Space and Time Enterprise : vérifier les données privées
Space and Time Enterprise permet de vérifier des calculs sur des données privées sans transmettre les enregistrements aux agents IA. Fonctionnement et limites.

Space and Time Enterprise : faire vérifier des calculs sans exposer les données
Les entreprises veulent confier de plus en plus de tâches à des outils d'IA : produire des rapports, rapprocher des données, ou encore déclencher des opérations. Le problème, c'est qu'accorder à un agent IA un accès large aux bases internes crée un risque : des informations sensibles peuvent être consultées, copiées, ou utilisées au-delà de ce qui est nécessaire.
Space and Time Enterprise propose une autre façon de faire. La plateforme permet à un tiers - un agent IA, un auditeur ou une équipe conformité, par exemple - de vérifier qu'un calcul a été réalisé correctement sur des données privées, sans regarder les enregistrements à l'origine du résultat. Pour cela, elle s'appuie sur Proof of SQL, une technologie cryptographique développée par Space and Time.
Et au fond, on ne parle pas seulement de blockchain : il s'agit de trouver une manière pratique de combiner automatisation, confidentialité et contrôle. Concrètement, que peut-on déléguer à un système sans lui donner l'accès à tout ce qui rend cette délégation possible ? La suite détaille ce que la plateforme permet, ce qu'elle ne garantit pas, et les questions à se poser avant de la déployer.
Quel problème Space and Time Enterprise cherche-t-il à résoudre
Un outil d'IA n'a pas forcément besoin de lire chaque ligne d'une base pour mener une tâche. Il peut avoir besoin, par exemple, de connaître un total, de vérifier une règle, ou de confirmer qu'un indicateur correspond bien aux enregistrements concernés. Sauf que, dans beaucoup de systèmes, donner accès au résultat revient aussi à ouvrir l'accès à ce qui l'a produit.
C'est précisément ce décalage que Space and Time veut réduire. Avec Space and Time Enterprise, l'entreprise fait exécuter une requête sur ses données, puis obtient une preuve cryptographique permettant de vérifier que le résultat vient bien du calcul annoncé. Le vérificateur n'a pas besoin de recevoir les enregistrements sous-jacents. Dans l'idéal, un agent IA pourrait donc s'appuyer sur un résultat vérifiable, sans exiger un accès général à la base.
Cette différence compte surtout pour les organisations qui envisagent de brancher des outils d'IA sur des données financières, industrielles ou opérationnelles. Plus l'accès est étendu, plus la surface d'exposition augmente : mauvaise configuration, instruction malveillante, ou erreur de conception peuvent donner à l'agent plus d'informations que prévu. Réduire les données accessibles ne supprime pas le risque, mais limite ce qu'un incident pourrait exposer.
Vérifier un résultat sans ouvrir la base
La plateforme vise aussi les auditeurs, les équipes de conformité et d'autres parties prenantes qui doivent contrôler des calculs sans consulter l'ensemble des données d'une entreprise. L'idée n'est donc pas seulement de « protéger un secret » : c'est de rendre une opération vérifiable tout en séparant le calcul de l'accès aux enregistrements.
Dans des organisations où plusieurs équipes travaillent sur les mêmes informations mais n'ont pas les mêmes droits, cette séparation peut aider. L'équipe opérationnelle conserve la maîtrise de la base, pendant qu'un outil de reporting (ou un agent automatisé) vérifie des résultats définis à l'avance.
Space and Time indique travailler avec des acteurs de la construction, de l'ingénierie et de la fabrication, avec l'objectif de réorganiser leurs systèmes autour de l'IA. L'ambition affichée est de permettre à des agents, des outils de reporting et des équipes de conformité de travailler sur des données communes, sans leur donner nécessairement les mêmes autorisations.
Une réduction du risque, pas une promesse « magique »
Il faut éviter d'amalgamer « preuve de calcul » et « confidentialité totale ». Une preuve peut montrer qu'une requête a été exécutée correctement sur un ensemble de données donné. Elle ne prouve pas, à elle seule, que l'application est bien configurée, que les identifiants sont protégés, ou que les résultats ne révèlent aucune information sensible.
L'entreprise doit donc définir ce que l'agent peut demander, quels résultats peuvent être exposés, et comment les accès sont journalisés. La cryptographie peut renforcer une architecture de contrôle. Elle ne dispense pas de construire et d'administrer cette architecture.
Quels usages pour les entreprises et les marchés crypto
Space and Time présente Space and Time Enterprise comme un produit pour les entreprises, pas uniquement comme une brique destinée aux cas blockchain. Parmi les partenaires de lancement figurent Maple Finance (gestion d'actifs on-chain), Indomobil (fabricant et distributeur de véhicules en Indonésie), le cabinet Oracle Trenez, et le réseau de données IA The Data Foundation.
La diversité de ces partenaires suggère une ambition : rendre des calculs vérifiables quand les données sont détenues par une organisation, mais où plusieurs outils ou acteurs doivent pouvoir contrôler des résultats. En revanche, ça ne veut pas dire que tous ces cas d'usage sont déjà déployés à grande échelle. Il s'agit de partenaires de lancement, et les modalités concrètes d'utilisation ne sont pas détaillées dans les informations publiées.
Entre données d'entreprise et automatisation par l'IA
Dans une entreprise industrielle, un agent pourrait chercher à s'appuyer sur des indicateurs calculés à partir de données de production sans recevoir l'ensemble des dossiers. Dans un processus financier, un système de reporting pourrait vérifier un agrégat sans obtenir un accès général aux comptes sous-jacents. Ce sont des exemples du modèle. Space and Time ne promet pas qu'ils se traduiront pareil pour chaque client.
Pour évaluer un cas réel, il faut partir de la tâche à automatiser et des données nécessaires à son exécution. La question ne se limite pas à « peut-on prouver le calcul ? ». Il faut aussi se demander quelle requête doit être autorisée, quel résultat peut être révélé, et qui assume la responsabilité de la qualité des données. Selon la réponse, une preuve peut soit aider concrètement l'opérationnel, soit n'ajouter qu'une couche technique.
Le lien avec SXT Chain et le jeton SXT
Space and Time exploite aussi SXT Chain, un réseau décentralisé visant à fournir des données vérifiables à la finance décentralisée, aux actifs tokenisés et aux stablecoins. D'après Nate Holiday (MakeInfinite Labs), les clients de la version Enterprise peuvent faire fonctionner le produit dans leur environnement. Le réseau intervient quand leurs applications doivent se connecter à des marchés on-chain ; ces charges de travail sont alors payées via Space and Time.
Cette distinction est importante. L'adoption de Space and Time Enterprise ne signifie pas forcément qu'une entreprise doive utiliser une blockchain publique ou acheter le jeton SXT pour ses opérations internes. Le produit peut tourner sur les serveurs du client. Le réseau et son économie deviennent pertinents surtout quand l'usage nécessite une connexion à des marchés on-chain.
Le jeton SXT alimente l'écosystème blockchain de Space and Time. Grayscale a lancé l'année dernière un trust offrant aux investisseurs une exposition à ce jeton. Mais ça ne permet pas, à lui seul, de conclure que la demande de la version Enterprise entraînera mécaniquement plus de demande de SXT : le lien dépendra des applications réellement connectées au réseau et du volume de charges de travail traité.
Quelles limites avant un déploiement
La proposition répond à un vrai besoin, mais elle ne remplace pas une revue d'architecture. L'entreprise doit évaluer si, dans son contexte, la preuve réduit réellement le risque - ou si le principal problème est ailleurs : qualité des données, gouvernance des accès, sécurité de l'agent, ou contrôle de ce qui est exposé.
Le fait de pouvoir exécuter le logiciel sur ses propres serveurs peut rassurer les organisations qui veulent garder la maîtrise de leur environnement. Mais cela n'efface pas l'exploitation au quotidien. Il faut gérer les mises à jour, les sauvegardes, les autorisations, la supervision et l'intégration avec les bases existantes. De la même façon, ne pas avoir à faire tourner une blockchain peut diminuer certaines complexités, mais l'intégration ne sera pas « zéro effort ».
Une grille d'évaluation pragmatique
Avant un pilote, une équipe produit et technique peut passer par cinq points :
- Le besoin de confidentialité : quelles données sont réellement sensibles, et que se passerait-il en cas d'exposition ?
- La tâche de l'agent : l'automatisation nécessite-t-elle les enregistrements bruts, ou seulement un résultat calculé et vérifiable ?
- La qualité des données : quels contrôles repèrent les erreurs de saisie et les incohérences en amont ?
- La performance : les requêtes prévues tiennent-elles les tests sur les volumes et le matériel de production ?
- Le modèle d'exploitation : qui maintient le logiciel, qui contrôle les accès, et que fait-on quand un résultat est incorrect ou mal interprété ?
Un pilote utile reste limité. Choisissez une requête qui a une valeur métier claire, définissez les données concernées, puis comparez l'architecture avec et sans preuve : accès accordés, informations révélées, temps de traitement, coût d'exploitation, et facilité d'audit. Si le gain de contrôle est trop difficile à mesurer, il est probablement trop tôt pour généraliser.
Rattacher la technologie à votre écosystème
Space and Time a levé 20 millions de dollars en 2022 lors d'un tour stratégique mené par M12, le fonds de capital-risque de Microsoft. L'entreprise a aussi lancé Dreamspace, un outil assisté par l'IA construit avec les services Azure AI de Microsoft, qui permet de créer et déployer des applications on-chain sans écrire de code.
L'équipe indique également que la bibliothèque d'accélération cryptographique Blitzar est intégrée au projet Nova de Microsoft, et que ses travaux sur le schéma d'engagement Dory ont contribué au système de preuve Jolt d'a16z crypto. Pris ensemble, ces éléments suggèrent que le travail cryptographique de l'équipe ne se limite pas à Space and Time Enterprise. Mais il ne faut pas en tirer la conclusion automatique que tous les usages commerciaux de la plateforme sont déjà validés partout.
Pour les entreprises européennes, et en particulier celles qui traitent des données personnelles, le RGPD reste un cadre distinct. Une preuve cryptographique ne règle pas, à elle seule, les questions de base légale, de durée de conservation, de droits des personnes, ni de responsabilité du traitement. La conformité dépend de l'ensemble du système et de ses usages.
Conclusion
Space and Time Enterprise cherche à résoudre un problème concret : automatiser des tâches à partir de données privées sans donner à chaque agent ou auditeur un accès général aux bases qui contiennent ces données. Proof of SQL fournit une preuve vérifiable du calcul, et le déploiement sur les serveurs de l'entreprise évite de rendre la blockchain obligatoire pour les usages internes.
Mais la limite est tout aussi nette : on vérifie le traitement, pas la vérité des données, ni la sécurité complète de l'application, ni la conformité réglementaire. La prochaine étape, pour une entreprise, c'est donc un pilote ciblé : une requête métier réelle, et des critères mesurables pour la confidentialité, la performance et l'exploitation.
Comment Proof of SQL vérifie-t-il les calculs
Proof of SQL est la technologie de Space and Time utilisée pour prouver qu'une requête de base de données a été exécutée correctement. Le système relie le résultat à une preuve vérifiable. Ainsi, une partie autorisée peut contrôler le calcul sans recevoir les lignes qui ont servi à le produire.
Le principe repose sur la preuve cryptographique plutôt que sur la confiance dans le système qui annonce le résultat. Dans un scénario classique, on reçoit une réponse et on doit croire que la requête a été exécutée comme prévu. Avec une preuve, on peut vérifier cryptographiquement que le calcul correspond bien à la requête et aux données concernées, sans forcément accéder aux données elles-mêmes.
Space and Time indique que Proof of SQL fonctionne déjà avec BigQuery, le service d'analyse de données de Google Cloud. Avec le lancement de Space and Time Enterprise, les entreprises peuvent aussi exécuter la solution sur leurs propres serveurs. Selon la société, elles n'ont pas besoin de blockchain, ni de matériel spécialisé, ni de s'appuyer sur un service externe de génération de preuves.
Ce que la preuve établit - et ce qu'elle n'établit pas
Le point central : prouver qu'un calcul est exact ne prouve pas que les données d'entrée sont correctes. Si une fiche client contient une erreur, ou si un chiffre a été mal saisi, Proof of SQL peut prouver que la requête a bien traité cette donnée erronée. La qualité des données reste donc un sujet à traiter par les contrôles métier de l'entreprise.
En revanche, la preuve peut améliorer la traçabilité. Elle peut aider à établir quelles données ont été utilisées, et si le traitement annoncé a bien été exécuté. Les contrôles internes restent nécessaires, mais ils peuvent s'appuyer sur un élément vérifiable plutôt que sur un processus opaque.
Autre point à ne pas rater : confidentialité des données et confidentialité des résultats ne se recouvrent pas toujours. Même si les enregistrements ne sont pas transmis, un résultat trop détaillé - ou répété - peut parfois révéler des informations. Il faut donc réfléchir aux sorties autorisées et aux scénarios d'usage, pas seulement à la protection « de la base ».
Des performances à vérifier sur vos requêtes
Space and Time affirme que, grâce à une accélération par processeur graphique, des requêtes prises en charge portant sur des millions de lignes peuvent être exécutées et prouvées en moins d'une seconde. Cette information vient de l'entreprise, et elle ne constitue pas une garantie universelle.
Le temps dépend de la requête, du matériel et de la taille du jeu de données. Une requête simple sur un schéma bien adapté n'a pas le même coût qu'un traitement complexe ou qu'une opération multi-systèmes. Avant un déploiement, il faut donc tester les requêtes réellement utilisées, mesurer le temps de calcul et de génération de preuve, puis vérifier que ça reste acceptable dans le flux de travail complet.