Cours du MyShell

Centralisation vs Décentralisation de l'IA : Qu'est-ce qui vaut la peine d'être joué ? Imaginez deux arènes : l'une est dominée par des géants de la technologie qui gèrent d'énormes centres de données, entraînent des modèles de pointe et établissent les règles. L'autre distribue le calcul, les données et la prise de décision à travers des millions de mineurs, d'appareils en périphérie et de communautés ouvertes. L'endroit où vous choisissez de construire ou d'investir dépend de l'arène que vous croyez capturer la prochaine vague de valeur, ou si la véritable opportunité réside dans le pont entre les deux. --- Ce que signifie la centralisation et la décentralisation dans l'IA L'IA centralisée se trouve principalement dans des plateformes cloud hyperscale comme AWS, Azure et Google Cloud, qui contrôlent la majorité des clusters GPU et détiennent 68 % de part de marché mondial du cloud. Ces fournisseurs entraînent de grands modèles, gardent les poids fermés ou sous des licences restrictives (comme on le voit avec OpenAI et Anthropic), et utilisent des ensembles de données propriétaires et des partenariats de données exclusifs. La gouvernance est généralement corporative, dirigée par des conseils d'administration, des actionnaires et des régulateurs nationaux. D'autre part, l'IA décentralisée distribue le calcul à travers des marchés GPU peer-to-peer, tels que @akashnet_ et @rendernetwork, ainsi que sur des réseaux d'inférence en chaîne comme @bittensor_. Ces réseaux visent à décentraliser à la fois l'entraînement et l'inférence. --- Pourquoi la centralisation domine encore Il existe des raisons structurelles pour lesquelles l'IA centralisée continue de mener. Entraîner un modèle de pointe, disons, un modèle multilingue de 2 trillions de paramètres, nécessite plus de 500 millions de dollars en matériel, électricité et capital humain. Très peu d'entités peuvent financer et exécuter de telles entreprises. De plus, les obligations réglementaires telles que l'Ordre Exécutif américain sur l'IA et la Loi sur l'IA de l'UE imposent des exigences strictes concernant les tests de sécurité, les rapports de sécurité et la transparence. Répondre à ces exigences crée un fossé de conformité qui favorise les acteurs bien dotés en ressources. La centralisation permet également un suivi de sécurité plus strict et une gestion du cycle de vie à travers les phases d'entraînement et de déploiement. --- Les fissures du modèle centralisé Pourtant, cette domination a des vulnérabilités. Il y a une préoccupation croissante concernant le risque de concentration. En Europe, des dirigeants de 44 grandes entreprises ont averti les régulateurs que la Loi sur l'IA de l'UE pourrait renforcer involontairement les monopoles cloud américains et contraindre le développement régional de l'IA. Les contrôles à l'exportation, en particulier les restrictions GPU dirigées par les États-Unis, limitent qui peut accéder à des calculs haut de gamme, encourageant les pays et les développeurs à se tourner vers des alternatives décentralisées ou ouvertes. De plus, les prix des API pour les modèles propriétaires ont connu plusieurs augmentations depuis 2024. Ces rentes de monopole motivent les développeurs à envisager des solutions à coût réduit, à poids ouvert ou décentralisées. --- IA décentralisée Nous avons des marchés de calcul en chaîne tels qu'Akash, Render et @ionet qui permettent aux propriétaires de GPU de louer leur capacité inutilisée à des charges de travail d'IA. Ces plateformes s'étendent maintenant pour prendre en charge les GPU AMD et travaillent sur des preuves au niveau des charges de travail pour garantir la performance. Bittensor incite les validateurs et les exécutants de modèles grâce au token $TAO. L'apprentissage fédéré gagne en adoption, principalement dans le secteur de la santé et des finances, en permettant un entraînement collaboratif sans déplacer de données brutes sensibles. La preuve d'inférence et l'apprentissage automatique à connaissance nulle permettent des sorties de modèle vérifiables même lorsqu'elles fonctionnent sur du matériel non fiable. Ce sont des étapes fondamentales pour des API d'IA décentralisées et sans confiance. --- Où se trouve l'opportunité économique À court terme (aujourd'hui à 18 mois), l'accent est mis sur l'infrastructure de couche d'application. Les outils qui permettent aux entreprises de passer facilement d'OpenAI, Anthropic, Mistral ou des modèles locaux à poids ouverts seront précieux. De même, les studios ajustés offrant des versions conformes aux réglementations des modèles ouverts sous des SLA d'entreprise gagnent en traction. À moyen terme (18 mois à 5 ans), les réseaux GPU décentralisés devraient s'accélérer à mesure que leurs prix de token reflètent l'utilisation réelle. Pendant ce temps, les sous-réseaux de style Bittensor axés sur des tâches spécialisées, comme l'évaluation des risques ou le repliement des protéines, évolueront efficacement grâce aux effets de réseau. À long terme (plus de 5 ans), l'IA en périphérie devrait dominer. Les téléphones, les voitures et les appareils IoT exécuteront des LLM locaux entraînés par apprentissage fédéré, réduisant la latence et la dépendance au cloud. Des protocoles de propriété des données émergeront également, permettant aux utilisateurs de gagner des micro-redevances à mesure que leurs appareils contribuent aux gradients des mises à jour de modèles globaux. --- Comment identifier les gagnants Les projets susceptibles de réussir auront un fossé technique solide, résolvant des problèmes autour de la bande passante, de la vérification ou de la confidentialité d'une manière qui offre des améliorations d'ordres de grandeur. Les roues économiques doivent être bien conçues. Une utilisation plus élevée devrait financer une meilleure infrastructure et des contributeurs, et non simplement subventionner les passagers clandestins. La gouvernance est essentielle. Le vote par token seul est fragile, cherchez plutôt des conseils multi-parties prenantes, des chemins de décentralisation progressive ou des modèles de token à double classe. Enfin, l'attraction de l'écosystème compte. Les protocoles qui s'intègrent tôt avec les chaînes d'outils des développeurs compenseront l'adoption plus rapidement. --- Jeux stratégiques Pour les investisseurs, il peut être judicieux de se couvrir, en maintenant une exposition à la fois aux API centralisées (pour des rendements stables) et aux tokens décentralisés (pour un potentiel asymétrique). Pour les bâtisseurs, les couches d'abstraction qui permettent un passage en temps réel entre les points de terminaison centralisés et décentralisés, en fonction de la latence, du coût ou de la conformité, représentent une opportunité à fort levier. Les opportunités les plus précieuses pourraient ne pas se situer aux pôles mais dans le tissu conjonctif : protocoles, couches d'orchestration et preuves cryptographiques qui permettent aux charges de travail de circuler librement au sein des systèmes centralisés et décentralisés. Merci de votre lecture !