IA et crypto en 2026 : Comment les blockchains deviennent l'infrastructure de l'IA

Le 1er avril 2026, le réseau Akash a annoncé que ses clients avaient dépassé les 5 millions de dollars de dépenses cumulées en calcul, argent réel payant pour une véritable puissance de traitement sur une place de marché blockchain. Ce chiffre capture le tournant de l’année : en 2026, la fusion de l’intelligence artificielle et de la crypto a cessé d’être une histoire que le secteur se racontait à lui-même pour devenir une couche sur laquelle d’autres choses se construisent. Les jetons crypto axés sur l’IA valent environ 21 milliards de dollars en août 2026, et 40 cents de chaque dollar de capital-risque investi dans les entreprises crypto en 2025 sont allés à des sociétés construisant à la fois l’IA et la crypto, soit plus du double de la part de l’année précédente. L’argument n’est plus qu’un jeton va monter en flèche ; c’est que l’IA se concentre à l’intérieur d’une poignée de très grandes entreprises, et que les réseaux ouverts peuvent offrir une alternative pour le calcul, pour la formation, pour les paiements et pour les agents qui effectueront des transactions en chaîne. Cet article cartographie comment cette infrastructure fonctionne réellement, couche par couche, et, tout aussi important, ce que chaque partie ne prouve pas.

Lire le secteur sans le battage médiatique

Avant les layers, une discipline traverse tout ce texte, car c’est ce qui sépare l’infrastructure du marketing. Chaque chiffre en titre de ce secteur répond à une question plus étroite qu’il n’y paraît. La capitalisation boursière d’un jeton n’est pas un revenu et pas un budget dépensé en machines. 

Une fonctionnalité en direct ne prouve pas que quelqu’un l’utilise. Une grande offre annoncée de GPU n’établit pas à quel point ces machines coopèrent sur une tâche d’entraînement donnée. Un score de référence ne soutient une comparaison que lorsque la version de test, les règles et conditions correspondent. Lu de cette façon, le secteur est réellement intéressant ; lu autrement, ce ne sont qu’une série de communiqués de presse.

L’échelle doit aussi être dite clairement, et c’est la mise en garde la plus importante ici. L’IA décentralisée est un petit complément en phase initiale à l’IA centralisée, pas un remplacement. Les hyperscalers comme Microsoft et Meta engagent chacun plus de 100 milliards de dollars en dépenses en capital IA, et les dépenses institutionnelles totales en IA en 2026 atteignent des centaines de milliards. L’ensemble du secteur des jetons IA décentralisée, d’environ 21 milliards de dollars de capitalisation, est une erreur d’arrondi à côté. Ce qui suit décrit une couche jeune, réelle et en mouvement rapide, pas un challenger déjà arrivé.

Pourquoi les blockchains et l’IA vont ensemble

L’association n’est pas arbitraire. L’IA est, comme le notent ses critiques, une boîte noire contrôlée par quelques grandes entreprises, et les blockchains offrent trois choses qu’une boîte noire n’a pas : un règlement transparent, une provenance vérifiable des données et des résultats, et une couche d’incitation qui peut coordonner le matériel d’étrangers sans propriétaire central. Dans l’autre sens, l’IA donne aux blockchains un moyen de gérer la complexité des systèmes multi-chaînes et d’alimenter des agents qui agissent plutôt que de simplement enregistrer.

Mais il faut faire une distinction dès le départ, car elle revient partout ci-dessous. 

Dans chaque architecture examinée ici, la majeure partie du travail d’IA se fait hors chaîne. La documentation réseau propre à Bittensor, par exemple, sépare le travail effectué dans ses sous-réseaux de la chaîne qui coordonne la participation et les récompenses. La blockchain enregistre des aspects de l’arrangement, fixe les règles de participation et règle les paiements ; le calcul réel s’exécute sur des machines ordinaires ailleurs. 

La manière pratique de tout tenir ensemble est de penser en couches, car les projets réunis sous le terme « jetons IA » occupent différents étages du même immeuble, et ils sont plus voisins que concurrents.

La couche de calcul : louer les GPU inactifs du monde

Le rez-de-chaussée est la puissance de calcul brute. Un groupe de réseaux utilise des incitations en jetons pour mettre en commun des GPU sous-utilisés provenant de centres de données, de studios et de particuliers, puis loue cette capacité, généralement à un prix bien inférieur à celui du cloud centralisé. Render Network a commencé dans le rendu graphique et s’est étendu vers l’IA et l’imagerie générative, avec un modèle de jeton qui brûle l’offre à mesure que le travail est réalisé. Akash fonctionne comme un « supercloud » décentralisé pour des charges générales en conteneurs et, comme mentionné, a rapporté environ 5 millions de dollars de dépenses de calcul cumulées en avril 2026. Des agrégateurs plus récents comme io.net regroupent les GPU de nombreuses sources en clusters assez grands pour rendre l’entraînement décentralisé réaliste.

Ici, la discipline faits contre affirmations fait ses preuves. Un dénombrement des cartes graphiques disponibles est une mesure d’offre, pas une garantie de performance : les gros travaux d’entraînement distribués nécessitent que les processeurs échangent constamment des informations, c’est pourquoi la bibliothèque de communication propre à NVIDIA pour les charges distribuées optimise la bande passante, la latence et la synchronisation entre GPUs. Un champ de machines éloignées et un cluster étroitement connecté sont des ressources différentes pour le même nombre nominal de cartes. 

La lecture honnête de cette couche est qu’elle gagne en coût, accès et résilience lors des crunchs de capacité centralisée, et perd sur le support, la conformité et la fiabilité face aux acteurs en place. C’est une soupape de trop-plein et une option moins coûteuse, pas encore un choix par défaut.

La couche d’intelligence : des marchés pour des résultats, pas des machines

Un étage plus haut, la question change du matériel au travail d’apprentissage automatique lui-même. Bittensor est l’exemple le plus clair : plutôt que de louer du matériel, il héberge un ensemble de sous-réseaux indépendants, chacun un petit marché où les participants produisent des résultats tels que l’inférence, la prédiction ou le score de données, les validateurs classent les résultats, et le jeton TAO permet au marché et non à une fondation de décider où vont les récompenses. 

Environ 118 à 128 sous-réseaux étaient actifs à la mi-2026, et Bittensor avait une capitalisation boursière proche de 3,5 milliards de dollars, bien qu’en août 2026 NEAR l’ait dépassé en tête de la catégorie IA, rappelant que le leadership ici n’est pas établi.

Le mécanisme le plus important à ce niveau est la règle de score, et il est facile de passer à côté. Un sous-réseau ne produit de la valeur que si ce qu’il récompense est ce que l’acheteur veut réellement : récompenser la vitesse donne la vitesse, récompenser la précision factuelle donne autre chose. Une blockchain peut fidèlement enregistrer un score convenu, mais si ce score mesure quelque chose d’utile est une question distincte à laquelle la chaîne ne peut répondre. C’est le vrai problème ouvert de cette couche, plus que n’importe quelle métrique de jeton.

La couche agent : logiciel qui paie ses propres outils

Encore plus haut, se trouvent des agents autonomes, des logiciels avec un portefeuille et une identité qui peuvent agir dans les limites fixées par leur opérateur. NEAR a repositionné sa couche 1 autour de cette économie « agentique », visant à être le rail de règlement pour les agents agissant à travers les chaînes, et l’Alliance Superintelligence Artificielle, ancrée par le jeton FET, consolide plusieurs projets en une seule pile axée sur les agents. La catégorie est jeune mais croît rapidement : les déploiements d’agents autonomes sur toutes les blockchains ont dépassé les 20 000 en février 2026, environ le triple du niveau fin 2025.

La norme x402 ravive la réponse HTTP 402 « paiement requis » longtemps dormante : un serveur peut exiger un paiement pour une ressource, et un client compatible peut payer et réessayer automatiquement, ce qui permet à un agent d’acheter un flux de données ou un appel d’inférence sans intervention humaine. Ce que cela ne décide pas, c’est quels achats l’agent doit être autorisé à effectuer. Un plafond de dépense, une liste approuvée de services et une règle d’escalade pour les demandes inhabituelles sont des choix que l’opérateur doit définir. Donner un portefeuille à un logiciel n’est pas la même chose que lui donner du jugement, et c’est là que la monnaie programmable crypto toujours active est à la fois un véritable avantage de vitesse sur la finance traditionnelle et la source la plus aiguë de nouveaux risques.

Ce que le registre enregistre, et ce qu’il ne peut certifier

Une limite transversale mérite son propre paragraphe, car elle s’applique à chaque couche au-dessus. Une blockchain peut conserver un enregistrement durable des informations soumises, mais elle ne peut rendre une observation externe vraie simplement parce que les participants l’ont écrite. La documentation oracle d’Ethereum cadre le problème directement : les applications ont besoin de mécanismes pour évaluer la source, l’intégrité et la disponibilité de toute donnée amenée sur chaîne. Il en va de même pour l’IA. Enregistrer une sortie n’est pas vérifier sa précision ; établir qui a soumis un ensemble de données n’est pas établir qu’il avait le droit de l’utiliser. Partout où cet article décrit une capacité, la méthode de vérification est la partie qui importe réellement.

Qubic en focus : intégrer le calcul dans le consensus

La majeure partie de la pile ci-dessus loue du calcul ou classe les résultats. Un réseau emprunte une voie structurellement différente qui mérite d’être examinée de plus près, car c’est l’exemple contraire le plus clair. Qubic est une couche 1 axée IA qui rassemble un réseau de transactions et un programme de recherche en IA, et la façon honnête de le comprendre est de regarder trois rôles séparément plutôt que de les fusionner en slogan.

Les mineurs produisent du travail ; les Calculateurs s’accordent sur l’état. Qubic appelle son approche de minage Preuve Utile de Travail (uPoW) : au lieu de brûler de l’électricité sur des hachages arbitraires, les mineurs exécutent des tâches computationnelles basées sur des réseaux neuronaux artificiels, et leurs solutions soumises alimentent le projet IA du réseau, Aigarth, tout en déterminant leur classement sur des époques hebdomadaires. Par ailleurs, les Calculateurs, limitée à 676 identités actives avec un quorum de 451 requis pour s’accorder, exécutent le système de transactions et contrats intelligents. Il est tentant de résumer cela à « l’entraînement IA est le consensus », mais cela fusionne deux mécanismes : produire une solution utile et s’accorder sur une transaction sont connectés par conception, mais ce sont des opérations distinctes. Correctement comprendre cette distinction est en soi la marque d’une description honnête.

Aigarth est un programme de recherche, pas une intelligence achevée. Aigarth est l’IA décentralisée développée sur Qubic, utilisant une recherche évolutive dans laquelle les systèmes candidats sont évalués sous une fonction d’évaluation partagée et les meilleurs performers sont retenus. Son équipe scientifique développe aussi Neuraxon, une architecture bio-inspirée dont les neurones artificiels portent des états excitateurs, neutres et inhibiteurs. Ce qui distingue Qubic de la plupart du secteur est une validation extérieure réelle : quatre articles de Neuraxon acceptés dans des conférences internationales en 2026, l’article « L’État Tampon Neutre » a gagné un prix de meilleure présentation à la conférence AMLDS 2026 parrainée par l’IEEE à Osaka, et le travail Multi-Neuraxon a été publié dans les actes AGI-26 de Springer. Très peu de projets crypto détiennent des recherches évaluées par des pairs et primées de ce type, et c’est le point le plus clair de différence de Qubic.

La trajectoire des benchmarks pointe dans le même sens, et c’est un progrès réel à condition d’être lu correctement. Sur ARC-AGI-3, un des tests de raisonnement interactif les plus difficiles en IA, l’architecture Neuraxon de Qubic est passée d’un score de 0,18 début juillet 2026 à 0,25 en août, selon les réunions générales du projet, et le cofondateur David Vivancos a rapporté un nouveau meilleur score de 0,38 en septembre 2026. 

Ce qui rend ce chiffre notable, c’est la manière dont il a été atteint : sur des CPU ordinaires, sans GPU et sans grand modèle linguistique, utilisant une conception bio-inspirée dont le code et les jeux de données sont open-source. Les mises en garde sont juste à côté : ces chiffres sont auto-rapportés, 0,38 est une meilleure exécution plutôt qu’une entrée établie dans le classement, et en termes absolus le score est encore faible, le haut du classement ARC-AGI-3 étant beaucoup plus élevé. Lu honnêtement, l’histoire est un élan et une méthode, pas une arrivée, et c’est une revendication plus forte qu’un seul chiffre en titre.

Un mécanisme en direct n’est pas encore une adoption. Dans un récapitulatif publié le 13 août 2026, l’équipe Qubic a rapporté que le Computing externalisé était en direct sur le mainnet depuis le 29 juillet, donnant aux applications un moyen de déclencher des actions hors chaîne, le troisième pilier avec la logique des contrats intelligents et les données des oracles. Cela établit la disponibilité. 

L’adoption est une mesure séparée, qui nécessite que les applications l’utilisent réellement et que les actions se terminent avec succès, ce que l’annonce seule ne prouve pas. Nommer ce fossé n’est pas une critique de Qubic ; c’est le même test que cet article applique à chaque projet.

Une comparaison plus courte : Akash comme place de marché du calcul

Comparé à Qubic, Akash rend le contraste concret. Il part d’un besoin familier : un développeur veut des ressources pour exécuter une application, des fournisseurs indépendants font des offres, le développeur accepte une offre, un bail est créé, et une séquestre financée paie le fournisseur pendant que le logiciel s’exécute sur le matériel du fournisseur. La blockchain coordonne l’accord et le paiement ; le calcul est un hébergement ordinaire.

Les contrôles pratiques sont les mêmes que ceux que requiert toute décision d’hébergement. La machine choisie correspond-elle au modèle ? L’application peut-elle récupérer si un fournisseur se déconnecte ? Où sont stockées les données et comment les sauvegardes et l’accès sont-ils gérés ? Une place de marché élargit le choix des fournisseurs ; elle ne fournit pas de plan d’exploitation, et la location d’une machine ne transfère aucun droit sur un modèle ou un ensemble de données placé dessus. 

Le point précis de la comparaison est le suivant : Akash organise l’hébergement pour une application, tandis que Qubic lie les contributions computationnelles à son système de minage et de Calculateur en parallèle d’un programme de recherche. Appeler les deux « crypto IA » cache exactement la distinction dont un développeur a besoin avant de choisir quoi construire.

La limite que personne n’échappe : à quel point est-ce vraiment décentralisé ?

Un article qui ne listerait que des capacités serait du marketing, donc la critique centrale du domaine doit être énoncée : l' »IA décentralisée » est décentralisée dans certains composants et centralisée dans d’autres, et le label doit être évalué partie par partie. Les opérateurs de matériel peuvent être indépendants tandis que tout le monde dépend de la même interface logicielle, du même fournisseur de modèle ou de la même source de données. 

Le design de Bittensor, par exemple, confie à chaque propriétaire de sous-réseau la tâche de définir ses règles d’incitation, donc la participation du fournisseur et la définition des règles sont différents types de contrôle. Le plafond de 676 Calculateurs de Qubic n’est pas non plus un décompte d’organisations contrôlées indépendamment ; juger de la concentration réelle nécessite des informations sur qui opère les sièges et comment le minage les soutient, ce que la limite indiquée par le protocole ne peut trancher à elle seule.

Pour quiconque construit sur ces réseaux, le test pratique est un audit des dépendances : identifier qui peut interrompre le service, changer ses règles ou atteindre ses données, puis répéter cela pour le modèle, l’hébergement, le rail de paiement et l’interface. Un service peut rester exposé à un fournisseur unique même si un composant est distribué. 

Il y a aussi une conséquence européenne marquée. L’autorité française de protection des données, la CNIL, a été claire : utiliser une blockchain ne supprime pas les obligations sous le RGPD : les responsabilités doivent toujours être attribuées, et les implications de l’architecture, y compris les transferts internationaux de données, doivent encore être évaluées. Un label « décentralisé » ne fait pas ce travail pour vous.

Le verdict le plus honnête sur le secteur vient de l’intérieur. Discutant de la recherche Multi-Neuraxon le 31 août 2026, le neuroscientifique de Qubic Jose Sanchez a été franc : la montée en échelle n’a pas encore été démontrée et l’équipe doit encore au domaine une comparaison directe, disant : « Nous devons aussi encore au domaine une base transformer ». C’est le registre juste pour 2026 : recherche réelle et infrastructure réelle, mesurées par des résultats reproductibles et des utilisateurs payants plutôt que par la taille de la promesse. 

Le capital-risque soutient cette couche d’infrastructure car c’est la partie dont l’IA a réellement besoin, et l’année prochaine sera lue à travers les benchmarks que d’autres peuvent répéter et une demande que quelqu’un a vraiment payée.

Ering N.

Independent author, specialized in decentralized artificial intelligence and crypto ecosystems. I analyze projects by what they actually do, not by the noise around them.