Démontage des géants d'Internet : le guide complet de plus de 10 000 caractères sur les jeux d'informations chiffrées
TechFlow SélectionTechFlow Sélection
Démontage des géants d'Internet : le guide complet de plus de 10 000 caractères sur les jeux d'informations chiffrées
Cet article couvre les infrastructures nécessaires à la création de jeux d'information cryptographique et à la réalisation de tout leur potentiel.
Dédié à des analyses Web3 approfondiesRédaction : Benjamin Funk
Traduction : Frank, Foresight News
Notre cerveau, les livres et les bases de données sont à la fois destinataires et créateurs de notre tendance croissante à produire des données. Internet, dernier maillon de cette longue évolution, génère et stocke environ 250 trillions de gigaoctets de données chaque jour. Bien qu’il soit facile d’être impressionné par ce chiffre, un simple point de données n’a en soi que peu de valeur. Ce sont comme des pièces éparses d’un immense puzzle, qui doivent être soigneusement collectées, traitées et mises en contexte pour devenir une information utile.
De nombreuses grandes entreprises internet actuelles concentrent tout leur modèle économique sur ce processus. Google est celui qui a le mieux réussi, avec la chaîne suivante : extraire de vastes quantités de matières premières précieuses – les « déchets numériques » sous forme de données privées de milliards de personnes – puis les acheminer via des algorithmes propriétaires afin de prédire les choix que les individus pourraient faire. Plus Google extrait et transforme nos données en informations, plus il peut offrir aux annonceurs des insights puissants, ce qui pousse ces derniers à enchérir davantage dans les enchères publicitaires de Google pour tenter de nous convertir en clients.
Grâce à ce processus, Google génère chaque année 240 milliards de dollars de revenus publicitaires. Même si Google cherche à exclure l’humain de ce cycle, il existe une autre manière de produire et de tirer profit d’informations précieuses, potentiellement encore plus puissante : intégrer les humains comme joueurs, transformer la création, la recherche et la spéculation d’information en jeu, et exploiter notre désir intrinsèque de participation. Du pari sportif au MEV (valeur extractible par minage), en passant par des jeux de déduction sociale comme Among Us, nous sommes naturellement attirés par les « jeux d’information » centrés sur la compétition et la coordination, où il s’agit de révéler ou de dissimuler habilement des informations.
Certains jeux d’information ne sont que des jeux. Mais comme nous allons le voir, d’autres peuvent servir à produire et monétiser de nouvelles informations précieuses, devenant ainsi la colonne vertébrale de nouveaux produits et modèles économiques.
Pourtant, les jeux d’information ont toujours eu un défaut majeur : la confiance. Plus précisément, les joueurs doivent pouvoir faire confiance aux autres pour ne pas partager ou exploiter l’information d’une manière contraire aux règles du jeu. Si, pendant une partie d’Among Us, un membre de l’équipage pouvait devenir imposteur en cours de route, ou si un producteur de blocs (mineur) pouvait calculer une racine de bloc erronée mais que celle-ci soit tout de même acceptée par les validateurs, personne ne voudrait plus jouer. Pour résoudre ce problème de confiance, nous nous tournons vers des tiers de confiance pour créer et superviser ces jeux d’information.
Pour des jeux à faible risque comme Among Us, cela fonctionne. Toutefois, limiter la création et la médiation des jeux à des entités centralisées restreint notre capacité à expérimenter et à faire confiance aux jeux d’information que nous jouons, limitant ainsi les types d’informations que nous pouvons collecter, exploiter et monétiser.
En bref, tant que nous n’avons pas trouvé un moyen de maintenir l’équité et la confiance dans un environnement décentralisé, de nombreux jeux d’information n’ont même pas encore été tentés.
Les blockchains programmables et de nouvelles primitives cryptographiques permettent désormais de résoudre ce problème, en autorisant la création et la coordination à grande échelle de jeux d’information sans avoir besoin de permission ni de faire confiance à un tiers ou entre participants.
Inversement, les jeux d’information pilotés par la cryptographie peuvent rapidement accroître la quantité et la qualité de l’information à l’échelle mondiale, améliorant ainsi notre capacité collective à prendre des décisions et libérant des gains d’efficacité comparables à l’échelle du PIB mondial. Imaginez des marchés prédictifs accessibles mondialement, utilisés pour allouer des fonds colossaux natifs de l’internet. Ou bien un jeu permettant à des individus de regrouper leurs données médicales privées et d’être récompensés pour toute découverte issue de leur utilisation, tout en protégeant leur vie privée.
Toutefois, comme cet article le montrera, les jeux d’information centrés sur la crypto ne sont peut-être pas encore prêts pour ces cas d’usage à haut risque. En revanche, en testant aujourd’hui des jeux d’information plus petits et plus ludiques, les équipes peuvent se concentrer sur l’attraction des joueurs et la construction de la confiance, avant d’étendre leur activité vers des marchés d’information plus lucratifs et leur monétisation.
Des marchés prédictifs à la théorie des jeux, en passant par les oracles et les réseaux d’environnements d’exécution fiables (TEE), cet article couvrira l’espace de conception des jeux d’information basés sur la cryptomonnaie, et présentera les infrastructures nécessaires pour réaliser tout leur potentiel.
Marchés sans permission : prérequis des jeux d'information
Des applications dominantes futures aux applications de type marché d’information, les blockchains permettent aux développeurs de créer des outils financiers automatisés et personnalisables, soutenant ainsi des marchés sans permission et inaltérables. Désormais, n’importe qui peut concevoir des mécanismes incitatifs pour coordonner et régler l’échange de valeur et d’information. Cela souligne le rôle crucial des blockchains dans notre capacité à expérimenter rapidement la meilleure configuration des jeux afin de maximiser la valeur pour tous les participants.
Il est très difficile de convaincre des intermédiaires centralisés d’adapter leur système à ce rythme ou d’autoriser leurs utilisateurs à participer à de telles expérimentations. Ainsi, les marchés sans permission deviendront le support permettant de concrétiser des théories marginales et des articles de recherche de pointe. Nous le voyons déjà avec les marchés prédictifs, où des stratégies théoriques visant à résoudre le problème de liquidité ont été implémentées sous forme de CPMM (Continuous Product Market Maker) sur les réseaux cryptographiques, et testées avec de vrais capitaux.
Les marchés sans permission sont des catalyseurs essentiels pour générer de nouvelles informations et mieux monétiser leur valeur.
Jeux d'information producteurs d'information
De nombreux jeux d’information produisent de nouvelles informations que les joueurs peuvent utiliser pour prendre de meilleures décisions.
Ces jeux créent des incitations pour extraire des matières premières (données publiques et privées) auprès d’individus, de bases de données et d’autres sources, puis agrègent ces données via les meilleures machines productrices d’information (marchés et algorithmes). Idéalement, ce processus produit de nouvelles informations, qui sont ensuite monétisées en aidant d’autres joueurs à bien décider. Par exemple, un DAO d’investissement utilisant les résultats d’un marché prédictif pour décider d’investir ou non dans une jeune startup.
Les jeux et outils utilisés par les concepteurs varient selon le type d’information qu’ils souhaitent produire, et nous disposons d’un vaste espace de conception à explorer, avec ses défis et opportunités propres.
Commençons donc par le jeu d’information le plus actif aujourd’hui : les marchés prédictifs.
Jeu 1 : Les marchés prédictifs comme outil de production d'information
L’un des jeux d’information les plus populaires dans l’écosystème crypto (et au-delà) est le marché prédictif. Polymarket, leader mondial, a facilité plus de 400 millions de dollars de volume cumulé (et en forte croissance).
Les marchés prédictifs fonctionnent en incitant les joueurs à parier, avec leur propre argent (par exemple des cryptomonnaies), sur l’issue d’événements variés. Cette mise en jeu financière (« skin in the game ») garantit que les participants sont véritablement engagés dans leurs prévisions. Au fur et à mesure que les traders agissent selon leurs convictions – en achetant des parts sous-évaluées et en vendant celles surévaluées – le marché ajuste dynamiquement ses prix. Ces ajustements reflètent une estimation collective plus précise de la probabilité d’un événement, corrigeant efficacement toute mauvaise évaluation initiale.
Plus il y a de participants au marché, plus ils apportent de connaissances publiques et privées différentes mais pertinentes, et plus les prix reflètent la vérité. En fin de compte, les marchés prédictifs exploitent la « sagesse des foules » en utilisant le risque financier pour favoriser une agrégation précise de l’information.
Malheureusement, les marchés prédictifs font face à plusieurs défis clés, souvent liés à des problèmes de scalabilité.
Bottleneck de l'information réelle
Le concours de beauté à la Keynes (où les juges essaient de choisir ce que les autres juges choisiront) n’est pas propre aux marchés prédictifs. Mais ici, ses effets néfastes sont plus apparents, car l’objectif même de ces marchés est de produire une information exacte. Contrairement aux marchés financiers traditionnels, où les participants sont principalement motivés par la maximisation des profits, les parieurs sur les marchés prédictifs sont plus influencés par leurs croyances personnelles, leurs orientations politiques ou leurs intérêts personnels. Ils sont donc plus enclins à accepter des pertes financières sur le marché s’ils pensent que leur pari soutient une cause morale ou rentable hors marché.
En outre, plus un marché ou un algorithme est perçu comme source de vérité, plus les incitations à le manipuler sont fortes. C’est similaire au problème rencontré par les réseaux sociaux : plus les plateformes sociales sont considérées comme fiables, plus les incitations à les manipuler pour des gains financiers ou des objectifs sociopolitiques augmentent.
Certains joueurs pourraient même exploiter les signaux générés par les marchés prédictifs pour réajuster les croyances collectives et encourager des actions collectives. Imaginons un gouvernement utilisant une forme de « quantitative easing » pour influencer les marchés prédictifs sur des sujets critiques comme le climat ou la guerre. En achetant massivement des parts dans un marché prédisant une amélioration climatique en 2028, il pourrait orienter les incitations financières vers ce résultat. S’il pense que les risques systémiques du changement climatique sont sous-estimés, il pourrait acheter massivement la part « non », encourageant ainsi les startups technoclimatiques à développer des solutions pour obtenir un avantage informationnel sur la part « oui », accélérant ainsi la découverte de solutions.
Bien que ces facteurs nuisent à la qualité de l’information produite, certains montrent que la manipulation peut en fait améliorer la précision du marché, car les manipulateurs sont des « bruiteurs », et les participants informés peuvent gagner en spéculant contre eux.
On peut donc en déduire que le problème vient d’un manque de traders suffisamment capitalisés et informés capables de corriger le marché. Permettre à ces traders informés d’emprunter et de vendre à découvert pourrait être une solution clé pour rendre ces marchés plus efficaces.
Par ailleurs, dans les marchés à long terme, les manipulateurs ont plus de temps pour influencer réflexivement le sentiment et les résultats réels. Des marchés avec des périodes plus courtes de validité de l’information peuvent renforcer la confiance dans le jeu (et donc la qualité de l’information), tout en rendant le jeu plus attrayant.
Nous observons aussi des signes précoces de préférence pour des jeux où la durée de validité de l’information peut être manipulée. Perl, alors premier compte sur Farcaster, a adopté ce modèle en créant une plateforme interne pour spéculer sur l’engagement utilisateur. Des marchés prédictifs comme « Demain, @ace ou @dwr.eth (respectivement cofondateurs de Perl et Farcaster) obtiendront-ils plus de likes ? » ont vu le jour, accompagnés des « chahuts » attendus chez les supporters. Ici, le jeu est asynchrone, la métrique est le like plutôt que le « Touchdown » (Foresight News note : action marquant un essai au football américain quand l'équipe offensive touche terre avec le ballon dans la zone d'en-but adverse). Bien que les jeux de Perl altèrent délibérément la qualité de l’information produite, une méta-stratégie intéressante émerge autour de la coordination pour faire triompher une prophétie auto-réalisatrice.
Les jeux basés sur la prédiction peuvent réduire la manipulation et l’ennui en utilisant des tours plus courts, potentiellement renouvelables. Néanmoins, dans les jeux à faible risque, permettre la manipulation peut ajouter du plaisir et devenir une composante intégrante du gameplay.
Trouver les bons arbitres et oracles
Un autre défi des marchés prédictifs est le règlement : comment déterminer correctement le résultat ? Dans beaucoup de cas, on peut s’appuyer sur des oracles garantis par la réputation et la mise en gage, connectés à des sources de données hors chaîne. Pour y remédier, les concepteurs peuvent recourir à des oracles basés sur la théorie des jeux et la cryptographie, capables de couvrir des sujets plus larges, incluant les informations privées des joueurs.
Les oracles de théorie des jeux, aussi appelés oracles de point de Schelling, supposent qu’en l’absence de communication directe, les participants d’un réseau convergeront indépendamment vers une réponse unique, qu’ils croient que les autres choisiront aussi. Ce concept, initié par Augur puis développé par UMA, encourage la sincérité en récompensant les participants selon leur proximité avec la « consensus », et décourage la collusion.
Toutefois, fiabiliser ces oracles reste difficile lorsqu’il y a peu de parieurs, car la reconnaissance mutuelle et la collusion deviennent possibles. Bien que la cryptographie soit vantée comme outil contre la collusion, elle peut aussi être utilisée pour la faciliter. On le voit avec DarkDAO, qui exploite les environnements d’exécution fiables (TEE) pour programmer des pots-de-vin et manipuler les prix. Des équipes comme Blocksense travaillent à équilibrer ces incitations, en utilisant un comité secret et des votes cryptés pour empêcher la corruption.
On peut aussi exploiter les données on-chain pour répondre au défi des oracles. Dans MetaDAO, les joueurs sont récompensés s’ils prévoient correctement l’impact d’une proposition sur le prix du jeton natif. Ce prix est fourni par une position UniswapV3, servant d’oracle de valeur.
Mais ces oracles ont encore des limites pour résoudre des marchés basés sur des données publiques. Si nous pouvions résoudre des marchés à partir de données privées, nous débloquerions tout un nouveau type de marchés prédictifs.
On peut utiliser le résultat même du jeu d’information comme oracle. Le marché bayésien en est un exemple : il utilise les principes de l’inférence bayésienne pour, en pariant sur les croyances des autres, déduire les croyances des joueurs sur leurs propres informations privées. Par exemple, un marché où l’on parie sur « combien de gens sont satisfaits de leur vie » révèle indirectement les croyances des parieurs sur le bonheur des autres. On obtient ainsi des conclusions précises sur des informations privées autrement impossibles à vérifier.
Une autre solution consiste à utiliser des oracles cryptographiques astucieux pour « importer » des données depuis des API Web2 privées. Certains de ces oracles figurent dans la section « oracles d’information publique et privée » de la carte des marchés. Avec eux, on peut créer des marchés prédictifs autour d’informations privées, incitant les détenteurs à les révéler de façon vérifiable, en échange des frais générés par les paris. Plus généralement, la capacité sécurisée d’accéder à des données personnelles riches hors chaîne et de les ramener sur chaîne peut servir de primitive d’identité, permettant d’identifier, inciter et appairer plus efficacement les joueurs dans les jeux d’information, et d’orienter les informations nécessaires pour les rendre plus pertinents.
Les innovations dans la conception des oracles élargiront la gamme de données disponibles pour résoudre les marchés prédictifs, étendant ainsi l’espace de conception des jeux d’information basés sur des données privées.
Bottleneck de liquidité
Attirer de la liquidité dans les marchés prédictifs est difficile. Premièrement, ce sont des marchés binaires : les joueurs parient « oui » ou « non » sur un sujet donné, et ne reçoivent qu’un gain fixe ou rien du tout. La valeur de ces parts fluctue donc fortement avec de légers changements de prix sous-jacent, surtout près de l’échéance. Prédire leur évolution à court terme devient crucial, mais extrêmement difficile. Pour faire face à ce risque élevé, les traders doivent utiliser des stratégies avancées, constamment ajustées face aux variations imprévues.
D’autant plus que, lorsque les marchés prédictifs s’étendent à plus de sujets et prolongent leur horizon temporel, attirer de la liquidité devient encore plus ardu. Plus les thèmes sortent du cadre politique ou sportif, plus les durées s’allongent, moins les gens se sentent en avantage informationnel. Moins il y a de parieurs, moins la qualité de l’information produite est élevée.
Les marchés prédictifs souffrent naturellement de ces problèmes de liquidité, car former un prix exige d’extraire des informations privées et de parier dessus – deux activités coûteuses. Les participants doivent être compensés pour leur effort et leur risque (collecte d’infos, immobilisation de capital). Cette compensation vient habituellement de ceux qui acceptent des cotes moins bonnes, par divertissement (ex : paris sportifs) ou couverture (ex : contrats à terme sur le pétrole), ce qui alimente la liquidité. Mais les marchés prédictifs sur des sujets restreints ont peu d’attrait commercial, entraînant faible liquidité et faible volume.
Améliorations économiques : overlays et diversification
On peut s’inspirer de la finance traditionnelle et d’autres jeux d’information existants pour résoudre ces problèmes.
Notamment, on peut utiliser le concept d’« overlay » mentionné par Hasu dans « The Prediction Market Trilemma ». Dans les tournois de poker, un « overlay » est une valeur ajoutée par l’organisateur au prize pool pour stimuler la participation. De même, un « overlay » dans un marché prédictif abaisse le coût d’entrée, rendant le jeu plus attractif pour les novices comme pour les experts.
Tout comme l’overlay stimule la participation dans les tournois, la subvention dans un marché prédictif incite les participants en abaissant les barrières d’entrée. Elle agit aussi comme un phare, attirant des perspectives variées (informées ou non), dont certaines peuvent profiter en corrigeant les erreurs. Les équipes implémentant cette stratégie devront identifier systématiquement des bailleurs de fonds potentiels et créer des marchés adaptés à leurs besoins.
De même, on peut instaurer une structure similaire à un « fonds » pour diversifier dans le temps et par secteur, augmentant ainsi la liquidité sur une large gamme de questions et d’horizons. Par exemple, de nombreuses entreprises trouvent de la valeur à prédire l’issue d’un litige spécifique. Ces entreprises pourraient prêter du capital à des experts juridiques, leur permettant de diversifier sur de nombreux marchés, puis les récompenser selon leurs performances dans le temps, réduisant ainsi le coût d’entrée pour les experts.
Dans ce cadre, les traders pourraient emprunter pour faire du market making, avec des montants paramétrés selon la demande d’information et la réputation du trader sur le sujet. Cela pourrait être combiné à des frais de gestion servant d’« overlay » supplémentaire à chaque marché.
Pour les fournisseurs de liquidité, ils auraient accès à des traders motivés à bien parier, répartis dans un panier diversifié d’actifs non corrélés à différents horizons. Bien que le problème principal-agent doive être pris en compte, ce système pourrait augmenter l’échelle de liquidité et sa diversité. En outre, la qualité et la variété des informations pourraient s’améliorer, tout en générant de nouvelles données sur les compétences des traders, accélérant leur retour via des réputations secondaires.
Quand la valeur générée par les joueurs est élevée, intégrer des marchés financiers composites (comme le prêt et le minage de liquidité) dans le gameplay peut devenir un outil clé pour abaisser les barrières d’entrée.
Améliorations UX : interfaces simplifiées et incitations flexibles
La conception centrée sur l’exchange et les récompenses limitées des marchés prédictifs actuels peut rebuter ceux qui préfèrent d’autres types d’interfaces ou d’incitations, limitant encore plus la liquidité. Pour les parieurs, plusieurs méthodes intéressantes peuvent améliorer la qualité des marchés prédictifs, toutes axées sur l’accessibilité et la portée auprès de différents types de joueurs.
Premièrement, on peut améliorer l’expérience utilisateur en intégrant les marchés prédictifs à de plus grandes plateformes sociales. Perl et Swaye l’ont montré en s’appuyant sur les données de Farcaster : les utilisateurs n’ont plus besoin d’ouvrir une application séparée, et les concepteurs peuvent identifier et diriger les joueurs vers les marchés où ils sont particulièrement compétents (ex : les meilleurs contributeurs du canal /nyc-politics).
On peut aussi élargir les types de récompenses offertes aux parieurs et réduire leur seuil de capital requis. Cela peut prendre la forme de preuves individuelles, ou étendre les récompenses financières à des « utilitaires internes », ou à des droits symbolisés par des points ou des jetons.
Bien que les incitations monétaires soient importantes, certaines études montrent que les monnaies virtuelles peuvent aussi produire des marchés prédictifs de qualité comparable. Sur le plan pratique, cela signifie que nous pouvons être flexibles sur le type de « skin in the game » que les parieurs sont prêts à risquer.
De plus, différents mécanismes de marché peuvent rendre l’expérience plus « sondagière », réduisant les frictions et les barrières d’entrée. Une étude de Cambridge a évalué cette hypothèse et conclut que dans les marchés à faible activité, grands écarts entre offre et demande, et résolution rapide, les sondages produisent des résultats plus précis que les marchés prédictifs. L’étude montre aussi que combiner les sondages avec des incitations monétaires donne une précision supérieure aux seuls prix du marché prédictif. Enfin, pour lutter contre l’obsolescence de l’information, les sondages peuvent être « rafraîchis » régulièrement selon un système push/pull, incitant à recopier dynamiquement l’information à partir de nouvelles données.
Les jeux d’information cryptographiques ont longtemps été réservés aux utilisateurs les plus chevronnés. Aujourd’hui, avec des coûts réduits, une meilleure accessibilité et des données plus riches, nous avons l’opportunité de concevoir des jeux plus diversifiés et accessibles au grand public, ciblant des audiences spécifiques.
Jeu 2 : Calcul confidentiel générant de l'information
Imaginez un jeu pour développeurs Solidity, où les joueurs utilisent le calcul multipartite (MPC) pour divulguer leurs salaires et calculer une moyenne, tout en préservant la confidentialité de chacun. Ce serait un outil précieux pour les professionnels de la cryptographie lors de négociations salariales avec leurs employeurs, tout en étant une source de divertissement.
Plus largement, les jeux d’information peuvent utiliser des technologies de protection de la vie privée pour élargir la gamme de sources d’information – notamment des données privées analysables pour produire de nouvelles idées. En assurant la confidentialité, ces outils augmentent la variété et la volonté des individus à partager des données, tout en rémunérant les fournisseurs pour la valeur générée.
Bien que ce ne soit pas exhaustif, les outils utilisés incluent les preuves sans connaissance (ZK), le calcul multipartite (MPC), le chiffrement homomorphe complet (FHE) et les environnements d’exécution fiables (TEE). Bien que leurs mécanismes centraux diffèrent, ils aboutissent tous au même but : permettre aux individus de fournir des informations sensibles tout en protégeant leur confidentialité.
Néanmoins, pour les cas d’usage nécessitant de fortes garanties de confidentialité, l’utilisation de primitives logicielles et matérielles cryptographiques pose encore de nombreux défis sérieux, que nous aborderons plus tard.
La cryptographie confidentielle élargit considérablement l’espace de conception de nouveaux jeux d’information auparavant inexistants.
Jeu 3 : Concurrence entre modèles pour améliorer la production d'information
Imaginez un jeu où des data scientists s’affrontent en développant et en pariant sur des modèles de trading pour un hedge fund décentralisé. La blockchain atteint alors un consensus sur le score de chaque modèle, et récompense ou pénalise les participants selon la précision des prédictions et leur impact sur le rendement du fonds. C’est la méthode adoptée par Numerai, l’un des premiers jeux d’information sur Ethereum. Ici, le mécanisme de consensus d’Ethereum sert de terrain de compétition global entre modèles et leurs créateurs, incitant l’intelligence artificielle à participer à des jeux d’information pour générer des retours précieux.
Encore plus loin, on pourrait directement inciter l’IA à jouer à nos jeux d’information, exploitant leurs connaissances pour rivaliser en prédiction. Bien qu’ils ne jouent pas pour le plaisir, remplacer les humains par des machines intelligences réduit drastiquement le coût du travail nécessaire à la production d’information. Ainsi, ces modèles d’IA peuvent injecter de la liquidité dans des marchés prédictifs de niche, où les humains hésitent à participer. Comme le dit Vitalik :
« Si vous créez un marché avec une subvention de liquidité de 50 dollars, les humains s’en moquent, mais des milliers d’IA peuvent facilement s’y précipiter pour faire leur meilleur pronostic. L’incitation pour bien prédire un seul sujet peut être minime, mais celle pour construire une IA capable de bien prédire globalement peut valoir des millions de dollars. »
Ou encore, on peut utiliser le consensus entre modèles d’apprentissage automatique pour organiser une compétition autour de la valeur de l’information qu’ils produisent. Des équipes comme Allora et Bittensor TAO coordonnent des modèles et agents, qui diffusent leurs prédictions au réseau, tandis que d’autres évaluent, notent et renvoient ces performances. À chaque cycle, l’évaluation collective sert à distribuer récompenses ou pouvoirs selon la qualité des prédictions. Ainsi, les entrepreneurs peuvent exploiter un réseau de modèles en constante amélioration pour renforcer la qualité de l’information traversant leurs marchés.
Il est fort possible que certains marchés d’information – dont la qualité de l’information provient de modèles – surpassent complètement ce que les jeux d’information humains peuvent produire.
Jeux d'information monnayables
Certains jeux d’information survivent uniquement grâce au plaisir qu’ils procurent. Mais pour ceux qui veulent monétiser la valeur de l’information produite, davantage de réflexion est nécessaire. Malheureusement, les caractéristiques mêmes de l’information comme bien conduisent à des défaillances de marché clés, entravant sa monétisation :
-
L’information ne peut être évaluée qu’après consommation, ce qui rend difficile pour l’acheteur d’apprécier si le prix demandé reflète bien sa valeur.
-
L’information est non rivale – sa consommation ne diminue pas sa disponibilité, ce qui signifie qu’elle n’est pas rare, et donc peu attractive pour l’acheteur.
-
Son caractère non exclusif, combiné à un faible coût de copie, rend difficile pour le vendeur d’empêcher l’accès non autorisé, malgré un coût de production initial élevé.
Ces caractéristiques économiques posent des défis aux deux parties pour tirer profit de l’information, pouvant entraîner une offre insuffisante. Si l’information devient rapidement connue de tous ceux qui pourraient l’utiliser, les opportunités d’asymétrie disparaissent à cause de la concurrence accrue ou de l’échec du plan prévu. Heureusement, des outils cryptographiques existent pour résoudre ces problèmes, et sont déjà utilisés.
Jeu 4 : Bourses – Spéculer sur l'information pour la monétiser
Une méthode pour monétiser la production d’information sans avoir à la garder secrète ni restreindre son usage est simplement de la rendre publique, tout en créant un outil permettant de parier sur son évolution – autrement dit, un dérivé.
Parcl fait cela activement : sa bourse permet aux utilisateurs de spéculer sur la hausse ou la baisse du marché immobilier. Les marchés de Parcl sont alimentés par des informations de prix en temps réel, extraites par Parcl Labs d’un vaste bassin de données immobilières et traitées via des algorithmes propriétaires, produisant des données plus granulaires et précises que les indices traditionnels.
Bien que Parcl monétise directement ces données via une API, il crée aussi une couche supplémentaire en permettant aux traders de parier sur leur évolution. D’autres projets, comme IKB et Fantasy mentionnés dans la section « marchés alternatifs d’information », se concentrent sur la monétisation par la spéculation ou la couverture sur des changements d’information publique, allant de la performance des athlètes à l’engagement social des créateurs.
Si vous pouvez vendre le droit de spéculer sur votre information, vous pouvez la monétiser sans la garder secrète ni restreindre son usage.
Jeu 5 : Marché noir de l'information confidentielle
Imaginez un jeu vous permettant de découvrir, avant tout le monde, des informations exclusives sur les dernières activités on-chain ou sur de nouvelles startups crypto. Pour cela, l’information doit rester confidentielle, afin de contourner les problèmes de non-rivalité et de non-exclusivité de l’information publique. Ainsi, les marchés d’information de nouvelle génération facilitent l’échange d’informations confidentielles, tout en utilisant la blockchain pour découvrir et réguler tous les participants prêts à payer pour y accéder.
Murmur, le marché décentralisé d’information confidentielle de Freatic, illustre cette approche. Il utilise des NFT et un système de file d’attente pour limiter l’accès exclusif à l’information. Les acheteurs doivent d’abord s’abonner à un sujet en achetant un NFT représentant un coupon. Cela leur donne un numéro de file pour échanger contre l’information confidentielle du diffuseur, avec possibilité de payer un supplément pour ralentir sa diffusion. Après coup, ils peuvent voter sur la qualité de l’information. Ce processus garantit que l’information reste confidentielle et précieuse, sans la vendre à une seule entité.
Friend.tech, en revanche, utilise des clés et des courbes de liaison pour gérer l’accès à l’information confidentielle dans des discussions de groupe, où le prix d’entrée augmente avec la demande. Ainsi, la clé Friend.tech peut être vue comme un proxy de la valeur moyenne d’une personne (si le marché des clés est efficace). Toutefois, les joueurs intègrent toujours une notion de « valeur » de la personne lorsqu’ils échangent des clés, rendant difficile l’évaluation de l’information. Peut-être cela soutient-il l’idée que les « marchés d’information » les plus précieux à ce jour sont en réalité les marchés de memecoins, qui, si on regarde bien, sont des marchés prédictifs sur la valeur symbolique de tendances ou de personnes.
Mis à part les memecoins, une direction pour les équipes consiste à permettre aux vendeurs de concevoir de meilleures courbes de liaison liant prix d’accès et valeur de l’information. Par exemple, une information qui se dévalue rapidement avec la divulgation pourrait être tarifée via une courbe reflétant cette dépréciation temporelle.
Les échanges d’information décentralisés sont difficiles à cause de la confiance et de la double coïncidence des besoins. La blockchain a résolu cela pour la monnaie (Bitcoin), et le fera maintenant pour l’information, via des jeux intéressants autour de la découverte d’informations cachées.
Jeu 6 : « Futarchy » – Monétiser les marchés prédictifs
Une méthode principale pour monétiser l’information sans la garder secrète explicitement est de produire et vendre une information que seul un organisme spécifique pourra et voudra utiliser. Cette approche n’est pas nouvelle, de nombreuses entreprises monétisent déjà l’information en limitant l’accès via des enchères ou des accords de confidentialité. Toutefois, nous assistons à l’émergence d’un nouveau modèle : produire une information publique, utile uniquement à une organisation prenant une décision spécifique.
En effet, nous commençons à peine à voir des marchés prédictifs sur infrastructure crypto expérimenter la « futarchy » (Foresight News note : néologisme de Robin Hanson, 2000, « Should we vote on values, but bet on beliefs? », désignant un système où les décisions sont prises selon les prédictions de marchés) comme mécanisme alternatif de monétisation.
La « futarchy » propose une nouvelle méthode d’amélioration des décisions, en utilisant l’information générée par les marchés prédictifs. L’information produite sert à décider, et les participants les plus précis sont récompensés au moment du règlement du marché.
Les marchés prédictifs sont à somme nulle pour les joueurs, ce qui limite l’incitation des traders informés et aggrave leur problème de liquidité. La « futarchy » peut résoudre cela, car la richesse créée par de meilleures décisions peut être redistribuée aux traders.
Des entités natives décentralisées comme MetaDAO expérimentent déjà la « futarchy ». Quand une proposition est lancée, par exemple l’achat de jetons de gouvernance MetaDAO par Pantera, deux marchés prédictifs sont créés : « passage » pour soutenir, « échec » pour s’opposer. Les participants échangent des jetons conditionnels, spéculant sur l’impact de la proposition sur la valeur du DAO. Le résultat dépend de la comparaison des prix moyens pondérés dans le temps (TWAP) des deux marchés après une période donnée. Si le TWAP du marché « passage » dépasse celui du marché « échec » d’une marge définie, la proposition est approuvée, déclenchant son exécution et annulant les échanges du marché « échec ». Ce système utilise la dynamique du marché pour aligner les décisions de gouvernance avec la prédiction collective du marché.
Dans certains cas, la « futarchy » doit encore tenir compte de la confidentialité. Par exemple, si un marché prédictif décide d’un recrutement, l’information devient publique et devient un risque – des concurrents pourraient poacher le candidat.
Une autre raison de la confidentialité est son impact sur la motivation et la culture organisationnelle. Comme Robin Hanson l’a souligné dans sa conférence « The Future of Prediction Markets », les expériences internes de Google ont rencontré des résistances, car les cadres craignaient que des indicateurs de performance publics démoralisent les employés. Bien sûr, les gestionnaires n’aiment pas mettre en lumière des vérités inconfortables. Aujourd’hui encore, selon @metaproph3t, fondateur de MetaDAO, certains hésitent à proposer des idées par peur d’être évalués par le marché.
<
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
@archetypevc
