jacob robert steeves dévoile la vision minière en IA de Bittensor : relier l'économie et l'intelligence artificielle

Dans une conversation exclusive avec des observateurs de l’industrie blockchain, Jacob Robert Steeves, le créateur de Bittensor, a partagé sa perspective sur l’application des mécanismes de minage à la Bitcoin à l’intelligence artificielle — une approche novatrice qui redéfinit la manière dont les ressources informatiques distribuées sont coordonnées à l’ère numérique. Cette interview retrace le parcours remarquable de Steeves, passant de l’ingénierie logicielle chez Google à la pionnière de l’un des projets d’infrastructure AI les plus ambitieux de la cryptosphère.

Bittensor (TAO), en tant que protocole open-source, a su se distinguer en appliquant des incitations économiques à la computation AI. Le réseau fonctionne avec environ 128 sous-réseaux, chacun rivalisant dans des domaines tels que l’inférence, l’entraînement, l’apprentissage par renforcement et les services de données. Selon les dernières données de marché de mars 2026, TAO se négocie à 182,60 $ avec une capitalisation boursière flottante d’environ 1,75 milliard de dollars. L’écosystème a considérablement évolué depuis son lancement mainnet en 2021, attirant des développeurs et des ressources informatiques du monde entier.

Du parcours chez Google à l’architecture AI décentralisée

Le chemin de Jacob Robert Steeves vers la fondation de Bittensor a commencé à l’Université Simon Fraser à Vancouver, Canada, où il a étudié les mathématiques et l’informatique. Sa carrière initiale l’a mené à travailler sur des puces d’interface cerveau-ordinateur chez une entreprise contractante de la DARPA, où un mentor clé lui a fait découvrir Bitcoin et les concepts de calcul basé sur l’énergie. « Depuis 2015, je suis profondément impliqué à la fois dans Bitcoin et l’IA », explique-t-il. « Ces deux domaines sont naturellement compatibles car le cœur de l’IA est l’étude des boucles de rétroaction — rétropropagation, algorithmes génétiques, apprentissage par renforcement — tandis que Bitcoin représente la première boucle économique programmable. »

Son passage chez Google s’est avéré transformateur. En tant qu’ingénieur en apprentissage automatique, Steeves a assisté à la publication du document révolutionnaire « Attention Is All You Need » introduisant les Transformers, qui a catalysé le développement exponentiel des grands modèles linguistiques. Il a absorbé des connaissances cruciales auprès des équipes en première ligne sur les pratiques de machine learning distribué — serveurs de paramètres, parallélisme de modèles, parallélisme de données — qui allaient plus tard influencer l’architecture informatique de Bittensor.

Malgré le prestige de travailler dans un géant de la tech, Steeves a choisi de poursuivre sa vision de manière indépendante. Commencée en 2015 dans ses temps libres, il a développé les concepts fondamentaux de Bittensor avant de s’y consacrer à plein temps en 2018, avec le lancement du mainnet en 2021. « L’expérience chez Google m’a appris les systèmes distribués et l’échelle nécessaire pour faire fonctionner un apprentissage automatique efficace à l’échelle mondiale », confie-t-il. « Mais la différence fondamentale entre Bittensor et l’IA d’entreprise traditionnelle réside dans notre approche philosophique de la coordination des ressources. »

Le modèle économique de Bittensor : Minage et apprentissage automatique

Au fond, Bittensor transforme la façon dont les ressources informatiques sont organisées et rémunérées. Contrairement aux plateformes d’agrégation traditionnelles qui se contentent de « empiler des modèles », le protocole intègre directement des incitations économiques programmables dans le processus d’apprentissage AI. « Quiconque fournit des inférences, un entraînement ou des outils plus utiles reçoit plus de récompenses », insiste Steeves. « Cela diffère complètement du simple empilement de modèles. »

La percée réside dans la reconnaissance de ce que les 15 dernières années d’avancées en IA ont prouvé : que l’apprentissage adaptatif via des mécanismes de rétroaction — rétropropagation ou apprentissage par renforcement — stimule le progrès. Bittensor met en pratique ce principe en intégrant directement la monnaie et les signaux économiques dans le cycle de développement de l’IA. Les forces du marché optimisent en permanence la qualité de l’offre et le rapport coût-efficacité.

« L’importance de la décentralisation », précise Steeves, « réside dans l’entrée sans permission et la résistance aux points de défaillance uniques. Toute personne ou équipe peut lancer un sous-réseau et rivaliser. Une bonne offre est amplifiée par des incitations ; une offre médiocre est naturellement éliminée. » Cet environnement compétitif assure une amélioration continue sans nécessiter de gardiens centraux.

Du point de vue de l’utilisateur, le modèle fonctionne à plusieurs niveaux. Les développeurs peuvent initier ou rejoindre des sous-réseaux, contribuer avec des modèles et de la puissance de calcul, et recevoir des incitations continues liées à leur performance. Les participants du côté demande achètent des services tels que l’inférence, la puissance de calcul, l’apprentissage automatique automatisé ou des signaux de prévision de marché. La plateforme transforme le paradigme traditionnel « mineur — récompense — consensus » en « offre utile d’IA — récompense du marché — consensus du réseau ».

Les équipes chinoises à la tête de l’innovation des sous-réseaux Bittensor

Interrogé sur sa première visite en Chine pour discuter de Bittensor, Steeves a souligné l’importance stratégique de la participation des développeurs asiatiques. « La Chine est l’un des pays à la croissance la plus rapide, voire le plus puissant, dans le domaine de l’intelligence artificielle mondiale », a-t-il noté. « Quand le minage de Bitcoin était légal, la Chine représentait plus de 50 % de la puissance de calcul. Même aujourd’hui, la région produit 90 % des puces mondiales. J’ai beaucoup de respect pour la force technique de la Chine. »

Plus significatif encore, Steeves a observé un schéma compétitif au sein de l’écosystème Bittensor : « Dans Bittensor, il y a un dicton selon lequel, une fois que des mineurs chinois entrent dans un sous-réseau, la compétition devient immédiatement beaucoup plus féroce, au point que de nombreux participants initiaux quittent. C’est tout à fait attendu — l’intensité de la compétition en Chine est vraiment étonnante. » Il voit cela positivement, suggérant que la culture rigoureuse de formation dans les universités et l’excellence en ingénierie en Chine s’alignent naturellement avec le cadre de mérite compétitif de Bittensor.

Les preuves concrètes de la contribution chinoise sont visibles dans les principaux projets de sous-réseaux de Bittensor. Affine, l’un des plus grands sous-réseaux du réseau, a été construit par des développeurs chinois et est devenu l’un des mécanismes les plus compétitifs de la plateforme. Parallèlement, Lium, un sous-réseau axé sur les ressources GPU, a intégré une puissance de calcul significative provenant de sources asiatiques. À travers ces projets, les mineurs chinois contribuent avec des ressources processeur à un marché mondial tout en accédant à la demande internationale en calcul.

« Le niveau d’ingénierie ici est extrêmement élevé, presque sans égal », déclare Steeves à propos de la communauté de développeurs chinoise. « Je souhaite faciliter l’intégration de plus d’équipes de ce calibre, car leur contribution à la capacité du réseau et à la qualité compétitive est inestimable. »

La véritable puissance de la décentralisation : au-delà de l’agrégation

Une idée reçue courante présente Bittensor comme un simple « agrégateur de modèles AI », mais Steeves a été catégorique pour corriger cette vision. « Le cœur de Bittensor consiste à intégrer des incitations programmables dans le processus d’apprentissage AI — c’est fondamentalement différent du simple empilement de modèles », insiste-t-il.

La distinction entre Bittensor et les plateformes traditionnelles dépasse l’architecture pour toucher à la philosophie. « Le soi-disant Crypto + AI n’est que l’application de la cryptomonnaie à l’IA ou de l’IA à la cryptomonnaie, ce qui ne touche pas à l’essence de ce que nous faisons », explique Steeves. « Ce que nous faisons réellement, c’est utiliser des incitations crypto-économiques pour mener la recherche en intelligence artificielle. Ce n’est pas de la décentralisation pour la décentralisation — c’est utiliser les signaux du marché et la compétition pour faire évoluer une computation utile. »

La résilience de cette approche s’est révélée lorsque AWS a connu une panne majeure fin 2024, entraînant l’échec de nombreux services d’IA centralisés. L’architecture distribuée de Bittensor lui a permis de continuer à fonctionner sans interruption. « Cet incident prouve une des valeurs de la décentralisation — elle offre une résilience face aux points de défaillance uniques », note Steeves. « Mais cela a aussi montré que beaucoup d’écosystèmes dits décentralisés ne le sont pas vraiment, car certains projets n’ont pas pu se remettre après la panne. La conception fondamentale de Bittensor, basée sur la distribution des ressources et la flexibilité du routage, nous donne des avantages en termes de continuité et de tolérance aux fautes. »

La position de marché de TAO et la feuille de route sur cinq ans

Depuis son inscription en bourse en mars 2023, TAO est devenu un acteur important dans le domaine de l’infrastructure crypto-économique. L’écosystème du jeton a récemment montré une forte confiance institutionnelle avec un tour de financement privé de 11 millions de dollars, attirant des investisseurs comme le conseiller stratégique James Altucher et la société mère de Grayscale, DCG.

Concernant le cycle de réduction de l’offre en 2025 — le premier événement de halving de Bittensor — Steeves adopte une perspective mesurée : « La seule conséquence du halving sur Bittensor est que l’offre se resserrera. Mais cela n’affectera pas le mécanisme d’incitation fondamental du réseau. Il y aura toujours d’énormes incitations économiques pour encourager les développeurs à construire sur la plateforme. » Cela témoigne de sa confiance dans la durabilité du modèle économique sous-jacent, au-delà de la simple rareté du jeton.

Les sources de revenus du protocole se diversifient. Les principales incluent la vente de services d’inférence, de puissance de calcul, de services d’apprentissage automatique automatisé (AutoML) et de signaux de prévision de marché. Cette approche multi-revenus reflète celle des plateformes technologiques traditionnelles tout en maintenant une gouvernance décentralisée.

Concernant plus spécifiquement les marchés de prévision, Steeves a souligné leur potentiel transformateur. « Je pense que Kalshi et Polymarket font partie des véritables applications fintech et des premières applications pour le grand public », a-t-il déclaré. « C’est très significatif et cela change profondément la façon dont les humains travaillent. Les sous-réseaux de marché de prévision de Bittensor représentent la prochaine frontière de l’infrastructure de prise de décision décentralisée. »

La vision sur cinq ans : atteindre des millions d’utilisateurs

En imaginant l’avenir de Bittensor, Steeves a formulé un objectif ambitieux mais mesurable : amener la technologie à des millions d’utilisateurs et fournir véritablement des services intelligents ouverts à l’échelle mondiale tout en assurant la pérennité du réseau.

« La principale ambition que je souhaite voir, c’est : nous avons apporté cette technologie à ‘millions’ d’utilisateurs et avons réellement fourni des services intelligents ouverts au monde, avec le réseau en expansion continue », a-t-il déclaré. Avec environ 100 000 utilisateurs utilisant actuellement la technologie Bittensor, la voie vers une montée en puissance semble techniquement réalisable.

L’avantage économique constitue le principal moteur de croissance. « Sur le plan économique, nous pouvons surpasser les fournisseurs centralisés dans de nombreux scénarios grâce à des coûts inférieurs, notamment en inférence », explique Steeves. Considérez la dynamique concurrentielle : des produits IA centralisés pourraient facturer 1 000 $ pour un abonnement tout en ne livrant que pour 200 $ de valeur réelle. Bittensor peut proposer des abonnements à 10 $ avec des coûts réseau d’environ 6 $, soit une efficacité de coût de 60 % supérieure.

Ridges, un sous-réseau important axé sur les agents de codage, illustre ce principe. Des équipes du monde entier optimisent collectivement l’assistance en codage via des incitations compétitives, faisant baisser les prix tout en améliorant la qualité. La même mécanique économique s’applique dans tous les domaines.

« Notre objectif est de servir des milliards d’utilisateurs dans le monde », affirme Steeves. « Si les entreprises d’IA centralisées n’adoptent pas ces primitives techniques fondamentales, il leur sera difficile de suivre en termes de performance, de rapidité et de coût à long terme. C’est notre véritable levier. »

La comparaison avec le succès de Bitcoin est délibérée. « La raison pour laquelle Bitcoin peut surpasser les États souverains ou les systèmes centralisés au niveau du réseau, c’est parce qu’il a adopté les primitives techniques et la conception mécanistique appropriées », note-t-il. Bien qu’il reconnaisse que Bittensor n’ait pas encore atteint cette universalité dans tous les domaines, Steeves insiste sur le fait que dans certains secteurs — notamment l’inférence GPU et les marchés de prévision — le réseau démontre déjà ces supériorités.

Fait intéressant, Steeves indique que de nombreux utilisateurs bénéficient déjà de l’infrastructure de Bittensor sans en avoir conscience directe. « Beaucoup de gens utilisent en réalité Bittensor dans leur vie quotidienne sans même le savoir », suggère-t-il, ce qui indique que la technologie fonctionne comme une infrastructure sous-jacente supportant des applications et services à des niveaux supérieurs.

Le potentiel de coopération avec de grandes institutions d’IA représente une autre dimension de croissance. « Oui, c’est possible », déclare Steeves concernant une collaboration avec OpenAI ou des entreprises chinoises d’IA. « Cela dépend si nos philosophies s’alignent. Certains laboratoires centralisés préfèrent consolider et contrôler, alors que nous mettons l’accent sur l’ouverture et la permission. » Il exprime un enthousiasme particulier pour des collaborations avec des équipes ouvertes comme DeepSeek, Kimi ou Moonshot. « Si nous pouvons travailler avec eux pour réaliser une formation véritablement décentralisée, nous serions très heureux. C’est seulement une question de temps : coopérer ou adopter notre approche de formation décentralisée. »

Cette vision — celle d’incitations économiques pour faire évoluer une intelligence artificielle à l’échelle mondiale via des réseaux distribués — constitue la contribution fondamentale de Jacob Robert Steeves pour comprendre comment les marchés, la compétition et les mécanismes économiques peuvent faire évoluer une technologie bénéfique au service de l’humanité à une échelle sans précédent.