Alors que les modèles d’IA exigent des capacités de calcul toujours plus importantes, les développeurs explorent des alternatives aux centres de données classiques. Deux projets mis en avant par Cointelegraph – Acurast et Phase – construisent des réseaux décentralisés qui mobilisent les smartphones inactifs pour fournir de la puissance de traitement distribuée pour des tâches telles que le scraping web, la cybersécurité et l’inférence IA.

Le pool de téléphones d’Acurast

Selon Cointelegraph, Acurast a intégré plus de 335 000 smartphones, dont environ 40 000 appareils contribuent activement au calcul chaque jour. Le co‑fondateur Alessandro De Carli affirme que le pool actif équivaut à la capacité d’environ 2 340 serveurs haut de gamme de centre de données lorsqu’on le compare au serveur AI ASUS RS720A‑E11. Le réseau se concentre sur des charges de travail qui tirent parti de la sécurité matérielle intégrée aux smartphones et sur des tâches intensives en CPU nécessitant une large répartition géographique.

Le proxy mobile de Phase et son modèle tarifaire

Phase a lancé Phase Proxy en octobre 2026, permettant aux propriétaires de téléphones de fournir une connectivité internet et une validation blockchain pour les agents IA. Le fondateur Kirill Eves indique que le service aide à contourner la limitation du débit des centres de données en routant le trafic via des connexions mobiles résidentielles. Phase facture 0,5 USDT par 1 000 requêtes et 1 Go de trafic, et prévoit d’introduire Phase Router, qui dirigera dynamiquement les requêtes simples vers des modèles hébergés sur téléphone ou vers des fournisseurs externes tels qu’OpenAI et Anthropic selon le coût et la performance.

Enjeux techniques et économiques

Les observateurs du secteur avertissent que la coordination d’une flotte mondiale de téléphones pose des obstacles inexistants dans les installations centralisées. Une étude de 2025 citée par Cointelegraph a montré que de petits clusters contrôlés de smartphones pouvaient égaler les performances du cloud sur des tâches de reconnaissance d’images, mais les déploiements réels doivent faire face à l’épuisement de la batterie, à la variabilité du réseau et à la diversité du matériel. Markus Levin de XYO soutient que les réseaux décentralisés pourraient exceller dans la collecte de données du monde réel plutôt que dans l’exécution de grands modèles IA, en insistant sur le fait que toute solution viable doit résoudre un problème payant plutôt que de compter sur la spéculation de jetons. Le schéma de compensation d’Acurast, qui ajuste les récompenses en fonction du temps de fonctionnement de l’appareil, des spécifications matérielles et de la demande, reflète la difficulté de créer un modèle financièrement durable.