En avril 2026, la communauté Render Network a mené à terme un vote de gouvernance largement considéré dans l’industrie comme un « pari à haut risque ». La proposition RNP-023 a été adoptée lors de son premier tour avec un taux d’approbation massif de 98,86 %, officialisant l’intégration de Salad Network comme unique sous-réseau exclusif au sein de l’écosystème Render. Cette décision a permis d’ajouter environ 60 000 GPU actifs quotidiens au réseau.
Salad Network n’est pas un fournisseur traditionnel de puissance de calcul en centre de données. Il exploite le plus grand réseau mondial de GPU grand public, couvrant plus de 180 pays avec plus de 450 000 nœuds enregistrés et environ 60 000 GPU actifs chaque jour. Sa puissance de calcul provient de cartes graphiques inutilisées appartenant à des joueurs et des particuliers — principalement des modèles grand public comme les RTX 3070, RTX 3080, RTX 3090 et RTX 4090. Cela contraste fortement avec les fournisseurs cloud hyperscale tels qu’AWS et GCP, qui s’appuient sur des grappes d’entreprise comme les A100 et H100.
Au 19 mai 2026, selon les données du marché Gate, le RENDER s’échange à 1,8254 $, en hausse de 2,90 % sur 24 heures, avec une capitalisation boursière en circulation d’environ 946 millions de dollars. Le sentiment du marché demeure neutre.
Points clés :
- Le premier tour de la RNP-023 a enregistré 1,3 million de votes favorables contre 15 500 opposés, soit un taux d’approbation de 98,86 %
- Les ~60 000 GPU actifs quotidiens de Salad Network seront intégrés comme unique sous-réseau pour Render
- L’intégration s’articule autour de trois étapes : Étape 1 — les Chefs reçoivent des récompenses en RENDER ; Étape 2 — les clients peuvent payer en RENDER ; Étape 3 — toutes les transactions migrent vers le modèle BME on-chain
- Avant la migration, Render Network comptait environ 5 700 nœuds GPU actifs, avec plus de 71,4 millions d’images rendues traitées
- Lors du NVIDIA GTC 2026, Jensen Huang a estimé que la demande pour les puces IA à architecture Blackwell et Vera Rubin atteindrait au moins 1 000 milliards de dollars d’ici fin 2027, soit le double de la prévision de l’année précédente
Du BME à la RNP-023 : Chronologie de l’expansion de Render
L’expansion de la puissance de calcul du réseau Render n’est pas un événement isolé. Son évolution s’inscrit dans deux tendances macroéconomiques : la demande structurelle en ressources GPU alimentée par les modèles d’IA, et la transition des réseaux d’infrastructures physiques décentralisées du stade du récit à celui du déploiement réel.
Chronologie :
- 2023 : La communauté adopte la proposition RNP-002, migrent Render d’Ethereum vers Solana et introduisent le modèle de tokenomics Burn-and-Mint Equilibrium (BME). Selon ce modèle, les paiements pour les tâches GPU sont brûlés et de nouveaux tokens sont émis selon les besoins, reliant dynamiquement l’offre de tokens à l’utilisation réelle du réseau
- 2024–2025 : Le réseau valide la faisabilité de la planification distribuée des ressources GPU. Les tâches d’inférence et de fine-tuning en IA augmentent régulièrement, atteignant près de 40 % de l’activité totale du réseau début 2026
- Mars 2026 : Salad soumet une proposition formelle pour rejoindre Render Network en tant que sous-réseau exclusif
- Mars 2026 : Le NVIDIA GTC 2026 se tient, Jensen Huang annonce la prévision de demande à 1 000 milliards de dollars et apporte un soutien sectoriel à la thématique de la pénurie de GPU
- 1er avril 2026 : Clôture du premier tour de vote de la RNP-023, avec 98,86 % d’approbation
- 7 avril 2026 : Adoption officielle de la RNP-023 ; Salad est confirmé comme partie intégrante de Render Network
Chaîne de transmission clé du modèle BME & de l’intégration : L’un des axes majeurs de la RNP-023 est de canaliser les revenus de calcul de Salad vers le mécanisme de burn du BME. Le fondateur de Salad a déclaré publiquement : « Le choix de brûler plus que de minter est délibéré — nous voulons que la croissance de Salad bénéficie à l’ensemble de l’écosystème Render, pas seulement à nous-mêmes. » Cela suggère (de façon hypothétique) que si l’intégration de Salad entraîne une forte hausse de l’utilisation du réseau, le modèle BME verra une accélération du burn de tokens, resserrant l’offre selon la logique « croissance de la demande → burn accéléré → contraction de l’offre ». La concrétisation de ce schéma dépendra toutefois de l’usage réel, et non du texte de la proposition.
Montée en puissance & réalités des coûts : Analyse des données
Changement d’échelle de l’offre de calcul : de 5 700 à plus de 65 000
Avant l’intégration, Render Network comptait environ 5 700 nœuds GPU actifs. L’ajout de Salad Network apporte près de 60 000 GPU actifs quotidiens, portant le nombre théorique de GPU disponibles sur le réseau à plus de 65 000 — un saut d’échelle, bien plus qu’une simple optimisation incrémentale.
Cependant, « nombre de GPU » ne signifie pas « puissance de calcul exploitable ». Les GPU grand public diffèrent sensiblement des GPU professionnels sur plusieurs plans :
GPU grand public vs. GPU professionnels : principales différences
| Dimension | GPU grand public (Salad) | GPU professionnels (AWS/GCP) |
|---|---|---|
| Modèles typiques | RTX 3070/3080/3090/4090 | A100 80GB / H100 80GB / H200 |
| VRAM | 8 Go–24 Go | 40 Go–141 Go |
| Bande passante interconnexion | PCIe (pas de NVLink/NVSwitch) | NVLink + NVSwitch (interconnexion haut débit) |
| Cas d’usage | Inférence IA, traitement batch, rendu petite/moyenne taille | Entraînement distribué à grande échelle, fine-tuning complet de modèles 70B+ |
| Fiabilité des nœuds | Appareils personnels, peuvent se déconnecter à tout moment | Niveau data center, SLA 99,9 %+ |
| Coût unitaire | Extrêmement bas (à partir de 0,02 $/h) | Élevé (H100 ~4,50–5,50 $/h) |
Le positionnement de Salad s’aligne sur cette division du travail. Son blog officiel souligne que les modèles IA open source tournent de plus en plus sur du matériel grand public, et que les workloads d’Agentic AI explosent, chaque interaction nécessitant des ressources de calcul plusieurs ordres de grandeur supérieures à un appel API classique. Les cas clients de Salad montrent que l’exécution de workloads sur des GPU grand public permet de passer à l’échelle tout en réduisant fortement les coûts. Cela signifie que le réseau Render post-intégration ne vise pas à remplacer AWS/GCP dans tous les scénarios, mais se concentre sur les tâches tolérantes à la latence, très sensibles au coût, et divisibles/parallelisables.
L’écart de prix avec AWS : jusqu’à 90 % d’économies
C’est la donnée la plus déterminante pour comprendre la position concurrentielle de Render face à AWS/GCP. Voici une comparaison des prix publics du premier semestre 2026 :
Comparatif des prix GPU H100
| Fournisseur | Type de GPU | Prix à la demande ($/h) | Remarques |
|---|---|---|---|
| AWS (carte unique) | 1×H100 80GB | ~4,50–5,50 | Estimation Securities.io |
| Réseaux décentralisés (Akash/Render) | 1×H100 80GB | ~1,20–1,80 | Données Securities.io |
| Salad (grand public) | Prix de départ | 0,02 | Données page d’accueil salad.com |
Sources : estimations H100 carte unique et prix décentralisés issus de Securities.io ; prix de départ Salad issu de salad.com. Les prix varient selon la région, la disponibilité et les priorités ; à titre indicatif uniquement.
Les réseaux décentralisés proposent des GPU H100 à 25 %–35 % du prix à la demande d’AWS, soit 65 %–75 % d’économies. Les GPU grand public (série RTX) débutent à 0,02 $/h, avec des écarts de prix dépassant 90 % par rapport aux clouds hyperscale.
Mais il convient de clarifier un point essentiel : un prix bas ne signifie pas qu’un remplacement est possible. Pour les tâches d’entraînement synchrone à grande échelle nécessitant des interconnexions InfiniBand haut débit, les clusters centralisés restent la seule architecture viable. AWS et GCP disposent d’avantages matériels d’interconnexion que les solutions décentralisées ne peuvent égaler. La proposition de valeur de Render Network est de couvrir le segment des « tâches n’ayant pas besoin d’interconnexions haut de gamme mais nécessitant un calcul massivement parallèle » — inférence IA, traitement batch, fine-tuning de petits/moyens modèles, rendu 3D, etc.
Plus de 1,22 million brûlés : usage réseau & fondamentaux du token
D’après les données du T1 2026, Render Network a traité plus de 71,4 millions d’images rendues, les workloads IA représentant près de 40 %. Plus de 1,22 million de tokens RENDER ont été brûlés.
Données officielles Render Network T1 2026 :
| Indicateur | T1 2026 |
|---|---|
| Nœuds GPU actifs | Plus de 5 700 |
| Images traitées | 71 269 082 |
| Part des workloads IA | Près de 40 % |
| Total RENDER brûlés | 1 228 380 |
| Offre en circulation | 552 011 095 / 644 168 762 max |
Après l’intégration de Salad, le nombre théorique de nœuds GPU passe à 65 000+, mais le nombre effectif de GPU en ligne simultanément dépendra de l’efficacité du scheduler et de la participation des Chefs, nécessitant un suivi opérationnel continu.
Perspective tokenomics (faits & analyse) : Le modèle BME de Render crée un lien structurel entre l’utilisation du réseau et l’offre/demande de tokens. L’intégration de Salad canalisera une partie de ses revenus vers le processus de burn BME. L’impact réel doit être suivi via les données de burn et d’utilisation, sans surinterprétation.
Divergences de marché : Trois lectures de la RNP-023
Les optimistes de l’expansion : l’échelle comme barrière
Les partisans avancent que Render, via l’intégration de Salad, bénéficie d’une source d’approvisionnement en puissance de calcul que les clouds traditionnels ne peuvent reproduire : les GPU inutilisés de millions de gamers à travers le monde. Cette offre présente des caractéristiques uniques : coût marginal ultra-faible (matériel déjà acquis, le calcul est un « sous-produit ») ; géographie très dispersée (180+ pays) ; effet d’échelle (plus de Chefs = plus de calcul, attirant plus de clients).
Bob Miles, fondateur de Salad, déclarait après l’adoption de la proposition : « Les modèles IA open source tournent de plus en plus sur du matériel grand public. Les workloads d’Agentic AI explosent — chaque interaction nécessite des ressources de calcul plusieurs ordres de grandeur supérieures à un appel API traditionnel. Les machines exploitées par nos Chefs sont précisément l’infrastructure dont l’industrie a besoin. »
Les partenaires institutionnels de Render confortent cette dynamique — NVIDIA, Stability AI, WME, entre autres, sont partenaires de Render. L’implication de NVIDIA est particulièrement notable : pourquoi un géant du GPU s’intéresserait-il aux réseaux de calcul décentralisés ? (Hypothèse) La logique serait que tout écosystème élargissant les cas d’usage GPU bénéficie au cœur de métier de NVIDIA.
Les observateurs prudents : l’échelle ne fait pas le chiffre d’affaires
Les points de vue plus réservés s’appuient sur les données tangibles. L’intégration de Salad apporte une expansion majeure de l’offre de calcul, mais quelle part de chiffre d’affaires réel cela représente-t-il ? Le fondateur de Salad n’a pas communiqué de projection chiffrée. Les modèles de valorisation des protocoles crypto ne correspondent pas aux ratios P/E classiques ; les effets de réseau, la prime narrative et les anticipations de croissance pèsent davantage sur la valorisation du token.
Les analystes rappellent aussi que la RNP-023 est un événement de gouvernance ; son impact réel dépendra de l’exécution, non du vote en lui-même. Sur les marchés crypto, la logique « acheter la rumeur, vendre la nouvelle » prévaut souvent lors de tels événements.
Structure concurrentielle : rivalités internes du DePIN
La proposition de Salad indique explicitement qu’elle « a choisi de ne pas émettre son propre token » et a préféré rejoindre Render, invoquant « la solidité de l’équipe, de l’infrastructure et de la communauté Render ». Ce choix implique que Salad renonce à capter la valeur d’un token indépendant et lie son offre de calcul au modèle BME de Render.
Parallèlement, le calcul décentralisé n’est pas l’apanage de Render. Le marché ouvert d’Akash Network pour les applications containerisées générales et le focus d’io.net sur l’ordonnancement du calcul IA recoupent en partie Render. À mesure que l’intégration de Salad fait passer Render à une nouvelle échelle, les frontières concurrentielles entre protocoles DePIN de calcul deviendront plus complexes.
Derrière les chiffres : Trois niveaux de lecture du récit des 60 000 GPU
Dans la crypto, le récit précède souvent les fondamentaux. « 60 000 GPU » est un titre percutant, mais mérite une analyse nuancée.
Premier niveau : Les 60 000 GPU sont-ils réels ? Selon Salad, « 60 000 machines actives chaque jour dans plus de 180 pays ». D’autres sources évoquent plus de 450 000 nœuds enregistrés dans l’écosystème Salad. Le chiffre de 60 000 provient directement de Salad et a été confirmé par au moins six sources indépendantes. Mais, compte tenu de la nature d’un réseau de GPU grand public, le nombre d’actifs quotidiens peut fluctuer, et le nombre réel de machines connectées simultanément diffère du nombre d’appareils enregistrés.
Deuxième niveau : Ces GPU sont-ils utilisables par Render ? (Hypothèse, selon la proposition) Le plan d’intégration fait de Salad le « sous-réseau exclusif » de Render, avec une migration progressive de tous les paiements Salad vers le règlement on-chain en RENDER. Cela lie économiquement ces GPU à Render. Techniquement, cependant, les GPU grand public présentent des risques d’indisponibilité, de latence réseau et de volatilité de calcul — des caractéristiques structurelles difficilement éliminables. Les documents de Salad précisent que, du fait de la nature distribuée et interruptible du réseau, le ROI matériel n’est pas garanti et les revenus peuvent varier au jour le jour. La capacité de ces GPU à servir de façon fiable des workloads IA et de rendu commerciaux dépendra du scheduler de Salad et de l’intégration des tâches Render.
Troisième niveau : Plus de GPU = plus de valeur réseau automatiquement ? (Opinion) Cela dépend de deux conditions : que ces GPU reçoivent effectivement des tâches rémunérées de façon régulière, et que ces tâches se convertissent en valeur de token via le modèle BME. La chaîne de transmission comporte de nombreux paramètres — vitesse d’acquisition clients, tarification des tâches, pression concurrentielle — et manque de données vérifiables pour conclure.
Impact sectoriel : de l’intégration à la substitution
La trajectoire DePIN accélère l’intégration
La RNP-023 marque le passage du calcul DePIN du « développement de projets indépendants » à « l’intégration à l’échelle ». La décision de Salad de ne pas lancer son propre token mais de rejoindre Render peut signaler que les réseaux de calcul plus modestes s’intégreront de plus en plus aux protocoles leaders plutôt que de rivaliser seuls. Si ce modèle s’avère viable, l’effet Matthieu du DePIN s’accentuera.
Complémentarité, pas disruption : le vrai déplacement dans le cloud
Le calcul décentralisé peut-il vraiment « bousculer » AWS/GCP ? Tout dépend de la définition de « bousculer ». Si cela signifie « remplacer le cloud centralisé dans tous les scénarios GPU », la réponse est clairement non. Comme le souligne le rapport comparatif de Securities.io, pour l’entraînement synchrone à grande échelle de modèles fondamentaux nécessitant des interconnexions ultra-faible latence, les clusters centralisés restent incontournables.
Mais s’il s’agit de « capter la demande incrémentale dans les scénarios sensibles au coût », la réponse est plutôt oui. Les réseaux décentralisés offrent des remises de 65 %–75 %, et les scénarios GPU grand public permettent jusqu’à 90 % d’économies.
L’entrée du calcul décentralisé sur le marché relève davantage de la « diversion complémentaire » que du « remplacement disruptif ». Ce jugement (opinion) s’appuie sur une logique vérifiable : l’avantage coût des GPU grand public est réel pour l’inférence et le traitement batch, mais l’entraînement haut de gamme requiert interconnexions à faible latence, garanties SLA et gouvernance des données — des exigences que les réseaux distribués grand public ne peuvent physiquement remplir.
Nouvelles variables pour le modèle BME
L’intégration de Salad introduit une nouvelle source de burn pour le modèle BME. Structurellement, cela élargit la demande de tokens RENDER du « paiement de tâches de rendu » au « paiement on-chain pour le calcul GPU grand public », augmentant l’utilité du token. Le fondateur de Salad a insisté sur le choix délibéré de « brûler plus que de minter », et les revenus de Salad post-intégration auront un impact structurel sur l’offre et la demande de tokens. Mais l’impact réel dépendra de la croissance durable de l’usage du réseau et nécessite une observation sur le long terme.
Conclusion
L’intégration par Render Network des 60 000 GPU grand public de Salad Network via la RNP-023 constitue l’un des événements d’extension les plus significatifs du secteur DePIN en 2026. Elle démontre la faisabilité pour les réseaux de calcul décentralisés d’atteindre l’échelle côté offre — un goulot d’étranglement majeur du secteur.
Mais la vraie valeur des « 60 000 GPU » ne réside pas dans le chiffre lui-même. Elle dépend de la capacité de Render à convertir ces GPU en usage réseau pérenne et en capture de valeur du token. Au 19 mai 2026, la capitalisation boursière en circulation de Render avoisine 946 millions de dollars, avec un RENDER à 1,8254 $. La montée en puissance de l’offre de calcul via l’intégration de Salad se reflète dans les fondamentaux du réseau, mais l’échelle des revenus, l’acquisition client et les données de burn BME nécessitent encore un temps d’observation.
D’un point de vue sectoriel, la relation entre le calcul décentralisé et AWS/GCP s’apparente davantage à une « substitution de coût dans des scénarios spécifiques » qu’à une « concurrence frontale ». Ce n’est pas un échec pour le calcul décentralisé — bien au contraire. Dans un marché dominé depuis deux décennies par quelques clouds hyperscale, toute percée sur le plan des coûts constitue une expérience structurelle digne d’attention.
