理想三旬

Imaginez qu’une marque veuille trouver 100 agents IA pour accomplir la même tâche.

Faudrait-il les contacter un par un, négocier les tarifs, préciser les besoins, puis relancer chacun pour qu’il livre son travail ?

Rien que d’y penser, c’est déjà fatigant.

Pourtant, le marché des tâches de TermiX dispose déjà d’un mécanisme conçu spécialement pour ce genre de situation : les Bounties.

Je pense que cette fonctionnalité mérite qu’on s’y attarde.

/

Selon la conception d’AACP, une marque peut créer un pool de récompenses via CampaignVault, en définissant à l’avance les exigences de la tâche, le montant de la récompense et le nombre de places disponibles.

Par exemple, si une tâche propose 100 places, les agents qui remplissent les critères peuvent la réclamer directement.

La réclamation de la tâche, la soumission du travail, sa validation et le versement de la récompense correspondent chacun à un état enregistré sur la blockchain.

Plus besoin de négociations tarifaires à répétition : un seul ensemble de règles permet à plusieurs agents de participer en même temps.

Il y a aussi un détail assez intéressant.

Pour les commandes classiques, le montant du dépôt bloqué est calculé en fonction du budget. Mais les Bounties utilisent un montant fixe de providerBond.

Prenons l’exemple d’une tâche qui exige un dépôt de garantie de 10 USDC : au moment de la réclamer, l’agent doit disposer d’un solde de dépôt suffisant.

Si la tâche est menée à bien, le dépôt est débloqué. En revanche, si l’agent ne livre pas son travail après l’avoir réclamée, ou s’il perd une procédure de contestation, il risque de voir son dépôt déduit et sa réputation diminuer.

/

Et la marque ne peut pas non plus rejeter une tâche d’un simple revers de main.

D’après la documentation, l’étape de validation peut demander des modifications, jusqu’à deux fois. En cas de refus, l’agent a encore la possibilité de lancer un Challenge.

Si le travail a déjà été soumis, mais que la marque tarde à le traiter, le protocole prévoit également une procédure de règlement après expiration du délai.

Ce système me fait penser à une situation très concrète.

À l’avenir, lorsqu’un projet aura besoin de nombreux agents pour aider à organiser des données, effectuer des contrôles de sécurité ou réaliser des tâches de standardisation de contenu, il sera tout à fait possible de répartir le travail en lots au moyen de pools de récompenses similaires.

Chaque agent disposera de son propre historique de livraisons, et les règles relatives aux récompenses, aux dépôts de garantie et au traitement des litiges seront clairement définies.

À mon avis, c’est là que les Bounties de TermiX offrent le plus de perspectives.

À mesure que les agents IA participeront à grande échelle à la collaboration commerciale, répartir des centaines ou des milliers de tâches, récupérer les résultats et régler les paiements sans accroc deviendra en soi un véritable métier.

Ceci ne constitue pas un conseil en investissement. DYOR

À l’avenir, même si je laisse vraiment un agent IA surveiller les marchés, consulter des données, voire exécuter des transactions automatiquement, je pense que je ne pourrai pas m’empêcher de lui demander : les données que tu viens de consulter, elles sont fiables ?

Après tout, il s’agit d’argent réel. Même si les réponses de l’IA sont convaincantes, si les informations obtenues au départ sont erronées, il est difficile de se fier aux conclusions qui en découlent.

Primus vient justement d’annoncer un nouveau partenariat avec Cournot. Cette nouveauté m’a paru assez intéressante et m’a aussi permis de mieux comprendre le zkTLS de Primus.

/

Commençons par Cournot : c’est un protocole d’oracle natif de l’IA, capable d’analyser des informations sur des événements du monde réel et de fournir des conclusions vérifiables à des applications on-chain, comme les marchés prédictifs.

Mais il y a un problème.

Par exemple, un marché prédictif peut avoir besoin de déterminer si une donnée économique a atteint les prévisions. L’IA peut analyser des actualités, consulter des sites web ou appeler des API, mais d’où viennent exactement ces informations ? Ont-elles été modifiées ?

C’est là que Primus entre en jeu.

Grâce au zkTLS, Primus peut fournir des preuves d’authenticité pour les données provenant de sites web ou d’API, tout en limitant l’exposition d’informations sensibles.

La répartition des rôles dans ce partenariat est assez claire : Primus vérifie la provenance des éléments de preuve off-chain, puis Cournot les analyse pour produire des conclusions vérifiables.

Je trouve cette combinaison particulièrement intéressante.

Après tout, les marchés prédictifs impliquent au bout du compte le règlement de transactions avec de l’argent réel. La fiabilité des sources de données est donc essentielle.

Les deux partenaires ont également évoqué le crédit privé et des applications financières on-chain plus larges. À l’avenir, certaines données relatives à la situation financière ou aux conditions de crédit pourraient ainsi être vérifiées tout en préservant la vie privée.

Bien sûr, pour l’instant, cela reste une piste à explorer. Il faudra voir jusqu’où ces projets pourront être concrétisés.

/

En réalité, Primus a déjà acquis de l’expérience dans des cas d’usage similaires.

Par exemple, pour la preuve des réserves, zkTLS permet de vérifier la provenance des données d’actifs off-chain, puis zkVM sert à calculer et à vérifier les données de réserves. Les institutions peuvent ainsi fournir des preuves vérifiables de leurs actifs tout en protégeant certaines informations opérationnelles sensibles.

Par ailleurs, la documentation officielle de Primus mentionne également la « Verifiable AI Agent Execution ».

Lorsqu’un agent fait appel à une API externe, consulte des données ou exécute une tâche financière, des preuves zkTLS peuvent être générées pour les interactions clés, afin que certaines étapes de l’exécution puissent être vérifiées.

Il y a un détail qu’il me semble important de garder à l’esprit.

Prouver que les données proviennent d’une source authentique ne signifie pas que le jugement de l’IA est forcément correct. Primus s’attaque à un enjeu essentiel du processus décisionnel : la fiabilité des éléments de preuve.

/

De la vérification des réserves aux agents IA, en passant par le développement des marchés prédictifs grâce à son récent partenariat avec Cournot, les domaines d’application de Primus ne cessent de s’étendre.

De plus, il n’est pas nécessaire de créer une nouvelle blockchain : les capacités de vérification et de protection de la vie privée peuvent être intégrées directement aux écosystèmes existants.

Je suis plutôt optimiste quant au développement de ce type d’infrastructure.

À l’avenir, la finance on-chain devra traiter toujours plus de données du monde réel. Comment vérifier et exploiter ces données tout en protégeant la vie privée pourrait devenir un enjeu de plus en plus important.

Et Primus continue d’avancer dans cette direction.

Ceci ne constitue pas un conseil en investissement. DYOR.

À peine venais-je de vous présenter l’agent de rétro-ingénierie REA que l’IA Agent se voyait déjà confier des stratégies quantitatives.

On a l’impression que les agents sont de plus en plus occupés : ils écrivent du code, réalisent des audits, étudient les marchés et commencent même à participer au trading quantitatif.

Et TermiX a récemment lancé plusieurs nouvelles initiatives. Je pense qu’elles méritent d’être abordées ensemble.

/

Commençons par une nouvelle à suivre : TermiX explore actuellement une intégration avec l’écosystème Binance AI.

Les développeurs qui utilisent Binance Agent OS peuvent désormais, grâce à TermiX Skills, connecter les agents compatibles au marché des tâches de TermiX.

La prise en charge de la connexion via Binance .ai Agent ID est également prévue par la suite.

Je trouve que cette initiative ouvre de belles perspectives.

Après tout, l’écosystème Binance AI dispose déjà de capacités en matière d’étude de marché et d’analyse des transactions. Si ces capacités peuvent être proposées à l’avenir via TermiX, les agents auront l’occasion de transformer leur savoir-faire en revenus réels.

Bien sûr, certaines fonctionnalités sont encore au stade de la planification. Il faudra attendre leur mise en œuvre pour voir jusqu’où elles pourront aller.

/

En reliant les initiatives récentes de TermiX, on découvre quelque chose d’assez intéressant.

De l’agent de rétro-ingénierie REA à Quant Agent, en passant par l’élargissement constant des Agent Skills, les services proposés sont de plus en plus variés.

Et la gestion des tâches, la vérification des livraisons et le règlement automatique pris en charge par AACP fournissent justement à ces services une base transactionnelle.

À mon avis, c’est là que réside l’aspect le plus intéressant à suivre chez TermiX pour la suite.

Et si, un jour, l’algorithme de signature de portefeuille que nous utilisons aujourd’hui n’était plus assez sûr ? Faudrait-il vraiment que tout le monde change d’adresse, transfère ses actifs et recommence tout depuis le début ?

Cette question me fait penser à un atout technologique de Starknet : la Crypto Agility, autrement dit l’agilité cryptographique.

En juillet dernier, il s’est justement passé quelque chose d’assez intéressant sur le réseau principal de Starknet.

Un compte expérimental utilisant la signature post-quantique Falcon-512 a effectué avec succès un transfert de 0,01 STRK.

Le montant est négligeable, mais les capacités technologiques qui se cachent derrière méritent qu’on s’y intéresse.

/

Il faut ici parler de la Native Account Abstraction (abstraction native des comptes) de Starknet.

Contrairement aux comptes externes traditionnels, les comptes Starknet sont eux-mêmes des contrats intelligents. Grâce à une logique de vérification programmable, ils peuvent choisir différents schémas de signature.

Cela signifie que si des algorithmes cryptographiques plus sûrs apparaissent à l’avenir, les comptes pourront adopter de nouvelles méthodes de vérification des signatures sans qu’il soit nécessaire de procéder à un hard fork de l’ensemble du réseau.

De plus, comme le système de preuve STARK repose principalement sur les fonctions de hachage, il bénéficie déjà d’un certain avantage architectural face aux menaces de l’informatique quantique.

Bien sûr, l’implémentation de Falcon-512 mentionnée plus haut reste expérimentale et n’a pas encore été auditée. Avant qu’elle puisse être utilisée à grande échelle par le grand public, il reste encore à travailler sur la compatibilité des portefeuilles, la gestion des clés et les audits de sécurité.

Mais au moins, une véritable transaction on-chain a déjà validé la faisabilité de cette approche technologique.

/

En me penchant sur la question, j’ai trouvé le concept de Crypto Agility particulièrement intéressant.

Par le passé, quand on parlait des atouts technologiques d’une blockchain de couche 1, on s’intéressait souvent à des indicateurs assez concrets comme le TPS, les frais de gas ou la vitesse de confirmation des transactions.

Mais la cryptographie elle-même évolue constamment. En particulier, à l’heure où l’IA et l’informatique quantique progressent rapidement, personne ne peut garantir que les algorithmes utilisés aujourd’hui resteront sûrs indéfiniment.

Prévoir dès maintenant une marge de manœuvre pour s’adapter aux évolutions technologiques futures, c’est aussi, à mon avis, un avantage concurrentiel à long terme.

Starknet dispose déjà des bases architecturales nécessaires. Il sera intéressant de voir si ces capacités expérimentales pourront progressivement devenir des fonctionnalités faciles à utiliser pour le grand public.

$STRK

Ceci ne constitue pas un conseil en investissement. DYOR

Pour un transfert, combien de temps faut-il pour effectuer le calcul si le solde du compte et le montant de la transaction sont tous deux chiffrés ?

La réponse de Primus est plutôt surprenante : environ 90 millisecondes.

C’est aussi pourquoi je pense que certains des récents progrès techniques de Primus méritent qu’on s’y intéresse de plus près.

/

Commençons par AutoHoG, le moteur FHE développé par Primus pour la finance confidentielle on-chain.

D’après les résultats de tests publiés officiellement, le calcul d’un transfert confidentiel avec un solde chiffré sur 64 bits ne prend qu’environ 90 ms, et une opération de bootstrapping environ 5 ms.

Plus intéressant encore, avec 8 cartes graphiques grand public NVIDIA RTX 5090, le système peut traiter plus de 210 calculs de transferts confidentiels par seconde et atteint une évolutivité presque linéaire, multipliée par 8.

Bien sûr, il s’agit de performances de calcul mesurées dans un environnement de test spécifique : on ne peut pas les assimiler directement au TPS réel d’une blockchain publique.

Mais, pour le FHE, parvenir à une telle vitesse de calcul sur des données chiffrées est déjà très important.

Parallèlement, les recherches HasteBoots auxquelles l’équipe de Primus a contribué ont été retenues par USENIX Security 2026. Elles ont ramené de plusieurs heures, voire de plusieurs jours, à quelques secondes le temps de génération des preuves pour le bootstrapping programmable de TFHE.

Il s’agit en fait de deux questions distinctes : le calcul chiffré peut-il être suffisamment rapide, et le processus de calcul peut-il être vérifié efficacement ?

/

Prenons un peu de recul.

Primus construit actuellement une infrastructure de confidentialité modulaire autour de zkTLS et du FHE.

zkTLS vérifie l’authenticité des données hors chaîne. Le FHE permet d’utiliser des données sensibles pour effectuer des calculs tout en les maintenant chiffrées. À cela s’ajoute un mécanisme de divulgation sélective propre à chaque application, afin que les audits et les vérifications n’accèdent qu’aux informations nécessaires.

De plus, Primus peut s’intégrer directement aux écosystèmes existants, sans avoir à reconstruire une blockchain publique.

C’est important pour la finance institutionnelle : aucune institution ne souhaite déplacer l’ensemble de ses activités et de ses liquidités simplement pour bénéficier de fonctionnalités de confidentialité.

À mon avis, le principal intérêt d’AutoHoG est qu’il contribue à faire passer le FHE de la recherche technique à des applications financières plus concrètes.

Bien sûr, l’amélioration des performances n’est qu’un aspect du sujet. La sécurité, les coûts d’exploitation et les résultats en conditions réelles méritent eux aussi d’être suivis de près.

Un agent IA réalise 50 commandes d’affilée, toutes livrées sans encombre. À ton avis, quelle note de réputation peut-il obtenir ?

100 points ? En réalité, seulement 96 environ.

C’est un détail assez intéressant que j’ai découvert récemment en étudiant la documentation AACP de TermiX.

En fait, la réputation se construit bel et bien petit à petit, commande après commande.

/

Commençons par les règles de notation.

Un agent qui vient de s’inscrire démarre avec 60 points. Le système lui attribue par défaut 5 commandes virtuelles, dont 3 réussies, ce qui lui donne une base de crédit.

Par la suite, son score évolue progressivement à chaque commande réelle qu’il termine.

Après 5 commandes réussies d’affilée, sa réputation atteint 80 points ; après 20 commandes, 92 points ; et même après 50 commandes, elle n’est que d’environ 96 points.

De plus, ces résultats doivent découler de règlements réels : l’agent ne peut pas les renseigner à sa guise.

Autre détail intéressant : en cas de litige, s’il perd, la commande ne contribue pas à son nombre de réussites et entraîne en plus une pénalité liée au litige.

Le crédit accumulé à force d’efforts mérite vraiment d’être préservé. 😂

/

Je trouve que le système de réputation de TermiX correspond assez bien à la logique commerciale du monde réel.

Même si un nouvel arrivant réalise une première commande impeccable, il lui est difficile de gagner immédiatement la confiance de tous ses clients.

C’est l’accumulation de prestations réussies qui permet peu à peu de bâtir sa réputation.

Le livre blanc AACP prévoit également un coefficient de réputation, dans l’espoir que les agents jouissant d’une meilleure réputation puissent à l’avenir utiliser leurs fonds plus efficacement.

Pour l’instant, toutefois, le verrouillage des fonds pour les commandes ordinaires sur le réseau principal reste calculé selon le ratio défini dans le contrat. Il faudra continuer à suivre sa mise en œuvre.

À mon avis, à mesure que l’économie des agents prendra de l’ampleur, il deviendra de plus en plus important de savoir qui peut accepter des commandes, qui est digne de confiance et qui est en mesure de prendre en charge des projets de plus grande envergure.

TermiX a déjà commencé à intégrer ces questions dans son protocole.