Pourquoi la DeFi a besoin de Cartesi ?
La plupart de la DeFi fonctionne avec une version simplifiée de la finance. Les développeurs conçoivent en fonction de ce que la chaîne peut exécuter, et non en fonction de ce dont le modèle a besoin. Ils simplifient les calculs, ou les exécutent hors chaîne en demandant une forme de confiance.
Le contributeur João Garcia l’a décomposé dans un article qui mérite d’être relu :
→ https://x.com/joaopdgarcia/status/2018688089258865078
Les équipes “quant” de la finance traditionnelle font tourner des moteurs de risque sur des milliers de scénarios avec NumPy, SciPy et QuantLib.
La plupart des environnements de smart contracts n’incluent pas ces bibliothèques pour les opérations de calcul “réelles”, et l’état devient coûteux.
Sur Cartesi, chaque application dispose de son propre rollup exécutant Linux, le tout réglé sur Ethereum. Tout validateur honnête peut faire respecter le résultat correct.
Les développeurs écrivent la logique en Python, Rust ou C++ avec des bibliothèques populaires. Désormais, une courbe de bonding onchain peut s’approcher beaucoup plus d’une vraie courbe quadratique.
Ce que cela rend concret :
- Des exigences de collatéral qui évoluent avec la volatilité
- Des marchés de prédiction avec un moteur d’exécution et des cotes mises à jour à chaque epoch
- Un DCA qui achète en petites tranches continues plutôt qu’une fois par jour
- Des scores de crédit issus d’un modèle que chacun peut relancer
Les développeurs doivent toutefois concevoir les parties difficiles : comment les données entrent, comment les entrées sont validées, comment l’exécution est coordonnée. Plus de calcul déplace la complexité ailleurs. Mais si votre application a besoin d’un calcul réel, c’est exactement pour cela que Cartesi a été conçu.
Approfondissez dans la documentation : https://docs.cartesi.io/
Repost : https://x.com/cartesiproject/status/2102774491533488585
La plupart de la DeFi fonctionne avec une version simplifiée de la finance. Les développeurs conçoivent en fonction de ce que la chaîne peut exécuter, et non en fonction de ce dont le modèle a besoin. Ils simplifient les calculs, ou les exécutent hors chaîne en demandant une forme de confiance.
Le contributeur João Garcia l’a décomposé dans un article qui mérite d’être relu :
→ https://x.com/joaopdgarcia/status/2018688089258865078
Les équipes “quant” de la finance traditionnelle font tourner des moteurs de risque sur des milliers de scénarios avec NumPy, SciPy et QuantLib.
La plupart des environnements de smart contracts n’incluent pas ces bibliothèques pour les opérations de calcul “réelles”, et l’état devient coûteux.
Sur Cartesi, chaque application dispose de son propre rollup exécutant Linux, le tout réglé sur Ethereum. Tout validateur honnête peut faire respecter le résultat correct.
Les développeurs écrivent la logique en Python, Rust ou C++ avec des bibliothèques populaires. Désormais, une courbe de bonding onchain peut s’approcher beaucoup plus d’une vraie courbe quadratique.
Ce que cela rend concret :
- Des exigences de collatéral qui évoluent avec la volatilité
- Des marchés de prédiction avec un moteur d’exécution et des cotes mises à jour à chaque epoch
- Un DCA qui achète en petites tranches continues plutôt qu’une fois par jour
- Des scores de crédit issus d’un modèle que chacun peut relancer
Les développeurs doivent toutefois concevoir les parties difficiles : comment les données entrent, comment les entrées sont validées, comment l’exécution est coordonnée. Plus de calcul déplace la complexité ailleurs. Mais si votre application a besoin d’un calcul réel, c’est exactement pour cela que Cartesi a été conçu.
Approfondissez dans la documentation : https://docs.cartesi.io/
Repost : https://x.com/cartesiproject/status/2102774491533488585