L'IA se centralise rapidement. Cinq laboratoires de pointe (OpenAI, Anthropic, Google DeepMind, Meta et xAI) contrôlent la plupart des modèles les plus performants au monde, les données propriétaires sur lesquelles ils ont été entraînés, ainsi que les clusters de calcul nécessaires pour en entraîner d'autres. L'IA décentralisée est la réponse propre à la cryptographie.
L'IA décentralisée, ou DeAI, repose sur l'idée que les mêmes composants qui permettent le fonctionnement de l'IA moderne peuvent être coordonnés par des blockchains et des incitations sous forme de jetons, plutôt que par une seule entreprise. Il ne s'agit pas de rivaliser avec OpenAI sur un cluster de GPU de 10 milliards de dollars, mais de construire des alternatives ouvertes aux niveaux où la décentralisation fonctionne réellement.
Qu'est-ce que l'IA décentralisée ?
L'IA décentralisée, souvent abrégée en DeAI, désigne les systèmes d'intelligence artificielle reposant sur une infrastructure blockchain et coordonnés par des incitations sous forme de jetons : la puissance de calcul, les données, les modèles et la prise de décision sont ainsi répartis entre de nombreux participants plutôt que concentrés au sein d'une seule entreprise.
L'abréviation « DeAI » (D majuscule, AI majuscule) est désormais couramment utilisée dans le secteur ; nous l'utilisons de manière interchangeable avec « IA décentralisée » tout au long de ce document. Ce terme a une portée plus large que n'importe quel projet individuel. Il recouvre une pile (les marchés de calcul à la base, les réseaux de données et de modèles au milieu, les frameworks d'agents au sommet) reliée par des couches de coordination blockchain.
DeAI a pour mission de lutter contre trois tendances. Premièrement, la concentration de l'IA de pointe dans cinq laboratoires dont les décisions internes en matière d'alignement, de sécurité et de tarification ont des répercussions sur tout le monde. Deuxièmement, l'opacité des modèles fermés entraînés sur des données que le public ne peut pas voir et auxquelles il n'a pas consenti. Troisièmement, le décalage entre les laboratoires d'IA et les utilisateurs dont les données ont servi à l'entraînement : la valeur circule dans un seul sens, sans qu'aucun jeton, aucune part ni aucun revenu ne revienne aux contributeurs.
Aucun de ces problèmes n'est entièrement résolu par l'ajout d'une blockchain. Mais chacun d'entre eux devient plus facile à traiter lorsque la propriété, les paiements et les preuves peuvent être coordonnés au sein d'un système sans autorisation.
IA décentralisée vs apprentissage fédéré
Les termes « IA décentralisée » et « apprentissage fédéré » semblent apparentés, mais ils répondent à des problématiques très différentes. L'apprentissage fédéré est une technique d'apprentissage automatique respectueuse de la vie privée utilisée par les grandes entreprises technologiques ; l'IA décentralisée (DeAI) est un mouvement natif de la cryptographie, articulé autour des blockchains et des jetons.
Dans l'apprentissage fédéré, un modèle s'entraîne sur plusieurs appareils (votre téléphone, les serveurs d'un hôpital, la base de données d'une banque) sans que les données brutes ne quittent jamais chaque appareil. Seules les mises à jour du modèle sont transmises. Google Gboard l'utilise pour la prédiction du mot suivant ; Apple l'utilise pour l'apprentissage sur appareil ; les consortiums médicaux l'utilisent pour entraîner des modèles de diagnostic sans exposer les dossiers des patients. Une partie centrale, généralement l'entreprise propriétaire du modèle, coordonne l'ensemble.
La DeAI est l'antithèse de la coordination centralisée. La puissance de calcul, les données et parfois le modèle lui-même sont détenus et gérés par de nombreuses entités indépendantes. Une blockchain assure leur coordination ; des jetons récompensent les contributions utiles.
Ces deux approches peuvent être combinées, car les techniques d'apprentissage fédéré peuvent être mises en œuvre au sein des systèmes DeAI afin de préserver la confidentialité. Cependant, l'apprentissage fédéré à lui seul ne constitue pas la DeAI. L'apprentissage fédéré concerne la manière dont les calculs sont effectués. DeAI concerne la question de savoir à qui appartient le système.
Comment fonctionne l'IA décentralisée
La DeAI n'est pas une technologie unique ; il s'agit d'une pile technologique. Quatre couches sont essentielles, chacune comportant ses propres projets.
La couche de calcul
Les GPU et autres équipements matériels nécessaires à l'entraînement et à l'exécution des modèles d'IA. C'est là que DeAI recoupe directement DePIN. Des réseaux tels que Render, Akash et io.net louent de la puissance de calcul GPU décentralisée pour des charges de travail d'IA, qu'il s'agisse d'amateurs individuels exécutant des tâches d'inférence ou de start-ups procédant à un réglage fin à grande échelle. La pénurie de GPU prévue pour 2024-2026 a fait de cette couche la partie la plus active de l'écosystème DeAI.
La couche de données
Ensembles de données nécessaires à l'entraînement des modèles. Les places de marché décentralisées permettent aux propriétaires de données de monétiser leurs ensembles de données sans en perdre le contrôle. Des réseaux de stockage tels que Filecoin et Arweave hébergent les poids des modèles, les ensembles de données d'entraînement et les résultats. Le volume reste encore modeste par rapport à celui des courtiers en données centralisés, mais l'infrastructure fonctionne.
La couche de modèle
Des modèles « open-weight » que tout le monde peut exécuter, affiner ou modifier. Les réseaux d'entraînement basés sur des incitations par jetons, dont Bittensor est le plus connu, récompensent les participants qui apportent des améliorations utiles aux modèles pour des tâches spécifiques. Notez que le simple fait d'être « à poids ouverts » (comme les modèles Llama de Meta ou ceux de Mistral) ne signifie pas pour autant qu'il s'agit de DeAI. Il s'agit d'open source. DeAI ajoute la coordination via la blockchain et l'économie des jetons à cette ouverture.
La couche d'inférence et d'agents
Une fois le modèle créé, il faut bien que quelqu'un l'exécute. Les réseaux d'inférence décentralisés répartissent cette tâche entre de nombreux opérateurs de nœuds. À cela s'ajoute la couche des agents IA : des programmes autonomes qui agissent au nom de l'utilisateur et effectuent de plus en plus souvent des paiements en cryptomonnaie. Olas et Virtuals Protocol sont les projets les plus cités dans ce domaine, mais tous deux sont encore en phase de développement.
Les principaux projets de désIA à connaître en 2026
DeAI est une catégorie, et non un concurrent direct d'OpenAI. Regroupez les projets en fonction de leurs activités réelles.
Chaînes de blocs natives de l'IA et réseaux d'apprentissage
Bittensor (TAO) est l'exemple le plus souvent cité. La plateforme gère 128 « sous-réseaux » actifs, chacun correspondant à un marché spécialisé dans une tâche d'IA spécifique : pré-entraînement de modèles linguistiques, encodage d'images, prévisions financières, traitement de la parole, recherche.
Sur chaque sous-réseau, les mineurs se disputent des récompenses sous forme de jetons en fonction de la qualité de leur production. Au premier trimestre 2026, NVIDIA s'est engagée à investir 420 millions de dollars, tandis que Polychain Capital a apporté 200 millions de dollars, portant ainsi le total des apports institutionnels à plus de 620 millions de dollars. Les revenus du réseau ont atteint 43 millions de dollars au cours du dernier trimestre.
L'Alliance ASI
Fetch.ai, SingularityNET, Ocean Protocol et (plus tard) CUDOS ont fusionné en 2024 pour former l'Artificial Superintelligence Alliance, regroupant leurs jetons sous le nom de FET, avec l'intention de le rebaptiser ASI. Le changement de nom n'a jamais été entièrement mis en œuvre sur toutes les plateformes d'échange, de sorte que la plupart continuent de référencer le FET.
En octobre 2025, Ocean Protocol s'est officiellement retiré de l'alliance en raison de différends liés à la gouvernance. Les membres restants (Fetch.ai, SingularityNET et CUDOS) continuent de commercialiser des produits, notamment ASI-1 mini, un LLM natif Web3 de 7 milliards de paramètres, ainsi qu'une couche 1 prévue appelée ASI Chain.
Agents
Olas se concentre sur l'économie des agents autonomes : des programmes indépendants qui s'échangent des paiements, se coordonnent et accomplissent des tâches. Virtuals Protocol se concentre sur les agents IA destinés aux consommateurs, notamment dans les domaines du jeu vidéo et des réseaux sociaux. Cette couche est la plus récente et en est encore à ses débuts.
Ce qui est réellement décentralisé et ce qui ne l'est pas
La désintégration de l'IA (DeAI) présente à la fois un véritable élan et de réelles lacunes. Une analyse honnête, étape par étape :
Formation des modèles de pointe : toujours centralisée
L'entraînement d'un modèle de l'envergure de GPT-5 nécessite des centaines de millions de dollars en ressources informatiques coordonnées, en données propriétaires et en personnel d'ingénierie centralisé. Aucun projet DeAI n'atteint cette échelle de pointe, et ce ne sera pas pour demain.
Même la plus grande avancée technique de Bittensor (le pré-entraînement collaboratif de Covenant AI, avec ses 72 milliards de paramètres, réalisé en mars 2026) était d'un ordre de grandeur inférieur aux efforts des laboratoires de pointe. Covenant a par la suite quitté le réseau, qualifiant la décentralisation de « mise en scène » en raison de différends sur la gouvernance, ce qui rappelle que le terme « décentralisé » peut décrire la mathématique sans pour autant décrire le pouvoir.
Informatique : une véritable décentralisation
Les GPU sont interchangeables, les tâches sont courtes et la vérification des résultats est simple, ce qui explique pourquoi l'offre s'est concrétisée dans ce domaine. Render traite environ 1,5 million d'images par mois ; Akash a dépassé les 5 millions de dollars de dépenses informatiques au premier trimestre 2026 ; io.net regroupe des GPU dans plus de 130 pays. La même carte qui fait tourner un jeu vidéo la nuit peut exécuter une tâche d'inférence le lendemain matin, et le client n'a pas besoin de savoir à qui elle appartient.
L'inférence : une voie réalisable et en plein essor
L'inférence est sans état, les tâches sont légères et les résultats vérifiables : c'est la prochaine étape logique de la décentralisation après le calcul brut. Les réseaux exploitent les GPU grand public et de jeu qui, autrement, resteraient inutilisés ; ainsi, un petit modèle à poids ouvert comme Llama-3-8B peut souvent être déployé pour la moitié du coût d'AWS ou d'Azure. L'écart se réduit à mesure que la taille des modèles augmente ; servir un modèle de 400 milliards de paramètres de manière décentralisée reste toutefois plus difficile que sur un hyperscaler.
Les places de marché de données : encore à leurs débuts, mais bien réelles
Des réseaux tels que Vana pour les données personnelles et Grass pour les données issues du web prouvent que l'échange décentralisé de données est techniquement réalisable. La question la plus épineuse concerne la demande. Les laboratoires d'IA disposent déjà de ce dont ils ont besoin : des données issues du web ouvert ainsi que des accords directs de premier plan (Reddit–Google, NYT–OpenAI, Shutterstock). Les places de marché décentralisées résolvent un problème du côté de l'offre qui ne se pose pas encore du côté de la demande, bien que cela puisse changer si les données d'entraînement deviennent plus disputées.
La R&D incitée par les jetons : une approche ciblée sur des niches spécifiques
Les récompenses sous forme de jetons s'avèrent efficaces pour l'amélioration progressive de tâches mesurables (précision de la reconnaissance vocale, qualité des vecteurs d'encodage, benchmarks de classification d'images) et les sous-réseaux de Bittensor produisent des modèles compétitifs précisément dans ces domaines. Ce que les jetons ne peuvent pas facilement financer, ce sont les recherches de pointe, qui nécessitent des années de capital patient, des expériences coûteuses et une tolérance à l'échec. Les conflits de gouvernance chez Bittensor soulèvent également une question structurelle : la R&D alignée sur les jetons ne fonctionne que dans la mesure où le protocole qui l'entoure est efficace.
Conclusion
La question intéressante concernant la DeAI en 2026 est de savoir quelles couches de la pile résisteront à l'examen minutieux. Le calcul et l'inférence accomplissent un travail concret et mesurable pour des clients qui paient.
Les places de marché dédiées aux données et aux modèles sont en pleine expansion, mais leur viabilité reste à prouver. La question de la gouvernance (c'est-à-dire celle qui détermine si le terme « décentralisé » s'applique aux principes mathématiques ou au pouvoir) ne cesse de susciter des controverses, comme en témoignent le retrait d'Ocean de l'ASI Alliance et celui de Covenant de Bittensor.
DeAI ne remplacera pas OpenAI en 2026, et ne le fera peut-être jamais. Mais l'entreprise développe de véritables alternatives au cœur et en périphérie de la pile technologique, et c'est d'ailleurs là que la plupart des gens finiront par interagir avec l'IA.
