Que faut-il encore pour la prochaine étape de la Finance décentralisée ?

Titre original : « Finance décentralisée : ce qu'il faudra pour que la finance agentique fonctionne »

Auteur : @Lemniscap

Traduit par : Ismay, BlockBeats

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 est issu d'une recherche de Lemniscap, qui examine systématiquement l'émergence de la « finance décentralisée » et ses défis actuels. Des produits comme &milo, Meridian à SendAI, The Hive, montrent comment l'IA peut devenir une nouvelle interface pour les interactions sur la chaîne, 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 une structure sous-jacente plus fiable - 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 mentionné dans le texte : le prochain jalon de la Finance décentralisée n'est pas une plus grande échelle, mais une 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 en un trimestre, avec plus de 3000 protocoles actifs répartis sur des dizaines de chaînes. Le montant total des actifs verrouillés dans les protocoles DeFi de l'ensemble du réseau atteindra 160 milliards de dollars en 2025, soit une augmentation de 41 % par rapport à l'année précédente ; le volume total des transactions de DEX et de Perps est également 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 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 voulons que plus de personnes saisissent ces nouvelles opportunités, nous devons construire des outils qui permettent aux utilisateurs de prendre plus facilement des décisions correctes - et c'est précisément la direction de développement pour l'avenir.

Parallèlement, 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 » — des agents intelligents gérant la navigation et l'exécution des opérations financières.

Même des agents simples basés sur le navigateur comme Comet montrent l'évolution rapide de ce type d'outils. Lorsque vous effectuez une opération DeFi 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 chercher dans divers tableaux de bord ou de longs posts sur X, il vous suffit de dire à l'IA quel objectif vous souhaitez atteindre, et elle peut automatiquement vous aider à réaliser 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 dans le monde de la Finance décentralisée ; l'autre catégorie est celle des Quant Agents, qui se concentrent davantage sur l'exécution de stratégies automatisées, équivalente à des « pilotes automatiques (Autopilots) ».

Les deux en sont encore à un stade précoce et présentent des défauts, mais ils pointent tous deux vers une nouvelle direction : une manière d'interaction dans la Finance décentralisée entièrement différente, propulsée par l'IA.

En tant qu'agent intelligent "co-pilote"

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 jetons les plus populaires en ce moment ? » ou « Où sont les rendements les plus élevés ? », et l'agent pourra répondre directement et donner des conseils sur les prochaines étapes - 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 effectuer un rééquilibrage d'actifs, à obtenir des insights de portefeuille - vous permettant de garder le contrôle tout en évitant des opérations fastidieuses.

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

Afin d'observer la performance de ces agents dans des opérations réelles, nous avons testé plusieurs des derniers produits publiés, vivant personnellement leur capacité à traiter de vraies tâches de Finance décentralisée.

Les résultats montrent que ces agents ont encore des limites. Par exemple, ils peuvent identifier avec succès des tokens populaires, mais ne peuvent pas exécuter correctement les opérations d'achat ; deux transactions ont également échoué, le système indiquant "solde insuffisant", bien qu'il y ait en réalité suffisamment de SOL sur le compte pour payer les frais.

Des plateformes similaires comme The Hive ont suivi une voie différente : elles regroupent plusieurs agents de Finance décentralisée en un « essaim », capable d'accomplir de manière collaborative des tâches complexes telles que les opérations inter-chaînes, les stratégies de rendement et la défense contre les liquidations. Toutes les opérations sont coordonnées et exécutées via une interface de chat simple. Ce réseau composé d'agents dédiés peut réaliser des opérations en chaîne multi-étapes grâce à des 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 il 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 travailler plusieurs agents spécialisés en collaboration. Avec l'amélioration des capacités des agents intelligents, une division du travail plus marquée commence 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 axé sur mobile, accompagné d'indications claires, facilitant ainsi les opérations de base telles que l'échange de devises, le staking ou la consultation des gains.

Meridian se distingue par sa fluidité et sa rapidité d'exécution dans ces tâches essentielles, et plus important encore, il a une très bonne compréhension de ses limites. Lorsque les utilisateurs lui demandent d'effectuer des opérations en dehors de son domaine, il explique la raison au lieu d'essayer aveuglément — cette "honnêteté" en fait un point de départ fiable pour les novices explorant le monde de la blockchain.

Le fondateur de Meridian, Benedict, a expliqué :

« Meridian permet aux utilisateurs de mener des recherches et des opérations sécurisées en langage naturel. Nous avons ouvert gratuitement au public la fonction de recherche par agent, accessible à l'adresse meridian.app. Les utilisateurs enregistrés sur l'application mobile Meridian peuvent utiliser les fonctions d'échange de jetons (swap), d'échange multi-monnaies (multi-swap) et d'achat de portefeuille. Actuellement, les comptes sont encore en phase de test fermé, les utilisateurs intéressés peuvent contacter @bqbrady sur Twitter pour demander à participer à l'expérience. »

Grâce à nos tests, nous avons constaté qu'actuellement, la plupart des agents IA axés sur la navigation DeFi se limitent davantage à des rôles de « professeur » ou « assistant », aidant principalement les utilisateurs à accomplir les opérations les plus basiques (comme l'échange de devises).

Il est encore nécessaire d'apporter des améliorations supplémentaires pour leur permettre de traiter de manière fiable des processus plus complexes, tels que la fourniture de liquidités, la gestion 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 générer des hallucinations lorsqu'ils traitent des tâches variées et ont du mal à effectuer des opérations déterministes. Des mécanismes d'appel de fonctions comme MCP pourraient être plus adaptés pour transformer un "plan d'action" en exécution réelle. Bien que le LLM fonctionne bien au niveau de la conception et des directives, il reste limité en termes d'exécution précise. Pour rendre les agents intelligents en finance véritablement fiables, il est nécessaire de dépasser le LLM en développant des mécanismes d'appel de fonctions spécifiques, des stratégies d'exécution claires, une vérifiabilité, et 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 suffisamment intelligent, mais il lui manque un "corps" capable d'agir de manière robuste.»

En tant qu'agent intelligent de « conduite autonome »

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

Un exemple typique en cours de formation vient de SendAI. Ce n'est pas un agent quantitatif en soi, mais 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 tokens, 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, cela offre aux développeurs un « système de rails » leur permettant d'intégrer directement des modèles de décision pour 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 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 sommes en train de créer une plateforme qui permettra à ces agents de disposer de la capacité de perception contextuelle et de prendre en charge l'exécution de tâches complexes de manière prolongée, persistante 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 », abaissant ainsi le seuil d'accès à l'automatisation quantitative sans avoir besoin d'écrire du code.

Et pour les « joueurs avancés » qui préfèrent des systèmes personnalisés, Unblinked propose un environnement d'expérimentation stratégique alimenté par l'IA. C'est comme un Curseur 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 souhaitent 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 le « proxy de programmation » et le « proxy de backtesting » : les utilisateurs décrivent des stratégies en langage naturel, l'IA génère automatiquement du code de niveau production et effectue des tests de 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 ajuste activement les fonds entre différents protocoles de prêt pour maximiser les rendements des stablecoins. Au lieu 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 quantifiées professionnelles. Cependant, 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 toujours « trébucher ».

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

Leur problème réside là.

Après avoir interagi avec des agents intelligents pendant un certain temps, vous constaterez des problèmes similaires : ils peuvent parfois suggérer d'exécuter des opérations qui n'existent plus, comme un pool de liquidité déjà fermé ; les données sur lesquelles ils se basent 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 à plusieurs étapes, ils ne s'ajustent pas d'eux-mêmes, mais essaient de répéter 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 imprévus sur la chaîne ou les ajustements de paramètres de gouvernance, etc., qui sont des « désordres réels ».

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

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, et ne sait pas pourquoi il a choisi d'exécuter une transaction spécifique. Sans enregistrement des opérations vérifié par signature, il est impossible de vérifier la cohérence entre les « résultats promis » et « l'exécution réelle ».

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

Si aucune méthode permettant de vérifier les décisions et de prouver que les actions respectent bien la stratégie établie 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 "Croyez-nous" à "Veuillez vérifier". C'est également un tournant clé pour établir une infrastructure financière d'agents intelligents qui soit "auditable, gouvernable et fiable".

écart d'infrastructure

La question centrale réside dans le fait que le système actuel manque d'outils fondamentaux permettant aux agents de rester fiables, cohérents et sécurisés dans des scénarios à grande échelle. Pour résoudre cela, nous avons besoin d'une infrastructure capable de vérifier le comportement des agents, de confirmer les résultats des exécutions et de suivre des règles uniformes dans tous les environnements. Ce n'est qu'ainsi que les gens seront rassurés 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 s'assurer que le résultat de sortie 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 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 stratégies claires et des vérifications raisonnables : établir des limites de dépenses, des fenêtres de temps d'exécution, des nœuds 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 avoir à dévoiler tous les détails, tout en prouvant que les agents respectent effectivement les limites. Le résultat est : des sorties qui peuvent être auditées si nécessaire, et des opérations auxquelles les utilisateurs ordinaires peuvent faire confiance immédiatement.

Cette couche de validation n'a pas besoin d'être « uniforme ». 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 fournir 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 des agents intelligents. Ils doivent fournir des interfaces d'exécution plus stables et plus sécurisées : pouvant prévisualiser les opérations, réessayer en toute sécurité et exécuter sur la base d'une structure de données cohérente. La conception des permissions devrait également être « limitée » et non « totalement ouverte », permettant aux agents d'agir dans des limites clairement définies et non de contrôler l'ensemble du portefeuille.

Dans ces conditions de bases manquantes, même le cadre d'agent le plus intelligent sera entravé par des fondations fragiles. Une fois que ces fondations seront 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 prestataires pourront également être comparables grâce à des normes partagées - ce ne sera plus seulement un slogan.

Parties à changer

La solution n'est en réalité pas compliquée : rendre l'agent vérifiable (Provable) et préparer le protocole pour l'agent (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 IA, permettant aux agents de modéliser, de prendre des décisions et d'apprendre en se basant sur des données on-chain. En même temps, les protocoles doivent ouvrir une interface d'opération pouvant être « dry-run », avec des codes d'erreur clairs, un mécanisme de réessai sécurisé, la cohérence des structures de données principales (positions, frais, santé), ainsi qu'un contrôle des permissions 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 barrières de sécurité et les preuves vérifiables dont ils ont besoin.

Calendrier réel

Au cours des six prochains mois, il est prévu que les agents de type « copilote » s'améliorent le plus rapidement. Des pipelines de données plus perfectionnés renforceront leur fiabilité dans les scénarios d'utilisation quotidiens.

Dans un an, avec le renforcement des normes de test, les agents pourront coordonner l'exécution à travers les protocoles, les humains n'ayant besoin que d'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 avec le système financier au quotidien.

Conclusion

« Finance agentique » (Agentic Finance) abaisse les barrières à l'entrée, rendant l'automatisation accessible aux non-experts. Mais pour fonctionner à grande échelle, elle a encore besoin d'une meilleure « infrastructure » : 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 en taille, mais plutôt — la confiance dans l'automatisation. Et ce jour-là n'arrivera réellement que lorsque les agents IA ne seront plus de simples « démonstrations conceptuelles », mais deviendront de véritables exécutants fiables.