Quel est le prochain jalon que DeFi doit encore atteindre ?

Titre original : DeFi's next milestone: What it'll take for agentic finance to work

Auteur original : @Lemniscap

Traduction originale : Ismay, BlockBeats

 

Note de l’éditeur : Lorsque le monde de la DeFi devient si complexe que même les utilisateurs professionnels ont du mal à le maîtriser, comment pouvons-nous réellement rendre le pouvoir aux gens ordinaires ?

Cet article, issu des recherches de Lemniscap, dresse un panorama systématique de l’essor de la « finance agentique » et de ses défis actuels. De &milo, Meridian à SendAI et The Hive, ces premiers produits montrent comment l’IA devient une nouvelle interface pour les interactions on-chain, tout en révélant de grandes lacunes en matière de fiabilité d’exécution, de sécurité des permissions et de mécanismes de vérification. L’auteur souligne que pour que la DeFi franchisse une nouvelle étape, la clé ne réside pas dans des modèles plus intelligents, mais dans une infrastructure sous-jacente plus fiable — chaque action d’un agent doit être vérifiable, traçable et digne de confiance.

Cela marque non seulement un tournant technologique, mais aussi une expérience de reconstruction de la confiance. Comme le dit l’article : le prochain jalon de la DeFi ne sera pas une question d’échelle, mais de confiance dans l’automatisation.

En 2025, la DeFi n’aura plus rien à voir avec ses débuts.

Les chiffres parlent d’eux-mêmes : les flux de capitaux institutionnels dépassent 10 milliards de dollars par trimestre, le nombre de protocoles actifs sur des dizaines de chaînes dépasse les 3 000. La valeur totale verrouillée (TVL) sur l’ensemble des protocoles DeFi atteindra 160 milliards de dollars en 2025, soit une croissance annuelle de 41 % ; le volume cumulé des transactions sur les DEX et Perps se compte désormais en « trillions ».

À mesure que la DeFi prend de l’ampleur, les possibilités se multiplient, mais la complexité explose. La plupart des gens ne peuvent tout simplement pas suivre ce qui se passe on-chain. Si nous voulons que davantage de personnes saisissent ces nouvelles opportunités, il faut construire des outils qui leur permettent de prendre plus facilement les bonnes décisions — c’est la direction du futur.

Dans le même temps, l’IA s’intègre progressivement à la vie quotidienne, et les gens adoptent de nouvelles habitudes autour de l’automatisation. Cette tendance a donné naissance à la « finance agentique » (Agentic Finance) — où des agents intelligents gèrent la navigation et l’exécution des opérations financières.

Même des agents simples basés sur navigateur comme Comet montrent l’évolution rapide de ces outils. Lorsque vous effectuez une opération DeFi via un agent navigateur (comme l’exemple partagé par Yash, fondateur de SendAI), vous pouvez entrevoir le potentiel de la finance agentique.

Cette vision est en fait très intuitive : plus besoin de fouiller dans des dashboards ou de lire de longs threads sur X, il suffit de dire à l’IA ce que vous voulez accomplir, et elle s’occupe automatiquement des étapes suivantes.

Deux types d’agents intelligents émergent actuellement :

Le premier type, les Copilots, guide l’utilisateur dans la prise de décision à travers l’univers DeFi ; le second, les Quant Agents, se concentre sur l’exécution automatisée de stratégies professionnelles, à la manière d’un « autopilote ».

Les deux en sont encore à un stade précoce et présentent des défauts, mais ils pointent ensemble vers une nouvelle direction — une manière totalement différente d’interagir avec la DeFi, pilotée par l’IA.

Les agents intelligents comme « copilotes »

On peut imaginer ces agents intelligents comme des assistants personnels. Plus besoin de consulter des graphiques ou de naviguer entre différents protocoles, il suffit de poser une question en langage naturel, comme : « Quels sont les tokens les plus populaires en ce moment ? » ou « Où puis-je obtenir le meilleur rendement ? », et l’agent répond directement avec des recommandations — comme un ami érudit toujours disponible.

Par exemple, &milo, en mode copilote, vous aide à prendre des décisions d’investissement, à rééquilibrer votre portefeuille, à obtenir des insights — tout en vous épargnant des manipulations fastidieuses et en gardant le contrôle.

Grâce à des explications en langage naturel et des suggestions intelligentes, &milo aide l’utilisateur à comprendre ses positions et à comparer les opportunités de rendement, sans avoir à fouiller dans divers dashboards. Il montre comment un agent copilote évolue d’un simple chatbot vers un véritable guide DeFi aux fonctionnalités complètes.

Pour observer la performance de ces agents en conditions réelles, nous avons testé plusieurs produits récemment lancés, afin d’évaluer leur capacité à gérer des tâches DeFi concrètes.

Les résultats montrent que ces agents ont encore des limites. Par exemple, ils peuvent identifier les tokens populaires, mais échouent à exécuter l’achat ; deux transactions ont échoué avec le message « solde insuffisant », alors que le compte disposait de suffisamment de SOL pour payer les frais.

Une autre plateforme, The Hive, adopte une approche différente — elle regroupe plusieurs agents DeFi en une « ruche » capable de collaborer sur des tâches complexes comme le cross-chain, les stratégies de rendement ou la défense contre la liquidation, le tout coordonné via une interface de chat simple. Ce réseau d’agents spécialisés permet d’exécuter des opérations on-chain multi-étapes par commandes en langage naturel.

Nous avons testé la même commande d’achat sur The Hive. Le système a bien identifié le token populaire WEED, mais a retourné une mauvaise adresse de contrat lors de l’achat.

Dans l’ensemble, Milo montre comment intégrer des outils de gestion de portefeuille dans un flux fluide, tandis que The Hive explore la collaboration entre agents spécialisés. À mesure que les agents intelligents gagnent en capacité, leur spécialisation devient plus nette.

Par exemple, Meridian cible un autre segment d’utilisateurs — aider les débutants à faire leurs premiers pas dans la DeFi. Son design mobile-first et ses instructions claires rendent les opérations de base comme le swap, le staking ou la consultation de rendement plus accessibles.

Meridian excelle sur ces tâches fondamentales, avec une exécution rapide et fluide, et surtout, il connaît bien ses limites. Lorsqu’un utilisateur lui demande d’effectuer une opération hors de son périmètre, il explique pourquoi, au lieu de tenter aveuglément — cette « honnêteté » en fait un point de départ fiable pour les novices explorant l’on-chain.

Benedict, fondateur de Meridian, explique :

« Meridian permet aux utilisateurs de rechercher et d’opérer en toute sécurité en langage naturel. Nous avons ouvert gratuitement les fonctions de recherche de l’agent au public sur meridian.app. Les utilisateurs inscrits à l’application mobile Meridian peuvent utiliser les fonctions de swap, multi-swap et d’achat de portefeuille de l’agent. Les comptes sont encore en phase de test fermé, les intéressés peuvent contacter @bqbrady sur Twitter pour demander un accès. »

Nos tests montrent que la plupart des agents IA axés sur la navigation DeFi restent pour l’instant des « enseignants » ou « assistants », aidant surtout à réaliser les opérations les plus basiques (comme le swap).

Pour qu’ils gèrent de manière fiable des processus plus complexes — comme la fourniture de liquidité ou la gestion de positions à effet de levier — des améliorations sont encore nécessaires.

Comme le souligne Rishin Sharma, responsable IA de la Solana Foundation :

« Les grands modèles de langage (LLMs) ont tendance à halluciner sur des tâches larges et peinent à exécuter des opérations déterministes. Des mécanismes d’appel de fonction comme MCP sont peut-être mieux adaptés pour transformer un ‘plan d’action’ en exécution réelle. Les LLM sont bons pour la conception et l’orientation, mais restent faibles en exécution précise. Pour rendre la finance agentique vraiment fiable, il faut dépasser les LLM, développer des mécanismes d’appel de fonction spécifiques, des stratégies d’exécution claires, de la vérifiabilité et des systèmes de permissions sécurisés. En d’autres termes, la couche d’exécution des agents intelligents est encore immature — le ‘cerveau’ de l’IA est assez intelligent, mais il manque encore un ‘corps’ capable d’agir de façon robuste. »

Les agents intelligents comme « autopilotes »

Si les agents « copilotes » ressemblent à des mentors, les agents « quantitatifs » sont comparables à des systèmes de pilotage automatique. Non seulement ils construisent des stratégies, mais ils les exécutent réellement — surveillant le marché en temps réel, testant des transactions et agissant à la vitesse de la machine, pour automatiser complètement des stratégies DeFi complexes.

Un cas typique en développement vient de SendAI. Ce n’est pas un agent quantitatif en soi, mais une boîte à outils permettant à d’autres de créer de tels agents. Son « Agent Kit » pour Solana prend en charge plus de 60 opérations autonomes, dont l’échange de tokens, l’émission de nouveaux actifs, la gestion de prêts, et peut interagir directement avec Jupiter, Metaplex, Raydium et d’autres protocoles majeurs.

En d’autres termes, il fournit aux développeurs un « système de rails » pour brancher leurs modèles de décision à l’exécution on-chain.

Yash, fondateur de SendAI, résume clairement leur vision :

« Nous croyons que chaque agent IA aura un jour son propre wallet. SendAI construit les outils et l’économie nécessaires pour permettre à ces agents d’exécuter n’importe quelle opération sur Solana. Nous bâtissons une plateforme où ces agents sont contextuellement conscients et capables d’exécuter des tâches complexes, persistantes et asynchrones sur le long terme. »

Parallèlement, d’autres équipes cherchent à rendre cette capacité plus accessible. Lomen sélectionne des stratégies et permet aux utilisateurs de les « déployer en un clic », abaissant la barrière à l’automatisation quantitative sans écrire une ligne de code.

Pour les « power users » préférant des systèmes personnalisés, Unblinked offre un environnement expérimental de stratégie piloté par IA. C’est un peu le Cursor du trading : l’utilisateur esquisse sa stratégie, la teste et l’optimise dans un bac à sable sécurisé, avant de risquer de l’argent réel.

D’autres plateformes font appel à plusieurs agents pour accomplir des tâches en collaboration.

Par exemple, Almanak combine un « agent de programmation » et un « agent de backtesting » : l’utilisateur décrit sa stratégie en langage naturel, l’IA génère automatiquement du code de niveau production, puis effectue plus de 10 000 simulations Monte Carlo pour backtester, produisant au final une stratégie prête à l’emploi.

Enfin, certaines équipes se concentrent sur l’avantage en temps réel sur le marché.

L’agent ARMA de Giza réalloue activement les fonds entre différents protocoles de prêt pour maximiser le rendement sur les stablecoins. Plutôt que de laisser les fonds dans un seul pool, ARMA surveille en continu les taux, la liquidité et le coût du gas, et déplace dynamiquement les actifs. Son agent phare a déjà géré plus de 17 millions de dollars, affirmant un rendement supérieur de 83 % à une position statique.

Globalement, ces agents quantitatifs réduisent considérablement le coût temporel et rendent accessibles à l’utilisateur lambda des stratégies autrefois réservées aux équipes de trading pro. Mais ils révèlent aussi la fragilité de l’automatisation : en cas de latence des données, de suspension de protocole ou de volatilité extrême, l’agent peut encore « trébucher ».

En d’autres termes, ils vous rendent plus rapide, mais sont loin d’être « invincibles ».

Leurs défis

Après avoir utilisé ces agents intelligents un certain temps, on remarque des problèmes récurrents : ils suggèrent parfois d’exécuter des opérations qui n’existent plus, comme un pool de liquidité fermé ; les données sur lesquelles ils s’appuient sont souvent en retard sur la réalité on-chain ; si un plan multi-étapes échoue en cours de route, ils ne s’ajustent pas, mais répètent la même action.

La gestion des permissions est également maladroite — soit l’utilisateur doit donner un accès complet à son wallet, soit il doit approuver manuellement chaque petite opération. Les tests sont superficiels, les environnements simulés ne reflètent pas les changements soudains de liquidité ou les ajustements de gouvernance sur la chaîne.

Le problème le plus grave est que ces agents fonctionnent presque tous comme des « boîtes noires ».

L’utilisateur ne sait pas quelles entrées ils lisent, comment ils arbitrent les options, s’ils vérifient l’état en temps réel, ni pourquoi ils choisissent d’exécuter telle transaction. Il n’y a pas d’historique d’opérations signé, impossible de vérifier la cohérence entre le « résultat promis » et « l’exécution réelle ».

L’utilisateur doit donc surveiller l’automatisation tout en l’utilisant — ce qui nuit à l’efficacité et rend la performance difficile à évaluer.

Sans mécanisme pour vérifier les décisions et prouver que les actions respectent la stratégie définie, il est impossible pour l’utilisateur de distinguer un « système fiable » d’un « produit marketing bien emballé ».

Pour les capitaux de plus grande taille, les plateformes DeFi doivent passer du « faites-nous confiance » au « vérifiez par vous-même ». C’est le tournant clé pour bâtir une infrastructure de finance agentique « auditable, gouvernable et digne de confiance ».

Lacunes de l’infrastructure

Le problème central est que les systèmes actuels manquent d’outils de base pour garantir que les agents restent fiables, cohérents et sûrs à grande échelle. Pour y remédier, il faut une infrastructure permettant de vérifier le comportement des agents, de confirmer les résultats d’exécution et d’appliquer des règles uniformes dans tous les environnements. Ce n’est qu’à cette condition que les gens confieront leur argent réel.

Cela dit, la plupart des utilisateurs ne s’intéressent pas au « processus de réflexion » de l’agent, ils veulent juste s’assurer que le résultat est correct, vérifié et dans des limites sûres. Pour établir la confiance, la « fiabilité vérifiable » compte plus que la « visibilité ».

C’est tout l’enjeu de la « fiabilité vérifiable » (Verifiable Reliability). L’agent n’a pas à enregistrer chaque étape interne, mais doit fonctionner selon des stratégies claires et des contrôles raisonnables : plafonds de dépenses, fenêtres temporelles d’exécution, points de confirmation avant les actions critiques, etc.

À la base, ces règles peuvent être garanties par des environnements d’exécution de confiance (TEE) ou des systèmes similaires — sans exposer tous les détails, mais en prouvant que l’agent respecte bien les limites. Résultat : des sorties auditables si besoin, et des opérations immédiatement dignes de confiance pour l’utilisateur lambda.

Cette couche de vérification n’a pas à être « universelle ». Pour les usages quotidiens, des protections légères et des métriques standardisées suffisent ; pour les cas à haut risque ou institutionnels, on exigera des preuves plus fortes et une vérification formelle. L’essentiel est que chaque couche d’infrastructure fournisse une fiabilité mesurable, adaptée à son niveau de risque.

Préparer les protocoles pour les agents

L’étape suivante est de rendre les protocoles « agent-friendly ».

La plupart des protocoles DeFi actuels ne sont pas conçus pour les agents intelligents. Ils doivent offrir des interfaces d’exécution plus stables et sûres : prévisualisation des opérations, retries sécurisés, exécution basée sur des structures de données cohérentes. La gestion des permissions doit être « limitée » plutôt que « totalement ouverte », pour que l’agent agisse dans des limites claires, sans contrôler tout le wallet.

Sans ces fondations, même le meilleur framework d’agent sera entravé par une base fragile. Une fois ces bases posées, l’utilisateur n’aura plus à surveiller manuellement l’automatisation ; les équipes pourront réduire le temps de débogage et se concentrer sur l’innovation ; les résultats d’exécution des différents prestataires deviendront comparables grâce à des standards partagés — ce ne sera plus du simple marketing.

Ce qui doit changer

La solution n’est pas si complexe : rendre les agents vérifiables (Provable), et préparer les protocoles pour les agents (Agent-ready). Ajouter une couche de stratégie entre l’agent et le wallet, et exiger que tous les processus d’exécution soient traçables et vérifiables, plutôt que de fonctionner en « boîte noire ».

Par exemple, le moteur SVM de Termina est construit sur ce principe — il fournit aux agents IA un véritable environnement d’exécution Solana, permettant de modéliser, décider et apprendre à partir des données on-chain. Parallèlement, les protocoles doivent ouvrir des interfaces d’opération « dry-run », des codes d’erreur clairs, des mécanismes de retry sécurisé, la cohérence des structures de données clés (positions, frais, santé), et un contrôle des permissions basé sur les sessions.

Une fois ces fonctions en place, les utilisateurs seront libérés de la « surveillance » des agents ; les équipes réduiront les pannes système ; les investisseurs institutionnels disposeront enfin des garde-fous et des preuves vérifiables dont ils ont besoin.

Calendrier réaliste

Dans les six prochains mois, les agents « copilotes » devraient progresser le plus vite. Des pipelines de données améliorés renforceront leur fiabilité dans les usages quotidiens.

D’ici un an, avec des standards de test renforcés, les agents pourront coordonner des exécutions cross-protocoles, l’humain n’ayant plus qu’à valider les étapes clés. À plus long terme, à mesure que l’infrastructure mûrit, les agents intelligents pourraient devenir la couche d’interaction par défaut de la DeFi — non plus de simples « outils », mais la principale interface entre les gens et le système financier.

Conclusion

La « finance agentique » (Agentic Finance) abaisse la barrière d’entrée, rendant l’automatisation accessible au plus grand nombre. Mais pour fonctionner à grande échelle, elle a besoin d’une meilleure « fondation » : des données en temps réel, des mécanismes de permission plus sûrs, des systèmes de test plus robustes et des résultats d’exécution plus transparents.

Des IA plus intelligentes ne suffiront pas à résoudre ces problèmes. Le véritable progrès viendra de l’amélioration de l’infrastructure sous-jacente.

Le prochain jalon de la DeFi ne sera pas seulement la croissance de l’échelle, mais — la confiance dans l’automatisation. Et ce jour n’arrivera que lorsque les agents IA ne seront plus de simples « démonstrations conceptuelles », mais de véritables exécutants fiables.