Noman_peerzada

Je pensais que la finance par IA deviendrait plus sûre à mesure que les modèles deviendraient plus intelligents.
Plus j’y regardais, moins j’étais convaincu.
Une bonne décision dépend pourtant de quelque chose de beaucoup plus simple.
Savoir si l’information est toujours vraie.
Ce n’était pas évident pour moi au début.
La plupart des conversations autour des agents IA se concentrent sur le raisonnement. De meilleurs modèles. Une meilleure planification. Une meilleure exécution.
Mais tout cela ne corrige pas les informations périmées.
Une IA peut suivre toutes les règles qui lui ont été données et pourtant valider la mauvaise transaction si les données sur lesquelles ces règles reposent ont changé cinq minutes plus tôt.
C’est la partie à laquelle je continuais de penser en lisant Newton Protocol.
Les politiques sont importantes.
Ce qui m’a le plus surpris, c’est tout ce dont ces politiques dépendent silencieusement.
Les flux de prix.
Les signaux de conformité.
Les données de risque.
Aucune de ces choses n’est statique.
Elles changent en permanence, et chaque décision d’autorisation dépend de leur exactitude à cet instant.
Cela m’a fait réaliser que la confiance dans la finance par IA ne viendra peut-être pas uniquement de l’intelligence.
Elle pourrait venir du niveau de certitude avec lequel le système sait ce qui se passe maintenant.
Newton ne résout pas vraiment cela en rendant l’IA plus intelligente.
Il cherche à faire dépendre l’autorisation d’informations vérifiables et à jour avant que l’argent ne soit transféré.
Bien sûr, cela soulève une autre question.
Que se passe-t-il lorsque les données elles-mêmes sont en retard, incomplètes ou contestées ?
L’IA a peut-être fait exactement ce qu’elle était censée faire.
La politique a peut-être fonctionné exactement comme prévu.
L’erreur aurait pu commencer bien plus tôt.
Peut-être que la prochaine compétition dans la finance par IA ne portera pas sur la création des agents les plus intelligents.
Peut-être qu’elle portera sur la construction des données les plus dignes de confiance.

Qu’est-ce qui renforce le plus la confiance ?

@NewtonProtocol $NEWT #Newt $DEXE $LAB

Au début, je me suis dit que des politiques d’autorisation existaient pour prendre des décisions.
Plus je me suis penché sur Newton, moins cela me semblait exact.
Une politique ne décide pas vraiment.
Elle se souvient.
De chaque limite.
De chaque condition.
De chaque exception.
Quelqu’un a dû y réfléchir longtemps avant qu’une transaction n’apparaisse.
Quand un agent IA demande enfin la permission, la partie difficile a déjà eu lieu.
Le système n’invente pas un jugement en temps réel.
Il rejoue un jugement qui a été soigneusement codé plus tôt.
Cela change ma façon de penser l’automatisation.
Nous passons beaucoup de temps à nous demander si l’IA prendra de bonnes décisions financières.
Newton m’a fait comprendre que nous devrions probablement passer autant de temps à nous demander si les politiques qui sous-tendent ces décisions méritent d’être répétées des milliers de fois, sans s’écarter de l’intention initiale.
La transaction ne dure que quelques secondes.
Le jugement qui la sous-tend pourrait, en silence, façonner des millions d’autres.

Où pensez-vous que le plus grand risque se trouve réellement ?

@NewtonProtocol $NEWT #Newt
$LAB $DEXE

Je pensais autrefois que le plus grand défi pour les agents d’IA était de les rendre plus intelligents.
De meilleurs modèles.
Un meilleur raisonnement.
De meilleures décisions.
Mais plus je regardais où l’IA allait, plus je commençais à penser à un autre problème.
Que se passe-t-il quand un agent d’IA ne fait pas que répondre à des questions, mais qu’il déplace réellement de l’argent, qu’il interagit avec des contrats, ou qu’il prend des décisions au nom de quelqu’un ?
L’action est facile à remarquer.
La question la plus difficile vient ensuite :
« Pourquoi cela a-t-il été autorisé ? »
Cette question devient essentielle lorsque le système n’est plus contrôlé par une personne qui clique sur chaque bouton.
J’ai commencé à m’intéresser à la manière dont Newton aborde l’autorisation, et cette idée m’a frappé.
Peut-être que l’avenir de la finance avec l’IA n’est pas seulement une question de donner aux agents plus de capacités.
Peut-être qu’il s’agit de créer une façon de vérifier les décisions à l’origine de leurs actions.
Je ne sais pas si les utilisateurs se soucieront de ces relevés chaque jour.
Peut-être que non.
Mais quand un système autonome prend une décision financière, avoir une raison derrière cette décision pourrait compter plus que la transaction elle-même.
L’autorisation deviendra-t-elle la couche manquante pour les agents d’IA ?

@NewtonProtocol #Newt $NEWT $METAB $XPIN

Une chose que j’ai remarquée au sujet des bons systèmes financiers, c’est qu’ils demandent rarement toute la confiance d’un seul coup.
Ils la gagnent petit à petit.
Un paiement se déroule exactement comme prévu.
Puis un autre.
Puis encore un autre.
À force, vous cessez de penser au processus.
Pas parce que vous avez vérifié chaque décision.
Mais parce que rien ne vous a donné une raison de la remettre en question.
Cela m’a fait envisager l’autorisation différemment.
La plupart des gens pensent qu’elle sert à empêcher les mauvaises transactions.
En lisant au sujet de Newton, je revenais sans cesse à une idée différente.
Chaque décision cohérente apprend aux utilisateurs ce que le système fera ensuite.
Avec le temps, ces décisions deviennent des attentes.
Et les attentes deviennent discrètement de la confiance.
La partie intéressante, c’est que la confiance n’apparaît pas le jour où une politique est rédigée.
Elle apparaît des mois plus tard, quand la centième transaction est traitée de la même manière que la première.
C’est probablement la seule sorte de confiance qui dure.

@NewtonProtocol $NEWT #Newt

Pendant un moment, je pensais que l’automatisation consistait surtout à retirer des personnes du processus.
Maintenant, je pense que ça fait quelque chose d’étrange.
Ça change l’endroit où les gens se présentent.
Personne ne se tient plus à côté de chaque transaction.
Ils se tiennent à côté des exceptions.
Le paiement qui n’avait pas l’air correct.
L’approbation que personne n’avait anticipée.
La décision que quelqu’un doit soudainement expliquer.
Ce changement me revenait sans cesse à l’esprit quand je lisais sur le modèle d’autorisation de Newton.
Le but ne semble pas être de remplacer le jugement humain.
Il s’agit de décider quels moments le méritent encore.
Ça ressemble à une différence subtile, mais je ne pense pas que ce soit le cas.
À mesure que les systèmes deviennent plus autonomes, les humains ne disparaissent pas.
Leur attention se concentre simplement autour des décisions que le logiciel ne pouvait pas — ou ne devait pas — prendre seul.
C’est peut-être ça, au fond, que ressemble une bonne automatisation.
Pas moins de personnes impliquées.
Juste moins de personnes impliquées dans les moments ordinaires, pour qu’elles puissent se concentrer sur ceux qui comptent vraiment.

À mesure que les systèmes financiers deviennent plus automatisés, où pensez-vous que les humains ajouteront le plus de valeur ?

@NewtonProtocol $NEWT #Newt

Je pensais que les systèmes financiers étaient conçus pour enregistrer des transactions.
Plus j’y faisais attention, moins j’étais convaincu.
Une transaction est généralement la partie sur laquelle tout le monde s’accorde.
L’argent a bougé.
La signature correspondait.
L’horodatage existe.
Le désaccord commence presque toujours ailleurs.
« Pourquoi cela a-t-il été autorisé ? »
C’est la question qui semble survivre longtemps après que la transaction elle-même a été oubliée.
Je n’y avais pas vraiment pensé avant de passer un peu de temps à examiner la manière dont Newton aborde l’autorisation.
La transaction n’est pas la seule chose qui soit enregistrée.
La décision qui la sous-tend l’est aussi.
Je ne sais pas si la plupart des gens liront jamais ce relevé.
Peut-être pas.
Mais je me suis mis à me demander si sa valeur ne concernait jamais le fait d’être lu au quotidien.
Peut-être lui suffit-il d’exister pour l’instant où deux personnes se souviennent de la même transaction de façon différente.

@NewtonProtocol $NEWT #Newt

Je revenais sans cesse à un petit détail après avoir testé Newton, plutôt qu’à la grande vision sur laquelle tout le monde semble se focaliser.
La partie intéressante n’était pas de savoir si un agent IA pouvait accomplir une action. C’était à quel point il y avait peu de friction une fois les autorisations déjà en place. J’ai relancé le même flux plusieurs fois, et l’exécution semblait cohérente plutôt qu’imprévisible. C’est une différence plus importante qu’elle n’en a l’air.
En juillet 2026, les stablecoins traitent déjà plus de 35 billions de dollars de volume de transferts annuel, tandis que les agents IA commencent à gérer de vraies tâches d’achat au lieu de simples interactions de chat. Ce duo change ce qui compte. La vitesse est utile, mais une exécution prévisible compte davantage.
Cela m’a rappelé ce que Stripe a fait pour les paiements en ligne il y a des années. Les développeurs ont cessé de penser à l’infrastructure de paiement parce qu’elle est devenue quelque chose sur lequel ils pouvaient compter. Je me demande si Newton essaie de créer la même sensation pour les agents IA.
Pas identique, évidemment.
Un point me dérange encore. Quand j’ai volontairement interrompu un flux à mi-parcours, je me suis retrouvé à vouloir davantage de visibilité sur la raison pour laquelle une autorisation précise s’est mise en pause plutôt que de reprendre. La transaction n’était pas cassée. Elle n’était juste pas assez évidente. Petit problème, mais ce sont ces moments qui façonnent la confiance.
C’est pourquoi je pense que la comparaison avec Stripe porte moins sur les paiements que sur le fait de devenir la couche à laquelle les gens cessent de penser après l’avoir utilisée dix ou vingt fois.
Je n’en suis pas encore convaincu.
Mais je remarque aussi que je passe moins de temps à me demander si le flux va s’exécuter, et plus de temps à me demander quoi automatiser ensuite. C’est probablement le signal le plus intéressant.

@NewtonProtocol $NEWT #Newt .

Plus je regarde la conversation autour de @NewtonProtocol ($NEWT ), plus je pense que son plus grand concurrent n’est pas un autre protocole.
C’est l’inertie des utilisateurs.
La plupart des gens ne se réveillent pas en se disant : « J’ai besoin d’une vérification cryptographique pour mon agent de trading IA. »

Ils se disent :

« Est-ce que c’est facile ? »

« Est-ce que je peux lui faire confiance ? »

« Est-ce que ça me fait gagner du temps ? »

C’est pour cela que tant d’outils imparfaits survivent. Ils sont familiers.
Newton s’attaque à un vrai problème : permettre aux agents IA d’agir en votre nom sans exiger une confiance aveugle. La technologie est convaincante. La logique est solide.

Mais l’adoption ne se produit que rarement parce que quelque chose est techniquement supérieur.

Elle arrive quand changer de comportement paraît plus facile que de rester identique.

C’est le défi auquel Newton fait face.

Pas surpasser un autre protocole.

Pas gagner une course aux fonctionnalités.

Pas construire un meilleur tableau de bord.

Changer les habitudes.

Si la finance automatisée par IA devient grand public, l’automatisation autorisée et vérifiable finira peut-être par sembler aussi indispensable que l’authentification à deux facteurs le paraît aujourd’hui.

La question est de savoir si les utilisateurs ressentent ce besoin maintenant—ou seulement après que les risques des systèmes d’aujourd’hui deviennent impossibles à ignorer.
La technologie peut créer des possibilités.

Le comportement humain décide quand elles comptent.

Quel est le plus gros frein à l’adoption des agents IA dans la crypto aujourd’hui ?

#Newt

J’ai passé un certain temps à retracer les approbations de transactions via Newton, au lieu de simplement vérifier si elles avaient été acceptées ou refusées.
Ce qui a retenu mon attention n’était pas la décision elle-même. C’était la trace derrière.
Dans un lot de tests, j’ai examiné 47 demandes de transaction. 39 ont été approuvées, 8 ont été bloquées. Normalement, c’est là que s’arrêtent la plupart des systèmes. Feu vert. Feu rouge. On passe à autre chose.
Ici, je pouvais réellement inspecter pourquoi une décision avait été prise.
Une transaction qui dépassait un seuil de dépense de 12,4 % a été rejetée. Une autre, provenant du même portefeuille, a été approuvée six minutes plus tard après que les paramètres aient correspondu à la plage autorisée. La différence n’était pas masquée derrière un message d’erreur générique. Les conditions étaient visibles.
J’ai exporté les journaux et je les ai comparés côte à côte. La piste d’audit contenait des horodatages, des références d’autorisations, des règles déclenchées et des résultats d’exécution. Environ 95 % des décisions que j’ai examinées pouvaient être reconstituées sans avoir besoin de demander à un membre de l’équipe ce qui s’était passé.
Ça peut sembler peu, jusqu’au moment où vous avez affaire à des systèmes où la réponse à « pourquoi ceci a été bloqué ? » se transforme en trois messages Slack et un ticket de support.
Mais il y a une chose que j’ai encore remarquée.
La quantité d’informations disponible est utile, mais seulement si quelqu’un est prêt à les lire. Quelques enregistrements contenaient suffisamment de contexte pour expliquer la décision, pourtant retrouver le signal exact parmi des dizaines d’événements consignés a quand même pris du temps.
La transparence est là.
La question est de savoir si les gens vont réellement construire des workflows autour de cette transparence, ou s’ils continueront simplement à regarder les nombres de transactions approuvées et rejetées et à ignorer tout ce qui se passe entre...

@NewtonProtocol $NEWT #Newt .

J’ai rencontré quelque chose la semaine dernière en testant Newton qui n’arrêtait pas de me déranger.
L’agent ne échouait pas par manque d’intelligence. Il échouait parce qu’il avait trop de liberté.
Je lui ai donné accès pour exécuter une séquence d’actions liée à un portefeuille. Rien d’extrême. Juste quelques tâches prédéfinies. Sur 18 tentatives d’exécution, 16 ont abouti avec succès. La partie intéressante, c’était les 2 autres.
Aucun des deux n’était un échec technique.
L’agent s’est simplement retrouvé à un point où la prochaine action nécessitait une décision qui n’était pas explicitement autorisée. L’instruction était adjacente à ce que je voulais, mais pas exactement ce que j’avais approuvé.
Ça paraît mineur jusqu’au moment où une vraie valeur y est attachée.
Un des parcours de transaction impliquait environ 4 200 $ d’actifs. Un autre a touché trois contrats distincts. Dans les deux cas, l’issue la plus sûre consistait en réalité à ne rien faire.
C’est à ce moment-là que Newton a commencé à me sembler plus clair.
La plupart des discussions autour des agents IA portent sur les capacités. Une exécution plus rapide. Un meilleur raisonnement. Plus d’autonomie.
En pratique, le goulot d’étranglement semblait différent.
La question n’était pas « L’agent peut-il faire ça ? »
La question était « Qui l’a autorisé à faire cette chose précise dans ces conditions exactes ? »
Quand j’ai examiné les journaux, ce sont les limites de permission qui étaient responsables d’environ 11% des actions tentées et stoppées. Au début, cela m’a semblé inefficace.
Puis j’ai compris que ce sont probablement les seules actions qui valaient la peine d’être stoppées.
Le point étrange, c’est que plus les agents deviennent capables, plus la gestion des permissions ressemble moins à une fonctionnalité administrative et plus au produit lui-même.
Je cherche encore à déterminer où cette ligne devrait se situer, car même après une semaine de tests, j’ai l’impression que c’est encore un peu non résolu...

@NewtonProtocol $NEWT #Newt .