IA décentralisée : entraîner une IA sans les géants

Aujourd’hui, une poignée d’entreprises seulement peut fabriquer une grande intelligence artificielle. OpenAI, Google, Anthropic, Meta ou xAI investissent des milliards dans des « usines à IA » géantes. Mais depuis deux ans, des chercheurs testent une autre voie : relier par internet des milliers d’ordinateurs dispersés sur la planète pour entraîner une IA ensemble.

Utopie de geeks ou vraie alternative ? On fait le point, sans jargon.

En bref

• Entraîner une IA en reliant des ordinateurs du monde entier est devenu techniquement possible.
• C’est encore environ 1 000 fois plus petit que ce que font les géants, mais ça progresse très vite (environ 20× par an).
• Pour une PME romande, l’enjeu n’est pas de prêter sa carte graphique : c’est d’avoir accès à plus d’IA ouvertes, souveraines et moins chères.

Le problème : fabriquer une IA, c’est une affaire d’usine

Pour qu’une IA comme ChatGPT sache écrire, il faut d’abord l’entraîner : lui faire lire des milliers de milliards de mots pour qu’elle apprenne comment fonctionne le langage. Ce travail demande une puissance de calcul colossale, fournie par des cartes graphiques (les GPU) installées par milliers dans un même bâtiment et reliées par des câbles ultra-rapides.

Même en Suisse, on mesure l’ampleur du chantier. Pour Apertus, le modèle d’IA ouvert lancé en 2025 par l’EPFL, l’ETH Zurich et le CSCS, l’entraînement a tourné pendant trois mois sur le supercalculateur Alps de Lugano, avec plus de 4 000 GPU et 15 000 milliards de « morceaux de mots » (des tokens) à digérer.

Résultat : seuls quelques géants et quelques États peuvent se payer ces usines. Ce sont donc eux qui décident ce que l’IA apprend, comment elle se comporte et à quel prix on y accède.

L’idée : une coopérative de calcul

Et si, au lieu d’une usine géante, on utilisait les ordinateurs qui dorment ? Des milliers de cartes graphiques de gamers, de petits centres de données ou d’universités, inutilisées une partie du temps, pourraient former ensemble un superordinateur virtuel.

L’idée n’est pas neuve. Le projet scientifique Folding@home, qui simule des protéines grâce aux ordinateurs de bénévoles, a atteint à son pic une puissance supérieure à celle des 500 plus gros supercalculateurs du monde réunis. La question était : peut-on faire pareil pour entraîner une IA ?

Le verrou : internet était beaucoup trop lent

Imaginez 1 000 traducteurs qui travaillent sur le même livre, chacun chez soi. Après chaque page, chacun doit envoyer tout le manuscrit à tous les autres pour rester synchronisé. Par la poste, ce serait impossible.

C’est exactement le problème de l’entraînement d’une IA : les ordinateurs doivent sans cesse échanger d’énormes quantités de données. Selon l’institut de recherche Epoch AI, une connexion domestique typique envoie environ 60 Mbit/s. Avec la méthode classique, entraîner un modèle de la taille de DeepSeek V3 de cette manière prendrait… 5 000 ans.

La percée est venue de nouvelles méthodes qui ne font échanger que l’essentiel. Au lieu d’envoyer le manuscrit complet, chaque traducteur n’envoie plus qu’un résumé de ses corrections. Avec la technique DisTrO, développée par le laboratoire américain Nous Research, les données échangées à chaque étape d’entraînement d’un petit modèle sont passées de 74,4 Go à 86,8 Mo : 857 fois moins. Une connexion de 100 Mbit/s en réception et 10 Mbit/s en envoi suffit alors, soit un abonnement internet ordinaire.

Qui le fait vraiment ?

Nous Research et son réseau Psyche

Nous Research est le laboratoire derrière les modèles open source Hermes et derrière Hermes Agent, l’un des agents IA open source les plus populaires (plus de 248 000 étoiles sur GitHub). En mai 2025, il a lancé Psyche, un réseau qui coordonne des GPU dispersés via la blockchain Solana.

Son premier grand projet, Consilience, est un modèle de 40 milliards de paramètres prévu pour apprendre sur un stock de 20 000 milliards de tokens. Nous Research le présentait comme le plus grand pré-entraînement réalisé par internet à ce moment-là, sans toutefois publier quelle part de ce stock a réellement été utilisée. Plus concret : son modèle Hermes 4.3 (36 milliards de paramètres) a été post-entraîné entièrement sur Psyche, avec 24 machines du réseau.

Nous Research n’a rien d’un projet de garage : le laboratoire a annoncé en octobre 2026 une levée de 90 millions de dollars, avec NVIDIA et Microsoft parmi les investisseurs cités.

Vous utilisez déjà Hermes Agent ou vous vous posez la question ? Nous avons publié un retour terrain sans filtre sur Hermes Agent en PME suisse.

Templar et Covenant-72B

En mars 2026, sur le réseau crypto Bittensor, l’équipe Templar a annoncé Covenant-72B, un modèle de 72 milliards de paramètres entraîné sur environ 1 100 milliards de tokens par plus de 70 participants indépendants. Sa particularité : contrairement aux projets précédents, qui sélectionnaient leurs participants, il était ouvert à toute personne disposant du matériel.

Prime Intellect

Cette start-up américaine a été pionnière avec INTELLECT-1, un modèle de 10 milliards de paramètres entraîné sur trois continents, puis INTELLECT-2, un modèle de 32 milliards de paramètres affiné de manière décentralisée. Mais, détail révélateur, son modèle phare INTELLECT-3 a été entraîné de façon classique, sur un cluster centralisé de 512 GPU. Quand il faut de la performance, l’usine reste plus simple.

Pourquoi une blockchain dans l’histoire ?

Quand des inconnus collaborent sans patron, trois questions se posent : qui coordonne ? qui a vraiment travaillé ? qui est payé ? La blockchain sert de registre public et de chef d’orchestre automatique. Chez Psyche, les entraînements sont coordonnés par des programmes automatiques sur Solana, sans intermédiaire humain.

Côté récompenses, c’est plus nuancé. Sur certains réseaux comme Bittensor, les participants sont déjà payés en jetons. Chez Psyche, aucun jeton officiel n’existe encore : les récompenses futures restent à définir.

Attention aux arnaques. Des jetons « NOUS » circulent sur Solana (via pump.fun) et sur Ethereum, et sont souvent pris pour un lancement officiel de Nous Research. Ils n’ont aucun lien avec le laboratoire. Règle simple : un jeton officiel serait annoncé sur nousresearch.com et sur le compte X @NousResearch, jamais via un lien reçu sur Telegram.

La réalité : on est encore loin des géants

Il faut garder les pieds sur terre.

• L’écart reste énorme. Selon Epoch AI, les plus grands modèles entraînés de façon décentralisée ont utilisé environ 1 000 fois moins de calcul que les modèles de pointe actuels.
• Mais la croissance est fulgurante. L’échelle de ces projets progresse d’environ 20× par an, contre environ 5× par an pour les géants. Epoch reste cependant prudent : il juge peu probable un rattrapage avant la fin de la décennie.
• Beaucoup de projets sont encore en test. D’après sa propre documentation, Psyche tourne sur le réseau de test de Solana (devnet), et chaque participant doit être autorisé par un administrateur.
• Le volet crypto est volatil. En avril 2026, le départ du fondateur de l’équipe derrière Covenant-72B a fait fondre la valeur des jetons associés de plusieurs centaines de millions de dollars en quelques heures, selon la presse crypto. La technologie peut fonctionner alors que l’économie autour reste très spéculative.

Et vous, pouvez-vous participer depuis chez vous ?

En théorie, oui. En pratique, pas avec un ordinateur portable ni un Mac. Il faut une carte graphique NVIDIA puissante avec beaucoup de mémoire, un système Linux, des compétences techniques et, pour certains réseaux, une invitation. Les récompenses sont incertaines et l’électricité, elle, se paie en francs bien réels.

C’est aujourd’hui un terrain pour passionnés et professionnels du matériel, pas un revenu complémentaire.

Pourquoi ça vous concerne, même sans carte graphique

Plus de modèles ouverts. Ces projets publient généralement leurs modèles librement. Une PME peut alors faire tourner une IA sur ses propres serveurs ou chez un hébergeur suisse, en gardant ses données en Suisse, comme le permet déjà Apertus.

Moins de dépendance. Si l’entraînement n’exige plus une usine à plusieurs milliards, le pouvoir sur l’IA se répartit entre plus d’acteurs. Cela fait jouer la concurrence sur les prix et les conditions d’utilisation.

Un casse-tête pour les régulateurs. Epoch souligne que de nombreuses propositions pour encadrer l’IA supposent que l’entraînement décentralisé restera loin derrière. Si cette hypothèse tombe, la régulation risque d’être prise de court.

Envie de voir concrètement ce que des modèles ouverts et hébergés en Suisse peuvent faire dans votre entreprise ? IAtelier détaille l’approche dans IA open source et souveraine : ce que ça change pour une PME.

Mini-lexique

• GPU : carte graphique, le « moteur » qui fait les calculs de l’IA.
• Entraînement : phase où l’IA apprend en lisant d’immenses quantités de texte.
• Token : morceau de mot, l’unité que l’IA lit et écrit.
• Paramètres : les « réglages internes » de l’IA. Plus il y en a, plus le modèle peut être capable.
• Blockchain : registre public et infalsifiable, utilisé ici pour coordonner et récompenser les participants.
• Devnet : réseau de test d’une blockchain, où les jetons n’ont pas de valeur réelle.

Sources

• Epoch AI — How far can decentralized training over the internet scale? (déc. 2025)
• Nous Research — Democratizing AI: The Psyche Network Architecture
• Nous Research — The Next Phase of Psyche
• Psyche — Guide de démarrage pour fournisseurs de calcul (GitHub)
• Own Your Mind — Analyse indépendante de Nous Research (oct. 2026)
• Templar — Covenant72B Progress Report
• Prime Intellect — INTELLECT-3
• VentureBeat — Nous Research et DisTrO
• Swiss AI Initiative — Apertus