Tout le monde parle de l'IA dans DeFi - des systèmes adaptatifs, de nouvelles stratégies et de grandes idées qui bouleversent l'espace. Vous voulez faire partie de la tendance ou simplement la regarder se produire? Cliquez pour plonger!

Introduction

L'intelligence artificielle est en train de remodeler les applications DeFi sous nos yeux, promettant des avancées dans le trading, la gouvernance, la sécurité et la personnalisation des utilisateurs. Cet article explore comment l'IA redéfinit les interactions utilisateur-protocole dans le cadre de la DeFi en intégrant des systèmes intelligents tout en restant fidèle aux valeurs décentralisées des crypto-monnaies.

L'intersection des technologies de l'IA et de la blockchain établit de nouvelles normes dans tous les secteurs, avec DeFi à l'avant-garde. En combinant les capacités analytiques de l'IA avec la transparence de la blockchain, des solutions aux problèmes de longue date au sein de l'écosystème crypto émergent. Cela inclut une sécurité renforcée, une expérience utilisateur améliorée et des modèles de gouvernance adaptatifs.

Les plateformes alimentées par l'IA exploitent l'automatisation et l'intelligence pour créer des systèmes adaptatifs qui optimisent les performances. Comme le suggère Vitalik Buterin, les "agents IA pourraient devenir des participants actifs dans des systèmes décentralisés", gérant de manière autonome les transactions, affinant les stratégies de trading et protégeant la vie privée. L'intégration de l'IA dans la couche d'application DeFi ouvre la voie à un système financier plus efficace et centré sur l'utilisateur.

Ci-dessous, nous allons explorer comment l’IA peut transformer la DeFi, en nous concentrant sur les aspects du trading, de la gouvernance, de la sécurité et de la personnalisation.

Comprendre les agents d'IA dans DeFi

Les agents d'IA sont des entités logicielles autonomes conçues pour effectuer des tâches spécifiques au sein d'écosystèmes décentralisés.

Contrairement aux bots traditionnels, les agents d'IA interagissent activement avec les réseaux blockchain, les contrats intelligents et les comptes utilisateurs, opérant souvent de manière indépendante pour gérer des tâches complexes telles que le trading, la gestion d'actifs et l'analyse des données de protocole. Beaucoup de ces agents exploitent de grands modèles de langage (LLM), ce qui leur permet de faire des appels API, d'interagir directement avec les environnements blockchain et de traiter de vastes quantités d'informations sans surveillance humaine.

En DeFi, les agents d'IA peuvent fondamentalement remodeler les interactions entre les utilisateurs et les protocoles en agissant en tant que facilitateurs autonomes, décideurs et processeurs de données au sein des applications financières, le tout sans avoir besoin d'une intervention humaine constante.

Bots vs. AI Agents: Quelles sont les différences?

Alors que les bots sont des programmes simples, les agents d'IA fonctionnent plus comme des agents économiques. Les bots suivent une programmation spécifique, mais les agents d'IA, souvent sans code ou avec peu de code, nécessitent peu de configuration et peuvent naviguer dans des environnements incertains et dynamiques. Cette flexibilité leur permet de s'adapter de manière imprévisible mais orientée vers un objectif, ce qui les rend mieux adaptés aux défis réels de la DeFi. Cela signifie également que leur avantage concurrentiel réside souvent dans leurs paramètres et configurations uniques, de nombreux modèles avancés d'IA étant disponibles publiquement. En ajustant ces configurations, les agents d'IA peuvent atteindre des performances spécialisées, même en utilisant des modèles largement accessibles.

Capacités et Autonomie

Les agents d'IA dans DeFi peuvent autonomement:

• Interagir avec les protocoles : ils peuvent gérer les transactions sur chaîne, optimiser les positions de trading et exécuter des opérations financières à plusieurs étapes en fonction d'objectifs programmés.
• Prendre des décisions : avec des cadres semi-autonomes, les agents peuvent analyser des données en temps réel, évaluer les conditions du marché et ajuster leurs actions en conséquence.
• Exécuter des tâches complexes : Selon le type d'automatisation, les agents peuvent gérer tout, des flux de travail simples basés sur des règles à des prises de décision autonomes et complexes.

Trois types d'automatisation façonnent actuellement le rôle des agents d'IA :

1. Flux de travail automatiques : il s'agit de systèmes simples et basés sur des règles (comme des bots Telegram) qui suivent un ensemble prédéfini d'instructions. Ils sont limités en flexibilité mais efficaces pour les tâches de routine.
2. Flux de travail agentic : Dans ces cadres multi-agents, plusieurs agents d'IA collaborent pour résoudre des tâches complexes. Ils ont un degré d'autonomie, ce qui permet des opérations semi-automatisées, telles que l'interaction avec plusieurs protocoles DeFi pour maximiser le rendement ou rééquilibrer un portefeuille.
3. Agents autonomes : les agents entièrement indépendants sont capables de prendre des décisions de haut niveau, en fonctionnant avec un minimum d'entrées externes. Ils peuvent analyser les conditions et apporter des ajustements aux stratégies en temps réel.

Comment les agents d'IA fonctionnent-ils vraiment?

Les agents d'IA travaillent en simplifiant et en automatisant des tâches complexes. La plupart des agents autonomes suivent un flux de travail spécifique lors de l'exécution des tâches assignées.

Mécanismes de base

Collecte de données

Pour fonctionner efficacement, les agents IA s'appuient sur des flux de données à haute fréquence provenant de plusieurs sources pour comprendre leur environnement de fonctionnement. Leurs entrées comprennent généralement différentes sources de données, telles que:

• Données On-Chain: Interactions directes avec les registres blockchain pour extraire l'historique des transactions, les états des protocoles et les conditions de marché en temps réel. Cela implique une intégration avec des outils tels que des indexeurs et des oracles.
• Off-Chain Market Feeds: Flux de prix agrégés, volumes de trading et analyse de sentiment provenant d'échanges et de plateformes sociales via des API.

Les configurations préétablies peuvent également être fournies par les utilisateurs, telles que les niveaux de tolérance au risque ou les seuils de négociation, ajoutant ainsi une couche d'informations personnalisée pour les agents.

Inférence de modèle

L'inférence du modèle d'un agent d'IA fait référence au processus où un modèle entraîné applique ses connaissances acquises à de nouvelles données pour faire des prédictions ou des décisions. Les agents fonctionnent généralement avec l'un des types de modèles suivants :

• Modèles basés sur des règles: Agents plus simples qui s'appuient sur une logique prédéfinie, par exemple, "si le prix du jeton > $X, puis vendre.
• Modèles d'apprentissage automatique supervisés : modèles entraînés sur des ensembles de données historiques prédisent des résultats, tels que la direction des prix ou les scores de risque pour les propositions de gouvernance.
• Apprentissage par renforcement : Les agents avancés adaptent les stratégies au fil du temps, en optimisant les récompenses cumulatives, telles que la maximisation du rendement dans les pools de liquidité.
• Traitement du langage naturel (NLP) : Pour la gouvernance et les agents de sentiment, les modèles NLP analysent les forums de discussion, les propositions et l'activité sur les médias sociaux pour évaluer les changements de sentiment.

Prise de décision

La prise de décision est la phase où les agents intègrent les données d'entrée avec les inférences du modèle pour générer des stratégies exploitables, transformant les informations analytiques en actions autonomes qui s'adaptent aux environnements changeants. Dans cette phase, la capacité de l'agent d'IA à interpréter et à réagir à des signaux de marché complexes est réalisée, lui permettant d'exécuter rapidement les décisions.

Les moteurs d'optimisation permettent aux agents de calculer le cours d'action optimal en équilibrant plusieurs facteurs tels que les bénéfices attendus, les risques et les coûts d'exécution.

Les agents utilisent également des algorithmes d’auto-apprentissage, ce qui leur permet de recalibrer les stratégies en fonction de l’évolution des conditions du marché. Au cours du processus de prise de décision, certaines tâches peuvent être trop complexes pour qu’un seul agent puisse les résoudre de manière optimale. C’est pourquoi de nombreux agents opèrent au sein de systèmes multi-agents (MAS), coordonnant les tâches sur différents protocoles DeFi afin d’optimiser l’allocation des ressources (par exemple, équilibrer la liquidité entre les pools).

Automatisation et exécution

Ces agents ne sont pas seulement spéciaux en raison des avantages apportés par la technologie de l'IA, mais leurs opérations autonomes gèrent à la fois l'exécution de contrats intelligents, interagissant directement avec des contrats au niveau du protocole pour exécuter; des transactions multi-étapes, permettant le regroupement de plusieurs étapes en transactions atomiques pour une exécution tout ou rien; et la gestion des erreurs, avec des mécanismes de repli intégrés pour gérer les échecs de transaction.

Hébergement et Exploitation

Ci-dessous, nous avons plus d'informations sur le fonctionnement des agents d'IA :

Modèles d’IA hors chaîne

Les agents d'IA effectuent des tâches intensives en calcul en utilisant des ressources hors chaîne. Ces tâches reposent souvent sur des infrastructures cloud telles que AWS, Google Cloud ou Azure pour une puissance de calcul évolutive. Les agents peuvent tirer parti de plates-formes d'infrastructure décentralisées telles que Akash Network pour les services de calcul ou utiliser IPFS et Arweave pour le stockage de données.

Pour les applications sensibles à la latence, telles que le trading haute fréquence, les agents peuvent utiliser l'informatique en périphérie pour réduire les retards en traitant les données plus près de leur source. Cela garantit des temps de réponse plus rapides, cruciaux pour les tâches sensibles au temps.

Interaction On-Chain et Off-Chain

Les agents d’IA interagissent entre les systèmes off-chain et on-chain. Alors que les processus de calcul intensifs et le raisonnement complexe se produisent hors chaîne, les agents interagissent avec les protocoles on-chain pour enregistrer les actions, exécuter des fonctions de contrat intelligent et gérer les actifs de manière autonome. Ils s’appuient sur des configurations sécurisées telles que des portefeuilles de contrats intelligents et des configurations multi-signatures.

Pour une gouvernance décentralisée, les agents dépendent de protocoles à minimisation de la confiance qui empêchent toute entité unique de passer outre à leurs actions, maintenant ainsi la transparence et la décentralisation.

Les interactions hors-chaîne complètent les activités en chaîne, souvent facilitées par des plateformes externes telles que Twitter ou Discord, où les agents peuvent opérer en utilisant des API pour interagir en temps réel avec les utilisateurs ou d'autres agents.

Interopérabilité

L’interopérabilité est essentielle pour que les agents puissent fonctionner sur divers systèmes et protocoles. De nombreux agents agissent en tant qu’intermédiaires, tirant parti des ponts d’API pour récupérer des données externes ou appeler des fonctions spécifiques. La synchronisation en temps réel est assurée par des mécanismes tels que les webhooks ou les protocoles de messagerie décentralisés, tels que Whisper ou IPFS PubSub, ce qui permet aux agents de rester informés des derniers états et actions du protocole.

Coup d’œil : ai16z, la DAO d’investissement dans l’IA

ai16z est une DAO d’investissement dirigée par l’IA qui a été récemment lancée et qui a déjà attiré l’attention pour son utilisation innovante d’agents dans la cryptographie. Le protocole fonctionne comme un « marché virtuel de confiance », utilisant des agents d’IA pour recueillir des informations sur le marché, analyser le consensus de la communauté et exécuter le trading de jetons à la fois sur la chaîne et hors chaîne. En apprenant des idées d’investissement des membres et en récompensant ceux qui apportent de la valeur, ai16z a créé un fonds d’investissement optimisé (actuellement axé sur les memecoins) avec de fortes fonctionnalités de décentralisation.

Déploiement d’agents

Les développeurs créent des agents en utilisant le cadre Eliza d'ai16z, qui fournit des outils et des bibliothèques pour construire, tester et déployer des agents. Les agents peuvent être hébergés localement sur un serveur ou sur Agentverse, le hub centralisé d'ai16z pour les agents. Pour permettre la communication entre les agents, ils doivent être enregistrés via Almanac et peuvent utiliser Mailbox pour faciliter les interactions, même lorsqu'ils sont hébergés localement.

Leur dépôt Github est ouvert, vous pouvez le vérifier icihttps://github.com/ai16z.

Hébergement de modèles d'IA

Le réseau ai16z n'héberge pas directement des modèles d'IA. Au lieu de cela, les agents accèdent aux services d'IA externes via des demandes d'API. Par exemple, le framework Eliza peut s'intégrer à des services comme OpenAI pour interpréter du texte lisible par l'homme ou effectuer d'autres tâches basées sur l'IA. Cette approche permet aux agents de tirer parti des capacités avancées de l'IA sans avoir besoin d'héberger des modèles complexes sur la chaîne.

Intégration et fonctionnement

Les agents au sein de l'écosystème ai16z interagissent par une combinaison de mécanismes sur chaîne et hors chaîne :

• Interactions On-Chain: Les agents exécutent des transactions et des contrats intelligents sur la chaîne Solana.
• Interactions hors chaîne : les agents communiquent avec des services AI externes ou des sources de données via des APIs lorsqu'ils traitent des tâches computationnelles intensives.

Applications

Les projets d'ai16z, tels que l'agent conversationnel Eliza, ont été appliqués dans divers domaines :

• Agents conversationnels: Développer des bots pour des plateformes telles que Twitter et Discord pour faciliter les interactions automatisées.
• Agent Memory: Création de systèmes de mémoire faciles à utiliser pour les agents, alimentés par des bases de données telles que ChromaDB et Postgres.
• Gestion des actions de l'agent : Développement d'outils pour le chaînage des actions et la gestion de l'historique dans les agents.

Agents interagissant avec des Agents

Les agents d'IA ont déjà un impact sur DeFi en gérant des tâches complexes tout seuls. Un excellent exemple est la façon dont la $LUMLe jeton a été créé - complètement sans l'aide humaine - montrant la puissance de la collaboration basée sur l'IA.

Le 8 novembre 2024, deux agents d'IA,@aethernetet@clanker, se sont associés pour créer et lancer le jeton $LUM (“Luminous”):

• @aethernet: Fabriqué par @martin, cet agent travaille dans le réseau Farcaster pour partager des idées et établir des connexions. C'est plus qu'un bot, il s'engage activement avec le $HIGHERcommunauté de jetons et se concentre sur la créativité et les interactions significatives.
• @clanker: Créé par@dishet @proxystudio.eth, cet agent se spécialise dans le lancement de jetons meme. Il automatise l'ensemble du processus, en répondant directement à ce que les utilisateurs lui demandent de faire.

L'histoire a commencé lorsque @nathansvandemandé @aethernettrouver un nom, une idée et un symbole pour un jeton, puis l'envoyer à @clankerdéployer. @aetherneta suggéré le nom «Luminous» ($LUM) pour représenter la brillance des humains et de l'IA travaillant ensemble. Après cela, @clankera pris en charge et déployé le jeton, accomplissant la tâche sans aucune intervention humaine.

@itsmechaseba écrit à ce sujet en détailici.

Agent AI x Paysage DeFi

Les agents d'IA sont prêts à occuper un rôle essentiel dans l'empilement DeFi, opérant au sein de la couche d'application pour automatiser des tâches complexes basées sur les données.

Positionnés au-dessus de la couche de protocole, ces agents interagissent directement avec les contrats intelligents, débloquant des fonctionnalités avancées pour les utilisateurs et les protocoles. Permettant aux applications DeFi de s'adapter en temps réel, soutenant une nouvelle classe d'écosystèmes autonomes et multi-agents.

Élargir au-delà de DeFi: des agents d'IA dans la nature

L’influence des agents d’IA s’étend au-delà de la DeFi. Terminal de véritéhttps://x.com/truth_terminal, un grand modèle de langage (LLM) semi-autonome créé par @AndyAyrey, met en valeur cette polyvalence. Financé par Marc Andreessen, co-fondateur d'A16z, Truth Terminal publie des tweets et interagit avec les utilisateurs sur X.

Récemment, il a lancé une pièce meme basée sur Solana, $GOAT (Goatseus Maximus), qui a atteint une capitalisation boursière de 1,2 million de dollars en moins d'un mois. La montée des cryptomonnaies mèmes comme $GOAT et $TURBO (conceptualisé par ChatGPT) met en évidence l'intersection émergente de l'IA et de la crypto au-delà de la finance traditionnelle.

Mais ce n'est pas tout. Nous avons entrepris de découvrir l'ensemble des constructeurs dans cet espace. Un regard complet sur les agents d'IA remodelant DeFi, du trading automatisé et de la gestion d'actifs aux analyses prédictives et aux améliorations de sécurité. Ci-dessous se trouve un aperçu des différentes façons dont ces agents contribuent activement à faire avancer DeFi.

Agents de négociation

Ces protocoles incarnent une prise de décision automatisée et basée sur les données pour le trading et la gestion d’actifs, en utilisant l’IA pour fournir des signaux de trading en temps réel, optimiser les portefeuilles et rationaliser les tâches répétitives. Cette approche apporte efficacité et flexibilité stratégique aux marchés de la DeFi.

L’automatisation du trading basée sur l’IA permet aux utilisateurs de définir des transactions ou de rééquilibrer des portefeuilles en fonction des conditions du marché, minimisant ainsi le besoin d’ajustements manuels constants. Pour une stratégie plus approfondie, certains protocoles offrent des analyses améliorées qui transforment des données étendues en informations exploitables, ce qui permet de prendre des décisions de trading éclairées et de faire des prévisions de marché plus précises.

Pour la gestion d'actifs, les outils d'optimisation de portefeuille ajustent dynamiquement les portefeuilles, visant à maximiser les rendements ou à gérer efficacement le risque dans des conditions de marché diverses.

Celui-ci peut être divisé en deux groupes :

Principalement axé sur le trading

• @askjmmy: Plateforme de création et de déploiement d'agents de trading autonomes au sein d'un réseau de fonds spéculatifs multi-stratégies.
• @composertrade: Outils pour l'automatisation du commerce algorithmique.
• @DAINTrader: Stratégies de trading basées sur l'IA.
• @DeAgentAI: Solutions de trading basées sur l'IA axées sur la DeFi.
• @FastlaneSol: Optimise les stratégies de trading basées sur Solana.
• @IntentTrade: Offre des swaps, des ordres à cours limité, des DCA, des analyses de contrats, des analyses techniques, etc.
• [@mindpalaceai](https://x.com/: Automatisation du trading avec l'IA.
• @SpectralLabs: Informations sur le trading DeFi et automatisation.
• @taoshiio: Plateforme décentralisée d'IA et d'apprentissage automatique pour les stratégies de trading utilisant Bittensor.
• @tryparadigm: Tirez parti d’essaims d’agents pour collecter, structurer et agir sur les données.

Trading et Gestion d'actifs

• @Agent_Fi: Se concentre sur la fourniture d'agents d'IA pour les activités DeFi telles que le trading, le sniping et les questions de liquidation.
• @AgentNetAi: Gestion d'actifs et intelligence DeFi.
• @AuroryAI: Agents autonomes d'IA pour une meilleure négociation, gestion d'actifs et prise de décision.
• @Cortex_ProtocolUne plateforme pilotée par l'IA qui simplifie les interactions DeFi en automatisant des processus complexes tels que les ponts, les échanges et l'optimisation des rendements grâce à des agents intelligents.
• @Funl_ai: Outils de trading DeFi automatisés par IA pour analyser les conditions du marché en temps réel, exécuter des transactions automatiques, et Assistance IA pour le trading manuel avancé.
• @NetworkNoya: Stratégies d'IA incluant la fourniture de liquidité, la gestion de levier et l'optimisation des emprunts.
• @SingularityDAO: Un protocole de gestion d'actifs non dépositaire offrant des paniers de tokens ajustés dynamiquement gérés par une équipe de traders assistés par l'IA.
• @OLAS: Plateforme de déploiement d'agents d'IA, prenant en charge les systèmes multi-agents pour la prédiction, la génération de contenu et les services financiers.
• @Raiba_AI: Écosystème de chatbot avec des caractéristiques interactives, des expériences de chat gamifiées et des fonctionnalités futures d'assistant on-chain.

Agents de Prédictions

L'objectif central de ces Agents de Prédiction est la prévision et la gestion des risques basées sur les données. En exploitant l'IA, chaque protocole travaille à affiner les prévisions de marché, soutenant les plates-formes DeFi avec des informations sur les mouvements anticipés, les fluctuations de prix et les tendances financières plus larges.

En plus de l’analyse prédictive, ces agents jouent un rôle crucial dans l’amélioration de la prise de décision. Grâce à des informations opportunes et pertinentes, les utilisateurs et les plateformes DeFi peuvent faire des choix proactifs et éclairés, optimiser les stratégies et réduire les risques.

Certains agents de prédiction, comme ReflectionAI, intègrent l’analyse des sentiments, ajoutant une couche qui capture l’humeur du marché. Cette approche permet aux utilisateurs de prendre en compte les changements de sentiment, un facteur essentiel pour prédire le comportement des utilisateurs et anticiper la dynamique du marché.

Les protocoles notables dans cette catégorie incluent :

• @AIVX_ai: Modèles prédictifs pour les marchés financiers.
• @GnosisAI: Paiements entre agents et marchés de prévision pilotés par l'IA au sein de Gnosis.
• @PredictionProphet: Agent IA sur Gnosis pour les marchés de prédiction.
• @prism_tec: Prédictions du marché de la DeFi alimentées par l’IA sur Solana.
• @zenoaiofficial: Une plateforme de trading de crypto-monnaies avec des agents d’IA autonomes offrant des informations, des stratégies et des prévisions de marché.

Création d'agent

L’un des objectifs unificateurs de ce type de plateforme est de permettre aux utilisateurs de créer, de personnaliser et de déployer des agents d’IA avec un minimum d’expertise en codage. Ils offrent une gamme d’outils, des solutions no-code aux frameworks spécialisés, couvrant toutes les étapes de la création et de la gestion des agents au sein de la DeFi.

Les principales caractéristiques comprennent l'accessibilité et la personnalisation, avec de nombreuses plateformes offrant des interfaces sans code ou à faible code qui permettent aux utilisateurs sans compétences techniques avancées de créer des agents. Pour une expérience plus complète, plusieurs plateformes proposent une gestion complète du cycle de vie des agents, de la création à la formation, en passant par le déploiement et la monétisation, permettant ainsi aux utilisateurs de superviser l'ensemble du parcours de leurs agents au sein de la DeFi.

De plus, la coordination et l'interopérabilité sont prioritaires pour certains protocoles, tels que OLAS et Flock, qui permettent une collaboration multi-agents et une intégration transparente entre différents écosystèmes DeFi.

Plateformes de création d'agents

Se concentre sur les outils spécifiquement conçus pour créer, déployer et personnaliser des agents d'IA au sein de DeFi.

• @ChasmNetwork: Plateforme pour créer, déployer et monétiser des agents d'IA.
• @CreatorBid: Une place de marché qui permet aux utilisateurs de déployer et de tokeniser des agents d'IA, spécialisés dans les agents conçus pour les créateurs de contenu.
• @PondGNN: Pond : Plateforme permettant de créer, de posséder et de monétiser des modèles d’IA sur la chaîne.
• @xgurunetwork: Plateforme pour créer des agents IA interactifs.
• @myshell_ai: Plateforme de création, de partage et de monétisation d’applications d’IA open-source.
• @OLAS: Création d'agents d'IA et d'interopérabilité.
• @ReflectionAI__: Place de marché pour le partage et le trading de modèles d’IA.
• @SwarmZeroAI: Plateforme pour créer et monétiser des agents d'IA.
• @TopHat_One: Open launchpad for AI agents.
• @virtuals_io: Outils de création d'agents alimentés par l'IA. Quelques exemples d'agents créés avec Virtuals sont @luna_virtuals, @aixbt_agent, et @sekoia_virtuals.
• @vvaifudotfun: Thepump.funpour les agents AI autonomes sur Solana.

Outils de formation et d'optimisation des agents

Ces outils permettent une formation avancée et une personnalisation des agents d'IA.

• @almanak_co: Outils pour former des agents d'IA.
• @Agent_Layer: Outils et cadres pour construire des agents AI DeFi personnalisés.
• @Nimble_Network: Permet aux créateurs d'IA de créer et de monétiser des agents d'IA grâce à une plateforme tout-en-un.
• @Build_Vertical: Plateforme sans code pour le réglage fin des modèles d'IA. Entraînez, déployez et monétisez l'IA.

Infrastructure pour l'IA dans DeFi

Les protocoles d'infrastructure sont essentiels pour soutenir les besoins fondamentaux et opérationnels des agents d'IA dans des environnements décentralisés. Ces systèmes fournissent un accès aux ressources informatiques, aux données pertinentes et aux réseaux de partage de connaissances, qui permettent aux agents d'IA d'effectuer leurs fonctions et leurs opérations de manière efficace au sein de DeFi.

Un élément clé de cette infrastructure est la gestion et l’exploitation décentralisées. Les protocoles d’exploitation des agents établissent l’épine dorsale du déploiement et de la gestion des agents, en créant un environnement structuré dans lequel les agents peuvent fonctionner de manière autonome. En plus des capacités de gestion, les ressources de calcul jouent un rôle essentiel en fournissant la puissance de traitement nécessaire aux agents d’IA pour s’attaquer à des tâches complexes et gourmandes en données, ce qui est essentiel dans l’écosystème DeFi en évolution rapide.

Il est également important d'avoir accès aux données, où les places de marché et les réseaux facilitent l'accès aux ensembles de données nécessaires aux agents pour prendre des décisions éclairées. Enfin, les plates-formes de partage des connaissances favorisent un environnement collaboratif, permettant aux agents d'apprendre, de s'adapter et d'évoluer en continu en partageant des connaissances et des données.

Cette infrastructure garantit collectivement que les agents IA sont bien équipés pour fonctionner efficacement et intelligemment dans la finance décentralisée.

Protocoles de fonctionnement de l'agent

Ces protocoles fournissent la structure pour le déploiement et la gestion d'agents d'IA décentralisés, agissant comme l'épine dorsale de l'autonomie des agents au sein de DeFi.

• @Altera_AL: Infrastructure pour la gestion d'agents d'IA décentralisés (initialement des agents d'IA de jeu).
• @Fetch_ai: Plateforme décentralisée pour les agents d'IA.
• @HyperspaceAI: Fournit une infrastructure opérationnelle pour les agents d'IA dans DeFi.
• @mor_org: Un réseau permettant des agents d'IA personnels pour la gestion des tâches et les interactions cryptographiques.
• @OpenAgentsInc: Plateforme d'automatisation des affaires pour le déploiement, la personnalisation et l'intégration d'agents.
• @questflow: Exploite l'infrastructure pour les systèmes multi-agents.
• @sebraai: Plateforme sans code pour la construction et le déploiement d'agents d'IA.
• @ShinkaiProtocol: Plateforme de gestion des données et d'automatisation des agents d'IA.

Ressources informatiques décentralisées pour les agents

Ces protocoles fournissent la puissance de calcul nécessaire aux agents d'IA pour effectuer des opérations à forte intensité de données, soutenant l'analyse en temps réel, la prise de décision et l'exécution dans l'écosystème DeFi.

• @FormAI: Plateforme alimentant une économie décentralisée où les utilisateurs peuvent contribuer à leurs données, calculs et recherches pour l'entraînement de l'IA.
• @Gaianet_AIPlateforme de création et de monétisation d'agents d'IA, offrant des ressources de calcul pour les aider à se développer et à effectuer des opérations intensives.
• @kira_infera: Réseau décentralisé d’inférence d’IA peer-to-peer qui se concentre sur le support informatique pour les agents d’IA.
• @napthaai: Une plateforme modulaire pour le déploiement d'agents d'IA décentralisés sur plusieurs nœuds, avec un support computationnel flexible.
• @NodeAIETH: marché de location de GPU qui permet aux utilisateurs de louer des GPU pour leurs applications d'IA.
• @TalusNetwork: Une chaîne de blocs L1 permettant le déploiement et la monétisation de l'IA basée sur des agents, offrant les ressources de calcul nécessaires pour des opérations intensives.

Place de marché des données pour les agents

Les places de marché de données offrent les ensembles de données structurés essentiels dont les agents d’IA ont besoin pour prendre des décisions éclairées, effectuer des prévisions précises et améliorer les capacités d’apprentissage au sein des applications DeFi.

• @AlliumLabs: Outils et services permettant aux utilisateurs d'analyser les données de la blockchain ou de renforcer leurs flux de travail et applications en temps réel.
• @AlloraNetwork: Protocole de partage de données (sous forme de prédictions d'IA), connectant les fournisseurs de données, les processeurs et les utilisateurs tout en récompensant les prédictions de haute qualité.
• @Covalent_HQ: Infrastructure de données modulaire pour l'IA.
• @getaxal: Plateforme de marché rationalisant les flux de travail en automatisant et en intégrant les données et les actions à travers Web3.
• @scryptedinc: Sources de données pour les modèles de trading AI.

Réseaux de connaissances

Les réseaux de connaissances facilitent l'apprentissage et le partage de stratégies entre les agents d'IA. Ils vont au-delà des données brutes en fournissant des idées, des méthodologies et des expériences que les agents peuvent utiliser pour affiner leurs capacités au sein des environnements DeFi.

• @forgellm: Répertoire d'informations piloté par l'IA.
• @real_alethea: Plateforme permettant la création, la propriété et le partage décentralisés de personnalités et de modèles d'IA.
• @SocietyLibrary: Base de connaissances décentralisée pour l'IA.
• @TheoriqAI: Réseau de partage de connaissais pour les agents d'IA afin de créer collaborativement des solutions.

Données

Ces plateformes contribuent aux ressources de données, souvent en collectant des données publiques et en incitant les utilisateurs à partager leurs données pour l'entraînement de l'IA.

• @getgrass_io: Une plateforme décentralisée qui permet aux utilisateurs de gagner des récompenses en partageant leur bande passante internet inutilisée, qui est utilisée pour collecter et traiter des données web publiques à des fins de formation AI.

Autres cas d'utilisation

Il convient de noter certaines applications supplémentaires des agents d'IA, en particulier celles qui ont suscité beaucoup d'attention ces dernières semaines:

• @0xzerebroUn système d'IA générant et diffusant de manière autonome du contenu diversifié sur plusieurs plateformes, utilisant un système de génération augmentée par recherche pour maintenir une mémoire dynamique et prévenir l'effondrement du modèle.
• @agent_wip: Un agent artistique conçu collectivement sur chaîne qui utilise des données sur chaîne pour informer la création, la distribution et la monétisation de l'art, explorant de nouvelles formes d'autonomie créative et d'interaction.
• @ai16z: Une organisation autonome décentralisée (DAO) pilotée par l'IA qui utilise des agents autonomes pour prendre des décisions d'investissement et gérer des actifs au sein de l'écosystème des cryptomonnaies.
• @dolos_diary: Un agent d'IA incarnant la personnalité de Dolos, le dieu grec de la tromperie, offrant des interactions vives, spirituelles et d'une honnêteté brutale sur des plateformes telles que Twitter et Telegram.
• @lola_onchain: Un agent d'IA autonome exploitant la mémoire à long et à court terme pour analyser, trader et optimiser indépendamment les stratégies de cryptomonnaie. Par exemple, LOLA a effectué 200 transactions, 6 jetons ont été multipliés par 20 ou plus, 13 jetons ont été multipliés par 10 à 20, 25 jetons ont été multipliés par 5 à 10; le reste peut être écrit.
• @truth_terminal: Un agent AI semi-autonome qui interagit avec les utilisateurs sur les réseaux sociaux, générant des informations et du contenu tout en explorant les intersections de l'IA, de l'attention et de la richesse dans les espaces en ligne.

Autres applications d'IA dans DeFi

Les applications d'IA connaissent un essor considérable, trouvant leur place dans presque tous les coins de la blockchain avec de bonnes raisons d'ajouter des optimisations axées sur l'IA.

Vaults & Automation utilisant l'IA

Ces plateformes se concentrent sur l'optimisation du rendement et la gestion du coffre-fort grâce à une automatisation basée sur des règles conçue pour maximiser les rendements et réduire l'implication de l'utilisateur. Au lieu de s'appuyer sur des agents autonomes, elles utilisent des algorithmes simples pour ajuster les portefeuilles et optimiser le rendement à travers la DeFi.

Sans agents, ces systèmes bénéficient d'une structure plus simple et plus contrôlée. Ils évitent la complexité supplémentaire et l'infrastructure nécessaire pour les agents, qui devraient sinon surveiller et s'adapter de manière indépendante aux conditions changeantes.

Le compromis ? Une adaptabilité réduite. Les systèmes basés sur des règles sont moins réactifs aux évolutions du marché en temps réel que les modèles pilotés par des agents, qui peuvent s'ajuster de manière autonome aux conditions volatiles. Bien que fiables et efficaces, ces plateformes peuvent manquer des opportunités émergentes qu'une approche plus dynamique, basée sur des agents, pourrait saisir.

• @AIAgentLayerPlateforme de création d'agents d'IA tokenisés, intégrant des données provenant de X et des entrées utilisateur.
• @arataagi: Plateforme AGI décentralisée avec un système multi-agent qui permet aux agents d'IA de collaborer, d'apprendre et d'évoluer de manière autonome.
• @ApertureFinance: Gestion de rendement et de portefeuille DeFi alimentée par l'IA en utilisant des intentions.
• @AutoppiaAI: Déployer des agents d'IA qui automatisent les flux de travail commerciaux.
• @blinklabs_aiLaunchpad pour les actifs on-chain tels que les NFT et les jetons fongibles utilisant l'IA.
• @Mass_Build: Système d'exploitation tout-en-un et copilote AI pour une gestion et une automatisation des affaires transparentes.
• @Robonet: Stratégies de rendement automatisées pour les coffres-forts DeFi, utilisant l'IA.
• @trySkyfire: Plateforme permettant aux agents d'IA une interopérabilité mondiale, un accès financier, une monétisation et une vérification d'identité.

Audit et sécurité des contrats intelligents

Les systèmes de vérification et de sécurité des contrats intelligents alimentés par l'IA fonctionnent en utilisant des algorithmes d'apprentissage automatique pour détecter les vulnérabilités dans le code. Ces systèmes analysent les contrats intelligents ligne par ligne, identifiant des motifs et des anomalies qui pourraient indiquer des risques de sécurité ou des failles exploitables. Ensuite, ils comparent le code du contrat avec les vulnérabilités connues et les vecteurs d'attaque.

Ces outils effectuent également une surveillance continue, permettant la détection des menaces en temps réel pendant le fonctionnement des contrats. En utilisant l'IA pour automatiser ce processus, les plateformes d'audit peuvent réagir rapidement aux problèmes de sécurité potentiels, souvent avant qu'ils ne puissent être exploités, améliorant ainsi la résilience et la fiabilité des applications DeFi.

• @auditone_dao: Offre des services d'audit AI pour des analyses de vulnérabilité.
• @cyvers_Cyvers utilise l'IA pour fournir une détection et une prévention en temps réel des attaques de crypto, identifiant des modèles et des anomalies à travers les blockchains pour atténuer les menaces de manière proactive.
• @HypernativeLabs: Utilise l'IA pour les audits de contrats intelligents, en scannant les vulnérabilités.
• @phylaxsystems: Système de sécurité piloté par l'IA pour les analyses de vulnérabilités et la surveillance des exploits.

Systèmes de gouvernance et de vote

Le thème partagé est le soutien à la gouvernance basée sur les données. Ces protocoles utilisent l'IA pour simuler des scénarios de gouvernance, permettant aux parties prenantes de comprendre les résultats potentiels avant de mettre en œuvre des changements. En analysant les schémas de vote historiques, les métriques de participation et l'impact des propositions, ils peuvent identifier les tendances et prédire les résultats des votes, ce qui aide les organisations à prendre des décisions basées sur les données avec plus de confiance.

De plus, l'IA aide à réduire les biais cognitifs et décisionnels en présentant des données objectives et en exécutant des simulations qui mettent en évidence les risques et les avantages potentiels. Certains protocoles, par exemple, se concentrent sur le partage de données préservant la vie privée, garantissant que les informations sensibles de gouvernance sont protégées tout en restant accessibles à des fins d'analyse.

• @mor_orgRéseau décentralisé offrant des informations de gouvernance pilotées par l'IA.
• @QuillAI_NetworkPlateforme décentralisée pour les agents d'IA, axée sur l'amélioration de la sécurité Web3 grâce à des capacités modulaires et multi-chaînes.

Futur des applications DeFi avec l'IA

Évolutivité et automatisation

À mesure que DeFi se développe, les défis de mise à l'échelle et les goulots d'étranglement opérationnels au sein des DAO nécessitent des solutions auxquelles l'IA est spécialement équipée pour répondre. Imaginez un agent d'IA gérant de manière autonome la trésorerie d'un DAO, réallouant la liquidité entre les pools en fonction des données de marché en temps réel, ou exécutant des votes de gouvernance de routine dans les paramètres pré-approuvés.

Ce niveau d'automatisation pourrait permettre aux DAO de se développer sans ajouter de charge humaine, en rationalisant des processus tels que l'intégration des utilisateurs et les mises à niveau des protocoles. Avec l'IA s'occupant de ces fonctions routinières, les protocoles DeFi pourraient croître avec un minimum de friction et une efficacité accrue.

Alignement des incitations

Aligner les agents d'IA avec les objectifs décentralisés est essentiel pour préserver l'éthos de DeFi et éviter les risques de centralisation. Les futurs cadres pourraient concevoir des incitations qui encouragent les agents à privilégier la transparence et les intérêts de la communauté. Par exemple, un agent d'IA gérant la liquidité d'un protocole pourrait être programmé pour se concentrer sur des rendements stables, axés sur l'utilité et à long terme plutôt que sur la maximisation des profits.

Pour atteindre cet alignement, il faudrait des protocoles transparents, des audits rigoureux des contrats intelligents et des structures d'incitation qui récompensent les agents en fonction de leur contribution à la décentralisation. Cette approche permettrait de façonner les agents de manière à ce qu'ils agissent davantage comme des entités coopératives que comme des maximisateurs de profit.

Cas d'utilisation émergents et applications de nouvelle génération

Au-delà des applications actuelles, l'IA pourrait permettre des produits DeFi adaptatifs centrés sur l'utilisateur qui répondent dynamiquement aux conditions du marché et des utilisateurs. Imaginez un contrat intelligent piloté par l'IA qui ajuste l'exposition au risque de portefeuille d'un utilisateur en temps réel en fonction de la volatilité du marché ou de l'analyse des sentiments. Ou un pool de prêt personnalisé qui personnalise les taux d'intérêt en fonction de la réputation sur chaîne d'un emprunteur, des gains prévus ou des conditions de liquidité.

Nous pourrions même voir des coffres-forts d'optimisation du rendement qui se rééquilibrent automatiquement en fonction des tendances de liquidité et d'APY, ou des agents de trading qui ajustent leurs stratégies en cours de transaction, affinant les positions à mesure que de nouvelles données émergent.

Un aperçu du "Web agentic"

Dans cette vision de "Agentic Web", les agents d'IA interagiraient sans problème à travers les protocoles, créant un réseau d'intelligence autonome auto-suffisant. Imaginez un agent qui gère un portefeuille NFT tout en coordonnant avec les protocoles de yield farming pour collatéraliser les actifs lors des baisses de liquidité. Ces agents pourraient même négocier des transactions transversales, ajustant les allocations de risques sur plusieurs applications DeFi pour des résultats optimaux pour les utilisateurs. Agissant comme des "économistes numériques", ces agents apprendraient en continu, évolueraient avec les commentaires des utilisateurs et collaboreraient avec d'autres agents d'IA.

Ce réseau interconnecté remodelerait DeFi en un écosystème financier adaptatif, intelligent, réactif, personnalisé et dynamique.

Conclusions

L'intégration de l'IA a le potentiel de redéfinir la finance décentralisée, la remodelant en un écosystème financier plus accessible et efficace.

Dans quelle mesure une telle intégration peut-elle perturber le système financier ? Étant donné que les services représentent 70 % du PIB mondial, l'évolution des agents d'IA pourrait perturber une partie importante de ce secteur en automatisant des processus traditionnellement manuels. L'automatisation alimentée par l'IA dans la DeFi pourrait transformer jusqu'à 20 % de l'économie des services, en particulier dans les domaines bénéficiant de transparence, de traçabilité et de décentralisation. Cette transformation pourrait affecter un marché de 14 billions de dollars.

Cependant, l'intégration de l'IA et des technologies blockchain ne se fait pas sans difficultés. Bien que la blockchain offre la vérifiabilité, la résistance à la censure et des canaux de paiement natifs, elle ne dispose pas de la capacité nécessaire pour les calculs intensifs en temps réel souvent requis par l'IA. Les blockchains actuelles ne sont pas optimisées pour les tâches de calcul intensives, ce qui signifie que l'exécution native de modèles IA complexes sur la chaîne reste peu pratique. Au lieu de cela, il est plus probable que nous voyions des modèles hybrides où l'IA est formée et traitée hors chaîne, avec les résultats intégrés à la blockchain pour la transparence, la sécurité et l'accessibilité.

Alors que la pile AI x DeFi continue à évoluer, de nouvelles couches d'infrastructure AI décentralisée et d'applications on-chain émergent. Cette intersection est censée donner naissance à la "Toile Agentique," où les agents AI deviennent des moteurs essentiels de l'activité économique, automatisant des actions telles que la création de contrats intelligents, le trading et d'autres interactions on-chain.

À mesure que ces agents deviennent plus sophistiqués, nous pourrions observer des dynamiques similaires à celles des stratégies MEV, où les entités optimisant les stratégies basées sur l'IA dominent le marché, éliminant potentiellement les concurrents moins développés et centralisant le contrôle parmi les acteurs sophistiqués.

Pour libérer le potentiel transformateur de l'IA dans la DeFi sans compromettre la décentralisation, il est essentiel de donner la priorité aux intégrations d'IA sécurisées et éthiques. Les agents d'IA sont guidés par des incitations décentralisées et opèrent de manière transparente, permettant à l'écosystème DeFi de croître sans risque de contrôle centralisé.

En fin de compte, la convergence de l'IA et de la DeFi devrait créer un paysage financier plus inclusif, résilient et tourné vers l'avenir qui pourrait redéfinir la façon dont nous interagissons avec les systèmes économiques.

Démenti

Three Sigma ne cautionne aucun des projets mentionnés ici. Faites preuve de prudence et effectuez des recherches approfondies. Nous respectons et soutenons les développeurs qui font avancer cet espace.

Références

Crypto et IA : Une exploration par Vitalik Buterin @VitalikButerin

• https://vitalik.eth.limo/general/2024/01/30/cryptoai.html

Démystifier la pile Crypto x AI par CB Ventures @CBVentures

• https://paragraph.xyz/@cbventures/demystifying-the-crypto-x-ai-stack

Le point de vue de Yuga Cohler sur l’IA et la DeFi @YugaCohler

• https://x.com/yugacohler/status/1851020728390598942

Aperçu des agents d'IA de base par Murr Lincoln@MurrLincoln

• https://x.com/MurrLincoln/status/1853855287696134570

Réflexions sur les agents d’IA dans la DeFi par Prismatic @0xprismatic

• https://x.com/0xprismatic/status/1854513654156398961?s=46&t=2q9OLMlaobNlHLew

Cas d'utilisation de l'agent d'IA du consommateur dans DeFi par Jeff @Defi0xJeff

• https://x.com/Defi0xJeff/status/1854230030769066432

Jeux et agents d'IA par Shoal Research @Shoalresearch

• https://x.com/Shoalresearch/status/1805658117004476874

Agents d'IA : Recherche et Applications (Un aperçu de recherche approfondi de 40 pages sur les agents basés sur LLM) par AccelXR @AccelXR

• https://accelxr.substack.com/p/ai-agents-research-and-applications

La vision de Chase sur $LUM et des agents d'IA @itsmechaseb

• https://x.com/itsmechaseb/status/1857511608810901941

Avertissement :

1. Cet article est reproduit à partir de [X]. Tous les droits d'auteur appartiennent à l'auteur original [@threesigmaxyz]. If there are objections to this reprint, please contact theGate Learn et ils s’en occuperont rapidement.
2. Clause de non-responsabilité: Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent pas des conseils en investissement.
3. L'équipe de Learn de gate a traduit l'article dans d'autres langues. Copier, distribuer ou plagier les articles traduits est interdit sauf mention contraire.