MegaETH se réoriente sous le nom MEGA et alloue 30 M$ au marché de l'inférence IA

Auteur : David Christopher, Bankless

Compilé par Deep潮 TechFlow

DeepChaohao : L'project Ethereum L2 autrefois axé sur les performances extrêmes, MegaETH, a officiellement été renommé MEGA et a annoncé un transfert de 30 millions de dollars provenant de sa trésorerie pour se concentrer sur le développement de produits internes ; la première application ciblant le marché de l'inférence AI décentralisée devrait être lancée en décembre.

Face à la standardisation croissante des techniques de vérification de modèles sur le marché, il ne suffit plus de prouver que les nœuds de preuve « n'ont pas substitué » pour créer un avantage concurrentiel. Cet article analyse en profondeur les deux idées différenciantes les plus marquantes du whitepaper de MEGA : la désidentification de la vie privée hors d'une perspective centralisée, et les contrats à terme de puissance de calcul, d'une convaincance forte pour l'avenir.

Mardi de cette semaine, la MegaETH Foundation a officiellement changé de nom en MEGA et a annoncé un transfert de 30 millions de dollars depuis sa trésorerie pour développer des produits internes, dont le point fort sera un marché d'inférence AI lancé en décembre.

Les marchés de déduction sont un nouveau segment que j'ai suivi de près récemment : dans ce marché ouvert, quiconque peut acheter, vendre ou revendre des droits d'accès aux modèles d'IA, à des prix généralement inférieurs aux tarifs officiels des grands laboratoires. La demande actuelle est très forte, et la plupart des utilisations des marchés de déduction connaissent une croissance constante.

Étant donné que ce segment est encore à un stade précoce et que la financialisation des services d'IA est elle-même à ses débuts, je pense que pour l'équipe de MegaETH, qui a créé le L2 Ethereum à la vitesse extrême, il s'agit malgré un virage brusque d'un choix intelligent.

Ce virage présente également une urgence pratique. La TVL de cette chaîne publique ne dépasse actuellement pas 10 millions de dollars, en forte baisse par rapport au pic de 245 millions de dollars atteint en mai. Le cofondateur Shuyao Kong a également admis sur la plateforme X : « Après avoir créé la chaîne publique la plus rapide sans parvenir à trouver un produit adapté au marché (PMF) », l'équipe doit apporter des changements.

Les mécanismes précis du nouveau marché d'inférence, les fournisseurs de puissance de calcul et la liste des modèles mis en ligne restent confidentiels avant la publication officielle, mais un document blanc de trois pages a déjà esquissé les idées centrales de l'équipe.

Maintenant, décomposons les revendications centrales de ce récit commercial pour identifier son point le plus faible et déterminer ce qui permettra encore à MEGA de s'imposer.

Le compte officiel MEGA (@mega_holdings) a annoncé sur Twitter : « Aujourd'hui, nous nous engageons à investir 30 millions de dollars dans MegaETH pour développer un nouveau produit, avec une première orientation axée sur l'inférence IA. Pour plus d'informations, rendez-vous sur mega.holdings. »

Le point d'entrée de MEGA repose sur ce qu'il appelle le « paradoxe de l'offre » : le prix facturé par de nombreux fournisseurs tiers de puissance de calcul pour exécuter le même modèle open source est bien inférieur au prix proposé par le laboratoire originaire qui l'a développé.

Avec la plateforme OpenRouter comme exemple, GLM 4.6 proposé par le développeur Z.ai coûte 2,20 $ pour un million de tokens de sortie, tandis que le fournisseur tiers Venice ne facture que 1,75 $. Malgré cette différence notable, MEGA estime que la grande majorité des acheteurs préfèrent tout de même payer un prix plus élevé pour les canaux officiels bien connus.

À cet égard, MEGA propose une solution consistant à introduire un ensemble complet de mécanismes de vérification appelé « Purified Intelligence », qui vérifie l'authenticité du modèle, la conformité à la vie privée et la sécurité des fournisseurs de services, afin de démontrer que des tiers inconnus peuvent également être dignes de confiance.

Son objectif ultime est de créer un marché commercial où les capacités de raisonnement sont entièrement standardisées. Comme le précise le whitepaper, dans l'idéal, « il deviendra de plus en plus sans importance de savoir qui fournit ce service de raisonnement ».

Autrement dit, toute cette narration repose sur la « construction de la confiance », en particulier sur la « vérification des appels de modèle réels ». Mais c'est précisément à partir de ce point que j'en doute.

Tout d'abord, les prémisses industrielles prédéfinies de MEGA ne sont pas entièrement valables.

Les fournisseurs de puissance de calcul à bas prix ne sont pas actuellement négligés par le marché : la plateforme populaire de routage d'inférence OpenRouter privilégie par défaut les canaux à bas prix, et attribue la plupart des différences de qualité de sortie entre les fournisseurs aux différences de configuration des logiciels d'appel d'outils, et non à un changement délibéré de modèle.

Bien que le phénomène de « Model Swapping », critiqué comme fondement du whitepaper, existe effectivement, les preuves les plus concluantes proviennent principalement des canaux informels de revente illicites. Une étude publiée en mars de cette année, après avoir testé trois de ces revendeurs à boîte noire, a révélé que jusqu'à 46 % des vérifications d'identité ont échoué.

Plus important encore, les outils technologiques destinés à déceler ces substitutions affluent de toutes parts :

• Empreinte digitale (Fingerprinting) : La semaine dernière, le marché d'inférence Antseed a activé officiellement une nouvelle couche de validation par empreinte digitale. Ce système soumet les vendeurs de puissance de calcul à des questions basées sur des caractéristiques rares que seuls des modèles spécifiques peuvent répondre ; dès qu'il détecte que l'interlocuteur n'exécute pas le modèle prétendu, il redirige immédiatement la demande de l'acheteur vers un autre endroit.

• Matériel fermé (TEE) : L'environnement d'exécution fiable (TEE) est une zone sécurisée en forme de boîte noire à l'intérieur du processeur, inaccessible même au propriétaire de la machine, permettant de prouver publiquement quel code s'exécute à l'intérieur du chip. Les acheteurs d'Antseed peuvent désormais demander directement à leur fournisseur d'activer cette vérification matérielle.

• Preuves cryptographiques : début ce mois, Anthropic a open-sourcé un prototype (FlashProve) permettant de vérifier mathématiquement que les réponses ont bien été générées par des poids de modèle spécifiques, bien que chaque inférence nécessite 70 à 95 fois plus de puissance de calcul qu'une requête classique.

En outre, l'équipe Pearl développe également sa propre version de preuve en s'appuyant sur Attestable 开发自研证明版本.

Le white paper de MEGA mentionne simultanément les trois solutions ci-dessus et reconnaît que chacune présente des limites techniques, mais ne précise pas clairement laquelle elle adoptera finalement. Il est très probable que l'équipe intégrera l'une ou plusieurs de ces solutions, ce qui est en soi louable.

Cependant, la réalité est que de nombreux équipes se concentrent déjà sur ce même point douloureux, et la plupart des outils de validation sont open source et directement accessibles à l'ensemble de l'industrie. L'obstacle psychologique lié à la méfiance des acheteurs envers les fournisseurs tiers disparaît rapidement, et il est désormais difficile pour MEGA de se démarquer uniquement en lançant la fonctionnalité « validation de modèle ».

Dans ce cas, les autres grandes idées du whitepaper sont ce qui distingue véritablement MEGA.

La première direction est la protection de la vie privée. MEGA envisage de désidentifier les détails sensibles avant que les fournisseurs de puissance de calcul ne voient la demande de l'utilisateur, et de répartir les tâches complexes entre des nœuds fiables et non fiables. Cette conception revêt une importance pratique, car les protections de la vie privée permettant actuellement de prévenir efficacement les fournisseurs de consulter les prompts (Prompt) grâce à des matériels fermés restent pour la plupart limitées aux modèles open source.

Pour appeler en toute sécurité des modèles de pointe propriétaires tout en préservant la vie privée, le « nettoyage local des informations sensibles » est presque le seul compromis possible. Toutefois, la mise en œuvre technique de cette solution présente également un niveau de difficulté très élevé.

L'année dernière, Freysa avait déjà mis en œuvre une fonctionnalité similaire dans son application Enchanted, désormais renommée Silo, en remplaçant les phrases privées par des espaces réservés, permettant aux utilisateurs d'accéder en toute sécurité à des modèles propriétaires tels que GPT et Claude.

Mais Freysa a annoncé en novembre 2025 que, en raison des performances variables des appareils mobiles, l'équipe a dû déplacer les calculs de dépersonnalisation hors des appareils mobiles ; les journaux de mise à jour de juillet de son application iOS ont directement listé cette fonction comme supprimée.

De même, le processus de dépersonnalisation de la version MEGA doit être entièrement exécuté en dehors de la portée de MEGA lui-même, par exemple entièrement hébergé sur l'ordinateur local de l'utilisateur ou dans un matériel fermé ; sinon, l'utilisateur ne fait que transférer les informations sensibles qu'il devait initialement confier à un fournisseur d'inférence à MEGA.

MegaETH cofondateur Yilong Li (@yilongl_megaeth) a également souligné lors de la publication récente du white paper : « Augmenter la puissance de calcul AI n'est qu'une moitié de la solution. Même si les fournisseurs disposent des bons modèles, d'une capacité de calcul suffisante et de prix plus bas, les utilisateurs ne paieront toujours pas s'ils ne sont pas certains que les fournisseurs exécutent réellement les modèles comme promis et protègent leurs données. »

Le deuxième point fort est la capacité future (Future Capacity). Le whitepaper de MEGA imagine un mécanisme selon lequel les acheteurs peuvent réserver à l'avance, dans une fenêtre temporelle spécifique, un modèle particulier, un volume d'appels fixe et des normes minimales de performance (incluant la vitesse de réponse et la stabilité) à un prix verrouillé, et permettent ultérieurement la revente de ces contrats de capacité future sur un marché secondaire.

Vous pouvez le comparer à une entreprise qui réserverait des chambres d'hôtel en gros plusieurs mois avant d'organiser un grand sommet industriel. Les acheteurs peuvent sécuriser une capacité de calcul suffisante avant le lancement d'un produit majeur, et revendre cette capacité si leurs plans changent ; quant aux fournisseurs de capacité de calcul, ils peuvent utiliser ces demandes verrouillées comme garantie pour obtenir un financement auprès de prêteurs, afin d'acheter davantage de GPU pour étendre leur infrastructure.

Une fois que ce type de contrat de trading atteint une échelle significative, le marché génèrera une « courbe de tarification par déduction à terme » ouverte et transparente. Bien que des géants financiers traditionnels comme l'ICE prévoient de lancer des contrats à terme sur la puissance GPU pour se couvrir contre le coût horaire de location des puces, ceux-ci ne peuvent pas spécifier quel modèle exactement sera exécuté ni quel sera le résultat produit. En revanche, les contrats à terme de MEGA sont directement ancrés sur la « production finale » du modèle.

Parmi tous les marchés de raisonnement sur chaîne que j'ai évalués jusqu'à présent, aucun n'offre un mécanisme similaire, alors que c'est précisément là que la technologie blockchain excelle à établir et à transférer la valeur.

Cependant, un conflit profond reste caché : les coûts d'inférence de l'IA baissent rapidement, et les modèles principaux sont entièrement remplacés tous les quelques mois. Pourquoi les acheteurs devraient-ils verrouiller aujourd'hui un prix fixe ou un modèle spécifique pour dans plusieurs mois ?

Les acheteurs professionnels pourraient ne pas acheter à bas prix, mais plutôt une place garantie qui ne tombera jamais en panne pendant les périodes de pointe, ou encore une couverture contre la hausse soudaine des factures d'appels après la réduction des subventions massives des grands fabricants d'IA. Pour l'instant, je n'ai pas encore formé de conclusion claire à ce sujet.

Pour le moment, les deux points forts mentionnés ci-dessus ne sont encore que des esquisses dans le whitepaper. L'équipe n'a pas encore publié de code, et le whitepaper ne précise pas quels fournisseurs de puissance de calcul sont éligibles, qui effectuera les vérifications et validations, ni où les outils de détection et d'anonymisation des données seront finalement exécutés.

Le document blanc ne mentionne pas du tout la token native. Lorsqu'on lui a demandé quel rôle joue le token MEGA sur le marché de l'inférence, Shuyao Kong a répondu lors d'un entretien avec The Block : « Nous exploiterons tous les scénarios qui peuvent valoriser le token MEGA. »

Concernant le financement de 30 millions de dollars du trésor, supérieur à la moitié de la capitalisation boursière actuelle de MEGA, aucun plan budgétaire détaillé n'a encore été publié.

Les réponses à certaines de ces questions devraient être dévoilées au cours du mois de décembre à venir. Je me concentrerai ensuite sur trois indicateurs clés de mise en œuvre : les premiers fournisseurs de services nommés signataires et leurs critères d'admission, les solutions d'anonymisation fonctionnant réellement en dehors de la portée de MEGA, ainsi que le premier contrat à terme de puissance de calcul accepté par un contrepartie réelle.

Au fond, la vérifiabilité ne fait que placer MEGA au départ de la course à l'inférence ; seule la résolution des problèmes de confidentialité réelle et de livraison de puissance de calcul à long terme déterminera s'il peut véritablement se démarquer.