Eigen Labs lance le projet Darkbloom pour transformer les Macs inactifs en réseau de calcul AI

Lawrence Jengar

15 avr. 2026 04:17

Une nouvelle initiative de recherche d’Eigen Labs vise à acheminer l’inférence IA via des machines Apple Silicon sous-utilisées, revendiquant une réduction de 50 % des coûts par rapport aux principaux fournisseurs.

Eigen Labs a dévoilé le projet Darkbloom, une initiative de recherche qui achemine les demandes d’inférence IA à travers des ordinateurs Mac inactifs plutôt que des centres de données traditionnels. Le projet, désormais en aperçu de recherche, affirme réduire les coûts d’inférence d’environ moitié par rapport aux grands agrégateurs tout en donnant aux opérateurs de nœuds 95 % des revenus.

L’argument est simple : des millions de Macs Apple Silicon restent inutilisés pendant des heures chaque jour. Cette capacité de calcul dormante—déjà achetée, déjà alimentée—pourrait gérer des charges de travail IA à une fraction des coûts d’infrastructure centralisée.

Comment cela fonctionne réellement

Darkbloom associe les demandes d’inférence à des nœuds Mac vérifiés via un système de coordinateur. Les développeurs interagissent via une API compatible OpenAI, tandis que les propriétaires de Mac exécutent un agent fournisseur renforcé qui traite les demandes localement.

L’architecture aborde directement le problème évident de confiance. Si votre prompt s’exécute sur l’ordinateur de quelqu’un d’autre, qu’est-ce qui l’empêche de le lire ?

La réponse d’Eigen Labs implique plusieurs couches : le processus fournisseur bloque l’attachement de débogueur et l’inspection de mémoire externe, des vérifications d’intégrité binaire garantissent que le logiciel correspond aux attentes du réseau, et l’Enclave sécurisée d’Apple fournit une attestation matérielle. Des vérifications de défi-réponse récurrentes confirment que les nœuds maintiennent les états de sécurité attendus.

L’équipe est particulièrement directe sur les limitations actuelles. Le coordinateur reste une composante de confiance—ils ne cachent pas cela derrière un discours vague de « décentralisation ».

L’économie a du sens sur papier

Les piles d’inférence traditionnelles additionnent les coûts : marges hyperscalers, frais de fournisseur API, frais d’installation, refroidissement, réseau. Chaque couche a une fonction mais augmente le prix final.

Le modèle de Darkbloom élimine la plupart de ces coûts. Les coûts matériels sont amortis (les propriétaires ont déjà acheté leurs Macs), laissant l’électricité comme la dépense marginale principale. La part de 95 % des revenus pour les opérateurs crée une incitation réelle à participer.

Que le prix de référence tienne sous charge de production est une autre question entièrement. Le projet supporte actuellement la génération de texte, le traitement d’images et les charges de travail de conversion speech-to-text.

Les parties difficiles ne sont pas évidentes

Selon le responsable du projet Gajesh Naik, les défis d’ingénierie les plus difficiles n’étaient pas l’acheminement des demandes—c’était tout le reste. La signature de code, la cohérence des versions, le timing de l’attestation, la gestion du cycle de vie des modèles, la gestion des déconnexions et des fichiers corrompus.

« Lorsque les hachages binaires font partie du modèle de sécurité, l’ingénierie de la version devient de la sécurité », ont noté l’équipe dans leur annonce. Les démarrages à froid, la pression mémoire et les défaillances réseau ne sont pas des cas extrêmes dans un système distribué. Ce sont des mardi.

Ce qui est disponible maintenant

L’aperçu de recherche comprend toute la pile : coordinateur, agent fournisseur renforcé, intégration de l’Enclave sécurisée, outils pour l’opérateur, et une console web. La base de code est open source et le document technique a été publié.

Cela s’inscrit dans la tendance plus large de l’infrastructure physique décentralisée (DePIN) qui a gagné du terrain au cours de l’année passée. Des projets comme Render, Akash, et io.net ont exploré un territoire similaire pour le calcul GPU. La focalisation de Darkbloom sur Apple Silicon crée une niche différente—matériel grand public avec des performances d’inférence étonnamment capables.

Aucun jeton n’a été annoncé. Pour l’instant, c’est un projet de recherche explorant si des ordinateurs portables inactifs peuvent compléter de manière significative—ou éventuellement concurrencer—l’expansion des centres de données qui domine l’investissement dans l’infrastructure IA.

Source de l’image : Shutterstock