Bittensor est l'espoir de tout le village Crypto

Auteur : 0xai

Nous remercions chaleureusement @DistStateAndMe et son équipe pour leurs contributions dans le domaine des modèles d’IA open source, ainsi que pour leurs précieux conseils et leur soutien apportés à cet article.

Pourquoi devriez-vous lire ce rapport

Si “l’entraînement décentralisé de l’IA” est devenu possible, à quel point Bittensor est-il sous-estimé ?

Début 2026, tout l’univers Crypto est envahi par une certaine fatigue.

Les dernières lueurs du dernier marché haussier se sont dissipées, et les talents affluent rapidement vers l’industrie de l’IA. Ceux qui parlaient autrefois de “next 100x” parlent maintenant de Claude CodeOpenclaw. “La crypto, c’est une perte de temps” — vous avez peut-être déjà entendu cette phrase plusieurs fois.

Mais le 10 mars 2026, un sous-réseau appelé Templar de Bittensor a discrètement annoncé une nouvelle.

Plus de 70 participants indépendants du monde entier, sans serveur central ni grande entreprise pour coordonner, uniquement grâce à un mécanisme d’incitation crypto, ont collaboré pour entraîner un grand modèle d’IA de 72 milliards de paramètres.

Le modèle et les papiers associés ont été publiés sur HuggingFace et arXiv, avec des données ouvertes et vérifiables.

Plus important encore : dans plusieurs tests clés, ce modèle a surpassé celui de Meta, entraîné à grands frais, de même niveau.

Après l’annonce, le prix de TAO est resté silencieux près de 2 jours. Ce n’est que le troisième jour qu’il a commencé à monter en flèche, et après 6 jours, la hausse totale avoisinait +40 %. Pourquoi ce délai de 2 jours ?

Le cœur de ce rapport est : les investisseurs en crypto voient “encore un modèle open source”, qu’ils jugent inférieur à GPT ou Claude utilisés quotidiennement ; les chercheurs en IA ne s’intéressent pas à la crypto. Le fossé entre ces deux mondes crée une fenêtre d’arbitrage cognitif.

Cadre de lecture

Ce rapport se divise en deux parties logiques :

Partie I — Percée technologique : expliquer ce que SN3 Templar a réellement accompli, et pourquoi cet événement est important dans l’histoire de l’IA et de la crypto.

Partie II — Signification pour l’industrie : expliquer pourquoi cet événement montre que l’écosystème Bittensor est systématiquement sous-estimé, et pourquoi Bittensor représente l’espoir de tout le secteur crypto.

Partie I : La percée de l’entraînement décentralisé de l’IA

1. Qu’est-ce que SN3 ?

Que faut-il pour entraîner un grand modèle de langage ?

Réponse traditionnelle : construire un centre de données géant, acheter des milliers de GPU haut de gamme, dépenser des centaines de millions de dollars, avec une équipe d’ingénieurs coordonnée par une seule entreprise. C’est la méthode de Meta, Google, OpenAI.

Approche de SN3 Templar : faire collaborer des personnes dispersées dans le monde, chacune utilisant une ou plusieurs GPU, comme un puzzle, pour assembler la puissance de calcul et entraîner ensemble un modèle complet.

Mais il y a un problème fondamental : si les participants viennent du monde entier, ne se font pas confiance, et que la latence réseau est instable, comment garantir la validité du résultat ? Comment empêcher la triche ou la paresse ? Comment motiver une contribution continue ?

Bittensor donne la réponse : utiliser le jeton TAO comme incitation. Plus la contribution (le gradient, c’est-à-dire “l’amélioration du modèle”) est efficace, plus le participant reçoit de TAO. Le système auto-évalue, auto-règle, sans besoin d’une organisation centrale.

C’est cela, SN3 (le troisième sous-réseau), alias Templar.

Si Bitcoin a prouvé que la “monnaie” décentralisée est possible, SN3 prouve que l’“entraînement décentralisé de l’IA” l’est aussi.

2. Qu’a accompli SN3 ?

Le 10 mars 2026, SN3 Templar a annoncé avoir terminé l’entraînement d’un grand modèle de langage nommé Covenant-72B.

Que signifie “72B” ? : 720 milliards de paramètres. Les paramètres sont les “unités de stockage de connaissance” du modèle, plus il y en a, plus le modèle est généralement intelligent. GPT-3 en a 1750 milliards, LLaMA-2 (l’offre open source de Meta) en 700 milliards. Covenant-72B est dans la même gamme.

Quelle est l’ampleur de l’entraînement ? : environ 1,1 trillion de tokens, soit l’équivalent de 5,5 millions de livres (en supposant 200 000 mots par livre).

Qui a participé ? : plus de 70 participants indépendants (mineurs), contribuant chacun en puissance de calcul (avec une limite d’environ 20 nœuds par synchronisation). L’entraînement a débuté le 12 septembre 2025, et a duré environ 6 mois. Pas de serveur central, pas d’organisation unique pour coordonner.

Comment se comporte le modèle ? : en le comparant à des tests d’IA courants :

Sources : fiche modèle Covenant-72B sur HuggingFace

MMLU (connaissances générales sur 57 disciplines) : Covenant-72B 67,35 % vs LLaMA-2 63,08 %

GSM8K (raisonnement mathématique) : Covenant-72B 63,91 % vs LLaMA-2 52,16 %

IFEval (suivi d’instructions) : Covenant-72B 64,70 % vs LLaMA-2 40,67 %

Open source complet : licence Apache 2.0. Tout le monde peut télécharger, utiliser, commercialiser sans restriction.

Soutien académique : article soumis à arXiv [2603.08163], techniques clés (SparseLoCo, mécanisme anti-triche Gauntlet) présentés à NeurIPS Optimization Workshop.

3. Que signifie cette réussite ?

Pour la communauté open source IA : auparavant, en raison des coûts et de la puissance de calcul, entraîner un modèle de 70 milliards de paramètres était réservé à quelques grandes entreprises. Covenant-72B prouve pour la première fois que la communauté peut, sans financement centralisé, entraîner un modèle de cette taille. Cela redéfinit qui peut participer à la création de modèles fondamentaux en IA.

Pour la hiérarchie du pouvoir en IA : actuellement, les modèles de base dominants sont contrôlés par OpenAI, Google, Meta, Anthropic. La décentralisation de l’entraînement remet en question cette barrière. La supposition “seules les grandes entreprises peuvent faire des modèles fondamentaux” est pour la première fois sérieusement ébranlée.

Pour l’industrie crypto : c’est la première fois qu’un projet crypto apporte une contribution technologique réelle dans le domaine de l’IA, et pas seulement en surfant sur la tendance. Covenant-72B dispose de modèles sur HuggingFace, de papiers arXiv, de benchmarks publics. Cela établit un précédent : le mécanisme d’incitation crypto peut devenir une infrastructure sérieuse pour la recherche en IA.

Pour Bittensor lui-même : le succès de SN3 transforme Bittensor d’un “concept de protocole décentralisé d’IA” en une “infrastructure décentralisée d’IA vérifiée par la pratique”. Une étape qualitative majeure.

4. La place historique de SN3

Ce n’est pas la première tentative d’entraînement décentralisé, mais SN3 a atteint des sommets inexplorés.

Évolution de l’entraînement décentralisé :

2022 — Together GPT-JT (6B) : exploration initiale, prouve la faisabilité multi-machine

2023 — SWARM Intelligence (~1B) : propose un cadre pour la collaboration hétérogène

2024 — INTELLECT-1 (10B) : entraînement décentralisé inter-organisation

2026 — Covenant-72B / SN3 (72B) : premier modèle de 72 milliards de paramètres à surpasser en performance les entraînements centralisés sur benchmarks majeurs

En 4 ans, passage de 6B à 72B paramètres, soit un saut de 12 fois. Mais l’essentiel n’est pas la quantité, c’est la qualité — alors que les projets précédents se contentaient de faire fonctionner, Covenant-72B est le premier à dépasser en performance un modèle centralisé sur des benchmarks majeurs.

Percées technologiques clés :

99 % de compression (>146x) : chaque participant transmet des gradients, initialement en GB, compressés à plus de 146 fois par SparseLoCo, comme réduire une saison entière de série en une image, avec une perte d’information minimale.

Seulement 6 % de coût en communication : 100 participants travaillent en collaboration, seulement 6 % du temps en communication, le reste en entraînement effectif. Cela résout l’un des plus grands goulots d’étranglement du décentralisé.

5. La sous-estimation de l’entraînement décentralisé ?

Avant de juger, regardons les chiffres.

Preuves de sous-estimation :

MMLU 67,35 % vs LLaMA-2 63,08 %

MMLU-Pro 40,91 % vs LLaMA-2 35,20 %

IFEval 64,70 % vs LLaMA-2 40,67 %

Les modèles décentralisés surpassent LLaMA-2-70B, entraîné à grands frais par Meta.

Et par rapport aux modèles open source de pointe actuels (il faut être honnête) :

MMLU : Covenant-72B 67,35 % vs Qwen2.5-72B 86,8 % vs LLaMA-3.1-70B 83,6 %

GSM8K : Covenant-72B 63,91 % vs Qwen2.5-72B 95,8 % vs LLaMA-3.1-70B 95,1 %

L’écart est d’environ 20-30 points de pourcentage.

Mais la perspective est essentielle : Covenant-72B ne vise pas à battre le SOTA, mais à prouver la faisabilité de l’entraînement décentralisé. Qwen2.5 / LLaMA-3.1 reposent sur des investissements de centaines de milliards, des dizaines de milliers de GPU, des équipes d’ingénieurs. Covenant-72B, lui, repose sur 70+ mineurs indépendants, sans coordination centrale.

Ce qui compte, c’est la tendance, pas le snapshot :

2022 — le meilleur modèle décentralisé est de 6B, sans même avoir passé MMLU.

2026 — un modèle de 72B avec 67,35 % sur MMLU, surpassant des modèles de même niveau de Meta.

En 4 ans, l’entraînement décentralisé est passé du “concept expérimental” à une “performance comparable à l’entraînement centralisé”. La pente de cette courbe est plus significative que n’importe quel chiffre de benchmark.

De plus, Covenant-72B a déjà un plan pour améliorer ses capacités en profondeur : SN81 Grail, qui renforcera le modèle via un apprentissage par renforcement post-entraînement (RLHF), pour l’aligner et augmenter ses capacités. C’est la étape clé qui a permis à GPT-4 de surpasser GPT-3.

Heterogeneous SparseLoCo sera le prochain jalon : actuellement, SN3 exige que tous les mineurs utilisent le même GPU. La prochaine étape est Heterogeneous SparseLoCo, qui permettra de faire participer des matériels hétérogènes (B200, A100, GPU grand public) à la même formation. Une fois cela réalisé, la puissance de calcul disponible sera considérablement augmentée.

L’entraînement décentralisé a franchi le seuil de la faisabilité. La différence de performance sur les benchmarks n’est qu’un problème d’optimisation, pas une barrière théorique.

Partie II : Le marché ne comprend toujours pas

Évolution du prix de TAO

Après l’annonce de SN3, la trajectoire du prix TAO révèle cette déconnexion cognitive :

Regardez ces 2 jours de silence (du 10/03 au 12/03) : annonce, prix presque immobile.

Pourquoi ce délai ?

Les investisseurs crypto voient “Bittensor SN3 a entraîné un modèle IA” — mais ils ne comprennent pas forcément la signification technique : “72B décentralisé, surpassant Meta sur MMLU”.

Les chercheurs en IA comprennent la portée, mais ne s’intéressent pas à la crypto.

Ce décalage crée une fenêtre de 2-3 jours pour la réévaluation du prix.

De plus, la majorité des investisseurs crypto ont encore une perception obsolète de Bittensor. Aujourd’hui, plus de 79 sous-réseaux actifs couvrent des domaines variés : agents IA, puissance de calcul, entraînement IA, trading IA, robots. Quand le marché réévaluera la portée de l’écosystème Bittensor, cette perception sera corrigée — souvent sous forme de hausse brutale du prix.

La valorisation de Bittensor en décalage

En intégrant Bittensor dans un contexte industriel plus large :

SN3 a prouvé que Bittensor peut réaliser un entraînement décentralisé de grands modèles.

Si à l’avenir, l’IA nécessite des réseaux d’entraînement ouverts et sans permission, la seule infrastructure validée par la pratique aujourd’hui est Bittensor.

Le marché valorise une infrastructure IA à partir de projets applicatifs.

Même en restant dans la sphère crypto : la part de marché de Bitcoin dans l’ensemble du secteur crypto tourne autour de 50-60 %, tandis que Bittensor ne représente qu’environ 11,5 % dans la course à l’IA crypto.

Quand le marché comprendra mieux la position de Bittensor dans l’infrastructure IA, ce décalage sera corrigé.

Conclusion : Bittensor, l’espoir de tout le secteur crypto

Si Covenant-72B de SN3 Templar a prouvé une chose, c’est que :

Un réseau décentralisé peut coordonner non seulement le capital, mais aussi la puissance de calcul et la recherche avancée en IA.

Ces dernières années, la crypto n’a été qu’un acteur marginal dans la narration IA. Beaucoup de projets se contentent de concepts, de spéculations ou de capital-risque, sans résultats techniques vérifiables. SN3 est un cas nettement différent.

Il n’a pas lancé de nouvelle narration token, ni de produit “IA + Web3” en couche applicative, mais a accompli quelque chose de plus fondamental et difficile :

En l’absence de coordination centralisée, entraîner un modèle de 72 milliards de paramètres.

Les participants viennent du monde entier, sans besoin de confiance mutuelle ; le système s’appuie sur des incitations et des mécanismes de vérification sur la chaîne pour coordonner automatiquement leur contribution et leur répartition des gains.

Pour la première fois, un mécanisme crypto organise une productivité réelle dans le domaine de l’IA.

Beaucoup n’ont pas encore saisi la portée historique de SN3. Comme Bitcoin l’a prouvé, ce n’est pas “une meilleure méthode de paiement”, mais une nouvelle forme de consensus de valeur sans confiance centrale.

Aujourd’hui, beaucoup voient encore uniquement des benchmarks, des modèles publiés ou une hausse de prix.

Mais le changement profond, c’est que Bittensor prouve que :

La crypto ne se limite pas à émettre des actifs, elle peut organiser la production.

La crypto ne se limite pas à échanger de l’attention, elle peut produire de l’intelligence.

Les communautés open source peuvent contribuer par du code, le monde académique par des papiers, mais lorsque la question devient de faire du entraînement à grande échelle, de la collaboration longue, de la gestion transrégionale, de la lutte contre la triche et de la répartition des gains, la bonne volonté et la réputation ne suffisent pas :

Sans incitations économiques, pas de fourniture stable.

Sans mécanismes vérifiables de récompense et de punition, pas de collaboration à long terme.

Sans mécanisme de tokenisation pour la coordination, impossible de créer un réseau mondial d’IA décentralisée et sans permission.

Donc, Bittensor est-il sous-estimé ? La réponse n’est pas “peut-être”, mais “de manière systématique et significative”.

Dans le grand débat “Crypto a-t-il encore un sens ?”, Bittensor donne la réponse la plus forte à toute l’industrie.

Et c’est pourquoi : Bittensor est l’espoir de tout le secteur crypto.