Pour ceux qui l'ont manqué : un rappel que notre partenariat avec @vana aborde quelque chose de crucial pour l'avenir de l'IA. Les modèles d'IA formés sur des données publiques ont atteint un plateau. Les extractions web et les flux de courtiers de données nous ont amenés jusqu'ici, mais le prochain saut de performance nécessite des données privées et de haute fidélité : historiques de transactions, journaux d'utilisation d'applications, dossiers d'entreprise, données de santé. Le problème est que trois choses bloquent l'accès aux données privées à grande échelle : 1⃣Incitations : Les utilisateurs ont besoin d'une compensation équitable pour contribuer leurs données. 2⃣Confidentialité : Les utilisateurs doivent contrôler ce qui est révélé. Prouver votre volume de trading ne devrait pas nécessiter d'exposer chaque transaction individuelle. 3⃣Vérifiabilité : Les développeurs doivent confirmer l'origine des données et la justesse des calculs sans jamais voir les données brutes. Vana et Brevis résolvent les trois. Vana gère un réseau ouvert pour les données détenues par les utilisateurs. Les utilisateurs contribuent à des Collectifs de Données en échange de récompenses tout en conservant la propriété. Brevis fournit la couche cryptographique : ▶️zkTLS prouve l'authenticité des données de n'importe quelle source (banques, échanges, applications) sans exposer les données elles-mêmes ▶️Pico zkVM effectue des calculs sur ces données localement et prouve la justesse sans révéler d'informations brutes Le résultat : les développeurs d'IA obtiennent des données d'entraînement vérifiées et de haute fidélité. Les utilisateurs sont rémunérés. Les données brutes ne quittent jamais le contrôle de l'utilisateur. Confidentialité et provenance, enfin alignées.