Reformer le jeu sur la chaîne : comment aPriori, projet phare de Monad, révolutionne les transactions grâce à l'IA, avec un programme de contribution de données lancé simultanément
TechFlow SélectionTechFlow Sélection
Reformer le jeu sur la chaîne : comment aPriori, projet phare de Monad, révolutionne les transactions grâce à l'IA, avec un programme de contribution de données lancé simultanément
La vitesse des transactions n'est pas l'objectif final, la croyance fondamentale du DeFi repose sur l'équité et l'efficacité.
Dédié à des analyses Web3 approfondies
Fortement soutenu par des institutions de premier plan telles que Pantera Capital, YZi Lab et OKX Ventures, TechFlow est en train de redéfinir les fondements des échanges décentralisés. Les membres clés de l'équipe proviennent de Jump, Coinbase, Citadel Securities et dYdX, combinant technologie native de la chaîne et expérience pratique des hautes fréquences de Wall Street. TechFlow construit sur une blockchain haute performance un nouveau système d'exécution des transactions, injectant dans la DeFi une infrastructure transactionnelle véritablement compétitive.
TechFlow réécrit complètement le processus des échanges sur chaîne : grâce à un agrégateur DEX piloté par l'IA et un module de mise en jeu de liquidités soutenu par le MEV, TechFlow intègre toute la chaîne de valeur – depuis la passation d'ordre jusqu'à la boucle de génération de rendements – au sein d'un écosystème produit durable et fonctionnel.
Après le lancement la semaine dernière de Swapr, un agrégateur DEX piloté par l'IA, TechFlow concentre désormais son attention sur le « cerveau d'identification » des transactions sur chaîne, à savoir le système de segmentation du flux d'ordres (Order Flow Segmentation). Ce système, combinant étiquetage comportemental, regroupement de portefeuilles, analyse IA et mécanismes de retour sur chaîne, vise à ce que chaque transaction soit traitée de manière plus intelligente et plus équitable, évitant ainsi les dommages causés par des flux malveillants tels que l'arbitrage ou le sandwich trading (« toxic flow »), tout en dirigeant la liquidité vers les endroits où elle est le plus nécessaire. Il rend non seulement les transactions plus intelligentes, mais aussi les marchés sur chaîne plus ordonnés et dignes de confiance.
“Comprendre chaque transaction est le point de départ d'une exécution équitable.”
La reconnaissance du flux d'ordres est l'une des technologies centrales de TechFlow. En analysant le comportement des transactions, l'historique des portefeuilles et la réaction du marché, elle permet d'identifier, avant même la réalisation de la transaction, si celle-ci relève d'une opération normale d'utilisateur ou d'un « flux malveillant (toxic flow) » comme l'arbitrage ou le sandwich trading. Contrairement aux méthodes traditionnelles qui ne se basent que sur la réussite ou non de l'exécution, cette approche permet de filtrer plus tôt les risques potentiels, offrant aux fournisseurs de liquidités (LP) des contreparties plus sûres et améliorant l'équité du choix des chemins et de l'exécution.
“Technologie + Écosystème : le moment idéal pour Monad”
Les caractéristiques des données varient selon les écosystèmes de blockchains : Solana possède des transactions rapides et des utilisateurs actifs, mais le fait que de nombreux contrats soient fermés limite les données disponibles pour l'entraînement. Ethereum et les autres blockchains EVM ont certes des données ouvertes, mais leur faible performance entraîne des comportements transactionnels conservateurs et une densité de données relativement faible.
Monad réalise un équilibre rare entre performance et transparence – alliant le débit élevé et le style transactionnel agressif de Solana à la lisibilité et l'ouverture apportées par l'architecture EVM. Cela fournit à TechFlow un terrain idéal pour développer le prochain modèle de reconnaissance du flux d'ordres.
“Les données des utilisateurs ne servent pas seulement à participer, elles forment aussi l'intelligence transactionnelle de demain.”
Programme de contribution communautaire aux données : afin d'entraîner l'IA à mieux reconnaître les comportements transactionnels, TechFlow a lancé un programme de contribution aux données impliquant la communauté. Chaque utilisateur peut aider le modèle à mieux « comprendre » le monde sur chaîne en effectuant les actions simples suivantes :
-
Lier un portefeuille : connecter l'adresse du portefeuille habituellement utilisée pour offrir une vue plus complète du comportement ;
-
Chaînes prises en charge : Ethereum, BNB Chain, testnet de Monad ;
-
Synchroniser les comptes sociaux : optionnellement lier Twitter, Discord, etc., pour fournir davantage d'indices d'identité ;
-
Check-in et suivi des tâches : un tableau de bord dédié affiche l'historique des check-in, les comportements transactionnels et la progression des contributions.
Ces données aident le système à déterminer quels adresses appartiennent au même utilisateur, s'il existe des opérations coordonnées, et renforcent ainsi la capacité de l'IA à identifier les types de transactions et les risques associés.
“Comment savoir si une transaction contient un flux malveillant (toxic flow) ?”
Dans le moteur central de Swapr, chaque transaction est évaluée par un modèle d'IA en termes de risque avant confirmation, principalement selon les critères suivants :
-
La transaction elle-même : sens de l'achat/vente, chemin des devises, gas, frais, slippage, etc. ;
-
Historique de l'adresse : fréquence des transactions, comportements antérieurs, variations d'actifs ;
-
Réaction du marché : évolution du prix entre 1 seconde et 24 heures après la transaction ;
-
Jugement des rendements : la transaction génère-t-elle des profits à différents moments ? Risque-t-elle de nuire aux LP ?
Le modèle identifie si chaque transaction relève d’un « flux malveillant (toxic flow) », par exemple des comportements transactionnels comme l’arbitrage ou le sandwich trading qui tirent parti d’un avantage informationnel, et évalue la menace potentielle pour l’équité du système.
“Un modèle n’est pas meilleur parce qu’il est plus complexe, mais parce qu’il comprend mieux les transactions.”
De moteur de règles à réseau neuronal IA : TechFlow ne s’enferme pas dans un seul algorithme, mais combine des modèles traditionnels (XGBoost, LightGBM) et des modèles séquentiels (RNN, Transformer). Les premiers traitent efficacement les données structurées avec une bonne interprétabilité, tandis que les seconds excel lent à capter les évolutions comportementales dans les séries temporelles.
Swapr adopte finalement une architecture d'ensemble (Ensemble), où différents sous-modèles apprennent chacun dans leurs propres dimensions de données et fenêtres temporelles, puis fusionnent leurs scores pour répondre plus précisément aux comportements transactionnels complexes.
“Qui collabore derrière une transaction pour réaliser un arbitrage ?”
Les comportements d'arbitrage sont souvent le résultat d'une coordination entre plusieurs adresses plutôt que l'action d'un seul portefeuille. En identifiant ces « groupes de comportement », le système peut anticiper les éventuelles coalitions d'arbitrage et empêcher les « flux malveillants (toxic flow) » de concentrer leurs attaques contre les LP.
“Faire de l'IA une partie intégrante de l'exécution des transactions”
A mesure que les données d'entraînement s'enrichissent, le système d'identification de Swapr devient un point de différenciation clé dans le routage DeFi. Il permet non seulement d'obtenir des cotations optimisées, mais aussi d'ajuster dynamiquement la direction de la liquidité, protégeant ainsi les intérêts des utilisateurs et des LP.
Ray, le fondateur, insiste : “Un vrai moteur d’exécution DeFi doit comprendre, juger, et savoir protéger le système. Nous voulons que Swapr soit la première entrée transactionnelle capable de ‘penser’.”
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
@aprMEV
