Quels sont les besoins pour le prochain jalon de la Finance décentralisée ? - ChainCatcher

Titre original : Le prochain jalon de la Finance décentralisée : Ce qu'il faudra pour que la finance agentique fonctionne

Auteur original : @Lemniscap

Traduction originale : Ismay, BlockBeats

Note de l'éditeur : lorsque le monde de la Finance décentralisée devient si complexe que même les utilisateurs professionnels ont du mal à le maîtriser, comment pouvons-nous réellement redonner le pouvoir aux gens ordinaires ?

Cet article provient d'une recherche de Lemniscap, qui examine systématiquement l'émergence de la « finance décentralisée » et ses défis actuels. Des produits tels que &milo, Meridian, SendAI et The Hive montrent comment l'IA peut devenir une nouvelle interface pour les interactions sur la blockchain, tout en révélant d'énormes lacunes en matière de fiabilité d'exécution, de sécurité des autorisations et de mécanismes de validation. L'auteur souligne que pour que la DeFi passe à la prochaine étape, la clé ne réside pas dans des modèles plus intelligents, mais dans des structures sous-jacentes plus fiables - permettant que chaque action de l'agent soit vérifiable, traçable et digne de confiance.

Ce n'est pas seulement un tournant dans l'évolution technologique, mais aussi une expérience sur la reconstruction de la confiance. Comme il est dit dans le texte : le prochain jalon de la Finance décentralisée n'est pas une plus grande échelle, mais la confiance dans l'automatisation.

D'ici 2025, la Finance décentralisée sera complètement différente de son apparence initiale.

Les données elles-mêmes en disent long : les flux de capitaux institutionnels ont dépassé 10 milliards de dollars en un seul trimestre, avec plus de 3000 protocoles actifs répartis sur des dizaines de chaînes. Le montant total des actifs verrouillés dans les protocoles DeFi sur l'ensemble du réseau atteindra 160 milliards de dollars en 2025, avec une croissance annuelle de 41 % ; le volume cumulatif des transactions de DEX et de Perps est même compté en « billions ».

Avec l'augmentation de la taille de la Finance décentralisée, il y a de plus en plus de choses à faire, mais la complexité augmente également de manière exponentielle. La plupart des gens ne peuvent tout simplement pas suivre tout ce qui se passe sur la chaîne. Si nous souhaitons que davantage de personnes puissent saisir ces nouvelles opportunités, nous devons construire des outils qui permettent aux utilisateurs de prendre plus facilement les bonnes décisions - et c'est précisément la direction dans laquelle se dirige l'avenir.

Parallèlement, l'IA s'est progressivement intégrée dans la vie quotidienne, et les gens ont commencé à adopter de nouvelles habitudes autour de l'automatisation. Cette tendance a donné naissance à la "Finance agentique" - un traitement des opérations financières par des agents intelligents pour la navigation et l'exécution.

Même des outils simples basés sur un navigateur comme Comet montrent l'évolution rapide de ce type d'outil. Lorsque vous effectuez une opération de Finance décentralisée via un proxy de navigateur (comme l'exemple partagé par Yash, le fondateur de SendAI), vous pouvez voir le potentiel de la finance des agents intelligents.

Cette vision est en fait très intuitive : vous n'avez plus besoin de fouiller dans divers tableaux de bord ou longs messages sur X, il vous suffit de dire à l'IA l'objectif que vous souhaitez atteindre, et elle peut automatiquement vous aider à compléter les étapes suivantes.

Actuellement, deux types d'agents intelligents émergent :

Une catégorie est celle des Copilots, qui guident les utilisateurs dans la prise de décisions à travers le monde de la Finance décentralisée ; l'autre catégorie est celle des Quant Agents, qui se concentrent davantage sur l'exécution de stratégies automatisées, équivalentes à des « autopilotes ».

Les deux en sont encore à un stade précoce et présentent des défauts, mais elles pointent toutes deux vers une nouvelle direction : une manière d'interaction DeFi entièrement différente, alimentée par l'IA.

en tant qu'agent intelligent « copilote »

Vous pouvez imaginer ces agents intelligents comme votre assistant personnel. Vous n'avez plus besoin de parcourir des graphiques ou de naviguer entre différents protocoles, il vous suffit de poser des questions en langage naturel, comme : « Quels sont les tokens les plus populaires en ce moment ? » ou « Où sont les rendements les plus élevés ? », et l'agent pourra répondre directement et donner des conseils pour la prochaine étape - comme un ami toujours disponible et bien informé.

Prenons l'exemple de &milo, son mode copilote peut vous aider à prendre des décisions d'investissement, à rééquilibrer vos actifs, à obtenir des insights sur votre portefeuille - vous permettant de garder le contrôle tout en évitant des opérations fastidieuses.

Grâce à des explications en langage naturel et à des suggestions intelligentes, &milo aide les utilisateurs à comprendre leurs positions et à comparer les opportunités de rendement, sans avoir à fouiller dans divers tableaux de bord pour trouver des données. Il montre l'évolution d'un agent de type copilote, passant d'un simple assistant de chat à un guide DeFi complet.

Pour observer la performance de ces agents en situation réelle, nous avons testé plusieurs des derniers produits lancés, afin de vivre de près leur capacité à traiter des tâches réelles de Finance décentralisée.

Les résultats montrent que ces agents ont encore des limitations. Par exemple, ils peuvent identifier avec succès des jetons populaires, mais ne parviennent pas à exécuter correctement les opérations d'achat ; deux transactions ont également échoué, le système indiquant « solde insuffisant », bien que le compte dispose en réalité de suffisamment de SOL pour payer les frais.

Des plateformes similaires comme The Hive ont choisi une voie différente - elles regroupent plusieurs agents de Finance décentralisée en un « essaim », capables de collaborer pour accomplir des tâches complexes telles que les opérations inter-chaînes, les stratégies de rendement et les défenses contre les liquidations, le tout coordonné via une interface de chat simple. Ce réseau composé d'agents dédiés peut effectuer des opérations en chaîne multi-étapes grâce à des instructions en langage naturel.

Nous avons testé la même commande d'achat avec The Hive. Le système a effectivement reconnu le jeton populaire WEED, mais a renvoyé une adresse de contrat incorrecte lors de l'exécution de l'achat.

Dans l'ensemble, Milo a montré comment intégrer des outils de gestion de portefeuille dans un processus fluide, tandis que The Hive explore comment faire collaborer plusieurs agents spécialisés. Avec l'amélioration des capacités des agents intelligents, une division du travail plus marquée commence également à apparaître.

Par exemple, Meridian se concentre sur l'autre extrémité de l'utilisateur - aider les débutants à faire le premier pas vers la Finance décentralisée. Il adopte un design mobile-first, associé à des indications claires, rendant les opérations de base telles que l'échange de devises, le staking ou la consultation des gains plus faciles à aborder.

Meridian se distingue par sa fluidité dans ces tâches essentielles et son exécution rapide. Plus important encore, il est très conscient de ses limites. Lorsque les utilisateurs lui demandent d'exécuter des opérations en dehors de son champ d'application, il explique la raison plutôt que d'essayer aveuglément - cette « honnêteté » en fait un point de départ fiable pour les novices explorant le monde de la chaîne.

Le fondateur de Meridian, Benedict, a expliqué :

«Meridian permet aux utilisateurs d'effectuer des recherches et des opérations sécurisées en langage naturel. Nous avons ouvert gratuitement au public la fonction de recherche par agent, disponible sur le site meridian.app. Les utilisateurs qui s'inscrivent à l'application mobile Meridian peuvent utiliser les fonctions d'échange de jetons (swap), d'échange multi-devises (multi-swap) et d'achat de portefeuilles. Actuellement, les comptes sont encore en phase de test fermée, les utilisateurs intéressés peuvent contacter @bqbrady sur Twitter pour demander une expérience.»

À travers nos tests, nous avons constaté qu'actuellement, la plupart des agents IA axés sur la navigation dans la Finance décentralisée restent davantage dans le rôle de « professeur » ou « assistant », aidant principalement les utilisateurs à accomplir les opérations les plus basiques (comme échanger des devises).

Il est encore nécessaire d'apporter des améliorations supplémentaires pour leur permettre de gérer de manière fiable des processus plus complexes, tels que fournir de la liquidité, gérer des positions à effet de levier, etc.

Comme l'a souligné Rishin Sharma, responsable de l'IA à la Fondation Solana :

« Les modèles de langage de grande taille (LLMs) ont tendance à faire des illusions lorsqu'ils traitent des tâches larges et ont du mal à exécuter des opérations déterministes. Un mécanisme d'appel de fonction comme MCP pourrait être plus adapté pour transformer un 'plan d'action' en exécution réelle. Bien que les LLMs se débrouillent bien au niveau de la conception et de l'orientation, ils peinent encore à exécuter avec précision. Pour rendre les agents intelligents en finance véritablement fiables, il est nécessaire de dépasser les LLMs, de développer des mécanismes d'appel de fonction spécifiques, des stratégies d'exécution claires, une vérifiabilité, ainsi qu'un système de permissions sécurisé. En d'autres termes, le niveau d'exécution des agents intelligents d'aujourd'hui est encore sous-développé - le 'cerveau' de l'IA est déjà assez intelligent, mais il lui manque encore un 'corps' capable d'agir de manière robuste. »

en tant qu'agent intelligent de « conduite autonome »

Si le type « copilote » de l'agent ressemble davantage à un mentor, le type « quantitatif » d'agent ressemble plutôt à un système de conduite autonome. Ils peuvent non seulement construire des stratégies, mais aussi les exécuter réellement - surveiller le marché en temps réel, tester les transactions et agir automatiquement à la vitesse des machines, permettant aux stratégies DeFi complexes de passer en mode « fonctionnement entièrement automatique ».

Un exemple typique en cours de formation provient de SendAI. Ce n'est pas un agent quantitatif en soi, mais une suite d'outils permettant à d'autres de créer ces agents. Le "Agent Kit" conçu pour Solana prend en charge plus de 60 opérations autonomes, y compris l'échange de jetons, l'émission de nouveaux actifs, la gestion des prêts, etc., et peut interagir directement avec des protocoles majeurs tels que Jupiter, Metaplex et Raydium.

En d'autres termes, il fournit aux développeurs un « système de rails » leur permettant d'intégrer directement des modèles de décision pour une exécution sur la chaîne.

Le fondateur de SendAI, Yash, a clairement résumé leur vision :

« Nous croyons que chaque agent IA possédera un jour son propre portefeuille. SendAI construit les outils et les couches économiques nécessaires pour que ces agents puissent exécuter n'importe quelle opération sur Solana. Nous sommes en train de créer une plateforme qui permettra à ces agents d'avoir une capacité de perception contextuelle et de prendre en charge l'exécution de tâches complexes de manière durable, persistante et asynchrone. »

En attendant, d'autres équipes s'efforcent de rendre cette capacité plus accessible. Lomen est responsable de la sélection des stratégies et permet aux utilisateurs de « déployer en un clic », ce qui réduit le seuil d'accès à l'automatisation quantitative sans avoir besoin d'écrire du code.

Et pour les « joueurs avancés » qui préfèrent un système personnalisé, Unblinked propose un environnement d'expérimentation de stratégie alimenté par l'IA. C'est comme Cursor dans le domaine du trading : les utilisateurs peuvent d'abord esquisser leurs idées de stratégie, les exécuter et les optimiser dans un environnement sécurisé de type sandbox, puis décider s'ils veulent investir de l'argent réel.

Il existe également certaines plates-formes qui choisissent d'utiliser plusieurs agents en collaboration pour accomplir des tâches.

Par exemple, Almanak combine le « bot de programmation » et le « bot de backtesting » : les utilisateurs décrivent des stratégies en langage naturel, l'IA génère automatiquement du code de niveau production et effectue un backtesting avec plus de 10 000 simulations de Monte Carlo, produisant finalement un résultat de stratégie « prêt à l'emploi ».

Enfin, l'équipe a également concentré son attention sur les avantages du marché en temps réel.

L'agent ARMA de Giza réajuste activement les fonds entre différents protocoles de prêt afin de maximiser les rendements des stablecoins. Plutôt que de laisser les fonds stagner dans un seul pool, ARMA surveille en permanence les taux d'intérêt, la liquidité et les coûts de Gas, et déplace dynamiquement les actifs. Son agent phare a déjà géré plus de 17 millions de dollars de fonds, affirmant que le rendement est supérieur de 83 % à celui d'une position statique.

Dans l'ensemble, ces agents quantitatifs réduisent considérablement le coût du temps et permettent aux utilisateurs ordinaires d'accéder à des stratégies complexes qui étaient auparavant réservées aux équipes de quantification professionnelles. Mais en même temps, ils révèlent également la vulnérabilité de l'automatisation : lorsque les données sont retardées, que le protocole est suspendu ou que le marché connaît des fluctuations extrêmes, les agents peuvent encore « trébucher ».

En d'autres termes, ils peuvent effectivement vous rendre plus rapide, mais ils ne sont pas encore qualifiés d'« invincibles ».

Leur problème réside dans

Après avoir passé un certain temps avec les agents intelligents actuels, vous remarquerez certains problèmes similaires : ils peuvent parfois suggérer d'exécuter des opérations qui n'existent plus, comme une piscine de liquidités qui a déjà été fermée ; les données dont ils dépendent sont souvent en retard par rapport à l'état réel de la chaîne ; si une erreur se produit en cours de route dans un plan en plusieurs étapes, ils ne s'ajustent pas d'eux-mêmes, mais tentent de répéter la même action.

La gestion des permissions est également très maladroite : soit l'utilisateur doit accorder un accès complet à l'ensemble du portefeuille, soit il doit approuver manuellement chaque petite opération. La phase de test est tout aussi superficielle, et l'environnement simulé a du mal à reproduire fidèlement le « chaos réel » des variations de liquidité sur la chaîne ou des ajustements de paramètres de gouvernance.

L'un des problèmes les plus graves est que ces agents fonctionnent presque comme une « boîte noire ».

Les utilisateurs ne peuvent pas savoir quelles entrées ont été lues, comment les options ont été pondérées, s'il a vérifié l'état en temps réel, et ne savent pas pourquoi une transaction spécifique a été choisie pour être exécutée. Sans enregistrement des opérations vérifiées par signature, il est impossible de vérifier la cohérence entre les « résultats promis » et les « exécutions réelles ».

Les utilisateurs ne peuvent utiliser qu'en même temps qu'ils "gardent" le processus automatisé - non seulement l'efficacité est faible, mais la performance est également difficile à évaluer.

Si aucune mécanisme permettant de vérifier les décisions et de prouver que les actions respectent bien la stratégie définie n'existe, les utilisateurs ne pourront jamais distinguer un « système fiable » d'un « marketing bien emballé ».

Pour des capitaux de plus grande envergure, les plateformes de Finance décentralisée doivent passer de « Faites-nous confiance » à « Veuillez vérifier ». C'est également un tournant clé pour établir une infrastructure financière d'agents intelligents qui soit « auditable, gouvernable et digne de confiance ».

manque d'infrastructure

La question centrale est que le système actuel manque des outils fondamentaux permettant aux agents de rester fiables, cohérents et sécurisés dans des scénarios à grande échelle. Pour résoudre ce problème, nous avons besoin d'une infrastructure capable de vérifier le comportement des agents, de confirmer les résultats d'exécution et de suivre des règles uniformes dans tous les environnements. Ce n'est qu'ainsi que les gens seront en sécurité en confiant leur argent réel.

Cependant, la plupart des utilisateurs ne se soucient pas vraiment du « processus de réflexion » des agents, ils veulent simplement s'assurer que le résultat produit est correct, vérifié et dans les limites de sécurité. En termes d'établissement de confiance, la « fiabilité vérifiable » est plus importante que la « visibilité ».

C'est précisément ce que signifie la « Fiabilité Vérifiable (Verifiable Reliability) ». Les agents n'ont pas besoin d'enregistrer chaque étape de l'opération interne, mais ils doivent fonctionner sous des stratégies claires et des vérifications raisonnables : définir un plafond de dépenses, exécuter dans une fenêtre de temps, des points de confirmation avant des opérations clés, etc.

Au niveau fondamental, ces règles peuvent être garanties par un environnement d'exécution de confiance (TEE) ou des systèmes similaires - sans exposer tous les détails, tout en prouvant que l'agent respecte effectivement les limites. Le résultat est : des sorties pouvant être auditées en cas de besoin, ainsi que des opérations auxquelles les utilisateurs ordinaires peuvent faire confiance immédiatement.

Cette couche de validation ne doit pas être « uniforme ». Pour les scénarios quotidiens, une protection sécuritaire allégée et des indicateurs standardisés peuvent être utilisés ; tandis que pour les scénarios à haut risque ou de niveau institutionnel, des preuves plus robustes et une validation formelle peuvent être exigées. L'essentiel est que chaque couche d'infrastructure doit offrir une fiabilité mesurable correspondant à son niveau de risque.

Préparez le protocole pour l'agent

La prochaine étape à compléter est de rendre le protocole « amical pour les agents ».

Actuellement, la plupart des protocoles de Finance décentralisée ne sont pas conçus pour les agents intelligents. Ils doivent offrir une interface d'exécution plus stable et plus sécurisée : la possibilité de prévisualiser les opérations, de réessayer en toute sécurité et d'exécuter sur la base de structures de données cohérentes. La conception des autorisations doit également être « limitée » plutôt que « entièrement ouverte », permettant aux agents d'agir dans des limites clairement définies, plutôt que de contrôler l'ensemble du portefeuille.

Dans ces conditions de base manquantes, même le cadre d'agent le plus intelligent peut être « entravé » par une base sous-jacente fragile. Une fois ces fondations améliorées, les utilisateurs n'auront plus besoin de surveiller manuellement les processus d'automatisation ; les équipes de développement pourront réduire le temps de débogage et se concentrer sur l'innovation ; les résultats d'exécution des différents fournisseurs pourront également être comparables grâce à des normes partagées – ce ne sera plus seulement un slogan promotionnel.

Partie à changer

La solution n'est en fait pas complexe : rendre les agents vérifiables (Provable) et préparer le protocole pour les agents (Agent-ready). Ajouter une couche de stratégie entre l'agent et le portefeuille, et exiger que tous les processus d'exécution soient traçables et vérifiables, et non pas en "boîte noire".

Par exemple, le moteur SVM de Termina est construit sur cette idée : il fournit un véritable environnement d'exécution Solana pour les agents AI, permettant aux agents de modéliser, de prendre des décisions et d'apprendre en se basant sur des données en chaîne. En même temps, les protocoles doivent ouvrir des interfaces d'opération « dry-run », des codes d'erreur clairs, un mécanisme de reprise sécurisé, la cohérence des structures de données principales (positions, frais, santé), ainsi qu'un contrôle des autorisations basé sur des sessions.

Lorsque ces fonctionnalités seront mises en œuvre, les utilisateurs pourront se débarrasser du fardeau des agents de « garde » ; l'équipe pourra réduire les pannes système ; les investisseurs institutionnels pourront enfin obtenir la sécurité et les preuves vérifiables dont ils ont besoin.

Horaire réel

Au cours des six prochains mois, on s'attend à ce que les agents de type « co-pilote » s'améliorent le plus rapidement. Des pipelines de données plus complets amélioreront leur fiabilité dans les scénarios d'utilisation quotidienne.

Dans un an, avec le renforcement des normes de test, les agents seront capables de coordonner l'exécution entre protocoles, les humains n'ayant qu'à approuver les étapes clés. À plus long terme, à mesure que l'infrastructure mûrit, les agents intelligents pourraient progressivement devenir le niveau d'interaction par défaut de la Finance décentralisée — ne plus être des « outils » séparés, mais devenir le principal moyen par lequel les gens interagissent quotidiennement avec le système financier.

Conclusion

« Finance agentique » (Agentic Finance) abaisse le seuil de participation, rendant l'automatisation accessible au-delà des seuls experts. Mais pour fonctionner à grande échelle, elle a encore besoin d'une meilleure « fondation » : des données en temps réel, des mécanismes d'autorisation plus sécurisés, des systèmes de test plus robustes et des résultats d'exécution plus transparents.

S'appuyer uniquement sur une IA plus intelligente ne résoudra pas ces problèmes. Le véritable progrès viendra de l'amélioration des structures sous-jacentes.

Le prochain jalon de la Finance décentralisée n'est pas seulement la croissance de l'échelle, mais plutôt — la confiance dans l'automatisation. Et ce jour-là, n'arrivera vraiment que lorsque les agents IA ne seront plus de simples « démonstrations conceptuelles », mais deviendront de véritables exécutants fiables.