Pourquoi les robots de trading IA sont-ils difficiles à approuver ? Les avantages institutionnels et les risques de responsabilité révèlent la vérité sur le trading de crypto-monnaies

Gate News, le 17 mars, malgré la multiplication des cas où des « robots de trading IA » réalisent des profits de plusieurs millions de dollars, les grandes entreprises technologiques et les laboratoires de pointe n’ont toujours pas officiellement investi ce secteur. Les divergences d’opinion sur la véritable valeur de l’intelligence artificielle dans le trading cryptographique s’élargissent.

Certains traders utilisent le modèle Claude d’Anthropic pour construire des outils de trading automatisés, réalisant des gains à court terme dans la prévision des marchés et les transactions on-chain. Cependant, Haseeb Qureshi, associé gérant de Dragonfly Capital, souligne que ce type de modèle repose sur plusieurs prémisses fragiles, notamment la capacité des investisseurs particuliers à battre les institutions sur le long terme et la possibilité pour des modèles génériques de maintenir une capacité d’arbitrage continue.

Premièrement, le risque de responsabilité constitue l’obstacle principal qui retarde l’entrée des entreprises technologiques dans ce domaine. En cas d’erreur majeure d’un modèle IA lors de transactions réelles, comme l’exécution incorrecte de transactions à effet de levier ou le transfert d’actifs, les pertes juridiques et réputationnelles potentielles dépasseraient largement les gains possibles. À l’inverse, l’IA dans la blockchain est actuellement principalement utilisée pour des tests de sécurité, tels que la détection de vulnérabilités dans les contrats intelligents, plutôt que pour la gestion directe d’actifs.

Deuxièmement, la structure du marché rend difficile la pérennité des stratégies. La logique de trading basée sur des modèles génériques est en réalité publique, ce qui signifie que toute stratégie profitable peut être rapidement copiée et amplifiée par des institutions. Des acteurs quantitatifs majeurs comme Jane Street disposent d’infrastructures à faible latence et de capitaux importants, leur permettant de réduire rapidement l’arbitrage, rendant difficile pour les traders particuliers de maintenir un avantage.

De plus, l’idée d’une « IA qui gagne de l’argent toute seule » fait face à des défis concrets. En raison de l’homogénéité élevée des capacités des modèles, il est impossible pour de grandes instances d’IA de créer un avantage concurrentiel différencié. Que ce soit dans la fourniture de services ou la génération de stratégies commerciales, elles peinent à échapper à une sortie homogène, contrairement à ce que suggère l’idée de Peter Thiel d’un « avantage informationnel unique », considéré comme une source clé de succès commercial.

Bien que certains robots de trading on-chain puissent encore réaliser des profits à court terme, cet avantage pourrait rapidement être dilué à mesure que davantage de capitaux et de technologies entrent sur le marché. L’analyse indique que dans un environnement de compétition à haute fréquence et faible latence, celui qui maîtrise l’infrastructure et le capital détient une position dominante, et la difficulté pour les traders ordinaires de réaliser des profits continus avec des modèles IA génériques ne cesse de croître.