Pourquoi DeFi est-il le prochain jalon de l'IA ?

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

Auteur original : @Lemniscap

Texte original traduit : 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 rendre le pouvoir aux gens ordinaires ?

Cet article provient d'une étude de Lemniscap, qui examine systématiquement l'émergence de la « finance des agents intelligents » et ses défis contemporains. Des produits précoces tels que &milo, Meridian à SendAI, The Hive, ont montré comment l'IA peut devenir une nouvelle interface pour les interactions sur la chaîne, tout en révélant de grandes lacunes en matière de fiabilité d'exécution, de sécurité des autorisations et de mécanismes de vérification. L'auteur souligne que pour que la finance décentralisée (DeFi) progresse vers sa prochaine étape, la clé ne réside pas dans des modèles plus intelligents, mais dans une structure sous-jacente plus fiable - permettant que chaque action de l'agent soit vérifiable, traçable et digne de confiance.

C'est non seulement un tournant dans l'évolution technologique, mais aussi une expérience sur la reconstruction de la confiance. Comme le dit 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 parlent d'elles-mêmes : les fonds institutionnels ont afflué à plus de 10 milliards de dollars au cours d'un seul trimestre, et le nombre de protocoles actifs répartis sur des dizaines de chaînes a dépassé 3000. Le montant total des actifs verrouillés dans les protocoles DeFi sur l'ensemble du réseau atteindra 160 milliards de dollars en 2025, avec une augmentation annuelle de 41 % ; le volume total des transactions DEX et Perps est même compté en « billions ».

Avec l'augmentation de la taille de la Finance décentralisée, de plus en plus de choses peuvent être faites, mais la complexité a également considérablement augmenté. La plupart des gens ne peuvent tout simplement pas suivre tout ce qui se passe sur la chaîne. Si nous voulons que davantage de personnes saisissent 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 du développement futur.

En même temps, l'IA s'est progressivement intégrée dans la vie quotidienne, et les gens commencent à adopter de nouvelles habitudes autour de l'automatisation. Cette tendance a donné naissance à la « Finance décentralisée » — la navigation et l'exécution des opérations financières gérées par des agents intelligents.

Même un simple proxy basé sur le navigateur comme Comet montre l'évolution rapide de ces outils. 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 réalité très intuitive : vous n'avez plus besoin de fouiller dans divers tableaux de bord ou de longs posts sur X, il vous suffit de dire à l'IA l'objectif que vous souhaitez atteindre, et elle pourra automatiquement vous aider à accomplir les étapes suivantes.

Actuellement, deux types d'agents intelligents émergent :

Une catégorie est celle des Copilots, qui guident les utilisateurs dans le monde entier de la Finance décentralisée pour prendre des décisions ; l'autre catégorie est celle des Quant Agents, qui sont plus axés sur l'exécution automatique de stratégies professionnelles, équivalente à « autopilotes (Autopilots) ».

Les deux en sont encore à leurs débuts 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, par exemple : « 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 plein de connaissances.

Prenons l'exemple de &milo, son mode copilote peut vous aider à prendre des décisions d'investissement, à réaliser un rééquilibrage d'actifs, à obtenir des aperçus de portefeuille - vous permettant de garder le contrôle tout en évitant les opérations compliquées.

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

Pour observer la performance de ces agents dans des opérations réelles, nous avons testé quelques-uns des produits récemment lancés, en faisant l'expérience de leur capacité à traiter des tâches réelles de Finance décentralisée.

Les résultats montrent que ces agents ont toujours des limites. Par exemple, ils peuvent identifier avec succès des tokens populaires, mais ne peuvent pas exécuter correctement les opérations d'achat. De plus, deux transactions ont échoué avec un message du système indiquant « Solde insuffisant », bien que le compte ait en réalité suffisamment de SOL pour couvrir les frais de transaction.

Des plateformes similaires comme The Hive ont suivi une voie différente : elles rassemblent plusieurs agents de Finance décentralisée en un « essaim », capable d'accomplir des tâches complexes telles que l'interopérabilité entre chaînes, les stratégies de rendement et la défense contre les liquidations, le tout coordonné via une interface de chat simple. Ce réseau composé d'agents spécialisés peut effectuer des opérations en chaîne en plusieurs étapes à l'aide d'instructions en langage naturel.

Nous avons testé le même ordre d'achat avec The Hive. Le système a effectivement identifié 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, des spécialisations plus marquées commencent également à apparaître.

Par exemple, Meridian se concentre sur un autre segment d'utilisateurs - aider les débutants à faire le premier pas dans la Finance décentralisée. Il adopte un design mobile-first, associé à des instructions claires, rendant les opérations de base telles que l'échange de monnaies, le staking ou la consultation des rendements plus accessibles.

Meridian effectue ces tâches essentielles de manière fluide et rapide, et surtout, il a une très bonne connaissance de ses limites. Lorsque les utilisateurs lui demandent d'effectuer des opérations en dehors de son champ d'application, il explique les raisons plutôt que d'essayer aveuglément—cette « honnêteté » en fait un point de départ fiable pour les débutants 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 l'agent, disponible sur meridian.app. Les utilisateurs de l'application mobile Meridian peuvent utiliser les fonctionnalités 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 fermé, 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 jouent davantage le rôle de « professeur » ou d'« assistant », aidant principalement les utilisateurs à effectuer les opérations les plus basiques (comme échanger des devises).

Pour qu'ils puissent traiter de manière fiable des processus plus complexes – tels que fournir de la liquidité, gérer des positions à effet de levier, etc. – des améliorations supplémentaires sont encore nécessaires.

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

« Les modèles de langage de grande taille (LLMs) ont tendance à halluciner lorsqu'ils traitent des tâches variées et peinent à exécuter des opérations déterministes. En revanche, des mécanismes d'appel de fonction comme MCP pourraient mieux convenir pour transformer un "plan d'action" en exécution réelle. Bien que les LLMs se comportent bien au niveau de la conception et des directives, ils restent inefficaces en matière d'exécution précise. Pour rendre les agents intelligents dans le domaine financier véritablement fiables, il est nécessaire de dépasser les LLMs et 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 suffisamment intelligent, mais il lui manque encore un "corps" capable d'agir de manière robuste. »

en tant qu'agent intelligent de « conduite autonome »

Si l'on dit que le type d'agent « copilote » ressemble davantage à un mentor, alors le type d'agent « quantitatif » ressemble plus à un système de conduite autonome. Ils peuvent non seulement élaborer des stratégies, mais aussi les exécuter réellement - surveillant le marché en temps réel, testant les transactions et agissant automatiquement à la vitesse de la machine, permettant aux stratégies DeFi complexes d'entrer en mode « fonctionnement entièrement automatique ».

Un exemple typique en cours de formation vient de SendAI. Ce n'est pas un agent quantitatif en soi, mais plutôt un ensemble d'outils permettant à d'autres de créer ces agents. Son "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, 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 aura à l'avenir son propre portefeuille. SendAI est en train de construire les outils et la couche économique nécessaires à ce système, permettant à ces agents d'exécuter n'importe quelle opération sur Solana. Nous créons une plateforme qui permet à ces agents de disposer de capacités de perception contextuelle, et de soutenir l'exécution de tâches complexes de manière prolongée, durable et asynchrone. »

En parallèle, 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 », réduisant ainsi le seuil d'accès à l'automatisation quantitative sans avoir besoin de coder.

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

Il existe également des plateformes qui choisissent d'appeler plusieurs agents en collaboration pour accomplir des tâches.

Par exemple, Almanak combine « agent de programmation » et « agent de backtesting » : les utilisateurs décrivent des stratégies en langage naturel, l'IA génère automatiquement du code de 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 se concentre sur l'avantage du marché en temps réel.

L'agent ARMA de Giza ajustera activement les fonds entre les différents protocoles de prêt pour maximiser les rendements des stablecoins. Plutôt que de laisser les fonds stagner dans un seul pool, ARMA surveillera en continu les taux d'intérêt, la liquidité et les coûts de Gas, et déplacera 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. Cependant, ils révèlent également la vulnérabilité de l'automatisation : lorsque les données sont retardées, que les protocoles sont suspendus ou que le marché subit des fluctuations extrêmes, les agents peuvent toujours "trébucher".

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

Leur problème est là.

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 un pool de liquidités déjà fermé ; les données sur lesquelles ils s'appuient sont souvent en retard par rapport à l'état réel de la chaîne ; une fois qu'une erreur se produit en cours de route dans un plan en plusieurs étapes, ils ne s'ajustent pas d'eux-mêmes, mais essaient à plusieurs reprises la même action.

La gestion des autorisations 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, l'environnement de simulation ayant du mal à reproduire fidèlement les changements de liquidité soudains ou les ajustements des paramètres de gouvernance dans le "chaos réel".

L'un des problèmes les plus graves est que ces agents fonctionnent presque comme des « boîtes noires ».

L'utilisateur ne peut pas savoir quelles entrées il a lues, comment il a évalué les options, s'il a vérifié l'état en temps réel, ni pourquoi il a choisi d'exécuter une transaction spécifique. Sans enregistrement des opérations vérifiées par signature, il est impossible de vérifier la cohérence entre le "résultat promis" et l'"exécution réelle".

L'utilisateur ne peut utiliser le processus qu'en le « surveillant » de manière automatique - ce qui non seulement est peu efficace, mais rend également l'évaluation des performances difficile.

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

Pour un capital à plus grande échelle, 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 fiable ».

manque d'infrastructure

La question centrale est que le système actuel manque des outils de base 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 de l'exécution et de suivre des règles uniformes dans tous les environnements. Ce n'est qu'ainsi que les gens seront en mesure de confier leur argent réel.

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

C'est précisément là que réside le sens de la « Fiabilité vérifiable (Verifiable Reliability) ». Les agents n'ont pas besoin d'enregistrer chaque étape des opérations internes, mais doivent fonctionner sous des politiques claires et des vérifications raisonnables : définir un plafond de dépenses, une fenêtre temporelle d'exécution, des points de confirmation avant les opérations clés, etc.

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

Cette couche de validation n'a pas besoin d'être « universelle ». Les scénarios quotidiens peuvent adopter des protections de sécurité allégées et des indicateurs standardisés ; tandis que les scénarios à haut risque ou de niveau institutionnel peuvent exiger des preuves plus solides et une validation formelle. L'essentiel est que chaque couche d'infrastructure doit offrir une fiabilité mesurable et adaptée à son niveau de risque.

Préparez le protocole pour l'agent

La prochaine étape à compléter est de rendre le protocole « ami des agents ».

Actuellement, la plupart des protocoles de Finance décentralisée ne sont pas conçus pour des agents intelligents. Ils doivent fournir des interfaces d'exécution plus stables et plus sécurisées : pouvant prévisualiser les opérations, réessayer de manière sécurisée, et exécuter sur la base de structures de données cohérentes. La conception des autorisations devrait également être "limitée", et non "totalement 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'agents le plus intelligent peut être « entravé » par une base sous-jacente fragile. Une fois que ces fondations sont améliorées, les utilisateurs n'ont plus besoin de surveiller manuellement les processus automatisés ; les équipes de développement peuvent réduire le temps de débogage et se concentrer sur l'innovation ; les résultats d'exécution des différents fournisseurs peuvent également être comparables grâce à des normes partagées - ce n'est plus simplement un slogan.

partie qui doit 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 ce principe : il fournit un véritable environnement d'exécution Solana pour les agents AI, permettant aux agents de modéliser, de prendre des décisions et d'apprendre à partir des données on-chain. Dans le même temps, le protocole doit ouvrir des interfaces d'opération « dry-run », des codes d'erreur clairs, un mécanisme de réessai sécurisé, la cohérence des structures de données fondamentales (positions, frais, santé), ainsi qu'un contrôle d'accès basé sur des sessions.

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

calendrier réel

Au cours des six prochains mois, on s'attend à ce que les agents de type « copilote » 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 à travers les protocoles, les humains n'ayant besoin d'approuver que les étapes clés. À plus long terme, à mesure que l'infrastructure mûrit, les agents intelligents pourraient progressivement se brouiller en tant que couche d'interaction par défaut de la Finance décentralisée - ne plus être des « outils » séparés, mais devenir le principal moyen par lequel les gens interagissent avec le système financier au quotidien.

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 nécessite encore de meilleures « fondations » : des données en temps réel, des mécanismes d'autorisation plus sûrs, 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 d'IA ne seront plus de simples "démonstrations conceptuelles" mais deviendront de véritables exécutants fiables.