Aperçu panoramique du secteur des outils de données sur chaîne (1ère partie)
TechFlow SélectionTechFlow Sélection
Aperçu panoramique du secteur des outils de données sur chaîne (1ère partie)
Cet article analyse et résume les outils de données sur la chaîne selon trois axes : type de produit, modèle économique et orientations futures.
Dédié à des analyses Web3 approfondiesAuteur : Wendy, IOSG Ventures
TL,DR :
-
Les caractéristiques des données sur chaîne rendent les outils d'analyse de données sur chaîne fortement demandés. Cet article classe les produits existants sur le marché selon leurs orientations principales, tels que ceux centrés sur les données ou sur les transactions ;
-
La concurrence entre les tableaux de bord de données est intense, nécessitant une différenciation stratégique. Les outils automatisés de trading suscitent un vif intérêt mais comportent des risques. Bien que ces deux types de produits aient des besoins distincts et certaines fonctionnalités communes, ils ne s'éliminent pas mutuellement ;
-
La monétisation des produits de données constitue une question méritant une attention particulière. Cet article présente brièvement les avantages et inconvénients des modèles commerciaux avec ou sans jeton, une analyse plus approfondie sera détaillée dans un prochain article ;
-
Les directions futures potentielles pour les outils sur chaîne incluent le développement du socialfi et des communautés, les recommandations personnalisées basées sur les profils utilisateurs, ainsi que l'intégration avec l'IA.
Introduction
Que ce soit dans le web2 ou le web3, les données restent une ressource aussi précieuse que le pétrole à l'ère de l'information, et constituent un terrain convoité par de nombreux acteurs. L’alpha sur chaîne désigne des informations valorisables non encore largement diffusées sur la blockchain, dont l'exploitation via l'analyse des données permet de tirer profit du décalage temporel d'efficience du marché. La nature décentralisée de la blockchain rend les données publiques comme un trésor accessible, mais avec l'enrichissement croissant des écosystèmes multi-chaînes – NFT, GameFi, SocialFi, etc. – si la quantité d'alpha disponible augmente, sa capture devient également plus complexe. La plupart des utilisateurs ordinaires n'ont pas les compétences techniques requises, créant ainsi une forte demande d'outils d'analyse de données sur chaîne accessibles aux non-spécialistes.
Les données sur chaîne possèdent des caractéristiques uniques qui confèrent aux outils de traitement de données un rôle irremplaçable :
-
Transparence et accès public : tout le monde peut consulter et vérifier les données. Pour les projets comme pour les investisseurs, c’est à la fois une opportunité et un défi. Cela favorise une dynamique où chacun doit innover : les projets doivent se différencier, tandis que les investisseurs doivent améliorer continuellement leur maîtrise des outils et des analyses.
-
Exigence élevée en matière de temporalité : les données sont mises à jour en continu, 24 heures sur 24. Les opportunités de transaction sont souvent éphémères. Comparé au reporting financier traditionnel, la mise en ligne des données est quasi instantanée, générant sans interruption de nouveaux enregistrements d'activités sur chaîne.
-
Données multidimensionnelles, hétérogènes et provenant de multiples sources. Les données sur chaîne englobent bien plus que les simples transactions : autorisations, staking, flux de capitaux inter-chaînes, etc.
-
Seuil technique élevé. La majorité des utilisateurs ignorent des concepts fondamentaux comme le réglage des frais de gaz (gas fees) ou le MEV (Maximal Extractable Value). Même avec l'accès à l'information, transformer celle-ci en actions concrètes rentables reste difficile. C’est là qu’interviennent certains outils automatisés, offrant aux utilisateurs ordinaires une sorte de « pouvoir magique » de scientifique sur chaîne.
Cet article propose initialement une classification des outils d’analyse de données sur chaîne en deux grandes catégories — orientés données ou orientés transactions — selon que le produit final mette en avant les données ou les actions de trading. Toutefois, bon nombre d’outils combinent à la fois fonctions de données et de trading.
Orientés données
Tableaux de bord de données globales
Similaires aux terminaux financiers comme Bloomberg dans la finance traditionnelle, ces outils visent à offrir une vue d’ensemble du marché. Ils se concentrent généralement sur les données agrégées par chaîne, protocole ou cryptomonnaie. À l’époque précoce de la blockchain, les indicateurs étaient simples : prix du jeton, nombre d’adresses détenant, durée de détention, historique des transactions, etc. Avec l’émergence du DeFi puis le développement des NFT et du GameFi, les dimensions des données se sont considérablement enrichies : TVL (Total Value Locked), capitalisation boursière, volume sur 24h, distribution des détentions, visualisation des déblocages de jetons, classement de rareté des NFT, répartition des prix plancher, etc. Tokenterminal fournit même des indicateurs comme les revenus, frais, ratio prix/ventes ou PER estimés — moins utiles pour le trading court terme, donc avec un délai de mise à jour plus long. Des plateformes comme Nansen proposent des données actualisées à la minute près.
Interface utilisateur de DeFiLlama
La concurrence entre les produits de données est féroce, poussant les équipes à chercher la différenciation :
-
Production de rapports d'analyse complets : Nansen et Messari publient fréquemment des rapports. Les équipes de produits de données comprennent souvent des analystes chargés d’interpréter les indicateurs, intégrant ces rapports comme composante clé de leur offre.
-
Spécialisation dans des niches verticales : NFTSCAN se concentre sur les données de marché NFT multi-chaînes, tandis que L2Beat compile et visualise les données des différentes solutions Layer 2.
-
Outils de requête SQL : Dune Analytics et Bitquery permettent aux utilisateurs d’écrire leurs propres requêtes SQL, rendant les produits plus personnalisables, mais avec une barrière technique plus élevée.
-
Solutions entreprises : Chainalysis et Amberdata se concentrent sur des solutions complètes de données blockchain destinées aux clients B2B, notamment les exchanges et institutions financières traditionnelles.
On trouve également des produits axés sur la visualisation comme Crypto Bubbles, ou combinant IA comme DexCheck et KaitoAI. Globalement, les tableaux de bord sont les outils d’analyse sur chaîne les plus courants et les plus utilisés, avec des différences de fonctionnalités selon les produits, mais une concurrence très serrée.
Pour plus d’analyses sur Nansen, voir l'article précédent d’IOSG : lien.
Analyse dimensionnelle par adresse
Outre les données agrégées au niveau du marché, une autre approche principale consiste à analyser depuis l’adresse individuelle. Les outils axés sur cette dimension comprennent notamment :
-
Les explorateurs de blocs comme Etherscan, qui servent d’applications de base, permettant d’examiner toutes les interactions d’une adresse, y compris la consommation de gaz sur chaîne.
-
Des plateformes comme Debank, qui affichent les positions, gains/pertes et historiques de transactions d'une adresse. Bubblemaps visualise les liens entre adresses, facilitant l’identification des relations et des flux de capitaux. Nansen est également reconnu pour ce type d’analyse. Le suivi du "smart money" permet d’observer ou de copier les mouvements des investisseurs avisés afin d’augmenter ses chances de profit.
Orientés transactions
Récemment, les bots Telegram comme Unibot et Maestro ont connu un fort engouement, leurs cours et TVL ayant augmenté d’environ dix fois en quelques semaines, ce qui contraste nettement avec le marché baissier. Telegram, avec ses 700 millions d'utilisateurs mensuels actifs, propose des API riches permettant aux développeurs d’intégrer facilement des mini-applications. Contrairement aux outils purement analytiques, les outils orientés trading prennent en charge l’ensemble du processus utilisateur, simplifiant grandement le passage de l’analyse à l’exécution. Cependant, cela augmente les risques de sécurité et les coûts (frais de transaction + frais d’utilisation).
Évolution du TVL de plusieurs projets Telegram
Ces outils automatisés utilisent des portefeuilles créés par leurs soins pour exécuter des transactions ou des interactions en temps réel, ou bien transmettent des alertes via e-mail, Discord ou Telegram. Certains outils sont orientés farming, effectuant aléatoirement des interactions prédéfinies dans l’espoir d’obtenir des airdrops ou de réaliser des arbitrages programmés. Prenons Unibot et Maestro comme exemples : les fonctionnalités typiques incluent :
-
Ordres à cours limité : similaires aux exchanges centralisés, les outils supportent les ordres d’achat/vente à un prix et volume spécifiés.
-
Copie de transactions (copy trading) : possibilité de reproduire les opérations d’une adresse donnée, souvent utilisée pour imiter les "smart money", offrant aux débutants ou investisseurs passifs une méthode simple de profit dans le marché crypto.
-
Alertes : notification des activités d’adresses spécifiques, comme un transfert dépassant un montant seuil, ou la détection en temps réel du déploiement de nouveaux contrats de jetons.
-
Simulation de transaction : simulation des profits/pertes avant exécution, pour anticiper les échecs ou pertes dus au gaz ou au slippage.
-
Transactions privées (private transactions) : permettent d’éviter le frontrunning et les attaques sandwich, réduisant ainsi les pertes potentielles.
-
Farming : interactions aléatoires avec divers projets, simulant des comportements d’utilisateurs afin d’augmenter les chances d’obtenir des airdrops.
Liste des fonctionnalités Unibot Sniper
Le nombre d'utilisateurs des outils automatisés a explosé récemment, atteignant près de 6 000 utilisateurs quotidiens pour les bots de trading sur chaîne via Telegram. La majorité provient de Maestro (ancien acteur) et Unibot (nouvel arrivant), qui ensemble dominent plus de 80 % du marché des bots de trading DEX sur Telegram.
Nombre d'utilisateurs des robots sur chaîne Telegram
Cependant, derrière la hausse des prix et l’effervescence médiatique, la demande réelle mérite une analyse critique. Les deux fonctionnalités phares des bots Telegram — notifications et copy trading — ne sont pas nouvelles, et existent déjà sur des plateformes centralisées ou des produits matures (voir image ci-dessous). En comparaison, les bots Telegram semblent moins compétitifs. Étant donné que la base des traders expérimentés ("degen") reste limitée, et que des alternatives plus sûres et complètes existent, il est probable que la majorité des utilisateurs de bots Telegram soient des novices utilisant surtout les alertes. D’un point de vue optimiste, Telegram, avec son immense trafic et son interface conviviale, pourrait devenir une porte d’entrée idéale pour faire découvrir le Web3 aux nouveaux utilisateurs.
Produits de plateforme de copy trading
Un autre type de produit lié aux outils automatisés est celui des plateformes DEX comme Dexscreener et Dextools. Ces outils permettent de surveiller en temps réel les variations de prix des paires de jetons, intègrent souvent des fonctions d’échange DEX et des vérifications basiques de sécurité de contrat (ex : détection de pièges ou taxes). Récemment, l’équipe Unibot a lancé Unibot X, un terminal de trading intégré à GeckoTerminal. Les utilisateurs peuvent se connecter directement via leur portefeuille Telegram, avec des fonctionnalités incluant ordres limités, graphiques en chandeliers, historiques, et suivi des smart money. On peut s’attendre à une convergence accrue entre DEX et bots dans le futur, améliorant ainsi l’expérience utilisateur du trading décentralisé.
Bien que ces outils renforcent considérablement les capacités des utilisateurs, ils présentent un risque centralisé majeur. La plupart génèrent eux-mêmes les adresses de portefeuille, exposant ainsi entièrement les clés privées aux équipes projet. Comme dit dans le monde crypto : « Not your keys, not your coins ». Si les utilisateurs souhaitent utiliser ces outils, ils doivent déplacer leurs fonds vers des adresses contrôlées par le projet, se plaçant ainsi dans une position vulnérable.
Logique de valeur du secteur des outils de données
Avantages et inconvénients des modèles commerciaux des outils de données
Dans l’univers Web3, comparé à certains segments émergents dont la demande réelle est difficile à prouver, les outils de données peuvent sembler moins ambitieux en termes de narration. Pourtant, leur besoin est concret et tangible. Le modèle économique des outils de données est mature, similaire à celui des entreprises de données web2, déjà validé à maintes reprises. Certains projets, même sans émettre de jeton, génèrent des revenus réguliers.
Pour les projets n’émettant ni jeton ni taxe, les sources de revenus incluent :
-
Paiement par utilisateurs grand public (Côté C) : à l’image des logiciels SaaS web2, les fonctionnalités de base sont gratuites, les avancées payantes, ou un quota limité est imposé (ex : suivi de 10 adresses max). Deux modèles de paiement : licence unique (type abonnement à vie) ou abonnement mensuel/trimestriel/annuel.
-
Monétisation B2B : vente d’API ou développement de systèmes de données pour développeurs et entreprises. The Graph, par exemple, fournit des API à de nombreux projets DeFi/GameFi. Debank propose aussi ce type de service.
-
Revenus publicitaires : une fois le seuil critique d’utilisateurs atteint, les projets peuvent monétiser le trafic via des publicités intégrées.
Compte tenu des caractéristiques des données sur chaîne et des produits existants, ce segment offre des opportunités certaines, mais aussi une concurrence intense. Ces outils nécessitent initialement des investissements importants en infrastructure. La nature ouverte des données supprime tout avantage durable sur la source. Par exemple, le marché des tableaux de bord est saturé : Arkham a récemment rendu gratuites certaines fonctionnalités de Nansen, impactant inévitablement les outils payants. Toutefois, vu la complexité du domaine, que ce soit en plateforme tout-en-un ou en niche spécialisée, il reste possible de dominer un segment vertical. Ces outils doivent proposer des itérations rapides, extraire des indicateurs plus pertinents, offrir des fonctionnalités complètes, et mieux aider les utilisateurs à maximiser leurs gains, afin de sortir de la course à l’homogénéité et bâtir des barrières durables.
Analyse des modèles économiques de jetons pour les outils de données
La nécessité ou non d’un jeton pour les outils fait débat. Les critiques soulignent que les cas d’usage sont limités, et qu’après le pic d’intérêt initial, maintenir le prix du jeton devient difficile. Prenons Arkham et Unibot, deux projets ayant émis un jeton, représentatifs respectivement des outils orientés données et transactions, pour étudier leurs modèles économiques :
Peu de temps après son lancement, Arkham a émis son jeton, générant un fort engouement. Plateforme complète d’analyse de données, Arkham propose des tableaux de bord, analyse d’adresses, alertes, et une place de marché pour renseignements. Le jeton ARKM est natif de l’écosystème Arkham Intel Exchange, avec un total de 1 milliard de jetons émis : Trésorerie (50 %), Investisseurs (20 %), Équipe (20 %), Liquidité (5 %), Récompenses (5 %).
Les détenteurs de jetons ARKM disposent de droits de gouvernance sur la direction stratégique d’Arkham. Le jeton permet aussi de récompenser les contributeurs : soumission d’informations, mise en gage (staking), développement de projets écosystème, parrainage d’utilisateurs, etc.
-
La place de marché des renseignements ajoute un nouveau cas d’usage : les bounties sont gérés par contrat intelligent, avec des frais de 2,5 % à la publication et 5 % au retrait. Utiliser ARKM donne une réduction de 20 %, bloquer des ARKM offre jusqu’à 50 % de réduction (avec engagement de 30 jours minimum). Les utilisateurs peuvent aussi mettre aux enchères leurs informations ou les soumettre directement à la plateforme. Les enchères ont un verrouillage de 15 jours, mais l’initiateur peut se retirer plus tôt moyennant 10 % de frais. Les soumissions sont rémunérées en jetons ARKM selon leur niveau. Après 90 jours, les informations deviennent publiques, stimulant ainsi l’intelligence collective de la plateforme.
Presque toutes les fonctions de données d’Arkham sont gratuites. Son modèle repose surtout sur la place de marché des renseignements, justement la fonction la plus controversée. L’anonymat est une valeur centrale en crypto, or Arkham inverse cette logique en associant des adresses anonymes à des entités réelles.
Contrairement au modèle innovant d’Arkham, celui d’Unibot est plus classique. Unibot est un bot de trading automatisé sur Telegram, déployé uniquement sur Ethereum, avec une FDV de 176 millions USD. Il propose échange de jetons, ordres limités, copy trading, transactions privées, fourniture de liquidité. Aucune connaissance en code requise : commandes via chat Telegram. Les adresses peuvent être générées par Unibot ou importées (risqué).
Leader du secteur, Unibot a généré plus de 4 000 ETH de revenus, principalement via les frais d’outil et la taxe sur les transactions de jetons. Le jeton $UNIBOT distribue des revenus : détention minimale de 10 jetons requise. La récompense est proportionnelle à la détention. Les détenteurs perçoivent 40 % des frais d’outil et 1 % de la taxe sur les échanges $UNIBOT. Paiement calculé toutes les 2h, récupérable après 24h. Toute sortie de plus de 200 jetons toutes les 2h annule les revenus. La forte hausse du cours a créé un effet FOMO, attirant de nouveaux utilisateurs et boostant tout le secteur.
Le risque majeur d’Arkham est de trop miser sur une activité innovante. Celui d’Unibot réside surtout dans la soutenabilité du cours. L’analyse des revenus montre que 80 % de la croissance provient de la taxe sur les transactions de jetons, fortement dépendante de l’engouement du marché et des nouveaux entrants. Une baisse de l’activité entraînerait une chute conjointe du volume et du prix — le fameux « double coup de Davy ».
Il apparaît donc que les débats autour des modèles de jetons pour les outils ne sont pas infondés. Il est crucial de diversifier l’écosystème et d’étendre les cas d’usage. Un équilibre entre bénéfices à court terme (effet enrichissement rapide) et durabilité à long terme doit être trouvé.
Directions futures potentielles
Intégration avec le SocialFi
La condition fondamentale du social est la participation massive d’utilisateurs. Le SocialFi peine encore à acquérir et fidéliser les utilisateurs. Même Threads, lancé par Meta et fortement lié à Instagram, souffre d’une faible rétention : à la deuxième semaine, les DAU ont chuté de 20 %, et le temps passé est passé de 20 minutes à moins de 5. Actuellement, les principales plateformes sociales et UGC du Web3 restent Twitter et Discord — des applications web2 — faute de médias sociaux natifs Web3. Or, les utilisateurs des plateformes de données partagent des centres d’intérêt communs, et l’information y est dense, ce qui en fait un terreau fertile pour le SocialFi. Difficile à réaliser comme Xueqiu ou Futu.
La fonction Stream de DeBank illustre cette tentative vers le SocialFi. L’adresse wallet comme identifiant apporte des données vérifiables, renforçant la crédibilité des KOLs et encourageant la transparence. Les utilisateurs peuvent aussi récompenser les contenus utiles, incarnant idéalement l’économie des créateurs.
La condition fondamentale du social est la participation massive d’utilisateurs. Le SocialFi peine encore à acquérir et fidéliser les utilisateurs. Même Threads, lancé par Meta et fortement lié à Instagram, souffre d’une faible rétention : à la deuxième semaine, les DAU ont chuté de 20 %, et le temps passé est passé de 20 minutes à moins de 5. Actuellement, les principales plateformes sociales et UGC du Web3 restent Twitter et Discord — des applications web2 — faute de médias sociaux natifs Web3. Or, les utilisateurs des plateformes de données partagent des centres d’intérêt communs, et l’information y est dense, ce qui en fait un terreau fertile pour le SocialFi. Difficile à réaliser comme Xueqiu ou Futu.
Recommandation personnalisée
La transparence des données sur chaîne facilite naturellement l’analyse des comportements et préférences individuelles. Pourtant, les algorithmes et moteurs de recommandation personnalisée en Web3 en sont encore à leurs balbutiements. Avec l’enrichissement des écosystèmes multi-chaînes, les dimensions des profils utilisateurs vont croître.
Comparés aux leaders web2, les algorithmes de recommandation sont aujourd’hui mûrs : Taobao, Douyin, Meituan, Bilibili vous proposent des produits ou vidéos adaptés à vos goûts. Or, que ce soit Dune ou OpenSea, aucun outil actuel n’offre de recommandation personnalisée. À mesure que les volumes de données augmentent, la précision des recommandations entrera dans un cercle vertueux. La nature unifiée des données blockchain pourrait même surpasser le web2 en exactitude. Posséder sa propre donnée permettrait aussi de choisir et ajuster son modèle personnel. Comme des briques Lego, ces algorithmes pourraient s’intégrer à différents domaines du Web3 : social, trading, jeux.
Intégration avec l’IA
La transparence des données sur chaîne facilite naturellement l’analyse des comportements et préférences individuelles. Pourtant, les algorithmes et moteurs de recommandation personnalisée en Web3 en sont encore à leurs balbutiements. Avec l’enrichissement des écosystèmes multi-chaînes, les dimensions des profils utilisateurs vont croître.
Comparés aux leaders web2, les algorithmes de recommandation sont aujourd’hui mûrs : Taobao, Douyin, Meituan, Bilibili vous proposent des produits ou vidéos adaptés à vos goûts. Or, que ce soit Dune ou OpenSea, aucun outil actuel n’offre de recommandation personnalisée. À mesure que les volumes de données augmentent, la précision des recommandations entrera dans un cercle vertueux. La nature unifiée des données blockchain pourrait même surpasser le web2 en exactitude. Posséder sa propre donnée permettrait aussi de choisir et ajuster son modèle personnel. Comme des briques Lego, ces algorithmes pourraient s’intégrer à différents domaines du Web3 : social, trading, jeux.
Conclusion
Cet article a analysé les outils de données sur chaîne selon trois axes : typologie des produits, modèles économiques et perspectives futures. Nous espérons avoir offert des pistes de réflexion aux professionnels, institutions et investisseurs particuliers. Bien que l’industrie Web3 soit encore à ses débuts, le secteur des données a déjà vu naître plusieurs licornes de plusieurs milliards de dollars. Du DeFi Summer au NFT Summer, en passant par le futur Layer2 ou GameFi Summer, chaque scénario, de l’infrastructure à l’application, repose sur les outils d’analyse de données. Chaque adresse, chaque interaction construit l’univers décentralisé. Ce secteur prometteur restera l’un des points d’ancrage les plus cruciaux. Dans cette industrie native aux données, nous gardons toute notre fascination pour la magie de l’alpha sur chaîne.
En raison de contraintes de longueur, nous approfondirons dans un prochain article les pratiques concrètes de monétisation des produits de données.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
IOSG Ventures
