Steve And Alex

The app store analogy is seductive. It implies curation, discoverability, and a familiar consumer dynamic. But applying it to autonomous agents on-chain misses the fundamental tension: code that acts on your behalf is not software you download—it is a counterparty you delegate to.
Newton's Model Registry is better understood as a reputation market for probabilistic decision-makers. Every agent published carries an implicit claim: "I can make better decisions than you, within these constraints, under these conditions." The registry does not merely list these claims—it collateralizes them.
This matters because agent quality is not static. A trading strategy that performs well in low volatility may become destructive during turbulence. Unlike a mobile app, which remains functionally identical after installation, an agent's fitness degrades or improves with changing market conditions. The registry must account for this dynamic, not treat agent models as frozen artifacts.
The economic logic here is subtle. Developers stake NEWT to register models, but the stake size creates a signal: higher collateral suggests greater confidence. However, this introduces a trade-off. If collateral requirements are too high, innovation is suppressed; if too low, the registry fills with low-quality agents that impose externalities on users who lack the expertise to evaluate them. This is the curation dilemma of decentralized registries.
Consider the following lens: "agent half-life"—the duration over which a model's performance remains statistically indistinguishable from its initial backtest. A registry that tracks and surfaces agent half-life would be more useful than one that simply ranks by total value locked or user count. It would shift attention from historical reputation to forward-looking reliability.
The registry also solves a coordination problem. Without it, every user must independently discover and audit every agent they consider. This is economically prohibitive. The registry centralizes discovery while decentralizing evaluation through staking, slashing, and user feedback. It turns a fragmented search problem into a market with price signals.
But the registry is not neutral. Its design choices—who can publish, what data is required, how disputes are resolved—shape which agents thrive. A registry that over-weights backtest performance may attract overfitted models. One that over-weights live performance may discourage experimentation. The optimal design is likely dynamic, adjusting parameters based on the registry's maturity and the sophistication of its user base.
This brings us to a deeper question: the registry is a curated market, but who curates the curators? The protocol's governance layer ultimately decides. This introduces political risk, where the quality of agent selection becomes a function of governance participation, not just economic incentives.
What is the registry's actual unit of value? It is not the agent itself, but the credential the agent carries—the attestation that it has been vetted, staked, and monitored. The registry is a credentialing authority. Its long-term success depends on whether the market perceives those credentials as trustworthy.
If the registry's credentialing mechanism fails, the entire automation layer becomes untrusted. Users will not delegate to agents they cannot evaluate. This is the registry's existential risk.
Is the protocol's governance sufficiently resilient to prevent credential capture by a coalition of large stakers who could flood the registry with their own agents and suppress competitors?
#newt $NEWT @NewtonProtocol
$THE
$SOXLB

Les ordinateurs fonctionnent selon une logique déterministe, mais ils évoluent dans un monde physique régi par la chaleur, la dérive des électrons et les impuretés du silicium. Nous traitons le code comme souverain, mais le code n’est qu’un fantôme qui anime une machine. Pour le protocole Newton, l’adoption d’environnements d’exécution de confiance (Trusted Execution Environments, TEEs) est une tentative de contenir ce fantôme dans un coffre physique. Toutefois, ce choix soulève une question cruciale souvent ignorée par la communauté crypto : peut-on faire davantage confiance au conteneur qu’à la logique qu’il renferme ?
Par défaut, l’industrie suppose que la transparence — code open source et machines à états déterministes — est le seul chemin vers la vérifiabilité. Cette hypothèse fonctionne pour des primitives DeFi simples, mais s’effondre totalement dès que l’on introduit des modèles d’IA. Les poids d’un réseau neuronal et sa logique d’inférence sont intrinsèquement propriétaires et coûteux sur le plan computationnel ; les publier détruirait l’avantage commercial et rendrait le réseau inutilisable sur un registre public. Les TEEs offrent une solution contre-intuitive : l’isolation matérielle nous permet de cacher le code afin de préserver le modèle de sécurité. En encapsulant l’exécution de l’agent dans un enclave sécurisée, Newton découple « ce que l’agent fait » de « la façon dont l’agent fonctionne ».

Un pont suspendu repose sur des câbles, des tours, des ancrages et un tablier. Chaque élément remplit une fonction distincte. Les câbles supportent la tension. Les tours transfèrent la charge. Les ancrages fixent le système. Le tablier répartit le poids. Retirez un élément, et les autres ne peuvent pas compenser. Le pont s’effondre.
Les cinq piliers fondamentaux de Newton — l’Intégrité vérifiable, l’Autonomie encadrée, la Sécurité économique, la Conformité modulaire et le Marché ouvert — sont eux aussi interdépendants. Cette interdépendance fait la force du protocole, mais aussi sa vulnérabilité. Les piliers ne se dressent pas indépendamment ; ils se renforcent mutuellement d’une manière qui peut s’avérer fragile une fois mise à l’épreuve sous contrainte.

$NEWT
Un coffre-fort est sécurisé par de l’acier, des verrous temporels et des gardes armés. Chaque couche compense les faiblesses des autres. L’acier résiste aux forces physiques. Le verrou temporel empêche l’accès d’insiders. Les gardes réagissent aux brèches en temps réel. Aucune couche n’est parfaite, mais leur combinaison crée quelque chose de plus fort que n’importe quel composant pris individuellement.
Le « Trust Engine » de Newton — la combinaison de TEE, de ZKP et de l’AVS d’EigenLayer — tente quelque chose d’analogue. Mais contrairement à un coffre-fort, où les principes physiques sont bien compris et les modes de défaillance prévisibles, la synthèse de Newton de primitives cryptographiques engendre des propriétés émergentes qui pourraient être plus fragiles qu’elles n’en ont l’air.

Le moment le plus révélateur de l’histoire du protocole Newton n’a pas eu lieu lors de son inscription sur Binance, ni même lors de l’annonce de son financement de 90 millions de dollars, mais dans un document de conformité enfoui profondément dans son architecture technique. Là, entre des spécifications techniques, se cache un détail intrigant : chaque transaction doit passer par une vérification des sanctions de Chainalysis avant d’être exécutée. C’est standard pour les produits destinés aux entreprises. Ce qui rend cela remarquable, c’est que Newton construit pour la DeFi.
Considérez la contradiction. Newton se présente comme "la première couche d’automatisation vérifiable de la crypto", une infrastructure sans confiance où des agents IA exécutent des stratégies avec des garanties cryptographiques. Pourtant, toute sa stratégie go-to-market dépend de sa capacité à gagner l’accès aux flux de capitaux institutionnels, qui exigent des rails de conformité. Cette dualité définit l’identité de Newton bien plus que n’importe quelle prouesse technique.

Les protocoles préservant la confidentialité se focalisent sur la charge utile. Ils la hachent. Ils s’y engagent hors chaîne. Ils l’enveloppent dans des preuves ZK qui ne révèlent rien sur l’entrée. C’est l’approche orthodoxe — et elle devient de plus en plus insuffisante. Parce que l’infrastructure elle-même devient un signal, et que le signal devient une arme.
Considérez l’opérateur institutionnel qui déploie un agent autonome sur plusieurs chaînes. L’agent fonctionne dans une enveloppe de politique stricte : limites de dépenses, filtres de juridiction, garde-fous de sécurité. Chaque demande de transaction passe par le moteur de politique, qui évalue la conformité, génère une preuve et procède au règlement sur la chaîne. La preuve ne révèle rien sur la taille de l’opération, le contrepartiste ou la stratégie. Mais l’adversaire observe le schéma : la latence de chaque évaluation, la fréquence des mécanismes de secours, et les moments de la journée où les rejets se regroupent. Sur un mois, ces métadonnées construisent une empreinte de la tolérance au risque de l’agent, de ses limites opérationnelles, et même de son comportement de recherche d’alpha.

@NewtonProtocol $NEWT #Newt
Imaginez deux transactions blockchain.
Les deux sont correctement signées. Les deux respectent chaque règle de consensus. Les deux s’exécutent exactement comme le précise le contrat intelligent. Du point de vue du réseau, elles sont également valides.
Imaginez maintenant qu’une transaction provienne d’une personne qui l’a intentionnellement approuvée, tandis que l’autre a été générée par un agent autonome d’IA agissant au nom d’un utilisateur. Soudain, les deux transactions ne semblent plus équivalentes. La blockchain ne peut pas faire la différence entre un jugement humain attentif et un raisonnement automatisé. Elle ne fait qu’en vérifier les signatures et les transitions d’état.

Je me suis surpris à réfléchir à un problème qui reçoit peu d’attention quand on parle d’IA et de blockchains.
La plupart des discussions tournent autour des capacités.
Une IA peut-elle analyser les marchés plus vite qu’un humain ?
Peut-elle exécuter des transactions de manière plus efficace ?
Peut-elle coordonner des workflows complexes ?
Ce sont des questions intéressantes, mais elles supposent toutes la même chose : qu’on devrait autoriser l’IA à agir une fois qu’elle a décidé quoi faire.
Plus j’y pensais, plus cette hypothèse me semblait incomplète.
Peut-être que le défi le plus difficile n’est pas de construire des agents autonomes.