Chez Crucible Labs, notre mission est d’aider à orienter les émissions vers les subnets les plus prometteurs de l’écosystème Bittensor. L’écosystème a évolué de façon spectaculaire : d’une poignée de subnets il y a un an à plus de 50 aujourd’hui, chacun axé sur la fourniture d’un service ou d’une matière première numérique unique. Cette croissance rapide a rendu l’évaluation des subnets de plus en plus complexe et chronophage. Pour relever ce défi, nous avons constitué une équipe d’investisseurs, de développeurs et de chercheurs en IA spécialistes de Bittensor afin d’identifier les subnets de la plus haute qualité et de veiller à ce qu’ils reçoivent les émissions qu’ils méritent.

Le défi de l’allocation des émissions

Les subnets présentent des niveaux de maturité variés. Certaines équipes en sont à leurs débuts, avec moins d’un mois sur le mainnet et une conception de subnet encore brute. D’autres sont plus aguerries, avec près d’un an d’expérience opérationnelle et une capacité avérée à réaliser des percées notables en recherche et développement d’IA incitée. Ce spectre de maturité reflète les stades des startups traditionnelles, du pré-amorçage à la série A, les équipes cherchant à se financer grâce aux émissions du réseau plutôt qu’au capital-risque.

Au-delà des différents niveaux de maturité, les subnets opèrent également dans des domaines très variés. Si la plupart se concentrent sur l’avancement de la R&D en IA, d’autres fournissent des services plus généraux comme le stockage et le calcul. Cette diversité de domaines d’intervention ajoute une couche de complexité supplémentaire au processus global d’examen.

Par ailleurs, l’allocation des émissions ne se limite pas à l’évaluation de chaque subnet pris isolément ; elle exige une approche globale pour comprendre les besoins plus larges de l’écosystème Bittensor à un moment donné. Il existe une subjectivité inhérente, non seulement dans l’évaluation de ce dont l’écosystème a besoin, mais aussi dans la définition de ce qui constitue une équipe « prometteuse » ou un problème « de valeur » à résoudre. Les validateurs auront inévitablement des perspectives différentes sur les orientations à prioriser. Cette subjectivité inhérente rend, à ce stade, une allocation des émissions purement algorithmique impraticable. Un algorithme pourrait mesurer des indicateurs quantitatifs, mais il ne peut pas saisir pleinement le contexte nuancé qu’exige le développement stratégique de l’écosystème.

En raison du dynamisme de l’écosystème à ce stade, le jugement humain demeure irremplaçable pour prendre ces décisions d’allocation multidimensionnelles.

Ce que nous recherchons dans chaque subnet

Notre processus d’évaluation des subnets s’articule autour de trois grandes catégories qui nous aident à apprécier à la fois la valeur actuelle et le potentiel futur. Les subnets établis peuvent être évalués selon tous les critères, tandis que nous adaptons notre cadre pour les subnets plus récents, qui peuvent encore être en train de développer leurs fondations techniques ou manquer de données historiques de performance.

Qualité de l’équipe

L’équipe qui se trouve derrière un subnet est souvent le meilleur indicateur de réussite future. Nous évaluons :

Le parcours et l’expertise dans leur domaine
L’engagement auprès de la communauté et la qualité de la communication
La vitesse d’exécution

Conception du produit

Les fondations techniques d’un subnet doivent être solides et bien documentées. Nous recherchons :

Une documentation complète (livres blancs, pitch decks)
Des benchmarks clairement définis et des objectifs mesurables
Des mécanismes d’incitation correctement conçus et robustes
Des dépôts GitHub avec des mises à jour significatives et une documentation claire
Des indicateurs techniques montrant une amélioration de la qualité de la matière première au fil du temps (via des tableaux de bord)
Des indicateurs d’usage et d’adoption (téléchargements, appels d’API, revenus générés)
L’adoption et l’engagement de la communauté traditionnelle de l’IA

Opportunité de marché

L’opportunité de marché doit être immense. Nous cherchons à savoir si le subnet :

Répond à un problème important qui apporte de la valeur à l’écosystème Bittensor au sens large
Vise une opportunité de marché substantielle
S’aligne sur les percées de la recherche en IA ou y répond
A un impact sur l’avancement de la recherche et du développement d’IA incitée
Offre des voies de monétisation viables pour les validateurs

Même si nous ne pouvons pas évaluer la performance historique des subnets plus récents, nous accordons une importance supplémentaire à la qualité de l’équipe et à l’opportunité de marché. Nous recherchons des feuilles de route claires démontrant comment ils comptent développer leur infrastructure technique et atteindre leurs objectifs déclarés. Cette approche équilibrée nous permet de soutenir des subnets prometteurs en phase initiale tout en maintenant des standards élevés en matière de création de valeur pour l’écosystème.

Stratégie d’allocation initiale

Pour lancer nos opérations de validation, nous avons élaboré un système de classification à trois niveaux qui nous aide à évaluer et à récompenser systématiquement les subnets prometteurs. Les allocations d’émissions augmentent avec le niveau : les subnets Premier reçoivent la plus grande part et les subnets Jeune pousse la plus petite.

Subnets Premier – Ces projets équivalents à la série A représentent notre niveau d’allocation le plus élevé. Dirigés par des équipes établies couvrant des rôles techniques, commerciaux et opérationnels, ils ont fait leurs preuves dans la conversion efficace des émissions en avancées significatives de la R&D en IA incitée.
Subnets Émergents – Ces projets équivalents au stade seed reçoivent des allocations modérées. Leurs mécanismes d’incitation fonctionnent mais doivent encore être affinés, et ils montrent une amélioration mesurable de la qualité de leur service ou de leur matière première au fil du temps.
Subnets Jeune pousse – Ces projets équivalents au stade pré-amorçage reçoivent notre allocation d’entrée de gamme. Généralement actifs sur le mainnet depuis moins d’un mois, ils sont portés par des équipes talentueuses dotées de preuves de concept et adoptant des approches innovantes pour résoudre des problèmes de valeur.

Les subnets Premier fixent la norme d’excellence, tandis que les subnets Émergents et Jeune pousse doivent démontrer des progrès constants pour maintenir ou augmenter leurs allocations d’émissions. Une petite allocation pour les subnets Jeune pousse nous permet de soutenir des projets opportuns à des stades initiaux critiques, en évitant leur désenregistrement pendant que nous menons une due diligence plus approfondie.

Ce cadre est notre point de départ, et non une structure figée. Les classifications par niveau des subnets sont régulièrement réexaminées et ajustées en fonction des performances et des besoins de l’écosystème.

Exemple de subnet Premier : Pre-Training

Pre-Training est un subnet phare de l’écosystème Bittensor, qui illustre les qualités que nous attendons des subnets de niveau Premier. Opéré par Macrocosmos, une équipe cofondée par d’anciens employés de l’OpenTensor Foundation, ce groupe est devenu une véritable puissance, avec plus de 20 développeurs de subnets dédiés.

L’excellence technique du subnet en a fait un modèle pour l’écosystème : de nombreux développeurs de subnets s’appuient sur son architecture et sur la conception de son mécanisme d’incitation. Ses réalisations récentes en témoignent : il a produit un modèle de 7B qui a surpassé Falcon-7B sur le jeu de données FineWeb Edu, une étape importante qui montre que le développement décentralisé et open source peut rivaliser avec des projets d’IA soutenus par des États. Cette réussite valide la thèse fondamentale de Bittensor selon laquelle des réseaux décentralisés correctement incités peuvent faire progresser la recherche en IA.

Au-delà des réalisations techniques, Macrocosmos établit la référence en matière d’excellence opérationnelle. Ils maintiennent des tableaux de bord de performance détaillés, améliorent constamment leur infrastructure et jettent activement des ponts entre les communautés de l’IA décentralisée et traditionnelle grâce à leur participation à des conférences et à des rapports de recherche de qualité académique. Leur engagement en faveur de la transparence, de l’innovation technique et de la contribution à l’écosystème montre ce à quoi les équipes de subnets devraient aspirer.

Exemple de subnet Émergent : Dippy

Dippy (SN 11) illustre ce que nous recherchons au niveau Émergent. Ce subnet incite les mineurs à développer des LLM de jeu de rôle open source de pointe. L’équipe apporte une expérience crédible : elle développe une application grand public dans laquelle les utilisateurs créent des personnages dotés d’IA et dialoguent avec eux, également appelée Dippy. De plus, l’un de ses membres est un cofondateur reconnu de WOMBO, où il a contribué à développer le produit d’art par IA générative Dream, désigné « meilleure application aux États-Unis » en 2022.

Dippy et son subnet s’intéressent spécifiquement à la production de LLM de jeu de rôle open source ; son mécanisme d’incitation pousse donc les mineurs à produire des modèles qui obtiennent de bons scores en intelligence émotionnelle. En septembre, l’équipe de Dippy a indiqué que les modèles produits au sein de son subnet surpassaient d’autres modèles, tels que Llama 3 8B et GPT3.5 Turbo, lorsqu’ils étaient évalués sur un benchmark standard d’intelligence émotionnelle, EQBench.

Outre les indicateurs positifs concernant la performance des modèles, l’activité dans le secteur des « compagnons IA » le positionne bien sur le plan du marché adressable. Selon des recherches publiées par a16z plus tôt cette année, les applications de compagnons IA suscitent un niveau d’engagement « inhabituellement élevé », avec environ ~300 sessions par utilisateur et par mois. Plus largement, ARK projette que le secteur des « compagnons IA » atteindra entre 70 et 150 milliards de dollars de revenus mondiaux d’ici 2030.

Ensemble, ces facteurs font de Dippy un exemple prototypique de subnet Émergent au sein de l’écosystème Bittensor. À mesure que le subnet progressera, nous suivrons de près son évolution en matière de performance continue de ses modèles par rapport à la concurrence de pointe, ainsi que la croissance de son application grand public.

Exemple de subnet Jeune pousse : EfficientFrontier

Bien qu’il ait moins d’un mois, EfficientFrontier (SN 53) illustre les qualités que nous recherchons dans les subnets prometteurs en phase initiale. Le subnet incite les mineurs à contribuer des stratégies de trading de crypto-monnaies professionnelles.

L’équipe présente des références impressionnantes, avec des décennies d’expérience cumulée dans des banques d’investissement, des family offices et des entreprises de technologie d’entreprise, dont une forte présence d’anciens de Goldman Sachs. Elle a déjà prouvé sa capacité d’exécution grâce à SignalPlus, sa plateforme établie de trading de produits dérivés et de gestion du risque sur options. SignalPlus joue un rôle crucial dans le subnet en validant les données de trading et en fournissant l’infrastructure d’exécution algorithmique des ordres, ce qui permet aux mineurs de se concentrer uniquement sur le développement de stratégies génératrices d’alpha.

Bien qu’il en soit à ses débuts, le subnet démarre avec plusieurs atouts que l’on observe généralement dans des projets plus matures :

Un mécanisme d’incitation robuste et bien documenté, avec des règles de notation des mineurs claires
Un tableau de bord public suivant la performance du subnet
Une forte traction initiale : 36 stratégies de trading uniques et 440 k$ de bénéfices nets dès la première semaine

Cette combinaison harmonieuse d’une équipe expérimentée, d’une infrastructure existante et d’une exécution solide dès le départ fait d’EfficientFrontier un exemple de subnet Jeune pousse, avec un net potentiel d’accession à des niveaux supérieurs.

Un travail en cours

À l’image du capital-risque, l’allocation des émissions relève davantage de l’art que de la science. L’expertise et l’intuition y jouent un rôle essentiel. Nous ne prétendons pas disposer d’une solution systématique parfaite, et nous ne pensons pas qu’il en existe une. Ce que nous avons, c’est un cadre fondé sur l’expérience et des principes clairs, associé à un engagement d’amélioration continue.

Notre approche est par nature collaborative. Nous souhaitons dialoguer en continu avec la communauté Bittensor sur la catégorisation des subnets, l’évaluation de la valeur et les priorités de l’écosystème. Vos retours nous aident à mieux comprendre quels domaines méritent notre attention et nos investissements, afin que nos allocations d’émissions restent alignées sur l’évolution des besoins de l’écosystème.

Nous voyons notre rôle non seulement comme celui d’allocateurs d’émissions, mais aussi comme celui d’acteurs engagés dans la construction de l’avenir de Bittensor. Grâce à une communication ouverte et à la sagesse collective, nous pouvons mieux identifier et faire croître les subnets qui feront avancer l’écosystème.