YouMind
Se connecter

La confidentialité dans la crypto et l'IA est inévitable

509K
1.2K
80
129
237

TL;DR

L'article soutient que la confidentialité devient essentielle pour la crypto et l'IA, mettant en avant l'essor des tokens axés sur la vie privée comme ZEC et VVV. Il détaille comment des projets comme Arcium et Venice construisent une infrastructure pour protéger les données sensibles dans les flux de travail financiers et liés à l'IA.

La confidentialité onchain est en pleine réévaluation.

Depuis le début de l'année, ce narratif domine les discussions du secteur : $ZEC (+159 %), $VVV (+1 693 %), $NEAR (+237 %) et $ARX (+122 %) se sont imposés comme les meilleurs performers des portefeuilles, tandis que $XMR (+29 %) et $LINK (+22 %) ont également montré leur solidité.

En prenant un peu de recul, les catégories liées aux privacy coins et à l'infrastructure de confidentialité ont explosé au T3, avec une capitalisation boursière cumulée en hausse d'environ 164 % et 103 %, respectivement.

Et je ne vois pas ce train ralentir de sitôt, surtout quand on observe la trajectoire de l'IA.

WallStreetBets - inline image

Performance de la capitalisation boursière des principaux secteurs de la confidentialité au T3

La confidentialité est désormais un enjeu central dans tout l'écosystème IA.

Nous avons vu le président Trump insister sur la protection des données du portail IA lors du lancement d'America.gov, OpenAI essuyer de vives critiques autour de la controverse du prix du millénaire Navier-Stokes, ou encore des investisseurs comme Jason Calacanis mettre en garde contre le fait d'exposer son travail propriétaire à des plateformes IA centralisées. Et ce ne sont que quelques exemples parmi tant d'autres.

Tout bien considéré, je pense que la confidentialité va devenir omniprésente dans l'IA. Et à mesure que cela se produira, le chapitre de la transparence absolue de la crypto touchera à sa fin.

Pour ces deux domaines, la logique est finalement assez simple.

Le plaidoyer pour la confidentialité dans la crypto

Commençons par la crypto.

Les institutions de tous horizons — de BlackRock et Robinhood aux banques, fonds et prestataires de paiement — migrent toutes vers l'onchain.

Chaque actif sera tokenisé et les marchés seront universellement accessibles, avec un trading ouvert 24h/24, 7j/7, 365 jours par an.

Et si vous n'étiez pas au courant, rien de tout cela n'est une révélation. À ce stade, ce sont des vérités universellement acceptées et inéluctables.

https://x.com/wallstreetbets/status/2105065548111372418

Mais il y a un hic : ces institutions ne veulent pas que leurs activités soient publiques, et les marchés onchain sont réputés être un terrain de jeu idéal pour l'exploitation justement à cause de ce manque de confidentialité.

Des catégories entières d'applications, de stratégies d'investissement et de flux de travail institutionnels restent hors chaîne (offchain), car elles seraient exploitées dès l'instant où elles toucheraient le réseau. Résultat : des sommes colossales restent sur la touche pour éviter cette vulnérabilité.

Un fonds ne veut pas que ses concurrents le regardent constituer une position. Une entreprise qui paie ses employés en stablecoins ne souhaite pas que le salaire de chacun soit visible. Envoyer de l'argent à quelqu'un ne devrait pas lui donner le droit de fouiller dans le reste de votre compte.

C'est aussi simple que ça : plus les gens utiliseront la crypto pour gérer leurs finances réelles, plus la confidentialité y prendra une place centrale. C'est d'ailleurs pour cela que les équipes historiques travaillent sur le sujet depuis plus de dix ans.

https://x.com/milianstx/status/1995883036970258825

Donc, si vous partagez la conviction commune que toute la finance fonctionnera sur des rails cryptos, félicitations : vous êtes aussi haussier sur la confidentialité onchain. On ne peut tout simplement pas avoir l'un sans l'autre.

Et côté IA, la confidentialité suit exactement la même trajectoire, mais en plus rapide, car les utilisateurs confient de plus en plus leur vie entière à ces outils.

Le Yin du Yang de la crypto

Le problème de confidentialité de l'IA vient de la direction opposée à celui de la crypto.

La crypto part de rails publics et a besoin de confidentialité pour que les gens puissent les utiliser pour de vraies activités financières. L'IA part de données utilisateur sensibles et a besoin de garanties de confidentialité plus solides pour que les gens puissent fournir en toute sécurité aux modèles les informations qui les rendent utiles.

Le problème, c'est qu'aujourd'hui, une grande partie de ces données sensibles peut encore être traitée en texte clair et rester accessible au fournisseur du modèle. Cela crée un risque : un fournisseur pourrait interpréter des informations profondément personnelles, décider qu'elles franchissent une ligne rouge et les transmettre aux autorités sans mandat, contrôle judiciaire ni procédure régulière, contrairement à ce qu'on attend normalement des forces de l'ordre. Les protections de la vie privée devraient permettre de traiter les véritables risques de sécurité sans transformer les entreprises qui gèrent nos assistants IA en enquêteurs de facto de notre vie privée.

Cela devient encore plus crucial à mesure que l'IA s'attaque à des flux de travail à plus forte valeur ajoutée et à enjeux plus élevés, car les applications les plus utiles sont souvent celles qui exigent les données les plus confidentielles.

https://x.com/kimmonismus/status/2106830228404228267

Un modèle générique peut, par exemple, répondre à une question financière basique avec des informations publiques. Mais vous aider concrètement à comprendre vos propres finances exige beaucoup plus : revenus, dettes, relevés bancaires, documents fiscaux, historique d'investissement, objectifs personnels.

Il en va de même pour les entreprises. Celles qui savent comment fonctionnent ces systèmes ne veulent pas exposer leurs fichiers clients, recherches internes, codes, documents juridiques ou présentations stratégiques au fournisseur du modèle juste pour obtenir une meilleure analyse.

Voilà pourquoi la confidentialité ne peut pas s'arrêter à la couche applicative. L'infrastructure elle-même doit évoluer.

L'inférence privée est l'une des primitives clés ici. L'objectif est de permettre à un modèle de produire une réponse utile sans donner à l'opérateur de l'infrastructure une visibilité totale sur le prompt, les fichiers ou le résultat. Les utilisateurs obtiennent l'intelligence recherchée tout en gardant le contrôle sur les éléments utilisés pour la générer.

Une autre approche consiste à conserver l'intégralité du calcul en local. @qvac mise sur l'IA embarquée (on-device), où les modèles tournent sur votre propre matériel et où les données sensibles restent sur l'appareil au lieu d'être envoyées à un fournisseur cloud.

@0G_labs aborde le même problème sous l'angle de l'infrastructure, avec une inférence IA privée et un stockage chiffré conçus pour garder les données sensibles cachées tout en rendant le calcul vérifiable.

C'est aussi à ce moment-là que la confidentialité de l'IA commence à se mêler un peu à celle de la crypto.

Dans la crypto, le réseau doit vérifier la transaction sans l'exposer à tout le monde. Dans l'IA, l'infrastructure doit exécuter le calcul sans exposer le contexte de l'utilisateur à tous ceux qui participent à son traitement.

Cela m'a poussé à me demander si des startups s'attaquaient aux deux problèmes simultanément. Je suis donc parti explorer le paysage de la confidentialité dans ces deux industries.

Voici quelques-unes des catégories et des projets où j'observe des évolutions intéressantes.

La monnaie privée

@Zcash mène une campagne particulièrement impressionnante en 2026.

Ce qui rend ce récent mouvement intéressant (au-delà des prouesses techniques comme Orchard et Halo 2, les adresses unifiées et le nouveau pool protégé d'Ironwood), c'est que la thèse haussière repose désormais sur une utilisation réelle.

Environ 4,9 millions de ZEC, soit près de 29 % de l'offre en circulation, se trouvent aujourd'hui dans des adresses protégées, contre 8 % début 2024. Parallèlement, les transactions protégées viennent d'atteindre environ 62 000 opérations hebdomadaires, en hausse de 652 % depuis le début de l'année.

Cette croissance se traduit par une véritable utilisation privée.

WallStreetBets - inline image

Offre protégée et total des transactions protégées sur Zcash

C'est en grande partie pour cela que des noms plus importants s'intéressent à Zcash.

Les jumeaux Winklevoss, par exemple, ont lancé Cypherpunk avec 100 millions de dollars pour acquérir du ZEC pour leur trésorerie, et ont déclaré que l'entreprise visait à accumuler jusqu'à 5 % de l'offre en circulation, Tyler Winklevoss qualifiant l'IA d'« aube » du catalyseur de confidentialité.

Zcash offre également à ses utilisateurs la possibilité de doser le niveau de confidentialité souhaité.

Le réseau prend en charge les transactions transparentes et protégées : la confidentialité obtenue dépend donc de la façon dont on utilise le réseau. Il intègre aussi une couche de divulgation pratique. Les clés de visualisation permettent à une partie autorisée de consulter les informations d'une transaction sans pouvoir dépenser les fonds. C'est très utile pour les audits, la conformité ou toute situation nécessitant une transparence sélective plutôt qu'une exposition totale.

La monnaie privée ne sert pas uniquement à se cacher. Elle rend l'argent numérique utilisable dans la vie financière quotidienne.

C'est pourquoi Zcash continue de surperformer le marché.

Les applications privées

Les paramètres par défaut façonnent les comportements.

Si la confidentialité exige des étapes supplémentaires, beaucoup de gens les ignoreront. Je recherche donc des équipes qui construisent au niveau applicatif pour gérer ces étapes à la place des utilisateurs, sans toute la complexité technique. Ainsi, ils peuvent profiter des avantages sans avoir à comprendre la cryptographie sous-jacente.

Je pense que les équipes qui y parviendront deviendront de grands gagnants, car elles serviront de points d'entrée essentiels vers l'IA et la crypto privées.

Je l'ai déjà observé cette année avec @AskVenice. La plupart des gens voient l'application comme une IA privée, et c'est précisément parce que tous ses composants cryptos sous le capot sont entièrement abstraits. Grâce à cette formule, l'application a récemment dépassé les 4 millions d'utilisateurs et les 100 millions de dollars d'ARR :

https://x.com/AustinBarack/status/2089447460275994875

@keet_io est un autre exemple où la confidentialité devient le produit lui-même. Les chats, appels et transferts de fichiers sont chiffrés de bout en bout et fonctionnent en peer-to-peer, sans dépendre de serveurs centraux ni nécessiter de numéro de téléphone ou d'e-mail.

Les portefeuilles cryptos représentent une autre opportunité évidente, car c'est souvent là que la confidentialité s'effondre.

Si un portefeuille sert à plusieurs choses, quelqu'un qui sait où vous recevez des paiements pourrait aussi suivre où vous tradez, ce que vous détenez et comment évolue le reste de votre vie financière.

Techniquement, les utilisateurs peuvent essayer de contourner cela en ouvrant davantage de portefeuilles. Mais cela ajoute de la friction et ne garantit toujours pas que leur activité ne pourra pas être reliée.

Je ne pense pas que la plupart des gens voudront gérer ça eux-mêmes. Ils attendront de leur portefeuille ou de leur application qu'elle protège leur vie privée, tout comme ils l'exigent d'une application bancaire.

C'est de là que viendra la demande. Les gens veulent utiliser ces produits sans donner à des inconnus l'accès au reste de leurs finances, et cela doit paraître invisible et fluide, pas ressembler à un projet de recherche.

@zodl_app en est un bon exemple.

L'application a été créée par les développeurs originaux du protocole Zcash et propose la confidentialité par défaut, la prise en charge des swaps privés et un couplage avec Keystone pour la signature protégée air-gapped.

Au niveau du réseau, @MidnightNtwrk construit autour de la confidentialité programmable. Les applications peuvent garder les données sensibles privées tout en prouvant ou révélant de manière sélective uniquement ce qui est nécessaire, grâce aux preuves ZK, au lieu de tout inscrire sur un registre public.

Globalement, concernant les applications, je veux voir comment cela se traduira par une utilisation durable de la monnaie protégée sur le long terme.

Certes, un token dont le prix flambe peut attirer du monde, mais une utilisation prolongée des applications constitue une preuve bien plus concrète de la demande pour la confidentialité.

La confidentialité comme infrastructure : Arcium, Venice et 0G

Récapitulons rapidement quelques acteurs clés de la confidentialité. Zcash est la référence évidente pour la monnaie privée, @zama amène le FHE onchain, Venice est sortie de la chambre d'écho crypto avec un produit grand public d'IA privée, et 0G pousse une infrastructure IA privée et vérifiable. @Arcium aborde cette même stack de confidentialité via la couche de calcul confidentiel, avec une infrastructure conçue pour couvrir à la fois la crypto et l'IA.

Chacun de ces projets possède une couche de la stack, ce qui a fragmenté le trade de la confidentialité.

C'est cette fragmentation qui rend Arcium si intéressant à mes yeux.

Au lieu de se verrouiller sur un seul élément de confidentialité, ils ont tout regroupé et déploient sur l'ensemble de la stack :

  • Monnaie privée programmable avec C-SPL et Umbra (Zcash)
  • Calcul chiffré (Zama)
  • Inférence IA confidentielle avec Blackthorn (Venice/0G/NEAR)

Projet

Ce qu'ils possèdent

L'approche d'Arcium

ZEC

Monnaie privée, l'actif historique de la confidentialité

Étend la confidentialité au-delà d'une monnaie dédiée : C-SPL ajoute une confidentialité programmable à n'importe quel actif Solana, tandis qu'Umbra a récolté 150 millions de dollars d'engagements lors de la plus grande ICO de l'histoire de Solana.

Zama

Calcul chiffré généraliste pour blockchains (FHE)

Déployé sur le Mainnet, alimente plus de 10 applications (l'écosystème de confidentialité le plus actif de la crypto) avec près de 3 millions de calculs exécutés.

VVV (Venice)/0G/Near

IA privée / Infrastructure IA

Blackthorn étend Arcium du calcul chiffré à l'IA confidentielle sur des GPU chiffrés, en gardant les prompts, fichiers et résultats privés, ce qui permet de créer des applications similaires à Venice.

Ce que j'apprécie ici, c'est que les applications peuvent utiliser la couche de confidentialité en arrière-plan.

De plus, alors que les autres projets mentionnés se concentraient sur les problèmes de confidentialité de la crypto, Arcium a pris des initiatives pour aller au-delà de sa mission initiale d'apporter le calcul chiffré aux blockchains, afin d'étendre le réseau et faire de même pour l'IA.

Voici comment tout cela fonctionne (d'abord l'aspect technique, puis ce que cela signifie concrètement pour vous).

Approche technique

L'approche fondamentale d'Arcium repose sur le calcul multipartite sécurisé (MPC). Les entrées privées sont divisées en parts secrètes et distribuées à travers un cluster de nœuds Arx. Les nœuds évaluent conjointement le calcul sans qu'aucun d'entre eux ne puisse reconstituer les données sous-jacentes.

Le protocole actuel d'Arcium, Cerberus, utilise un modèle de détection et d'abandon à majorité malhonnête. Tant qu'au moins un membre du cluster est honnête, la confidentialité est préservée et les altérations sont détectées ; si une défaillance du protocole survient, il s'interrompt plutôt que de renvoyer un résultat corrompu. Cela protège à la fois la confidentialité et l'intégrité du résultat.

Ce design est naturellement adapté à la crypto : les chaînes publiques peuvent gérer la coordination et le règlement, tandis que la logique applicative privée s'exécute à travers le cluster.

Comparé à un TEE, la confiance est distribuée au lieu d'être concentrée dans une seule enclave ; comparé au FHE, le MPC nécessite plus d'interactions, mais s'intègre parfaitement aux flux de travail décentralisés qui coordonnent déjà plusieurs parties.

La contrepartie est une communication accrue et un risque d'interruption lorsque les nœuds ou le réseau sont indisponibles.

Mais cette architecture n'a pas à se limiter aux applications blockchain. Si le calcul peut être distribué de sorte qu'aucun opérateur unique ne voie les entrées sous-jacentes, le même modèle peut s'étendre aux charges de travail IA impliquant des prompts, des fichiers et d'autres données utilisateur sensibles.

Le pari de l'expansion vers l'IA

Cette extension au-delà de la crypto occupe une place croissante dans le pari d'Arcium.

Nous avons vu comment Venice a bâti un produit IA performant sur des rails cryptos ; Arcium cherche à pousser ces rails plus loin, jusque dans le backend.

Au lieu de posséder l'expérience de chat côté utilisateur, l'entreprise construit une infrastructure confidentielle en dessous, conçue pour que les prompts, fichiers et résultats sensibles n'aient pas à être exposés en texte clair à un fournisseur d'infrastructure unique.

C'est l'autre facette du même pari.

C'est ce qui rend Blackthorn intéressant. Il est conçu pour exécuter une IA confidentielle sur les GPU NVIDIA déjà utilisés par les data centers, sans nécessiter de nouvelle puce de sécurité ou de matériel confidentiel dédié. Si cela fonctionne comme prévu, cela pourrait ouvrir la voie à des flux de travail IA sensibles dans la santé, la finance, le droit et l'administration publique, sans obliger les utilisateurs à confier leurs données sous-jacentes à un fournisseur classique de modèles hébergés.

Arcium refuse ainsi de choisir entre la confidentialité crypto et la confidentialité IA. L'équipe travaille à rendre les deux utilisables via un seul système distribué.

Ce que cela signifie pour les utilisateurs

Le but du calcul confidentiel d'Arcium n'est pas de tout cacher. Il s'agit plutôt de ne révéler que ce dont l'application a besoin.

Pour les utilisateurs, cela peut signifier une enchère calculant un prix de compensation à partir d'offres confidentielles sans publier chaque offre perdante, ou une application de trading gardant les informations d'ordre sensibles privées tout en exécutant ses règles. Le résultat utile est ainsi disponible sans transformer les entrées sous-jacentes en intelligence de marché publique.

Les types de produits vers lesquels Arcium s'oriente sont déjà visibles dans son répertoire d'écosystème, qui inclut Crafts, un projet d'enchères de tokens à offres scellées, et Umbra, un portefeuille pour les transferts et swaps protégés.

Les développeurs peuvent ajouter des fonctions et des états confidentiels aux côtés des parties publiques d'une application Solana, en choisissant quelles informations l'application expose.

Arcium propose également C-SPL, son standard de token confidentiel pour Solana, qui apporte des soldes et des montants de transfert confidentiels aux applications de tokens sans obliger les utilisateurs à migrer vers un actif de confidentialité dédié. Cela pourrait permettre des paies en stablecoins où les employés ne voient pas le salaire des autres, ou des enchères où les participants peuvent vérifier le résultat sans publier chaque offre perdante. Autant de raisons d'utiliser un produit, même si vous n'avez jamais tradé de token de confidentialité.

La même logique s'applique à l'IA. Les applications devraient pouvoir utiliser des informations sensibles sans les révéler inutilement à l'infrastructure qui effectue le calcul.

Pour moi, c'est là que réside la plus grande opportunité.

Ce que je surveille

À l'avenir, la confidentialité restera une catégorie prioritaire sur ma liste de surveillance.

Pour Zcash, je regarde à quel point l'activité protégée peut devenir routinière. De meilleurs portefeuilles et un accès facilité devraient se traduire par des gens utilisant le réseau pour sa fonctionnalité phare.

En tant que trader, je veux comprendre comment l'utilisation se transmet aux actifs qui soutiennent certains de ces projets natifs de la crypto.

Les équipes réussiront-elles à bien calibrer leur flywheel pour que l'onboarding génère efficacement une pression acheteuse ?

Les effets de réseau liés à la confidentialité représentent aussi un enjeu majeur, en raison d'un manque de composabilité.

Lorsque des actifs sont protégés avec une technologie, ils ne sont pas réellement composables avec des actifs protégés par une autre technologie. Il y a donc une urgence pour les équipes à construire de la liquidité, intégrer du capital institutionnel, obtenir la meilleure profondeur pour les swaps, proposer de meilleurs rendements, etc.

La façon dont cela se jouera déterminera le partage du gâteau de la confidentialité onchain.

Côté IA, je suis de très près ce qui se passe autour des frontier labs.

Avec tout le climat alarmiste de ces derniers temps, les régulateurs vont-ils intervenir de manière significative, et la confidentialité des utilisateurs fera-t-elle partie de leurs politiques ?

Je guette également les équipes qui accélèrent à l'intersection de la crypto, de l'IA et de la confidentialité. Nous avons déjà des preuves que cela fonctionne et des histoires convaincantes. Je veux voir à quel point ces bases d'utilisateurs vont croître et quel pourcentage de l'utilisation totale de l'IA l'IA privée pourra capter.

Ici, tout dépend vraiment de l'importance que les gens accordent à leur vie privée. Venice, Arcium, Keet, QVAC, NEAR, Midnight et 0G sont les projets que je suis parce qu'ils abordent la même thèse sous des angles différents : Venice sur le frontend de l'IA privée, Arcium dans l'infrastructure profonde, Keet via la messagerie privée, QVAC avec l'IA locale, NEAR à travers l'infrastructure et les agents IA, Midnight avec la confidentialité programmable, et 0G avec une infrastructure IA privée et vérifiable.

Alors que la crypto et l'IA continuent de s'entremêler, les équipes qui rivalisent dans ce creuset ont de fortes chances de capitaliser sur les deux tendances dont nous convenons tous qu'elles vont se poursuivre : la finance continuera de migrer vers l'onchain, stimulant ainsi l'adoption de la confidentialité, et la demande pour la protection de la vie privée des utilisateurs continuera de croître à mesure que l'adoption de l'IA s'intensifie.

Enregistrer en un clic

Lire les articles viraux en profondeur avec l’IA de YouMind

Enregistrez la source, posez des questions ciblées, résumez l’argument et transformez un article viral en notes réutilisables dans un seul espace de travail IA.

Découvrir YouMind
Pour les créateurs

Transformez votre Markdown en un article 𝕏 impeccable

Quand vous publiez vos propres textes longs, la mise en forme 𝕏 des images, tableaux et blocs de code est pénible. YouMind transforme un brouillon Markdown complet en un article 𝕏 impeccable, prêt à publier.

Essayer Markdown vers 𝕏

D'autres patterns à décoder

Articles viraux récents

Explorer plus d'articles viraux