîné Covenant-72B, ce qui était, début 2026, le plus grand modèle pré-entraîné de manière collaborative sur un réseau décentralisé. Chutes (SN64) et Targon (SN4) proposent de la capacité GPU à louer pour l'inférence et les tâches d'entraînement de courte durée.
Modèles de base et grands modèles de langage (LLM)
Les sous-réseaux entraînent et mettent à disposition des modèles linguistiques à poids variables pour l'inférence. Ils se font concurrence sur la qualité des résultats et les coûts ; les validateurs évaluent les réponses à l'aide de grilles d'évaluation. Ce modèle économique est particulièrement avantageux pour les modèles de taille moyenne, pour lesquels la mise à disposition décentralisée peut s'avérer plus économique que les tarifs des services cloud centralisés.
Image, audio et multimodal
Sous-réseaux de médias génératifs : génération d'images, synthèse audio, synthèse vocale et, de plus en plus, vidéo. Les « mineurs » exécutent des modèles de diffusion ou de transformateurs ; les « validateurs » évaluent les résultats par rapport aux critères de qualité du sous-réseau.
Prévision, finance et signaux structurés
Des sous-réseaux générant des prévisions de marché, des données sur le sentiment, des pronostics sportifs et des signaux financiers structurés. Des indicateurs de réussite plus clairs (la prévision était-elle correcte ?) rendent l'évaluation plus simple que pour les tâches génératives.
Recherche et extraction
Des sous-réseaux axés sur la recherche sur le Web, les représentations vectorielles et les systèmes de recherche augmentée – utiles en tant que middleware pour les applications d’IA nécessitant des données actualisées. La qualité de ces sous-réseaux varie considérablement. Certains génèrent de réels revenus et présentent une adéquation produit-marché. D’autres en sont à leurs débuts, relèvent de la spéculation ou sont sur le point d’être abandonnés. Le marché dTAO est censé mettre en évidence cette distinction, ce qu’il fait dans une certaine mesure, mais il génère également des cycles d’expansion et de récession plus marqués pour les jetons alpha.
Un avis honnête sur Bittensor
Bittensor suscite des avis très tranchés, tant en faveur qu'en défaveur. Il convient de garder à l'esprit trois points à la fois.
Qu'est-ce qui est réel ?
Bittensor dispose d'une pile technique opérationnelle, d'un calendrier d'émission basé sur la réduction de moitié, d'un mécanisme de marché (dTAO) permettant de répartir les récompenses entre les sous-réseaux, ainsi que d'un soutien institutionnel majeur : l'implication de longue date de Polychain Capital et la création du Grayscale Bittensor Trust (GTAO), dont la demande de conversion en ETF au comptant est en attente d'examen par la SEC. Plusieurs sous-réseaux proposent dès aujourd’hui des services d’IA opérationnels et génèrent des revenus réels.
Ce qui est contesté
La qualité des sous-réseaux varie considérablement. Certains sont de véritables produits d’IA ; d’autres ne sont que des « fermes d’émission » au rendement minime. Le réseau a également connu des incidents de sécurité majeurs : en juillet 2024, un paquet malveillant mis en ligne sur PyPI a entraîné le vol d’environ 8 millions de dollars et l’arrêt de la chaîne pendant 10 jours. En mai 2025, une attaque par appels de lots incontrôlés a placé le réseau en « mode sécurisé » pendant deux jours. Ces deux incidents ont été résolus, mais ils font partie de l’historique opérationnel.
Le risque lié à la résiliation du contrat et à l'opérateur de sous-réseau
En avril 2026, Covenant AI (opérateur du sous-réseau 3 et équipe à l'origine de la campagne d'entraînement Covenant-72B) s'est retiré publiquement du réseau, a vendu environ 37 000 TAO (soit environ 10 millions de dollars) et a accusé la direction de Bittensor d'exercer un contrôle unilatéral.
Un cofondateur de Bittensor a publiquement contesté cette interprétation, et le réseau a continué à fonctionner. Cet incident a entraîné une chute significative des cours et reste l’exemple le plus frappant de la manière dont le comportement d’un opérateur de sous-réseau peut affecter l’ensemble du réseau. Bittensor est l’un des rares projets cryptographiques à apporter une réponse concrète à la question : « À quoi ressemblerait l’IA sur une blockchain ? » C’est également l’un des plus volatils.
Conclusion
Bittensor est la réponse la plus aboutie que le monde de la cryptomonnaie ait apportée à la question « À quoi ressemblerait l’IA sur une blockchain ? » : 128 sous-réseaux spécialisés, un calendrier de halving à la manière du Bitcoin, des revenus réels générés par certaines charges de travail, et un soutien financier institutionnel de taille. C’est également l’un des projets les plus controversés du secteur, marqué par des incidents de sécurité, des ventes massives de la part d’opérateurs de sous-réseaux et d’importantes disparités de qualité. Toute analyse sérieuse de TAO doit tenir compte de ces deux aspects à la fois.
