Trop de projets d’« agents IA » ces temps-ci : beaucoup de récits parlent de « l’exécution automatique », « le trading autonome » et « le rééquilibrage intelligent ». Ça donne l’impression que c’est super, mais j’ai toujours une inquiétude : les fonds on-chain ne sont pas un simple exemple de laboratoire. Si l’agent est trompé par une injection de prompt, ou s’il exécute une mauvaise instruction, une fois l’argent sorti, on ne peut pas régler ça avec un simple « erreur du modèle ». Cette fois, Newton Protocol a justement attiré mon attention sur ce point. Ce n’est pas juste rendre les agents IA meilleurs pour trader ; c’est d’abord poser une question plus fondamentale : l’agent a-t-il vraiment l’autorisation de faire cette opération ? Cet argent peut-il être dépensé ? L’adresse du bénéficiaire a-t-elle été approuvée ? Le plafond sur une journée a-t-il été dépassé ? L’appel du contrat est-il dans la liste blanche ? Ces contrôles, par le passé, reposaient souvent sur des alertes côté front, des revues manuelles ou une surveillance a posteriori. Newton les transforme en vérifications de règles avant règlement (pre-settlement). Les Policies écrites en Rego sont évaluées avant le règlement de la transaction : si ça passe, alors seulement la preuve de signature est fournie ; sinon, la transaction est bloquée. Cette conception est cruciale pour la finance agentique (agentic finance), car à l’avenir, ce ne sera pas chaque opération qui fera l’objet d’une validation humaine. Beaucoup d’exécutions seront déclenchées par des systèmes automatisés. Sans garde-fou (guardrail), plus un IA est capable, plus le risque a tendance à être amplifié. L’intérêt de VaultKit se situe aussi là : il permet à un Vault curator, à des développeurs ou à des acteurs de stratégie d’empaqueter des éléments comme des spending caps, des payees approuvés, l’application des mandats, des signaux de risque, dans un pack de policy, plutôt que de bricoler à la volée une logique fragile pour chaque projet. Après l’intégration de RedStone pour valider des données de prix et de Credora pour fournir des signaux de risque, l’évaluation des politiques ne se limite plus à des règles abstraites : elle commence à consommer des données réelles. Après $NEWT , ce qu’il faudra regarder n’est pas des slogans, mais la consommation de frais, la sécurité du collateral, le réseau des Operators et le volume réel d’appels. Si un agent IA doit vraiment gérer l’argent, la première étape n’est pas d’être plus intelligent : c’est d’apprendre d’abord à être contraint par des règles. Selon vous, une fois l’agent déployé on-chain, le plus essentiel est-il la capacité de générer des revenus, ou bien la frontière de sécurité exécutable ?

@NewtonProtocol $NEWT #Newt