Lumière et ombre d'InfoFi : panorama complet de l'écosystème, quelle est la voie de la rupture ?
TechFlow SélectionTechFlow Sélection
Lumière et ombre d'InfoFi : panorama complet de l'écosystème, quelle est la voie de la rupture ?
Le dilemme du prisonnier d'InfoFi : entre la quête d'information et le tourbillon de bruit, un jeu stratégique marqué par l'effet Matthew dans la répartition des收益.
Dédié à des analyses Web3 approfondiesRédaction : KarenZ, Foresight News
En 1971, le psychologue et économiste Herbert A. Simon a formulé pour la première fois la théorie de l'économie de l'attention, soulignant que dans un monde saturé d'informations, l'attention humaine est devenue la ressource la plus rare.
L'économiste et associé directeur chez USV, Albert Wenger, expose dans son ouvrage *The World After Capital* une transformation fondamentale : la civilisation humaine traverse sa troisième grande transition — passant de la « rareté du capital » à l’ère industrielle à la « rareté de l’attention » à l’ère du savoir.
-
Révolution agricole : visait à résoudre la pénurie alimentaire, mais a engendré des conflits pour la terre ;
-
Révolution industrielle : cherchait à surmonter la rareté des terres, puis s'est tournée vers la compétition pour les ressources et l'accumulation du capital ;
-
Révolution numérique : concerne la lutte pour capter l'attention.
Ce changement repose sur deux caractéristiques clés des technologies numériques : le coût marginal nul de la copie et de la diffusion de l'information, ainsi que la généralisation du calcul IA (alors que l'attention humaine, elle, ne peut être dupliquée).
Que ce soit le succès fulgurant de Labubu sur le marché des jouets tendance ou le marketing en direct mené par les streamers leaders, il s'agit fondamentalement, dans une large mesure, d'une course à l'attention des utilisateurs et spectateurs. Toutefois, dans l’économie traditionnelle de l’attention, les utilisateurs, fans et consommateurs, qui fournissent cette « matière première » sous forme de données, voient leurs contributions exploitées par des plateformes ou des revendeurs, qui s'approprient la majeure partie des bénéfices. Le modèle InfoFi du monde Web3 tente de renverser cette logique — grâce à la blockchain, aux incitations par jetons et aux technologies IA, il vise à rendre transparents les processus de production, de diffusion et de consommation de l'information, et à restituer la valeur aux participants réels.
Cet article explore en profondeur les catégories de projets InfoFi, les défis auxquels ils font face, ainsi que les tendances futures.
Qu’est-ce que l’InfoFi ?
InfoFi est la fusion de Information et Finance. Son objectif central consiste à transformer des informations abstraites et difficilement quantifiables en actifs dynamiques et mesurables. Cela inclut non seulement les marchés prédictifs classiques, mais aussi la distribution, la spéculation ou le commerce de formes d'information ou de concepts abstraits tels que l'attention, la réputation, les données on-chain ou les renseignements, les opinions personnelles ou encore l'activité narrative.
Les avantages clés de l'InfoFi se manifestent comme suit :
-
Mécanisme de redistribution de la valeur : retourne aux véritables contributeurs la valeur monopolisée par les plateformes dans l'économie traditionnelle de l'attention. Grâce aux contrats intelligents et aux mécanismes d'incitation, les producteurs, diffuseurs et consommateurs d'information peuvent partager les revenus générés.
-
Capacité à valoriser l'information : transforme des éléments abstraits comme l'attention, les idées, la réputation ou l'activité narrative en actifs numériques échangeables, créant ainsi des marchés pour des valeurs auparavant illiquides.
-
Participation accessible : tout utilisateur peut participer à la répartition de la valeur avec simplement un compte sur les réseaux sociaux.
-
Innovation dans les mécanismes d'incitation : récompense non seulement la création de contenu, mais aussi la diffusion, l'interaction et la vérification, permettant même aux contenus de niche et aux utilisateurs de longue traîne d'être rémunérés. Les meilleurs contenus reçoivent davantage, stimulant ainsi une production continue d'informations de haute qualité.
-
Potentiel d'application transversale : par exemple, l'intégration de l'IA offre des avantages dans l'évaluation de la qualité du contenu ou l'optimisation des marchés prédictifs.
Classification de l’InfoFi
L’InfoFi couvre de nombreux cas d’usage et modèles différents, pouvant être regroupés en plusieurs catégories principales :
Marchés prédictifs
Les marchés prédictifs constituent un pilier central de l’InfoFi. Ils fonctionnent comme un mécanisme exploitant la sagesse des foules pour anticiper les résultats futurs. Les participants achètent ou vendent des « actions » liées à des événements spécifiques (comme des élections, des politiques publiques, des compétitions sportives, des prévisions économiques, des attentes de prix ou des dates de lancement) afin d'exprimer leurs anticipations. Le prix du marché reflète alors l'anticipation collective. Polymarket est l'application emblématique ayant popularisé le concept d'InfoFi.
Vitalik est un fervent partisan du marché prédictif Polymarket. Dans son article de novembre 2024 intitulé *From prediction markets to info finance*, il affirme : « Les marchés prédictifs ont le potentiel de créer de meilleures applications dans les médias sociaux, la science, le journalisme, la gouvernance et d'autres domaines. J’appelle ces marchés “l’information financière” (info finance). » Vitalik souligne également le double aspect de Polymarket : un site de paris pour les participants, et un site d’actualités pour tous les autres.
Dans le cadre de l’InfoFi, les marchés prédictifs ne sont pas seulement des outils spéculatifs, mais des plateformes conçues pour extraire et révéler des informations véridiques via des incitations financières. Ce mécanisme exploite l’efficacité du marché, incitant les participants à fournir des informations précises — les bonnes prévisions rapportant des gains, tandis que les erreurs entraînent des pertes. Elon Musk lui-même a relayé, un mois avant l’élection présidentielle américaine de 2024, le fait que « Trump devance avec 51 % sur Polymarket », ajoutant : « Ces données sont plus fiables que les sondages traditionnels car elles reposent sur des mises réelles. »
Principales plateformes représentatives :
-
Polymarket : le plus grand marché prédictif décentralisé, construit sur le réseau Polygon et utilisant l’USDC comme monnaie d’échange. Les utilisateurs peuvent parier sur des événements politiques, économiques, culturels ou technologiques (par exemple, le lancement d’un produit).
-
Kalshi : une plateforme de marchés prédictifs entièrement régulée par la CFTC aux États-Unis. En partenariat avec Zero Hash, elle accepte les dépôts en USDC, BTC, WLD, SOL, XRP et RLUSD, bien que le règlement final se fasse en monnaie fiduciaire. Kalshi se concentre sur les contrats événementiels (Event Contracts), permettant aux utilisateurs de parier sur les résultats d’événements politiques, économiques ou financiers. Sa conformité réglementaire lui confère un avantage distinctif sur le marché américain.
InfoFi « parlé-pour-gagner » (Yap-to-Earn)
« Parlé-pour-gagner » est une traduction familière chinoise du terme anglais Yap-to-Earn, désignant la rémunération obtenue en partageant ses opinions ou du contenu. L'idée centrale est d'encourager les utilisateurs à publier des messages ou commentaires de qualité sur les réseaux sociaux concernant des projets cryptos. La plupart des projets utilisent des algorithmes d'IA pour évaluer la quantité, la qualité, l'engagement et la profondeur du contenu, puis distribuent des points ou des jetons en récompense. Contrairement aux activités on-chain classiques (comme le trading ou le staking), ce modèle met l’accent sur la contribution informationnelle et l’influence communautaire.
Caractéristiques du « parlé-pour-gagner » :
-
Aucune transaction on-chain ni capital important requis : seul un compte X suffit pour participer.
-
Grâce à la récompense des discussions pertinentes, l’activité communautaire autour des projets augmente.
-
Les algorithmes d’IA réduisent l’intervention humaine, filtrent les robots et les contenus de faible qualité, garantissant une distribution plus transparente des récompenses.
-
Les points accumulés peuvent se convertir en airdrops de jetons ou en privilèges au sein de l’écosystème. Les premiers arrivants peuvent bénéficier de rendements élevés.
Projets principaux actuels soutenant le modèle Yap-to-Earn :
Kaito AI : plateforme phare du Yap-to-Earn, Kaito collabore avec de nombreux projets. Grâce à un algorithme d’IA, il évalue la quantité, la qualité, l’interactivité et la profondeur des publications relatives à la crypto sur X, attribuant des points Yap. Ces points permettent aux utilisateurs de grimper au classement et de gagner des airdrops.
Ainsi, les créateurs prouvent efficacement leur influence et la valeur de leur contenu, attirant des abonnés qualifiés. Les utilisateurs ordinaires peuvent facilement identifier du contenu de qualité et des influenceurs crédibles. Quant aux projets, ils atteignent précisément leur public cible tout en renforçant leur notoriété, créant ainsi un écosystème vertueux et gagnant-gagnant.
Kaito a déjà distribué plus de 90 millions de dollars de jetons aux différentes communautés (hors son propre airdrop), avec plus de 200 000 Yappers actifs mensuellement.
Source : https://dune.com/queries/5088750/8397899
Cookie.fun : Cookie suit la part mentale (mindshare), l’engagement et les données on-chain, produisant une synthèse complète du marché. Il mesure également la notoriété et le sentiment autour des projets crypto. Le système intégré de Cookie Snaps inclut des programmes de récompenses et d’airdrops pour les créateurs ayant contribué à l’attention portée à un projet.
Cookie a collaboré avec trois projets pour des campagnes Snaps : Spark, Sapien et OpenLedger. L’événement Spark a rassemblé plus de 16 000 participants, contre 7 930 et 6 810 respectivement pour les deux autres.
Virtuals : Virtuals n’est pas une plateforme exclusivement dédiée au Yap-to-Earn, mais une plateforme de lancement d’agents IA. Toutefois, début avril, elle a lancé sur Base un nouveau mécanisme appelé Genesis Launch, dont l’une des façons d’obtenir des points consiste justement en une activité Yap-to-Earn (supportée par Kaito).
Principaux projets d’agents IA avec un taux de souscription élevé sur Virtuals, source : https://dune.com/queries/5195678/8548951
Loud : Loud, présentée comme une « expérience de valorisation de l’attention » au sein de l’écosystème Kaito AI, a occupé plus de 70 % du classement Kaito en attention avant le lancement officiel de son jeton via une Initial Attention Offering (IAO) fin mai 2025. Le modèle économique de LOUD repose sur l’économie de l’attention : après l’ouverture des échanges, les frais de transaction sont majoritairement distribués aux 25 premiers utilisateurs du classement d’attention.
Wallchain Quacks : Wallchain est un projet programmé AttentionFi basé sur Solana, soutenu par AllianceDAO. Le Wallchain X Score évalue l’influence globale d’un utilisateur, tandis que Wallchain Quacks récompense les contenus de qualité et les interactions pertinentes. Actuellement, un modèle LLM personnalisé évalue quotidiennement les publications des créateurs, attribuant des Quacks aux contenus riches et perspicaces.
Parlé-pour-gagner + tâches / activités on-chain / validation : valorisation multidimensionnelle
Certains projets combinent la contribution de contenu avec des comportements on-chain (trading, staking, minting NFT) ou des missions, afin d’évaluer la contribution globale de l’utilisateur selon plusieurs dimensions.
Galxe Starboard : Galxe, une plateforme de croissance Web3, a récemment lancé Galxe Starboard, destiné à récompenser les contributions authentiques hors chaîne et sur chaîne. Les projets peuvent définir plusieurs niveaux de contribution : il ne s’agit pas seulement du nombre de tweets publiés, mais de la valeur apportée au projet, y compris l’engagement des publications, le sentiment, la viralité, l’interaction avec le dApp, la possession de jetons, le minting de NFT ou l’accomplissement de tâches on-chain.
Mirra : Mirra est un modèle d’IA décentralisé, entraîné sur des données sélectionnées par la communauté, capable d’apprendre à partir des contributions en temps réel des utilisateurs Web3. Plus précisément, lorsque les créateurs publient du contenu de qualité sur X, cela équivaut à soumettre des données validées pour l’IA. Les « éclaireurs » (Scouts) identifient les contenus de haute valeur sur X et les signalent en répondant avec @MirraTerminal, influant ainsi sur ce que l’IA apprend, et contribuant à façonner une intelligence artificielle plus performante.
InfoFi basée sur la réputation
Ethos : protocole de réputation on-chain, basé uniquement sur des protocoles ouverts et des enregistrements blockchain, combiné à une preuve de participation sociale (Social PoS). Il génère via un mécanisme décentralisé un score de crédibilité (Credibility Score), assurant fiabilité, décentralisation et résistance aux attaques Sybil. Ethos fonctionne actuellement selon un système d’invitation strict. Sa fonction principale est de produire un indicateur numérique quantifiant la confiance accordée à un utilisateur sur chaîne. Ce score repose sur des activités on-chain et des interactions sociales : système de commentaires (avec utilité cumulative), système de cautionnement (mise en jeu d’ETH pour endosser un autre utilisateur).
Ethos a également lancé un marché de réputation, permettant aux utilisateurs d’acheter ou vendre des « votes de confiance » et « votes de méfiance » afin de spéculer sur la réputation de personnes, entreprises, DAO, voire d’entités IA — autrement dit, parier à la hausse ou à la baisse sur la réputation.
GiveRep : construit principalement sur Sui, GiveRep vise à transformer l’influence sociale et l’engagement communautaire des utilisateurs sur X en une réputation mesurable sur chaîne, tout en les incitant via des récompenses. Un commentaire mentionnant @GiveRepOfficial sous un post d’un créateur donne un point de réputation tant au commentateur qu’au créateur. Pour limiter les abus, GiveRep limite à 3 par jour (incl.) le nombre de mentions par utilisateur, tandis que les créateurs peuvent recevoir un nombre illimité de points chaque jour. Les mentions provenant de projets ou ambassadeurs de l’écosystème Sui rapportent davantage de points.
Marchés de l’attention / Prévision
Noise : plateforme de découverte de tendances et d’échange basée sur MegaETH, actuellement accessible uniquement sur invitation. Les utilisateurs peuvent parier à la hausse ou à la baisse sur l’attention portée à un projet.
Upside : marché social prédictif (investisseur incluant Arthur Hayes), récompensant ceux qui découvrent, partagent et prédisent des contenus ou liens de valeur. Un système de « likes » crée un marché dynamique. Les revenus sont répartis proportionnellement entre votants, créateurs et curateurs. Pour éviter la manipulation des pools de prévision, le poids des likes diminue durant les 5 dernières minutes de chaque tour.
YAPYO : infrastructure de marché de l’attention dans l’écosystème Arbitrum. YAPYO affirme que les récompenses dans son mécanisme de coordination ne sont pas seulement des gains, mais une influence durable.
Trends : permet de tokeniser les posts X en les transformant en « Trend it », un actif échangeable sur une courbe de joint-ownership. Les créateurs sont éligibles à 20 % des frais de transaction générés par chaque trend.
Accès au contenu verrouillé par jeton : filtrer le bruit
Backroom : les créateurs peuvent créer des espaces tokenisés offrant des contenus triés sur le volet (analyses, insights, alpha), sans gestion requise ni pression sociale. Les utilisateurs débloquent ces informations de haute valeur, peu bruitées, en achetant une clé (Key) liée à chaque créateur. Cette Key n’est pas qu’un simple accès — c’est un actif échangeable, doté d’une courbe de prix dynamique pilotée par la demande. En outre, l’IA traite les données de discussion et les signaux en insights exploitables.
Xeet : nouveau protocole sur le réseau Abstract, pas encore complètement lancé, mais proposant déjà un programme de recommandation récompensant les KOL. Le fondateur de Xeet, @Pons_ETH, ironise sur le fait que l’InfoFi est devenue NoiseFi, affirmant : « Il est temps de réduire le bruit et amplifier le signal. » Pour l’instant, seule l’intégration avec les scores Ethos est confirmée ; aucune autre information n’a été divulguée.
InfoFi orientée analyse de données
Arkham Intel Exchange : Arkham est un outil de recherche de données on-chain, un marché d’échange d’informations confidentielles et une bourse. Arkham Intel Exchange est une plateforme décentralisée où les « détectives on-chain » peuvent gagner des primes.
Les difficultés de l’InfoFi
Marchés prédictifs
-
Régulation et conformité : les marchés prédictifs peuvent être perçus comme des options binaires ou des jeux d’argent, subissant ainsi des pressions réglementaires. Par exemple, Polymarket a été jugé illégal par la CFTC aux États-Unis pour ne pas être enregistré comme marché de contrats désigné (DCM) ou plateforme d’exécution de swaps (SEF), sanctionné d’une amende de 1,4 million de dollars en 2022 et contraint de bloquer les utilisateurs américains. En 2024, les enquêtes du ministère de la Justice et du FBI ont encore accentué cette difficulté réglementaire.
-
Insider trading et équité : ces marchés peuvent être perturbés par des informations privilégiées. De gros capitaux peuvent temporairement fausser les prix. Concevoir des règles et mécanismes équitables reste un défi majeur.
-
Liquidité et participation : l’efficacité des marchés prédictifs dépend d’un nombre suffisant de participants et de liquidité. Sur des sujets de niche, ces marchés rencontrent souvent un problème de « longue traîne » : trop peu de participants rendent les informations peu fiables. L’intégration d’agents IA pourrait en partie résoudre ce problème, mais nécessite encore des optimisations.
-
Conception des oracles : Polymarket a déjà subi une attaque via son oracle, causant de lourdes pertes aux utilisateurs ayant parié sur le bon résultat. En février 2025, UMA, Polymarket et EigenLayer ont annoncé une collaboration pour concevoir un oracle adapté aux marchés prédictifs. Parmi les pistes explorées : un oracle supportant plusieurs jetons pour résoudre les litiges, ainsi que des fonctionnalités comme la mise en jeu dynamique, l’intégration d’agents IA et une sécurité accrue contre les attaques par corruption.
Parlé-pour-gagner
-
Augmentation du bruit informationnel, prolifération de comptes publicitaires automatisés par IA, masquant les signaux authentiques. Les utilisateurs peinent à extraire de la valeur parmi la masse de contenu, la confiance communautaire diminue, et l’efficacité marketing des projets s’en trouve réduite. Selon le KOL Cryptobrave (@cryptobraveHQ) : « Plusieurs chefs de projet se plaignent d’avoir payé 150 000 USDT de frais de service à Kaito, alloué 0,5 % à 1 % de leurs jetons aux KOLs pour le “parlé”, mais constaté qu’une grande majorité des participants étaient des comptes automatisés diffusant du contenu IA. Pour attirer de véritables grands KOLs ou ICT, ils doivent payer en plus, puis Kaito contacte à nouveau ces influenceurs. »
-
La plupart des projets dissimulent leurs algorithmes d’évaluation de la qualité, de l’interaction et de la profondeur du contenu, suscitant des doutes sur l’équité de la distribution des points. Si l’algorithme favorise certains comptes (grands influenceurs ou réseaux coordonnés), cela peut entraîner la perte de créateurs de qualité. Récemment, Kaito a mis à jour son algorithme suite aux retours communautaires : priorité donnée à la qualité plutôt qu’à la quantité, les posts sans analyse ou commentaire spécifique ne reçoivent plus d’attention, et les manipulations d’interactions ou les tricheries collectives sont davantage sanctionnées.
-
Effet Matthew dans la distribution des gains : généralement, projets et KOLs gagnent ensemble, mais les créateurs de longue traîne et les petits interacteurs restent confrontés à de faibles revenus et une forte concurrence. Yu Hu, fondateur de Kaito, a déclaré le 8 juin : « Sur environ 1 million d’utilisateurs inscrits à Kaito, moins de 30 000 ont jamais reçu des yaps, soit moins de 3 %. La prochaine phase de croissance du réseau doit maximiser ce taux de conversion. » De plus, une mauvaise gestion des attentes autour des airdrops peut provoquer de l’insatisfaction. Magic Newton constitue un cas relativement réussi sur Kaito AI, avec un tiers des agents Newton validés recommandés par l’écosystème Kaito, enrichissant largement les utilisateurs du « parlé ». Pourtant, on critique son manque d’équité envers les petits participants. À l’inverse, Humanity a été accusée par la communauté de « trahir ses utilisateurs » et de « anti-looting extrême », provoquant une crise de confiance.
-
Les activités de « parlé » attirent initialement les utilisateurs, mais l’attention chute brutalement après la distribution des récompenses, faute de pérennité. LOUD a vu sa capitalisation approcher 30 millions de dollars le jour de son lancement, elle est désormais inférieure à 600 000 dollars.
-
L’attention ne correspond pas nécessairement à la part de capitalisation.
Réputation
-
Des projets comme Ethos adoptent un système d’invitation pour contrôler la qualité des utilisateurs et limiter les attaques Sybil. Toutefois, ce mécanisme élève la barrière d’entrée, freine l’arrivée de nouveaux utilisateurs et empêche la formation d’un effet réseau étendu.
-
Risque de manipulation malveillante.
-
Problème d’interopérabilité des scores de réputation : les systèmes de notation varient entre protocoles, créant des silos informationnels.
Tendances de l’InfoFi
Marchés prédictifs
-
Intégration de l’IA aux marchés prédictifs : l’IA peut considérablement améliorer l’efficacité de ces marchés. Par exemple, en analysant d’immenses volumes de données, l’IA peut fournir des prévisions plus précises dans des scénarios complexes ; elle peut aussi explorer l’utilisation d’agents IA pour résoudre le problème de la longue traîne.
-
Convergence entre réseaux sociaux et marchés prédictifs : ces marchés pourraient devenir une infrastructure centrale de l’économie de l’information. Le 6 juin, X a annoncé officiellement un partenariat avec Polymarket, qui devient son partenaire officiel de marchés prédictifs. Shayne Coplan, PDG de Polymarket, déclare : « Combiner les probabilités précises, impartiales et en temps réel de Polymarket avec les analyses de Grok et les insights en direct de X permettra d’offrir instantanément à des millions d’utilisateurs contexte et décisions fondées sur les données. »
-
Gouvernance décentralisée : les marchés prédictifs peuvent être appliqués à la gouvernance des DAO, des entreprises ou même de la société — ce qu’on appelle la « futarchie ». Vitalik, dès 2014, a évoqué ce modèle proposé par l’économiste Robin Hanson, dont l’idée centrale est : « votez pour exprimer vos valeurs, pariez pour exprimer vos croyances » (vote values, bet beliefs). Fonctionnement : la communauté vote pour définir un indicateur de réussite (PIB, cours de l’action, etc.) ; pour chaque proposition politique, deux marchés prédictifs sont créés (ex. : adoption ou rejet). Les participants échangent ces jetons, dont le prix reflète l’anticipation du marché sur l’impact de la politique ; la politique dont le prix moyen est le plus haut est choisie, et les jetons sont réglés selon les résultats réels. La futarchie a pour avantage de reposer sur les données plutôt que sur la propagande politique, le charisme ou la promotion.
-
Outils d’information et de nouvelles accessibles à tous.
Parlé-pour-gagner + InfoFi basée sur la réputation
-
Intégration de graphes sociaux et de techniques de compréhension sémantique pour améliorer la précision de l’évaluation de la valeur du contenu par l’IA, en orientant vers les contenus de qualité.
-
Incitation des créateurs de longue traîne de qualité.
-
Ajout de mécanismes de réduction ou de sanction.
-
Lancement d’un LLM spécialisé InfoFi pour le Web3.
-
Évaluation multidimensionnelle des contributions.
-
Combinaison de l’InfoFi de réputation avec la DeFi : les scores de réputation servent de base de crédit pour l’emprunt ou le staking.
-
La tokenisation d’actifs abstraits (attention, réputation, tendances) générera de nouveaux types de produits dérivés.
-
Ne pas se limiter à la plateforme X.
-
Intégration avec davantage de réseaux sociaux et médias d’information, favorisant la création d’un outil universel de découverte d’attention et d’alpha.
InfoFi axée sur l’analyse de données
-
Combinaison de graphiques d’analyse de données et d’insights créateurs, accompagnée de mécanismes d’incitation pour la création et la diffusion.
-
Fusion entre visualisations de données et analyse par IA.
Conclusion
Le conflit central de l’ère numérique réside dans la fracture entre les créateurs d’attention et les détenteurs de valeur. Cette fracture est précisément ce qui motive la révolution Web3 de l’InfoFi.
Le dilemme fondamental du « parlé-pour-gagner » est que, sans équilibre entre valeur informationnelle et incitation à participer, il risque de reproduire le schéma de SocialFi : démarrage fort, chute rapide. L’enjeu clé de l’InfoFi est d’établir un mécanisme d’équilibre « tripartite » entre extraction d’information, participation utilisateur et restitution de la valeur, afin de construire une meilleure infrastructure de partage des connaissances et de décision collective. Cela exige non seulement une quantification technique de l’attention, mais aussi une conception de mécanismes garantissant que les participants ordinaires tirent un retour juste de la diffusion d’information, évitant ainsi une concentration excessive de la valeur.
Plus encore, la révolution de l’InfoFi nécessite une impulsion conjointe depuis le haut et depuis le bas, pour instaurer réellement une économie de l’attention juste et efficace. Sinon, l’effet Matthew dans la pyramide des gains réduira l’InfoFi à un jeu de pillage réservé à quelques-uns, trahissant ainsi son idéal initial d’« inclusion de la valeur de l’attention ».
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
Foresight News
