La finance décentralisée (DeFi) a révolutionné la finance traditionnelle en déclenchant une histoire de croissance exponentielle à travers une série de primitives économiques simples mais puissantes, transformant les réseaux blockchain en un marché mondial sans autorisation. Dans l’essor de la DeFi, plusieurs indicateurs clés sont devenus la lingua franca de la valeur : la valeur totale bloquée (TVL), le taux de rendement annualisé (APY/APR) et la liquidité. Ces mesures intéressantes inspirent l’engagement et la confiance. Par exemple, la TVL de la DeFi (la valeur en dollars des actifs bloqués dans le protocole) a été multipliée par 14 en 2020 avant de quadrupler à nouveau en 2021, pour dépasser les 112 milliards de dollars. Les rendements élevés (certaines plateformes revendiquent des APY allant jusqu’à 3000% pendant le boom de l’agriculture de liquidité) attirent la liquidité, tandis que la profondeur des pools de liquidité signale un glissement plus faible et un marché plus efficace. En bref, la TVL nous dit « combien d’argent est en jeu », l’APR nous dit « combien vous pouvez gagner », et la liquidité indique « à quel point il est facile de trader des actifs ». Malgré leurs défauts, ces mesures ont permis de construire un écosystème financier de plusieurs milliards de dollars à partir de zéro. En transformant l’engagement des utilisateurs en une opportunité financière immédiate, la DeFi a créé un volant d’adoption auto-renforcé qui l’a rendue rapidement populaire, entraînant une participation de masse.
Aujourd’hui, l’IA se trouve à la croisée des chemins. Mais contrairement à la DeFi, le récit actuel de l’IA est dominé par de grands modèles à usage général entraînés sur d’énormes ensembles de données Internet. Ces modèles ont souvent du mal à fournir des résultats efficaces dans des segments, des tâches spécialisées ou des besoins individuels. Leur modèle « taille unique » est puissant mais fragile, universel mais mal aligné. Ce paradigme a grand besoin d’un changement de paradigme. La prochaine ère de l’IA ne devrait pas être définie par la taille ou la polyvalence des modèles, mais devrait se concentrer sur les modèles ascendants – des modèles plus petits et hautement spécialisés. Ce type d’IA personnalisée nécessite un tout nouveau type de données : des données de haute qualité, alignées sur l’homme et spécifiques à un domaine. Mais obtenir ce type de données n’est pas aussi simple que l’exploration du Web, cela nécessite des contributions actives et conscientes de la part d’individus, d’experts du domaine et de communautés.
Pour promouvoir cette nouvelle ère de l'IA spécialisée et alignée sur l'humain, nous devons construire un volant d'incitation similaire à celui du DeFi conçu pour la finance. Cela signifie introduire de nouveaux primitives natifs à l'IA pour mesurer la qualité des données, la performance des modèles, la fiabilité des agents et les incitations à l'alignement - ces indicateurs doivent directement refléter la véritable valeur des données en tant qu'actif (et non simplement en tant qu'entrée).
Cet article explorera ces nouveaux langages qui peuvent constituer les piliers de l'économie native de l'IA. Nous expliquerons comment, si les infrastructures économiques appropriées sont établies (c'est-à-dire en générant des données de haute qualité, en incitant raisonnablement leur création et leur utilisation, et en les centrant sur l'individu), l'IA pourra prospérer. Nous analyserons également des plateformes comme LazAI, qui sont en première ligne de la construction de ces cadres natifs de l'IA, ouvrant la voie à un nouveau paradigme de tarification et de récompense des données, propulsant la prochaine avancée de l'innovation en IA.
La roue des incitations DeFi : TVL, rendements et liquidité - aperçu rapide
L'émergence de la DeFi n'est pas un hasard, son design rend la participation à la fois lucrative et transparente. La valeur totale verrouillée (TVL), le rendement annualisé (APY/APR) et la liquidité sont des indicateurs clés qui ne sont pas seulement des chiffres, mais également des primitives alignant le comportement des utilisateurs avec la croissance du réseau. Ces indicateurs forment ensemble un cercle vertueux attirant les utilisateurs et le capital, ce qui favorise l'innovation continue.
Valeur totale bloquée (TVL) : la TVL mesure le capital total déposé dans les protocoles DeFi (par exemple, les pools de prêt, les pools de liquidité) et devient synonyme de la « capitalisation boursière » des projets DeFi. La croissance rapide de la TVL est considérée comme un signe de confiance des utilisateurs et de la santé du protocole. Par exemple, lors du boom de la DeFi de 2020-2021, la TVL est passée de moins de 10 milliards de dollars à plus de 100 milliards de dollars, et a dépassé 150 milliards de dollars en 2023, démontrant l’ampleur de la valeur que les participants sont prêts à verrouiller dans les applications décentralisées. Une TVL élevée crée un effet gravitationnel : plus de capital signifie plus de liquidité et de stabilité, ce qui attire davantage d’utilisateurs à la recherche d’opportunités. Alors que les critiques soulignent que la poursuite aveugle de la TVL pourrait conduire à des protocoles masquant les inefficacités en fournissant des incitations insoutenables (essentiellement en « achetant » de la TVL), le premier récit de la DeFi manquerait d’un moyen concret de suivre sans TVL.
Taux de rendement annuel (APY/APR) : L'engagement de rendement transforme la participation en opportunités concrètes. Les protocoles DeFi ont commencé à offrir des APR impressionnants aux fournisseurs de liquidité ou de fonds. Par exemple, Compound a lancé le jeton COMP au milieu de 2020, inaugurant le modèle de minage de liquidité - récompensant les fournisseurs de liquidité avec des jetons de gouvernance. Cette innovation a déclenché une frénésie d'activités. Utiliser la plateforme n'est plus seulement un service, mais devient un investissement. Un APY élevé attire les chercheurs de rendement, augmentant encore le TVL. Ce mécanisme de récompense stimule la croissance du réseau en incitant directement les premiers utilisateurs avec des rendements généreux.
Liquidité : En finance, la liquidité fait référence à la capacité de déplacer des actifs sans provoquer de fortes fluctuations de prix – la pierre angulaire d’un marché sain. La liquidité dans la DeFi est souvent initiée par le biais de programmes de minage de liquidités, où les utilisateurs gagnent des jetons pour fournir des liquidités. La grande liquidité des échanges décentralisés et des pools de prêt signifie que les utilisateurs peuvent trader ou emprunter avec peu de friction, améliorant ainsi l’expérience utilisateur. Une liquidité élevée entraîne une augmentation du volume et de l’utilité des transactions, ce qui attire à son tour plus de liquidité – la boucle de rétroaction positive classique. Il favorise également la composabilité : les développeurs peuvent créer de nouveaux produits (dérivés, agrégateurs, etc.) sur des places de marché liquides pour stimuler l’innovation. Par conséquent, la liquidité devient l’élément vital du réseau, favorisant l’adoption et l’émergence de nouveaux services.
Ces primitives forment un puissant volant d'incitation. Les participants qui créent de la valeur en verrouillant des actifs ou en fournissant de la liquidité reçoivent immédiatement des récompenses (par le biais de rendements élevés et d'incitations en tokens), ce qui encourage une participation accrue. Cela transforme la participation individuelle en opportunités vastes - les utilisateurs gagnent des profits et de l'influence sur la gouvernance - et ces opportunités engendrent des effets de réseau, attirant des milliers d'utilisateurs à rejoindre. Le résultat est frappant : d'ici 2024, le nombre d'utilisateurs de DeFi dépasse 10 millions, et sa valeur a augmenté de près de 30 fois en quelques années. Il est évident que l'alignement massif des incitations - transformer les utilisateurs en parties prenantes - est la clé de l'essor exponentiel de DeFi.
Le manque actuel de l'économie de l'IA
Si DeFi a montré comment la participation de bas en haut et l'alignement des incitations peuvent déclencher une révolution financière, l'économie AI d'aujourd'hui manque encore des primitives fondamentales pour soutenir des transformations similaires. Actuellement, l'AI est dominée par de grands modèles généraux entraînés sur d'énormes ensembles de données récupérées. Ces modèles fondamentaux sont d'une ampleur incroyable, mais destinés à résoudre tous les problèmes, ils ne parviennent souvent pas à servir particulièrement efficacement quiconque. Leur architecture "à taille unique" a du mal à s'adapter aux sous-domaines, aux différences culturelles ou aux préférences individuelles, ce qui entraîne des sorties fragiles, des angles morts et un décalage croissant avec les besoins réels.
La prochaine génération d’IA ne sera plus définie par l’échelle, mais aussi par la compréhension contextuelle, c’est-à-dire la capacité des modèles à comprendre et à servir des domaines spécifiques, des communautés professionnelles et des perspectives humaines diverses. Cependant, cette intelligence contextuelle nécessite des intrants différents : des données de haute qualité, alignées sur l’homme. Et c’est exactement ce qui manque en ce moment. Il n’existe actuellement aucun mécanisme largement accepté pour mesurer, identifier, valoriser ou hiérarchiser ces données, ni aucun processus ouvert permettant aux individus, aux communautés ou aux experts du domaine d’apporter leurs points de vue et d’améliorer les systèmes intelligents qui ont de plus en plus d’impact sur leur vie. En conséquence, la valeur reste concentrée entre les mains d’une poignée de fournisseurs d’infrastructures, et les masses sont déconnectées du potentiel de croissance de l’économie de l’IA. Ce n’est qu’en concevant de nouvelles primitives qui découvrent, valident et récompensent les contributions à forte valeur ajoutée (données, retours, signaux d’alignement) que nous pouvons débloquer le cycle de croissance participative sur lequel la DeFi prospère.
En d'autres termes, nous devons également nous interroger :
Comment devrions-nous mesurer la valeur de la création ? Comment construire une roue d'adoption auto-renforçante pour promouvoir la participation des données centrées sur l'individu de bas en haut ?
Pour débloquer une "économie native de l'IA" similaire à DeFi, nous devons définir de nouveaux primitives qui transforment la participation en opportunités pour l'IA, catalysant ainsi des effets de réseau sans précédent dans ce domaine.
Technologie native AI : le nouveau langage de la nouvelle économie
Nous ne nous contentons plus de transférer des jetons entre des portefeuilles, mais nous saisissons des données dans des modèles, les sorties des modèles se transforment en décisions, et les agents IA passent à l'action. Cela nécessite de nouveaux indicateurs et primitives pour quantifier l'intelligence et l'alignement, tout comme les indicateurs DeFi quantifient le capital. Par exemple, LazAI construit un réseau blockchain de nouvelle génération, en introduisant de nouveaux standards d'actifs pour les données IA, le comportement des modèles et les interactions des agents, afin de résoudre le problème de l'alignement des données IA.
Voici un aperçu de quelques termes clés qui définissent la valeur économique de l'IA sur la chaîne.
Données vérifiables (la nouvelle « liquidité ») : Les données sont à l’IA ce que la liquidité est à la DeFi – l’élément vital d’un système. Dans l’IA, en particulier les grands modèles, il est essentiel d’avoir les bonnes données. Mais les données brutes peuvent être de mauvaise qualité ou trompeuses, et nous avons besoin de données de haute qualité et vérifiables sur la chaîne. Les primitives possibles ici sont « Proof of Data (PoD)/Proof of Value (PoDV) ». Le concept mesurera la valeur des contributions de données, non seulement en fonction de la quantité, mais aussi de la qualité et de son impact sur les performances de l’IA. Pensez-y comme à la contrepartie du liquidity mining : les contributeurs qui fournissent des données utiles (ou des tags/feedbacks) seront récompensés en fonction de la valeur apportée par leurs données. Les premières conceptions de tels systèmes prennent déjà forme. Par exemple, le consensus de preuve de données (PoD) d’un projet blockchain traite les données comme la ressource principale pour la vérification (similaire à l’énergie dans la preuve de travail ou au capital dans la preuve d’enjeu). Dans ce système, les nœuds sont récompensés en fonction de la quantité, de la qualité et de la pertinence des données qu’ils contribuent.
En appliquant cela à l’économie générale de l’IA, nous pourrions voir la « valeur totale des données verrouillées (TDVL) » comme une mesure : une mesure agrégée de toutes les données précieuses sur le réseau, pondérée par la vérifiabilité et l’utilité. Les pools de données vérifiés peuvent même être échangés comme des pools de liquidité – par exemple, un pool d’images médicales vérifiées pour l’IA de diagnostic sur la chaîne peut avoir une valeur et une utilisation quantifiables. Le sourcing des données (compréhension de la source des données, historique des modifications) sera un élément clé de cette métrique pour garantir que les données introduites dans le modèle d’IA sont fiables et traçables. Essentiellement, si la liquidité concerne le capital disponible, les données vérifiables concernent les connaissances disponibles. Des mesures telles que la preuve de valeur des données (PoDV) capturent la quantité de connaissances utiles enfermées dans le réseau, tandis que l’ancrage des données sur la chaîne via le jeton d’ancrage de données (DAT) de LazAI fait de la liquidité des données une couche économique mesurable et incitative.
Performance du modèle (une nouvelle classe d’actifs) : Dans l’économie de l’IA, un modèle entraîné (ou un service d’IA) devient un actif à part entière, voire une nouvelle classe d’actifs aux côtés des tokens et des NFT. Les modèles d’IA bien entraînés sont précieux en raison de l’intelligence encapsulée dans leur poids. Mais comment caractériser et mesurer cette valeur sur la chaîne ? Nous pouvons exiger des benchmarks de performance on-chain ou une certification de modèle. Par exemple, la précision d’un modèle sur un ensemble de données standard, ou un taux de réussite sur une tâche compétitive, peut être enregistré sur la chaîne en tant que score de performance. Considérez-le comme une « cote de crédit » ou un KPI on-chain pour un modèle d’IA. Ces scores peuvent être ajustés au fur et à mesure que le modèle est affiné ou que les données sont mises à jour. Des projets tels qu’Oraichain ont exploré la combinaison d’API de modèles d’IA avec l’évaluation de la fiabilité (en vérifiant que le résultat de l’IA est conforme aux attentes par le biais de cas de test). Dans la DeFi native de l’IA (« AiFi »), un staking basé sur les performances du modèle peut être envisagé – par exemple, des tokens peuvent être stakés si le développeur estime que son modèle fonctionne bien ; Si un audit on-chain indépendant confirme sa performance, celle-ci sera récompensée (si le modèle n’est pas performant, l’enjeu sera perdu). Cela motivera les développeurs à rendre compte de manière véridique et à améliorer continuellement le modèle. Une autre idée est celle des NFT modèles tokenisés qui portent des métadonnées de performance – le « prix plancher » des NFT modèles peut refléter leur utilité. De telles pratiques sont déjà en train d’émerger : certaines places de marché d’IA permettent d’acheter et de vendre des modèles pour accéder aux jetons, et des protocoles tels que LayerAI (anciennement CryptoGPT) considèrent explicitement les modèles de données et d’IA comme une classe d’actifs émergente dans l’économie mondiale de l’IA. En bref, la DeFi pose la question suivante : « Combien d’argent est bloqué ? » L’AI-DEFI posera la question suivante : « Quelle est la quantité d’intelligence verrouillée ? » , non seulement en termes de puissance de calcul (bien qu’elle soit tout aussi importante), mais aussi en termes de performances et de valeur des modèles fonctionnant dans le réseau. Les nouvelles mesures peuvent inclure des « preuves de qualité de modèle » ou des indices de séries chronologiques pour l’amélioration des performances de l’IA sur la chaîne.
Proxy Behavior & Utility (On-Chain AI Agents) : L’un des ajouts les plus excitants et les plus stimulants à la blockchain native de l’IA est l’exécution d’agents d’IA autonomes sur la chaîne. Il peut s’agir de bots de trading, de curateurs de données, d’IA de service client ou de gouverneurs de DAO complexes - essentiellement des entités logicielles capables de détecter, de décider et d’agir au nom des utilisateurs sur le réseau ou même par eux-mêmes. Le monde de la DeFi n’a que des « bots » de base ; Et dans le monde de la blockchain de l’IA, les agents peuvent devenir des agents économiques de premier ordre. Cela a créé un besoin de mesures autour du comportement de l’agence, de la fiabilité et de l’utilité. Nous pouvons voir des mécanismes tels que le « scoring de l’utilité de l’agent » ou les systèmes de réputation. Imaginons que chaque agent d’IA (peut-être représenté par une identité NFT ou un jeton semi-fongible (SFT)) accumule de la réputation en fonction de ses actions (réalisation de tâches, collaboration, etc.). Ces scores sont similaires aux scores de crédit ou aux évaluations des utilisateurs, mais pour l’IA. D’autres contrats peuvent l’utiliser pour décider de faire confiance ou d’utiliser des services proxy. Dans le concept iDAO (Individual-Centric DAO) de LazAI, chaque agent ou entité utilisateur possède son propre domaine on-chain et ses propres actifs d’IA. Il est concevable que ces iDAO ou proxys établissent des enregistrements mesurables.
Les plateformes existantes commencent à tokeniser les agents d’IA et à leur donner des métriques on-chain : par exemple, le « protocole Rome » de Rivalz crée des agents d’IA basés sur NFT (rAgents), et ses dernières métriques de réputation sont enregistrées sur la chaîne. Les utilisateurs peuvent miser ou prêter ces proxys, et leurs récompenses dépendent de leurs performances et de leur influence dans un « cluster » d’IA collectif. Il s’agit essentiellement de la DeFi pour les agents d’IA et cela démontre l’importance des métriques de l’utilitaire proxy. À l’avenir, nous pourrions parler de « proxys d’IA actifs » de la même manière que nous parlons d’adresses actives, ou d'« impact économique indirect » lorsque nous parlons de volume de transactions.
La trajectoire d'attention pourrait devenir une autre primitive - enregistrant ce sur quoi l'agent se concentre lors du processus de décision (quelles données, quels signaux). Cela pourrait rendre les agents en boîte noire plus transparents, auditables, et attribuer le succès ou l'échec de l'agent à des entrées spécifiques. En résumé, les indicateurs de comportement des agents garantiront la responsabilité et l'alignement : pour permettre aux agents autonomes de gérer des sommes importantes ou des missions critiques, il est nécessaire de quantifier leur fiabilité. Un score d'utilité des agents élevé pourrait devenir une condition préalable à la gestion de grandes sommes par des agents IA sur la chaîne (similaire à la manière dont un score de crédit élevé est une barrière à l'entrée pour les prêts importants dans la finance traditionnelle).
Enfin, l’économie de l’IA doit réfléchir à la manière d’encourager l’utilisation bénéfique et l’alignement. La DeFi encourage la croissance par le biais de l’extraction de liquidités, des airdrops précoces pour les utilisateurs ou des retours de frais ; Dans le domaine de l’IA, la croissance seule ne suffit pas, nous devons encourager l’utilisation de meilleurs résultats de l’IA. À ce stade, les mesures liées à l’alignement de l’IA sont essentielles. Par exemple, les boucles de rétroaction humaine (telles que les utilisateurs évaluant les réponses de l’IA ou fournissant des corrections par le biais d’iDAO, qui sont décrits plus en détail ci-dessous) peuvent être enregistrées, et les contributeurs de rétroaction gagnent des « gains d’alignement ». Ou imaginez une « preuve d’attention » ou une « preuve d’engagement », où les utilisateurs qui investissent du temps dans l’amélioration de l’IA (en fournissant des données de préférence, des corrections ou de nouveaux cas d’utilisation) sont récompensés. Il peut s’agir de trajectoires d’attention, de la capture de commentaires de haute qualité ou de la puissance d’attention humaine investie dans l’IA d’optimisation.
Tout comme DeFi nécessite des explorateurs de blocs et des tableaux de bord (comme DeFi Pulse, DefiLlama) pour suivre le TVL et les rendements, l'économie AI a également besoin de nouveaux navigateurs pour suivre ces indicateurs centralisés de l'IA - imaginez un tableau de bord "AI-llama" affichant le volume total de données alignées, le nombre d'agents IA actifs, les rendements d'utilité cumulés de l'IA, etc. Cela a des similitudes avec DeFi, mais le contenu est entièrement nouveau.
Vers un flywheel AI de type DeFi
Nous devons construire un cercle d'incitation pour l'IA - considérer les données comme un actif économique de premier ordre, afin de transformer le développement de l'IA d'une entreprise fermée en une économie ouverte et participative, tout comme le DeFi transforme la finance en un domaine de liquidité ouvert et piloté par les utilisateurs.
Des explorations préliminaires dans cette direction ont déjà été observées. Par exemple, des projets comme Vana commencent à récompenser les utilisateurs pour leur participation au partage de données. Le réseau Vana permet aux utilisateurs de contribuer des données personnelles ou communautaires à DataDAO (un pool de données décentralisé) et de gagner des jetons exclusifs aux ensembles de données (qui peuvent être échangés contre des jetons natifs du réseau). C'est un pas important vers la monétisation des contributeurs de données.
Cependant, la récompense des contributions ne suffit pas à elle seule à reproduire le volant d’inertie explosif de la DeFi. Dans la DeFi, les fournisseurs de liquidité sont non seulement récompensés pour le dépôt d’actifs, mais les actifs qu’ils fournissent ont également une valeur marchande transparente, et le rendement reflète l’utilisation réelle (frais de transaction, intérêts d’emprunt, plus jetons incitatifs). De la même manière, l’économie des données de l’IA doit aller au-delà des récompenses génériques et fixer directement le prix des données. En l’absence de tarification économique basée sur la qualité des données, la rareté ou le degré d’amélioration du modèle, nous pouvons tomber dans des incitations superficielles. Le simple fait de distribuer des jetons pour récompenser la participation peut encourager la quantité plutôt que la qualité, ou bloquer lorsque les jetons n’ont pas d’ancrage utilitaire réel de l’IA. Pour véritablement libérer l’innovation, les contributeurs doivent voir des signaux clairs axés sur le marché, comprendre la valeur de leurs données et récolter les fruits lorsque les données sont réellement utilisées dans les systèmes d’IA.
Nous avons besoin d'une infrastructure plus axée sur l'évaluation directe et les données de récompense, afin de créer un cycle d'incitation à la centralisation des données : plus les gens contribuent de données de haute qualité, meilleur est le modèle, attirant davantage d'utilisation et de demande de données, ce qui augmente les retours des contributeurs. Cela permettra à l'IA de passer d'une compétition fermée pour les big data à un marché ouvert de données fiables et de haute qualité.
Comment ces concepts se manifestent-ils dans des projets réels ? Prenons l'exemple de LazAI - ce projet construit le prochain réseau blockchain et les primitives fondamentales pour une économie AI décentralisée.
LazAI Introduction - Aligner l'IA avec l'humanité
LazAI est un réseau et un protocole de blockchain de nouvelle génération conçu pour résoudre les problèmes d'alignement des données AI, en introduisant de nouvelles normes d'actifs pour les données AI, le comportement des modèles et les interactions des agents, afin de construire l'infrastructure de l'économie AI décentralisée.
LazAl propose l'une des approches les plus avant-gardistes en résolvant le problème de l'alignement de l'IA grâce à la vérifiabilité, à l'incitation et à la programmabilité des données sur la chaîne. Le texte ci-dessous illustrera comment une blockchain native à l'IA peut mettre en pratique les principes susmentionnés en prenant le cadre de LazAI comme exemple.
Problème central - désalignement des données et absence d'incitations équitables
L'alignement de l'IA est souvent lié à la qualité des données d'entraînement, tandis que l'avenir nécessite de nouvelles données qui soient alignées avec l'humain, fiables et gouvernées. Alors que l'industrie de l'IA évolue des modèles généralisés centralisés vers une intelligence contextualisée et alignée, l'infrastructure doit également évoluer en synchronisation. La prochaine ère de l'IA sera définie par l'alignement, la précision et la traçabilité. LazAI s'attaque aux défis de l'alignement des données et des incitations en proposant une solution fondamentale : aligner les données dès leur origine et récompenser directement les données elles-mêmes. En d'autres termes, garantir que les données d'entraînement représentent de manière vérifiable la perspective humaine, en éliminant le bruit et le biais, et en récompensant en fonction de la qualité des données, de leur rareté ou du niveau d'amélioration qu'elles apportent au modèle. C'est un saut de paradigme allant de la réparation des modèles à l'organisation des données.
LazAI n'introduit pas seulement des primitives, mais propose également un nouveau paradigme pour l'acquisition de données, la tarification et la gouvernance. Ses concepts clés incluent les tokens ancrés dans les données (DAT) et les DAO centrés sur l'individu (iDAO), qui réalisent ensemble la tarification, la traçabilité et l'utilisation programmable des données.
Données vérifiables et programmables - Jeton d'ancrage de données (DAT)
Pour y parvenir, LazAI a introduit une nouvelle primitive on-chain, le Data Anchor Token (DAT), une nouvelle norme de jeton conçue spécifiquement pour l’assetisation des données de l’IA. Chaque DAT représente un élément de données ancrées sur la chaîne et leur traçabilité : identité du contributeur, évolution dans le temps et cas d’utilisation. Cela crée un historique vérifiable de chaque donnée – similaire à un système de contrôle de version pour les ensembles de données (comme Git), mais sécurisé par la blockchain. Comme les fichiers DAT existent sur la chaîne, ils sont programmables : les contrats intelligents gèrent les règles d’utilisation. Par exemple, un contributeur de données peut spécifier que son DAT, tel qu’un ensemble d’images médicales, soit limité à des modèles d’IA spécifiques, ou utilisé sous certaines conditions (en appliquant des contraintes de confidentialité ou éthiques par le biais d’un code). L’incitation est que les fichiers DAT peuvent être échangés ou mis en jeu – le modèle (ou son propriétaire) peut payer pour avoir accès aux données si elles ont de la valeur pour le modèle. Essentiellement, LazAI a construit une place de marché où les données sont tokenisées et traçables. Il s’agit d’un écho direct de la métrique des « données vérifiables » évoquée précédemment : en examinant un DAT, vous pouvez confirmer s’il a été validé, combien de modèles sont utilisés et quelles améliorations des performances du modèle il a entraînées. Ces données feront l’objet d’une valorisation plus élevée. En ancrant les données sur la chaîne et en liant les incitations économiques à la qualité, LazAI s’assure que l’IA est formée sur des données fiables et mesurables. Il s’agit de résoudre des problèmes en incitant à l’alignement – des données de qualité sont récompensées et arrivent en tête.
Cadre DAO centré sur l'individu (iDAO)
Le deuxième élément clé est le concept iDAO (Individual-Centric DAO) de LazAI, qui redéfinit la gouvernance dans l’économie de l’IA en plaçant les individus, plutôt que les organisations, au cœur de la prise de décision et de la propriété des données. Les DAO traditionnelles donnent souvent la priorité aux objectifs organisationnels collectifs, affaiblissant par inadvertance la volonté individuelle. iDAO subvertit cette logique. Il s’agit d’unités de gouvernance personnalisées qui permettent aux individus, aux communautés ou aux entités spécifiques à un domaine de posséder, de contrôler et de valider directement les données et les modèles qu’ils contribuent au système d’IA. Les iDAO supportent une IA personnalisée et alignée : en tant que cadre de gouvernance, ils s’assurent que le modèle suit toujours les valeurs ou les intentions des contributeurs. D’un point de vue économique, les iDAO rendent également le comportement de l’IA programmable par la communauté : des règles peuvent être définies pour limiter la façon dont un modèle peut utiliser des données spécifiques, qui peut accéder au modèle et comment les avantages de la sortie du modèle seront distribués. Par exemple, les iDAO peuvent stipuler que chaque fois que leur modèle d’IA est appelé, comme une demande d’API ou une tâche terminée, une partie du produit sera retournée aux détenteurs de DAT qui ont fourni les données pertinentes. Cela établit une boucle de rétroaction directe entre le comportement du proxy et les récompenses des contributeurs - similaire au mécanisme de la DeFi où les revenus des fournisseurs de liquidité sont liés à l’utilisation de la plateforme. De plus, les iDAO peuvent interagir de manière composable les uns avec les autres par le biais d’un protocole : un agent d’IA (iDAO) peut invoquer les données ou le modèle d’un autre iDAO selon des conditions négociées.
En s’appuyant sur ces primitives, le cadre de LazAI donne vie à la vision d’une économie d’IA décentralisée. Les données deviennent un actif que les utilisateurs peuvent posséder et monétiser, les modèles passent de silos privés à des projets collaboratifs, et toutes les personnes impliquées, des individus qui organisent des ensembles de données uniques aux développeurs qui créent de petits modèles spécialisés, peuvent devenir des parties prenantes de la chaîne de valeur de l’IA. Cet alignement des incitations promet de reproduire la croissance explosive de la DeFi : lorsque les gens se rendront compte que s’engager dans l’IA (contribution de données ou d’expertise) se traduit directement par des opportunités, ils seront plus activement engagés. À mesure que le nombre de participants augmente, les effets de réseau entrent en jeu : plus de données conduisent à de meilleurs modèles, plus d’utilisateurs sont attirés et plus de données et d’exigences sont générées, créant ainsi un cycle positif.
Construire une base de confiance en IA : cadre de calcul vérifiable
Dans cet écosystème, le cadre de calcul vérifiable de LazAI (Verified Computing Framework) est le niveau central de construction de la confiance. Ce cadre garantit que chaque DAT généré, chaque décision d'iDAO (organisation autonome individualisée), chaque distribution d'incitation dispose d'une chaîne de traçabilité vérifiable, rendant la propriété des données exécutable, le processus de gouvernance responsable et le comportement des agents auditables. En transformant les iDAO et les DAT d'un concept théorique en un système fiable et vérifiable, le cadre de calcul vérifiable réalise un changement de paradigme de confiance - passant d'une dépendance aux hypothèses à une garantie de déterminisme basée sur la vérification mathématique.
Réalisation de la valeur de l'économie décentralisée de l'IA
L'établissement de ces éléments fondamentaux permet de concrétiser la vision d'une économie AI décentralisée :
Actif de données : les utilisateurs peuvent avoir des droits sur leurs actifs de données et en obtenir des revenus.
Collaboration des modèles : les modèles d'IA passent d'îlots fermés à des produits de collaboration ouverts
Participation à la valorisation : des contributeurs de données aux développeurs de modèles verticaux, tous les participants peuvent devenir des parties prenantes de la chaîne de valeur de l'IA.
Cette conception compatible avec les incitations devrait reproduire la dynamique de croissance de la DeFi : lorsque les utilisateurs se rendront compte que la participation à la construction de l’IA (en apportant des données ou de l’expertise) peut se traduire directement en opportunités économiques, l’enthousiasme pour la participation sera allumé. Au fur et à mesure que l’échelle des participants augmente, des effets de réseau apparaissent : plus de données de haute qualité conduisent à de meilleurs modèles, attirent plus d’utilisateurs à rejoindre et, à leur tour, génèrent plus de demande de données, formant un volant d’inertie de croissance qui s’auto-renforce.
Conclusion : Vers une économie AI ouverte
Le parcours de la DeFi montre que des primitives correctes peuvent libérer une croissance sans précédent. Dans la prochaine économie native de l'IA, nous nous trouvons à un point critique similaire. En définissant et en mettant en œuvre de nouvelles primitives qui valorisent les données et l'alignement, nous pouvons transformer le développement de l'IA d'une ingénierie centralisée en une entreprise communautaire décentralisée. Ce voyage n'est pas sans défis : il faut s'assurer que les mécanismes économiques privilégient la qualité plutôt que la quantité, et éviter les pièges éthiques pour empêcher les incitations basées sur les données de nuire à la vie privée ou à l'équité. Mais la direction est déjà claire. Les pratiques de LazAI comme le DAT et l'iDAO ouvrent la voie à la transformation du concept abstrait de "IA alignée avec l'humain" en mécanismes concrets de propriété et de gouvernance.
Tout comme la DeFi a optimisé expérimentalement la TVL, le minage de liquidité et la gouvernance, l’économie de l’IA itérera sur ses nouvelles primitives. À l’avenir, des débats et des innovations autour de la mesure de la valeur des données, de la distribution équitable des récompenses, de l’alignement et des avantages des agents d’IA ne manqueront pas d’émerger. Cet article ne fait qu’effleurer la surface des modèles incitatifs qui peuvent conduire à la démocratisation de l’IA, dans l’espoir de susciter une discussion ouverte et des recherches approfondies : Comment concevoir des primitives économiques plus natives de l’IA ? Quelles sont les conséquences ou les opportunités imprévues possibles ? Avec la participation d’une large communauté, nous sommes plus susceptibles de construire un avenir de l’IA qui est non seulement technologiquement avancé, mais aussi économiquement inclusif et aligné sur les valeurs humaines.
La croissance exponentielle de la DeFi n'est pas de la magie - elle est alimentée par l'alignement des incitations. Aujourd'hui, nous avons l'opportunité de provoquer un renouveau de l'IA grâce à des pratiques comparables basées sur les données et les modèles. En transformant la participation en opportunités, et les opportunités en effets de réseau, nous pouvons relancer le flywheel de la création et de la distribution de valeur à l'ère numérique pour l'IA.
Construisons ensemble cet avenir - en commençant par un ensemble de données vérifiables, un agent IA aligné, et un nouveau primitif.
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
LazAI recherche : comment l'économie AI dépasse le mythe de la TVL DeFi
Introduction
La finance décentralisée (DeFi) a révolutionné la finance traditionnelle en déclenchant une histoire de croissance exponentielle à travers une série de primitives économiques simples mais puissantes, transformant les réseaux blockchain en un marché mondial sans autorisation. Dans l’essor de la DeFi, plusieurs indicateurs clés sont devenus la lingua franca de la valeur : la valeur totale bloquée (TVL), le taux de rendement annualisé (APY/APR) et la liquidité. Ces mesures intéressantes inspirent l’engagement et la confiance. Par exemple, la TVL de la DeFi (la valeur en dollars des actifs bloqués dans le protocole) a été multipliée par 14 en 2020 avant de quadrupler à nouveau en 2021, pour dépasser les 112 milliards de dollars. Les rendements élevés (certaines plateformes revendiquent des APY allant jusqu’à 3000% pendant le boom de l’agriculture de liquidité) attirent la liquidité, tandis que la profondeur des pools de liquidité signale un glissement plus faible et un marché plus efficace. En bref, la TVL nous dit « combien d’argent est en jeu », l’APR nous dit « combien vous pouvez gagner », et la liquidité indique « à quel point il est facile de trader des actifs ». Malgré leurs défauts, ces mesures ont permis de construire un écosystème financier de plusieurs milliards de dollars à partir de zéro. En transformant l’engagement des utilisateurs en une opportunité financière immédiate, la DeFi a créé un volant d’adoption auto-renforcé qui l’a rendue rapidement populaire, entraînant une participation de masse.
Aujourd’hui, l’IA se trouve à la croisée des chemins. Mais contrairement à la DeFi, le récit actuel de l’IA est dominé par de grands modèles à usage général entraînés sur d’énormes ensembles de données Internet. Ces modèles ont souvent du mal à fournir des résultats efficaces dans des segments, des tâches spécialisées ou des besoins individuels. Leur modèle « taille unique » est puissant mais fragile, universel mais mal aligné. Ce paradigme a grand besoin d’un changement de paradigme. La prochaine ère de l’IA ne devrait pas être définie par la taille ou la polyvalence des modèles, mais devrait se concentrer sur les modèles ascendants – des modèles plus petits et hautement spécialisés. Ce type d’IA personnalisée nécessite un tout nouveau type de données : des données de haute qualité, alignées sur l’homme et spécifiques à un domaine. Mais obtenir ce type de données n’est pas aussi simple que l’exploration du Web, cela nécessite des contributions actives et conscientes de la part d’individus, d’experts du domaine et de communautés.
Pour promouvoir cette nouvelle ère de l'IA spécialisée et alignée sur l'humain, nous devons construire un volant d'incitation similaire à celui du DeFi conçu pour la finance. Cela signifie introduire de nouveaux primitives natifs à l'IA pour mesurer la qualité des données, la performance des modèles, la fiabilité des agents et les incitations à l'alignement - ces indicateurs doivent directement refléter la véritable valeur des données en tant qu'actif (et non simplement en tant qu'entrée).
Cet article explorera ces nouveaux langages qui peuvent constituer les piliers de l'économie native de l'IA. Nous expliquerons comment, si les infrastructures économiques appropriées sont établies (c'est-à-dire en générant des données de haute qualité, en incitant raisonnablement leur création et leur utilisation, et en les centrant sur l'individu), l'IA pourra prospérer. Nous analyserons également des plateformes comme LazAI, qui sont en première ligne de la construction de ces cadres natifs de l'IA, ouvrant la voie à un nouveau paradigme de tarification et de récompense des données, propulsant la prochaine avancée de l'innovation en IA.
La roue des incitations DeFi : TVL, rendements et liquidité - aperçu rapide
L'émergence de la DeFi n'est pas un hasard, son design rend la participation à la fois lucrative et transparente. La valeur totale verrouillée (TVL), le rendement annualisé (APY/APR) et la liquidité sont des indicateurs clés qui ne sont pas seulement des chiffres, mais également des primitives alignant le comportement des utilisateurs avec la croissance du réseau. Ces indicateurs forment ensemble un cercle vertueux attirant les utilisateurs et le capital, ce qui favorise l'innovation continue.
Ces primitives forment un puissant volant d'incitation. Les participants qui créent de la valeur en verrouillant des actifs ou en fournissant de la liquidité reçoivent immédiatement des récompenses (par le biais de rendements élevés et d'incitations en tokens), ce qui encourage une participation accrue. Cela transforme la participation individuelle en opportunités vastes - les utilisateurs gagnent des profits et de l'influence sur la gouvernance - et ces opportunités engendrent des effets de réseau, attirant des milliers d'utilisateurs à rejoindre. Le résultat est frappant : d'ici 2024, le nombre d'utilisateurs de DeFi dépasse 10 millions, et sa valeur a augmenté de près de 30 fois en quelques années. Il est évident que l'alignement massif des incitations - transformer les utilisateurs en parties prenantes - est la clé de l'essor exponentiel de DeFi.
Le manque actuel de l'économie de l'IA
Si DeFi a montré comment la participation de bas en haut et l'alignement des incitations peuvent déclencher une révolution financière, l'économie AI d'aujourd'hui manque encore des primitives fondamentales pour soutenir des transformations similaires. Actuellement, l'AI est dominée par de grands modèles généraux entraînés sur d'énormes ensembles de données récupérées. Ces modèles fondamentaux sont d'une ampleur incroyable, mais destinés à résoudre tous les problèmes, ils ne parviennent souvent pas à servir particulièrement efficacement quiconque. Leur architecture "à taille unique" a du mal à s'adapter aux sous-domaines, aux différences culturelles ou aux préférences individuelles, ce qui entraîne des sorties fragiles, des angles morts et un décalage croissant avec les besoins réels.
La prochaine génération d’IA ne sera plus définie par l’échelle, mais aussi par la compréhension contextuelle, c’est-à-dire la capacité des modèles à comprendre et à servir des domaines spécifiques, des communautés professionnelles et des perspectives humaines diverses. Cependant, cette intelligence contextuelle nécessite des intrants différents : des données de haute qualité, alignées sur l’homme. Et c’est exactement ce qui manque en ce moment. Il n’existe actuellement aucun mécanisme largement accepté pour mesurer, identifier, valoriser ou hiérarchiser ces données, ni aucun processus ouvert permettant aux individus, aux communautés ou aux experts du domaine d’apporter leurs points de vue et d’améliorer les systèmes intelligents qui ont de plus en plus d’impact sur leur vie. En conséquence, la valeur reste concentrée entre les mains d’une poignée de fournisseurs d’infrastructures, et les masses sont déconnectées du potentiel de croissance de l’économie de l’IA. Ce n’est qu’en concevant de nouvelles primitives qui découvrent, valident et récompensent les contributions à forte valeur ajoutée (données, retours, signaux d’alignement) que nous pouvons débloquer le cycle de croissance participative sur lequel la DeFi prospère.
En d'autres termes, nous devons également nous interroger :
Comment devrions-nous mesurer la valeur de la création ? Comment construire une roue d'adoption auto-renforçante pour promouvoir la participation des données centrées sur l'individu de bas en haut ?
Pour débloquer une "économie native de l'IA" similaire à DeFi, nous devons définir de nouveaux primitives qui transforment la participation en opportunités pour l'IA, catalysant ainsi des effets de réseau sans précédent dans ce domaine.
Technologie native AI : le nouveau langage de la nouvelle économie
Nous ne nous contentons plus de transférer des jetons entre des portefeuilles, mais nous saisissons des données dans des modèles, les sorties des modèles se transforment en décisions, et les agents IA passent à l'action. Cela nécessite de nouveaux indicateurs et primitives pour quantifier l'intelligence et l'alignement, tout comme les indicateurs DeFi quantifient le capital. Par exemple, LazAI construit un réseau blockchain de nouvelle génération, en introduisant de nouveaux standards d'actifs pour les données IA, le comportement des modèles et les interactions des agents, afin de résoudre le problème de l'alignement des données IA.
Voici un aperçu de quelques termes clés qui définissent la valeur économique de l'IA sur la chaîne.
En appliquant cela à l’économie générale de l’IA, nous pourrions voir la « valeur totale des données verrouillées (TDVL) » comme une mesure : une mesure agrégée de toutes les données précieuses sur le réseau, pondérée par la vérifiabilité et l’utilité. Les pools de données vérifiés peuvent même être échangés comme des pools de liquidité – par exemple, un pool d’images médicales vérifiées pour l’IA de diagnostic sur la chaîne peut avoir une valeur et une utilisation quantifiables. Le sourcing des données (compréhension de la source des données, historique des modifications) sera un élément clé de cette métrique pour garantir que les données introduites dans le modèle d’IA sont fiables et traçables. Essentiellement, si la liquidité concerne le capital disponible, les données vérifiables concernent les connaissances disponibles. Des mesures telles que la preuve de valeur des données (PoDV) capturent la quantité de connaissances utiles enfermées dans le réseau, tandis que l’ancrage des données sur la chaîne via le jeton d’ancrage de données (DAT) de LazAI fait de la liquidité des données une couche économique mesurable et incitative.
Les plateformes existantes commencent à tokeniser les agents d’IA et à leur donner des métriques on-chain : par exemple, le « protocole Rome » de Rivalz crée des agents d’IA basés sur NFT (rAgents), et ses dernières métriques de réputation sont enregistrées sur la chaîne. Les utilisateurs peuvent miser ou prêter ces proxys, et leurs récompenses dépendent de leurs performances et de leur influence dans un « cluster » d’IA collectif. Il s’agit essentiellement de la DeFi pour les agents d’IA et cela démontre l’importance des métriques de l’utilitaire proxy. À l’avenir, nous pourrions parler de « proxys d’IA actifs » de la même manière que nous parlons d’adresses actives, ou d'« impact économique indirect » lorsque nous parlons de volume de transactions.
Tout comme DeFi nécessite des explorateurs de blocs et des tableaux de bord (comme DeFi Pulse, DefiLlama) pour suivre le TVL et les rendements, l'économie AI a également besoin de nouveaux navigateurs pour suivre ces indicateurs centralisés de l'IA - imaginez un tableau de bord "AI-llama" affichant le volume total de données alignées, le nombre d'agents IA actifs, les rendements d'utilité cumulés de l'IA, etc. Cela a des similitudes avec DeFi, mais le contenu est entièrement nouveau.
Vers un flywheel AI de type DeFi
Nous devons construire un cercle d'incitation pour l'IA - considérer les données comme un actif économique de premier ordre, afin de transformer le développement de l'IA d'une entreprise fermée en une économie ouverte et participative, tout comme le DeFi transforme la finance en un domaine de liquidité ouvert et piloté par les utilisateurs.
Des explorations préliminaires dans cette direction ont déjà été observées. Par exemple, des projets comme Vana commencent à récompenser les utilisateurs pour leur participation au partage de données. Le réseau Vana permet aux utilisateurs de contribuer des données personnelles ou communautaires à DataDAO (un pool de données décentralisé) et de gagner des jetons exclusifs aux ensembles de données (qui peuvent être échangés contre des jetons natifs du réseau). C'est un pas important vers la monétisation des contributeurs de données.
Cependant, la récompense des contributions ne suffit pas à elle seule à reproduire le volant d’inertie explosif de la DeFi. Dans la DeFi, les fournisseurs de liquidité sont non seulement récompensés pour le dépôt d’actifs, mais les actifs qu’ils fournissent ont également une valeur marchande transparente, et le rendement reflète l’utilisation réelle (frais de transaction, intérêts d’emprunt, plus jetons incitatifs). De la même manière, l’économie des données de l’IA doit aller au-delà des récompenses génériques et fixer directement le prix des données. En l’absence de tarification économique basée sur la qualité des données, la rareté ou le degré d’amélioration du modèle, nous pouvons tomber dans des incitations superficielles. Le simple fait de distribuer des jetons pour récompenser la participation peut encourager la quantité plutôt que la qualité, ou bloquer lorsque les jetons n’ont pas d’ancrage utilitaire réel de l’IA. Pour véritablement libérer l’innovation, les contributeurs doivent voir des signaux clairs axés sur le marché, comprendre la valeur de leurs données et récolter les fruits lorsque les données sont réellement utilisées dans les systèmes d’IA.
Nous avons besoin d'une infrastructure plus axée sur l'évaluation directe et les données de récompense, afin de créer un cycle d'incitation à la centralisation des données : plus les gens contribuent de données de haute qualité, meilleur est le modèle, attirant davantage d'utilisation et de demande de données, ce qui augmente les retours des contributeurs. Cela permettra à l'IA de passer d'une compétition fermée pour les big data à un marché ouvert de données fiables et de haute qualité.
Comment ces concepts se manifestent-ils dans des projets réels ? Prenons l'exemple de LazAI - ce projet construit le prochain réseau blockchain et les primitives fondamentales pour une économie AI décentralisée.
LazAI Introduction - Aligner l'IA avec l'humanité
LazAI est un réseau et un protocole de blockchain de nouvelle génération conçu pour résoudre les problèmes d'alignement des données AI, en introduisant de nouvelles normes d'actifs pour les données AI, le comportement des modèles et les interactions des agents, afin de construire l'infrastructure de l'économie AI décentralisée.
LazAl propose l'une des approches les plus avant-gardistes en résolvant le problème de l'alignement de l'IA grâce à la vérifiabilité, à l'incitation et à la programmabilité des données sur la chaîne. Le texte ci-dessous illustrera comment une blockchain native à l'IA peut mettre en pratique les principes susmentionnés en prenant le cadre de LazAI comme exemple.
Problème central - désalignement des données et absence d'incitations équitables
L'alignement de l'IA est souvent lié à la qualité des données d'entraînement, tandis que l'avenir nécessite de nouvelles données qui soient alignées avec l'humain, fiables et gouvernées. Alors que l'industrie de l'IA évolue des modèles généralisés centralisés vers une intelligence contextualisée et alignée, l'infrastructure doit également évoluer en synchronisation. La prochaine ère de l'IA sera définie par l'alignement, la précision et la traçabilité. LazAI s'attaque aux défis de l'alignement des données et des incitations en proposant une solution fondamentale : aligner les données dès leur origine et récompenser directement les données elles-mêmes. En d'autres termes, garantir que les données d'entraînement représentent de manière vérifiable la perspective humaine, en éliminant le bruit et le biais, et en récompensant en fonction de la qualité des données, de leur rareté ou du niveau d'amélioration qu'elles apportent au modèle. C'est un saut de paradigme allant de la réparation des modèles à l'organisation des données.
LazAI n'introduit pas seulement des primitives, mais propose également un nouveau paradigme pour l'acquisition de données, la tarification et la gouvernance. Ses concepts clés incluent les tokens ancrés dans les données (DAT) et les DAO centrés sur l'individu (iDAO), qui réalisent ensemble la tarification, la traçabilité et l'utilisation programmable des données.
Données vérifiables et programmables - Jeton d'ancrage de données (DAT)
Pour y parvenir, LazAI a introduit une nouvelle primitive on-chain, le Data Anchor Token (DAT), une nouvelle norme de jeton conçue spécifiquement pour l’assetisation des données de l’IA. Chaque DAT représente un élément de données ancrées sur la chaîne et leur traçabilité : identité du contributeur, évolution dans le temps et cas d’utilisation. Cela crée un historique vérifiable de chaque donnée – similaire à un système de contrôle de version pour les ensembles de données (comme Git), mais sécurisé par la blockchain. Comme les fichiers DAT existent sur la chaîne, ils sont programmables : les contrats intelligents gèrent les règles d’utilisation. Par exemple, un contributeur de données peut spécifier que son DAT, tel qu’un ensemble d’images médicales, soit limité à des modèles d’IA spécifiques, ou utilisé sous certaines conditions (en appliquant des contraintes de confidentialité ou éthiques par le biais d’un code). L’incitation est que les fichiers DAT peuvent être échangés ou mis en jeu – le modèle (ou son propriétaire) peut payer pour avoir accès aux données si elles ont de la valeur pour le modèle. Essentiellement, LazAI a construit une place de marché où les données sont tokenisées et traçables. Il s’agit d’un écho direct de la métrique des « données vérifiables » évoquée précédemment : en examinant un DAT, vous pouvez confirmer s’il a été validé, combien de modèles sont utilisés et quelles améliorations des performances du modèle il a entraînées. Ces données feront l’objet d’une valorisation plus élevée. En ancrant les données sur la chaîne et en liant les incitations économiques à la qualité, LazAI s’assure que l’IA est formée sur des données fiables et mesurables. Il s’agit de résoudre des problèmes en incitant à l’alignement – des données de qualité sont récompensées et arrivent en tête.
Cadre DAO centré sur l'individu (iDAO)
Le deuxième élément clé est le concept iDAO (Individual-Centric DAO) de LazAI, qui redéfinit la gouvernance dans l’économie de l’IA en plaçant les individus, plutôt que les organisations, au cœur de la prise de décision et de la propriété des données. Les DAO traditionnelles donnent souvent la priorité aux objectifs organisationnels collectifs, affaiblissant par inadvertance la volonté individuelle. iDAO subvertit cette logique. Il s’agit d’unités de gouvernance personnalisées qui permettent aux individus, aux communautés ou aux entités spécifiques à un domaine de posséder, de contrôler et de valider directement les données et les modèles qu’ils contribuent au système d’IA. Les iDAO supportent une IA personnalisée et alignée : en tant que cadre de gouvernance, ils s’assurent que le modèle suit toujours les valeurs ou les intentions des contributeurs. D’un point de vue économique, les iDAO rendent également le comportement de l’IA programmable par la communauté : des règles peuvent être définies pour limiter la façon dont un modèle peut utiliser des données spécifiques, qui peut accéder au modèle et comment les avantages de la sortie du modèle seront distribués. Par exemple, les iDAO peuvent stipuler que chaque fois que leur modèle d’IA est appelé, comme une demande d’API ou une tâche terminée, une partie du produit sera retournée aux détenteurs de DAT qui ont fourni les données pertinentes. Cela établit une boucle de rétroaction directe entre le comportement du proxy et les récompenses des contributeurs - similaire au mécanisme de la DeFi où les revenus des fournisseurs de liquidité sont liés à l’utilisation de la plateforme. De plus, les iDAO peuvent interagir de manière composable les uns avec les autres par le biais d’un protocole : un agent d’IA (iDAO) peut invoquer les données ou le modèle d’un autre iDAO selon des conditions négociées.
En s’appuyant sur ces primitives, le cadre de LazAI donne vie à la vision d’une économie d’IA décentralisée. Les données deviennent un actif que les utilisateurs peuvent posséder et monétiser, les modèles passent de silos privés à des projets collaboratifs, et toutes les personnes impliquées, des individus qui organisent des ensembles de données uniques aux développeurs qui créent de petits modèles spécialisés, peuvent devenir des parties prenantes de la chaîne de valeur de l’IA. Cet alignement des incitations promet de reproduire la croissance explosive de la DeFi : lorsque les gens se rendront compte que s’engager dans l’IA (contribution de données ou d’expertise) se traduit directement par des opportunités, ils seront plus activement engagés. À mesure que le nombre de participants augmente, les effets de réseau entrent en jeu : plus de données conduisent à de meilleurs modèles, plus d’utilisateurs sont attirés et plus de données et d’exigences sont générées, créant ainsi un cycle positif.
Construire une base de confiance en IA : cadre de calcul vérifiable
Dans cet écosystème, le cadre de calcul vérifiable de LazAI (Verified Computing Framework) est le niveau central de construction de la confiance. Ce cadre garantit que chaque DAT généré, chaque décision d'iDAO (organisation autonome individualisée), chaque distribution d'incitation dispose d'une chaîne de traçabilité vérifiable, rendant la propriété des données exécutable, le processus de gouvernance responsable et le comportement des agents auditables. En transformant les iDAO et les DAT d'un concept théorique en un système fiable et vérifiable, le cadre de calcul vérifiable réalise un changement de paradigme de confiance - passant d'une dépendance aux hypothèses à une garantie de déterminisme basée sur la vérification mathématique.
Réalisation de la valeur de l'économie décentralisée de l'IA L'établissement de ces éléments fondamentaux permet de concrétiser la vision d'une économie AI décentralisée :
Cette conception compatible avec les incitations devrait reproduire la dynamique de croissance de la DeFi : lorsque les utilisateurs se rendront compte que la participation à la construction de l’IA (en apportant des données ou de l’expertise) peut se traduire directement en opportunités économiques, l’enthousiasme pour la participation sera allumé. Au fur et à mesure que l’échelle des participants augmente, des effets de réseau apparaissent : plus de données de haute qualité conduisent à de meilleurs modèles, attirent plus d’utilisateurs à rejoindre et, à leur tour, génèrent plus de demande de données, formant un volant d’inertie de croissance qui s’auto-renforce.
Conclusion : Vers une économie AI ouverte
Le parcours de la DeFi montre que des primitives correctes peuvent libérer une croissance sans précédent. Dans la prochaine économie native de l'IA, nous nous trouvons à un point critique similaire. En définissant et en mettant en œuvre de nouvelles primitives qui valorisent les données et l'alignement, nous pouvons transformer le développement de l'IA d'une ingénierie centralisée en une entreprise communautaire décentralisée. Ce voyage n'est pas sans défis : il faut s'assurer que les mécanismes économiques privilégient la qualité plutôt que la quantité, et éviter les pièges éthiques pour empêcher les incitations basées sur les données de nuire à la vie privée ou à l'équité. Mais la direction est déjà claire. Les pratiques de LazAI comme le DAT et l'iDAO ouvrent la voie à la transformation du concept abstrait de "IA alignée avec l'humain" en mécanismes concrets de propriété et de gouvernance.
Tout comme la DeFi a optimisé expérimentalement la TVL, le minage de liquidité et la gouvernance, l’économie de l’IA itérera sur ses nouvelles primitives. À l’avenir, des débats et des innovations autour de la mesure de la valeur des données, de la distribution équitable des récompenses, de l’alignement et des avantages des agents d’IA ne manqueront pas d’émerger. Cet article ne fait qu’effleurer la surface des modèles incitatifs qui peuvent conduire à la démocratisation de l’IA, dans l’espoir de susciter une discussion ouverte et des recherches approfondies : Comment concevoir des primitives économiques plus natives de l’IA ? Quelles sont les conséquences ou les opportunités imprévues possibles ? Avec la participation d’une large communauté, nous sommes plus susceptibles de construire un avenir de l’IA qui est non seulement technologiquement avancé, mais aussi économiquement inclusif et aligné sur les valeurs humaines.
La croissance exponentielle de la DeFi n'est pas de la magie - elle est alimentée par l'alignement des incitations. Aujourd'hui, nous avons l'opportunité de provoquer un renouveau de l'IA grâce à des pratiques comparables basées sur les données et les modèles. En transformant la participation en opportunités, et les opportunités en effets de réseau, nous pouvons relancer le flywheel de la création et de la distribution de valeur à l'ère numérique pour l'IA.
Construisons ensemble cet avenir - en commençant par un ensemble de données vérifiables, un agent IA aligné, et un nouveau primitif.