Les sociétés crypto tirent parti de l’intelligence artificielle malgré des difficultés persistantes

Pourquoi les entreprises associent-elles la crypto à l’IA

L’intégration de l’intelligence artificielle à la technologie blockchain est aujourd’hui une priorité stratégique pour les entreprises crypto, qui cherchent à améliorer leur efficacité opérationnelle et à offrir une expérience utilisateur supérieure. Les leaders du secteur explorent de nouvelles façons d’exploiter l’IA dans divers domaines de leurs activités, de la conformité à la gestion des risques, en passant par le service client et le développement de produits.

Jacqueline Burns-Koven, responsable de l’intelligence des menaces cyber chez Chainalysis – une société d’analyse blockchain – a expliqué que l’entreprise réfléchit à l’utilisation de l’IA pour améliorer la conformité, la gestion des risques, les enquêtes et les produits de croissance pour ses clients. « Comme toute entreprise, nous avons à gagner à utiliser l’IA pour améliorer nos méthodes de travail : cela nous rend plus rapides et plus efficaces », précise Burns-Koven. Cette démarche illustre une tendance sectorielle, où l’IA est déployée pour rationaliser des processus complexes et réduire les charges opérationnelles.

Dans le domaine de la fiscalité des cryptomonnaies, l’IA transforme la manière dont les utilisateurs gèrent leurs obligations fiscales. Le fournisseur de logiciels fiscaux crypto ZenLedger a annoncé un partenariat avec april – une société financière basée sur l’IA – afin de s’appuyer sur l’IA pour simplifier la déclaration fiscale des utilisateurs. Pat Larsen, cofondateur et CEO de ZenLedger, a détaillé que le nouveau produit de ZenLedger utilisera la technologie d’april pour guider les contribuables via un parcours unique, combinant exigences fédérales et étatiques, et déterminant la prochaine question à poser. « Cela s’oppose aux logiciels fiscaux traditionnels, qui interrogent l’utilisateur dans l’ordre des formulaires, puis séparent les formulaires fédéraux et étatiques en sections distinctes, dupliquant souvent les mêmes questions », explique Larsen. Cette approche intelligente réduit considérablement le temps et la complexité de la déclaration fiscale crypto.

Daniel Marcous, CTO et cofondateur d’april, a précisé la mise en œuvre technique de cette innovation. Il explique que l’IA a été déterminante pour permettre à april de concevoir un produit fiscal couvrant de nombreux scénarios courants, dont les revenus issus des cryptomonnaies et des actifs numériques. Selon Marcous, april utilise un procédé appelé « tax-to-code », où de grands modèles linguistiques sont entraînés à lire les documents fiscaux et à les transformer en code logiciel, lequel est ensuite vérifié et révisé par une équipe d’ingénieurs fiscalistes. Cette approche hybride combine la puissance de l’IA à l’expertise humaine pour garantir conformité et fiabilité.

Applications DeFi propulsées par l’IA

L’intelligence artificielle joue aussi un rôle moteur dans de nombreux cas d’usage de la Finance décentralisée (DeFi), ouvrant de nouvelles perspectives pour la valorisation, l’échange et la gestion des actifs numériques. Nick Emmons, cofondateur et CEO d’Upshot – une société d’infrastructure IA – décrit comment son entreprise construit un réseau décentralisé où différents modèles d’IA peuvent apprendre les uns des autres. Selon lui, permettre à ces modèles de s’inspirer mutuellement va créer une méta-intelligence à l’échelle d’un réseau propulsé par l’IA, rendant les réseaux plus performants et intelligents que si chaque modèle était utilisé isolément.

Emmons explique que le modèle IA d’Upshot propulse des cas d’usage DeFi qui étaient auparavant irréalisables ou impossibles. Par exemple, l’IA peut optimiser les flux de prix pour les crypto-actifs de long tail, c’est-à-dire les actifs numériques peu échangés mais présents sur des marchés liquides. Les mécanismes d’évaluation traditionnels sont inadaptés à ces actifs, faute de volume d’échange, mais l’IA peut analyser une multitude de sources de données pour produire des valorisations fiables. Il précise :

« L’IA est un outil pertinent pour produire des mises à jour de prix plus fréquentes à partir de sources diverses, et pas seulement lors d’un échange d’actifs. Cela nous permet d’intégrer un univers bien plus vaste d’actifs dans la conception DeFi. »

Pour illustrer ce propos, Emmons indique qu’Upshot lancera prochainement des « watch perps » générés par des flux alimentés par l’IA. Cette innovation montre comment l’IA peut créer des marchés pour des actifs autrefois illiquides. Il ajoute :

« Une montre seule ne peut produire un flux en temps réel assez fiable pour créer un marché. Les modèles IA peuvent traiter un grand volume d’informations simultanément, générant ainsi des flux de prix très précis et à haute fréquence, transformant des actifs numériques en représentations tokenisées sur la blockchain. Cela élargira l’univers des actifs numériques. »

Stratégies de rendement optimisées par l’IA

Emmons souligne également l’émergence de vaults DeFi propulsés par l’IA, qui constituent une avancée majeure dans les stratégies d’investissement automatisées. Un vault DeFi est un pool de fonds doté d’une stratégie d’auto-capitalisation, exécutant des tâches selon des conditions on-chain prédéfinies. Mais, précise Emmons, la plupart des activités on-chain restent limitées en puissance de calcul. « Ainsi, le rendement accessible à l’utilisateur est limité », explique-t-il. Cette contrainte computationnelle a longtemps freiné l’évolution des stratégies on-chain.

Pour résoudre ce problème, Emmons explique que les modèles IA sont utilisés pour interpréter l’information plus efficacement. « L’IA permet de codifier des stratégies déployables on-chain sous forme de vaults. Ces stratégies peuvent servir au market making et à d’autres usages. » En traitant les données complexes off-chain et en appliquant les stratégies optimisées on-chain, l’IA rend possibles des mécanismes de rendement plus sophistiqués.

Bien que ce cas d’usage soit encore émergent, RoboNet est un protocole DeFi propulsé par l’IA dédié aux marchés d’actifs de long tail et fongibles. Développé par Upshot, RoboNet permet de créer des vaults on-chain gérés par des modèles d’apprentissage automatique, générant du rendement via l’optimisation automatisée de la liquidité. C’est une application concrète de la DeFi pilotée par l’IA, susceptible de servir de modèle pour les développements futurs du secteur.

Défis de la combinaison IA et crypto

Si l’IA peut améliorer l’efficacité des produits crypto, de nombreux défis subsistent et devront être relevés pour une mise en œuvre sûre et efficace. L’intersection de ces deux technologies en évolution rapide présente des risques spécifiques qui nécessitent l’attention des développeurs, des régulateurs et des utilisateurs.

Enjeux de confiance et de transparence

Par exemple, Emmons souligne que lorsque l’IA est utilisée pour développer des protocoles DeFi, il est essentiel de pouvoir faire confiance aux concepteurs de ces modèles, sous peine de voir surgir de nombreux problèmes. La nature « boîte noire » de nombreux systèmes IA génère des vulnérabilités potentielles pour les applications financières. Il explique :

« Des biais et des manipulations peuvent apparaître. C’est pourquoi il est important de repenser l’architecture IA dans des formats décentralisés. Différents modèles peuvent se superviser mutuellement pour limiter les biais et rendre l’intelligence plus transparente. »

Emmons précise que les preuves à divulgation nulle de connaissance (zero-knowledge proofs) permettent aussi de vérifier les modèles d’apprentissage automatique, offrant une garantie cryptographique de leur intégrité. « Upshot a lancé un produit de ce type, où nous avons vérifié le résultat de notre principal modèle de prédiction de prix au sein d’un circuit ZK. Cela assure l’intégrité computationnelle pour les protocoles sans autorisation. » Cette approche apparaît prometteuse pour répondre aux enjeux de confiance dans les applications crypto propulsées par l’IA.

Marcous ajoute qu’il estime que l’IA générative, combinée à l’expertise d’équipes fiscales et d’ingénieurs, réduit le risque grâce à l’intervention humaine. « Chez april, nous menons un processus de tests rigoureux sur l’ensemble du produit et devons valider ces tests auprès de l’Internal Revenue Service et des autorités étatiques avant le lancement », précise-t-il. Cette approche « human-in-the-loop » garantit que les résultats de l’IA sont validés par des experts avant leur déploiement.

Incertitudes réglementaires

Même si ces méthodes sont utiles, l’absence de réglementation autour de l’IA posera sans doute des défis persistants au secteur crypto. Par exemple, il reste difficile de savoir si l’IA est utilisée dans l’intérêt des utilisateurs, des investisseurs ou des concepteurs des modèles d’apprentissage automatique. Cette opacité crée des conflits d’intérêts potentiels et soulève la question de la responsabilité lorsque l’IA prend des décisions impactant la situation financière des utilisateurs.

C’est pourquoi certains pays commencent à mettre en place des structures pour encadrer l’IA. Ainsi, le président des Émirats arabes unis et émir d’Abou Dhabi, Cheikh Mohamed ben Zayed Al Nahyane, a promulgué une loi créant le Conseil de l’intelligence artificielle et des technologies avancées. Le gouvernement d’Abou Dhabi a précisé que « le conseil sera chargé de développer et de mettre en œuvre des politiques et des stratégies concernant la recherche, l’infrastructure et les investissements en intelligence artificielle et technologies avancées à Abou Dhabi ». Il s’agit de l’un des premiers cadres gouvernementaux complets pour la supervision de l’IA.

Le président de la Securities and Exchange Commission américaine, Gary Gensler, a également mis en garde contre les dangers que l’IA pourrait représenter pour le secteur financier traditionnel. Dans ce contexte, il est probable que les États-Unis instaurent bientôt un cadre réglementaire plus clair concernant l’IA. Le paysage réglementaire de l’IA appliquée à la finance devrait donc évoluer nettement dans les prochaines années, à mesure que les autorités s’adaptent à ces technologies.

Perspectives d’avenir

Toutes ces évolutions sont significatives, car Emmons pense que l’IA sera un jour intégrée à toutes les fonctions essentielles de la société. En attendant, il estime que le secteur crypto adoptera d’abord les formes d’IA déjà utilisées dans la finance traditionnelle. Il explique :

« Puisque la crypto est une innovation financière, ce type d’IA est particulièrement adapté aux applications financières. De plus, les modèles classiques d’apprentissage automatique sont plus attractifs et compatibles avec ces architectures vérifiables, ce qui permettra de développer plus rapidement des outils cryptographiques autour d’eux que pour les modèles d’IA générative. »

Cette approche pragmatique suggère que le secteur crypto adoptera d’abord les techniques d’IA éprouvées issues de la finance traditionnelle avant de s’orienter vers des technologies IA plus avancées. À mesure que la technologie évolue et que les cadres réglementaires se précisent, l’intégration entre IA et crypto devrait s’intensifier, transformant potentiellement la création, l’échange et la gestion des actifs numériques.

FAQ

Pourquoi les entreprises crypto utilisent-elles l’IA ? Quels sont les cas d’usage spécifiques ?

Les entreprises crypto exploitent l’IA pour la détection de la fraude, la gestion des risques, l’optimisation du trading et l’analyse de marché. L’IA améliore la sécurité par la reconnaissance de schémas, automatise la surveillance des transactions, augmente la précision des prédictions de prix et personnalise l’expérience utilisateur. Ces applications accroissent l’efficacité opérationnelle et le volume de transactions.

Comment l’IA est-elle utilisée dans le trading de cryptomonnaies et la gestion des risques ?

L’IA analyse les historiques de marché pour prédire les risques et identifier des opportunités de trading. Elle détecte en temps réel les anomalies et comportements suspects, renforçant la sécurité. Les modèles d’apprentissage automatique optimisent la gestion de portefeuille et réduisent les pertes potentielles grâce à une évaluation et une gestion automatisées des risques.

Quels sont les principaux défis et risques auxquels font face les entreprises crypto avec l’IA ?

Les entreprises crypto sont confrontées à la complexité technique de l’implémentation de l’IA, à l’incertitude réglementaire sur la gouvernance de l’IA, aux vulnérabilités de la sécurité des données, à la difficulté d’adoption par le marché et à la pénurie de talents à l’intersection blockchain-IA. Ces facteurs allongent les délais de développement et augmentent les coûts opérationnels.

Quel est le rôle de l’IA dans la détection de la fraude crypto et la lutte contre le blanchiment d’argent (AML) ?

L’IA surveille en temps réel les transactions pour identifier des activités et schémas suspects, renforçant la détection de la fraude et la conformité AML. Elle automatise le reporting, réduit les charges réglementaires et améliore l’efficacité opérationnelle des entreprises crypto.

Quel rôle joue l’IA dans la sécurité des plateformes d’échange de cryptomonnaies ?

L’IA détecte et prévient les menaces en temps réel, automatise la réponse aux incidents, identifie les transactions frauduleuses et renforce la sécurité globale des plateformes grâce à une surveillance continue et à la détection d’anomalies.

Quelles exigences et restrictions les régulateurs imposent-ils aux entreprises crypto utilisant l’IA ?

Les régulateurs exigent que les entreprises crypto mettent en place des cadres de conformité adaptés à l’IA pour le trading et la gestion des risques. Ils imposent la transparence et la supervision algorithmique, tout en adoptant une démarche de « régulation minimale efficace » pour promouvoir l’innovation dans les services financiers pilotés par l’IA.

Quels sont les avantages et inconvénients des projets crypto pilotés par l’IA par rapport aux projets traditionnels ?

Les projets crypto pilotés par l’IA sont plus efficaces grâce à l’automatisation et à l’adaptation dynamique au marché, permettant des prises de décision plus rapides et des opérations optimisées. En revanche, ils sont exposés à une complexité technique accrue, à des risques de mise en œuvre et à des vulnérabilités des algorithmes IA que les projets traditionnels évitent souvent.

Quels défis de confidentialité des données et de conformité l’IA rencontre-t-elle dans l’industrie crypto ?

L’IA dans la crypto est confrontée à des risques liés à la réutilisation non autorisée des données, aux failles de sécurité exposant des informations sensibles, ainsi qu’aux défis de conformité avec des réglementations comme le RGPD et le CCPA. Les entreprises doivent appliquer une gouvernance stricte des données, le chiffrement et des pratiques transparentes de consentement pour protéger les données personnelles et rester en conformité.