Au cours de l’année écoulée, l’IA est restée l’un des thèmes majeurs sur les marchés financiers mondiaux. Des résultats records de Nvidia aux investissements massifs de Microsoft, Meta et Amazon dans leurs centres de données, l’IA s’est transformée d’une simple tendance technologique en un nouveau cycle de développement des infrastructures. Cette évolution commence désormais à influencer le marché des cryptomonnaies.
Contrairement au marché de 2024, qui s’est concentré sur les concepts d’AI Agent et les actifs AI Meme, depuis 2026, les capitaux s’orientent plus profondément dans la chaîne de valeur du secteur. De plus en plus d’investisseurs s’intéressent à une question concrète : alors que le nombre d’applications IA augmente et que les bases d’utilisateurs s’élargissent, qui bénéficiera réellement de la croissance à long terme de l’industrie de l’IA ?
La réponse se déplace du niveau des modèles vers celui des infrastructures.
Qu’il s’agisse d’AI Agents, de génération vidéo par IA, de création musicale par IA ou de services IA pour les entreprises, tous reposent fortement sur les ressources GPU. À mesure que le secteur passe de l’ère de l’entraînement des modèles à celle de l’inférence, la demande en puissance de calcul ne cesse de croître. Parallèlement, l’offre de GPU reste limitée, les coûts d’acquisition de ressources sont élevés et les prix des services cloud augmentent — des problématiques de plus en plus visibles. Dans ce contexte, les réseaux GPU décentralisés attirent à nouveau l’attention.
IO, projet clé dans le domaine des infrastructures IA, a récemment publié une série de cas de commercialisation, renforçant sa position de plateforme de calcul IA. Côté performance, IO a bondi de près de 200 % depuis ses plus bas d’avril. Au niveau sectoriel, le marché réévalue la valeur à long terme des réseaux DePIN dans la chaîne de valeur de l’IA. Dès lors, la hausse continue du prix de IO n’est-elle qu’un rebond temporaire du secteur IA, ou marque-t-elle l’entrée des réseaux GPU décentralisés dans un nouveau cycle de croissance ?
Derrière la hausse du prix de IO : un changement de focalisation du marché
En observant les tendances de prix, la hausse actuelle de IO dépasse le simple rebond technique.
Les données du marché Gate et les graphiques récents montrent que IO est tombé autour de 0,09 $ début avril, puis est resté plusieurs semaines dans une zone basse et latérale. Tout au long du mois d’avril, les volumes d’échange étaient faibles et la volatilité limitée, signe que le marché demeurait prudent vis-à-vis du secteur des infrastructures IA.
Le vrai tournant est arrivé début mai.
Avec la reprise des volumes, IO est sorti de sa zone de consolidation précédente et a rapidement franchi le seuil des 0,15 $. Malgré un repli ultérieur, le prix est resté au-dessus de la plateforme de cassure, tandis que les volumes diminuaient en parallèle. Ce schéma suggère une rotation des détenteurs pendant la hausse, plutôt qu’un retrait des capitaux. De fin mai à début juin, IO a connu une nouvelle envolée des volumes et du prix, culminant près de 0,27 $ — soit près de 200 % de hausse par rapport à ses plus bas d’avril.
Il est d’autant plus remarquable que IO n’a pas été le seul projet à rebondir sur cette période. D’autres projets d’infrastructure IA tels que Render, Aethir et Akash ont également attiré l’attention du marché. Cela indique que les capitaux ne s’échangent pas sur un seul projet, mais sur la logique globale de l’infrastructure IA.
Le changement de focalisation du marché est manifeste. Auparavant, les investisseurs étaient prêts à payer pour des « concepts IA ». Désormais, davantage de capitaux s’interrogent sur les segments de la chaîne de valeur IA qui verront une demande soutenue. À mesure que le marché passe de la spéculation narrative aux fondamentaux, les projets avec des cas d’usage réels et des histoires de commercialisation attirent naturellement plus d’attention.
De la compétition des modèles à celle de l’inférence : l’industrie IA entre dans une nouvelle phase de croissance
En revenant sur les trois dernières années de développement de l’IA, il est évident que le paysage concurrentiel a évolué.
En 2023 et 2024, la lumière était portée sur les capacités des modèles : qui disposait du plus grand nombre de paramètres, qui obtenait les meilleurs résultats aux benchmarks, qui possédait la capacité d’entraînement la plus puissante — tels étaient les points d’attention. Durant cette période, les capitaux affluaient vers les entreprises développant des modèles, et les ressources GPU étaient principalement considérées comme des actifs de production pour l’entraînement.
Mais à mesure que les modèles se sont perfectionnés, le secteur est entré dans une nouvelle phase.
De plus en plus d’entreprises ont compris que si l’entraînement est coûteux, il n’est pas le poste de dépense le plus important sur le long terme. Le vrai gouffre budgétaire, c’est l’inférence. L’entraînement intervient lors du développement et des mises à jour du modèle, mais l’inférence se produit à chaque interaction d’un utilisateur avec un produit IA. Pour les applications IA comptant des millions, voire des dizaines de millions d’utilisateurs, les coûts d’inférence dépassent souvent largement ceux de l’entraînement.
C’est pourquoi de plus en plus d’acteurs technologiques mettent l’accent sur l’optimisation de l’inférence.
Pour les entreprises, réduire les coûts d’inférence permet non seulement d’économiser, mais aussi de servir plus d’utilisateurs, d’améliorer les marges et d’étendre leur part de marché. Dans les prochaines années, la compétition dans l’IA pourrait passer de « qui possède le modèle le plus performant » à « qui propose des services IA au coût le plus bas ».
Les ressources GPU deviennent alors encore plus stratégiques.
Le marché se concentre désormais sur les coûts d’acquisition des GPU, l’utilisation des ressources et l’efficacité de la gestion de la puissance de calcul. Par rapport au niveau des modèles, qui voit arriver constamment de nouveaux entrants, les réseaux GPU et les plateformes de calcul bénéficient d’une demande plus stable. Peu importe quelle entreprise de modèles l’emporte, toutes consommeront d’importantes quantités de puissance de calcul. C’est pourquoi les projets d’infrastructure IA continuent de susciter l’intérêt du marché.
Pourquoi les récents cas de commercialisation de IO attirent l’attention
Si les tendances sectorielles orientent les capitaux, l’avancement de la commercialisation au niveau des projets détermine si le marché est prêt à leur accorder une valorisation supérieure.
L’un des principaux doutes qui pesaient sur le secteur DePIN l’an dernier était l’absence de demande réelle. De nombreux projets parviennent à agréger rapidement des ressources grâce aux incitations par tokens, mais peinent à démontrer que ces ressources sont utilisées par des entreprises concrètes. Par conséquent, le marché restait prudent vis-à-vis des projets DePIN.
Les récentes annonces de IO répondent directement à cette problématique.
L’exemple le plus marquant est celui de Leonardo.AI. Selon les données officielles, Leonardo.AI est passé d’environ 14 000 utilisateurs à 19 millions. Au cours de cette évolution, la plateforme a utilisé le réseau IO pour ses ressources GPU, réduisant ses coûts GPU de plus de 50 % et raccourcissant les cycles d’approvisionnement de plusieurs semaines ou mois à seulement quelques jours.
Pour le marché, ce cas va au-delà des économies de coûts. Il prouve que les réseaux GPU décentralisés servent désormais de véritables plateformes IA avec des dizaines de millions d’utilisateurs — et ne se limitent plus à des environnements de test.
Un autre cas notable provient de Wondera, plateforme IA musicale. Les chiffres officiels montrent que Wondera a utilisé plus de 550 000 heures GPU pour l’entraînement des modèles et mobilisé 96 GPU haut de gamme pour les tâches associées. Par rapport aux solutions cloud traditionnelles, Wondera a réduit ses coûts d’entraînement d’environ 75 %, économisant près de 2,48 millions de dollars.
Ces cas envoient un message clair : les réseaux GPU décentralisés passent du stade de preuve de concept à celui de validation commerciale. À mesure que le marché observe des entreprises réelles utiliser les ressources du réseau pour réduire leurs coûts et accroître leur activité, la logique de valorisation des projets évolue naturellement.
Pourquoi les entreprises IA recherchent de la puissance de calcul au-delà des services cloud traditionnels
Les réseaux GPU décentralisés attirent l’attention non seulement grâce à leur développement, mais aussi en raison de défis sectoriels plus larges.
La raison principale réside dans les difficultés concrètes du secteur IA.
Ces dernières années, les grands fournisseurs cloud ont quasiment monopolisé le marché des GPU haute performance. Mais avec l’explosion de la demande IA, le modèle cloud traditionnel révèle ses limites. D’un côté, les ressources GPU sont chroniquement insuffisantes, empêchant de nombreuses entreprises d’obtenir les ressources nécessaires même avec un budget adéquat. De l’autre, la hausse des coûts des services cloud rogne les marges des entreprises IA.
Pour de nombreuses sociétés IA de taille petite ou moyenne, cette pression est particulièrement forte.
Elles n’ont pas la capacité de réserver à l’avance d’importants volumes de GPU comme les géants technologiques, et ne peuvent supporter les coûts élevés et récurrents du cloud. L’industrie recherche donc des sources de puissance de calcul plus flexibles et moins coûteuses.
C’est là que les réseaux GPU décentralisés trouvent leur opportunité.
En agrégeant les ressources GPU inutilisées à travers le monde, les réseaux décentralisés offrent aux entreprises une solution plus flexible d’accès aux ressources. En cas de pic de demande, elles peuvent rapidement augmenter leur capacité ; lorsque la demande baisse, elles évitent des coûts de ressources à long terme. À l’échelle sectorielle, ce modèle s’apparente à un marché ouvert plutôt qu’à un système centralisé d’allocation.
À mesure que le nombre d’applications IA continue de croître, l’importance de la gestion élastique des ressources ne fera qu’augmenter.
Les réseaux DePIN entrent dans la phase de validation de la demande réelle
Du point de vue du développement sectoriel, l’IA s’impose comme un catalyseur clé de la commercialisation des projets DePIN.
Ces dernières années, les projets DePIN se sont concentrés sur la résolution des problèmes d’offre — en utilisant des incitations pour attirer des appareils et bâtir un marché mondial de ressources. Mais le vrai défi n’est pas l’expansion de l’offre, c’est la validation de la demande. Sans clients réels et charges de travail soutenues, même le plus grand réseau ne peut générer de valeur durable.
L’IA permet désormais d’aligner l’offre et la demande pour la première fois.
Auparavant, les réseaux GPU manquaient de clients ; aujourd’hui, les entreprises IA manquent de GPU. Les réseaux de données manquaient d’usages ; désormais, les modèles IA réclament toujours plus de données. Les réseaux ouverts de calcul manquaient d’applications ; aujourd’hui, la demande d’inférence IA explose.
Ce changement fait que DePIN ne se limite plus à l’agrégation de ressources — il repose désormais sur une demande sectorielle réelle.
Les performances récentes du marché montrent que les investisseurs réévaluent le secteur. Au lieu de se concentrer uniquement sur le nombre de nœuds et l’échelle des appareils, le marché examine les clients entreprises, l’utilisation du réseau et les sources de revenus concrètes. Autrement dit, DePIN passe du « storytelling » à la « validation de la demande », avec l’IA comme moteur principal de cette transition.
Pourquoi l’infrastructure IA est le principal bénéficiaire de ce cycle de marché IA
En observant le secteur IA actuel, on constate que les capitaux s’étendent progressivement de la couche applicative à celle des infrastructures.
La raison est simple. La concurrence entre applications est très incertaine, mais la demande d’infrastructure est bien plus prévisible. Quelle que soit l’entreprise IA qui gagne des parts de marché ou la plateforme Agent qui devient dominante, toutes auront besoin en permanence de puissance de calcul, de données et de ressources réseau.
Cette demande ne disparaîtra pas, même si la compétition applicative s’arrête.
Ainsi, au lieu de miser sur un produit IA unique, de plus en plus d’investisseurs se concentrent sur l’infrastructure. Pour le marché, la vraie rareté dans l’IA n’est pas le token, mais les ressources fondamentales qui font tourner l’écosystème. À mesure que l’industrie entre dans l’ère de l’inférence, les ressources GPU ne feront que gagner en importance, et les projets d’infrastructure associés devraient en profiter.
Sous cet angle, la hausse du prix de IO reflète non seulement la reconnaissance du projet lui-même, mais aussi une réévaluation plus large de la valeur à long terme de l’infrastructure IA.
Indicateurs clés à surveiller pour la performance future du prix de IO
Pour IO, les facteurs déterminant sa valeur à long terme dépassent le simple sentiment de marché.
Ce qui compte réellement, ce sont la croissance des clients entreprises, l’utilisation du réseau GPU, l’ampleur des charges de travail réelles et les données de revenus de la commercialisation. Si IO continue de dévoiler des cas comme Leonardo.AI et Wondera, et démontre davantage l’exploitation de son réseau, le marché pourrait recourir de plus en plus à des modèles de valorisation d’infrastructure pour évaluer sa valeur.
Parallèlement, le rythme global de développement du secteur IA reste crucial. Si la demande d’inférence continue de croître et que les entreprises poursuivent leur recherche de ressources GPU, l’espace de marché pour les réseaux GPU décentralisés pourrait encore s’élargir.
Ainsi, la logique fondamentale pour IO n’est pas seulement liée au concept IA — il s’agit de savoir s’il peut répondre durablement à une demande réelle, portée par l’expansion du secteur IA.
Conclusion
La hausse soutenue du prix de IO au cours des deux derniers mois n’est pas simplement le fruit d’un regain de sentiment dans le secteur IA. Elle traduit un changement fondamental dans la façon dont le marché valorise l’infrastructure IA. À mesure que l’industrie IA passe de l’ère de l’entraînement à celle de l’inférence, les ressources GPU deviennent de plus en plus essentielles, et la demande des entreprises pour une puissance de calcul flexible et à moindre coût s’accélère.
De Leonardo.AI à Wondera, les récents cas de commercialisation de IO montrent que les réseaux GPU décentralisés entrent dans des scénarios d’entreprise réels. Cela signifie que le secteur du calcul DePIN passe de l’agrégation de ressources à la validation de la demande. Si l’industrie IA continue de croître, le réseau de calcul décentralisé de IO pourrait devenir une composante incontournable de l’écosystème d’infrastructure de l’ère IA.
FAQ
Pourquoi le prix de IO poursuit-il sa hausse récemment ?
La hausse du prix de IO est portée par le regain de dynamique dans le secteur des infrastructures IA, l’augmentation des cas d’usage commerciaux et le retour de l’attention du marché sur la demande des réseaux GPU.
Quels sont les développements les plus marquants pour IO ces derniers temps ?
Les avancées les plus notables pour IO sont les cas de commercialisation avec Leonardo.AI et Wondera. Leonardo.AI a élargi sa base d’utilisateurs à 19 millions tout en réduisant ses coûts GPU de plus de 50 %. Wondera a économisé environ 2,48 millions de dollars sur les coûts d’entraînement grâce au réseau IO. Ces cas valident davantage la viabilité commerciale des réseaux GPU décentralisés.
Pourquoi les réseaux GPU décentralisés attirent-ils l’attention dans l’industrie IA ?
Les réseaux GPU décentralisés retiennent l’attention car ils agrègent des ressources GPU distribuées mondialement et offrent aux entreprises des services de calcul plus flexibles et moins coûteux. Avec la croissance rapide de la demande d’inférence IA, ce modèle peut aider à atténuer les pressions de coûts et de ressources rencontrées par les services cloud traditionnels.
Pourquoi DePIN devient-il un bénéficiaire clé dans l’industrie IA ?
DePIN profite de la demande croissante des entreprises IA pour les ressources GPU, données et calcul, apportant une demande externe réelle aux réseaux DePIN.
Quels facteurs surveiller pour la performance future du prix de IO ?
Les principaux facteurs qui influencent le prix à long terme de IO sont la croissance des clients entreprises, l’utilisation des GPU, l’échelle des revenus du réseau et la croissance de la demande d’inférence IA. Si IO parvient à continuer d’étendre les charges de travail réelles et à renforcer sa commercialisation, sa valeur à long terme pourrait être davantage validée.
