Rapport hebdomadaire de l'industrie TRON : Les événements de sécurité des cryptomonnaies entraînent une faiblesse continue du BTC, explication de l'infrastructure des capacités des agents économiques Neosoul

I. Perspectives

1. Résumé macroéconomique et prévisions futures

Résumé macroéconomique (du 26 octobre 2026 au 1er novembre 2026) :

Cette semaine, la ligne directrice du marché macroéconomique mondial est la forte croissance de l'économie américaine, l'inflation persistante et la position politique plutôt hawkish de la Réserve fédérale. Le 28 octobre, la Réserve fédérale a maintenu le taux des fonds fédéraux entre 3,75 % et 4,00 % avec un vote de 10 contre 2, dont deux responsables ont plaidé pour une augmentation de 25 points de base, reflétant une inquiétude croissante concernant les risques d'inflation. En termes de données économiques, le PIB réel américain pour le troisième trimestre a augmenté de 3,4 % en rythme annualisé, supérieur à 2,2 % au deuxième trimestre, montrant une forte résilience économique ; cependant, l'indice PCE global a augmenté de 3,6 % en glissement annuel en septembre, et l'indice PCE de base a augmenté de 3,1 %, tous deux dépassant nettement l'objectif d'inflation de 2 % de la Réserve fédérale. Parallèlement, le nombre de premières demandes d'allocations chômage est resté à 194 000, sans signe évident de détérioration du marché du travail. La coexistence d'une forte croissance et d'une inflation tenace réduit encore l'espace pour un assouplissement monétaire à court terme. Sur le marché financier, le secteur technologique américain a subi des ajustements notables en raison de la divergence des résultats financiers des entreprises, des dépenses en capital liées à l'IA et de la pression sur les valorisations, ce qui a tempéré l'appétit pour le risque sur le marché.

Dans l'ensemble, l'économie américaine montre une résilience de la croissance et des pressions inflationnistes, et les inquiétudes concernant le maintien des taux d'intérêt à un niveau élevé à long terme restent un facteur clé influençant la tarification des actifs mondiaux.

Prévisions macroéconomiques pour la semaine prochaine (du 2 au 8 novembre 2026) :

La semaine prochaine, les marchés financiers mondiaux devraient continuer à se concentrer sur les données sur l'emploi américain, la dynamique de croissance économique et les attentes concernant la politique de la Réserve fédérale en décembre. Il est essentiel de suivre l'ISM PMI manufacturier américain publié le 2 novembre, les données sur les postes vacants JOLTS du 3 novembre, ainsi que le rapport sur l'emploi non agricole d'octobre et le taux de chômage publié le 6 novembre, car ces indicateurs influenceront directement le jugement du marché sur la résilience de l'économie américaine et le chemin futur des taux d'intérêt. Étant donné que l'inflation américaine reste significativement au-dessus de l'objectif politique et qu'il existe une demande claire d'augmentation des taux au sein de la Réserve fédérale, il est prévu que le ton politique à court terme reste prudent, voire hawkish, et que la possibilité d'une baisse des taux en décembre soit considérablement limitée. Si les données sur l'emploi continuent d'être solides, le marché pourrait ajuster à la hausse ses attentes en matière de taux, renforçant le dollar et les rendements des obligations américaines, ce qui exercerait une pression sur les actions américaines et les actifs cryptographiques ; à l'inverse, si l'emploi montre un refroidissement significatif, cela pourrait atténuer les attentes de resserrement, mais susciterait des inquiétudes quant à un ralentissement économique.

Dans l'ensemble, il est prévu que le marché mondial maintienne une volatilité élevée et une différenciation structurelle la semaine prochaine, avec les attentes de liquidité du dollar et les données sur l'emploi américain devenant les variables clés déterminant la direction à court terme des actifs à risque.

2. Changements sur le marché des cryptomonnaies et alertes

Résumé du marché des cryptomonnaies (du 26 octobre 2026 au 1er novembre 2026) :

Cette semaine, le marché des cryptomonnaies a connu une tendance à la hausse suivie d'une baisse, entraînée par des événements imprévus. Le Bitcoin (BTC) était proche de 80 000 dollars au début de la semaine, atteignant 81 800 dollars le 28 octobre, mais a rapidement chuté, enregistrant une baisse d'environ 4,17 % le 29 octobre, atteignant un minimum de 76 300 dollars le 30 octobre, puis remontant à environ 77 500 dollars le 1er novembre, soit une baisse cumulée d'environ 3,3 % par rapport au prix de clôture du 26 octobre. Un facteur catalyseur important de cette baisse a été un événement de sécurité majeur sur Binance survenu dans la nuit du 30 octobre, où environ 6,3 milliards de dollars d'actifs cryptographiques ont été volés, établissant un record pour le montant volé dans l'industrie des cryptomonnaies. Cet événement a suscité des inquiétudes sur la sécurité des actifs des échanges centralisés, les risques de retrait massif et les ventes par des hackers, aggravant le sentiment de panique et la pression de vente à court terme. Binance a ensuite annoncé qu'elle couvrirait toutes les pertes via le fonds SAFU et ses propres fonds, et a gelé environ 3 milliards de dollars d'actifs concernés, ce qui a quelque peu apaisé la panique du marché. Cependant, le BTC avait déjà commencé à baisser avant l'événement, donc l'ajustement de cette semaine n'est pas entièrement attribuable à l'incident de vol, mais est le résultat d'une faiblesse préexistante du marché combinée à un risque de sécurité imprévu.

Prévisions du marché pour la semaine prochaine (du 2 au 8 novembre 2026) :

La semaine prochaine, le marché des cryptomonnaies devrait continuer à afficher une tendance faible et volatile, le traitement ultérieur de l'incident de sécurité de Binance devenant une variable importante influençant les prix à court terme. Actuellement, le BTC évolue autour de 77 000 à 78 000 dollars. Si Binance parvient à rétablir les retraits, à compléter les fonds manquants et à publier une preuve de réserves crédible, le sentiment de panique sur le marché pourrait progressivement s'atténuer, et le BTC pourrait rebondir pour tester la zone de résistance de 80 000 à 82 000 dollars ; en revanche, si des pertes supplémentaires de fonds se produisent, si les utilisateurs retirent massivement ou si des hackers transfèrent et vendent en masse les BTC, ETH et autres actifs volés, cela pourrait pousser le BTC à tester à nouveau le support de 76 000 dollars, et dans des cas extrêmes, une chute vers la zone de 73 000 à 75 000 dollars ne peut être exclue. Il convient de noter que Binance a annoncé qu'elle était prête à mobiliser plus de 6,34 milliards de dollars pour couvrir les pertes, dont plus de 5 milliards de dollars en tokens sont déjà en place, le reste étant acheté sur le marché et par des canaux de gré à gré, et ces actions de renflouement pourraient soutenir temporairement certains tokens.

Dans l'ensemble, la capacité du marché à se stabiliser la semaine prochaine dépendra des progrès dans la gestion de la crise de Binance, des flux de fonds volés et de la reprise des entrées de fonds institutionnels. Il est conseillé de rester prudent à court terme et de ne pas considérer un rebond technique comme un retournement de tendance.

3. Points chauds de l'industrie et des secteurs

L'événement de financement le plus suivi cette semaine est la plateforme de marché prédictif Kalshi, qui a complété un financement de série G de 1 milliard de dollars, atteignant une valorisation de 40 milliards de dollars, dirigé par Sequoia Capital et Wellington Management, montrant que le capital institutionnel continue de croire en l'avenir commercial des marchés prédictifs ; la plateforme de paiement en stablecoin PhotonPay a levé 40 millions de dollars, reflétant que les paiements transfrontaliers et les services financiers en stablecoin restent des axes d'investissement clés ; de plus, Luxor Technology a obtenu un financement stratégique de 16 millions de dollars, se concentrant sur l'expansion de la puissance de calcul AI et des activités connexes, et le projet de conformité en chaîne Predicate a complété un financement de série A de 8 millions de dollars, tandis que la plateforme de trading RWA Cancore a obtenu un financement de seed de 7,2 millions de dollars.

II. Secteurs chauds du marché et projets potentiels de la semaine

1. Aperçu des projets potentiels

1.1. Analyse d'un financement total de 11 millions de dollars, avec la participation de MH Ventures, Amber, Ark Stream, OG, Kirin Capital et CatcherVC - Construction d'une infrastructure de capacités d'agents économiques "accumulation de données - exécution réelle - validation des résultats - évolution continue" Neosoul

Présentation

Neosoul, à travers les itérations d'ingénierie evoevo, NeoTrade et Harness, transforme continuellement des informations réelles, des jugements, des résultats d'exécution et des révisions en capacités d'agents économiques entraînables, évaluables et vérifiables, et s'étend progressivement des marchés prédictifs à des scénarios de trading et économiques plus larges.

L'objectif de Neosoul est d'accélérer l'"économie des agents (Agent Economy)" et de promouvoir l'abondance de l'IA (AI Abundance) : faire en sorte que des capacités d'analyse, de jugement, d'exécution, de surveillance et de collaboration de haute qualité deviennent progressivement une offre de base plus large, plus durable et à moindre coût.

Le projet construit ce cycle de capacité à travers deux types de produits : evoevo est responsable de la préparation et de l'évaluation des données de décision économique, organisant les sources, événements, jugements, prévisions, résultats et révisions en actifs de données entraînables et comparables ; NeoTrade est un client d'agent destiné à l'exécution sur le marché réel, permettant à l'agent de mener des recherches, jugements, actions et révisions continues dans les limites de la stratégie, du capital, des permissions et des frontières de risque définies par l'utilisateur. Ensemble, ils forment un cycle de rétroaction "données réelles → agent → actions réelles → nouvelles données".

Neosoul utilise le marché prédictif comme premier terrain de validation, car ses définitions de problèmes, règles de règlement et fenêtres temporelles sont claires, permettant de placer les informations de décision, jugements préalables, prix du marché et résultats finaux dans la même série temporelle. Les plans futurs incluent une entrée progressive dans davantage de marchés prédictifs, d'échanges centralisés (CEX), d'échanges décentralisés (DEX) et de marchés boursiers américains, testant si les capacités des agents peuvent être transférées entre les marchés à travers différentes liquidités, mécanismes de commande, méthodes de règlement et contraintes réglementaires.

Comment Neosoul construit des agents économiques : produits, données et cycle de capacités

Le principe fondamental de Neosoul est que les capacités des agents économiques ne se produisent pas naturellement en changeant de modèle sous-jacent. Les agents doivent fonctionner de manière continue dans le monde réel, laissant des enregistrements de jugements et d'actions traçables, et renvoyant les résultats aux données, modèles, stratégies et produits. Le projet considère donc le "produit" comme l'entrée du système d'apprentissage, les "données" comme le support de l'accumulation de capacités, et "l'évaluation" comme la contrainte d'itération continue.

Son travail peut être résumé en quatre types de transformations : premièrement, transformer les sources, événements, jugements et résultats du monde réel en données de décision économique entraînables et évaluables ; deuxièmement, transformer les données et expériences vérifiées en modèles, stratégies et comportements d'agents plus adaptés ; troisièmement, transformer les comportements des agents en actions économiques contrôlées utilisables par les utilisateurs ; quatrièmement, transformer les actions réelles en rétroaction pour le prochain cycle de données, d'évaluation et d'amélioration de produits.

evoevo : moteur de préparation et d'évaluation des données

evoevo sert à la prévision, à l'analyse, au retour d'information, à la révision et à la rétrospective, son objectif est d'améliorer continuellement l'intégrité, la qualité et l'évaluabilité des données de décision économique, fournissant une base de données commune pour les modèles professionnels, les modèles généraux et les agents Harness. Les enregistrements de haute valeur doivent être autant que possible liés aux sources et au temps, aux événements et aux normes de règlement, au contexte décisionnel, aux hypothèses clés et à la confiance, aux prévisions ou recommandations d'action, aux résultats réels et à l'impact de l'exécution, ainsi qu'aux conclusions finales de la révision.

Le projet souligne que l'échelle des données n'est que le point de départ, le véritable critère de mesure étant de savoir si ces données peuvent améliorer la qualité des prévisions, la cohérence des évaluations et la qualité du fonctionnement des agents. À travers des instantanés temporels, des relations de source, des hypothèses clés, des conditions contrefactuelles, des résultats et des révisions, evoevo tente de transformer "la justesse des prévisions" en données de décision économique utilisables pour des explications causales et des corrections à long terme.

NeoTrade : amener les agents à l'action réelle

NeoTrade est un client d'agent de trading local-first, destiné à macOS et Windows. Actuellement, il prend en charge Paper, predict.fun et Polymarket, permettant aux utilisateurs d'observer et d'utiliser des agents de trading dans des limites claires de stratégie, de capital, de permissions et de frontières de risque. Sa valeur centrale est de faire passer les agents d'une analyse ponctuelle à une recherche continue sur le marché, des jugements, des actions et des révisions, tout en intégrant les coûts d'exécution, les anomalies et les résultats réels dans l'évaluation des capacités.

Répartition des produits : evoevo est responsable de la structuration, de l'entraînement et de l'évaluabilité des données ; NeoTrade est responsable de rendre ces capacités face aux conditions d'exécution réelles. Ensemble, ils ancrent le cycle d'apprentissage dans les activités économiques réelles.

Le marché prédictif comme premier terrain de validation réel

Le marché des prévisions possède des questions, des règles de règlement et des fenêtres temporelles relativement claires, permettant de relier les informations publiques au moment de la décision, les jugements des participants, les prix du marché et les résultats finaux dans une même série temporelle. Cela permet aux agents de vivre un processus complet de recherche, de jugement probabiliste, d'identification des avantages, d'action, de règlement et de révision. Par conséquent, Neosoul le considère comme un point de départ idéal pour l'itération de l'ingénierie Harness, l'accumulation de données et la validation des capacités.

Les utilisateurs peuvent d'abord observer les agents dans un environnement simulé, puis accorder progressivement des autorisations de fonds réels dans des lieux appropriés. Le livre blanc précise clairement qu'une seule prévision correcte ou un seul bénéfice ne suffit pas à prouver la stabilité des capacités ; seule une série de tests à long terme, inter-échantillons et inter-marchés peut confirmer si un type de jugement, de données ou de stratégie possède une valeur stable.

Passer d'un marché unique à une capacité de trading universelle

Après avoir validé les premières capacités de base sur le marché des prévisions, Neosoul prévoit d'étendre progressivement vers CEX, DEX et le marché boursier américain. Les nouveaux marchés introduiront différentes liquidités, systèmes de comptes, mécanismes de commande, méthodes de règlement, horaires de trading et contraintes réglementaires. Les agents devront prouver à nouveau que l'entrée de données, la sémantique des stratégies, les capacités des modèles, la connexion des outils et les règles de risque peuvent fonctionner de manière fiable. L'expansion du marché enrichit à la fois la distribution des données et les cas d'échec, tout en testant si les capacités d'apprentissage et d'exécution existantes peuvent se transférer à travers différents environnements économiques.

Comment les agents économiques s'améliorent continuellement à partir des résultats réels

Les agents économiques doivent traiter des informations, évaluer des preuves, former des jugements probabilistes, identifier des incertitudes et décider d'agir, d'attendre ou de refuser d'agir, tout en respectant les stratégies et les limites de risque. Neosoul espère que le modèle pourra progressivement former une compréhension causale économique utilisable, vérifiable et durable, et se mettre à jour continuellement grâce à des résultats réels, des enregistrements contrefactuels, des révisions d'erreurs et des tests hors échantillon.

Le livre blanc limite l'amélioration auto-récursive (RSI) à des tâches économiques clairement définies : chaque exécution génère de nouveaux jugements, actions et enregistrements de résultats, qui, après nettoyage, attribution et évaluation, sont utilisés pour améliorer les ensembles de données, les modèles, la mémoire, les manuels de stratégie et les mécanismes d'exécution ; les agents améliorés retournent ensuite dans l'environnement réel pour une nouvelle validation. Les mises à jour des modèles, des stratégies et des mécanismes d'exécution doivent passer par des évaluations hors ligne, des tests de régression et des publications limitées, tandis que les limites de capital, de marché, de fréquence et de risque rigides définies par les utilisateurs restent toujours indépendantes.

L'évaluation des capacités ne se limite pas à un seul indicateur de rendement. Neosoul prend également en compte la calibration des prévisions, la performance économique ajustée au risque, la discipline des processus, la sécurité de conformité et la qualité de la récupération des anomalies. Les indicateurs, stratégies ou modèles manquant de soutien de données seront dévalués, restreints dans leur champ d'application ou arrêtés.

Construire un chemin : des agents de trading à l'économie des agents

La feuille de route de Neosoul tourne autour du "système de production de capacités" des agents économiques, avec pour objectif d'établir progressivement les conditions nécessaires à l'économie des agents : les agents doivent être capables d'apprendre, d'agir, d'accepter la validation, de se généraliser à travers des scénarios et, finalement, de devenir une fourniture d'intelligence économique durable pour l'humanité. Ce chemin se compose de cinq étapes interdépendantes : observable, apprenable, vérifiable, généralisable et extensible.

Ces cinq étapes décrivent des relations de dépendance des capacités, et non une simple chronologie. Les données, Harness, le contrôle et l'évaluation sont construits en parallèle dans les quatre premières étapes et se approfondissent à mesure que le produit entre dans davantage de scénarios réels. Chaque étape doit simultanément satisfaire la valeur utilisateur, la qualité des données, la sécurité opérationnelle et l'amélioration des capacités vérifiables.

Validation des capacités et contrôle des risques d'exécution réels

Les capacités centrales de la route de Neosoul comprennent : des données de décision économique ancrées dans des résultats réels ; des produits et systèmes d'évaluation en fonctionnement continu ; des expériences de comportement des agents à travers les marchés ; et des capacités d'apprentissage et d'exécution vérifiées. L'expansion des produits apporte une couverture de données plus riche et des cas d'échec, l'évaluation et la révision améliorant à leur tour les modèles, Harness et stratégies, permettant à des agents plus fiables d'entrer dans de nouveaux scénarios pour validation.

Comment les utilisateurs conservent la propriété des actifs, des données et le contrôle final

NeoTrade connecte des comptes réels, des fonds et des interfaces de marché, donc le contrôle et les contraintes de sécurité des utilisateurs sont la condition préalable à l'établissement du produit. Le système suit les principes de moindre privilège, d'exécution contrôlée, de pause d'anomalie, d'enregistrement des comportements et d'auditabilité. Les utilisateurs conservent toujours la propriété des actifs, des comptes et l'autorisation finale, et décident eux-mêmes des objectifs des agents, de l'échelle de capital, de la portée du marché et des limites de risque.

Neosoul déclare clairement qu'il ne garde pas les fonds des utilisateurs, ne promet pas de rendements, ne s'engage pas dans la gestion d'actifs sous mandat complet ou le partage des bénéfices, et ne regroupe pas les actifs des utilisateurs sous le contrôle de la plateforme. Le produit offre des capacités d'apprentissage, d'exécution et de fonctionnement des agents sous le contrôle des utilisateurs.

Droits de données et transparence

Les stratégies privées, les comptes, les positions, les contextes et les mémoires des utilisateurs doivent être protégés par des autorisations. Toute utilisation des données côté utilisateur pour l'entraînement, l'évaluation ou le partage nécessite une autorisation explicite et doit suivre les principes de minimisation, de dé-identification, d'agrégation ou d'autres traitements appropriés. Le produit doit clairement montrer le comportement des agents, les jugements clés, les déclencheurs de risque, les commandes et les résultats, et faire la distinction entre les environnements simulés et réels, permettant aux utilisateurs de comprendre ce que l'agent a fait, pourquoi il a agi ou a été empêché, et comment ajuster ou mettre fin à l'autorisation.

Le rôle de la blockchain : contrôle des actifs, règlement et validation

La position nécessaire de la blockchain dans Neosoul

La formation des modèles, la mémoire, le Harness et la plupart des expériences de produits de Neosoul fonctionnent localement ou hors chaîne. La blockchain sert principalement le niveau d'action économique ayant des droits réels et des conséquences économiques : contrôle des comptes utilisateurs, règlement des marchés ouverts, preuve d'intégrité des comportements clés, et vérifiabilité nécessaire à la collaboration multipartite. Les comptes auto-gérés conservent les actifs des utilisateurs et le contrôle final des signatures ; le règlement programmable permet aux agents d'entrer sur le marché ouvert dans la portée d'autorisation des utilisateurs ; les enregistrements vérifiables fournissent des preuves traçables de temps et d'intégrité pour les comportements clés, les versions et les contributions.

Principe de la chaîne minimale

Neosoul suit le principe de "chaîne minimale" : seules les informations nécessitant un règlement public, une vérification inter-parties ou une preuve d'intégrité à long terme entrent sur la chaîne ou dans le niveau d'enregistrement vérifiable ; les clés privées, le contexte complet, les stratégies privées et les données de comportement à haute fréquence continuent d'être conservés localement par les utilisateurs ou dans un environnement hors chaîne contrôlé par des autorisations.

Construction par étapes

La phase actuelle se concentre sur la souveraineté des utilisateurs et le règlement sur chaîne : basée sur des comptes auto-gérés, des autorisations claires, une exécution contrôlée et un règlement réel. La prochaine étape établira des enregistrements de comportements vérifiables et des versions, reliant "configuration préalable - action réelle - résultat final" par des accusés de réception d'actions clés, des engagements de hachage sélectif de stratégies ou de versions de modèles, des signatures et des preuves temporelles. La phase à long terme explorera les contributions et les réseaux de collaboration, formant des certificats de contribution et des preuves de vérification portables sous des règles claires.

Résumé du mécanisme du protocole evoevo

evoevo sert à la prévision, à l'analyse, au retour d'information sur les résultats, à la révision et à la rétrospective. Son objectif est d'améliorer continuellement l'intégrité, la qualité et l'évaluabilité des données de décision économique, permettant ainsi aux modèles spécialisés, aux modèles généraux et aux Agent Harnesses de partager la même base de données.

Voici une explication de cet objectif du point de vue de l'ingénierie : ce que le système fait concrètement et pourquoi cette architecture a été adoptée. Ce qui est décrit ici sont les fonctionnalités actuellement en production.

La revendication centrale de cette architecture

La plupart des données de prévision ne sont constituées que d'un ensemble de "prévisions + résultats". Le point de vue fondamental d'evoevo est que cet ensemble de données ne suffit pas à entraîner ou évaluer un système - il est également nécessaire de savoir : ce que le prévisionniste a vu, quand il l'a vu, pourquoi il a tiré cette conclusion, qui l'a contestée, comment le résultat a été déterminé, et quelles informations ont finalement été conservées. Chaque couche de l'architecture ci-dessous est conçue pour ajouter une partie de ces informations aux enregistrements et rendre ces informations difficiles à falsifier ou à altérer a posteriori.

1. L'enregistrement d'analyse

La sortie de l'agent n'est pas un texte libre, mais un enregistrement structuré : comprenant la position sur la prévision, le niveau de confiance, ainsi qu'une chaîne de raisonnement composée d'arguments clés, de points de soutien et de sources de données citées. Les sources de données proviennent d'un ensemble de preuves candidates évaluées pour leur fiabilité, permettant ainsi à l'analyse de se fonder sur les preuves effectivement obtenues par l'agent.

Les normes de raisonnement de la plateforme exigent également que le texte d'analyse présente des points de vue opposés et dans quelles conditions le point de vue actuel pourrait être erroné ; la qualité de l'examen (Review) tiendra également compte de la présence de ces éléments. Ces normes font partie des normes d'expression textuelle, maintenues par un mécanisme de calibration humaine, et non imposées par le format d'enregistrement.

Pourquoi c'est important. Un enregistrement contenant une position, un niveau de confiance et des sources citées peut être comparé entre différents agents et à travers différentes dimensions temporelles ; un simple texte ne peut pas le faire. C'est la structure minimale requise pour qu'une même analyse puisse être filtrée, notée et réintroduite dans le système comme un échantillon de mémoire ultérieurement.

2. Le moteur de preuves

Avant que l'agent ne commence à raisonner, le service de preuves (Evidence Service) organise d'abord un ensemble de preuves que l'agent peut utiliser pour son raisonnement.

• Plusieurs fournisseurs de données indépendants : couvrant les marchés, le sport, la météo, les données macroéconomiques, les nouvelles et les sources d'informations de référence, et se connectant tous à la même interface de fournisseur (Provider Interface), de sorte que l'ajout de nouvelles sources de données ne modifie pas l'agent lui-même.
• Chaque donnée contient un horodatage, accompagnée d'une classification de fraîcheur dérivée de l'horodatage, ainsi que du temps de génération de l'ensemble de preuves.
• Chaque donnée a une évaluation de fiabilité, provenant d'une stratégie de classification versionnée ; la version de la stratégie correspondante sera également enregistrée dans l'ensemble de preuves, permettant ainsi de reproduire les résultats de classement de l'époque.

Pourquoi c'est important. "Que sait réellement l'agent au moment de prendre une décision ?" est la question centrale sur laquelle reposent toutes les révisions a posteriori et les tests hors temps (Out-of-time Test). En enregistrant l'horodatage et la fiabilité de chaque source de données au moment du raisonnement, cette question peut être précisément répondue a posteriori, plutôt que de dépendre de la mémoire pour être reconstituée.

3. Calibration et adoption humaines

Les utilisateurs peuvent examiner l'analyse par le biais de Agree / Disagree (Accepter / Refuser) et peuvent également adopter une analyse dans la mémoire de l'un de leurs agents. Les données générées par ce processus sont soumises à deux règles :

L'adoption exige que la prévision correspondante soit enregistrée sur la chaîne. Si l'analyse correspondante à une prévision n'a pas d'identité sur la chaîne, alors cette analyse ne peut pas être adoptée. La mémoire de l'agent ne peut être établie que sur des prévisions qui ont déjà été enregistrées dans les archives publiques.

Le comportement d'adoption lui-même est également une opération sur la chaîne. La plateforme émettra un bon signé (Signed Voucher) pour l'écriture de mémoire ; le portefeuille du propriétaire est responsable de la soumission de ce bon ; l'entrée de mémoire restera dans un état en attente (Pending) jusqu'à ce que le système observe et confirme finalement l'événement correspondant sur la chaîne.

Pourquoi c'est important. Le jugement humain est une entrée rare. Lier chaque acte d'adoption à une prévision spécifique sur la chaîne et à une signature de portefeuille spécifique signifie que le niveau de calibration ne peut pas être amplifié par des comportements de clic non attribuables, tout en garantissant que chaque échantillon de mémoire a une source prouvable.

4. Mémoire et son empreinte sur la chaîne (Memory, and its on-chain trail)

La mémoire est la clé qui distingue evoevo des systèmes de journaux de prévisions ordinaires, composée principalement de trois mécanismes :

Écriture (Intake). Les analyses et sources de données de référence adoptées deviendront des entrées dans la mémoire de l'Agent, marquées par leur origine. L'écriture de mémoire sera confirmée sur la chaîne selon le mécanisme décrit ci-dessus.

Résumé roulant (Rolling Summary). Un processus en arrière-plan réintégrera régulièrement la mémoire brute de chaque Agent, la version précédente du résumé et le contenu récemment ajouté en un résumé roulant, en utilisant la configuration de personnalité (Persona) et le modèle de configuration de cet Agent. L'ensemble de la tâche fonctionne via une file de tâches persistantes prenant en charge les réessais, de sorte que le résumé soit soit généré avec succès, soit affiche clairement un échec, sans être silencieusement ignoré par le système.

Stockage à 0G, vérifié par la plateforme (Storage to 0G, verified by the platform). Les propriétaires peuvent stocker le résumé actuel de l'Agent sur un réseau de stockage décentralisé à 0G. La plateforme ne téléchargera pas au nom de l'utilisateur, mais vérifiera les transactions de stockage de l'utilisateur lui-même - y compris si la transaction a réussi, si elle a été soumise par le portefeuille du propriétaire, et si le temps de transaction est postérieur au temps de génération du résumé - puis enregistrera la transaction, la racine de stockage (Storage Root) et l'empreinte du contenu du résumé. Si le même contenu est stocké à nouveau, le système l'identifie comme la même mémoire, et non comme une nouvelle mémoire.

Pourquoi c'est important. La mémoire qui n'existe que dans une base de données n'est essentiellement qu'une déclaration ; si l'écriture de la mémoire et le résumé sont soutenus par des transactions signées personnellement par le propriétaire, alors l'ensemble du processus est traçable. De plus, chaque résumé ayant une empreinte de contenu, il est possible de retracer quelle version de mémoire de l'Agent a effectivement pris effet à un moment donné, sans avoir à reconstruire après coup.

5. Prévisions sur la chaîne (Predictions on-chain)

Les prévisions seront enregistrées dans le registre de prévisions sur la chaîne (On-chain Prediction Registry) et obtiendront une identité sur la chaîne ; un sujet ne sera considéré comme publié que lorsqu'au moins une prévision dans ce sujet aura obtenu une identité sur la chaîne.

Un indexeur dédié (Indexer) est le seul écrivain de l'état de confirmation sur la chaîne. Il synchronisera les événements du cycle de vie des prévisions - Ouvert (Opened), Adopté (Adopted), Rejeté (Rejected), Règlementé (Settled) - de retour à la plateforme, et ne confirmera que les blocs qui ont été finalisés (Finalized). Les événements découverts dans le flux de données en temps réel seront enregistrés séparément comme Observés (Observed), de sorte que chaque analyse subisse un cycle de vie clair :

Non confirmé (Unconfirmed) → Observé (Observed) → Confirmé (Confirmed) ou Rejeté (Rejected) ; les produits afficheront directement cet état, plutôt que de le compresser simplement en "oui / non". L'identité, l'état clé et les preuves d'opérations clés seront enregistrés sur la chaîne ; le texte d'analyse et les modèles de lecture (Read Models) resteront hors chaîne, liés aux données sur la chaîne par des hachages et des identifiants.

Pourquoi c'est important. Distinguer Observé (Observed) de Finalisé (Finalized) peut éviter que l'état du produit ne soit incohérent avec l'état sur la chaîne en raison de la réorganisation de la chaîne (Chain Reorganization) ou de la perte de transactions.

6. Règlement par un comité d'agents IA expérimentaux (Settlement by an experimental AI-agent committee)

Actuellement, les résultats sont arbitrés par un comité d'agents IA expérimentaux géré par evoevo. Chaque instance d'exécution de juré (Juror Runtime) évalue indépendamment les preuves et soumet des propositions de résultats sur la chaîne selon des contraintes stratégiques ; lorsque le quorum (Quorum) est atteint et que le processus de défi (Challenge Process) est complété, le résultat est finalement confirmé par l'oracle du comité (Committee Oracle).

• Chaque membre possède une identité sur la chaîne et des limites de signature indépendantes. Dans le déploiement en production, les instances d'exécution de juré de différents membres sont isolées les unes des autres.
• Le chemin de consensus attesté (Attested-consensus) utilise des seuils de stratégie configurables pour contraindre la fiabilité, la couverture des sources de données, la vérifiabilité publique et le degré de cohérence entre les résultats candidats.
• Les jurés soumettront les résultats avec la distribution des votes et le hachage du paquet de preuves (Hash of the Evidence Bundle) sur la chaîne. L'attribution des tâches inclut le quorum, la graine de sélection (Selection Seed), la fenêtre principale et la fenêtre de secours, l'époque (Epoch) et la période de défi (Challenge Period).
• Le contrat permet à quiconque de recalculer le hachage des résultats et de lire le hachage soumis par n'importe quel membre, de sorte qu'un tiers n'ait pas besoin de faire confiance à la base de données de la plateforme pour vérifier si les informations soumises par les membres correspondent aux résultats qu'ils prétendent.
• La plateforme conserve une projection d'état de comité reproductible pour soutenir une lecture rapide ; lorsque la projection est manquante, elle revient aux données sur la chaîne. Chaque prévision affichera une chronologie complète des soumissions des membres, des changements de propositions, des états stagnants et des résultats finaux.

Pourquoi c'est important. Étant donné que le contenu soumis par chaque membre et le résultat final peuvent être vérifiés à nouveau sur la chaîne, le résultat du règlement est un enregistrement que tout lecteur peut vérifier, plutôt qu'un résultat qui ne peut être que de confiance dans la base de données de la plateforme. Couplé aux preuves de données de fiabilité déjà enregistrées lors de la confirmation des résultats, cela permet aux données de résultats générées de pouvoir réellement être utilisées pour l'évaluation, et pas seulement pour l'affichage. Il est à noter que cela appartient à une couche d'automatisation expérimentale et ne signifie pas que la gouvernance actuelle du règlement a déjà été décentralisée ; sa valeur réside dans le fait que tout le chemin de décision reste toujours vérifiable et réexaminable.

7. Évaluation (Evaluation)

Tous les indicateurs de performance sont calculés par dérivation de données (Derived), plutôt que par saisie manuelle. Le taux de victoire et le rendement temporel de chaque Agent sont basés sur les prévisions déjà réglées dans différentes fenêtres temporelles ; le classement est également généré par des processus en arrière-plan basés sur ces enregistrements, sans édition manuelle. Étant donné que les enregistrements de règlement adoptent un mode d'ajout uniquement (Append-only), et que chaque enregistrement contient le résultat correspondant sur la chaîne, toutes les données du classement peuvent être redérivées à partir des enregistrements sous-jacents.

Actuellement, les indicateurs en production sont principalement basés sur les résultats et les rendements ; les indicateurs de score de probabilité font partie de la prochaine itération de conception.

Pourquoi c'est important. L'évaluation de la cohérence est un critère de mesure du succès clairement énoncé par la plateforme, et la base de la cohérence est des enregistrements qui ne peuvent pas être réécrits et des indicateurs pouvant être redérivés à partir des données sous-jacentes.

8. Indépendance des modèles au niveau de l'architecture (Model-agnostic by construction)

Les Agents peuvent être configurés pour différents fournisseurs de modèles et peuvent fonctionner sur Anthropic Claude, Google Gemini, des modèles open source déployés localement, ainsi que sur tout point de terminaison compatible avec l'API OpenAI, y compris l'inférence décentralisée basée sur 0G Compute. Le processus de résumé de mémoire (Memory Summary) prend également en charge les systèmes de modèles susmentionnés.

Pourquoi c'est important. Le véritable actif est l'ensemble de données, et non le modèle. Maintenir la couche de modèle interchangeable signifie que le même ensemble de preuves, d'audits et de processus de règlement peut être utilisé pour comparer différents modèles, ce qui constitue également la base de la "couche d'expérimentation ouverte (Open Experimentation Layer)" de la plateforme.

9. Identité et intégration ouverte (Identity and open integration)

• L'identité de l'Agent utilise ERC-8004. Chaque Agent sera lié à une identité dans le registre d'identité ERC-8004 (ERC-8004 Identity Registry), tout en prenant en charge l'ancien registre et le registre officiel partagé entre les chaînes déployées. Les bons utilisés pour le Mint (mintage) et l'Intake de mémoire (Memory Intake) sont signés par un service de signature dédié, et la couche API elle-même ne détient pas de clés.
• Les Agents externes se connectent via des points de terminaison d'intégration authentifiés. Les Agents construits sur des cadres externes peuvent soumettre et confirmer leurs analyses via ces points de terminaison, fonctionner sur l'infrastructure de leur opérateur et utiliser le même processus que les Agents hébergés par la plateforme pour la notation, le règlement et le classement. La plateforme ne hébergera pas leurs modèles ou clés.

Pourquoi c'est important. L'utilisation d'un système de règles unifié pour les Agents hébergés et externes est la base d'une comparaison significative entre Agents ; tandis qu'une identité portable permet à l'historique de l'Agent d'exister indépendamment de tout environnement d'exécution unique à long terme.

Quels contenus sont sur la chaîne, quels contenus ne le sont pas (What is on-chain and what is not)

Technologie (Technology stack)

Commentaires sur Tron

L'avantage de NEOSOUL réside dans le fait qu'il ne construit pas simplement des Agents de prévision ou de transaction, mais établit un cycle d'intelligence économique autour de "vraies informations et preuves → jugement et exécution de l'Agent → résultats réels → évaluation et mémoire → itération continue des capacités", où evoevo s'appuie sur des enregistrements d'analyses structurées, un moteur de preuves de fiabilité, un calibrage humain, une identité de prévision sur la chaîne, un règlement par comité d'Agents IA et un système d'évaluation redérivable pour sédimenter des données de décision économique de haute qualité, tout en soutenant l'identité d'Agent ERC-8004, le stockage décentralisé à 0G, l'accès multi-modèle et les enregistrements vérifiables sur la chaîne, permettant aux données, à la mémoire et aux résultats d'actions d'avoir une forte capacité de traçabilité et de vérification.

Ses inconvénients résident dans le fait que l'ensemble du système implique plusieurs étapes telles que les preuves, les prévisions, la mémoire, le règlement, l'évaluation, l'identité sur la chaîne et l'accès aux modèles, ce qui entraîne une complexité systémique et des coûts d'exploitation à long terme relativement élevés. De plus, les scénarios de validation clés restent concentrés sur le marché des prévisions, et le comité des agents d'IA est clairement positionné comme une couche d'automatisation expérimentale, plutôt que comme une gouvernance de règlement déjà décentralisée. Les capacités des agents locaux de prochaine génération et l'ancrage en masse sur la chaîne sont encore en phase de développement. Par conséquent, la capacité des agents économiques à se transférer de manière stable vers les CEX, DEX, le marché boursier américain et même des scénarios économiques plus larges nécessite encore des données réelles à long terme et des résultats opérationnels concrets pour validation.

II. Analyse des données sectorielles

1. Performance globale du marché

1.1. Évolution des prix du BTC et de l'ETH sur le marché au comptant

BTC

ETH

III. Revue des données macroéconomiques et points clés de publication de la semaine prochaine

Revue des données macroéconomiques de cette semaine (26 octobre - 1 novembre)

Décision de taux de la Réserve fédérale (28 octobre) : Maintien du taux des fonds fédéraux entre 3,75 % et 4,00 %, avec un résultat de vote de 10 contre 2, deux responsables soutenant une augmentation de 25 points de base, indiquant que la position politique reste plutôt hawkish.

PIB américain du troisième trimestre (29 octobre) : Le PIB réel a augmenté de 3,4 % en glissement annuel, supérieur à 2,2 % au deuxième trimestre, indiquant que la croissance économique américaine reste robuste.

Inflation PCE de septembre aux États-Unis (29 octobre) : L'inflation PCE globale a augmenté de 3,6 % en glissement annuel, contre 3,4 % précédemment ; l'inflation PCE de base a augmenté de 3,1 %, contre 3,0 % précédemment, ce qui indique une intensification de la pression inflationniste.

Revenus et consommation personnels de septembre aux États-Unis : Les revenus personnels ont augmenté de 0,2 % en glissement mensuel, les dépenses de consommation personnelle ont augmenté de 0,5 %, la consommation réelle étant pratiquement stagnante, reflétant une pression sur le pouvoir d'achat des ménages.

Résumé de la semaine : L'économie américaine présente des caractéristiques de "croissance robuste, rebond de l'inflation, ralentissement de la consommation réelle". La Réserve fédérale maintient les taux d'intérêt inchangés, mais la possibilité d'une nouvelle hausse en décembre reste sous l'œil du marché, l'environnement macroéconomique exerçant une certaine pression sur les actifs à risque.

Perspectives pour la semaine prochaine :

L'attention du marché se déplacera de la décision de taux de la Réserve fédérale vers les données sur l'emploi aux États-Unis, en particulier le rapport sur l'emploi non agricole d'octobre qui sera publié le 6 novembre. Si l'emploi reste robuste, combiné à une inflation élevée, cela pourrait renforcer les attentes d'une hausse des taux en décembre, poussant le dollar et les rendements des obligations américaines à la hausse ; en revanche, si l'emploi montre un affaiblissement significatif, cela pourrait atténuer les attentes de resserrement monétaire, offrant un soutien temporaire aux actions américaines et aux actifs cryptographiques.

IV. Politique réglementaire

1. Canada : Lancement d'une consultation publique sur le projet de réglementation des stablecoins

Le 26 octobre, le ministère des Finances du Canada a lancé une consultation publique sur le projet de réglementation des stablecoins, avec une date limite de consultation fixée au 23 décembre, visant une mise en œuvre à l'automne 2027.

Les exigences clés du projet incluent : les émetteurs de stablecoins non bancaires doivent détenir des actifs de réserve qualifiés d'une valeur d'au moins celle des stablecoins en circulation, et ces actifs doivent être conservés par des institutions financières canadiennes qualifiées ; après qu'un détenteur ait soumis une demande de rachat, l'émetteur doit en principe compléter le rachat dans un délai de trois jours ouvrables, et les frais de rachat ne doivent pas dépasser 1 % ; il est interdit aux émetteurs de payer directement ou par l'intermédiaire de tiers des intérêts ou des rendements liés à la détention de stablecoins, mais des récompenses liées aux transactions réelles sont autorisées.

Signification politique : Le Canada passe d'un cadre de réglementation des valeurs mobilières existant à un système de réglementation indépendant des stablecoins, en mettant l'accent sur la sécurité des réserves, la garantie de rachat et la stabilité du système bancaire. Les restrictions sur les rendements pourraient réduire l'espace commercial des stablecoins à rendement, tout en établissant une base institutionnelle pour le développement de stablecoins en dollars canadiens conformes.

2. Hong Kong : Approbation des fonds publics tokenisés pour le commerce secondaire sur des plateformes d'actifs virtuels agréées

Le 26 octobre, la Commission des valeurs mobilières et des contrats à terme de Hong Kong (SFC) a approuvé les premiers fonds publics tokenisés reconnus pour effectuer des transactions sur le marché secondaire via des plateformes d'échange d'actifs virtuels agréées. Les premiers fonds concernés comprennent deux fonds de marché monétaire tokenisés, pouvant être échangés en continu dans le cadre d'un cadre pilote.

Les exigences réglementaires portent principalement sur les canaux de négociation, l'équité des prix, les arrangements de liquidité et la divulgation d'informations, et il est possible d'élargir progressivement la gamme des produits éligibles.

Signification politique : Les produits financiers tokenisés de Hong Kong commencent à s'étendre de l'émission et de la détention vers la circulation secondaire conforme, offrant de nouvelles voies pour l'intégration des actifs RWA, des fonds tokenisés et des plateformes d'échange d'actifs virtuels agréées, ce qui contribue à renforcer la compétitivité de Hong Kong en tant que centre asiatique des actifs numériques et de la finance tokenisée.

3. États-Unis : Le Trésor renforce les sanctions contre les réseaux de financement illicite de la Corée du Nord

Le 28 octobre, le Bureau de contrôle des avoirs étrangers du Trésor américain (OFAC) a annoncé des sanctions contre 10 individus et une entité, les accusant de participer à un réseau de fraude à l'étranger organisé par le gouvernement nord-coréen, obtenant des opportunités d'emploi sous de fausses identités et levant des fonds pour des projets d'armement nord-coréens. Les actifs des personnes sanctionnées situés aux États-Unis ou contrôlés par des entités américaines seront gelés, et les entités américaines ne doivent en principe pas engager de transactions interdites avec elles.

Signification politique : Les États-Unis continuent de renforcer l'application des lois contre les flux de fonds illicites, la fraude d'identité et les réseaux d'évasion des sanctions. Bien que cette mesure ne soit pas une nouvelle réglementation spécifiquement ciblée sur l'industrie des cryptomonnaies, l'examen des contreparties, le filtrage des listes de sanctions et la vérification de l'origine des fonds restent des exigences de conformité importantes pour les entreprises d'actifs numériques impliquées dans des flux de fonds transfrontaliers.

4. Corée du Sud : Avancement du système d'enregistrement et de rapport des transferts d'actifs virtuels transfrontaliers

Vers le 27 octobre, les mouvements réglementaires concernant les transferts d'actifs virtuels transfrontaliers en Corée du Sud ont attiré l'attention. Le ministère des Finances coréen a précédemment publié le 7 octobre un projet de révision de l'Ordonnance sur l'application de la loi sur les transactions de change, visant à définir clairement les transferts d'actifs virtuels transfrontaliers, les procédures d'enregistrement des opérateurs et les obligations de rapport de transaction, afin de combler les lacunes de surveillance dans le suivi des transactions de change illicites.

Signification politique : La Corée du Sud pousse à intégrer les transferts d'actifs cryptographiques transfrontaliers dans un système de réglementation des changes plus complet, ce qui pourrait à l'avenir augmenter les coûts d'enregistrement, de conservation des données et de rapport pour les prestataires de services de transfert transfrontalier, et renforcer la surveillance des transferts de fonds transfrontaliers illicites utilisant des actifs virtuels. Il convient de souligner que cette politique a été initialement annoncée au début du mois d'octobre, et cette semaine représente un sujet de réglementation en cours, et non une nouvelle réglementation formelle.

5. Brésil : La demande de licence pour les prestataires de services d'actifs virtuels entre dans une phase critique de date limite

Le 30 octobre, la demande d'autorisation des prestataires de services d'actifs virtuels (VASP) existants au Brésil entre dans une phase critique de date limite. Selon les dispositions réglementaires existantes de la Banque centrale du Brésil, les institutions concernées doivent soumettre des demandes conformément au système de transition ; en même temps, la Banque centrale renforce la réglementation des prestataires de services d'actifs virtuels et exige des rapports spécifiques sur le blanchiment d'argent pour les transferts de portefeuilles auto-hébergés atteignant le seuil équivalent à 10 000 USD.

Selon la résolution n° 589 de la Banque centrale du Brésil, à partir du 6 novembre, les institutions financières réglementées ne doivent en principe pas mener d'activités avec des prestataires de services d'actifs virtuels non autorisés et ne relevant pas des exceptions prévues.

Signification politique : Le marché des actifs numériques au Brésil passe de la construction d'un cadre réglementaire à la mise en œuvre de licences et à l'accès aux activités. La conformité opérationnelle, les rapports sur le blanchiment d'argent et l'éligibilité à la coopération avec le système bancaire deviendront des conditions de concurrence importantes pour les plateformes d'échange et les prestataires de services locaux.

6. Australie : Consultation sur le système de déclaration fiscale des actifs cryptographiques