IA et Blockchain : la formule magique de l'innovation ?

La blockchain et l’Intelligence artificielle ont en commun d’être des industries qui se développent très vite, peu importe l’engouement.

Ainsi, on s’est rapidement demandé s’il était possible de combiner ces technologies.

Après plusieurs années d’expérimentation, la réponse est oui. Certaines combinaisons marchent, mais d’autres ne marchent pas et il y a également des idées reçues à déconstruire. C’est ce que nous allons découvrir aujourd'hui.

Pour étayer notre sujet, il existe un rapport nommé “Crypto x AI, AI x Crypto: A Survey”, publié en juin 2026 par l'IC3 (Initiative for CryptoCurrencies and Contracts). C’est ce rapport qui a permis aujourd’hui d’avoir un résumé des complémentarités possibles entre ces technologies.

Toutefois, avant de se lancer dans le sujet, le rapport tient à préciser qu’il y a deux directions bien distinctes :

• L'IA au service de la blockchain : l’IA analyse, conçoit et sécurise des systèmes basés sur la blockchain
• La blockchain au service de l'IA, pour apporter de la décentralisation et de la sécurité

Ces deux directions n'ont ni la même maturité ni le même potentiel. Donc lorsqu’on parle de combiner la blockchain et l’IA, il faut aborder les deux directions séparément.

L'IA au service de la blockchain

C’est dans l’analyse onchain que l’utilisation de l’IA est la plus mûre. Faire de l’analyse de données, repérer des transactions spécifiques, détecter un smart contract vulnérable, tout ceci représentait des tâches avec lesquelles on a très rapidement fait usage d’algorithmes avant même l’avènement de ChatGPT.

Dans l’analyse onchain, l’utilisation de l’IA n'a rien de spectaculaire car il s'agit souvent de machine learning classique, efficace surtout en cadre contrôlé, là où les données onchain sont nombreuses.

Un autre cas d’utilisation arrivé plus récemment est l’interaction avec les données en dehors de la blockchain. Quelques années plus tôt, si l’on voulait transmettre des données du monde réel vers des smart contracts (prix d’un actif, résultat d’une compétition…), on était obligés de passer par des réseaux d’oracles pour avoir des informations fiables.

Aujourd’hui, de plus en plus d’alternatives émergent grâce à l’IA.

Par exemple, nous avons la gestion du risque automatisée. L'IA peut ajuster dynamiquement et en temps réel des paramètres tels que les collatéraux éligibles et le facteur de réserve (dans le cas d’une plateforme de prêts et d’emprunts). C’est ce que nous avons avec les “Edge Risk Oracles” de Chaos Labs, une entreprise spécialisée dans la gestion du risque en finance décentralisée.

C’était un cas d’usage théorique il y a quelques années, mais qui aujourd'hui est utilisé en production.

La blockchain au service de l'IA

Pour cette direction, la blockchain peut être utilisée de deux façons : décentraliser et sécuriser.

La blockchain pour décentraliser

En 2023, la blockchain avait beaucoup fait parler d’elle pour servir l’IA, notamment dans le cadre de la location de puissance de calcul.

À cette époque, il y avait une pénurie de cartes graphiques, à un tel point que les fournisseurs de cloud comme AWS, Microsoft, Google et Oracle ont commencé à imposer des restrictions sur leur disponibilité auprès de leurs clients.

Mais c’est là que sont arrivés des projets comme Akash ou Theta, des réseaux informatiques permettant de mettre en relation des utilisateurs souhaitant acquérir de la puissance de calcul et des fournisseurs disposant d’une puissance de calcul inutilisée.

Sur Akash, on a estimé que la location de GPU coûtait 70 à 85% moins cher qu’AWS. Puisque ces ressources informatiques n’auraient pas pu être utilisées autrement, les fournisseurs peuvent proposer des prix inférieurs à ceux des fournisseurs centralisés.

La blockchain pour sécuriser

À mesure que les agents gagnent en autonomie et en accès à l'infrastructure, filtrer les entrées et les sorties d'un modèle ne suffit plus. Ce qui compte, c'est la fiabilité de l'environnement d'exécution.

Et c'est exactement ce que la blockchain sait garantir via les environnements d'exécution de confiance appelés “TEEs” (très efficaces mais qui exigent de faire confiance au fabricant) ou des preuves Zero Knowledge pour prouver qu'une inférence est correcte en cachant le modèle, l’entrée et la sortie.

Ces outils ne corrigeront jamais une hallucination, mais ils peuvent certifier que le bon modèle a tourné sur les bonnes données, sans falsification. À l'ère des agents, cette complémentarité est d’autant plus intéressante.

Les idées reçues

Lorsqu’on parle de la combinaison entre la blockchain et l’IA, on trouve plusieurs affirmations courantes dans lesquelles on confond ce qui est souhaitable avec ce qui est démontré.

“La blockchain peut distinguer le contenu IA du contenu humain”, c’est faux.

Une blockchain garantit l'intégrité d'une affirmation, pas sa vérité. Elle ne perçoit pas ce qui se passe en dehors de la blockchain. C’est comme si une image générée par l’IA était considérée comme “authentique” car elle a été prise en photo par un appareil authentique.

“La décentralisation résout les biais de l'IA”, c’est faux.

Le biais naît dans l'entraînement, peu importe s’il est décentralisé ou non. La décentralisation peut, au mieux, offrir de la transparence sans qu'une blockchain soit nécessaire pour cela.

“Donner un wallet à un agent le rend autonome”, autonome n’est pas le bon terme.

Cela rend le wallet automatisé, mais pas autonome car l'opérateur peut toujours éteindre le modèle ou l’interdire de réaliser des actions précises. Le wallet automatisé agit dans le cadre de ce qu’on lui a imposé, et la notion d’autonomie reste floue même chez les professionnels de l’IA.

“Une IA transparente est une IA digne de confiance”, c’est faux.

La blockchain rend les transactions transparentes, mais pas le raisonnement. Autrement dit, connaître les données d'entraînement ne détermine pas le comportement du modèle concerné.

“La décentralisation rend l'IA moins chère.” On ne sait pas.

Les GPU loués sur la blockchain sont moins coûteux à l'unité, mais il peut y avoir d’autres coûts que les prix des machines comme les coûts d’inférence ou le débit. Faute d’estimation sérieuse, cette affirmation reste à prouver.

La partie sombre

Si la blockchain et l’IA peuvent s’allier pour le meilleur, leur union peut aussi être utilisée à des fins malveillantes.

Selon le rapport, la menace principale réside dans les Rogue Smart Contracts, des contrats pilotés par IA qui sollicitent ou rémunèrent des actes malveillants de façon automatisée.

La combinaison d’un agent IA + du paiement programmable crée un acteur d’un genre inédit qui peut réaliser des vols de fonds ou d’informations.

Il y a des contre-mesures comme la déanonymisation analytique sur la blockchain, du blacklisting des fonds, des oracles dotés de garde-fous, mais comme pour la sécurité informatique, c’est un jeu du chat et de la souris où les défenseurs agissent uniquement en réaction aux attaquants.

Verdict : nous sommes aux premiers stades

L'intégration vraiment utile de la crypto et de l'IA en est aux tout premiers stades. La plupart des bénéfices annoncés sont “cohérents à long terme”, mais sur le plan technique, bon nombre de solutions sont prématurées.

La complémentarité entre blockchain et IA est réelle, mais nous avons besoin de temps pour savoir ce qui marche et pour créer les solutions adaptées.

En tant que développeur, il est possible de participer directement à la construction de ces solutions, notamment en vous formant chez Alyra !

En quoi consiste la formation développement IA

Il s’agit d’une formation 100% en ligne disponible en plusieurs formats (de 44h à 144h) au cours de laquelle vous pourrez acquérir des compétences professionnelles liées à l’intelligence artificielle :

• Les fondamentaux de l’IA
• Les outils clés pour la Data Science (Python et SQL)
• Nettoyage et prétraitement des données
• Construire des modèles de Machine Learning
• Deep Learning
• Optimisation des modèles
• Déploiement en production

Cette formation mène à une certification professionnelle reconnue en France, à savoir “Concepteur développeur en intelligence artificielle et analyse big data” (RNCP38616 - Blocs 3 & 5). Voici les objectifs de cette certification :

1. Utiliser des techniques d’apprentissage automatique : concevoir des programmes informatiques pour expliquer la relation entre une ou plusieurs variables afin de prédire des tendances ou de regrouper les données par caractéristiques communes.
2. Utiliser des techniques d’apprentissage profond (deep learning) pour exploiter des données non structurées (données textuelles ou visuelles) pour approfondir ses analyses ou améliorer la qualité de ses prédictions.
3. Mettre en production les algorithmes d’apprentissage, monitorer dans le temps les performances et les améliorer en fonction des différentes innovations.

De plus, les apprenants doivent réaliser en équipe un prototype répondant à un besoin réel ou fictif, faire une démonstration d'usage, présenter leurs livrables et justifier leur contribution au projet devant un jury constitué de professionnels.

‍Alyra vous permet d'apprendre ces compétences et sera votre passerelle vers une activité qui allie passion, expertise et rémunération. Preuves à l'appui : 87% de nos alumni ont connu un retour à l'emploi sous six mois, et 54% d'entre eux gagnent plus de 50 000 € par an.

‍