Introduction : une IA plus ouverte

L’intelligence artificielle est aujourd’hui développée principalement par un nombre limité d’entreprises technologiques disposant de vastes ressources financières, de grandes quantités de données et d’importantes capacités de calcul. Cette concentration favorise des progrès rapides, mais elle limite aussi l’accès aux modèles, aux infrastructures et aux possibilités de contribution pour les chercheurs et développeurs indépendants.

Bittensor propose une approche différente : organiser un réseau ouvert dans lequel différents participants peuvent fournir des modèles, des données, de la puissance de calcul ou d’autres services liés à l’intelligence artificielle. Les contributions sont évaluées par les participants du réseau et récompensées selon leur utilité pour chaque marché spécialisé.

Le protocole repose sur une blockchain appelée Subtensor et utilise TAO comme actif natif. Bittensor ne cherche donc pas uniquement à fournir de la puissance de calcul : son ambition est de créer des marchés décentralisés pour différents services et tâches d’intelligence artificielle.

1. L’origine du projet

Bittensor a été fondé par Jacob Robert Steeves et Ala Shaabana, deux spécialistes du machine learning. Le projet repose sur l’idée que l’intelligence, comme la valeur monétaire avec Bitcoin, pourrait être organisée au moyen d’un réseau ouvert et d’incitations économiques.

Le whitepaper de Bittensor présente le protocole comme une infrastructure destinée à coordonner des participants fournissant des ressources et des services liés à l’IA. Au lieu de confier l’ensemble de la production à une entreprise centralisée, le réseau permet à différents opérateurs de contribuer à des tâches spécialisées.

Le projet est souvent présenté comme ayant adopté un lancement équitable, sans ICO publique ni allocation initiale réservée aux fondateurs comparable à celle de nombreux projets crypto. Les émissions sont distribuées par le protocole aux participants du réseau, notamment aux mineurs et aux validateurs.

2. Comment fonctionne Bittensor ?

2.1 Une blockchain et des marchés spécialisés

Bittensor est construit autour de deux composantes principales :

• une blockchain de base appelée Subtensor ;
• des subnets consacrés à des tâches ou des services particuliers.

Un subnet peut être consacré à la génération de texte, à la recherche de données, à l’inférence de modèles, à la génération de code ou à d’autres applications liées à l’IA. Chaque subnet dispose de règles d’évaluation et d’incitation qui lui sont propres.

Cette architecture distingue Bittensor de projets principalement centrés sur la location de puissance de calcul, comme Render ou Akash. Dans Bittensor, la puissance informatique peut être nécessaire, mais la valeur recherchée est surtout liée au résultat produit par le modèle ou le service.

2.2 Les subnets

Un subnet fonctionne comme un marché spécialisé. Il définit généralement :

• le type de tâche à réaliser ;
• la manière d’évaluer les réponses ;
• les règles applicables aux participants ;
• la façon dont les émissions sont distribuées.

Le réseau comptait environ 128 subnets actifs au milieu de 2026, tandis que sa capacité protocolaire a ensuite été étendue de 128 à 256 slots. Il convient toutefois de distinguer le nombre de slots disponibles du nombre de subnets réellement actifs et économiquement utilisés.

La création d’un subnet est permissionless en principe, mais elle ne se limite pas au paiement d’un simple droit d’enregistrement. Le créateur doit également financer l’infrastructure, développer les logiciels nécessaires, attirer des mineurs et convaincre des validateurs de participer.

2.3 Mineurs et validateurs

Les mineurs exécutent les tâches définies par les subnets. Selon le cas, ils peuvent :

• générer du texte ou du code ;
• traiter des images ;
• fournir des données ;
• exécuter des modèles ;
• participer à l’entraînement distribué ;
• produire des prévisions ou des résultats spécialisés.

Les validateurs testent et évaluent les réponses des mineurs. Ils peuvent prendre en compte différents critères, comme la précision, la pertinence, la rapidité, la robustesse ou la cohérence des résultats.

Les évaluations des validateurs influencent ensuite la distribution des récompenses. Un mineur qui produit régulièrement des résultats utiles peut recevoir une part plus importante des émissions du subnet concerné.

2.4 Yuma Consensus et les incitations

Bittensor est parfois présenté au moyen de l’expression « Proof of Intelligence ». Cette formule décrit l’objectif économique du réseau, mais elle ne doit pas être confondue avec un mécanisme de consensus blockchain officiellement équivalent au Proof of Work ou au Proof of Stake.

Dans la pratique, les validateurs évaluent les contributions des mineurs et soumettent leurs pondérations au réseau. Yuma Consensus agrège ces évaluations et contribue à déterminer la manière dont les émissions sont distribuées. Le système cherche ainsi à orienter les récompenses vers les contributions jugées utiles par les validateurs. Toutefois, la qualité des résultats dépend des critères propres à chaque subnet et de la fiabilité des mécanismes d’évaluation utilisés.

2.5 Dynamic TAO

Dynamic TAO, généralement appelé dTAO, a été déployé en février 2025. Cette évolution a modifié la manière dont la valeur et les émissions sont organisées entre les subnets.

Dans le système dTAO :

• chaque subnet possède un token alpha ;
• le token alpha représente une forme de participation économique au subnet ;
• le TAO peut être engagé dans les mécanismes de liquidité associés aux subnets ;
• les prix des tokens alpha fournissent un signal de marché sur l’intérêt porté à chaque subnet.

Le système s’appuie sur des réserves de TAO et d’alpha ainsi que sur des mécanismes inspirés des teneurs de marché automatisés. En théorie, un subnet attirant davantage de capitaux et de participants peut bénéficier d’une plus grande visibilité économique.

Cette dynamique ne garantit toutefois pas qu’un subnet soit réellement performant. Le prix d’un token alpha peut aussi être influencé par la spéculation, la liquidité disponible et les anticipations des participants.

3. Le token TAO

3.1 Rôle du TAO

TAO est le token natif de Bittensor. Il intervient notamment dans :

• les récompenses distribuées aux participants ;
• le staking et la délégation ;
• l’accès aux mécanismes économiques des subnets ;
• l’acquisition ou la mise en jeu de tokens alpha ;
• la participation à l’allocation de capital entre les différents subnets.

Les modalités précises de rémunération et de monétisation peuvent varier selon les subnets. Il est donc excessif d’affirmer que toutes les requêtes d’IA sont directement payées en TAO. Certains subnets peuvent proposer des services accessibles par des mécanismes spécifiques, tandis que le TAO intervient principalement dans le staking, la liquidité et les incitations du protocole.

3.2 Supply et émissions

La supply maximale annoncée de TAO est de 21 millions de tokens, un plafond qui rappelle celui de Bitcoin. Les émissions sont distribuées par le protocole aux participants qui contribuent au fonctionnement des subnets.

Le premier halving a eu lieu en décembre 2025 et a réduit les émissions quotidiennes d’environ 7 200 à 3 600 TAO. Cependant, le mécanisme ne doit pas être décrit comme un calendrier strictement calendaire identique à celui de Bitcoin. Les prochains événements dépendent du rythme d’émission et de seuils définis par le protocole.

La proportion de TAO stakée et le rendement obtenu varient selon le mécanisme utilisé, le subnet choisi, le validateur et les conditions de marché. Il faut donc éviter de présenter un taux unique de 10% comme le rendement général du staking.

4. Covenant-72B et le subnet Templar

Le 10 mars 2026, le subnet 3, connu sous le nom de Templar, a annoncé l’achèvement de l’entraînement de Covenant-72B. Le modèle compte environ 72,7 milliards de paramètres et a été entraîné avec la participation de nombreux contributeurs répartis sur le réseau.

Cette expérience a été présentée comme l’un des plus importants entraînements décentralisés de modèle de langage réalisés à ce jour. Elle constitue surtout une démonstration de faisabilité : des participants indépendants peuvent collaborer à l’entraînement d’un modèle de grande taille au moyen d’une infrastructure distribuée. Les sources secondaires rapportent un score d’environ 67,1 au benchmark MMLU. Ce résultat doit néanmoins être interprété avec prudence :

• les scores dépendent de la méthode d’évaluation ;
• une bonne performance sur MMLU ne suffit pas à établir une supériorité générale ;
• la comparaison avec d’autres modèles dépend de leurs versions et de leurs protocoles de test ;
• le nombre de contributeurs ne signifie pas que tous les nœuds ont participé simultanément à chaque étape.

Il est donc préférable de présenter Covenant-72B comme une preuve importante de la capacité d’entraînement distribué de Bittensor, et non comme la preuve définitive que le réseau produit les meilleurs modèles d’IA.

5. Adoption et données de marché

Bittensor a attiré l’attention d’acteurs du secteur crypto et de sociétés spécialisées dans les produits d’investissement. Plusieurs démarches liées à des produits financiers exposés à TAO ont été rapportées, notamment autour de Grayscale. La chronologie doit cependant être présentée avec précision. Le dépôt initial concernant la conversion du Bittensor Trust aurait été effectué à la fin de décembre 2025, tandis qu’un amendement a été déposé en avril 2026. Avril ne correspond donc pas nécessairement à une décision finale de la SEC. Le dossier restait soumis à l’examen réglementaire à la date des informations disponibles.

De même, les informations relatives à un listing sur Upbit ou à l’accumulation de TAO par un portefeuille attribué à Arca doivent être accompagnées de sources directes. Une adresse blockchain identifiée par une société d’analyse n’est pas automatiquement reconnue comme appartenant officiellement à un fonds. Les chiffres de prix, de capitalisation et de valorisation entièrement diluée doivent également être datés, car ils changent rapidement. Une analyse sérieuse doit préciser la date du relevé, la plateforme utilisée et la méthode de calcul.

6. Les principaux risques

6.1 Une capture de valeur encore incertaine

Le principal enjeu économique consiste à déterminer si les services produits par les subnets génèrent une demande réelle et durable. Les émissions de TAO peuvent représenter une valeur importante, mais elles ne constituent pas nécessairement des revenus externes provenant de clients. Un subnet peut recevoir des récompenses tout en générant peu de chiffre d’affaires commercial.

Les chiffres très précis concernant plusieurs dizaines de millions de dollars d’émissions comparés à quelques millions de revenus externes doivent être vérifiés dans le rapport original et accompagnés de sa méthodologie. Ils ne devraient pas être présentés comme établis sans source primaire.

6.2 Gouvernance

La décentralisation technique ne garantit pas automatiquement une gouvernance parfaitement décentralisée. Les équipes qui développent les principaux logiciels, les validateurs les plus importants et les participants disposant d’un capital élevé peuvent exercer une influence significative.

Les critiques attribuées à certaines équipes de subnets, notamment autour de Covenant AI, doivent être accompagnées de déclarations directes ou de documents originaux. À défaut, il est préférable de parler de critiques rapportées par des sources secondaires, et non d’un fait définitivement établi.

6.3 Le lien entre les subnets et TAO

Une autre question concerne la capture de valeur par TAO. Le token est utilisé dans le staking, la liquidité et les incitations du réseau, mais cela ne signifie pas automatiquement que toute croissance économique d’un subnet entraîne une hausse proportionnelle de TAO.

La relation entre :

• les revenus d’un subnet ;
• le prix de son token alpha ;
• les émissions du protocole ;
• la demande de TAO ;

reste complexe et dépend du fonctionnement précis de chaque subnet.

Conclusion : une infrastructure prometteuse, mais encore expérimentale

Bittensor propose une architecture originale combinant blockchain, marchés spécialisés et incitations économiques appliquées à l’intelligence artificielle. Son système de subnets permet à différents participants de contribuer à des tâches variées, tandis que les validateurs évaluent la qualité des résultats et influencent la distribution des récompenses. Le déploiement de Dynamic TAO et l’entraînement décentralisé de Covenant-72B illustrent les ambitions techniques du projet. Ils montrent qu’un réseau distribué peut coordonner des ressources et des participants autour de tâches d’IA relativement complexes.

Les limites restent toutefois importantes. La qualité des systèmes d’évaluation varie selon les subnets, la capture de valeur commerciale demeure incertaine et le rôle économique exact de TAO n’est pas encore entièrement démontré. Les chiffres de marché, les performances des modèles et les affirmations concernant l’adoption institutionnelle doivent donc être vérifiés et datés. Bittensor peut ainsi être considéré comme une expérience importante dans le domaine de l’IA décentralisée, mais son potentiel ne doit pas être confondu avec une adoption commerciale déjà acquise. Pour un investisseur, l’analyse doit porter autant sur les émissions et la tokenomics que sur les revenus réels, l’utilisation des subnets, la gouvernance et la capacité du réseau à conserver une avance technologique.