Le cofondateur d'Ethereum, Vitalik Buterin, a décrit une architecture axée sur la confidentialité pour les agents IA, combinant un accès API à divulgation nulle, un routage réseau via Tor et des modèles de langage exécutés localement. Cette conception en couches vise à réduire l'exposition des données qui accompagne généralement les flux de travail assistés par IA. Il en résulte une minimisation des données dès la conception : chaque contrepartie d'un flux de travail donné — le service interrogé, le chemin réseau, le fournisseur de modèle — n'est positionnée pour voir que ce que son rôle exige.

La confidentialité traitée comme une pile, pas comme une correction à une seule couche

Le dispositif proposé considère la confidentialité comme un problème de pile plutôt que comme une solution à couche unique. Chaque composant adresse une surface d'attaque distincte : la manière dont les agents accèdent aux services externes, la façon dont leur trafic réseau est acheminé, et le lieu où s'exécute réellement l'inférence du modèle. Buterin, qui a précédemment signalé que les risques cryptographiques liés à l'IA constituaient une préoccupation à court terme, présente cette combinaison comme un moyen de limiter ce qu'une seule partie peut observer de l'activité d'un agent. (Couverture connexe : THORChain refuse la liste noire liée au piratage de Bitget tandis que Vitalik s'exprime.)

zkAPI : un accès aux services externs préservant la confidentialité

La couche zkAPI est conçue pour permettre à un agent IA d'interroger des sources de données ou des services externes sans révéler le contexte complet d'une requête. Les preuves à divulgation nulle permettent à un prouveur de démontrer qu'une requête satisfait certaines conditions sans divulguer les entrées sous-jacentes, ce qui réduit ce qu'un fournisseur de services peut déduire des objectifs de l'agent. Cette approche étend au niveau d'accès API des agents autonomes le même raisonnement cryptographique que Buterin a appliqué aux systèmes d'identité.

Tor : séparer les métadonnées réseau du contenu des requêtes

L'acheminement du trafic des agents via Tor est présenté comme un moyen de séparer les métadonnées au niveau réseau — notamment les adresses IP et les schémas temporels — du contenu des requêtes des agents. Même avec des charges utiles chiffrées, un observateur passif sur une connexion classique peut corréler les schémas de requêtes avec le comportement de l'agent au fil du temps. Le routage en oignon de Tor introduit plusieurs sauts de relais qui brisent cette corrélation, bien que cela ajoute de la latence et n'élimine pas tous les risques d'analyse du trafic.

LLM locaux : garder les interactions avec le modèle sur l'appareil

L'exécution locale du modèle de langage constitue la troisième couche, sans doute la plus déterminante pour la minimisation données. Lorsque l'inférence s'effectue sur une API distante, chaque invite et chaque réponse sont visibles pour le fournisseur du modèle. L'exécution locale, à l'aide de modèles à poids ouverts déployés sur du matériel grand public ou serveur, élimine entièrement cette exposition. L'insistance de Buterin sur ce composant s'inscrit dans le prolongement de son attention plus large portée à l'intersection d'Ethereum avec l'IA, où la souveraineté des données et la vérifiabilité sont des thèmes récurrents.

Ce que la proposition signale pour l'infrastructure d'agents IA privés

Fermer simultanément plusieurs canaux d'observation

L'architecture se distingue par son traitement indépendant de chaque couche. Un système utilisant uniquement des LLM locaux fuit toujours des métadonnées si le trafic n'est pas masqué ; un système utilisant uniquement Tor expose toujours le contenu des invites à un fournisseur de modèle distant. En superposant zkAPI, Tor et l'inférence locale, le dispositif vise à fermer simultanément plusieurs canaux d'observation plutôt qu'à échanger une exposition contre une autre.

Pourquoi la confidentialité dépend de l'implémentation et des pratiques opérationnelles

Aucun des trois composants, pris isolément, ne garantit l'anonymat, et leur combinaison non plus. Les preuves à divulgation nulle exigent une conception rigoureuse des circuits pour éviter les fuites d'informations via la structure des requêtes. Tor offre une confidentialité réseau probabiliste plutôt qu'absolue. Les modèles locaux présentent des capacités variables par rapport aux API de pointe, créant un compromis pratique entre confidentialité et performance des tâches. Le schéma décrit par Buterin constitue une orientation de conception, non une spécification de produit aboutie.

La proposition apporte un point de référence architectural concret pour les équipes qui construisent une infrastructure d'agents autonomes où la minimisation des données utilisateurs est une contrainte de conception — un champ de problèmes à l'intersection des environnements décentralisés d'entraînement d'agents IA et des outils de confidentialité on-chain. Le caractère praticable à grande échelle de cette pile complète dépendra de la maturation, à court terme, des performances des modèles locaux et des outils zkAPI.

Avertissement : cet article est fourni à titre d'information uniquement et ne constitue pas un conseil financier ou d'investissement. Les marchés des crypto-monnaies et des actifs numériques comportent des risques importants. Effectuez toujours vos propres recherches avant de prendre des décisions.