TLDR :
- L’inférence centralisée de l’IA enregistre et conserve les invites, créant ainsi des fuites de données structurelles auxquelles est attachée une valeur monétaire réelle.
- Le rapport 2025 de McKinsey montre que la sécurité des données a bondi de 10 pp par rapport à l'année dernière, devenant ainsi le principal bloqueur de mise à l'échelle de l'IA en entreprise.
- Des projets de cryptographie comme NEAR, Phala et Nillion utilisent des TEE et des MPC pour exécuter une inférence d'IA cryptée à une vitesse proche de la normale.
- Gartner prévoit que 75 % du traitement des infrastructures non fiables nécessitera des TEE d’ici 2029, ouvrant ainsi une fenêtre de marché majeure.
L’infrastructure de confidentialité devient rapidement une exigence essentielle pour l’adoption de l’IA en entreprise. À mesure que les systèmes d’intelligence artificielle vont au-delà de simples tâches pour se concentrer sur la gestion du capital, l’exécution de transactions et la gestion d’agents autonomes, la question de savoir qui contrôle les données sensibles a pris un réel poids économique.
Plusieurs projets basés sur la blockchain se positionnent désormais comme des alternatives neutres et vérifiables à l'inférence centralisée dans le cloud.
L'IA centralisée crée des risques structurels d'exposition aux données
Le problème de l'inférence centralisée est simple : chaque invite envoyée à un serveur tiers est enregistrée et potentiellement conservée.
Cet arrangement fonctionnait lorsque l’IA résumait des documents ou répondait à des questions générales. Cela devient un handicap lorsque les systèmes d’IA touchent aux stratégies de trading, aux clés privées ou au flux de transactions propriétaires.
De vrais incidents ont déjà révélé cette vulnérabilité. Les ingénieurs de Samsung ont accidentellement divulgué le code source via ChatGPT.
DeepSeek a été surpris en train d'acheminer les invites des utilisateurs coréens directement vers les serveurs ByteDance à Pékin. Il ne s’agit pas de risques théoriques : ce sont des échecs documentés aux conséquences mesurables.
Comme l'a noté l'analyste crypto Kaff sur X : « L'invite système d'un agent est son alpha. Si elle est lisible, elle est extractible. MEV, mais pour l'intelligence. »
Ce cadrage rend bien le changement. Les systèmes d’IA agentique contiennent des informations stratégiques intégrées, ce qui fait de la confidentialité rapide une question de sécurité, et non seulement une préférence en matière de confidentialité.
Les données d’entreprise confirment cette préoccupation. Le rapport State of AI 2025 de McKinsey montre que la sécurité des données a bondi de 10 points de pourcentage d'une année sur l'autre et constitue le principal obstacle à l'évolution de l'IA d'entreprise.
Par ailleurs, 80 % des organisations ont déjà été confrontées à des comportements à risque de la part d’agents IA, notamment un accès non autorisé aux données.
Les projets de cryptographie créent des piles de confidentialité vérifiables pour les charges de travail d'IA
La grande technologie répond avec ses propres solutions. Le mode GPU confidentiel de NVIDIA sur Blackwell se rapproche des niveaux de performances normaux. Apple a Private Cloud Compute en production.
Meta construit un traitement privé pour WhatsApp. Google Cloud et AWS proposent tous deux des produits de calcul confidentiels. Cependant, toutes ces solutions restent liées à des fournisseurs de cloud uniques.
Les projets cryptographiques offrent quelque chose de différent : une coordination ouverte, une résistance à la censure et une infrastructure neutre. Venice ($VVV) rapporte plus de 2 millions d'utilisateurs, 50 000 utilisateurs actifs quotidiens et 15 000 demandes d'inférence par heure, avec une mémoire cryptée locale et un cryptage de bout en bout pour les utilisateurs Pro.
NEAR exécute AI Cloud sur des environnements sécurisés TEE où même les opérateurs GPU et les hôtes cloud ne peuvent pas accéder aux données utilisateur.
Nillion ($NIL) combine MPC, cryptage homomorphique et TEE, rapportant plus de 643 millions de documents stockés et 1,4 million d'appels d'inférence.
Phala Network ($PHA) traite quotidiennement plus d'un milliard de jetons LLM via les GPU TEE Intel TDX et NVIDIA H100/H200 à environ 95 à 99 % des performances standard.
Gartner prévoit que plus de 75 % du traitement sur une infrastructure non fiable nécessitera des environnements d'exécution fiables d'ici 2029.
Ce calendrier donne à l’infrastructure cryptographique axée sur la confidentialité une fenêtre de marché concrète pour capturer les charges de travail d’IA d’entreprise à grande échelle.
Voir l’article original en anglais
