En septembre 2022, Ethereum a achevé sa transition historique du Proof of Work (PoW) vers le Proof of Stake (PoS), rendant du jour au lendemain obsolètes des équipements de minage GPU d’une valeur de plusieurs milliards de dollars. Le Merge d’Ethereum a non seulement mis fin à l’âge d’or du minage GPU, mais a également soulevé une question pressante : où allait se diriger l’immense surplus mondial de puissance de calcul GPU inutilisée ?
Les réseaux d’infrastructure physique décentralisée (DePIN) s’attaquent désormais à cette problématique. Au sein du secteur DePIN, plusieurs réseaux réorganisent les GPU inactifs en grappes de calcul distribuées, proposant des services de rendu et de calcul IA à une fraction du coût des fournisseurs cloud traditionnels. Render Network s’impose comme un acteur central de cet écosystème.
Au 8 mai 2026, selon les données de marché Gate, le token RENDER s’échange à 1,9626 $, en hausse de 2,27 % sur 24 heures et de 14,82 % sur la semaine, avec une capitalisation boursière d’environ 1,018 milliard de dollars. Mais au-delà des fluctuations de prix, ce sont les évolutions structurelles des fondamentaux du réseau qui retiennent l’attention : les charges de travail IA représentent désormais 35 % à 40 % de l’activité du réseau, le nombre cumulé d’images rendues dépasse 71,4 millions, plus de 5 700 nœuds GPU sont actifs et plus de 1,24 million de tokens ont été brûlés. Ces données révèlent une tendance de fond : les réseaux de calcul décentralisé passent d’une « offre subventionnée par le token » à des « flux de trésorerie réels tirés par la demande » — avec l’IA comme moteur central de cette mutation.
De la fin du minage GPU à l’infrastructure de calcul IA
Pour comprendre la trajectoire de Render Network en 2026, il est essentiel de prendre du recul et d’analyser trois grands changements de paradigme.
Le premier changement de paradigme a eu lieu au second semestre 2022. Le Merge d’Ethereum a laissé un nombre massif de rigs de minage GPU inactifs, forçant les mineurs à faire face à une dépréciation rapide de leur matériel et à une chute de leurs revenus. Parallèlement, l’IA générative n’avait pas encore attiré l’attention du grand public, laissant à la fois l’offre et la demande de puissance de calcul GPU dans une situation d’incertitude. À ce stade, le devenir des GPU inutilisés constituait une préoccupation latente pour l’industrie.
Le deuxième changement de paradigme s’est opéré entre 2023 et 2024. L’essor de l’IA générative, impulsé par ChatGPT, a provoqué une explosion de la demande mondiale en GPU. Cependant, cette demande n’a pas automatiquement profité aux GPU inactifs disséminés à travers le monde, car les tâches d’entraînement et d’inférence IA restaient très centralisées sur des plateformes comme AWS et Google Cloud. Le principal défi pour les réseaux de calcul décentralisé durant cette période était l’« organisation de l’offre » — c’est-à-dire comment agréger ces GPU fragmentés en grappes de calcul fiables et exploitables.
Le troisième changement de paradigme a débuté en 2025 et s’est accéléré au premier semestre 2026. La caractéristique majeure de cette phase est la transition des réseaux GPU décentralisés d’une « offre subventionnée par le token » vers des « flux de trésorerie tirés par la demande ». Les rigs de minage laissés inactifs après le Merge d’Ethereum sont désormais réaffectés à l’entraînement et à l’inférence IA via des réseaux comme Render. L’envolée de la demande pour l’inférence IA à bas coût s’aligne structurellement avec l’avantage tarifaire des réseaux GPU décentralisés.
L’évolution du Render Network illustre parfaitement cette dynamique globale. Imaginé par Jules Urbach, fondateur d’OTOY, en 2009, Render a organisé sa première vente publique de tokens en 2017 et lancé son mainnet en avril 2020. En 2023, la communauté a approuvé la proposition RNP-002, actant la migration d’Ethereum vers Solana et posant les bases d’un règlement on-chain à haut débit et faibles frais. De 2024 à 2025, le réseau s’est concentré sur l’intégration d’opérateurs de nœuds externes et la validation de la faisabilité de l’ordonnancement distribué des ressources GPU. Début 2026, suite à l’introduction et l’approbation de la proposition RNP-023, environ 60 000 GPU issus du sous-réseau décentralisé Salad ont été intégrés, constituant un pool de calcul dédié aux charges d’inférence IA.
La logique centrale de l’équilibre burn-and-mint
Le modèle BME : un « traducteur déflationniste » pour la demande de calcul
Au cœur du modèle économique de Render Network se trouve le mécanisme Burn-and-Mint Equilibrium (BME), instauré par vote communautaire. Son fonctionnement se résume en trois étapes :
Premièrement, l’ancrage du prix. Chaque tâche de rendu ou de calcul IA est tarifée en dollars US, et les utilisateurs paient l’équivalent en tokens RENDER. Cette approche élimine l’incertitude liée à la volatilité des crypto-actifs, permettant aux créateurs et aux entreprises de prévoir leurs coûts de manière fiable.
Deuxièmement, le paiement par destruction. Après paiement, le montant correspondant en tokens RENDER est brûlé, après déduction d’une commission de 5 % pour les opérations du réseau. Chaque transaction sur le réseau devient ainsi un événement déflationniste.
Troisièmement, la création périodique. Le réseau émet un nombre fixe de nouveaux tokens à chaque époque (généralement une semaine) pour récompenser les opérateurs de nœuds fournissant de la puissance de calcul. Le calendrier d’émission suit une courbe de décroissance prédéfinie afin de contrôler l’offre à long terme.
L’élégance du modèle BME réside dans le lien direct entre le « volume d’utilisation » et « l’offre de tokens ». À mesure que les tâches de rendu et d’IA augmentent, davantage de tokens RENDER sont brûlés ; cependant, les récompenses en nouveaux tokens suivent un calendrier fixe, indépendamment du volume brûlé. Ainsi, lors de phases de forte croissance du réseau, la quantité brûlée peut régulièrement dépasser la quantité émise, générant une pression déflationniste structurelle. Les données de janvier à septembre 2025, qui font état d’une hausse annuelle de près de 279 % des tokens brûlés, confirment l’efficacité de ce mécanisme.
L’effet « amplificateur déflationniste » des charges IA
Les charges de travail IA présentent des caractéristiques uniques qui en font un « catalyseur » du mécanisme BME. Par rapport aux tâches de rendu 3D, l’inférence IA se distingue sur trois points majeurs :
Premièrement, une fréquence plus élevée. Une tâche de rendu 3D peut durer plusieurs heures, tandis qu’une requête d’inférence IA ne prend généralement que quelques secondes à quelques minutes. À consommation de calcul équivalente, les tâches IA génèrent donc bien plus de paiements on-chain et de tokens brûlés que le rendu.
Deuxièmement, une plus grande continuité. Les tâches de rendu sont souvent ponctuelles et liées à des projets, tandis que l’inférence IA fonctionne généralement en service continu 24/7, assurant un flux de demande stable pour le réseau.
Troisièmement, une trajectoire de croissance plus marquée. La demande mondiale en calcul d’inférence IA explose. Render Network note que l’entraînement ne représente qu’une faible part de l’usage IA, l’inférence comptant pour environ 80 %. Cette structure ouvre la voie à l’absorption des charges de calcul mondiales par des GPU grand public.
Combinés, ces trois attributs font qu’une hausse d’un point de pourcentage de la part de l’IA peut amplifier de façon non linéaire l’effet déflationniste du modèle BME. Avec une part IA désormais comprise entre 35 % et 40 % — et en progression — le réseau entre dans une boucle de rétroaction positive : « croissance de la demande → accélération de la destruction → contraction de l’offre → densification de la valeur → attraction de nouveaux nœuds → nouvelle croissance de la demande ».
Les chiffres clés en un coup d’œil
Pour offrir une vue synthétique de l’évolution des fondamentaux de Render Network, le tableau ci-dessous récapitule les principaux indicateurs au premier semestre 2026 :
| Indicateur | Donnée | Description |
|---|---|---|
| Prix RENDER | 1,9626 $ | Données Gate au 8 mai 2026 |
| Variation 24h | +2,27 % | Variation sur 7 jours : +14,82 % |
| Capitalisation | ~1,018 Md $ | Capitalisation en circulation |
| Images rendues cumulées | 71,4 M+ | À avril 2026 |
| Part des charges IA | 35 %-40 % | En progression constante |
| Nœuds GPU actifs | 5 700+ | Pour l’IA et le rendu |
| Tokens brûlés cumulés | 1,24 M+ | Déflation totale sous le modèle BME |
| Nouveaux GPU RNP-023 | ~60 000 unités | Sous-réseau Salad, fournisseur exclusif |
| Taux d’approbation de la proposition | 98,86 % | Approbation en premier tour pour RNP-023 |
Analyse du sentiment de marché : haussiers vs baissiers
Les discussions autour de Render Network et de ses tokenomics sont loin d’être unanimement optimistes. Les points de vue haussiers et baissiers coexistent sur le marché, chacun avec ses arguments.
Logique haussière : découverte de valeur et dynamique tirée par la demande
Plusieurs signaux témoignent d’un intérêt croissant du marché pour Render Network. D’anciens rapports classent Render au quatrième rang des projets DePIN en termes d’activité sociale, avec 1 800 publications et 162 900 interactions. Cette effervescence sociale est en partie alimentée par l’amélioration des fondamentaux du réseau.
Le récit haussier s’articule autour de trois niveaux : d’abord, sur le plan des tendances sectorielles, la demande mondiale en calcul IA explose, les services cloud centralisés font face à la hausse des coûts et à des goulets d’étranglement, et les alternatives décentralisées gagnent des parts de marché. Ensuite, au niveau des fondamentaux du réseau, des indicateurs comme la croissance annuelle du burn de tokens, la hausse de la part IA et l’adoption massive de RNP-023 signalent un basculement d’une logique de subvention vers une croissance réelle tirée par la demande. Enfin, au niveau tokenomics, le potentiel du modèle BME à générer une déflation structurelle sous de fortes charges IA constitue un socle économique pour la valeur à long terme de RENDER.
Inquiétudes baissières : concurrence accrue et lacunes de vérification
Les arguments baissiers méritent également attention et se concentrent sur deux axes principaux.
Premièrement, le paysage concurrentiel. Si Render bénéficie d’un avantage de pionnier dans le calcul GPU décentralisé, les concurrents progressent. Akash Network propose un modèle d’enchères inversées pour offrir divers types de ressources de calcul, y compris des GPU ; io.net agrège des GPU sur plusieurs plateformes, ciblant l’IA et le machine learning. À plus grande échelle, les géants centralisés comme AWS et Google Cloud génèrent des revenus annuels de plusieurs centaines de milliards, tandis que les réseaux de calcul décentralisé affichent encore des revenus modestes.
Deuxièmement, la question de la vérifiabilité. En 2025, Render Network a connu des incidents impliquant des nœuds malveillants ayant retourné des résultats corrompus sur Blender, sans mécanisme de détection on-chain à l’époque. Cela a relancé le débat sur la « vérifiabilité des résultats » dans les réseaux de calcul décentralisé : sans preuves cryptographiques, ces réseaux s’apparentent à un « Airbnb du GPU » — ils résolvent le problème de la mise en relation offre-demande, mais n’ont pas totalement levé la question de la confiance.
Concernant ce « déficit de vérifiabilité », les observateurs du secteur reconnaissent qu’il s’agit d’une faiblesse structurelle, mais estiment que cela n’invalide pas l’applicabilité des réseaux de calcul décentralisé à certains usages spécifiques, comme le rendu ou l’inférence IA. Le problème est que les détracteurs assimilent souvent « absence de confiance totale » à « échec global du secteur » — un raisonnement glissant qui occulte les avancées rapides des technologies de vérification, telles que les zero-knowledge proofs ou les environnements d’exécution sécurisés.
Par ailleurs, le prix du RENDER a chuté d’environ 58,46 % sur l’année écoulée, s’écartant nettement de la croissance des fondamentaux du réseau, ce qui amène certains à s’interroger sur la capacité du token à capter la valeur générée.
Analyse d’impact sectoriel : mutation structurelle du calcul décentralisé
L’approbation de RNP-023 et la montée continue des charges IA dépassent le cadre d’événements isolés : elles impulsent une triple transformation de la structure offre-demande, du paysage concurrentiel et des tokenomics.
Premièrement, l’offre de calcul passe du « fragmenté » au « massifié ». L’intégration de 60 000 GPU marque un saut qualitatif dans la capacité de Render Network. Plus important encore, ces GPU proviennent du réseau de nœuds vérifiés de Salad, offrant une fiabilité et une qualité de service éprouvées sur le marché, ce qui devrait réduire la part de nœuds malveillants et atténuer les problèmes de vérification rencontrés auparavant.
Deuxièmement, l’inférence IA s’impose comme le terrain central du calcul décentralisé. Comparée au rendu 3D traditionnel, l’inférence IA implique des exigences de latence et de vérification plus complexes, mais son potentiel de marché est bien supérieur. L’orientation actuelle de Render Network vers l’inférence IA, avec notamment des partenariats avec des acteurs comme Stability AI, commence à structurer un premier écosystème synergique.
Troisièmement, les tokenomics évoluent d’une logique « inflationniste » vers un « cycle déflationniste vertueux ». Les premiers modèles DePIN misaient sur l’émission de tokens pour attirer l’offre, générant une activité « subventionnée » et des déséquilibres entre offre et demande. Avec l’arrivée de paiements réels liés à l’IA, la destruction de tokens dépasse structurellement l’émission, modifiant en profondeur la dynamique offre-demande. De 2025 au début 2026, les principaux réseaux de calcul GPU connaissent une transformation que le marché n’a pas encore pleinement intégrée : le passage d’une offre subventionnée par le token à des flux de trésorerie tirés par la demande.
Conclusion
Le Merge d’Ethereum a placé de nombreux mineurs GPU à la croisée des chemins, mais l’explosion de la demande en calcul IA a ouvert de nouveaux horizons pour ces ressources inactives. Grâce à son modèle Burn-and-Mint Equilibrium, Render Network a instauré une boucle économique unique dans le calcul GPU décentralisé : chaque requête d’inférence IA est à la fois une consommation de puissance de calcul et un événement déflationniste pour le token.
En 2026, avec la mise en œuvre de la proposition RNP-023 — adoptée à 98,86 % et intégrant près de 60 000 GPU de Salad comme fournisseurs exclusifs —, la montée continue de la part IA et l’accélération du burn de tokens, Render Network se trouve à un tournant, passant d’un « réseau dédié au rendu » à une véritable « infrastructure de calcul IA ». Toutefois, la concurrence accrue, la décorrélation entre le prix du token et les fondamentaux du réseau, ainsi que la question non résolue de la vérification des résultats demeurent des variables déterminantes pour la suite.
Pour les observateurs du secteur GPU décentralisé, la question centrale est la suivante : le modèle BME peut-il réellement tenir sa promesse de « déflation tirée par la demande » dans un contexte de croissance structurelle de l’inférence IA ? La réponse ne déterminera pas seulement la proposition de valeur du token RENDER, mais pourrait aussi redéfinir le rôle des réseaux de calcul décentralisé dans l’industrie de l’IA au sens large.
