Vitalik Buterin vient d’annoncer une nouvelle proposition de recherche, mais au lieu de répondre à la question la plus fréquemment posée — si la blockchain peut exécuter directement des modèles d’IA — cette approche adopte une direction différente.
L’étude suggère qu’Ethereum pourrait devenir une couche de paiement et de règlement protégeant la vie privée pour l’utilisation de l’IA et des API selon un modèle de tarification basé sur l’usage. L’article, co-écrit par Vitalik Buterin et Davide Crapis sur Ethereum Research, souligne que la véritable opportunité ne réside pas dans le fait de mettre des modèles LLM sur la chaîne.
Au contraire, la chance se trouve dans la construction d’une infrastructure permettant aux utilisateurs et aux agents IA de payer des milliers d’appels API sans révéler leur identité ni laisser de traces de surveillance via les données de paiement.
Le moment clé est celui où l’agent IA (AI agent) passe de la phase d’expérimentation à une déploiement à l’échelle de l’entreprise. Gartner prévoit qu’à la fin de 2026, environ 40 % des applications d’entreprise intégreront des agents IA spécialisés par tâche, contre moins de 5 % en 2025.
Gartner prévoit que l’utilisation d’agents IA spécialisés dans les applications d’entreprise passera de moins de 5 % en 2025 à 40 % à la fin 2026.## L’agent IA entre dans une phase de généralisation
Ce changement implique un monde où des logiciels automatisés génèrent un volume important d’appels API. Dans ce contexte, le système de paiement à l’usage ne sera plus une infrastructure secondaire, mais deviendra une couche stratégique.
Les systèmes actuels de mesure et de facturation obligent les utilisateurs à choisir entre deux modèles :
Mécanisme de crédits d’utilisation API ZK
La proposition introduit des crédits d’utilisation API ZK — un mécanisme de paiement et de lutte contre la fraude basé sur des Nullifiers de limitation de taux (RLN).
Les RLN sont un outil de preuve à divulgation zéro conçu pour prévenir le spam dans les systèmes anonymes. Cette recherche réutilise les RLN pour l’accès à des services payants selon l’usage.
Processus de fonctionnement :
Exemple illustratif :
Conçu pour un modèle « plusieurs appels par dépôt », c’est-à-dire que l’activité on-chain augmente en fonction du nombre de comptes et de la fréquence de règlement, plutôt qu’en fonction du volume total de déductions IA.
Le système supporte également des coûts variables : l’utilisateur paie à l’avance un plafond par appel, le serveur renvoie un ticket remboursé signé pour la partie non utilisée, et l’utilisateur peut accumuler en privé des remboursements pour augmenter sa limite sans recharger.
Infrastructure de paiement prête
La proposition apparaît dans un contexte où l’infrastructure de paiement on-chain a atteint une taille significative.
Ce design évite délibérément de mettre des LLM sur la chaîne. La blockchain ne rivalise pas en puissance de calcul ou en vitesse de déduction, mais en jouant un rôle de règlement neutre, de garantie de dépôt programmable et de mécanisme d’exécution vérifiable.
Les déductions IA sont traitées off-chain, tandis que la blockchain assure le paiement, la mesure et la résolution des litiges de manière fiable, sans que les utilisateurs aient à faire confiance à chaque fournisseur ou à révéler leur identité.
Si les fournisseurs d’IA acceptent des dépôts en garantie et s’appuient sur des smart contracts sur Ethereum ou layer 2 pour gérer la réduction de dépôts, le remboursement et les litiges, ce réseau pourrait devenir une couche d’exécution pour le commerce de l’IA — à l’image de sa fonction précédente en tant que couche de règlement pour les stablecoins et la DeFi.
Problème de métadonnées et défis de déploiement
Bien que le mécanisme de paiement puisse ne pas être lié cryptographiquement, il existe un risque de corrélation des métadonnées. Le serveur pourrait relier les utilisateurs via des motifs temporels, le nombre de tokens, le taux de cache hit et d’autres signaux comportementaux.
Certaines propositions suggèrent un mécanisme de tarification par « bucket » avec des couches d’entrée/sortie fixes pour réduire les fuites d’informations. La tension entre la vie privée cryptographique et les métadonnées comportementales est un facteur déterminant pour savoir si la conception atteint réellement l’anonymat.
En termes de déploiement, RLN n’est plus activement maintenu dans le cadre du projet Privacy and Scaling Explorations. Intégrer les crédits d’utilisation API ZK en production pourrait nécessiter un fork ou le développement d’outils nouveaux.
Les benchmarks RLNJS montrent :
Il ne s’agit que d’un test de performance initial ; des questions subsistent concernant les appareils mobiles et la scalabilité des circuits ZK.
Au-delà de la technique, il y a aussi la question de la coordination du marché. Les fournisseurs d’API Web2 disposent déjà d’infrastructures de paiement et d’un cadre juridique clair pour les transactions avec identité. Pour les convaincre de passer au modèle ZK, il faut démontrer un avantage en termes de coûts ou ouvrir un nouveau segment où la vie privée devient une exigence incontournable.
Impact potentiel sur Ethereum
Si ce modèle est adopté, la valeur d’Ethereum se repositionnera plus profondément en tant que couche d’exécution neutre pour le commerce numérique, plutôt que comme plateforme de calcul polyvalente.
La blockchain sera vue comme une couche de règlement où les règles économiques sont appliquées de manière vérifiable, plutôt que comme un lieu où les applications s’exécutent directement.
Les implications pourraient inclure :
Une opportunité de servir des groupes d’utilisateurs pour lesquels la vie privée dans les paiements est une condition préalable : entreprises craignant la fuite de données via les logs de paiement, développeurs construisant des outils d’IA agent nécessitant une mesure vérifiable sans surveillance, et utilisateurs avancés souhaitant accéder à des services à haute fréquence de manière anonyme.
La proposition suggère qu’Ethereum pourrait exécuter des accords de paiement, arbitrer des litiges et supporter un accès payant sans identification — ce qui est difficile à réaliser avec l’infrastructure traditionnelle. La faisabilité de cette vision dépendra de la résolution du problème de corrélation des métadonnées, du maintien d’une implémentation robuste de ZK, et de la démonstration d’une valeur économique suffisante pour inciter les fournisseurs à s’intégrer.
Avertissement : Les informations contenues dans cette page peuvent provenir de tiers et ne représentent pas les points de vue ou les opinions de Gate. Le contenu de cette page est fourni à titre de référence uniquement et ne constitue pas un conseil financier, d'investissement ou juridique. Gate ne garantit pas l'exactitude ou l'exhaustivité des informations et n'est pas responsable des pertes résultant de l'utilisation de ces informations. Les investissements en actifs virtuels comportent des risques élevés et sont soumis à une forte volatilité des prix. Vous pouvez perdre la totalité du capital investi. Veuillez comprendre pleinement les risques pertinents et prendre des décisions prudentes en fonction de votre propre situation financière et de votre tolérance au risque. Pour plus de détails, veuillez consulter l'
avertissement.
