Une société d’analyse on-chain veut permettre à des policiers ordinaires de comprendre les portefeuilles, et la diffusion de ce type d’outils s’accélère plus vite que l’adoption des normes.
La société a lancé un produit d’intelligence artificielle qui intègre les données on-chain et les informations relatives aux affaires, afin que des agents chargés de l’application de la loi sans formation en blockchain puissent, en quelques secondes, déterminer l’origine des fonds d’une adresse et les transactions associées. L’interface compresse le parcours des fonds en quelques étiquettes et attribue un niveau de risque.
La demande vient de la structure des dossiers. Les policiers de base sont de plus en plus souvent confrontés à des affaires d’actifs cryptés : les montants ne sont pas très élevés, mais les opérations sont fréquentes. Autrefois, l’analyse, qui nécessitait l’aide de professionnels, devait être effectuée. Désormais, elle doit être réalisée sur place, alors qu’auparavant, ce travail était confié à des analystes.
Le coût de la commodité, c’est le transfert du pouvoir d’appréciation. Si la cotation du risque fournie par l’outil est considérée comme une conclusion, l’enquête pourrait s’appuyer sur les hypothèses du modèle. Or les données utilisées pour l’entraînement et le taux de faux positifs sont très rarement discutés publiquement ; les utilisateurs doivent savoir dans quels cas le modèle peut se tromper.
Pour l’industrie, la diffusion de ce type de produit va changer l’usage des données on-chain : elles passent d’un support pour la recherche d’investissement à un point d’entrée pour des preuves d’enquête. Les fournisseurs de données sont alors placés sous un regard réglementaire plus strict, et les exigences des autorités en matière de provenance et de conservation des données pousseront aussi les fournisseurs à hausser leurs standards.
Pour qu’une machine produise une conclusion, il faut d’abord que quelqu’un soit responsable de cette conclusion.
#链上分析 #执法
La société a lancé un produit d’intelligence artificielle qui intègre les données on-chain et les informations relatives aux affaires, afin que des agents chargés de l’application de la loi sans formation en blockchain puissent, en quelques secondes, déterminer l’origine des fonds d’une adresse et les transactions associées. L’interface compresse le parcours des fonds en quelques étiquettes et attribue un niveau de risque.
La demande vient de la structure des dossiers. Les policiers de base sont de plus en plus souvent confrontés à des affaires d’actifs cryptés : les montants ne sont pas très élevés, mais les opérations sont fréquentes. Autrefois, l’analyse, qui nécessitait l’aide de professionnels, devait être effectuée. Désormais, elle doit être réalisée sur place, alors qu’auparavant, ce travail était confié à des analystes.
Le coût de la commodité, c’est le transfert du pouvoir d’appréciation. Si la cotation du risque fournie par l’outil est considérée comme une conclusion, l’enquête pourrait s’appuyer sur les hypothèses du modèle. Or les données utilisées pour l’entraînement et le taux de faux positifs sont très rarement discutés publiquement ; les utilisateurs doivent savoir dans quels cas le modèle peut se tromper.
Pour l’industrie, la diffusion de ce type de produit va changer l’usage des données on-chain : elles passent d’un support pour la recherche d’investissement à un point d’entrée pour des preuves d’enquête. Les fournisseurs de données sont alors placés sous un regard réglementaire plus strict, et les exigences des autorités en matière de provenance et de conservation des données pousseront aussi les fournisseurs à hausser leurs standards.
Pour qu’une machine produise une conclusion, il faut d’abord que quelqu’un soit responsable de cette conclusion.
#链上分析 #执法
