Lagrange est une plateforme décentralisée qui permet aux développeurs d'exécuter des calculs intensifs hors-chaîne, de produire des preuves succinctes en zero-knowledge et de vérifier ces résultats on-chain. Cette approche réduit les coûts on-chain et apporte une garantie cryptographique que des opérations complexes ont été calculées correctement, ce qui est essentiel pour les workflows inter-chaînes, la vérification privée d'IA et les architectures de rollup évolutives.
Plutôt que de réexécuter une logique coûteuse dans un smart contract, Lagrange délègue le travail à une couche de preuve externe. Cette couche effectue les calculs, crée une preuve succincte et renvoie une preuve que les smart contracts peuvent vérifier rapidement. Résultat : consommation de gas réduite, validation plus rapide et moyen vérifiable de transférer des données de confiance entre chaînes.
Le Réseau ZK des prouveurs est un réseau mondial et décentralisé de nœuds qui génèrent des preuves zero-knowledge à la demande. Lorsqu'un développeur soumet une tâche, des opérateurs du réseau effectuent les calculs hors-chaîne et renvoient une preuve compacte. Le design évite le goulot d'étranglement d'un coordinateur unique en utilisant des sous-réseaux indépendants, permettant à plusieurs blockchains et applications d'utiliser le service en parallèle et de monter en charge selon la demande.
Le Coprocesseur ZK est un moteur de requêtes trustless pour les données blockchain. Il permet aux développeurs d'exécuter des requêtes de type SQL sur des états historiques de smart contracts, d'effectuer des calculs complexes comme des moyennes ou des sommes, et de recevoir une preuve ZK garantissant l'exactitude du résultat. Cette preuve peut être utilisée directement par n'importe quel smart contract, permettant un accès sécurisé aux données inter-chaînes sans avoir à faire confiance à des oracles centralisés, des ponts traditionnels ou des indexeurs personnalisés.
DeepProve est une chaîne d'outils zkML qui permet des inférences de machine learning vérifiables. Elle produit des preuves qu'une prédiction donnée a été générée par un modèle particulier avec des entrées spécifiques, tout en gardant le modèle et les données confidentiels. Cela prouve l'intégrité des sorties d'IA sans exposer des modèles propriétaires ou des données sensibles.
Les opérateurs exécutent un logiciel worker léger qui écoute les tâches entrantes. Lorsqu'un développeur demande une preuve, le réseau assigne le travail à des opérateurs sélectionnés qui calculent le résultat hors-chaîne et renvoient une preuve. Pour garantir la fiabilité, les opérateurs mettent en jeu des jetons et encourent des pénalités s'ils n'exécutent pas correctement les tâches, créant de fortes incitations à la performance correcte. Le réseau prend en charge plusieurs systèmes de preuve pour s'adapter à différentes charges de travail.
Lagrange utilise un système appelé Double Auction Resource Allocation (DARA) pour créer un marché juste et efficace. Voici comment il fonctionne : les développeurs soumettent leurs tâches avec le prix maximum qu'ils sont prêts à payer, tandis que les opérateurs enchérissent en indiquant leur capacité et leur prix minimum. Le système DARA associe alors développeurs et opérateurs en priorisant les tâches pouvant être entièrement exécutées. Cela garantit que les développeurs ne paient que pour un travail achevé et que les opérateurs sont rémunérés équitablement, tout en décourageant la manipulation et en favorisant une participation honnête.
Lagrange peut être appliqué dans de nombreux contextes où la computation vérifiable est critique. Les cas d'usage courants incluent :
La plateforme utilise un token utilitaire natif pour payer la génération de preuves, récompenser les opérateurs et permettre le staking ou la délégation. Les tokens financent les demandes de preuve et distribuent des incitations aux prouveurs indépendamment de la devise utilisée pour payer une tâche. Le staking et la délégation alignent les incitations à long terme en permettant aux détenteurs de tokens de soutenir des opérateurs fiables et de partager les récompenses, tandis que le slashing protège l'intégrité du réseau en pénalisant les sous-performances.
Pour les développeurs explorant la computation vérifiable hors-chaîne, Lagrange propose une couche de preuve combinée, un coprocesseur de requêtes et une boîte à outils zkML qui réduisent les coûts on-chain et augmentent la confiance dans des résultats complexes. En séparant le calcul de la vérification et en offrant une allocation de ressources basée sur le marché, la plateforme vise à rendre les preuves scalables et auditables accessibles aux applications inter-chaînes, à l'IA et aux environnements régulés.