Zk Proving Face À La PénWriting the article contenturie De Gpus

Imaginez un instant que chaque nouvelle transaction Ethereum doive être prouvée en quelques secondes, tandis que les mêmes cartes graphiques servant à entraîner les modèles d’intelligence artificielle les plus gourmands de la planète sont devenues introuvables. C’est exactement la situation dans laquelle se trouvent aujourd’hui les systèmes de preuves zero-knowledge. Les opérateurs de preuves se retrouvent à enchérir contre des budgets de data centers estimés en milliers de milliards de dollars. Le résultat ? Les coûts montent, les délais s’allongent et la promesse de preuves en temps réel commence à vaciller.

La Concurrence Brutale Entre Zk Et Intelligence Artificielle

Leo Fan, fondateur et dirigeant de Cysic, a récemment exposé le problème avec une clarté rare. Selon lui, la difficulté ne vient plus seulement d’un manque de puissance brute. Elle naît d’un décalage architectural profond entre les logiciels de preuves et les accélérateurs disponibles. Les puces Nvidia, conçues avant tout pour les multiplications matricielles de l’apprentissage automatique, se retrouvent sollicitées pour des opérations très différentes : multiplications multi-scalaires et transformées numériques théoriques. Une grande partie de leur capacité reste donc inutilisée, ce qui fait grimper le prix de chaque preuve générée.

Cette réalité change la donne. Pendant des années, l’industrie a parié sur la baisse naturelle des coûts de calcul. Les puces deviendraient plus abordables, les preuves moins chères. Or le contraire se produit. Les budgets des géants de l’IA absorbent la quasi-totalité de la production. Nvidia a récemment annoncé 75,2 milliards de dollars de revenus data center sur un seul trimestre, en hausse de 92 % sur un an. Amazon Web Services s’est engagé à acheter un million de GPU, avec des livraisons étalées jusqu’en 2027. Dans ce contexte, chaque heure de GPU louée devient un bien rare et disputé.

Tout le monde pensait que les coûts de preuve baisseraient parce que les puces deviennent moins chères. Au lieu de cela, nous enchérissons contre des budgets de data centers de plusieurs milliers de milliards pour le même silicium. C’est pourquoi la couche matérielle a dû être ouverte plutôt que laissée à une poignée de provers propriétaires.

Leo Fan, CEO de Cysic

Le constat est sans appel. Les systèmes de preuves ne combattent plus seulement la complexité mathématique. Ils se battent pour l’accès physique aux accélérateurs. Et cette bataille se joue désormais sur le même terrain que l’intelligence artificielle.

Pourquoi L’utilisation Inefficace Des Gpus Coûte Cher

Cysic a mis en lumière ce gâchis avec son moteur de preuve Venus. En traitant la génération de preuve comme un seul graphe de calcul connecté plutôt que comme une succession d’appels isolés, l’équipe a réduit le temps passé à synchroniser CPU et GPU. Le résultat annoncé : plus de 9 % d’amélioration du temps de preuve de bout en bout face à ZisK 0.16.1, sans changer le matériel sous-jacent. L’intégration de CUDA Graph, le réglage des kernels et les modifications de mémoire partagée ont permis de limiter les transferts de données répétés.

Ces gains, modestes en apparence, révèlent un problème structurel. Les accélérateurs actuels ne sont pas saturés. Une fraction non négligeable de leur puissance reste inactive pendant le processus de preuve. Chaque pourcentage d’utilisation perdu se traduit directement en euros supplémentaires sur la facture. Pour un opérateur qui doit produire des preuves en continu, cette inefficacité devient rapidement insoutenable.

Les chiffres de performance publiés par différents acteurs confirment que la vitesse pure a progressé. Cysic affirme qu’un bloc Ethereum peut être prouvé en 7,4 secondes avec 24 GPU, ou même en temps réel avec une seule carte RTX 4090. Succinct a de son côté rapporté que SP1 Hypercube a prouvé 99,7 % d’un échantillon de 954 blocs en moins de 12 secondes avec 16 RTX 5090. Ces annonces sont impressionnantes, mais elles ne disent rien du coût énergétique, de la taille des preuves, du niveau de sécurité ni du prix total du matériel. L’Ethereum Foundation a pourtant fixé des critères clairs pour le temps réel : au moins 99 % des blocs prouvés en moins de 10 secondes, code entièrement open-source, preuves de moins de 300 KiB, sécurité d’au moins 128 bits, matériel ne dépassant pas 100 000 dollars et consommation limitée à 10 kilowatts.

La consommation énergétique apparaît même plus contraignante que le prix d’achat pour les provers domestiques. Une preuve peut arriver à temps et pourtant rester hors de portée d’un opérateur indépendant faute de refroidissement ou d’alimentation suffisante.

Les Premiers Impactés : Preuves En Temps Réel Et Zk-Rollups

La pression se fait sentir en premier sur les preuves de couche 1 en temps réel. Chaque bloc doit être prouvé sans délai. Le moindre retard fait manquer la fenêtre imposée par le réseau. Les opérateurs doivent donc conserver une capacité de réserve, ce qui multiplie les besoins en GPU. Les zk-rollups et les places de marché de preuves suivent de près, car les heures de calcul entrent directement dans les frais d’exploitation et, parfois, dans les frais facturés aux utilisateurs.

Une analyse antérieure estimait que la génération de preuves représentait déjà 60 à 70 % des frais sur les réseaux de couche 2 zero-knowledge. Générer la preuve d’un lot de 4 000 transactions pouvait prendre entre deux et cinq minutes sur un Nvidia A100 et coûter de 0,04 à 0,17 dollar en cloud. Ces montants varient selon le système de preuve, la taille du lot, la configuration matérielle et le tarif du fournisseur. Mais la tendance est claire : plus les GPU se raréfient, plus ces coûts grimpent.

Leo Fan situe le zkML parmi les applications les plus exposées. Combiner une charge de travail d’intelligence artificielle avec la preuve que le modèle a bien tourné crée une double facture. Pour les paiements privés, les jeux on-chain et d’autres produits grand public, l’économie n’est viable que si le coût d’une preuve se compte en centimes. Dès que ce seuil est dépassé, l’adoption se ralentit.

Le coût peut-il limiter l’adoption ? Oui, à la marge. Les paiements privés et le gaming seraient probablement les premiers reportés lorsque leur économie ne fonctionne plus.

Leo Fan

La concentration des provers constitue un autre point de vigilance. Selon Cysic, plus de 90 % des réseaux de couche 2 zero-knowledge s’appuient sur un petit groupe de services de preuves. Même s’il s’agit d’une estimation interne, elle souligne un risque de centralisation opérationnelle. Si les coûts continuent d’augmenter, seuls les acteurs disposant de budgets importants pourront maintenir une infrastructure compétitive.

Fpga Et Asic : La Voie De Sortie Du Goulot D’étranglement

Face à cette impasse, Cysic a choisi de ne plus dépendre exclusivement des GPU. Le dépôt public de Venus intègre des optimisations GPU, un backend d’accélération FPGA complet et une première implémentation orientée ASIC. Le backend FPGA contient des kernels pour l’arithmétique sur le corps Goldilocks, les NTT, Poseidon2, les arbres de Merkle, FRI et l’évaluation d’expressions. Il cible les dispositifs AMD UltraScale+ et Versal équipés de mémoire à haute bande passante. Le code est publié sous licences Apache 2.0 et MIT.

L’avantage des FPGA est leur reprogrammabilité. Contrairement à un ASIC, un FPGA peut être mis à jour après fabrication. Les développeurs peuvent adapter les circuits aux nouveaux systèmes de preuves sans attendre une nouvelle génération de silicium. Les ASIC, eux, offrent de meilleures performances et une efficacité énergétique supérieure une fois le jeu d’opérations stabilisé. En contrepartie, leur développement est plus coûteux et les volumes de production restent limités.

Passer aux FPGA et aux ASIC spécialisés permettrait aux opérateurs de sortir de la file d’attente principale de l’IA. Ces dispositifs n’achètent plus des fonctionnalités GPU inutiles pour les preuves zero-knowledge. Ils n’exécutent que ce dont ils ont besoin. Fan insiste cependant sur les obstacles : coûts de développement élevés et volumes de fabrication encore modestes.

Ouvrir le logiciel n’est qu’une partie de la stratégie. Cysic propose également un marché de provers global dans lequel des appareils allant du matériel mobile aux clusters professionnels peuvent accepter des missions. Les backends GPU et FPGA réduisent la dépendance à une seule classe de puces. La vérification cryptographique garantit qu’un vérificateur rejette toute preuve invalide, quel que soit l’opérateur qui l’a générée. L’ouverture de la participation n’altère donc pas la solidité du système. Elle augmente en revanche l’exposition aux erreurs d’implémentation dans du code non audité ou encore inachevé.

Cysic précise que le projet Venus reste en développement actif. Des audits et des configurations multi-provers redondantes seront nécessaires pour limiter les risques d’implémentation. De son côté, le brouillon EIP-8025 permettrait aux validateurs Ethereum d’opter pour la génération ou la vérification de preuves d’exécution, tout en conservant la réexécution classique des blocs. La proposition introduit un canal de diffusion de preuves et des nœuds de preuves externes. Dans sa version actuelle, elle ne prévoit toutefois aucun mécanisme d’incitation pour les opérateurs qui génèrent et diffusent ces preuves.

L’impact Sur L’écosystème Ethereum Et Au-Delà

La Fondation Ethereum a clairement défini ce qu’elle attend d’une preuve en temps réel. Au-delà de la vitesse pure, elle exige un code open-source, une taille de preuve raisonnable, un niveau de sécurité élevé, un budget matériel accessible et une consommation énergétique maîtrisée. Ces critères montrent que la course à la performance ne peut plus se limiter à gagner quelques secondes. Elle doit aussi rendre la preuve accessible à un plus grand nombre d’opérateurs.

Si les coûts continuent d’augmenter, la centralisation des provers pourrait s’accentuer. Les réseaux de couche 2 risquent de dépendre encore davantage d’un nombre restreint de prestataires. Pour les applications grand public, le seuil de viabilité économique se situe souvent autour de quelques centimes par preuve. Au-delà, les développeurs reportent ou abandonnent certains cas d’usage. Les paiements privés et les jeux on-chain sont particulièrement sensibles à cette contrainte.

Dans le même temps, l’industrie minière de Bitcoin a montré qu’il était possible de réorienter rapidement des infrastructures vers l’intelligence artificielle. Plus de 70 milliards de dollars de contrats AI et HPC avaient déjà été annoncés par des sociétés minières à un moment donné. Un rapport Bernstein évaluait les partenariats d’infrastructure AI annoncés à près de 90 milliards de dollars. Les mineurs contrôlaient plus de 27 gigawatts de capacité de puissance planifiée, contre environ 3,7 gigawatts liés aux accords AI déjà communiqués. Certains raccordements au réseau américain pouvaient prendre jusqu’à 50 mois. Ces chiffres illustrent la vitesse à laquelle les ressources se déplacent vers les usages les plus rentables.

Pour les preuves zero-knowledge, la leçon est claire. Tant que les GPU resteront le principal support, les coûts suivront la demande de l’IA. La diversification matérielle n’est plus une option de confort. Elle devient une condition de survie pour maintenir des preuves abordables et décentralisées.

Vers Un Marché De Provers Plus Ouvert Et Plus Résilient

L’idée d’un marché de provers mondial repose sur un principe simple : n’importe quel appareil capable de générer une preuve valide peut participer. Les smartphones, les stations de travail, les clusters FPGA ou les futurs ASIC spécialisés entreraient alors en concurrence. La vérification cryptographique assure que seule une preuve correcte est acceptée. Le risque principal se situe du côté de la qualité du code et des audits. Un code non vérifié peut introduire des failles d’implémentation même si le système de preuve lui-même reste sain.

Cysic mise sur cette ouverture pour réduire la dépendance à un petit nombre d’acteurs. En multipliant les backends et en rendant le code accessible, l’entreprise cherche à créer un écosystème dans lequel la concurrence porte sur l’efficacité plutôt que sur l’accès exclusif au matériel. Les audits et les configurations multi-provers redondantes restent indispensables pour contenir les risques.

Le projet EIP-8025, encore à l’état de brouillon, pourrait faciliter l’intégration de preuves externes dans le protocole Ethereum. En permettant aux validateurs d’opter pour la génération ou la vérification de preuves tout en conservant la réexécution classique, il offre une voie progressive. L’absence d’incitations dans la version actuelle limite cependant l’attrait pour les opérateurs qui investiraient dans le matériel et l’énergie nécessaires.

Ce Que Signifie Cette Évolution Pour Les Utilisateurs Finaux

Pour l’utilisateur ordinaire, la hausse des coûts de preuve se traduit rarement par une ligne de facture visible. Elle se manifeste plutôt par des frais de réseau plus élevés, des délais d’inclusion plus longs ou des fonctionnalités qui restent hors de portée. Les applications qui nécessitent des preuves fréquentes et peu coûteuses, comme les paiements privés ou certains jeux, risquent d’être reportées. Les développeurs attendront que les coûts redescendent ou qu’une nouvelle génération de matériel rende l’économie viable.

À plus long terme, la transition vers des accélérateurs spécialisés pourrait inverser la tendance. Une fois les FPGA et les ASIC déployés à plus grande échelle, le coût marginal d’une preuve devrait baisser. Les opérateurs indépendants pourraient à nouveau entrer sur le marché sans disposer de millions de dollars de capital. La décentralisation opérationnelle, aujourd’hui menacée, pourrait alors se renforcer.

Le chemin reste cependant long. Les délais de développement d’un ASIC se comptent en années. Les volumes de production doivent atteindre une taille critique pour faire baisser les prix unitaires. Les FPGA offrent une transition plus rapide, mais leur efficacité énergétique et leur densité restent inférieures à celles d’un silicium dédié. L’industrie devra donc gérer une période intermédiaire où les GPU resteront dominants tout en devenant de plus en plus chers.

Les Enjeux De Sécurité Et De Décentralisation

Ouvrir la participation aux provers n’altère pas la solidité mathématique des preuves. Un vérificateur rejette toute preuve incorrecte, quelle que soit l’origine. En revanche, la multiplication des implémentations augmente le risque d’erreurs de code. Un bug dans un backend non audité pourrait produire des preuves invalides ou, dans le pire des cas, introduire des failles exploitables. C’est pourquoi Cysic insiste sur la nécessité d’audits et de configurations multi-provers redondantes.

La concentration actuelle des provers pose un autre type de risque. Si plus de 90 % des réseaux de couche 2 dépendent d’un petit nombre de services, une panne, un problème de liquidité ou une décision réglementaire ciblant ces acteurs pourrait affecter l’ensemble de l’écosystème. Diversifier le matériel et ouvrir le marché constituent des réponses structurelles à cette vulnérabilité.

La Fondation Ethereum a déjà intégré dans ses critères de temps réel l’exigence d’un code entièrement open-source. Cette exigence vise précisément à permettre à quiconque de vérifier, d’auditer et éventuellement de reproduire les systèmes de preuve. Elle va dans le même sens que la stratégie d’ouverture défendue par Cysic.

Un Tournant Pour Toute L’industrie Des Preuves

Le message de Leo Fan résonne au-delà de Cysic. Il décrit une situation que de nombreux acteurs observent déjà dans leurs coûts d’exploitation. La compétition pour les GPU n’est plus une hypothèse. Elle est mesurable dans les tarifs de location cloud, dans les délais de livraison et dans les annonces de commandes massives de la part des géants de l’IA. Les preuves zero-knowledge se trouvent prises dans le même mouvement, même si leurs besoins mathématiques sont différents.

Les avancées logicielles, comme les 9 % de gain obtenus par Venus, montrent qu’il reste encore de la marge d’optimisation sur le matériel existant. Mais ces gains ne suffiront pas à compenser durablement la hausse des prix et la raréfaction des puces. La diversification vers les FPGA et les ASIC apparaît comme la seule voie permettant de sortir de la file d’attente de l’intelligence artificielle.

Dans les mois et les années à venir, la capacité de l’écosystème à produire des preuves abordables, rapides et décentralisées dépendra largement de la vitesse à laquelle ces nouvelles architectures matérielles se déploieront. Les réseaux qui réussiront à intégrer ces accélérateurs spécialisés conserveront un avantage concurrentiel. Les autres risquent de voir leurs coûts d’exploitation grimper et leurs applications grand public ralenties.

La période actuelle marque donc un point d’inflexion. Après des années où le progrès des preuves zero-knowledge s’est surtout mesuré en secondes gagnées, l’attention se déplace vers le coût et l’accessibilité du calcul. Les GPU ont permis d’atteindre le temps réel. Ils ne permettront probablement pas de le maintenir à un prix compatible avec une adoption massive. Les FPGA et les ASIC spécialisés prennent désormais le relais dans la conversation, et bientôt, espèrent de nombreux acteurs, dans les racks des data centers et des opérateurs indépendants.

Cette transition ne sera ni instantanée ni uniforme. Elle demandera des investissements, des audits et une coordination entre développeurs de protocoles, fabricants de matériel et opérateurs de preuves. Mais les signaux envoyés par Cysic et d’autres acteurs montrent que le sujet n’est plus théorique. Il est devenu opérationnel. Et dans un marché où chaque heure de GPU se dispute avec les budgets les plus importants de l’histoire de l’informatique, l’ouverture de la couche matérielle n’est plus une option. C’est une nécessité.

Les prochaines annonces de performances, les premiers déploiements FPGA à grande échelle et l’évolution des tarifs de location cloud diront si l’industrie parvient à transformer cette contrainte en opportunité. Pour l’instant, le constat reste celui d’une tension croissante entre deux usages du même silicium. Les preuves zero-knowledge doivent trouver leur propre chemin matériel si elles veulent continuer à progresser sans être freinées par la demande exponentielle de l’intelligence artificielle.

En attendant, les opérateurs continuent d’optimiser chaque cycle de calcul disponible, de réduire les transferts inutiles et de chercher des alternatives. Venus a démontré qu’une meilleure orchestration pouvait encore extraire des points de performance. D’autres projets suivront probablement la même voie. Mais tous savent désormais que le goulot d’étranglement a changé de nature. Il ne s’agit plus seulement de mathématique ou d’algorithmes. Il s’agit d’accès physique à des puces devenues stratégiques. Et dans cette nouvelle réalité, ceux qui diversifient leur matériel les premiers pourraient bien prendre une longueur d’avance durable.

Le débat engagé par Leo Fan dépasse donc largement le cadre d’une seule entreprise. Il touche à la viabilité économique de pans entiers de l’écosystème zero-knowledge. Des rollups aux applications de machine learning prouvable, en passant par les preuves de blocs Ethereum, la question du coût de calcul s’impose comme un enjeu central. Les mois à venir diront si les réponses techniques et organisationnelles seront à la hauteur de l’urgence. Pour l’instant, une chose est certaine : rester uniquement sur GPU n’est plus une stratégie tenable à long terme.