Le récit IA de TAO vient de recevoir un point de données encore plus important

La plupart des personnes qui observent Bittensor en ce moment suivent le récit IA.

Je pense qu’elles devraient observer quelque chose de plus spécifique : si l’utilisation réelle de l’IA devient mesurable au sein du réseau.

Le 23 septembre 2026, des chercheurs d’Harvard et Chutes ont publié une année de données de production provenant du service LLM de Chutes, le Subnet 64 de Bittensor.

L’ensemble de données couvre 6,12 milliards de requêtes, 9 174 modèles et 314 970 identifiants d’utilisateurs anonymisés, représentant environ 35,8 billions de jetons d’entrée et 2,52 billions de jetons de sortie entre le 11 avril 2025 et le 12 avril 2026.

La partie importante n’est pas la taille du titre.

C’est ce que l’ensemble de données permet aux chercheurs de voir.

Le trafic montre que les charges de travail IA en production ne sont pas simplement un grand flux unique de requêtes identiques. Les interactions utilisateur-modèle présentent une forte localité temporelle : 99 % des requêtes répétées du même utilisateur vers le même modèle arrivent dans les 15 minutes.

Cela a des implications directes sur l’infrastructure.

Chutes peut potentiellement exploiter cette localité grâce au cache de préfixes et au routage, réduisant ainsi les calculs dupliqués et améliorant l’efficacité du service. La recherche a également révélé que le routage conscient du cache peut augmenter les taux de hits de jetons, bien que les simulations aient introduit un déséquilibre de charge de 5 à 7 %.

Ce compromis est facile à manquer.

L’IA décentralisée ne concerne pas seulement la distribution des GPU. Une fois que l’utilisation devient suffisamment importante, la coordination devient une partie du produit.

Et il y a un autre élément de preuve à surveiller.

DefiLlama enregistre actuellement environ 178 694 $ de revenus sur 30 jours pour Chutes, basés sur le calcul IA sans serveur, les abonnements, l’utilisation au forfait, les instances privées et l’inférence sponsorisée.

Cela reste encore petit par rapport à l’échelle économique globale de Bittensor.

Mais cela change la question.

Le test intéressant pour TAO n’est plus simplement de savoir si la demande IA existe. Il s’agit de savoir si l’utilisation en production peut se transformer en revenus externes récurrents, en rachats au niveau du subnet et éventuellement en une demande économique plus forte que les incitations nécessaires pour attirer cette activité.

Le système d’émission propre à Bittensor est important ici, car les émissions TAO restent une source majeure d’incitations, avec des émissions actuelles d’environ 3 600 TAO par jour après le halving de décembre 2025.

Le compromis devient donc plus clair :

Bittensor peut subventionner l’infrastructure IA pour attirer l’utilisation, mais une valeur durable exige que cette utilisation finisse par s’autofinancer.

C’est cette métrique que je surveillerais plus étroitement qu’un autre partenariat IA ou une autre annonce de modèle.

Le récit IA attire l’attention.

La demande financée par les revenus est ce qui donne finalement au récit quelque chose sur quoi s’appuyer.$TAO #TAO Price rebounds in AI-driven rally