Au cours de la même semaine d’avril 2026, deux annonces majeures ont bouleversé le secteur de l’IA crypto. Tout d’abord, Gensyn — un réseau décentralisé de calcul pour l’IA soutenu par a16z crypto — a officiellement lancé sur le mainnet son produit phare, Delphi. Delphi est une plateforme de marché de l’information dédiée aux marchés de prédiction réglés par l’IA, permettant aux créateurs de lancer leurs propres marchés et de percevoir 1,5 % du volume d’échange en revenus. Ensuite, le protocole décentralisé de données d’entraînement pour l’IA, Reppo Foundation, a annoncé un engagement stratégique de 20 millions de dollars de Bolts Capital pour développer son infrastructure de données d’entraînement, fondée sur les marchés de prédiction.
Ces avancées quasi simultanées pointent vers la même frontière : l’intersection entre l’IA et les marchés de prédiction. Pourtant, à y regarder de plus près, chaque projet aborde ce domaine sous un angle distinct, avec des architectures et des niches concurrentielles différentes. Il ne s’agit pas simplement d’une mise à jour sur deux projets ; cela reflète une divergence structurelle dans le champ émergent de la vérification des données pour l’IA : d’un côté, des marchés de l’information vérifiables pour les humains ; de l’autre, des réseaux de validation de données d’entraînement pour les machines.
Avec des volumes mensuels d’échange dans l’industrie des marchés de prédiction qui dépassent désormais plusieurs milliards de dollars et des plateformes traditionnelles soumises à une pression réglementaire croissante, Delphi et Reppo pourraient ouvrir un nouveau paysage concurrentiel. La présence d’investisseurs de premier plan derrière les deux projets renforce encore les enjeux de cette compétition en pleine évolution.
Du pari massif d’a16z à la résonance des deux projets
À l’échelle macro, le marché des données d’entraînement pour l’IA connaît une expansion rapide. Selon Slator, le marché mondial des données pour l’IA devrait atteindre 930 millions de dollars en 2026, puis 2,15 milliards de dollars d’ici 2031, avec un taux de croissance annuel composé d’environ 18 %. Un autre rapport sectoriel estime que le marché des jeux de données d’entraînement pour l’IA passera d’environ 320 millions de dollars en 2025 à 1,632 milliard de dollars en 2033.
La demande du marché évolue de la "quantité" vers la "qualité" et la "vérifiabilité". L’étiquetage traditionnel des données repose sur des prestataires centralisés, ce qui engendre une qualité inégale, des coûts élevés et des incitations faibles. L’introduction de la blockchain et des mécanismes de marché de prédiction offre une alternative : les participants peuvent "parier" du capital sur la qualité des données, générant ainsi des signaux de données plus crédibles et de meilleure qualité grâce à des incitations économiques.
Côté investissement, a16z a renforcé sa présence dans l’IA crypto depuis 2023. En juin 2023, a16z a mené la levée de fonds de série A de 43 millions de dollars de Gensyn, avec la participation de CoinFund, Protocol Labs et d’autres. En 2025, a16z a réalisé 31 investissements dans la sphère crypto, ciblant les marchés de prédiction, la convergence IA-crypto, les blockchains axées sur la confidentialité et les stablecoins, dont deux investissements dans la plateforme de marché de prédiction Kalshi.
La feuille de route 2026 d’a16z indique explicitement que les marchés de prédiction deviendront plus vastes, plus diversifiés et plus complexes. Fin 2025, le volume d’échange cumulé sur Polymarket et Kalshi a atteint 28 milliards de dollars, signe que les marchés de prédiction sont passés du statut d’expérimentations de niche à celui de secteur à l’échelle macro.
En décembre 2025, Gensyn a lancé Delphi sur testnet, suivi d’une vente publique de tokens IA sur la plateforme Sonar, écoulant 300 millions de tokens pour une valorisation fully diluted plafonnée à 1 milliard de dollars — équivalente à la valorisation de la série A menée par a16z. En avril 2026, les deux projets ont franchi des étapes majeures la même semaine : lancement du mainnet pour Gensyn et levée de fonds d’envergure pour Reppo. Cette synchronisation souligne la dynamique simultanée du secteur.
Analyse architecturale : positionnement, tokens et financement — deux trajectoires distinctes
Bien que Delphi et Reppo se présentent tous deux comme des "marchés de prédiction", qu’ils impliquent l’IA et visent à résoudre la question de la vérification de l’information, leur logique sous-jacente diffère fondamentalement.
Delphi de Gensyn se positionne comme un "marché de l’information" : chacun peut créer un marché de prédiction sur tout événement public vérifiable, avec des résultats déterminés par des modèles d’IA. Les créateurs choisissent le modèle d’IA pour le règlement, dont les paramètres sont verrouillés à la création du marché et ne peuvent être modifiés. Des participants externes peuvent utiliser l’"environnement d’exécution reproductible" de Gensyn pour relancer l’inférence du modèle et vérifier l’authenticité du règlement.
Reppo, en revanche, n’est pas une plateforme de "pari sur événement" à destination du grand public, mais une infrastructure destinée aux développeurs d’IA pour valider les données d’entraînement. Reppo construit un "réseau de données" dédié, transformant les jugements humains en signaux vérifiables on-chain pour l’entraînement des modèles d’IA. Ses "événements" ne sont pas des résultats d’élections ou des scores sportifs, mais des questions telles que "L’étiquetage de ce jeu de données est-il correct ?" ou "Ce segment de données améliore-t-il la performance du modèle ?"
Les différences fondamentales se résument ainsi :
| Dimension | Gensyn Delphi | Reppo |
|---|---|---|
| Positionnement du marché | Marché de l’information généraliste (prédiction d’événements publics) | Infrastructure de validation des données d’entraînement pour l’IA |
| Utilisateurs principaux | Créateurs de contenu & traders d’information | Développeurs IA & annotateurs de données |
| Détermination du résultat | Modèle d’IA exécutant le règlement on-chain | Staking communautaire pour vérifier la qualité des données |
| Flux de données | Orienté humain — transforme l’info publique en signaux négociables | Orienté machine — fournit des données d’entraînement de haute qualité aux modèles d’IA |
| Marché cible | Économie des créateurs (prévision : plus de 500 Md$ d’ici 2030) | Marché des données pour l’IA (env. 930 M$ en 2026) |
Sur le plan du modèle économique, Delphi s’articule autour d’un token IA natif. Le protocole prélève une commission de 0,5 % sur tous les volumes d’échange pour racheter le token IA. Sur les revenus du protocole, 70 % sont définitivement retirés de la circulation via un mécanisme de burn, 29 % alimentent la trésorerie communautaire et 1 % rémunère les exécuteurs de la trésorerie. Les créateurs de marchés perçoivent 1,5 % du volume d’échange, payés en stablecoins.
Reppo s’appuie sur le token REPPO, avec des incitations axées sur la justesse de la validation des données plutôt que sur le volume d’échange. Les participants sont récompensés s’ils prédisent correctement si un jeu de données améliorera la performance d’un modèle IA ; les récompenses sont attribuées lorsque les prédictions correspondent aux résultats réels. Cette conception décourage la soumission de données de faible qualité à l’échelle économique.
Côté financement, Gensyn a levé plus de 50 millions de dollars en trois tours, la série A d’a16z apportant une crédibilité de premier plan. Reppo bénéficie d’un engagement stratégique de 20 millions de dollars de Bolts Capital, avec le soutien antérieur de Protocol Labs et d’autres. À noter : a16z est également investisseur chez Kalshi, ce qui montre que sa stratégie dans ce secteur ne repose pas sur un seul pari.
Concurrence sectorielle sous l’étiquette "marché de l’information"
Gensyn l’affirme clairement : sa stratégie n’est pas de concurrencer directement Polymarket ou Kalshi, mais d’"ouvrir une toute nouvelle catégorie de marché de niche, détenue par les créateurs". Ce positionnement vise à distinguer Delphi des marchés de prédiction traditionnels, notamment alors que les États-Unis renforcent la surveillance réglementaire.
Le discours de Reppo se concentre sur la résolution du "goulot d’étranglement des données pour l’IA", en projetant que le marché total adressable des marchés de prédiction pourrait atteindre 1 000 milliards de dollars de volume d’échange annuel d’ici la fin de la décennie, au-delà du sport et des événements mondiaux, pour toucher l’information et l’opinion.
Les observateurs du secteur restent prudents. Edgen.tech souligne que le lancement de Delphi coïncide avec une pression réglementaire accrue sur les marchés de prédiction, et que son modèle de règlement par IA pourrait ouvrir de nouvelles perspectives. Andy Hall, conseiller scientifique chez a16z, insiste sur le fait que l’avenir dépend non seulement du nombre de contrats, mais aussi de l’amélioration des "méthodes de détermination de la vérité" — l’arbitrage centralisé ne répond plus aux besoins des marchés à grande échelle.
Le règlement par IA peut-il vraiment être décentralisé ? La technologie REE de Gensyn permet une vérification externe de l’inférence des modèles, mais des questions subsistent quant aux biais des modèles, à l’immutabilité des poids verrouillés et au contrôle de la sélection des modèles. Pour Reppo, la sécurité et la fiabilité des réseaux décentralisés constituent également des défis — les failles persistantes de la DeFi continuent de freiner l’investissement institutionnel, comme l’a illustré le piratage de 292 millions de dollars de KelpDAO.
Impact structurel : redéfinir la chaîne de valeur des données IA
La progression parallèle de Delphi et Reppo indique que la "vérification des données pour l’IA" émerge comme un secteur à part entière. Abordant le même domaine sous des angles différents, ils constituent ensemble la couche d’infrastructure pour la validation décentralisée des données.
Les fondements économiques de ce secteur sont clairs : plus un modèle IA est performant, plus il exige des données de haute qualité et vérifiables. L’industrie traditionnelle de l’étiquetage de données se concentre sur le "coût", mais la validation décentralisée déplace la compétition vers la "crédibilité" — incitant les validateurs à miser leur propre capital sur la qualité des données. Ce déplacement pourrait redéfinir la répartition de la valeur sur toute la chaîne d’approvisionnement des données d’entraînement pour l’IA.
Pour l’industrie des marchés de prédiction, les plateformes traditionnelles se concentrent sur les "événements". Delphi et Reppo repoussent les frontières des "événements prédictibles" : Delphi englobe "toute question résoluble", tandis que Reppo fait de la "qualité des données" elle-même une cible de prédiction. Il ne s’agit pas seulement d’une lutte pour les parts de marché existantes, mais de la création de nouveaux types de marchés. Le paysage des marchés de prédiction "plus vaste et plus complexe" annoncé par a16z prend forme à travers ces projets.
L’effet d’entraînement sur l’écosystème crypto IA est également significatif : le capital afflue rapidement vers la validation des données, l’étiquetage traditionnel des données IA fait face à une concurrence structurelle, et la narration autour de la "donnée comme actif" s’intensifie.
Conclusion
En cette semaine d’avril 2026, deux annonces ont animé le secteur des marchés de prédiction pour l’IA. L’une a dévoilé un nouveau paradigme pour le trading sur les marchés de l’information ; l’autre a montré comment les mécanismes de marché de prédiction remontent la chaîne de valeur des données d’entraînement pour l’IA.
Les deux projets mobilisent incitations économiques et mécanismes cryptographiques pour redéfinir la notion de "donnée fiable" — l’un pour la consommation humaine de l’information, l’autre pour la production de données destinées aux machines. Cette dualité révèle une tendance de fond : la dépendance des systèmes IA à des données de haute qualité s’accentue, et la vérification des données devient une infrastructure fondamentale de l’économie de l’IA.
Au 24 avril 2026, Delphi est passé du testnet au mainnet, et Reppo a finalisé une nouvelle levée de fonds. Tous deux entrent dans une phase critique, passant de la preuve de concept à l’exploitation à grande échelle. Les prochains défis porteront sur la rétention réelle des utilisateurs sur le mainnet, l’établissement de la confiance dans les mécanismes de règlement par IA, et la recherche de voies de conformité durables dans un contexte réglementaire incertain.
Les marchés de prédiction peuvent tout anticiper — sauf leur propre avenir. Mais une chose est sûre : le secteur de la vérification des données pour l’IA est passé d’un concept flou à une orientation industrielle soutenue par le capital, la technologie et des produits concrets.
