Le cofondateur d’Ethereum, Vitalik Buterin (@VitalikButerin), a partagé les détails d’une expérience personnelle visant à tester dans quelle mesure les outils de protection de la vie privée peuvent préserver les données sensibles lorsqu’on utilise l’intelligence artificielle pour obtenir des conseils en matière de santé et de mode de vie.
Une architecture de protection de la vie privée à trois niveaux
Buterin a utilisé ses propres données de santé et de voyage pour générer des recommandations personnalisées en matière d’alimentation et d’exercice physique. Son objectif était de tirer parti des modèles d’IA les plus avancés tout en réduisant au minimum l’exposition de ses informations privées à ces systèmes.
Dans le cadre de cette expérience, il a utilisé un modèle local, Qwen 3.8 Flash Next, pour coordonner les opérations, et fait appel à des outils pour accéder à des modèles de pointe distants plus puissants. Cela lui a permis de bénéficier d’un raisonnement et de connaissances plus avancés que ceux que le modèle local pouvait fournir à lui seul.
La configuration appliquait trois niveaux de protection distincts : d’abord, le modèle local rédige les requêtes destinées au modèle de pointe afin d’éviter de divulguer des informations permettant d’identifier une personne ou de révéler son identité par son style d’écriture. Le deuxième niveau utilise zkAPI pour empêcher que son identité soit révélée par le canal de paiement, tandis que le troisième recourt à Tor pour assurer la confidentialité au niveau du réseau et de l’adresse IP. « Il vous faut les trois », a écrit Buterin.
Un fichier de compétences indiquait au modèle local quand demander une aide extérieure et comment formuler des requêtes révélant le moins de données possible. Le modèle local rédigeait également les requêtes à la place de Buterin, répondant ainsi à sa préoccupation selon laquelle son style d’écriture pourrait révéler son identité.
Des progrès, mais des compromis évidents
Buterin a déclaré que l’expérience fonctionnait et que les analyses plus poussées des modèles avancés amélioraient les recommandations, même si une confidentialité accrue pouvait limiter les contributions des modèles distants.
Il a reconnu que l’approche fonctionnait, tout en soulignant ses inconvénients. Plus le système se montre prudent en partageant moins de données avec les modèles distants, plus l’aide qu’il reçoit est limitée, ce qui met en évidence la tension persistante entre l’utilité de l’IA et la protection de la vie privée.
Buterin a également signalé que Tor n’est pas bien optimisé pour dissocier les requêtes les unes des autres, estimant qu’il n’est « probablement pas assez confidentiel » et qu’il ajoute une latence 10 à 100 fois supérieure à ce qu’elle pourrait être. Il a renvoyé vers une nouvelle modification du dépôt Ethereum zkAPI, qui ajoute la prise en charge des clients acheminés par Tor. Une demande d’intégration était ouverte au 4 octobre.
L’expérience s’inscrit dans la continuité de l’intérêt qu’il porte depuis longtemps à la confidentialité, alors que les systèmes d’IA traitent de plus en plus de données personnelles. En avril 2025, Buterin a soutenu que le développement des capacités de l’IA et la collecte centralisée des données renforçaient le besoin d’outils de protection de la vie privée plus performants.
Sources :
Vitalik Buterin teste une IA qui préserve la confidentialité des données personnelles – crypto.news
Vitalik Buterin teste trois niveaux de confidentialité pour les requêtes à distance adressées à l’IA – TokenPost
Vitalik Buterin, créateur d’Ethereum, dévoile une expérience d’IA axée sur la confidentialité – U.Today