La période d’arbitrage de Harness : sauver la DeFi aux confins du SaaS
TechFlow SélectionTechFlow Sélection
La période d’arbitrage de Harness : sauver la DeFi aux confins du SaaS
Redéfinir la finance décentralisée (DeFi), un renouveau du récit autour de l’intelligence artificielle.
Dédié à des analyses Web3 approfondiesAuteur : Zuo Ye Web3
Réinventer la DeFi : la renaissance du récit autour de l’IA
En revenant sur les cinq cents dernières années, les conflits entre travail et capital au sein du système capitaliste se sont toujours soldés par des victoires répétées du capital.
Du côté de la production, la participation de la main-d’œuvre s’est progressivement réduite au simple niveau de l’opération des machines ; du côté de la consommation, la valeur de l’utilisateur réside désormais dans la génération de données d’usage pour les plateformes.
Ces deux dynamiques combinées soutiennent la valorisation des entreprises sur les marchés financiers.
Or, les modes d’organisation humaine résistent depuis longtemps à une quantification totale : les indicateurs de performance individuels (KPI) ou les objectifs et résultats clés (OKR) des cadres demeurent ancrés dans une logique hiérarchique, et même un salaire annuel de plusieurs millions ou un système de rémunération à la pièce ne sont que des variantes modernes de la méthode taylorienne.
En l’absence de formules explicites, le capital ne peut pas les évaluer, ce qui nuit à son efficacité. On ignore encore si les stablecoins algorithmiques constituent ou non la « sainte graal » de la DeFi, mais il est certain que la calculabilité des organisations constitue bel et bien la mesure du levier financier.
Les grands modèles décident de recourir à la puissance brute des jetons (Token) pour forcer la solution ; l’effondrement des solutions SaaS sécurisées n’en est qu’une manifestation superficielle. La conception de produits est en cours, et la substitution — puis la mise à l’échelle — de compétences spécialisées et de niche constitue le véritable enjeu stratégique : l’innovation pénètre désormais des territoires inexplorés.
Cela nous offre d’innombrables enseignements, particulièrement à un moment où le modèle DAO de la DeFi se désagrège progressivement et où l’économie tokenisée semble entrer en faillite.
En une phrase : pourquoi les modes d’organisation et de tokenisation fondés sur l’IA sont-ils plus efficaces que ceux de la DeFi ?
Comment tout cela a-t-il commencé ?
La déflation des coûts des jetons (Token) et la montée en puissance pratique des agents (Agent).
Pour un profit de 300 %, le capitaliste est prêt à vendre sa propre corde à pendre ;
pour conserver son emploi actuel, le salarié est prêt à développer des « compétences » (Skill) pour un agent (Agent).
Sur le plan du capital, un Agent doté de compétences (Skill) acquiert une légitimité équivalente à celle du profit lui-même.
L’Agent incarne la « capacité humaine » transformée en compétence (Skill). Plus encore, l’organisation humaine se mue désormais en une chaîne rituelle d’interactions centrée sur l’Agent.
Que ce soit le prompt, le contexte ou, aujourd’hui, l’ingénierie « Harness », tous ces concepts visent à transformer les modes d’organisation humaine en territoire inexploré — du moins à réduire au maximum la présence humaine.
Votre prochain collègue ne sera pas un robot, mais bien une « capacité » incarnée instinctivement.
Il ne s’agit pas là d’un simple fantasme : la loi d’échelle (Scaling Law) appliquée aux données commence à perdre de son efficacité, mais la collecte et la production de données ne sont plus essentielles. Avant même l’atteinte de l’intelligence générale artificielle (AGI), de nouveaux critères de valorisation devront être définis.
Légende de l’image : Le contenu n’a plus de valeur
Informations synthétiques : @ARKInvest
Dès que Claude a choisi le domaine de la programmation comme point d’entrée vers l’AGI, l’IA a dépassé le stade ludique des interfaces conversationnelles pour pénétrer des marchés existants concrets — tels que la programmation, la cybersécurité, ou encore, tout récemment, la conception graphique.
Cette innovation disruptive créera-t-elle finalement de nouvelles marges économiques, ou entraînera-t-elle l’économie vers un modèle structurel de sous-emploi permanent, où les jetons (Token) occupent les postes et les humains en sont exclus ? Nous assistons actuellement à ce processus.
Mais la déflation des coûts des jetons (Token) permet déjà de diffuser à grande échelle des capacités autrefois monopolisées par de rares grandes entreprises, jusqu’aux PME, voire aux « super-individus ». Ce scénario n’est pas une utopie.
Prenons la Chine comme exemple : le volume quotidien d’appels aux jetons (Token) est passé de 100 milliards/jour en 2024 à 100 000 milliards/jour fin 2025, puis atteint aujourd’hui 140 000 milliards/jour. La production de contenus et de données entre ainsi dans une ère de coût quasi nul.
Il convient de noter que la pénurie de puissance de calcul («算力») est une situation relative : si les grandes entreprises ne détiennent plus le monopole des « capacités », elles tentent néanmoins de préserver leurs avantages acquis en contrôlant le marché de la puissance de calcul — sans toutefois pouvoir enrayer la tendance inéluctable à la déflation globale des coûts des jetons.
Les comparaisons entre architectures de grands modèles de base sont nombreuses, mais l’évolution historique de la question « Comment l’IA aide-t-elle les humains ? » n’a longtemps pas retenu suffisamment l’attention.
À mon avis, « Harness » constitue une forme spatiale permettant à l’Agent de se concentrer, pour la première fois, sur une tâche précise dans des limites bien définies, adoptant une stratégie prioritaire en profondeur, contrairement aux systèmes de type Q/R qui privilégient la largeur.
Légende de l’image : Histoire de l’évolution des Agents
Source de l’image : @zuoyeweb3
Dès lors que la touche Tab a été utilisée pour la première fois afin de compléter automatiquement du code, il n’était plus qu’une question de temps avant que l’humain ne devienne simplement une couche d’entrée pour l’IA.
Le coût des essais et erreurs diminue exponentiellement, ouvrant la voie à de nouvelles expérimentations passionnantes concernant les modes de collaboration humaine :
- Logiciel : SaaS — la source des capacités humaines n’est plus l’humain lui-même, mais l’émergence collective des Agents
- Matériel : cartes accélératrices + mémoire HBM — les centres de données servent désormais directement les besoins spécifiques de l’IA
- Espace : « Harness » — non plus un espace physique de collaboration humaine, mais un espace numérique d’interaction entre Agents
- Interaction : échec du smartphone « DouBao », Google intégrant nativement des Agents GUI au cœur même du système Android
La capacité de l’IA à « parler » (générer du texte) possède une faible valeur commerciale : le coût de génération textuelle est très bas pour les humains. En revanche, sa capacité à « agir » fera exploser la consommation de jetons (Token), dépassant largement celle de la génération d’images ou de vidéos — à l’instar d’AWS, qui ne vend pas des serveurs, mais du temps d’utilisation.
L’IA ne vend pas des jetons (Token), elle vend de « capacités opérationnelles ». C’est précisément cette réalité qui suscite la peur dans le secteur SaaS. Malheureusement, la DeFi est déjà devenue un service SaaS, et non un grand modèle.
La transformation de la DeFi en service SaaS
La DeFi n’est pas obsolète, mais prématurément mûre.
L’IA est en train de réinventer l’ingénierie logicielle. Ce ne sont pas seulement les services SaaS qui sont menacés, mais ils constituent sans doute le cas le plus emblématique.
Même le terminal Bloomberg tire sa valeur commerciale principale non pas de l’avancée technologique de ses outils, mais de l’autorité de ses informations — autorité forgée au fil de décennies de relations sectorielles et de réseaux professionnels, reposant sur des données non standardisées.
L’Agent propose une alternative : il permet d’inférer des tendances futures à partir des données disponibles, offrant ainsi la possibilité — même risquée — de devancer les concurrents et de réaliser de petits profits.
Légende de l’image : Effondrement du SaaS
Source de l’image : @zuoyeweb3
On peut comprendre cela comme une exploitation habile de la nature spéculative du capital : on peut certes attendre les informations complètes et fiables du terminal Bloomberg, ou bien tenter sa chance avec des données partielles et approximatives afin d’obtenir un gain immédiat.
Ce n’est pas une nouveauté : Thomas Peterffy, fondateur d’IBKR, fut le premier à « inventer » — ou plutôt à assembler — un terminal de trading physique dans le domaine financier, à partir d’un terminal P101 inutilisé.
Si une méthode donnée d’exploitation des données permet de générer davantage de profit, alors vous obtenez davantage de données : la boucle vertueuse est lancée.
Le SaaS dominait le passé ; l’IA vend l’avenir.
Malheureusement, c’est précisément ici que nous devons aborder la DeFi. Vous souvenez-vous des pare-feux payants (API payantes) de Dune ou de DeFiLlama ? Une situation où l’on détient des données d’or tout en mendiant pour survivre… Ou encore la fermeture définitive d’Arkham Exchange ?
Les données du secteur cryptographique ont toujours eu peu de valeur.
Or, ce secteur représente justement un système financier ouvert, dont les données peuvent être réutilisées et apprises indéfiniment. Même avant l’ère de l’IA, la vitesse de duplication (fork) des projets avait déjà chuté à un rythme mensuel, tandis que les copies de tokens Meme sur PumpFun pouvaient être réalisées en quelques secondes.
Ceci conduit à une conclusion contre-intuitive : la DeFi constitue un « serveur de test » précurseur du système financier global. Les expériences actuelles combinant IA et DeFi serviront probablement de modèle pour l’évolution future de la finance.
- Par exemple, avant la crise financière de 2008, le taux LIBOR, fondé sur des transactions non garanties, a « déclenché » la tempête financière mondiale ; il a ensuite été remplacé par l’indice SOFR, issu de transactions obligataires américaines, tandis que le mécanisme de surcollatéralisation garantit la finalité des liquidations dans la DeFi.
- Par exemple, les fournisseurs de grands modèles ne souhaitent pas vendre leurs jetons (Token) selon une simple tarification à l’usage, mais insistent sur une segmentation marketing, une personnalisation des capacités et une adaptation sectorielle. L’économie tokenisée a ainsi transformé la « valeur d’usage » en une sorte de « tresse » conceptuelle.
Les jetons cryptographiques (Crypto Token) s’accrochent obstinément à leur « valeur d’usage », tandis que les jetons IA (AI Token) poursuivent résolument leur « valeur économique ».
Sous cet angle, les attaques de piratage contre la DeFi ne représentent qu’un test de résistance classique : un système ouvert ne peut pas corriger seul les bogues externes — sources d’entropie externe.
Une ironie digne de la « 22ᵉ réglementation » : en l’absence d’un signal externe, le système cryptographique considère par défaut son environnement comme sûr. Une fois qu’une crise de sécurité survient, il se rétracte aussitôt vers un système centralisé de traitement.
Dans l’affaire Drift, par exemple, les critiques se sont tournées vers Circle — accusé d’avoir trop lentement gelé les fonds.
Légende de l’image : Le code ne résout pas les problèmes de sécurité
Source de l’image : @zuoyeweb3
On peut affirmer que, avant même la percée des capacités de l’IA, la DeFi avait déjà achevé sa transformation en service SaaS, se contentant de facturer chaque transaction sans pouvoir transférer directement la « finance » sur la blockchain.
L’admission des actifs réels (RWA) sur la chaîne de blocs souffre d’un manque de liquidité, et la DeFi n’offre pas encore de solution satisfaisante à ce problème.
Cependant, l’évolution des capacités des Agents laisse entrevoir une lueur d’espoir — encore floue — pour une réécriture radicale des règles de la DeFi.
- Économie tokenisée : déploiement différencié des volumes d’usage selon les canaux, allocation fondée sur « l’efficacité du capital » ;
- Définition des règles : Mythos assure la finalité sécurisée, tandis que les systèmes de défense IA font face aux vulnérabilités zero-day ;
- Organisation humaine : excellente nouvelle — la DeFi est déjà gérée par quelques personnes supervisant des milliards de dollars.
La renaissance du récit technique
D’où vient la sécurité ? De la déterminisme de la machine de Turing. D’où vient le danger ? De l’infinité des possibilités.
Gary Tan de Y Combinator évoque avec justesse la notion de « compétences épaisses, harnais minces » (Fat Skill, Thin Harness) : il s’agit fondamentalement de fixer des règles de base, instaurant une « liberté ordonnée ».
La machine de Turing permet des combinaisons infinies, mais l’architecture de von Neumann implique toujours un décalage temporel entre stockage et calcul ; quant aux grands modèles, ils ne peuvent pas générer de vrais nombres aléatoires.
Dans un futur où les données n’auront plus de valeur, seuls les comportements humains conféreront une valeur réelle au flux monétaire.
Mais ces comportements humains nécessitent encore du temps pour être entièrement appris par l’IA, puis internalisés sous forme d’expressions codifiées et ingénieries concrètes.
Tenter de saisir l’infini à l’aide de moyens finis reste vain : les modèles de langage (LLM) ne pourront jamais éliminer totalement leurs hallucinations. Seule une approche qui pousse l’IA jusqu’à un point où « ni l’IA ni l’humain ne peuvent aller plus loin » permettra au mécanisme de marché de l’évaluer correctement — et seulement alors pourrons-nous vraiment faire confiance aux contrats intelligents.
Les contrats intelligents actuels ne peuvent guère être qualifiés de réussis : le fork de The DAO, le bug linguistique de Curve, voire le système multi-signatures de Drift, prouvent tous que « l’humain conserve le dernier mot sur le code ».
L’interrogatoire moral n’a aucune valeur économique. La raison pour laquelle les modes de collaboration dans le domaine de la DeFi se sont rétractés du modèle DAO vers celui des fondations et des « équipes » réside fondamentalement dans des besoins pratiques réels : mises à jour contractuelles, partenariats opérationnels.
Mais les humains sont incapables d’écrire un code à la fois parfaitement sûr et évolutif à vie. Souvenez-vous bien : c’est tout bonnement impossible.
Si aucun changement n’est autorisé, alors l’expérience de Curve nous montre que même la pile technologique sur laquelle repose un système peut présenter des failles.
Le présent détermine le passé, et le passé détermine l’avenir.
De la fondation Renaissance de Jim Simons au fonds Numerai exploitant des stratégies IA, l’usage de l’IA dans le domaine financier n’est pas nouveau. Un autre exemple contre-intuitif : les signaux de trading peuvent eux-mêmes favoriser l’évolution de l’IA.
Légende de l’image : IA et DeFi : 10 ans
Source de l’image : @zuoyeweb3
Les modèles IA restent des machines à états dans le paradigme informatique classique, traitant des flux de signaux. Sans signal externe, ils manquent de capacité à simuler le monde extérieur. C’est précisément dans cette direction que Yann LeCun et Fei-Fei Li parient avec leurs « modèles du monde ».
Mais du point de vue de la DeFi, permettre à l’IA d’effectuer des transactions autonomes suppose que l’intention humaine soit apprise par l’Agent à travers l’observation des comportements — ce qui souligne l’importance cruciale de l’humain pour l’IA. Même lorsque l’Agent remplace la main-d’œuvre, il ne fait qu’imiter et synthétiser les comportements humains.
En effet, l’humain ne peut pas produire de hasard intentionnel : la moindre intention délibérée suit des lois statistiques. Seules certaines caractéristiques physiologiques humaines peuvent générer du hasard — par exemple, « j’ai une préférence physiologique pour la stratégie de market-making d’Ethena, et une aversion pour la stratégie d’arbitrage de XX », ce qui traduit une inclination floue.
Il est absolument certain que la tentative de faire de la blockchain / DeFi une infrastructure pour l’IA a connu, au cours des dix dernières années, un échec lamentable — et des initiatives telles que deAI, deAgent ou deOpenclaw subiront le même sort.
Utiliser directement les derniers grands modèles pour transformer les structures de la DeFi — par exemple, rendre par défaut les contrats testés sur Mythos intrinsèquement sécurisés, et détecter en temps réel toute modification afin d’en augmenter le niveau de risque — voilà une piste prometteuse.
Sur le plan organisationnel, le choix de l’IA est « de se passer de l’humain », tout en conservant ses « capacités ». La DeFi constitue, à cet égard, le secteur le plus adapté — voire le seul — car, une fois les règles définies, elle se concentre uniquement sur l’amélioration de l’efficacité du capital dans un cadre sécurisé. Par analogie avec les niveaux L1 à L4 de la conduite autonome, ce processus passera nécessairement par trois étapes : délégation d’informations → attribution limitée du droit d’utiliser des fonds → attribution complète du droit d’utiliser des fonds.
Si les Agents continuent d’apprendre, de façon ingénierie, les compétences des traders ou celles des gestionnaires de portefeuille (Curator), ils surpasseront inévitablement les humains dans les domaines des transactions et de la génération de rendements. Malheureusement, les données accumulées par la DeFi n’ont pas encore été systématiquement apprises et entraînées par les systèmes IA : l’IA du secteur cryptographique en est encore au stade de la collecte de fonds.
Je suis toutefois fermement convaincu que la gestion effective des fonds constituera la vague principale suivante de la transformation de la DeFi par l’IA — une évolution inéluctable.
Alors, une fois la sécurité (contrats) et l’organisation (humains) entièrement repensées, quelle forme prendra l’économie tokenisée ?
- À l’ère de la preuve de travail (PoW), le jeton était un certificat de consommation de puissance de calcul — une fonction identique à celle des jetons IA actuels ;
- À l’ère de la preuve d’enjeu (PoS), le jeton est un certificat de rendement anticipé actualisé — et les jetons IA évoluent précisément dans cette direction (leur capacité à remplacer les humains constitue leur expression économique de cette valeur) ;
- À l’ère de l’IA, les jetons cryptographiques (Crypto Token) dépassent déjà notre champ d’ingénierie actuel, ne laissant place qu’à des prédictions théoriques — forcément spéculatives.
En référence à Sky, qui utilise la distribution des jetons pour réguler les taux de rendement annuel (APY) selon les canaux, ou à Claude, qui établit le prix des capacités de ses modèles en fonction de la consommation de jetons, les Crypto Token futurs seront très probablement des certificats de « taux de retour sur capital ».
Notez bien la distinction suivante : les jetons PoS, comme $ETH, reposent sur une hypothèse économique — une inférence empirique a priori — tandis que la conception ingénierie de l’IA et les paramètres de la DeFi s’approcheront de manière asymptotique de la réalité objective, rendant leur taux de rendement et leur taux de risque hautement crédibles et vérifiables en temps réel.
Les utilisateurs pourront même déterminer le cours actuel d’un jeton en fonction du grand modèle et des Agents utilisés par le protocole DeFi, ainsi que du score obtenu sur les indicateurs d’optimisation « Harness » : s’ils y croient, ils achètent ; s’ils doutent, ils vendent.
Conclusion
Mille tourments innombrables et un avenir humain imprévisible.
L’avenir de la DeFi se divise entre dimension économique et dimension technique. L’économie tokenisée ne dispose pas encore de solution satisfaisante, mais un début d’espoir émerge en matière de sécurité : Claude Mythos pourrait menacer le monde — or, inversant la perspective, il pourrait aussi parfaitement « surveiller l’argent ».
AlphaGo a résolu définitivement le jeu de go ; Claude a résolu définitivement la programmation. De tels scénarios ne feront que se multiplier à l’avenir : les contrats de la DeFi, l’organisation humaine, voire même l’unité de compte économique, disposent toutes d’un espace théorique d’optimisation.
Au moins, les humains n’ont pas à craindre une substitution totale : dans une ère où les données n’ont plus de valeur, le comportement humain conserve sa propre signification. Pour l’heure, la prise de contrôle progressive par les Agents se limite encore à des « micro-tâches » et des « micro-paiements » — des gestes répétitifs. Il nous incombe de conférer une valeur à cette répétition, à cette duplication. L’IA fait chuter à zéro la valeur des données et des contenus, tandis que la valeur économique unitaire (coût) des jetons IA et des jetons cryptographiques ne cesse également de diminuer : telle est la tendance irréversible.
On peut même dire que, pour la première fois, l’argent s’ouvre véritablement aux individus — que ce soit pour travailler avec l’IA ou pour consommer dans l’écosystème cryptographique.
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
@zuoyeweb3
