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 aujourd’hui presque toute la valeur.

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

Le mécanisme va bien au‑delà du simple slogan « possédez vos données ».

Il repose sur des couches de vérification, des systèmes de staking, des contraintes fortes de confidentialité et une économie de jetons. L’ensemble de ces briques détermine si un contributeur est rémunéré à sa juste valeur… ou pas du tout.

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

En résumé

Les places de marché décentralisées de données pour l’IA mettent en relation les détenteurs de données brutes et les développeurs d’IA en quête de jeux d’entraînement étiquetés et vérifiés, en utilisant des jetons crypto pour automatiser les paiements sans intermédiaire de confiance.

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

Des techniques préservant la vie privée, comme l’apprentissage fédéré et les preuves à divulgation nulle de connaissance, permettent de monétiser les données sans jamais en extraire l’information brute du terminal du contributeur.

L’économie de jetons — incluant staking, slashing et scores de réputation — aligne les incitations afin d’encourager la fourniture de données fiables plutôt que de données « poubelle ».

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

Pourquoi les entreprises d’IA ont besoin de tant 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 entraînement d’un modèle de pointe peut consommer des centaines de milliards de tokens de texte, des millions d’images annotées ou l’équivalent de plusieurs années de signaux de comportement humain enregistrés.

Il faut bien que ces données proviennent de quelque part.

Aujourd’hui, l’essentiel arrive par quelques canaux bien identifiés.

Le web scraping aspire, à grande échelle, les textes accessibles publiquement. Les accords de licence conclus avec les plateformes donnent aux labos d’IA accès à des bases de données propriétaires — Reddit, les éditeurs de presse ou les banques d’images ont déjà signé ce type de contrats.

À côté, des plateformes centralisées de micro‑tâches rémunèrent des travailleurs à la pièce pour annoter des images, transcrire de l’audio ou évaluer la qualité des réponses générées par l’IA.

Le marché de l’annotation est massif mais largement extractif. Sur ces plateformes centralisées, les travailleurs gagnent souvent entre 1 et 5 dollars de l’heure, alors que les jeux de données étiquetés qu’ils produisent se revendent aux développeurs d’IA à des montants sans commune mesure, en valeur par enregistrement.

Le problème est structurel. Une plateforme centralisée, intercalée entre le détenteur de la donnée et l’acheteur d’IA, s’approprie l’essentiel de la marge. Elle fixe les prix, impose ses propres standards de qualité et peut exclure un contributeur sans véritable recours. Les places de marché décentralisées remplacent cette couche centrale 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 la plateforme.

Côté acheteurs, on trouve des développeurs ou équipes de recherche en IA qui publient des « demandes de données » : ils y précisent le type de données souhaité, les critères de qualité, le format exigé et le prix offert par enregistrement validé.

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

Le smart contract joue le rôle de couche d’entiercement (escrow).

Lorsqu’un acheteur poste une demande, il verrouille les fonds correspondants dans le contrat. Quand un contributeur soumet des données qui passent l’étape de vérification, le contrat libère automatiquement le paiement.

Aucune partie n’a besoin de faire confiance à l’autre. Les deux se fient au code du contrat.

Les données elles‑mêmes, en revanche, ne sont généralement pas stockées on‑chain.

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

Les données résident plutôt sur un réseau de stockage décentralisé comme IPFS ou Arweave. Ce qui est inscrit on‑chain, c’est un hash de contenu — une empreinte unique du fichier.

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

Un hash de contenu est une courte chaîne de caractères dérivée mathématiquement du contenu exact d’un fichier. Modifier un seul octet du fichier change totalement le hash. Il devient ainsi impossible de réclamer un paiement pour des données modifiées ou recyclées après coup.

Comment vérifier la qualité des données sans arbitre central

La vérification est le nœud du problème. Une plateforme centralisée peut salarier 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 du code. Les places de marché décentralisées combinent donc trois grands approches.

Les preuves cryptographiques s’appliquent aux données structurées, dont la validité peut être vérifiée algorithmiquement. Si un contributeur soumet des trajectoires GPS, des relevés de capteurs ou des données financières, une preuve à divulgation nulle de connaissance (zero‑knowledge) peut attester que les données satisfont certaines propriétés — qu’elles ont été enregistrées à une date donnée, qu’elles se situent dans une plage valide, qu’elles proviennent d’un appareil spécifique — sans révéler les valeurs brutes.

La validation par la foule convient aux tâches d’annotation subjectives. Plusieurs contributeurs indépendants examinent le même élément et soumettent leur évaluation. Le contrat compare les réponses : il rémunère ceux dont les avis convergent vers la majorité, et pénalise les contrevenants systématiques. C’est une version décentralisée de la « redondance d’annotation » utilisée par les plateformes centralisées pour filtrer les annotateurs négligents ou malveillants.

Le staking et le slashing ajoutent une couche d’incitations économiques. Les contributeurs bloquent un dépôt en jeton natif avant de pouvoir soumettre leurs données. Si leurs contributions sont régulièrement rejetées ou signalées comme frauduleuses par la couche de validation communautaire, leur stake est « slashed », c’est‑à‑dire partiellement ou totalement confisqué. Rendre la mauvaise donnée coûteuse à soumettre aligne ainsi l’intérêt des contributeurs sur les exigences de qualité des acheteurs.

Comment les techniques de préservation de la vie privée protègent les contributeurs

Une tension évidente de ce modèle concerne la confidentialité. Quand un utilisateur vend son historique de navigation ou des données de santé à un développeur d’IA, la valeur est bien réelle, mais l’exposition l’est tout autant. Les places de marché décentralisées s’appuient sur deux techniques désormais matures pour y répondre.

L’apprentissage fédéré garde intégralement 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 le terminal de l’utilisateur. Le modèle s’entraîne localement sur les données brutes, puis renvoie uniquement des poids mis à jour, des paramètres mathématiques abstraits qui ne révèlent pas directement les données sous‑jacentes, au développeur. Les mises à jour en provenance de multiples contributeurs sont ensuite agrégées pour améliorer le modèle. Les données d’entraînement ne quittent jamais l’environnement de l’utilisateur.

La confidentialité différentielle ajoute un bruit statistique calibré à un jeu de données avant partage, de façon à rendre impossible la reconstitution des enregistrements individuels à partir de l’agrégat, tout en préservant les motifs statistiques utiles à l’entraînement. Le niveau de bruit est ajustable : davantage de bruit signifie une confidentialité renforcée, au prix d’une utilité légèrement moindre.

Ces techniques sont également cruciales 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 que sa chaîne de traitement n’achemine jamais d’informations personnelles brutes pourrait bénéficier d’un cadre réglementaire bien plus favorable qu’un modèle se contentant de monétiser des exports de données non filtrées.

Tokenomics, staking et modalités de rémunération des contributeurs

Les mécanismes de paiement varient selon les plateformes, mais la plupart s’appuient sur un jeton utilitaire natif plutôt que de régler directement en actifs majeurs comme le Bitcoin (BTC). Le jeton joue alors plusieurs rôles à la fois.

D’abord, il sert d’unité de compte pour les demandes de données. Les acheteurs libellent leurs offres en jeton, ce qui permet au jeton de capter la demande : plus il y a de requêtes de données, plus il faut de jetons pour les financer.

Ensuite, le staking crée une forme de verrouillage côté offre. Les contributeurs doivent détenir et staker le jeton pour participer à la place de marché, ce qui réduit l’offre en circulation 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 en continu, qui voit ses soumissions validées et qui n’a jamais été « slashed » bâtit un track record vérifiable. Ce score de réputation peut lui permettre de facturer ses données plus cher, parce qu’un acheteur lui fera davantage confiance qu’à un nouveau venu sans historique.

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

L’économie de jetons ne tient que s’il existe une demande réelle pour les données. Les projets qui lancent un token avec une valorisation élevée mais sans cas d’usage clair côté acheteurs risquent de voir la valeur de leur jeton s’effondrer dès que l’effet de mode retombe. la rémunération des contributeurs, sans acheteurs finaux d’IA réellement solvables en face sur la place de marché, crée 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 incarne l’état de l’art actuel sur Solana. Le protocole se présente 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 débit élevé de Solana rendent enfin praticables les micropaiements à très forte fréquence et très faible valeur unitaire, au cœur de l’économie d’un marché de la donnée : payer une fraction de token pour une seule image annotée est économiquement viable sur Solana, là où cela ne l’est pas sur l’Ethereum mainnet.

L’architecture de Solana est tout aussi déterminante pour la vitesse. La vérification des données qui déclenche le versement doit se régler en quelques instants. Aucun contributeur n’acceptera une plateforme où il lui faut attendre des heures pour la confirmation d’un paiement. La finalité en dessous de la seconde de Solana offre une expérience de règlement quasi similaire à une plateforme traditionnelle, tout en conservant les garanties de confiance d’un smart contract.

Velvet, qui fait l’actualité en parallèle de Kled AI, adopte un angle très différent : il s’agit d’un terminal de gestion de portefeuille on-chain dopé à l’IA, intégrant spot, perpétuels et stratégies de rendement. Sa pertinence dans cet écosystème tient au même fil conducteur : des systèmes d’IA qui opèrent sur des données on-chain et règlent en crypto-actifs. Là où Kled AI crée un marché pour la donnée brute d’entraînement, Velvet illustre une application d’IA qui consomme ce type de données de marché déjà traitées. Les deux incarnent les extrémités d’une même chaîne de valeur de l’économie des données.

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 le partage de leur bande passante inutilisée et de leurs données de navigation au profit de pipelines d’entraînement d’IA. Chacun propose une architecture différente, mais tous reposent sur le même schéma de base : des paiements garantis cryptographiquement en échange de contributions de données vérifiées.

Qui profite réellement de ce modèle et quels risques en découlent

Pour les contributeurs individuels, la promesse est limpide : ce qui était jusqu’ici capté gratuitement par les plateformes peut désormais être monétisé directement. Un profil avec une forte audience sur les réseaux sociaux, une expertise très pointue, ou l’accès à des jeux de données rares — dossiers médicaux, documents juridiques professionnels, contenus en langues peu représentées — peut exiger une prime significative sur un marché où la demande des développeurs d’IA est réelle.

Pour les développeurs d’IA, ces places de marché décentralisées ouvrent l’accès à des typologies de données difficiles à obtenir via le scraping ou les licences classiques. Les signaux de préférence humaine, les annotations dans des niches très spécialisées, ou encore les contenus multilingues issus de régions sous-représentées sont véritablement rares. Un protocole capable de sourcer et de vérifier ces données à grande échelle crée une valeur tangible.

Les risques sont toutefois bien réels, des deux côtés de la transaction. La volatilité des tokens signifie qu’un contributeur payé aujourd’hui en token natif peut voir la valeur de sa rémunération, libellée en dollars, nettement amputée au moment où il cherche à la dépenser. À l’inverse, les acheteurs s’exposent au risque opposé : si le prix du token s’envole entre la planification et l’exécution de leur achat de données, leur budget d’acquisition peut être rapidement dépassé.

La question de la qualité des données reste, à grande échelle, largement non résolue. Les dispositifs de validation par la foule ou de staking réduisent la fraude sans la faire disparaître. Des acteurs malveillants sophistiqués peuvent manipuler les systèmes de réputation dans la durée, et les développeurs d’IA qui achètent des données sur une nouvelle marketplace encore peu éprouvée assument un risque de qualité qui n’existe pas auprès de prestataires d’annotation établis, dotés d’un historique long et documenté.

Le risque réglementaire constitue la plus grande inconnue. La monétisation des données personnelles se situent au croisement du droit de la protection des données, de la régulation financière des tokens assimilables à des titres, et des cadres de gouvernance de l’IA encore en gestation. Une place de marché en parfaite conformité dans une juridiction peut se retrouver en zone grise juridique dans une autre.

Conclusion

Les places de marché décentralisées pour les données d’IA apportent une réponse technique, précise et ciblée à un problème économique réel : historiquement, les individus qui génèrent les données d’entraînement n’en captent quasiment aucune valeur.

Smart contracts, stockage à adressage de contenu, apprentissage fédéré et staking de tokens permettent d’imaginer un système où cette valeur circule directement vers les contributeurs, sans intermédiaire plateforme qui capte l’essentiel de la marge.

Le modèle n’en est qu’à ses débuts.

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

Mais la demande, elle, ne va pas disparaître.

Les développeurs d’IA ont besoin de toujours plus de données, et de données toujours plus diversifiées, que les sources centralisées peinent à fournir de manière fiable.

C’est cette demande structurelle qui sous-tend la thèse de long terme des places de marché décentralisées de la donnée.

Les places de marché de données pour l’IA se lancent : ce qu’il faut vraiment savoir