Yellow.com

Chaque recherche, chaque navigation, chaque interaction avec une application génère des données.

Ces données valent des milliards pour les entreprises d’IA. Mais les plateformes qui les collectent captent quasiment toute la valeur.

Une nouvelle génération de places de marché décentralisées de données pour l’IA veut renverser ce modèle : utiliser la crypto pour rémunérer directement les contributeurs à chaque fois que leurs données servent à entraîner un modèle de machine learning.

La mécanique va bien au‑delà du simple slogan « possédez vos données ».

Il y a des couches de vérification, des systèmes de staking, des contraintes de confidentialité et une économie de jetons – autant de briques qui déterminent si un contributeur est rémunéré équitablement… ou pas du tout.

Cet article détaille le fonctionnement de ces systèmes, depuis les fondations.

En résumé

Les places de marché décentralisées de données pour l’IA mettent en relation détenteurs de données brutes et développeurs d’IA en quête de jeux de données labellisés et vérifiés, et s’appuient sur des jetons crypto pour gérer les paiements sans confiance.

Les contributeurs soumettent leurs données, qui sont vérifiées on‑chain ou via des réseaux d’oracles décentralisés avant tout versement, supprimant la plateforme intermédiaire du partage de revenus.

Des techniques de préservation de la vie privée comme le « federated learning » et les preuves à connaissance nulle permettent de monétiser les données sans que l’information brute ne quitte jamais l’appareil du contributeur.

L’économie de jetons – staking, slashing, score de réputation – aligne les incitations afin que les contributeurs envoient des données fiables plutôt que du bruit.

Des projets comme Kled AI sur Solana incarnent l’avant‑garde actuelle, mais le modèle se décline sur plusieurs blockchains et architectures concurrentes.

Pourquoi les entreprises d’IA ont besoin d’autant de données, et qui paie aujourd’hui ?

Les grands modèles de langage et les systèmes de reconnaissance d’images sont voraces en données à un niveau difficile à exagérer.

Un seul cycle d’entraînement pour un modèle de pointe peut consommer des centaines de milliards de jetons de texte, des millions d’images labellisées ou des années de signaux de comportement humain enregistrés.

Il faut bien que ces données viennent de quelque part.

Aujourd’hui, l’essentiel provient de quelques canaux bien identifiés.

Le scraping du web collecte en masse les textes publics. Des accords de licence avec les plateformes donnent aux laboratoires d’IA accès à des jeux de données propriétaires : Reddit, des éditeurs de presse et des banques d’images ont déjà signé ce type de contrat.

Enfin, des plateformes centralisées de micro‑tâches rémunèrent des travailleurs à la pièce pour annoter des images, transcrire de l’audio ou noter la pertinence de réponses générées par l’IA.

Le marché de l’annotation est vaste mais très captif. Sur ces plateformes centralisées, les travailleurs gagnent souvent entre 1 $ et 5 $ de l’heure, alors que les jeux de données labellisés qu’ils produisent se revendent à des prix sans commune mesure, en valeur unitaire, auprès des développeurs d’IA.

Le problème est structurel. Une plateforme centralisée, placée entre le détenteur de données et l’acheteur, capte la majeure partie de la marge. Elle fixe les prix, impose ses propres critères de qualité et peut exclure des contributeurs sans réel recours. Les places de marché décentralisées remplacent ce maillon centralisé par des smart contracts, des protocoles ouverts et des rails de paiement en jetons.

Ce qu’est vraiment une place de marché décentralisée de données pour l’IA

Au cœur, une place de marché décentralisée de données pour l’IA est un protocole où l’offre et la demande de données se rencontrent sans intermédiaire contrôlant l’ensemble.

Côté acheteurs, on trouve des développeurs ou équipes de recherche en IA qui publient une « requête de données » : type de données souhaité, critères de qualité, format requis, et prix proposé par enregistrement validé.

Côté vendeurs, des contributeurs individuels ou des agrégateurs de données qui répondent à ces demandes.

Le smart contract sert de couche d’entiercement (escrow).

L’acheteur bloque des fonds dans le contrat lorsqu’il publie sa requête. Quand un contributeur soumet des données qui franchissent l’étape de vérification, le contrat déclenche automatiquement le paiement.

Aucune des deux parties n’a besoin de faire confiance à l’autre : toutes deux font confiance au code du contrat.

Les données elles‑mêmes ne sont en général pas stockées on‑chain.

Conserver des gigaoctets d’images labellisées sur Ethereum (ETH) ou Solana (SOL) serait prohibitif.

À la place, les données résident sur un réseau de stockage décentralisé comme IPFS ou Arweave, et ce qui est écrit on‑chain est un hash « content‑addressed » – une empreinte unique du fichier.

Le smart contract vérifie que le hash soumis par le contributeur correspond bien à un fichier authentifié et non altéré avant de libérer le paiement.

Un hash de contenu est une courte chaîne de caractères dérivée mathématiquement du contenu exact d’un fichier. Modifier un seul octet suffit à changer complètement le hash. Il devient ainsi impossible de réclamer un paiement pour des données modifiées ou recyclées a posteriori.

Comment vérifier les données sans guichet central

La vérification est le problème le plus délicat du modèle. Une plateforme centralisée peut employer des équipes de contrôle qualité.

Un smart contract, lui, ne sait ni lire une image ni juger si un texte est correctement annoté ; il ne fait qu’exécuter une logique. Les places de marché décentralisées contournent cela via trois approches principales, souvent combinées.

Les preuves cryptographiques conviennent aux données structurées dont la validité peut être testée mathématiquement. Pour des traces GPS, mesures de capteurs ou relevés financiers, une preuve à connaissance nulle peut attester que les données respectent certains critères, ont été collectées à un moment donné, dans une plage valide, depuis un appareil spécifique, sans dévoiler les valeurs brutes.

La validation par la foule s’applique aux tâches subjectives. Plusieurs contributeurs indépendants examinent la même donnée et soumettent leur évaluation. Le contrat compare les réponses et rémunère ceux dont les réponses coïncident avec la majorité, tout en pénalisant les outliers récurrents. C’est la version décentralisée de l’annotation redondante utilisée par les plateformes centralisées pour filtrer les contributeurs paresseux ou malveillants.

Le staking et le slashing ajoutent une couche économique. Les contributeurs doivent verrouiller un dépôt en jeton natif de la plateforme avant de pouvoir soumettre leurs données. Si leurs contributions sont régulièrement rejetées ou jugées frauduleuses par la couche de validation communautaire, leur mise est « slashed » – partiellement ou totalement confisquée. Soumettre des données de piètre qualité devient coûteux, ce qui aligne l’intérêt du contributeur sur les exigences de qualité de l’acheteur.

Comment les techniques de confidentialité protègent les contributeurs

La tension la plus évidente du modèle touche à la vie privée. Vendre son historique de navigation ou ses données de santé à un développeur d’IA a une valeur tangible, mais l’exposition est tout aussi réelle. Les places de marché décentralisées répondent à cela par deux techniques désormais matures.

Le federated learning (apprentissage fédéré) garde les données brutes sur l’appareil du contributeur. Au lieu d’envoyer les données vers un serveur central, c’est le modèle d’IA qui est expédié sur la machine du contributeur. Le modèle s’entraîne localement sur les données brutes ; seules les pondérations mises à jour, des paramètres mathématiques abstraits qui ne révèlent pas directement les données sous‑jacentes, sont renvoyées au développeur. Les mises à jour de plusieurs contributeurs sont agrégées pour améliorer le modèle. Les données d’entraînement ne quittent jamais l’environnement du contributeur.

La confidentialité différentielle ajoute un bruit statistique calibré à un jeu de données avant son partage, empêchant de remonter à l’enregistrement d’un individu à partir de l’agrégat, tout en préservant les régularités statistiques utiles à l’entraînement. Le niveau de bruit est ajustable : plus de bruit renforce la protection, mais réduit légèrement l’utilité des données.

Ces techniques sont aussi déterminantes sur le plan réglementaire. Des textes comme le RGPD en Europe ou le California Consumer Privacy Act aux États‑Unis imposent des règles strictes sur le transfert et l’usage des données personnelles. Une place de marché capable de démontrer de manière crédible que sa chaîne de traitement n’expose jamais de données personnelles brutes aura un parcours réglementaire bien plus simple qu’un acteur qui se contente de monétiser des exports de données non protégées.

Tokenomics, staking et comment les contributeurs sont réellement payés

Les mécanismes de paiement varient selon les plateformes, mais la plupart utilisent un jeton utilitaire natif plutôt qu’un actif majeur comme Bitcoin (BTC). Le jeton remplit plusieurs fonctions à la fois.

D’abord, c’est l’unité de compte des requêtes de données. Les acheteurs libellent leurs offres en jeton : plus il y a de demandes, plus la pression d’achat sur le jeton augmente.

Ensuite, le staking crée une forme de verrouillage côté offre. Les contributeurs doivent détenir et staker le jeton pour participer, ce qui réduit la liquidité circulante et aligne leurs intérêts sur la santé du réseau.

Enfin, la réputation est souvent liée à l’historique on‑chain du jeton. Un contributeur qui stake de façon continue, voit ses contributions acceptées et n’a jamais été « slashed » construit un track record vérifiable. Ce score de réputation lui permet souvent de vendre ses données plus cher, car les acheteurs les jugent plus fiables que celles d’un nouveau venu sans historique.

Concrètement, un flux de paiement peut ressembler à ceci : un acheteur publie une requête et dépose, par exemple, 500 jetons dans le contrat d’escrow. Un contributeur fournit 50 enregistrements labellisés. La couche de validation les approuve. Le contrat verse 50 jetons au contributeur, 2 jetons aux validateurs qui ont approuvé la soumission, et conserve les 448 jetons restants pour les futurs contributeurs. L’acheteur obtient l’accès au jeu de données vérifié une fois le paiement confirmé.

L’économie de jetons ne fonctionne que s’il existe une demande réelle pour les données. Les projets qui lancent un jeton avec une valorisation élevée mais sans cas d’usage solide côté acheteurs finissent par s’effondrer lorsque la spéculation retombe : sans requêtes de données, le jeton n’est plus qu’une coquille vide. des récompenses versées aux contributeurs, mais sans acheteurs-développeurs d’IA réellement payants en face sur le marché, exercent une pression inflationniste sur le token qui n’est pas tenable dans la durée.

Comment Kled AI et des projets similaires appliquent ce modèle sur Solana

Kled AI illustre l’état de l’art actuel sur Solana. Le protocole se positionne comme une place de marché décentralisée où chacun peut monétiser ses données personnelles, spécifiquement destinées à l’entraînement de modèles d’IA. Les faibles coûts de transaction et le haut débit de Solana rendent enfin praticables les micropaiements à très forte fréquence et de très faible montant, indispensables à l’économie de ces marchés de données : payer une fraction de token pour une seule image annotée est économiquement viable sur Solana, ce qui ne l’est pas sur l’Ethereum mainnet.

L’architecture de Solana est également déterminante pour la vitesse. La vérification des données qui déclenche le déblocage d’un paiement doit se régler quasi instantanément. Aucun contributeur n’acceptera une plateforme où il doit attendre des heures pour la confirmation d’un paiement. La finalité en dessous de la seconde sur Solana rapproche l’expérience de paiement de celle d’une plateforme traditionnelle, tout en conservant les garanties de confiance sans intermédiaire offertes par les smart contracts.

Velvet, qui fait l’actualité aux côtés de Kled AI, adopte un angle différent : il s’agit d’un terminal de portefeuille on-chain dopé à l’IA, intégrant spot, perpétuels et stratégies de rendement. Son intérêt pour cet écosystème tient au fait qu’il repose sur le même socle : des systèmes d’IA opérant à partir de données on-chain et réglant les flux en tokens crypto. Là où Kled AI crée un marché pour la donnée brute d’entraînement, Velvet incarne une application d’IA qui consomme ce type de données de marché déjà structurées. Les deux projets se situent aux extrémités d’un même pipeline de l’économie de la donnée.

Parmi les autres projets positionnés sur ce créneau, on retrouve Ocean Protocol, pionnier de la tokenisation des actifs de données sur Ethereum, et Grass, qui rémunère spécifiquement les utilisateurs pour la mise à disposition de bande passante inutilisée et de données de navigation au profit des pipelines d’entraînement d’IA. Chacun opte pour une architecture distincte, mais tous reposent sur le même principe : des paiements garantis cryptographiquement pour des contributions de données vérifiées.

Qui profite réellement de ce modèle et quels sont les risques ?

Pour les contributeurs individuels de données, la proposition de valeur est limpide : ce qui était auparavant capté gratuitement peut désormais être monétisé directement. Une personne disposant d’une forte audience sur les réseaux sociaux, d’une expertise pointue ou d’un accès à des jeux de données rares — dossiers médicaux, documents juridiques professionnels, contenus en langues non anglaises — peut prétendre à une prime significative sur un marché où la demande des développeurs d’IA est réelle.

Pour les développeurs d’IA, ces marketplaces décentralisées offrent un accès à des catégories de données difficiles à obtenir par simple scraping ou via des licences classiques. Données de préférences humaines, annotations ultra-spécialisées, contenus multilingues issus de régions sous-représentées : ces ressources sont véritablement rares. Un protocole capable de sourcer et de vérifier ces données à grande échelle crée une valeur tangible.

Les risques, eux aussi, sont bien réels, des deux côtés. La volatilité du cours des tokens signifie qu’un contributeur payé aujourd’hui en token natif peut voir la valeur de ce paiement en dollars sérieusement amputée au moment où il souhaite le dépenser. À l’inverse, les acheteurs s’exposent au scénario opposé : un spike du token entre la phase de planification et l’exécution de l’achat de données peut renchérir fortement leur coût d’acquisition.

La qualité des données reste un problème loin d’être résolu à grande échelle. Les mécanismes de validation par la foule ou via le staking réduisent les comportements frauduleux, sans les éradiquer. Des acteurs malveillants sophistiqués peuvent manipuler les systèmes de réputation dans le temps, et les développeurs d’IA qui s’approvisionnent sur une marketplace nouvelle et encore peu éprouvée prennent un risque de qualité inexistant lorsqu’ils traitent avec des prestataires d’annotation établis, au track record fourni.

Le risque réglementaire est la grande inconnue. La monétisation de données personnelles se situe au carrefour du droit de la protection des données, de la réglementation financière applicable aux tokens et des cadres de gouvernance de l’IA encore en gestation. Une place de marché parfaitement conforme dans une juridiction peut se retrouver en zone grise dans une autre.

Conclusion

Les marketplaces décentralisées de données pour l’IA apportent une réponse technique précise à un problème économique bien réel : les producteurs de données d’entraînement ont historiquement capté une part infime de la valeur qu’elles génèrent.

Smart contracts, stockage à adressage de contenu, apprentissage fédéré et staking de tokens assemblent un système où cette valeur peut être redistribuée directement aux contributeurs, sans plateforme intermédiaire captant l’essentiel de la marge.

Le modèle en est encore à ses débuts.

Les tokenomics restent en phase de maturation, les systèmes de vérification doivent prouver leur capacité à passer à l’échelle de millions de contributeurs sans être manipulés, et le cadre réglementaire de la monétisation des données personnelles demeure mouvant.

Mais la demande structurelle, elle, ne faiblira pas.

Les développeurs d’IA ont besoin de toujours plus de données, et de types de données plus variés, que les sources centralisées ne peuvent plus garantir de façon fiable.

C’est cette demande fondamentale qui sous-tend la thèse de long terme des marketplaces décentralisées de données.

Les places de marché de données pour l’IA passent en production : ce qu’il faut vraiment comprendre