SoK: A Systematic Bidirectional Literature Review of AI & DLT Convergence
Cette revue systématique bidirectionnelle de la littérature (2020–2025) analyse la convergence de l'IA et de la DLT à travers cinq couches architecturales dans les deux sens, révélant que la recherche actuelle se concentre de manière étroite sur des couches spécifiques, manque de validation à l'échelle de la production et nécessite une conception collaborative intercouche pour relever les défis fondamentaux liés à l'évolutivité et à l'interopérabilité.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez deux technologies puissantes tentant de construire une maison ensemble : l'Intelligence Artificielle (IA) et la Technologie des Registres Distribués (DLT), qui est la famille de technologies à l'origine des blockchains.
- L'IA est comme un architecte brillant et rapide, capable d'apprendre à partir de plans et de prendre des décisions à la volée. Cependant, cet architecte est souvent une « boîte noire » — vous ne savez pas toujours comment il a pris une décision, et il peut être sujet à des erreurs ou à des biais cachés.
- La DLT est comme un cahier indestructible et public où chaque brique posée est enregistrée pour toujours. Il est transparent et digne de confiance, mais il est lent, rigide et mauvais pour prendre des décisions complexes seul.
Ce document est une revue systématique (une recherche massive et organisée) de 53 études de recherche publiées entre 2020 et 2025. Les auteurs voulaient voir comment ces deux technologies s'aident mutuellement. Ils ont examiné la relation dans deux directions : l'IA aidant la DLT et la DLT aidant l'IA.
Voici la répartition de ce qu'ils ont découvert, en utilisant des analogies simples :
1. La rue à double sens
Les chercheurs ont organisé leurs résultats en deux voies de circulation :
Voie A : L'IA aidant la DLT (L'architecte intelligent répare le cahier)
Dans cette direction, les chercheurs utilisent l'IA pour rendre les blockchains plus rapides, plus sûres et plus intelligentes.
- Ce qu'ils font : Ils utilisent l'IA pour agir comme un gardien de sécurité, un agent de circulation et un mécanicien pour la blockchain.
- Où cela se passe : La plupart des travaux se concentrent sur la couche « Exécution » (vérification des règles des contrats intelligents) et la couche « Consensus » (décision de qui peut écrire dans le cahier).
- Analogie : Imaginez l'IA scannant le cahier public pour repérer instantanément si quelqu'un tente de falsifier une page (sécurité) ou utilisant un algorithme intelligent pour décider du meilleur ordre d'écriture des entrées afin que la file avance plus vite (consensus).
- Les outils : Ils utilisent l'« Apprentissage par Renforcement » (IA qui apprend par essais et erreurs) pour régler le système et les « Grands Modèles de Langage » (comme l'IA avec laquelle vous discutez) pour lire et comprendre des codes complexes.
- Le résultat : Cela fonctionne bien dans les simulations, mais personne n'a encore construit une usine massive et réelle utilisant cela. C'est principalement encore dans la phase de « test en laboratoire ».
Voie B : La DLT aidant l'IA (Le cahier aide l'architecte)
Dans cette direction, les chercheurs utilisent le cahier indestructible pour résoudre les problèmes de l'IA.
- Ce qu'ils font : Ils utilisent le cahier pour prouver d'où proviennent les données, qui a formé l'IA, et pour s'assurer que tous ceux qui jouent ensemble sont honnêtes.
- Où cela se passe : La plupart des travaux se concentrent sur la couche « Données » (s'assurer que les ingrédients de l'IA sont bons) et la couche « Modèle » (gérer comment l'IA apprend).
- Analogie : Imaginez un groupe de chefs (développeurs d'IA) essayant de cuisiner un repas ensemble sans chef central. Le cahier enregistre exactement qui a ajouté quel ingrédient et quand. Cela empêche quiconque de glisser furtivement de mauvais ingrédients (empoisonnement des données) et garantit que chacun est payé équitablement pour sa contribution.
- Les outils : Ils utilisent des « Contrats Intelligents » (règles automatiques) pour gérer les récompenses et l'« Apprentissage Fédéré » (formation de l'IA sur de nombreux ordinateurs différents sans partager les données brutes).
- Le résultat : Encore une fois, cela fonctionne en théorie et lors de petits tests, mais personne n'a encore déployé cela à une échelle industrielle massive.
2. Le grand déséquilibre (La carte « biaisée »)
Les auteurs ont remarqué que la recherche est très déséquilibrée, comme une carte où certaines villes sont bondées et d'autres sont des déserts vides.
- Les villes bondées :
- Pour l'IA aidant la DLT : Tout le monde est obsédé par les couches « Consensus » (voting) et « Exécution » (exécution du code).
- Pour la DLT aidant l'IA : Tout le monde est obsédé par les « Données » (ingrédients) et le « Modèle » (la recette).
- Les déserts vides :
- Très peu de personnes s'intéressent à la couche « Réseau » (comment les ordinateurs communiquent entre eux) ou à l'« Infrastructure » (le matériel/énergie réel).
- Analogie : C'est comme si tout le monde se disputait les meilleures couleurs de peinture pour la maison (Application) et les meilleures serrures pour la porte (Sécurité), mais que presque personne ne vérifiait si les fondations (Infrastructure) ou la plomberie (Réseau) pouvaient réellement supporter le poids de la maison.
3. Les vérités difficiles (Les lacunes)
Malgré toutes les idées excitantes, le document soulève certains problèmes sérieux :
- Aucune preuve réelle : Presque chaque étude est un « prototype » ou une « simulation ». C'est comme construire une voiture modèle parfaite dans un garage mais ne jamais la conduire sur une autoroute. Personne n'a prouvé que cela fonctionne à une échelle de production massive.
- Le problème de la « boîte noire » : L'IA est censée être intelligente, mais si l'IA fait une erreur, il est difficile de prouver pourquoi sur une blockchain. Le document note que nous n'avons toujours pas de moyen parfait pour rendre les décisions de l'IA « vérifiables » (prouvables) sur une blockchain.
- Le ralentisseur : Les blockchains sont lentes, et l'IA doit être rapide. Les mettre ensemble rend souvent les choses plus lentes ou plus coûteuses.
- La barrière de la langue : Différents projets utilisent des règles et des normes différentes, ce qui les rend difficiles à faire communiquer entre eux (interopérabilité).
Résumé
Le document conclut que si l'IA et la DLT sont un match parfait sur le papier (l'une est intelligente, l'autre est digne de confiance), elles sont actuellement coincées dans le « laboratoire ».
- L'IA rend les blockchains plus intelligentes et plus sûres.
- Les blockchains rendent l'IA plus digne de confiance et transparente.
Cependant, nous en sommes encore aux premiers jours. Nous avons d'excellents plans et de petits modèles, mais nous n'avons pas encore construit le gratte-ciel. Les auteurs disent que nous devons arrêter de simplement parler de la théorie et commencer à tester ces systèmes dans le monde réel pour voir s'ils peuvent supporter la pression.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.