De Google à l'IA décentralisée : comment Jacob Robert Steeves a construit le réseau incitatif de Bittensor

Jacob Robert Steeves n’avait pas pour objectif de révolutionner l’intelligence artificielle via la blockchain. Son parcours a commencé dans un lieu peu probable — avec Bitcoin, une entreprise de puces d’interface cerveau-ordinateur, et les mathématiques. Aujourd’hui, en tant que fondateur de Bittensor (TAO), jacob robert steeves se trouve à l’intersection de deux technologies transformatrices, appliquant l’économie minière qui a rendu Bitcoin révolutionnaire aux défis computationnels de l’IA moderne.

Le mathématicien qui a quitté Google : le parcours de Jacob dans l’IA et Bitcoin

Avant de lancer Bittensor à plein temps en 2018, Jacob a étudié les mathématiques et l’informatique à l’Université Simon Fraser à Vancouver, Canada. Après l’obtention de son diplôme, il a travaillé comme ingénieur logiciel pour un contractant de la DARPA développant des puces d’interface cerveau-ordinateur — une expérience qui a façonné sa compréhension fondamentale de la computation et des systèmes d’incitation. Son mentor, également fondateur de l’entreprise, était un early advocate de Bitcoin qui a introduit Jacob à des concepts comme la « computation basée sur l’énergie » et les principes thermodynamiques intégrés dans la conception de Bitcoin.

Cette première exposition s’est révélée transformative. Jacob a compris que l’IA et Bitcoin partageaient un ADN commun : tous deux fonctionnent via des boucles de rétroaction. L’IA apprend par rétropropagation, algorithmes génétiques et apprentissage par renforcement — tous des processus pilotés par la rétroaction — tandis que Bitcoin a créé la première boucle économique programmable à grande échelle. Depuis 2015, jacob robert steeves évolue simultanément dans ces deux domaines, percevant leur compatibilité naturelle plutôt que leurs différences apparentes.

Son passage chez Google à partir de 2016 a approfondi cette base technique. En tant qu’ingénieur en apprentissage automatique, Jacob a été témoin de la publication de « Attention Is All You Need » — le papier sur le Transformer qui a déclenché l’expansion exponentielle des grands modèles de langage. Plus important encore, il a absorbé des connaissances pratiques de l’infrastructure d’IA distribuée de Google : serveurs de paramètres, parallélisme de modèles, parallélisme de données, qui allaient s’avérer essentiels pour l’architecture de Bittensor. Pourtant, si Google offrait des projets prestigieux, il ne pouvait pas offrir ce que Jacob recherchait vraiment : la possibilité d’appliquer des incitations décentralisées à l’IA au niveau du réseau. Cette prise de conscience l’a conduit à développer Bittensor initialement comme un projet parallèle, qui est devenu son activité principale lors du lancement du mainnet en 2021.

Économie minière appliquée à l’IA : l’innovation centrale de Bittensor

Au cœur de Bittensor, il s’agit d’une traduction directe de la philosophie minière de Bitcoin vers l’intelligence artificielle. Jacob la décrit comme l’application de « mécanismes d’incitation minière à la Bitcoin » à la computation IA — mais cela nécessite une compréhension précise. Bittensor est un protocole open-source avec son jeton natif TAO, opérant actuellement sur environ 128 sous-réseaux spécialisés. Chaque sous-réseau s’organise autour de tâches computationnelles distinctes : inférence, entraînement, apprentissage par renforcement, agents de codage, stockage, et signaux de prédiction/trading.

L’innovation fondamentale ne réside pas dans l’agrégation, mais dans des incitations programmables intégrées directement dans le processus d’apprentissage lui-même. Celui qui fournit une inférence, un entraînement ou des outils plus utiles reçoit des récompenses proportionnelles. Cela crée une boucle d’optimisation continue : les signaux du marché stimulent l’amélioration de la qualité, et l’offre peu performante est naturellement éliminée par la pression économique plutôt que par une décision administrative. Le système transforme le paradigme traditionnel « mineur-récompense-consensus » en « offre utile d’IA — marché — récompense — consensus du réseau ».

Concrètement, les développeurs peuvent initier ou rejoindre des sous-réseaux, contribuer en ressources de calcul et modèles, et gagner en permanence des incitations basées sur des métriques de performance. Les participants côté demande peuvent acheter des services d’inférence, de puissance de calcul, des capacités AutoML ou des signaux de prédiction directement via le réseau. Toute la structure reste permissionless et transparente, permettant à tout développeur dans le monde de participer équitablement.

Cela représente une rupture fondamentale avec les plateformes traditionnelles d’agrégation d’IA qui se contentent d’empiler des modèles sans optimisation économique. Jacob insiste sur le fait que la véritable innovation dépasse le simple « Crypto + IA » — une expression qu’il considère comme superficielle intellectuellement. La vraie innovation consiste à utiliser des incitations crypto-économiques pour mener la recherche en intelligence artificielle elle-même, laissant les forces du marché affiner en continu la qualité computationnelle.

Développeurs chinois et compétition féroce : bâtir le réseau d’IA en Asie

La décision de Jacob de visiter la Chine fin 2024 reflétait une reconnaissance stratégique : l’Asie abrite l’écosystème d’intelligence artificielle à croissance la plus rapide et potentiellement la plus puissante au monde. La Chine seule produit 90 % des semi-conducteurs mondiaux. Quand le minage de Bitcoin était légal, la Chine contrôlait plus de 50 % de la puissance minière mondiale. Ces chiffres soulignent pourquoi Jacob voit la Chine non pas comme un participant périphérique, mais comme une infrastructure essentielle pour le réseau mondial de Bittensor.

Ce qui frappe Jacob chez les développeurs chinois, ce n’est pas seulement leur capacité technique, mais leur intensité compétitive. Dans les sous-réseaux de Bittensor, un phénomène observable émerge : dès que des mineurs chinois entrent dans un sous-réseau, la compétition s’intensifie immédiatement de façon spectaculaire. Beaucoup de participants initiaux choisissent de se retirer, non pas par désavantage technique, mais parce que la dynamique concurrentielle devient nettement plus féroce. Jacob voit cela comme tout à fait attendu, étant donné que le système universitaire chinois forme des « groupes parmi les plus compétitifs au monde ».

Les preuves concrètes confirment cette observation. Affine, l’un des plus grands sous-réseaux de Bittensor, a été entièrement construit par des développeurs chinois et est devenu l’un des mécanismes de compétition les plus sophistiqués du réseau. Lium, un autre sous-réseau majeur fournissant des ressources GPU, montre comment l’infrastructure informatique chinoise s’intègre dans le marché permissionless de Bittensor. De nombreux mineurs chinois contribuent en puissance GPU (identifiable par des adresses IP d’origine asiatique), apportant efficacement les ressources computationnelles de l’Asie sur le marché mondial via une infrastructure décentralisée.

Ces contributions représentent quelque chose que Jacob considère comme « très significatif » — pas seulement une participation technique, mais des contributions fondamentales à la résilience du réseau et à l’optimisation compétitive. Le niveau d’ingénierie de ces équipes est « extrêmement élevé, presque sans égal », selon l’évaluation directe de Jacob.

Au-delà de l’agrégation : pourquoi Bittensor est fondamentalement différent

Jacob répond directement à une idée reçue persistante : que Bittensor fonctionne comme un « agrégateur de modèles IA » qui combine des services existants. Cette incompréhension rate fondamentalement l’innovation architecturale de Bittensor. Les véritables plateformes d’agrégation se contentent de combiner des modèles sans incitations structurelles pour une amélioration continue. La conception de Bittensor intègre des incitations économiques directement dans les boucles de rétroaction qui pilotent l’apprentissage de l’IA lui-même.

Les 15 années d’évolution de l’IA révèlent un schéma constant : les avancées émergent d’un apprentissage adaptatif basé sur la rétroaction et la récompense. La rétropropagation, l’apprentissage par renforcement et d’autres techniques fondamentales fonctionnent toutes selon ce principe. L’innovation de Bittensor consiste à intégrer directement la cryptomonnaie et les incitations de marché dans ces mécanismes, permettant aux signaux du marché en temps réel d’optimiser à la fois la qualité de l’offre et l’efficacité du réseau.

La décentralisation joue un rôle essentiel dans ce cadre. L’entrée permissionless signifie que toute personne ou équipe peut lancer un sous-réseau et concurrencer directement les services existants. Une bonne offre est amplifiée par des incitations économiques ; une offre médiocre est naturellement éliminée. La répartition des ressources entre les nœuds crée une résilience face aux points de défaillance unique — une propriété illustrée par les interruptions massives d’AWS ces derniers mois. Alors que de nombreux projets revendiquant la décentralisation ont subi de graves perturbations, l’architecture distribuée de Bittensor est restée opérationnelle précisément parce qu’elle ne dépend pas d’un fournisseur d’infrastructure centralisé.

Cependant, Jacob insiste sur le fait que la décentralisation est un moyen, pas une fin en soi. La force motrice fondamentale n’est pas la décentralisation « pour la décentralisation », mais l’extension d’un calcul utile via une compétition incitative. Cette distinction est cruciale : Bittensor rivalise contre les plateformes d’IA centralisées traditionnelles non pas par idéologie, mais par des primitives techniques supérieures et une conception mécanistique plus efficace.

Revenus du protocole, marchés de prédiction et objectifs à cinq ans

La durabilité économique de Bittensor provient de plusieurs sources de revenus au niveau du protocole. Le réseau génère des revenus en vendant des services d’inférence, l’accès à la puissance de calcul, des capacités AutoML, et des signaux fournis aux marchés de prédiction. Ce modèle de revenus diversifié évite une dépendance excessive à un seul cas d’usage tout en créant plusieurs flux d’incitation pour les participants.

Jacob manifeste un enthousiasme particulier pour les marchés de prédiction comme application révolutionnaire. Des plateformes comme Kalshi et Polymarket représentent des « applications fintech réelles » et des « premières applications grand public » qui transforment véritablement la prise de décision humaine. Au sein de l’écosystème de Bittensor, des sous-réseaux dédiés développent une infrastructure de marché de prédiction, démontrant la capacité du protocole à supporter des applications financières sophistiquées.

Dans cinq ans, Jacob formule une aspiration unique : amener la technologie Bittensor à « des millions » d’utilisateurs tout en maintenant une opération durable du réseau. Actuellement, environ 100 000 utilisateurs utilisent activement la technologie Bittensor. La voie à suivre consiste non seulement à dominer les services d’inférence, mais aussi à s’étendre vers la couche applicative — visant finalement à servir des milliards d’utilisateurs dans le monde.

L’avantage économique sous-jacent à cette vision repose sur l’efficacité des coûts. Ridges, un sous-réseau majeur de Bittensor axé sur les agents de codage, illustre ce principe. En exploitant une optimisation distribuée à l’échelle mondiale, le réseau parvient à réduire drastiquement les coûts : des scénarios où des fournisseurs centralisés facturent 1 000 $ par mois pour une valeur réelle de 200 $ peuvent être concurrencés par des prix réseau de 10 $, reflétant seulement 6 $ de coûts réels. Cette loi d’échelle économique — impossible dans une architecture centralisée — permet une portée et une adoption mondiales.

Jacob établit un parallèle historique avec le succès de Bitcoin : Bitcoin a surpassé les systèmes centralisés non pas uniquement par idéologie, mais en adoptant des primitives techniques supérieures et une conception mécanistique plus efficace. Bien que Bittensor n’ait pas encore atteint cet avantage dans tous les domaines, il a démontré ce principe dans certains secteurs computationnels. De plus, des millions utilisent déjà quotidiennement les services de Bittensor sans en avoir conscience — le réseau fonctionne de manière transparente à travers les couches applicatives.

La dynamique concurrentielle se résume finalement à une proposition simple : si Bittensor maintient une supériorité technologique dans des dimensions clés comme la performance, la vitesse et le coût, les fournisseurs d’IA centralisés opérant sous des modèles d’infrastructure traditionnels ne pourront pas rivaliser à terme. À l’inverse, l’échec à conserver ces avantages techniques rendrait toute la prémisse caduque. Cette clarté d’objectif — atteindre une véritable supériorité technique ou échouer de manière significative — définit la vision stratégique de Jacob pour les cinq prochaines années de Bittensor.

Évolution du marché et premier cycle de halving

En mars 2026, Bittensor (TAO) reflète la dynamique de marché inhérente à tout protocole réussi. Le jeton, initialement listé en mars 2023, a connu des cycles de marché qui reflètent la dynamique plus large des secteurs crypto et IA. Les conditions actuelles montrent TAO à 197,10 $ avec une capitalisation de marché d’environ 1,89 milliard de dollars. Cela représente le processus naturel de découverte des prix dans des marchés permissionless.

La perspective de Jacob sur le premier halving de TAO en 2025 — désormais terminé — met l’accent sur la dynamique d’offre plutôt que sur des narratifs spéculatifs. Le halving réduit l’offre de jetons, mais Jacob affirme explicitement que cela ne modifie pas à lui seul les mécanismes d’incitation fondamentaux de Bittensor. Les incitations économiques pour les développeurs restent robustes indépendamment des calendriers d’offre. La proposition de valeur centrale du réseau dépend de l’utilité computationnelle et de la distribution des récompenses par le marché, pas uniquement de la rareté de l’offre.

Cette perspective mesurée reflète l’état d’esprit d’ingénieur de Jacob plutôt que la psychologie de trader. L’attention reste portée sur l’utilité du réseau, les incitations des développeurs et l’optimisation compétitive — les métriques qui déterminent une adoption technologique réelle plutôt que des mouvements spéculatifs de prix de jetons.

La position stratégique de l’Asie : IA open-source et infrastructure décentralisée

Jacob perçoit un changement stratégique décisif dans le développement de l’intelligence artificielle. La Chine, Singapour et l’Asie de l’Est mènent collectivement ce qu’il qualifie de « révolution de l’IA open-source ». Les modèles open-source de premier plan, dont DeepSeek, proviennent d’équipes chinoises. Hong Kong et Singapour, avec une flexibilité réglementaire et une infrastructure financière supérieures, facilitent l’industrialisation et la collaboration technique transfrontalière. Cette dynamique régionale crée une compatibilité naturelle avec le modèle décentralisé de Bittensor.

Au-delà du développement commercial, des universités asiatiques de premier plan, telles que l’Université de Pékin et Tsinghua, ont apporté des contributions fondamentales à l’avancement académique de l’IA. Cette combinaison — modèles open-source, focus sur l’implémentation technique, et rigueur académique — correspond précisément à ce que nécessite une IA décentralisée : développement transparent, optimisation compétitive, et compétence technique profonde.

Au-delà du partenariat : compétition et primitives techniques

Interrogé sur d’éventuelles coopérations avec des laboratoires d’IA traditionnels ou de grandes entreprises technologiques, Jacob maintient une clarté philosophique. Les partenariats avec des équipes comme DeepSeek, Kimi, et Moonshot semblent naturellement compatibles — ces organisations peuvent lancer des sous-réseaux sur Bittensor, monétiser leurs modèles via le réseau, tout en consommant simultanément des services fournis par le réseau. En revanche, les laboratoires américains centralisés « préfèrent consolider et contrôler » plutôt que d’embrasser l’ouverture et la participation permissionless.

Jacob présente cela non pas comme une hostilité envers l’IA traditionnelle, mais comme une nécessité technique. Soit les fournisseurs centralisés adoptent l’approche décentralisée de Bittensor pour l’entraînement, soit ils feront face à un désavantage compétitif à long terme, car les structures de coûts et les performances favorisent de plus en plus la computation distribuée incitée. Le résultat dépendra in fine de l’exécution technologique plutôt que du positionnement sur le marché ou de l’avantage en capital.