Targon (numéro de subnet : SN4) est une infrastructure cloud confidentielle décentralisée construite sur l’écosystème Bittensor. Son objectif principal est de libérer la puissance de calcul IA haute performance de niveau entreprise ainsi que l’inférence de modèles propriétaires du monopole des géants traditionnels du cloud, grâce à des mécanismes tels que les Trusted Execution Environment (TEE), la vérification cryptographique déterministe et une tokenomics dynamique basée sur des mécanismes de jeu. Ces ressources sont ainsi transformées en « commodités numériques » rares, pilotées par le libre marché. Sur le plan architectural, Targon combine une défense de sécurité full stack (incluant l’isolation matérielle, les bus protégés et un système personnalisé TargonOS) avec une stratégie d’intégration matérielle multi-fournisseurs, afin de former un réseau de calcul décentralisé centré sur la confidentialité et l’exécution sans confiance. Cela permet non seulement de réduire significativement les coûts d’entraînement et d’inférence des modèles IA pour les entreprises, mais aussi de proposer une architecture conforme et résistante à la censure pour les institutions ayant des exigences élevées en matière de confidentialité des données et de propriété intellectuelle. Du point de vue de l’écosystème et des performances, Targon a déjà achevé la migration sous-jacente de plusieurs applications commerciales à grande échelle (telles que Dippy AI), générant des dizaines de millions de revenus annuels externes et démontrant une forte capacité d’attraction de capitaux dans le cadre du mécanisme dTAO. Targon comble une lacune critique dans l’infrastructure de l’IA décentralisée en matière de « sécurité des données et confiance dans la vérification », tout en explorant un nouveau modèle économique basé sur la « location de puissance de calcul confidentielle pour les institutions ». À long terme, Targon présente un fort potentiel pour devenir une infrastructure clé de la prochaine génération d’applications IA résistantes à la falsification, ainsi que des entités intelligentes numériques souveraines.
En partant des géants traditionnels du Cloud as a Service du Web2 : état actuel et limites de l’allocation de la puissance de calcul IA
À l’ère de la croissance exponentielle des technologies d’intelligence artificielle, la répartition mondiale des ressources de calcul fait face à un déséquilibre sans précédent. Le déploiement et l’exploitation d’applications IA avancées, telles que les modèles de langage à grande échelle (LLM), constituent des projets impliquant des exigences financières et infrastructurelles extrêmement élevées selon les standards traditionnels et les pratiques commerciales.L’offre actuelle de puissance de calcul est principalement dominée par un nombre restreint de fournisseurs centralisés de Cloud as a Service (tels que AWS, Google Cloud et Microsoft Azure), ainsi que par certains laboratoires d’IA de premier plan opérant en circuit fermé. Ces institutions centralisées, grâce à des investissements massifs en capital, monopolisent non seulement les clusters de calcul haut de gamme composés de puces de pointe comme les NVIDIA H100 et H200, mais contrôlent également la tarification et l’allocation des ressources de calcul.
Dans ce modèle, les entreprises classiques, les développeurs Web3, et même les startups technologiques de taille moyenne à grande, ne peuvent qu’accéder à une « AI computing as a service » auprès de ces géants, à des coûts extrêmement élevés. Cela transforme la puissance de calcul IA haut de gamme en un monopole détenu par une minorité, plutôt qu’en une ressource d’infrastructure accessible à tous.
Bien que les fournisseurs de cloud centralisés Web2 proposent des services de calcul hautement évolutifs et relativement stables, les limites de leur architecture fermée sous-jacente apparaissent de plus en plus clairement à mesure que l’industrie de l’IA évolue.
Problèmes de confidentialité et de propriété intellectuelle: Les entreprises téléversent les poids de modèles propriétaires ainsi que des données utilisateurs hautement sensibles (telles que les dossiers médicaux et les transactions financières) vers des clouds centralisés, s’exposant à des risques majeurs de défaillance à point unique et de fuite de données. L’inquiétude profondément ancrée des entreprises modernes face à la fuite des poids de modèles propriétaires est devenue le principal goulot d’étranglement empêchant des scénarios métiers plus avancés de migrer vers le cloud.
Coûts élevés et tarification rigide: Les ressources de calcul sont fortement concentrées entre les mains des fournisseurs de cloud, et le mécanisme de tarification manque d’une véritable concurrence de marché libre. Pour les entreprises devant gérer des besoins de raisonnement à grande échelle et à forte concurrence simultanée, la location à long terme de services Cloud as a Service centralisés entraîne des coûts d’exploitation et de maintenance extrêmement difficiles à soutenir.
Goulots d’étranglement structurels et absence de résistance à la censure: Les services cloud traditionnels constituent un « système fermé » dans lequel l’entraînement des modèles, le transfert de données et l’allocation des ressources sont strictement régis par les règles d’une seule plateforme, sans réelle résistance à la censure au niveau de l’architecture physique. Dans ce contexte, le protocole Bittensor a émergé, cherchant à briser ce goulot d’étranglement structurel en intégrant l’économie de tokens de la blockchain et le machine learning distribué afin de construire un marché libre pair-à-pair appelé « Digital Commodity Internetwork ».
Targon : Reconstruire le calcul confidentiel en IA avec un « réseau cryptographique »
Comme mentionné précédemment, le problème central du calcul IA Web2 traditionnel réside dans le « monopole fermé » et la « crise de confiance ». Targon constitue une refonte révolutionnaire de ce point de douleur industriel. Développé par Manifold Labs, une startup spécialisée en infrastructure IA basée à Austin, Texas (États-Unis), Targon est exploité en tant que Subnet 4 (SN4) du réseau Bittensor.
Targon ne se contente pas d’agréger des cartes graphiques grand public inutilisées à travers le monde en une simple place de marché inefficace de puissance de calcul. Il est défini comme la première — et à ce jour la seule — infrastructure de cloud confidentiel dans l’ensemble de l’écosystème décentralisé à résoudre de manière systématique le problème de « l’exécution sans confiance au niveau matériel ».
L’équipe fondatrice de Manifold Labs possède une compréhension approfondie des fondements natifs de Bittensor. Le fondateur et CEO Robert Myers ainsi que le cofondateur James Woodman ont positionné avec précision la stratégie de Targon comme un concurrent direct d’AWS et d’OpenAI sur le marché du cloud entreprise. Grâce à une intégration avancée des Trusted Execution Environment (TEE), d’une machine virtuelle propriétaire (TVM) et de mécanismes de vérification cryptographique déterministe, Targon permet aux utilisateurs d’exécuter des tâches sur des nœuds entièrement décentralisés tout en garantissant une confidentialité absolue des données, tant au niveau physique que mathématique.
Les réseaux d’IA décentralisés font face depuis longtemps à un dilemme fondamental de monétisation :
D’un côté, l’agrégation de la puissance de calcul inutilisée issue du long tail des mineurs à l’échelle mondiale permet de réduire significativement les coûts.
De l’autre, le contrôle physique des nœuds étant détenu par des mineurs anonymes répartis dans le monde entier, toute tentative de traiter des données médicales, financières ou de charger des poids de modèles à forte valeur sur ces nœuds expose à un risque critique de vol de données.
L’innovation clé de Targon consiste à transformer totalement l’hypothèse traditionnelle de « faire confiance aux nœuds pour ne pas agir de manière malveillante » en une garantie où il devient « mathématiquement impossible d’agir de manière malveillante ». Targon a mis en place une architecture de défense couvrant l’ensemble de la pile, du bus matériel physique jusqu’au système d’exploitation, rendant impossible — même pour des mineurs anonymes disposant d’un accès physique aux centres de données — la lecture des fichiers de poids de modèles ou l’exfiltration des données utilisateurs.Cela comble non seulement l’écart majeur entre « puissance de calcul distribuée à faible coût » et « sécurité des données conforme aux exigences entreprise », mais ouvre également la voie à la monétisation de modèles IA propriétaires à forte valeur sur un réseau ouvert. Ainsi, Targon élargit sa base de clients potentiels aux entreprises du Fortune 500, particulièrement sensibles aux enjeux de propriété intellectuelle.
Dans les plateformes de calcul décentralisé traditionnelles, le rôle de la plateforme se limite souvent à une simple mise en relation et allocation des ressources. Cependant, dans le cadre macroéconomique de Targon et de Bittensor, ce processus connaît une transformation fondamentale : Targon vise à faire de la « puissance de calcul IA haute performance dotée d’attributs de confidentialité » un « bien numérique » rare, standardisé, quantifiable et librement échangeable. Il ne s’agit pas simplement de fournir des outils, mais de construire un marché fonctionnant en continu. Les développeurs peuvent déployer en toute confiance des modèles propriétaires valant plusieurs millions de dollars à des fins commerciales ; les fournisseurs de puissance de calcul (mineurs institutionnels) peuvent fixer eux-mêmes le prix de leur puissance de calcul matérielle via l’order book, tandis que les validateurs utilisent un mécanisme cryptographique rigoureux pour évaluer la qualité de la puissance de calcul livrée et allouer les tokens. Ainsi, le calcul IA est passé d’une tâche d’ingénierie à haut risque à un modèle économique numérique dynamique, porté par les incitations du marché et la collaboration entre toutes les parties prenantes.
Dans le vaste écosystème de Bittensor, qui s’est étendu à 128 subnets actifs, les différents subnets assurent des fonctions telles que la capture de données, la génération MultiModal Machine Learning et l’entraînement de modèles. Le positionnement de Targon (SN4) au sein de ce réseau évolue de plus en plus vers celui d’un « puits de calcul » sous-jacent de niveau industriel et d’un hub de calcul central pour l’ensemble de l’écosystème Bittensor. Targon ne sert pas seulement directement des clients Web2 traditionnels externes, mais fournit également un support de calcul à d’autres subnets qui manquent de ressources matérielles, mais doivent exécuter une logique avancée via sa base matérielle confidentielle.
Isolation des données et collaboration: Score subnet (SN44), axé sur le suivi des compétitions sportives, exécute son modèle exclusif d’analyse vidéo dans l’environnement TEE de Targon afin de protéger la confidentialité des vidéos d’entraînement sensibles sur le terrain, tout en évitant leur exposition au réseau public.
Exécution de l’optimisation logique: Affine subnet (SN120), spécialisé dans l’optimisation de la logique d’inférence IA, n’héberge pas de ressources matérielles, mais s’appuie sur le réseau Targon pour réaliser l’inférence réelle, créant ainsi une boucle de valeur parfaitement fermée.
Support R&D AGI: Le projet phare Hone intègre profondément les capacités d’architecture sous-jacente de Manifold Labs dans son framework central de pré-entraînement et de fusion. De plus, Targon est même intégré à la boîte à outils hermes-agent de NousResearch, permettant aux développeurs d’appeler directement ses ressources GPU confidentielles décentralisées.
Architecture centrale : Comment mettre en œuvre un calcul confidentiel sans confiance au niveau matériel dans un réseau
Afin de comprendre pleinement comment Targon surmonte le goulot d’étranglement de la confiance, il est nécessaire de déconstruire en détail son système de défense de sécurité full-stack, connu sous le nom de Targon Virtual Machine (TVM).
Targon garantit la sécurité des données dans un environnement distribué sans dépendre de la confiance, en partant du niveau le plus bas : l’isolation matérielle.
Environnement d'exécution de confiance (TEE): Une zone de mémoire chiffrée au niveau matériel appelée « Enclave » est isolée au sein du CPU principal. Même si les permissions les plus élevées (Root) du système d’exploitation du nœud mineur sont compromises, il est impossible de lire ou d’altérer les instructions et les données exécutées dans cette zone.
Compatibilité matérielle et intégration standardisée: Afin d’éviter toute dépendance technologique à un point unique, Targon intègre en profondeur la technologie Trust Domain Extension (TDX) d’Intel et prend en charge l’architecture Secure Encrypted Virtualization (SEV-SNP) d’AMD, tout en s’intégrant de manière transparente à l’architecture avancée de calcul confidentiel de NVIDIA au niveau du GPU.
Chiffrement de la couche de transport du bus (PPCIE): Pour contrer les attaques d’écoute physique pouvant être initiées via le bus de la carte mère, le réseau impose l’utilisation de la technologie PCIe protégée afin de garantir que les données sensibles restent en permanence encapsulées dans des algorithmes de chiffrement en flux lors de leur transfert de la mémoire CPU vers des GPU comme le H200 ou la RTX 4090 via le slot de la carte mère, assurant ainsi une protection anti-interception de bout en bout au niveau matériel.
En raison des fortes incitations à la maximisation des profits et des risques de comportements frauduleux dans la communauté des mineurs, Targon ne peut pas permettre l’exécution de systèmes d’exploitation sous-jacents arbitrairement modifiés.
Système personnalisé renforcé: Manifold Labs a développé et déployé une distribution Linux hautement renforcée — TargonOS — spécifiquement conçue pour démarrer des machines virtuelles chiffrées sur des dispositifs non fiables.
Racine de confiance matérielle basée sur TPM: TargonOS intègre un mécanisme de Secure Boot basé sur le Trusted Platform Module (TPM), garantissant que l’environnement système sous-jacent n’a pas été altéré.
Communication réseau de pointe: Au niveau réseau, grâce au premier protocole réseau open source inter-langages Epistula v2, combiné à des technologies à très faible latence telles que InfiniBand et RoCE, Targon assure non seulement des communications concurrentes sécurisées et résistantes à l’écoute entre les nœuds, mais atteint également une latence de réponse extrêmement faible (inférieure à 50 millisecondes) ainsi qu’un taux de disponibilité de 99 %, réduisant considérablement la friction d’accès pour les développeurs externes.
« Comment vérifier que les mineurs ont effectivement réalisé le raisonnement complexe d’un modèle de cent milliards de paramètres avec un « zéro gaspillage de puissance de calcul » dans une architecture entièrement distribuée ? Cela implique le design de vérification déterministe le plus innovant de Targon.
Attestation à Distance: Avant la distribution des tâches, les mineurs doivent soumettre au réseau une preuve cryptographique contenant le modèle matériel physique en temps réel, la valeur de hash du noyau du système d’exploitation ainsi que l’empreinte d’intégrité du fichier binaire TVM. Après validation par le validateur, il est possible de confirmer que le mineur utilise une carte graphique haut de gamme conforme (comme une H200), et non une tentative de fraude avancée simulant de fausses capacités de calcul.
Percée de l’asymétrie de puissance de calcul: Dans les réseaux décentralisés traditionnels, si les validateurs sont équipés de matériel bas de gamme, ils ne peuvent pas reproduire le processus de calcul complexe des mineurs afin d’en vérifier l’authenticité. La logique centrale de verifier.py de Targon résout intelligemment ce problème : le superviseur du réseau envoie en continu des requêtes synthétiques ainsi que des requêtes organiques réelles au pool de mineurs.
Moteur de Logprobs: Après l’inférence, les mineurs sont contraints de renvoyer la séquence de tokens du texte généré ainsi que la matrice des « logprobabilities » de chaque couche cachée de sortie durant le processus de calcul. Les validateurs légers n’ont qu’à comparer mathématiquement la distribution de probabilité de leur modèle de référence avec les données soumises par les mineurs au niveau cryptographique. Si la distribution mathématique est hautement cohérente et que le temps de réponse est inférieur à la limite du matériel bas de gamme, le validateur peut obtenir une certitude de 100 % d’un point de vue statistique que le mineur a réellement exécuté le calcul de raisonnement depuis zéro, exposant instantanément toute tentative d’utilisation de cache ou de manipulation via un modèle de moindre capacité. »
Mécanisme d’Incitation et de Concurrence : Comment le calcul IA forme une « boucle positive » en macroéconomie
Le cycle de vie du réseau Bittensor et l’allocation de la puissance de calcul dépendent fortement de la conception de son économie de tokens sous-jacente. En décembre 2025, Bittensor a connu son premier halving, réduisant l’émission quotidienne du token de base TAO de 7 200 à 3 600, diminuant significativement le taux d’inflation à 13 %, tout en maintenant un plafond d’offre strict de 21 millions. Le mécanisme Dynamic TAO (dTAO), lancé en février 2025, a complètement révolutionné les règles de survie des subnets. Il introduit un Automated Market Maker (AMM), supprime le modèle hérité d’allocation subjective des récompenses d’inflation par un comité fixe de validateurs, et le remplace par un système de vote basé sur le capital de marché libre. Le système émet un token Alpha dédié (code d’actif SN4) pour Targon. Les investisseurs peuvent mint ou échanger du SN4 en stakant du TAO de la couche de base, créant ainsi une réserve de liquidité dual-token profonde. Le prix relatif en temps réel et la capitalisation totale du token SN4 déterminent directement la part des incitations que Targon peut capter chaque jour à partir du pool d’émission de TAO.
Afin d’éviter le piège d’inertie où les mineurs « restent passifs tout en générant des tokens » une fois un certain seuil de performance atteint, l’équipe Targon a entièrement réécrit la logique de récompense dans la version v3, abandonnant la courbe de revenus plate traditionnelle pour introduire une « courbe exponentielle » extrêmement abrupte.
Dans ce mécanisme :
Évaluation globale des performances: Le validateur surveille strictement en temps réel la latence absolue, la concurrence et le débit du matériel des mineurs.
Le gagnant remporte tout: Seuls les nœuds matériels les mieux classés en tête du leaderboard, capables de gérer de manière stable des requêtes massivement concurrentes, peuvent obtenir un score de consensus Yuma exponentiellement amplifié ainsi que des récompenses supplémentaires.
Pénalités anti-fraude strictes: Tout mineur tentant d’accélérer artificiellement le temps de réponse en modifiant les paramètres d’échantillonnage du TVM sera immédiatement détecté lors de l’étape de comparaison des probabilités logarithmiques. Son score sera alors fixé à zéro (exclu du scoring) et il sera soumis à des sanctions sévères telles que la rétrogradation ou l’exclusion du réseau. Cette compétition extrême pousse les mineurs à investir continuellement dans des GPU haut de gamme et à optimiser la bande passante backbone, renforçant ainsi l’infrastructure matérielle de Targon.
Les réseaux décentralisés sont souvent critiqués comme étant des « déserts de revenus », dépendant excessivement de l’inflation des tokens pour subventionner les participants. Une fois ces subventions arrêtées, les clients utilisant gratuitement la puissance de calcul quittent instantanément le réseau.
Afin d’assurer une viabilité à long terme, Manifold Labs a mis en œuvre une réforme particulièrement visionnaire :
Destruction de 70 % de l’inflation: L’équipe de gestion a forcé l’ouverture du mécanisme de distribution, entraînant la destruction directe ou l’isolement de jusqu’à 70 % de l’émission de TAO des subnets, empêchant son entrée sur le marché.
Contrôle du point d’équilibre en monnaie fiat: En réduisant la circulation, les revenus issus des subventions pour les mineurs de haut niveau (comme les nœuds H200) sont précisément maintenus à un niveau raisonnable d’environ 2,80 $/heure. Ce profit modeste mais sain couvre uniquement la dépréciation du matériel, les intérêts de financement et les coûts énergétiques, éliminant ainsi les acteurs opportunistes à court terme et garantissant que les revenus des mineurs reposent principalement sur une demande réelle d’entreprises.
Mécanisme de carnet d'ordres: Supprimer le modèle rigide d’économie planifiée où les prix sont fixés par le protocole, et restituer le pouvoir de fixation des prix aux fournisseurs de puissance de calcul. Les mineurs peuvent définir leurs propres prix de vente pour du matériel haut de gamme, et même conclure des contrats à durée déterminée avec des garanties de collatéral et de temps de fonctionnement normal. Cette série de mécanismes a complètement marginalisé les mineurs particuliers qui dépendaient de la location et de la revente aux débuts, attirant ainsi de véritables mineurs institutionnels disposant de leurs propres centres de données et de coûts de capital extrêmement faibles pour prendre le contrôle du côté offre de la puissance de calcul, améliorant considérablement la résilience commerciale du réseau Targon.
État de l’écosystème et pénétration commerciale
L’écosystème des participants de Targon est fondamentalement différent de celui de nombreux sous-réseaux encore au stade de Proof of Concept (PoC). Il a déjà construit une barrière solide dans le monde des affaires réel.
Demandeurs et Verifier (Adoption par les entreprises): Les avancées commerciales les plus emblématiques proviennent de la célèbre entreprise de technologie d’IA conversationnelle Dippy AI. Dippy AI dispose d’une base d’utilisateurs massive de plus de 8,6 millions sur mobile, traitant des milliards (10B) de requêtes d’interaction de tokens chaque jour. Face à des coûts d’exploitation et de maintenance très élevés, Dippy AI a choisi de résilier son contrat avec un fournisseur de cloud centralisé et de migrer l’ensemble de sa chaîne de raisonnement backend vers le réseau Targon. Cet accord majeur à six chiffres a non seulement porté les revenus externes annuels de Targon à environ 10,4 millions de dollars, mais a également prouvé à l’industrie qu’après migration vers Targon, les grandes entreprises peuvent réduire structurellement leurs coûts totaux de 20 % à 35 %, tout en conservant la flexibilité offerte par la décentralisation.
Matrice écosystémique full stack (Manifold 2.0): En mars 2025, Manifold Labs a lancé une matrice écosystémique couvrant des applications multidimensionnelles, incluant le moteur de recherche hybride IA décentralisé Sybil (permettant la capture de données réseau résistante à la censure avec une latence de l’ordre de la milliseconde) ainsi que l’outil avancé exclusif de surveillance réseau blockchain Tao.xyz, enrichissant considérablement l’expérience développeur et la transparence des données au sein de l’écosystème.
Basé sur l’architecture du système dTAO et les dernières données macroéconomiques on-chain disponibles jusqu’en 2026, Targon démontre une forte capacité de rétention du capital et de la liquidité dans un marché libre.
Capitalisation et prix du token: Le prix de l’actif principal SN4 reste stable dans une fourchette d’environ 18,39 $ à 19,07 $, avec une capitalisation totale comprise entre 85,10 M$ et 91,80 M$, se classant parmi les trois premiers des 128 sous-réseaux actifs du réseau, témoignant d’un fort consensus du capital institutionnel.
Mécanisme déflationniste: Dans une structure de supply maximale (hard cap) de 21 millions, la circulation est maintenue entre 4,41 M et 4,46 M, et environ 442 300 tokens ont été définitivement brûlés (Burned) via le mécanisme de régulation tokenomics, conférant de fortes propriétés anti-inflationnistes.
Pool de structure de liquidité: Le pool de trading AMM a accumulé une liquidité de réserve de base de 42,25 millions de dollars (plus de 130 000 TAO et 2,22 millions d’Alpha), offrant un coussin de sécurité pour les institutions souhaitant construire de grandes positions ou effectuer du staking, tout en évitant un slippage important.
Staking et rendement sur investissement: Une part importante des tokens en circulation est verrouillée en staking (plus de 2,25 millions de SN4). Le rendement annuel en flux de trésorerie offert par les principaux validateurs (tels que MUV et Tatsu) se situe de manière stable entre 8,40 % et 9,61 %, constituant une alternative d’investissement plus attractive que les actifs à revenu fixe traditionnels du Web2.
Paysage concurrentiel et jeu de vulnérabilités multidimensionnel
Dans le secteur hautement concurrentiel de l’IA décentralisée et du calcul de raisonnement, le positionnement de Targon est clair et défensif. Il a habilement évité l’océan rouge pour se positionner sur le segment le plus rentable de la chaîne de valeur actuelle de l’IA : la conformité des entreprises et les mécanismes de confiance. Le durcissement progressif des réglementations européennes et américaines en matière de protection des données a suscité une forte inquiétude chez les entreprises traditionnelles quant à l’adoption des réseaux décentralisés pour la propriété intellectuelle. L’architecture full stack de Targon, combinant isolation logicielle et matérielle ainsi qu’un design de vérification zero-trust, en fait quasiment le seul canal sûr et viable pour les clients à forte valeur d’actifs souhaitant accéder aux réseaux décentralisés, créant ainsi un rare monopole structurel.
À l’échelle de l’écosystème, Targon fait face à des défis et à une concurrence issus de multiples approches technologiques :
Comparaison avec Chutes (SN64): Chutes se concentre sur les plateformes serverless et des prix extrêmement compétitifs, avec une capitalisation actuelle supérieure à 132 millions de dollars. Il a attiré un grand nombre de développeurs long-tail et offre une expérience proche du Web2 traditionnel. Cependant, son défaut critique réside dans l’absence de garanties d’isolation de calcul confidentiel au niveau matériel, ce qui le rend incapable de gérer les flux de données sensibles des grandes entreprises, limitant fortement son potentiel.
Comparaison avec Templar (SN3): Templar est profondément engagé dans les infrastructures de pré-entraînement extrême pour les grands modèles de langage distribués, avec une forte narration technologique. Toutefois, son taux de consommation en R&D est très élevé et il ne dispose pas, à court terme, d’un modèle clair et mature de génération de revenus à grande échelle comparable à celui de Targon.
Comparaison avec Lium (SN51): Lium propose la location de clusters physiques bare-metal H100 à très haute densité pour les institutions, avec une importante réserve de puissance de calcul. Néanmoins, il reste nettement inférieur à l’écosystème TVM de Targon en termes de profondeur de Competitive Edge et de valeur ajoutée liée aux technologies cryptographiques de pointe.
Globalement, l’avantage de Targon repose sur son point de rupture monopolistique dans les données conformes et sur une boucle fermée de revenus réels dépassant les dix millions de dollars ; son inconvénient potentiel réside dans son seuil d’accès matériel strict de niveau militaire, qui limite dans une certaine mesure l’expansion rapide et désordonnée du réseau de mineurs.
Malgré une construction d’écosystème impressionnante, Targon et l’ensemble du réseau sous-jacent restent confrontés à un test de survie systémique majeur :
Cartel de validateurs et monopole du pouvoir: Le talon d’Achille actuel du système Bittensor réside dans la centralisation excessive du proof-of-stake basée sur le consensus Yuma. La majorité des poids de staking est contrôlée par de grands acteurs institutionnels (tels que Yuma Asset Management). Ces super validateurs peuvent abuser de leur pouvoir, notamment via des pratiques de collusion comme le “weight-copying”, pour manipuler le système de scoring et extraire indûment des récompenses inflationnistes du réseau. Malgré les correctifs continus publiés par l’équipe officielle, la réforme anti-collusion du système de gouvernance reste une épée de Damoclès.
Spirale de mort liée à l’assèchement des subventions macroéconomiques: À l’approche du prochain jalon d’émission en 2029, Targon a généré plus de 10 millions de dollars de revenus et a volontairement brûlé une part importante des émissions. Toutefois, face à une consommation annuelle de subventions système pouvant atteindre 18 millions de dollars, il n’a pas encore atteint un modèle totalement autosuffisant. Si un resserrement du cycle macro crypto entraîne un effondrement du prix token/fiat, et que des institutions incapables de rembourser leurs financements H200 quittent massivement le réseau, cela pourrait déclencher un cercle vicieux de crise de liquidité et de perte d’utilisateurs.
Pression géopolitique liée à l’hégémonie des puces de la Silicon Valley: Bien que les clouds décentralisés offrent une résistance à la censure grâce à leur distribution physique, la couche critique d’isolation TEE dépend fortement des autorisations firmware et des architectures du quasi-monopole des puces NVIDIA (H100/H200). Dans un contexte de renforcement des contrôles mondiaux sur les exportations de semi-conducteurs, une restriction unilatérale des protocoles d’interface par les fabricants pourrait menacer directement la sécurité et la stabilité de Targon. Accélérer la compatibilité avec des standards hors écosystème NVIDIA constitue donc un enjeu stratégique vital.
Perspectives futures : Un hub de confiance décentralisé capable de redéfinir les Relations Of Production peut-il être établi ?
À travers une analyse approfondie, il apparaît que Targon (SN4) a largement dépassé son positionnement initial de « pool de puissance de calcul distribué », pour évoluer en un agent cryptographique de niveau entreprise d’envergure, propulsé par une vérification probabiliste mathématique rigoureuse, une isolation de confiance au niveau matériel, ainsi qu’un moteur économique basé sur un jeu de tokens hautement compétitif. Il se distingue nettement dans cet environnement où coexistent fraude et stratégies complexes, grâce à ses solides capacités offensives et défensives.
À ce stade, la durabilité de la monétisation à grande échelle du cloud confidentiel décentralisé dépend principalement de la capacité des revenus externes du réseau à dépasser le taux d’inflation des tokens. Grâce à l’accord majeur conclu avec Dippy AI, Targon a démontré de manière incontestable, pour la première fois auprès de la finance traditionnelle et des géants technologiques, que l’architecture décentralisée peut surpasser le Cloud as a Service en termes de rentabilité, tout en offrant des garanties technologiques fondamentales inaccessibles aux acteurs centralisés en matière de souveraineté des données.
Dans les prochaines années, à l’approche de l’ère de l’Artificial General Intelligence (AGI), avec l’ouverture complète des canaux de conformité traditionnels tels que les trust ETFs de Grayscale Investments, et l’augmentation exponentielle des préoccupations des entreprises mondiales concernant les droits de propriété intellectuelle des modèles d’IA, le paradigme commercial zero-trust de Targon bénéficie d’un puissant alignement avec les dynamiques de marché. Malgré les défis à venir — notamment la gestion des risques de cartelisation et les contraintes liées aux chaînes d’approvisionnement transfrontalières en semi-conducteurs — Targon a déjà redéfini de manière irréversible les frontières de la production et de la confiance dans l’IA décentralisée, marquant une étape clé dans l’histoire de la distribution du calcul intelligent, grâce à la puissance de la cryptographie.
Targon (numéro de subnet : SN4) est une infrastructure cloud confidentielle décentralisée construite sur l’écosystème Bittensor. Son objectif principal est de libérer la puissance de calcul IA haute performance de niveau entreprise ainsi que l’inférence de modèles propriétaires du monopole des géants traditionnels du cloud, grâce à des mécanismes tels que les Trusted Execution Environment (TEE), la vérification cryptographique déterministe et une tokenomics dynamique basée sur des mécanismes de jeu. Ces ressources sont ainsi transformées en « commodités numériques » rares, pilotées par le libre marché. Sur le plan architectural, Targon combine une défense de sécurité full stack (incluant l’isolation matérielle, les bus protégés et un système personnalisé TargonOS) avec une stratégie d’intégration matérielle multi-fournisseurs, afin de former un réseau de calcul décentralisé centré sur la confidentialité et l’exécution sans confiance. Cela permet non seulement de réduire significativement les coûts d’entraînement et d’inférence des modèles IA pour les entreprises, mais aussi de proposer une architecture conforme et résistante à la censure pour les institutions ayant des exigences élevées en matière de confidentialité des données et de propriété intellectuelle. Du point de vue de l’écosystème et des performances, Targon a déjà achevé la migration sous-jacente de plusieurs applications commerciales à grande échelle (telles que Dippy AI), générant des dizaines de millions de revenus annuels externes et démontrant une forte capacité d’attraction de capitaux dans le cadre du mécanisme dTAO. Targon comble une lacune critique dans l’infrastructure de l’IA décentralisée en matière de « sécurité des données et confiance dans la vérification », tout en explorant un nouveau modèle économique basé sur la « location de puissance de calcul confidentielle pour les institutions ». À long terme, Targon présente un fort potentiel pour devenir une infrastructure clé de la prochaine génération d’applications IA résistantes à la falsification, ainsi que des entités intelligentes numériques souveraines.
En partant des géants traditionnels du Cloud as a Service du Web2 : état actuel et limites de l’allocation de la puissance de calcul IA
À l’ère de la croissance exponentielle des technologies d’intelligence artificielle, la répartition mondiale des ressources de calcul fait face à un déséquilibre sans précédent. Le déploiement et l’exploitation d’applications IA avancées, telles que les modèles de langage à grande échelle (LLM), constituent des projets impliquant des exigences financières et infrastructurelles extrêmement élevées selon les standards traditionnels et les pratiques commerciales.L’offre actuelle de puissance de calcul est principalement dominée par un nombre restreint de fournisseurs centralisés de Cloud as a Service (tels que AWS, Google Cloud et Microsoft Azure), ainsi que par certains laboratoires d’IA de premier plan opérant en circuit fermé. Ces institutions centralisées, grâce à des investissements massifs en capital, monopolisent non seulement les clusters de calcul haut de gamme composés de puces de pointe comme les NVIDIA H100 et H200, mais contrôlent également la tarification et l’allocation des ressources de calcul.
Dans ce modèle, les entreprises classiques, les développeurs Web3, et même les startups technologiques de taille moyenne à grande, ne peuvent qu’accéder à une « AI computing as a service » auprès de ces géants, à des coûts extrêmement élevés. Cela transforme la puissance de calcul IA haut de gamme en un monopole détenu par une minorité, plutôt qu’en une ressource d’infrastructure accessible à tous.
Bien que les fournisseurs de cloud centralisés Web2 proposent des services de calcul hautement évolutifs et relativement stables, les limites de leur architecture fermée sous-jacente apparaissent de plus en plus clairement à mesure que l’industrie de l’IA évolue.
Problèmes de confidentialité et de propriété intellectuelle: Les entreprises téléversent les poids de modèles propriétaires ainsi que des données utilisateurs hautement sensibles (telles que les dossiers médicaux et les transactions financières) vers des clouds centralisés, s’exposant à des risques majeurs de défaillance à point unique et de fuite de données. L’inquiétude profondément ancrée des entreprises modernes face à la fuite des poids de modèles propriétaires est devenue le principal goulot d’étranglement empêchant des scénarios métiers plus avancés de migrer vers le cloud.
Coûts élevés et tarification rigide: Les ressources de calcul sont fortement concentrées entre les mains des fournisseurs de cloud, et le mécanisme de tarification manque d’une véritable concurrence de marché libre. Pour les entreprises devant gérer des besoins de raisonnement à grande échelle et à forte concurrence simultanée, la location à long terme de services Cloud as a Service centralisés entraîne des coûts d’exploitation et de maintenance extrêmement difficiles à soutenir.
Goulots d’étranglement structurels et absence de résistance à la censure: Les services cloud traditionnels constituent un « système fermé » dans lequel l’entraînement des modèles, le transfert de données et l’allocation des ressources sont strictement régis par les règles d’une seule plateforme, sans réelle résistance à la censure au niveau de l’architecture physique. Dans ce contexte, le protocole Bittensor a émergé, cherchant à briser ce goulot d’étranglement structurel en intégrant l’économie de tokens de la blockchain et le machine learning distribué afin de construire un marché libre pair-à-pair appelé « Digital Commodity Internetwork ».
Targon : Reconstruire le calcul confidentiel en IA avec un « réseau cryptographique »
Comme mentionné précédemment, le problème central du calcul IA Web2 traditionnel réside dans le « monopole fermé » et la « crise de confiance ». Targon constitue une refonte révolutionnaire de ce point de douleur industriel. Développé par Manifold Labs, une startup spécialisée en infrastructure IA basée à Austin, Texas (États-Unis), Targon est exploité en tant que Subnet 4 (SN4) du réseau Bittensor.
Targon ne se contente pas d’agréger des cartes graphiques grand public inutilisées à travers le monde en une simple place de marché inefficace de puissance de calcul. Il est défini comme la première — et à ce jour la seule — infrastructure de cloud confidentiel dans l’ensemble de l’écosystème décentralisé à résoudre de manière systématique le problème de « l’exécution sans confiance au niveau matériel ».
L’équipe fondatrice de Manifold Labs possède une compréhension approfondie des fondements natifs de Bittensor. Le fondateur et CEO Robert Myers ainsi que le cofondateur James Woodman ont positionné avec précision la stratégie de Targon comme un concurrent direct d’AWS et d’OpenAI sur le marché du cloud entreprise. Grâce à une intégration avancée des Trusted Execution Environment (TEE), d’une machine virtuelle propriétaire (TVM) et de mécanismes de vérification cryptographique déterministe, Targon permet aux utilisateurs d’exécuter des tâches sur des nœuds entièrement décentralisés tout en garantissant une confidentialité absolue des données, tant au niveau physique que mathématique.
Les réseaux d’IA décentralisés font face depuis longtemps à un dilemme fondamental de monétisation :
D’un côté, l’agrégation de la puissance de calcul inutilisée issue du long tail des mineurs à l’échelle mondiale permet de réduire significativement les coûts.
De l’autre, le contrôle physique des nœuds étant détenu par des mineurs anonymes répartis dans le monde entier, toute tentative de traiter des données médicales, financières ou de charger des poids de modèles à forte valeur sur ces nœuds expose à un risque critique de vol de données.
L’innovation clé de Targon consiste à transformer totalement l’hypothèse traditionnelle de « faire confiance aux nœuds pour ne pas agir de manière malveillante » en une garantie où il devient « mathématiquement impossible d’agir de manière malveillante ». Targon a mis en place une architecture de défense couvrant l’ensemble de la pile, du bus matériel physique jusqu’au système d’exploitation, rendant impossible — même pour des mineurs anonymes disposant d’un accès physique aux centres de données — la lecture des fichiers de poids de modèles ou l’exfiltration des données utilisateurs.Cela comble non seulement l’écart majeur entre « puissance de calcul distribuée à faible coût » et « sécurité des données conforme aux exigences entreprise », mais ouvre également la voie à la monétisation de modèles IA propriétaires à forte valeur sur un réseau ouvert. Ainsi, Targon élargit sa base de clients potentiels aux entreprises du Fortune 500, particulièrement sensibles aux enjeux de propriété intellectuelle.
Dans les plateformes de calcul décentralisé traditionnelles, le rôle de la plateforme se limite souvent à une simple mise en relation et allocation des ressources. Cependant, dans le cadre macroéconomique de Targon et de Bittensor, ce processus connaît une transformation fondamentale : Targon vise à faire de la « puissance de calcul IA haute performance dotée d’attributs de confidentialité » un « bien numérique » rare, standardisé, quantifiable et librement échangeable. Il ne s’agit pas simplement de fournir des outils, mais de construire un marché fonctionnant en continu. Les développeurs peuvent déployer en toute confiance des modèles propriétaires valant plusieurs millions de dollars à des fins commerciales ; les fournisseurs de puissance de calcul (mineurs institutionnels) peuvent fixer eux-mêmes le prix de leur puissance de calcul matérielle via l’order book, tandis que les validateurs utilisent un mécanisme cryptographique rigoureux pour évaluer la qualité de la puissance de calcul livrée et allouer les tokens. Ainsi, le calcul IA est passé d’une tâche d’ingénierie à haut risque à un modèle économique numérique dynamique, porté par les incitations du marché et la collaboration entre toutes les parties prenantes.
Dans le vaste écosystème de Bittensor, qui s’est étendu à 128 subnets actifs, les différents subnets assurent des fonctions telles que la capture de données, la génération MultiModal Machine Learning et l’entraînement de modèles. Le positionnement de Targon (SN4) au sein de ce réseau évolue de plus en plus vers celui d’un « puits de calcul » sous-jacent de niveau industriel et d’un hub de calcul central pour l’ensemble de l’écosystème Bittensor. Targon ne sert pas seulement directement des clients Web2 traditionnels externes, mais fournit également un support de calcul à d’autres subnets qui manquent de ressources matérielles, mais doivent exécuter une logique avancée via sa base matérielle confidentielle.
Isolation des données et collaboration: Score subnet (SN44), axé sur le suivi des compétitions sportives, exécute son modèle exclusif d’analyse vidéo dans l’environnement TEE de Targon afin de protéger la confidentialité des vidéos d’entraînement sensibles sur le terrain, tout en évitant leur exposition au réseau public.
Exécution de l’optimisation logique: Affine subnet (SN120), spécialisé dans l’optimisation de la logique d’inférence IA, n’héberge pas de ressources matérielles, mais s’appuie sur le réseau Targon pour réaliser l’inférence réelle, créant ainsi une boucle de valeur parfaitement fermée.
Support R&D AGI: Le projet phare Hone intègre profondément les capacités d’architecture sous-jacente de Manifold Labs dans son framework central de pré-entraînement et de fusion. De plus, Targon est même intégré à la boîte à outils hermes-agent de NousResearch, permettant aux développeurs d’appeler directement ses ressources GPU confidentielles décentralisées.
Architecture centrale : Comment mettre en œuvre un calcul confidentiel sans confiance au niveau matériel dans un réseau
Afin de comprendre pleinement comment Targon surmonte le goulot d’étranglement de la confiance, il est nécessaire de déconstruire en détail son système de défense de sécurité full-stack, connu sous le nom de Targon Virtual Machine (TVM).
Targon garantit la sécurité des données dans un environnement distribué sans dépendre de la confiance, en partant du niveau le plus bas : l’isolation matérielle.
Environnement d'exécution de confiance (TEE): Une zone de mémoire chiffrée au niveau matériel appelée « Enclave » est isolée au sein du CPU principal. Même si les permissions les plus élevées (Root) du système d’exploitation du nœud mineur sont compromises, il est impossible de lire ou d’altérer les instructions et les données exécutées dans cette zone.
Compatibilité matérielle et intégration standardisée: Afin d’éviter toute dépendance technologique à un point unique, Targon intègre en profondeur la technologie Trust Domain Extension (TDX) d’Intel et prend en charge l’architecture Secure Encrypted Virtualization (SEV-SNP) d’AMD, tout en s’intégrant de manière transparente à l’architecture avancée de calcul confidentiel de NVIDIA au niveau du GPU.
Chiffrement de la couche de transport du bus (PPCIE): Pour contrer les attaques d’écoute physique pouvant être initiées via le bus de la carte mère, le réseau impose l’utilisation de la technologie PCIe protégée afin de garantir que les données sensibles restent en permanence encapsulées dans des algorithmes de chiffrement en flux lors de leur transfert de la mémoire CPU vers des GPU comme le H200 ou la RTX 4090 via le slot de la carte mère, assurant ainsi une protection anti-interception de bout en bout au niveau matériel.
En raison des fortes incitations à la maximisation des profits et des risques de comportements frauduleux dans la communauté des mineurs, Targon ne peut pas permettre l’exécution de systèmes d’exploitation sous-jacents arbitrairement modifiés.
Système personnalisé renforcé: Manifold Labs a développé et déployé une distribution Linux hautement renforcée — TargonOS — spécifiquement conçue pour démarrer des machines virtuelles chiffrées sur des dispositifs non fiables.
Racine de confiance matérielle basée sur TPM: TargonOS intègre un mécanisme de Secure Boot basé sur le Trusted Platform Module (TPM), garantissant que l’environnement système sous-jacent n’a pas été altéré.
Communication réseau de pointe: Au niveau réseau, grâce au premier protocole réseau open source inter-langages Epistula v2, combiné à des technologies à très faible latence telles que InfiniBand et RoCE, Targon assure non seulement des communications concurrentes sécurisées et résistantes à l’écoute entre les nœuds, mais atteint également une latence de réponse extrêmement faible (inférieure à 50 millisecondes) ainsi qu’un taux de disponibilité de 99 %, réduisant considérablement la friction d’accès pour les développeurs externes.
« Comment vérifier que les mineurs ont effectivement réalisé le raisonnement complexe d’un modèle de cent milliards de paramètres avec un « zéro gaspillage de puissance de calcul » dans une architecture entièrement distribuée ? Cela implique le design de vérification déterministe le plus innovant de Targon.
Attestation à Distance: Avant la distribution des tâches, les mineurs doivent soumettre au réseau une preuve cryptographique contenant le modèle matériel physique en temps réel, la valeur de hash du noyau du système d’exploitation ainsi que l’empreinte d’intégrité du fichier binaire TVM. Après validation par le validateur, il est possible de confirmer que le mineur utilise une carte graphique haut de gamme conforme (comme une H200), et non une tentative de fraude avancée simulant de fausses capacités de calcul.
Percée de l’asymétrie de puissance de calcul: Dans les réseaux décentralisés traditionnels, si les validateurs sont équipés de matériel bas de gamme, ils ne peuvent pas reproduire le processus de calcul complexe des mineurs afin d’en vérifier l’authenticité. La logique centrale de verifier.py de Targon résout intelligemment ce problème : le superviseur du réseau envoie en continu des requêtes synthétiques ainsi que des requêtes organiques réelles au pool de mineurs.
Moteur de Logprobs: Après l’inférence, les mineurs sont contraints de renvoyer la séquence de tokens du texte généré ainsi que la matrice des « logprobabilities » de chaque couche cachée de sortie durant le processus de calcul. Les validateurs légers n’ont qu’à comparer mathématiquement la distribution de probabilité de leur modèle de référence avec les données soumises par les mineurs au niveau cryptographique. Si la distribution mathématique est hautement cohérente et que le temps de réponse est inférieur à la limite du matériel bas de gamme, le validateur peut obtenir une certitude de 100 % d’un point de vue statistique que le mineur a réellement exécuté le calcul de raisonnement depuis zéro, exposant instantanément toute tentative d’utilisation de cache ou de manipulation via un modèle de moindre capacité. »
Mécanisme d’Incitation et de Concurrence : Comment le calcul IA forme une « boucle positive » en macroéconomie
Le cycle de vie du réseau Bittensor et l’allocation de la puissance de calcul dépendent fortement de la conception de son économie de tokens sous-jacente. En décembre 2025, Bittensor a connu son premier halving, réduisant l’émission quotidienne du token de base TAO de 7 200 à 3 600, diminuant significativement le taux d’inflation à 13 %, tout en maintenant un plafond d’offre strict de 21 millions. Le mécanisme Dynamic TAO (dTAO), lancé en février 2025, a complètement révolutionné les règles de survie des subnets. Il introduit un Automated Market Maker (AMM), supprime le modèle hérité d’allocation subjective des récompenses d’inflation par un comité fixe de validateurs, et le remplace par un système de vote basé sur le capital de marché libre. Le système émet un token Alpha dédié (code d’actif SN4) pour Targon. Les investisseurs peuvent mint ou échanger du SN4 en stakant du TAO de la couche de base, créant ainsi une réserve de liquidité dual-token profonde. Le prix relatif en temps réel et la capitalisation totale du token SN4 déterminent directement la part des incitations que Targon peut capter chaque jour à partir du pool d’émission de TAO.
Afin d’éviter le piège d’inertie où les mineurs « restent passifs tout en générant des tokens » une fois un certain seuil de performance atteint, l’équipe Targon a entièrement réécrit la logique de récompense dans la version v3, abandonnant la courbe de revenus plate traditionnelle pour introduire une « courbe exponentielle » extrêmement abrupte.
Dans ce mécanisme :
Évaluation globale des performances: Le validateur surveille strictement en temps réel la latence absolue, la concurrence et le débit du matériel des mineurs.
Le gagnant remporte tout: Seuls les nœuds matériels les mieux classés en tête du leaderboard, capables de gérer de manière stable des requêtes massivement concurrentes, peuvent obtenir un score de consensus Yuma exponentiellement amplifié ainsi que des récompenses supplémentaires.
Pénalités anti-fraude strictes: Tout mineur tentant d’accélérer artificiellement le temps de réponse en modifiant les paramètres d’échantillonnage du TVM sera immédiatement détecté lors de l’étape de comparaison des probabilités logarithmiques. Son score sera alors fixé à zéro (exclu du scoring) et il sera soumis à des sanctions sévères telles que la rétrogradation ou l’exclusion du réseau. Cette compétition extrême pousse les mineurs à investir continuellement dans des GPU haut de gamme et à optimiser la bande passante backbone, renforçant ainsi l’infrastructure matérielle de Targon.
Les réseaux décentralisés sont souvent critiqués comme étant des « déserts de revenus », dépendant excessivement de l’inflation des tokens pour subventionner les participants. Une fois ces subventions arrêtées, les clients utilisant gratuitement la puissance de calcul quittent instantanément le réseau.
Afin d’assurer une viabilité à long terme, Manifold Labs a mis en œuvre une réforme particulièrement visionnaire :
Destruction de 70 % de l’inflation: L’équipe de gestion a forcé l’ouverture du mécanisme de distribution, entraînant la destruction directe ou l’isolement de jusqu’à 70 % de l’émission de TAO des subnets, empêchant son entrée sur le marché.
Contrôle du point d’équilibre en monnaie fiat: En réduisant la circulation, les revenus issus des subventions pour les mineurs de haut niveau (comme les nœuds H200) sont précisément maintenus à un niveau raisonnable d’environ 2,80 $/heure. Ce profit modeste mais sain couvre uniquement la dépréciation du matériel, les intérêts de financement et les coûts énergétiques, éliminant ainsi les acteurs opportunistes à court terme et garantissant que les revenus des mineurs reposent principalement sur une demande réelle d’entreprises.
Mécanisme de carnet d'ordres: Supprimer le modèle rigide d’économie planifiée où les prix sont fixés par le protocole, et restituer le pouvoir de fixation des prix aux fournisseurs de puissance de calcul. Les mineurs peuvent définir leurs propres prix de vente pour du matériel haut de gamme, et même conclure des contrats à durée déterminée avec des garanties de collatéral et de temps de fonctionnement normal. Cette série de mécanismes a complètement marginalisé les mineurs particuliers qui dépendaient de la location et de la revente aux débuts, attirant ainsi de véritables mineurs institutionnels disposant de leurs propres centres de données et de coûts de capital extrêmement faibles pour prendre le contrôle du côté offre de la puissance de calcul, améliorant considérablement la résilience commerciale du réseau Targon.
État de l’écosystème et pénétration commerciale
L’écosystème des participants de Targon est fondamentalement différent de celui de nombreux sous-réseaux encore au stade de Proof of Concept (PoC). Il a déjà construit une barrière solide dans le monde des affaires réel.
Demandeurs et Verifier (Adoption par les entreprises): Les avancées commerciales les plus emblématiques proviennent de la célèbre entreprise de technologie d’IA conversationnelle Dippy AI. Dippy AI dispose d’une base d’utilisateurs massive de plus de 8,6 millions sur mobile, traitant des milliards (10B) de requêtes d’interaction de tokens chaque jour. Face à des coûts d’exploitation et de maintenance très élevés, Dippy AI a choisi de résilier son contrat avec un fournisseur de cloud centralisé et de migrer l’ensemble de sa chaîne de raisonnement backend vers le réseau Targon. Cet accord majeur à six chiffres a non seulement porté les revenus externes annuels de Targon à environ 10,4 millions de dollars, mais a également prouvé à l’industrie qu’après migration vers Targon, les grandes entreprises peuvent réduire structurellement leurs coûts totaux de 20 % à 35 %, tout en conservant la flexibilité offerte par la décentralisation.
Matrice écosystémique full stack (Manifold 2.0): En mars 2025, Manifold Labs a lancé une matrice écosystémique couvrant des applications multidimensionnelles, incluant le moteur de recherche hybride IA décentralisé Sybil (permettant la capture de données réseau résistante à la censure avec une latence de l’ordre de la milliseconde) ainsi que l’outil avancé exclusif de surveillance réseau blockchain Tao.xyz, enrichissant considérablement l’expérience développeur et la transparence des données au sein de l’écosystème.
Basé sur l’architecture du système dTAO et les dernières données macroéconomiques on-chain disponibles jusqu’en 2026, Targon démontre une forte capacité de rétention du capital et de la liquidité dans un marché libre.
Capitalisation et prix du token: Le prix de l’actif principal SN4 reste stable dans une fourchette d’environ 18,39 $ à 19,07 $, avec une capitalisation totale comprise entre 85,10 M$ et 91,80 M$, se classant parmi les trois premiers des 128 sous-réseaux actifs du réseau, témoignant d’un fort consensus du capital institutionnel.
Mécanisme déflationniste: Dans une structure de supply maximale (hard cap) de 21 millions, la circulation est maintenue entre 4,41 M et 4,46 M, et environ 442 300 tokens ont été définitivement brûlés (Burned) via le mécanisme de régulation tokenomics, conférant de fortes propriétés anti-inflationnistes.
Pool de structure de liquidité: Le pool de trading AMM a accumulé une liquidité de réserve de base de 42,25 millions de dollars (plus de 130 000 TAO et 2,22 millions d’Alpha), offrant un coussin de sécurité pour les institutions souhaitant construire de grandes positions ou effectuer du staking, tout en évitant un slippage important.
Staking et rendement sur investissement: Une part importante des tokens en circulation est verrouillée en staking (plus de 2,25 millions de SN4). Le rendement annuel en flux de trésorerie offert par les principaux validateurs (tels que MUV et Tatsu) se situe de manière stable entre 8,40 % et 9,61 %, constituant une alternative d’investissement plus attractive que les actifs à revenu fixe traditionnels du Web2.
Paysage concurrentiel et jeu de vulnérabilités multidimensionnel
Dans le secteur hautement concurrentiel de l’IA décentralisée et du calcul de raisonnement, le positionnement de Targon est clair et défensif. Il a habilement évité l’océan rouge pour se positionner sur le segment le plus rentable de la chaîne de valeur actuelle de l’IA : la conformité des entreprises et les mécanismes de confiance. Le durcissement progressif des réglementations européennes et américaines en matière de protection des données a suscité une forte inquiétude chez les entreprises traditionnelles quant à l’adoption des réseaux décentralisés pour la propriété intellectuelle. L’architecture full stack de Targon, combinant isolation logicielle et matérielle ainsi qu’un design de vérification zero-trust, en fait quasiment le seul canal sûr et viable pour les clients à forte valeur d’actifs souhaitant accéder aux réseaux décentralisés, créant ainsi un rare monopole structurel.
À l’échelle de l’écosystème, Targon fait face à des défis et à une concurrence issus de multiples approches technologiques :
Comparaison avec Chutes (SN64): Chutes se concentre sur les plateformes serverless et des prix extrêmement compétitifs, avec une capitalisation actuelle supérieure à 132 millions de dollars. Il a attiré un grand nombre de développeurs long-tail et offre une expérience proche du Web2 traditionnel. Cependant, son défaut critique réside dans l’absence de garanties d’isolation de calcul confidentiel au niveau matériel, ce qui le rend incapable de gérer les flux de données sensibles des grandes entreprises, limitant fortement son potentiel.
Comparaison avec Templar (SN3): Templar est profondément engagé dans les infrastructures de pré-entraînement extrême pour les grands modèles de langage distribués, avec une forte narration technologique. Toutefois, son taux de consommation en R&D est très élevé et il ne dispose pas, à court terme, d’un modèle clair et mature de génération de revenus à grande échelle comparable à celui de Targon.
Comparaison avec Lium (SN51): Lium propose la location de clusters physiques bare-metal H100 à très haute densité pour les institutions, avec une importante réserve de puissance de calcul. Néanmoins, il reste nettement inférieur à l’écosystème TVM de Targon en termes de profondeur de Competitive Edge et de valeur ajoutée liée aux technologies cryptographiques de pointe.
Globalement, l’avantage de Targon repose sur son point de rupture monopolistique dans les données conformes et sur une boucle fermée de revenus réels dépassant les dix millions de dollars ; son inconvénient potentiel réside dans son seuil d’accès matériel strict de niveau militaire, qui limite dans une certaine mesure l’expansion rapide et désordonnée du réseau de mineurs.
Malgré une construction d’écosystème impressionnante, Targon et l’ensemble du réseau sous-jacent restent confrontés à un test de survie systémique majeur :
Cartel de validateurs et monopole du pouvoir: Le talon d’Achille actuel du système Bittensor réside dans la centralisation excessive du proof-of-stake basée sur le consensus Yuma. La majorité des poids de staking est contrôlée par de grands acteurs institutionnels (tels que Yuma Asset Management). Ces super validateurs peuvent abuser de leur pouvoir, notamment via des pratiques de collusion comme le “weight-copying”, pour manipuler le système de scoring et extraire indûment des récompenses inflationnistes du réseau. Malgré les correctifs continus publiés par l’équipe officielle, la réforme anti-collusion du système de gouvernance reste une épée de Damoclès.
Spirale de mort liée à l’assèchement des subventions macroéconomiques: À l’approche du prochain jalon d’émission en 2029, Targon a généré plus de 10 millions de dollars de revenus et a volontairement brûlé une part importante des émissions. Toutefois, face à une consommation annuelle de subventions système pouvant atteindre 18 millions de dollars, il n’a pas encore atteint un modèle totalement autosuffisant. Si un resserrement du cycle macro crypto entraîne un effondrement du prix token/fiat, et que des institutions incapables de rembourser leurs financements H200 quittent massivement le réseau, cela pourrait déclencher un cercle vicieux de crise de liquidité et de perte d’utilisateurs.
Pression géopolitique liée à l’hégémonie des puces de la Silicon Valley: Bien que les clouds décentralisés offrent une résistance à la censure grâce à leur distribution physique, la couche critique d’isolation TEE dépend fortement des autorisations firmware et des architectures du quasi-monopole des puces NVIDIA (H100/H200). Dans un contexte de renforcement des contrôles mondiaux sur les exportations de semi-conducteurs, une restriction unilatérale des protocoles d’interface par les fabricants pourrait menacer directement la sécurité et la stabilité de Targon. Accélérer la compatibilité avec des standards hors écosystème NVIDIA constitue donc un enjeu stratégique vital.
Perspectives futures : Un hub de confiance décentralisé capable de redéfinir les Relations Of Production peut-il être établi ?
À travers une analyse approfondie, il apparaît que Targon (SN4) a largement dépassé son positionnement initial de « pool de puissance de calcul distribué », pour évoluer en un agent cryptographique de niveau entreprise d’envergure, propulsé par une vérification probabiliste mathématique rigoureuse, une isolation de confiance au niveau matériel, ainsi qu’un moteur économique basé sur un jeu de tokens hautement compétitif. Il se distingue nettement dans cet environnement où coexistent fraude et stratégies complexes, grâce à ses solides capacités offensives et défensives.
À ce stade, la durabilité de la monétisation à grande échelle du cloud confidentiel décentralisé dépend principalement de la capacité des revenus externes du réseau à dépasser le taux d’inflation des tokens. Grâce à l’accord majeur conclu avec Dippy AI, Targon a démontré de manière incontestable, pour la première fois auprès de la finance traditionnelle et des géants technologiques, que l’architecture décentralisée peut surpasser le Cloud as a Service en termes de rentabilité, tout en offrant des garanties technologiques fondamentales inaccessibles aux acteurs centralisés en matière de souveraineté des données.
Dans les prochaines années, à l’approche de l’ère de l’Artificial General Intelligence (AGI), avec l’ouverture complète des canaux de conformité traditionnels tels que les trust ETFs de Grayscale Investments, et l’augmentation exponentielle des préoccupations des entreprises mondiales concernant les droits de propriété intellectuelle des modèles d’IA, le paradigme commercial zero-trust de Targon bénéficie d’un puissant alignement avec les dynamiques de marché. Malgré les défis à venir — notamment la gestion des risques de cartelisation et les contraintes liées aux chaînes d’approvisionnement transfrontalières en semi-conducteurs — Targon a déjà redéfini de manière irréversible les frontières de la production et de la confiance dans l’IA décentralisée, marquant une étape clé dans l’histoire de la distribution du calcul intelligent, grâce à la puissance de la cryptographie.