Effets de comportement grégaire et désalignement des incitations sur les marchés des cryptomonnaies

Problèmes principal-agent, incitation et survie

Date de publication : 17 avril 2026

Préface

Au cours des neuf années allant de 2016 à 2025, le marché crypto a connu au moins trois cycles complets d'expansion et d'effondrement. Chaque cycle s'est accompagné de l'évaporation de milliards à dizaines de milliards de dollars de valeur : le marché de financement de 17,8 milliards de dollars de la bulle des ICO de 2017–2018 s'est effondré à près de zéro en douze mois ; en 2022, Terra/Luna a effacé environ 50 milliards de dollars en trois jours, FTX a détourné 8 milliards de dollars de fonds de clients et Celsius a laissé un trou de 4,7 milliards de dollars de créances clients ; en 2024–2025, 98 % des jetons de la plateforme pump.fun se sont effondrés en moins de 24 heures et les traders de $TRUMP extérieurs au cercle d'initiés ont perdu ensemble environ 2 milliards de dollars.

Ces événements sont d'ordinaire rangés sous des cadres narratifs distincts : « arnaque », « bulle », « défaillance technique » ou « vide réglementaire ». Ce rapport propose une autre grille d'analyse : les phénomènes ci-dessus partagent un même ensemble de préconditions structurelles, que l'on peut unifier dans un unique cadre théorique imbriqué à trois couches.

1. La couche de base, c'est l'asymétrie d'information : l'information privée que détiennent les équipes de projet, les plateformes d'échange, les market makers et les émetteurs de stablecoins sur leurs propres actions et sur leurs positions dépasse de loin ce que leurs utilisateurs et leurs investisseurs peuvent observer.

2. La couche intermédiaire, c'est le conflit principal-agent : en situation d'asymétrie d'information, les structures d'incitation des agents dotés d'un pouvoir de décision (opérateurs de plateformes d'échange, gérants de fonds, concepteurs de jetons, bâtisseurs de protocoles) s'écartent systématiquement des intérêts des principaux (utilisateurs, investisseurs, détenteurs de jetons).

3. La couche supérieure, ce sont les cascades informationnelles : dès lors que l'asymétrie d'information a supprimé les mécanismes d'identification ex ante et que les structures d'agence ont encastré des voies de transfert de valeur, la transparence des données on-chain et la vitesse des réseaux sociaux permettent d'orienter des capitaux de manière directionnelle vers des cibles précises dans des fenêtres de temps extrêmement courtes.

Ce rapport retient dix études de cas emblématiques pour éprouver ce cadre : la bulle des ICO, le Casino des Meme Coins et l'airdrop farming (dimension cascade informationnelle) ; BitConnect, Three Arrows Capital, Celsius et FTX (dimension effondrement principal-agent) ; les stablecoins algorithmiques de Terra/Luna, les échecs de tokenomics et le MEV (dimension défaillance de conception des mécanismes). Chaque étude de cas s'appuie sur des dossiers réglementaires publics, des décisions de justice, des travaux empiriques universitaires et des données on-chain, sans recours à des sources anonymes ni à des rumeurs sectorielles non vérifiées.

Il faut le dire clairement : ce rapport analyse des cas d'échec et des mécanismes d'échec. Il existe aussi sur le marché crypto des structures d'agence qui fonctionnent bien : des plateformes d'échange conformes en tant que broker-dealers enregistrés, des émetteurs de stablecoins qui maintiennent une transparence d'audit et des protocoles dont la conception est compatible avec les incitations. Le cadre d'analyse de ce rapport vise à identifier les préconditions qui produisent un transfert systémique de valeur et ne doit pas être interprété comme un jugement globalement négatif sur le marché crypto dans son ensemble.

Ce rapport partage une partie de ses fondements théoriques avec le premier numéro de Bitbase Research Deep Dive, La bifurcation de l'infrastructure des dérivés crypto, mais il est indépendant par son objet d'analyse et par sa thèse centrale. Le chapitre 1 pose les trois piliers théoriques et leur structure imbriquée ; les chapitres 2 à 4 éprouvent la puissance explicative du cadre sur des études de cas ; le chapitre 5 propose des voies de diagnostic et de correction fondées sur ce cadre, et en discute honnêtement les limites.

Chapitre 1 · Cadre théorique : une carte académique de trois mécanismes de défaillance

1.1 Ouverture · Une courbe de capitalisation de quarante minutes

Le soir du 14 février 2025, heure argentine, le contrat intelligent du jeton $LIBRA a été déployé sur le pool de négociation Meteora de Solana. Trois minutes plus tard, le président argentin d'alors, Javier Milei, publiait sur son compte X un message décrivant le jeton comme un projet privé destiné aux petites entreprises argentines. En quarante minutes environ après la publication, les ordres d'achat ont porté la capitalisation en circulation de $LIBRA de près de zéro à environ 4,5 milliards de dollars ; son cours est passé de millionièmes de dollar à environ 5,20 dollars.[¹][²] Plus de 40 000 portefeuilles ont participé aux achats [15].

Au cours des onze heures suivantes, la capitalisation s'est effondrée en sens inverse. Huit portefeuilles d'initiés liés au déployeur du projet, Kelsier Ventures, ont extrait ensemble environ 107 millions de dollars [15] (57,6 millions d'USDC plus environ 249 700 SOL) en retirant de la liquidité et en encaissant des frais. Au matin du 15 février, la capitalisation en circulation de $LIBRA était retombée à environ 257 millions de dollars, soit une baisse d'environ 94 % par rapport au sommet. Milei a ensuite supprimé sa publication. La société d'analyse on-chain Nansen [16] a rapporté que, sur un échantillon de portefeuilles participants, environ 114 000 portefeuilles affichaient des pertes latentes cumulées d'environ 251 millions de dollars, environ 86 % des traders étant en perte au moment de solder. La justice fédérale argentine a ensuite accepté des plaintes pénales concernant le jeton, et l'enquête visant Milei était toujours en cours au moment de la rédaction de ce rapport.

Cet épisode n'était pas une anomalie. Le jeton $TRUMP, lancé le 17 janvier 2025, et $MELANIA, le 19 janvier, ont présenté des trajectoires isomorphes : tous deux ont atteint des capitalisations en circulation de plusieurs milliards de dollars en un à deux jours, puis ont reculé de plus de 90 % en quelques semaines à quelques mois. L'analyse on-chain de Chainalysis commandée par le New York Times [17] a montré que les traders de $TRUMP extérieurs au cercle d'initiés avaient perdu ensemble environ 2 milliards de dollars. De $TRUMP à $LIBRA — en vingt-six jours, trois courbes de capitalisation déclenchées par des célébrités ou par un chef d'État en exercice, bouclant leur cycle complet d'expansion et d'effondrement dans des fenêtres de temps extrêmement courtes — la même question s'est posée aux chercheurs : dans les conditions structurelles propres au marché crypto, pourquoi des capitaux de grande ampleur peuvent-ils être systématiquement alloués à des cibles dont le rendement espéré est négatif ?

L'objet de ce chapitre est d'extraire de la littérature économique les trois piliers théoriques nécessaires pour répondre à cette question, et de montrer comment ils s'imbriquent en un cadre d'analyse complet.

[¹]: Les sources situent le moment du sommet avec des écarts de plusieurs minutes. Cette section retient « en quarante minutes environ » comme intervalle prudent ; les horodatages à la seconde dépendent d'une vérification complémentaire à partir des données de DEX on-chain.

[²]: Certaines plateformes d'agrégation de cours (par exemple CoinGecko) enregistrent le plus haut historique de $LIBRA nettement en dessous du chiffre ci-dessus. Cet écart doit être attribué au fait que les plateformes d'agrégation ont commencé à collecter les données plus tard que le sommet réel on-chain. Cette section retient comme sources primaires les données de DEX on-chain et les statistiques des grands médias fondées sur des données on-chain.

1.2 Cascades informationnelles · Pourquoi les signaux privés sont abandonnés

Le premier pilier vient des travaux fondateurs de Bikhchandani, Hirshleifer et Welch [1] sur les cascades informationnelles. Leur argument central peut se résumer à un résultat d'inférence bayésienne : lorsque des individus doivent agir dans des décisions séquentielles, chacun détenant des signaux privés bruités sur l'état du monde tout en observant les actions publiques de ses prédécesseurs, il existe un seuil ; dès que les actions publiques accumulées des prédécesseurs suffisent à l'emporter sur la force d'un signal privé typique, la stratégie optimale des individus suivants consiste à abandonner leur propre signal privé et à copier les actions de ceux qui les précèdent. Le « comportement grégaire » dans ce contexte n'est pas un défaut cognitif, mais le résultat d'une mise à jour bayésienne rationnelle. Un corollaire décisif de ce mécanisme : dès qu'une cascade informationnelle se forme, le mécanisme d'agrégation de l'information échoue immédiatement — les individus suivants abandonnent rationnellement leurs signaux privés, et leurs actions publiques ne transmettent plus d'information nouvelle aux observateurs. La séquence d'actions publiques du groupe ne fait alors que répéter les signaux initiaux. Cette structure implique que même si l'information agrégée peut suffire à identifier la bonne décision, la cascade peut converger durablement vers la mauvaise conclusion, et cette conclusion erronée ne se corrigera pas d'elle-même tant qu'un choc externe ne surviendra pas.

Le modèle originel de Bikhchandani et coauteurs [1] reposait sur des choix discrets et des espaces de signaux finis ; il a depuis été étendu aux marchés financiers, à la contagion sociale, à la décision organisationnelle et à d'autres domaines. Appliquer cette théorie au marché crypto d'après 2020 exige toutefois une modification mécanistique décisive : les « actions publiques » du marché crypto ne se réduisent plus à acheter ou vendre, ce sont des adresses de portefeuille visibles on-chain, des distributions de détention, des horodatages de transactions ainsi que des mentions « j'aime », des repartages et des indicateurs d'engagement sur les réseaux sociaux. Autrement dit, les actions des prédécesseurs deviennent explicites, quantifiables et lisibles par des machines : le seuil de formation de la cascade s'abaisse donc fortement, et sa vitesse de propagation augmente fortement.

Kogan, Makarov, Niessner et Schoar [2] ont apporté une validation empirique de cette modification dans le contexte du marché crypto. En prenant pour échantillon des événements de cotation de jetons et en construisant des mesures de co-exposition à partir de données de transactions on-chain et de données de réseaux sociaux, ils ont constaté que les pics d'attention conservaient un pouvoir prédictif significatif sur le cours et le volume à court terme après contrôle par des variables représentatives des fondamentaux, et que cette réaction des cours s'inversait systématiquement en une à deux semaines. Les auteurs ont interprété ce schéma comme une « surréaction pilotée par l'attention », dont la trajectoire empirique — accumulation rapide, sommet, retournement — est cohérente avec les prédictions théoriques du modèle de cascades de Bikhchandani et coauteurs [1]. Plus décisif encore, l'article a constaté que l'ampleur des cascades informationnelles sur les jetons crypto est nettement supérieure à celle observée sur les actions traditionnelles : l'ampleur du retour à la moyenne dépassait en moyenne celle d'études d'événements comparables sur des actifs traditionnels. Cela implique que le premier pilier théorique n'est pas seulement applicable au marché crypto : il s'y applique sous une forme amplifiée.

Placée dans cette perspective théorique, la trajectoire de quarante minutes de $LIBRA vue en section 1.1 n'est plus une anomalie isolée, mais un cas à paramètres extrêmes du modèle de cascades : la force des signaux d'action publique (tweet présidentiel + premiers ordres d'achat) a suffi à l'emporter sur la quasi-totalité des signaux privés des participants en quelques dizaines de minutes, et la cascade s'est achevée avant qu'aucun fondement informationnel n'ait été produit.

1.3 Principal-agent · Comment les coûts d'agence sont structurellement amplifiés

Le deuxième pilier est le cadre des coûts d'agence proposé par Jensen et Meckling [3]. Sa formulation d'origine, dans le contexte de la finance d'entreprise, énonce ceci : lorsqu'un principal délègue un pouvoir de décision à un agent et que les actions de l'agent ne sont pas pleinement observables, l'agent s'écartera de l'optimum du principal à la marge où ses intérêts entrent en conflit avec ceux de ce dernier. Les coûts d'agence comportent trois composantes : les coûts de surveillance du principal, les coûts de caution de l'agent et la perte résiduelle qui subsiste sous le contrat optimal pour les deux parties. La généralité de ce cadre permet de le transposer aux relations actionnaire-dirigeant, créancier-actionnaire, assuré-assureur et à bien d'autres structures relationnelles.

Les problèmes d'agence se décomposent d'ordinaire en deux sources de niveau informationnel. La sélection adverse désigne le fait que l'agent détient une information privée sur son propre type (capacité, qualité, intention) avant que la relation d'agence ne soit établie, ce qui confronte le principal à un problème d'« indistinguibilité des types » dans la conception du contrat ; le modèle du marché des voitures d'occasion d'Akerlof [4] en est la formulation standard (la section 1.4 de ce chapitre y reviendra en détail). L'aléa moral désigne l'inobservabilité des actions ou de l'effort de l'agent une fois la relation d'agence établie, ce qui donne à l'agent des incitations à s'écarter de l'optimum du principal dans l'exécution du contrat ; Holmström [5] en a proposé une formalisation mathématique rigoureuse dans The Bell Journal of Economics. La contribution centrale de Holmström est le théorème de la statistique exhaustive : les signaux observables qui apportent encore une information supplémentaire sur l'effort de l'agent une fois le résultat donné doivent être intégrés au contrat optimal ; à l'inverse, dès lors que le résultat est une statistique exhaustive de l'effort, les signaux supplémentaires n'ont plus de valeur contractuelle marginale. Ce théorème fournit à la fois un critère rigoureux pour savoir « quand introduire un audit ou une obligation de divulgation » et établit la mesure formelle de la « valeur d'un signal » en économie de l'information.

Le marché crypto fournit à ces deux mécanismes un ensemble de matériaux empiriques indépendant du contexte de la finance d'entreprise. Cong, Li et Wang [6] ont traité la tokenomics comme un problème de conception de contrats d'incitation dynamiques et ont relevé que le double rôle des jetons, à la fois « instrument de rémunération » et « instrument de financement », donne aux équipes de projet un contrôle sur l'émission, l'allocation et les calendriers de déblocage qui correspond structurellement à un espace de décision d'agent doté de degrés de liberté quasi illimités dans la dimension du seigneuriage, tandis que les détenteurs de jetons, en tant que créanciers résiduels, ne disposent pratiquement d'aucun outil de surveillance à la mesure de cet espace de décision. Cette analyse identifie la conception même du jeton comme le vecteur central du conflit d'agence.

En transposant ce cadre au marché crypto, on peut identifier au moins cinq structures d'agence récurrentes, chacune assortie d'un ancrage empirique vérifiable.

Premièrement, la relation de conservation entre utilisateurs et plateformes d'échange centralisées. L'affaire FTX fournit un repère d'ordre de grandeur : dans le communiqué de condamnation du ministère de la Justice pour le district sud de New York de mars 2024 [18], le procureur fédéral Damian Williams a déclaré explicitement que Bankman-Fried avait détourné des fonds de clients « au-delà de 8 milliards de dollars », et le tribunal a prononcé une ordonnance de confiscation « supérieure à 11 milliards de dollars » ; l'ordonnance finale de la CFTC d'août 2024 [19] a enjoint à FTX de verser 12,7 milliards de dollars de réparation monétaire aux clients et aux victimes, dont 8,7 milliards de dollars de restitution. Un dépositaire qui opère en même temps pour compte propre, avec des actifs clients non réellement ségrégués, constitue le cas de référence du conflit d'agence dans une architecture de conservation centralisée.

Deuxièmement, l'allocation ex ante entre détenteurs de jetons et équipes de projet. La structure de distribution des jetons de Worldcoin (World Foundation) lors de son lancement du 24 juillet 2023 [20] montrait ceci : sur une offre totale de 10 milliards de WLD, 25 % étaient alloués aux initiés (investisseurs de Tools for Humanity 13,5 %, équipe de développement principale 9,8 %, réserves 1,7 %), 75 % étant destinés à la « communauté » ; l'offre maximale en circulation au lancement n'était pourtant que d'environ 143 millions de WLD (1,43 % de l'offre totale), dont environ 70 % étaient prêtés à des market makers non américains. La combinaison d'un flottant faible et d'une FDV élevée (valorisation entièrement diluée) implique que le prix auquel les investisseurs particuliers font face sur le marché secondaire présente un écart systématique par rapport à la courbe d'offre des initiés après déblocage : l'allocation ex ante encastre structurellement une voie de transfert de valeur.

Troisièmement, la relation informationnelle entre investisseurs particuliers et KOL rémunérés qui ne le déclarent pas. Le communiqué de la SEC du 3 octobre 2022 [21] a rendu public son accord avec Kim Kardashian pour avoir fait la promotion des jetons EthereumMax (EMAX) sur Instagram sans divulguer les 250 000 dollars de rémunération perçus, avec des sanctions totales de 1,26 million de dollars (1 million de dollars d'amende plus environ 260 000 dollars de restitution de gains et d'intérêts) et une interdiction de trois ans de promouvoir des titres liés aux cryptoactifs. Lorsque les promoteurs ne déclarent pas leur statut de rémunéré, leur principal de fait est passé du public à l'équipe de projet, et le public supporte un problème d'agence dissimulé.

Quatrièmement, l'alignement des intérêts entre LP et market makers. La plainte de la CFTC contre FTX et Alameda du 13 décembre 2022 [22] consignait un détail technique précis : le code de FTX contenait une porte dérobée de type « allow negative flag », assortie d'une « ligne de crédit pratiquement illimitée » accordée à Alameda, ce qui permettait à celle-ci de retirer environ 8 milliards de dollars des dépôts de clients de FTX pour négocier pour compte propre ; la plainte de la SEC du 21 décembre 2022 contre Caroline Ellison et Gary Wang [23] a reformulé le même mécanisme dans des termes indépendants. Qu'un même contrôlant exploite simultanément un market maker et une plateforme de conservation des fonds d'utilisateurs représente un échantillon extrême de conflit d'agence entre un market maker et le marché qu'il sert.

Cinquièmement, la répartition du risque entre déposants et plateformes de prêt centralisées. Celsius Network a demandé une réorganisation au titre du chapitre 11 [38] (affaire №22–10964) devant le tribunal des faillites du district sud de New York le 13 juillet 2022, ses écritures du premier jour faisant état d'un passif total d'environ 5,5 milliards de dollars, dont environ 4,7 milliards de dollars de créances clients non garanties, d'un actif total d'environ 4,3 milliards de dollars et d'un écart actif-passif d'environ 1,2 milliard de dollars ; l'annonce d'accord de la FTC du 13 juillet 2023 [24] a par ailleurs infligé une sanction civile de 4,7 milliards de dollars à l'entité Celsius (une action indépendante, dont le montant coïncide par hasard avec celui des créances clients), suspendue du fait de la faillite afin que les actifs restants soient rendus aux consommateurs. Se présenter à l'extérieur avec un récit bancaire tout en fonctionnant en interne sur une structure non ségréguée a constitué le cœur du conflit d'agence entre plateformes de prêt et déposants.

Ces cinq cas relèvent en apparence de métiers différents, mais au niveau de la structure d'agence ils partagent une même matrice : une partie détient une information privée sur ses propres actions, sur la destination des actifs ou sur sa structure d'incitations, tandis que l'autre, qui a cédé un pouvoir de décision ou la garde d'actifs, ne dispose d'aucun mécanisme opposable de surveillance ni de recours.

1.4 Asymétrie d'information · L'effondrement endogène de la qualité de marché

Le troisième pilier — l'asymétrie d'information — n'est pas un mécanisme autonome parallèle aux deux premiers, mais leur précondition sous-jacente. Le modèle du marché des voitures d'occasion publié par Akerlof [4] dans la Quarterly Journal of Economics en est la formulation fondatrice : lorsque les vendeurs détiennent une information privée sur la qualité du produit tandis que les acheteurs n'observent que la distribution d'ensemble, l'offre maximale des acheteurs s'ancre à la valorisation correspondant à la qualité moyenne ; ce prix ne suffit pas à couvrir l'utilité de réserve des vendeurs de qualité élevée, et l'offre de qualité élevée quitte le marché ; la qualité moyenne du marché restant baisse encore, les acheteurs abaissent de nouveau leurs offres, et une spirale à sens unique s'installe jusqu'à ce que le volume de transactions se comprime à zéro ou presque. Akerlof a étendu ce mécanisme des voitures d'occasion à l'assurance, au crédit, au travail et aux marchés financiers des économies en développement, y voyant le mécanisme unifié qui explique un grand nombre de phénomènes de « marché manquant » : incertitude sur la qualité + asymétrie d'information = effondrement endogène du marché.

L'applicabilité de cette analyse au marché crypto opère à deux niveaux. Le premier est celui des actifs : les jetons non audités, le code non publié et les calendriers d'allocation non divulgués sont difficiles à distinguer, pour un acheteur, d'actifs entièrement audités, en open source et à l'allocation transparente ; le mécanisme de formation des prix tend à comprimer les deux dans la même plage de valeur espérée ; faute de mécanismes de certification crédibles, l'incitation des émetteurs de qualité élevée n'est pas de continuer à émettre, mais de sortir ou d'aller ailleurs. Le second est celui des intermédiaires : la posture de risque interne des plateformes d'échange centralisées, des market makers, des dépositaires et des plateformes de prêt est quasi inobservable pour les utilisateurs, qui ne peuvent estimer leur qualité moyenne qu'à partir de la marque, du marketing et de signaux indirects ; c'est la structure commune des affaires FTX, Celsius et Voyager dans le vocabulaire de l'économie de l'information.

Le modèle d'Akerlof établit la possibilité théorique d'un effondrement de marché, mais il ne répond pas directement à une autre question étroitement liée au marché crypto : dans un marché où les coûts de transaction ne sont pas infinis et où le capital d'arbitrage n'est pas absent, pourquoi l'asymétrie d'information peut-elle durablement écarter les prix des fondamentaux ? L'étude empirique de Makarov et Schoar [7] parue dans le Journal of Financial Economics, portant sur les écarts de cours du bitcoin entre plateformes et entre régions en 2017–2018, a apporté des éléments sur l'importance propre des limites de l'arbitrage sur le marché crypto. Les auteurs ont constaté que le bitcoin pouvait maintenir des écarts de cours de plusieurs points de pourcentage entre plateformes pendant des jours voire des semaines, et que ces écarts étaient significativement corrélés aux canaux d'entrée et de sortie en monnaie fiduciaire, aux frictions d'enregistrement et de conformité des plateformes et aux contrôles du compte de capital. L'arbitrage n'était pas absent, mais contraint par des frictions non marchandes à un niveau très inférieur à l'intensité nécessaire pour effacer les écarts. Les auteurs ont en outre documenté le caractère géographiquement systématique de ces écarts : les écarts entre les marchés coréen, japonais et américain n'étaient pas un bruit symétrique, mais des signaux structurels directionnels. Cette conclusion empirique est cohérente avec la tradition théorique de Shleifer et Vishny [8] sur les limites de l'arbitrage, tout en présentant un trait absent des marchés classiques : les transferts de fonds transfrontaliers, techniquement instantanés, restent lourdement freinés au niveau de la conformité et des canaux.

En combinant le mécanisme d'effondrement de marché d'Akerlof et les éléments de Makarov et Schoar sur les limites de l'arbitrage, la voie d'impact de l'asymétrie d'information sur le marché crypto peut se décrire en deux phases : ex ante, l'asymétrie d'information étouffe les incitations à l'entrée de l'offre de qualité élevée et fait plonger la qualité moyenne du marché ; ex post, les limites de l'arbitrage permettent au mauvais prix de persister sur des fenêtres suffisamment longues, ce qui confère à l'effondrement de qualité ex ante une persistance temporelle au niveau des prix.

1.5 La structure imbriquée à trois couches

Aligner les trois piliers théoriques côte à côte ne suffit pas à caractériser la défaillance systémique actuelle du marché crypto. Les trois ne sont pas logiquement parallèles, mais imbriqués. L'asymétrie d'information est la précondition de la couche de base : elle définit quelle information privée détiennent respectivement acheteurs, vendeurs, principaux et agents, et fixe les conditions aux limites de la surveillance et de l'identification. Le problème principal-agent est la structure de la couche intermédiaire : il décrit comment, en présence d'asymétrie d'information, la délégation du pouvoir de décision et de la garde des actifs se traduit en valeur économique extractible par les agents ; l'ampleur des coûts d'agence est déterminée par la structure informationnelle de la couche de base, mais leur réalisation effective dépend conjointement de la conception contractuelle, de l'intensité réglementaire et de la répartition des droits résiduels. Les cascades informationnelles sont la dynamique de la couche supérieure : elles décrivent comment, une fois que les structures d'agence ont encastré des voies de transfert de valeur et que l'asymétrie d'information a supprimé les mécanismes d'identification ex ante, les capitaux peuvent être orientés de manière directionnelle vers des cibles précises dans des fenêtres de temps courtes ; la vitesse et l'ampleur de la cascade dépendent de la visibilité des signaux d'action publique, de la force des signaux privés et de l'ordre de décision des participants.

Un corollaire direct de cette imbrication : renforcer les outils de gouvernance sur une seule couche ne suffit pas. Se contenter de publier les tableaux d'allocation de jetons (visant l'asymétrie d'information), se contenter d'exiger des KOL qu'ils signalent les promotions rémunérées (visant les problèmes d'agence) ou se contenter de poursuivre ex post la manipulation de cours une fois la cascade formée (visant les cascades informationnelles) : chaque mesure ne couvre qu'une partie du mécanisme complet à son niveau respectif ; et tant que l'asymétrie d'information de la couche de base n'est pas affaiblie, les structures d'agence de la couche intermédiaire se réorganiseront sous des formes nouvelles et les cascades de la couche supérieure seront déclenchées par de nouveaux médias. Si la série d'épisodes $LIBRA et $TRUMP a pu se produire intégralement sur fond de discours réglementaire existant, ce n'est pas parce qu'une couche isolée aurait été totalement ignorée, mais parce que l'interaction des trois couches n'a pas été traitée comme un tout.

Ce chapitre a posé les trois piliers théoriques et leur structure imbriquée. À partir du chapitre suivant, ce rapport entre dans la phase d'analyse de cas. Le chapitre 2 se concentre sur le mécanisme de la couche supérieure du cadre à trois couches — les cascades informationnelles — et, à travers les études de cas de la bulle des ICO, du Casino des Meme Coins et de l'airdrop farming, montre comment les cascades informationnelles sont accélérées, amplifiées et finissent par orienter des capitaux de grande ampleur vers des cibles au rendement espéré négatif dans les conditions particulières du marché crypto.

Chapitre 2 · Effets de comportement grégaire : une collection de cas de cascades informationnelles et de preuve sociale

2.1 Ouverture · Trois vagues, un mécanisme

Depuis que le marché crypto a acquis la capacité de mobiliser des capitaux à grande échelle, il a connu au moins trois vagues de participation de masse portées par des dynamiques de cascade informationnelle, chacune déclenchée par un médium différent mais s'achevant sur des résultats statistiques comparables.

La première fut la vague des ICO de 2016–2018. Les équipes de projet utilisaient les whitepapers comme principal outil de signalement, complété par l'appui de fonds de capital-risque et les cotations sur les plateformes d'échange, mobilisant environ 17,8 milliards de dollars de financement mondial en dix-huit mois. La deuxième fut la vague du Casino des Meme Coins de 2024–2025. Les plateformes décentralisées d'émission de jetons ont comprimé le seuil de création, de « whitepaper + trois mois de préparation » à « 2 dollars de frais + 30 secondes », les réseaux sociaux remplaçant les whitepapers comme médium principal des signaux d'action publique ; une seule plateforme a créé plus de 11 millions de jetons en deux ans. La troisième est la vague d'airdrop farming, de 2022 à aujourd'hui. Les équipes de projet, au moyen de programmes de points et d'exigences d'interaction, ont directement défini le comportement des participants ; les cascades ne reposaient plus sur une imitation sociale spontanée, elles étaient activement fabriquées par des mécanismes d'incitation, avec environ 26,6 milliards de dollars d'incitations en jetons distribués sur trois ans.

Chaque vague a attiré des millions de participants indépendants. Les trois ont partagé une caractéristique statistique : le rendement espéré agrégé des participants était négatif. Il ne s'agit pas de dire que « certains ont perdu de l'argent », mais d'un résultat systémique où la majorité des participants était en perte à la sortie. Ce chapitre traite ces trois vagues comme trois expériences indépendantes de la théorie des cascades informationnelles sur le marché crypto, et en extrait des paramètres communs de déclenchement, de vitesse de mobilisation et de morphologie de l'effondrement.

2.2 Ensemble de cas un · La bulle des ICO : la cascade du signal whitepaper

De janvier 2017 à juillet 2018, le marché mondial des ICO a levé au total environ 17,8 milliards de dollars [25], dont environ 5 milliards de dollars sur l'ensemble de 2017 (Swartz 2022), le premier trimestre 2018 constituant le trimestre record. Environ 966 projets d'ICO ont bouclé leur émission en 2017 ; ce nombre a bondi à environ 2 284 en 2018 [26], avec environ 482 ventes de jetons menées simultanément au plus fort. Ces chiffres décrivent un marché de financement passé de la quasi-inexistence à l'échelle des dizaines de milliards en dix-huit mois.

Haffke et Fromberger [10] ont pourtant rapporté, dans leur étude du marché des ICO, qu'environ 55 % des jetons d'ICO émis en 2017 avaient « perdu la quasi-totalité de leur valeur » à la fin de 2018. Les statistiques indépendantes de l'analyste du marché crypto Cermak [40] ont affiné le tableau : 74 % des jetons d'ICO de 2017 ont chuté de plus de 90 % mesurés en BTC ; le rendement médian en dollars s'est établi à −87 % ; seuls environ 7,7 % (environ 30 projets) de l'ensemble des jetons d'ICO émis en 2017 ont surperformé le BTC sur leur période de détention. Autrement dit, le fait que « les rendements agrégés des investisseurs sur le marché des ICO aient été négatifs » n'est pas un récit reconstruit après coup, mais un fait statistiquement testable.

Du point de vue de la théorie des cascades informationnelles, le mécanisme de mobilisation du marché des ICO se décompose en un empilement de signaux à quatre couches. La première couche était le whitepaper : un document décrivant la vision du projet, l'architecture technique et l'allocation des jetons. La deuxième couche était l'appui de fonds de capital-risque ou d'investisseurs en vue, présenté d'ordinaire sous forme de titres d'« Advisor » ou d'annonces d'« investisseur stratégique ». La troisième couche était la couverture et la promotion par les médias crypto et les KOL de la communauté. La quatrième couche était la cotation sur une plateforme d'échange : l'obtention, pour le jeton du projet, d'un support de négociation sur des plateformes comme Poloniex, Bittrex et Binance. Chaque couche de signal contenait isolément une information limitée : un whitepaper ne garantissait pas la mise en œuvre du code ; l'appui d'un fonds ne garantissait pas l'intégrité de l'équipe ; une couverture médiatique ne garantissait pas une évaluation indépendante du projet ; une cotation ne garantissait que la fourniture de liquidité, pas la qualité sous-jacente. Empilées, les quatre couches produisaient pourtant une force de signal d'action publique suffisante pour l'emporter sur le signal privé de l'investisseur particulier typique — satisfaisant précisément les conditions de formation de cascade décrites par Bikhchandani, Hirshleifer et Welch [1] dans leur article fondateur sur les cascades informationnelles.

Swartz [9] a proposé dans New Media & Society un cadre sociologique complémentaire de la théorie des cascades informationnelles : la bulle des ICO ne relevait pas de la structure binaire traditionnelle « escrocs pleinement informés contre victimes non informées », mais de ce qu'elle a défini comme une « arnaque en réseau », dans laquelle fonds de capital-risque, médias, KOL, équipes de projet et investisseurs particuliers étaient, à des degrés divers, à la fois émetteurs et récepteurs de signaux, à la fois moteurs et porteurs de la cascade.[³] Cette observation est cohérente avec la prédiction théorique de Bikhchandani et coauteurs [1] : dans une cascade informationnelle, les actions des suiveurs deviennent elles-mêmes des signaux qui renforcent encore la cascade ; les rôles de « victime » et d'« amplificateur » sont donc structurellement inséparables.

Le schéma d'effondrement du marché des ICO a lui aussi été conforme aux prédictions de la théorie des cascades informationnelles. En janvier 2018, l'ETH a atteint un plus haut historique d'environ 1 352 dollars ; en décembre de la même année, l'ETH était retombé à environ 84 dollars, soit une baisse d'environ 94 % par rapport au sommet. L'effondrement n'a pas consisté en « des projets révélant leurs problèmes les uns après les autres, poussant les investisseurs à sortir progressivement », mais en un effondrement simultané de l'ensemble du marché. Parmi les facteurs déclenchants, on compte au moins trois signaux externes de qualité élevée : le rapport d'enquête de la SEC sur The DAO du 25 juillet 2017 [27] (qui a établi que les jetons de The DAO étaient des titres financiers) ; l'interdiction totale des ICO en Chine en septembre 2017 ; et la baisse continue du cours de l'ETH à partir du premier trimestre 2018. Dans la théorie de Bikhchandani et coauteurs [1], le retournement d'une cascade exige un signal externe assez puissant pour l'emporter sur les signaux accumulés : l'effondrement du cours de l'ETH et les actions répressives de la SEC ont précisément joué ce rôle.

La bulle des ICO a montré la forme des cascades informationnelles à une époque de « coûts de signal élevés », exigeant une coordination entre plusieurs parties : whitepapers, fonds de capital-risque et plateformes d'échange. La section suivante montre ce que deviennent les cascades lorsque les coûts de signal tombent à « 2 dollars et 30 secondes ».

[³]: Swartz 2022 est un article de sociologie et d'études des médias. Ce chapitre cite son cadre d'« arnaque en réseau » comme complément interdisciplinaire de la théorie des cascades informationnelles.

2.3 Ensemble de cas deux · Le Casino des Meme Coins : la cascade industrialisée de 2 dollars et 30 secondes

La plateforme pump.fun, lancée le 19 janvier 2024, a bouleversé la structure de coûts de l'émission de jetons. Le processus d'émission d'un nouveau jeton sur la plateforme : téléverser une image, saisir un nom de ticker, payer l'équivalent d'environ 2 dollars en SOL de frais, et le jeton entre immédiatement dans un modèle de fixation de prix par courbe de bonding (une courbe qui fixe automatiquement le prix en fonction du volume d'achat) ; 30 secondes plus tard, n'importe qui peut le négocier. Aucun whitepaper, aucun audit de code, aucun appui de fonds de capital-risque, aucun examen de plateforme d'échange. Lorsque le volume d'achat d'un jeton sur la courbe de bonding atteint environ 85 SOL, la liquidité migre automatiquement vers une plateforme de négociation décentralisée (Raydium avant mars 2025, puis l'AMM maison de pump.fun, PumpSwap) et entre en circulation ouverte, un processus appelé « graduation ».

Fin 2025, pump.fun avait créé au total plus de 11 millions de jetons, avec un pic de création quotidienne d'environ 65 000. La plateforme a concentré plus de 80 % de la création de jetons sur Solana pendant sa période d'activité. Selon DefiLlama [28], son volume cumulé de négociation sur DEX a dépassé 150 milliards de dollars.[⁴] Les revenus mensuels record ont atteint 138 millions de dollars, avec des revenus quotidiens record d'environ 15 millions de dollars.

Ce processus de création de jetons à l'échelle industrielle s'est pourtant accompagné de taux d'attrition extrêmes. Moins de 2,1 % des jetons ont « gradué » de la phase de courbe de bonding. Environ 98 % des jetons se sont effondrés à près de zéro en moins de 24 heures. Côté utilisateurs, les statistiques publiques faisaient état d'environ 11,5 millions de portefeuilles en perte contre moins de 10 millions de portefeuilles en gain ; seuls environ 0,6 % des portefeuilles affichaient des gains cumulés supérieurs à 10 000 dollars.

Par rapport à l'ère des ICO, ce qui s'est produit est une réduction d'un ordre de grandeur du seuil de formation des cascades. Les coûts de signal de l'ère ICO — rédaction d'un whitepaper, discussions avec les fonds, négociation d'une cotation — se mesuraient en mois et en dizaines à centaines de milliers de dollars. Sous le modèle pump.fun, les coûts de signal ont été comprimés à 2 dollars et 30 secondes. L'implication en économie de l'information : lorsque le coût d'amorcer une cascade tend vers zéro, les cascades ne sont plus des « anomalies comportementales occasionnelles », mais un processus de production industrialisé, amorcé des dizaines de milliers de fois par jour, dont la très grande majorité s'éteint en quelques heures et dont une fraction infime reçoit une brève amplification.

Dans ce processus, les réseaux sociaux ont remplacé les whitepapers comme médium principal des signaux d'action publique. Les mentions « j'aime » et les repartages sur Twitter, les commentaires des directs de KOL, les messages des groupes Telegram : ces indicateurs équivalaient fonctionnellement au « combien de médias ont couvert le whitepaper » de l'ère ICO. Kogan, Makarov, Niessner et Schoar [2] ont apporté un appui quantitatif à ce mécanisme : à partir des données de 200 000 traders de la plateforme eToro, ils ont constaté que les pics d'attention conservaient un pouvoir prédictif significatif sur le cours et le volume des jetons crypto à court terme après contrôle par des variables représentatives des fondamentaux. L'ampleur de cet effet sur les jetons crypto était nettement supérieure à celle observée sur les actions traditionnelles : autrement dit, l'effet amplificateur des signaux sociaux sur les cascades du marché crypto est empiriquement confirmé, ce n'est pas une conjecture.

TRUMP, lancé le 17 janvier 2025, et MELANIA, le 19 janvier, ont été des exemples emblématiques de ce schéma : en moins de deux jours après le lancement, la valorisation entièrement diluée de $TRUMP (calculée sur 1 milliard de jetons au total) a brièvement atteint environ 27 milliards de dollars, avant de reculer de plus de 90 % au fil des semaines et des mois suivants ;[⁵] $MELANIA a présenté une trajectoire isomorphe. Le cas $LIBRA a été traité en détail au chapitre 1 et n'est pas repris ici. Les trois montrent un trait commun aux cascades informationnelles de l'ère des meme coins : la source du signal déclencheur n'est plus le whitepaper ni le fonds de capital-risque, mais une unique publication sur les réseaux sociaux d'une personne à l'influence considérable.

Un méta-phénomène mérite une observation à part : l'émission par pump.fun de son propre jeton, le 12 juillet 2025. Selon les registres de financement de DefiLlama [28], le tour comportait deux volets : une vente privée de jetons de 400 millions de dollars et une ICO publique de 600 millions de dollars, soit un total de 1 milliard de dollars, pour une valorisation entièrement diluée de 4 milliards de dollars.[⁶] C'est un événement structurellement notable : une plateforme qui fournit précisément l'infrastructure de création et de négociation de jetons à très fort taux d'attrition s'est elle-même tokenisée et a bouclé une mobilisation de capitaux à l'échelle d'un financement institutionnel. Les cascades informationnelles ne sont plus ici « un phénomène dans lequel les particuliers se font emporter », mais un modèle économique institutionnalisable, titrisable et valorisable par le marché secondaire : ceux qui ont une opinion sur la dynamique des cascades informationnelles peuvent désormais exprimer leurs anticipations sur sa persistance en achetant le jeton de la plateforme lui-même. Cette section se borne à consigner cette structure factuelle et ne porte aucun jugement sur sa conformité réglementaire ni sur son évaluation éthique.

Le Casino des Meme Coins a montré comment les réseaux sociaux ont transformé le médium de la cascade, des « whitepapers statiques » à l'« attention dynamique ». La section suivante montre comment les cascades s'institutionnalisent encore davantage, jusqu'à devenir de l'« incitation par le mécanisme ».

[⁴]: Les données de DefiLlama arrêtées à avril 2026 situent le volume cumulé de négociation sur DEX de pump.fun à environ 157,5 milliards de dollars. Le rapport de CoinDesk de décembre 2025 citait le chiffre de fin 2025 comme « >150 milliards de dollars ». Cette section retient 150 milliards de dollars comme borne inférieure prudente.

[⁵]: Il existe un écart d'indicateur sur la capitalisation de $TRUMP. CoinMarketCap enregistre le pic de capitalisation en circulation (ne comptant que les 200 millions de jetons émis publiquement) à environ 11,7 milliards de dollars (cours record d'environ 74 à 75 dollars, le 19 janvier 2025) ; Wikipédia et la plupart des grands médias citent 27 milliards de dollars, en référence à la valorisation entièrement diluée de 1 milliard de jetons. Cette section retient le second chiffre afin de refléter l'ampleur totale de mobilisation de capitaux de l'épisode, l'écart d'indicateur étant signalé.

[⁶]: Sur le financement total du jeton PUMP, les sources donnent des chiffres différents. DefiLlama enregistre 400 millions de dollars de vente privée + 600 millions de dollars d'ICO publique = 1 milliard de dollars ; certains médias citent un total de 1,3 milliard de dollars (600 millions publics + 700 millions privés). L'écart peut tenir à des périmètres comptables différents pour la vente privée. Cette section retient DefiLlama comme source primaire.

2.4 Ensemble de cas trois · Airdrop farming : la cascade induite par le mécanisme

Dans la bulle des ICO, les cascades informationnelles étaient déclenchées par le signal du whitepaper ; dans le Casino des Meme Coins, par l'attention sur les réseaux sociaux. Les deux avaient en commun que les participants devaient encore exercer un jugement actif : choisir quel projet d'ICO, suivre quelle meme coin. L'airdrop farming a introduit une troisième dynamique : les équipes de projet, par des règles de programme de points publiées, ont directement défini le comportement des participants. Ceux-ci n'avaient pas à juger de la qualité du projet ; il leur suffisait d'accomplir les actions on-chain spécifiées selon les règles — passer d'une chaîne à l'autre via un pont, fournir de la liquidité, exécuter un nombre donné de transactions — pour espérer de futurs airdrops de jetons. C'est une cascade induite par le mécanisme : la cible de la cascade n'est pas « ce que les participants achètent », mais « ce que les participants font ».

L'ampleur de ce schéma se mesure sur deux dimensions. Côté distribution de jetons, les équipes de projet ont distribué au total environ 26,6 milliards de dollars de jetons par airdrop sur trois ans [29]. Côté participants, l'airdrop farming a fait naître une chaîne d'approvisionnement industrialisée centrée sur les attaques Sybil, où une seule entité crée de nombreuses adresses de portefeuille et répète sur chacune le même jeu d'actions définies par les règles afin d'obtenir plusieurs allocations d'airdrop.

Les attaques Sybil ne sont pas des actes frauduleux isolés, mais des sous-produits structurels des cascades induites par le mécanisme. Lorsque les règles d'incitation reposent sur des indicateurs comme le « nombre de portefeuilles », le « nombre de transactions » ou le « nombre de messages inter-chaînes », qui peuvent être générés par des machines, et que le coût marginal des machines est très inférieur à celui des humains, l'arbitrage automatisé devient la stratégie optimale du participant rationnel. Les données Sybil de trois airdrops emblématiques illustrent nettement cette structure :

L'airdrop de LayerZero de juin 2024 représente le cas anti-Sybil le plus agressif. Le projet a publiquement demandé aux opérateurs de Sybil de se dénoncer eux-mêmes avant le snapshot, en promettant à ceux qui le feraient de conserver 15 % de l'allocation attendue. Il a ensuite collaboré avec Chaos Labs et Nansen pour l'analyse on-chain. Au final, LayerZero a annoncé avoir identifié et exclu 803 093 [30] adresses Sybil, soit environ 59 % de son vivier initial d'adresses candidates ; son PDG, Bryan Pellegrino, a révélé plus tard que l'estimation finale du total des adresses Sybil se situait entre 1,1 et 1,3 million. Cela signifie que, dans un protocole comptant environ 6 millions d'interactions cumulées de portefeuilles, le taux de pénétration des opérateurs de Sybil dépassait largement la moitié des adresses candidates. Après l'airdrop (20 juin 2024), le cours du jeton ZRO est passé de 4,79 dollars à environ 4,00 dollars en 36 jours, soit une baisse d'environ 16 %.

L'airdrop de zkSync Era de juin 2024 a été largement critiqué pour l'insuffisance de ses mesures anti-Sybil. Le CISO de Polygon Labs, Mudit Gupta, a commenté publiquement : « C'est peut-être l'airdrop le plus farmable de l'histoire. D'après ce que je vois, presque aucun filtrage Sybil n'a été effectué. » Son jeton natif ZK a reculé d'environ 39,29 % au cours des 36 jours écoulés entre le jour de l'airdrop (17 juin 2024) et le 23 juillet 2024, soit environ 2,5 fois la baisse du ZRO de LayerZero sur la même période.

L'airdrop de Hyperliquid de novembre 2024 fournit un échantillon témoin. Le projet a distribué environ 274 millions de jetons HYPE (environ 27,4 % de 1 milliard d'offre totale ; 310 millions alloués, dont la part effectivement réclamée) à environ 94 000 adresses, soit une moyenne d'environ 2 915 HYPE par adresse.[⁷] La différence clé avec LayerZero et zkSync : le système de points de Hyperliquid était directement adossé à un comportement de négociation réel (passer des ordres, exécuter des transactions, gérer des positions) plutôt qu'à des passages de pont ou des envois de messages reproductibles par machine ; et le projet n'avait pas d'investissement externe de capital-risque, 76,2 % de l'offre de jetons étant explicitement alloués à la communauté. Après l'émission, le HYPE n'a pas seulement évité la baisse : il est monté continûment depuis un cours d'ouverture d'environ 2 dollars jusqu'à atteindre brièvement environ 35 dollars. L'enquête inter-projets de Cookie3 [31] a montré que jusqu'à 70 % des portefeuilles éligibles aux airdrops relevaient d'opérateurs multi-portefeuilles ; mais Hyperliquid, en adossant ses règles d'incitation à des comportements de négociation difficiles à automatiser, a effectivement réduit le rendement marginal des opérations Sybil et a ainsi obtenu un filtrage Sybil non conflictuel par la seule conception structurelle.

En observant les trois cas en parallèle, une relation structurelle apparaît : la capacité anti-Sybil et la stabilité du cours du jeton sont corrélées positivement. zkSync, quasiment dépourvu de mécanisme anti-Sybil, a reculé de 39 % en 36 jours ; LayerZero, doté d'un anti-Sybil agressif mais rétroactif, a reculé de 16 % en 36 jours ; Hyperliquid, avec une logique anti-Sybil intégrée à la conception des règles d'incitation, s'est apprécié après l'émission. Makarov et Schoar [7] relèvent dans leurs travaux sur les limites de l'arbitrage que les mécanismes de correction des prix du marché crypto sont contraints par des frictions non marchandes ; la capacité d'identification des Sybil dans l'airdrop farming constitue un nouvel exemple d'une telle friction : la limite technique d'identification des Sybil d'un projet détermine la structure de pression vendeuse après l'émission du jeton, laquelle détermine à son tour la stabilité du cours à court terme.

La phase de sortie des cascades induites par le mécanisme présente un trait distinct de celui des cascades naturelles. Les données de LayerZero en donnent une image précise : du 30 avril 2024 (date du snapshot) au 7 juillet 2024 (proche de la date de l'airdrop), les messages inter-chaînes de LayerZero ont reculé de 91,5 % et les transactions quotidiennes de plus de 92 %. L'effondrement d'activité n'a pas été déclenché par un « retournement collectif du sentiment », mais par la « réalisation de l'incitation », qui a provoqué un retrait généralisé. Une fois le rendement attendu des règles de points converti en jetons d'airdrop, le rendement marginal d'une interaction supplémentaire est tombé à zéro et les participants se sont rationnellement déplacés vers le protocole suivant n'ayant pas encore fait d'airdrop. Ce schéma de sortie révèle une troisième caractéristique structurelle des cascades induites par le mécanisme : les participants sont formellement des « utilisateurs libres », mais du point de vue de l'alignement des incitations ils sont une main-d'œuvre externalisée définie par l'équipe de projet : leur comportement est programmé avec précision par les règles d'incitation, et le moment de leur sortie est déclenché avec précision par la réalisation de l'incitation.

[⁷]: Allocation totale de Hyperliquid : 310 millions de HYPE (31 % de 1 milliard) ; environ 274 millions effectivement réclamés (certains utilisateurs n'ont pas réclamé faute d'avoir signé les conditions du Genesis Event ; ASXN Data). 94 000 adresses ont réclamé, pour une moyenne d'environ 2 915 par adresse. La répartition a toutefois été très inégale : environ 56,6 % des utilisateurs ont reçu au plus 100 jetons ; la plus grosse réclamation d'une seule adresse s'est élevée à 970 000 jetons.

2.5 Le noyau commun de trois schémas

Les paramètres mécaniques des trois vagues peuvent être comparés en parallèle. Sur la dimension du signal déclencheur, les cascades des ICO étaient déclenchées par les whitepapers et l'appui des fonds de capital-risque ; celles des meme coins, par l'attention sur les réseaux sociaux ; celles des airdrops, par des règles de points publiées. Sur la dimension du médium de mobilisation, l'ère ICO reposait sur la couverture des médias crypto et l'examen des plateformes d'échange à la cotation ; l'ère des meme coins, sur Twitter, Telegram, les directs et la fixation automatique des prix par courbe de bonding ; l'ère des airdrops, sur la documentation officielle des équipes de projet et les « tutoriels » produits par les KOL. Sur la dimension du rôle des participants, ceux des ICO se voyaient comme des « investisseurs », ceux des meme coins comme des « traders », et ceux des airdrops ressemblaient structurellement à des « utilisateurs » guidés pour exécuter des actions précises ; les trois occupaient pourtant la même position dans le modèle de cascade informationnelle : celle de suiveurs. Sur la dimension de la morphologie de l'effondrement, le marché des ICO s'est effondré de manière synchrone dans son ensemble (baisse de l'ETH de 94 % sur l'ensemble de 2018) ; les meme coins se sont effondrées individuellement en moins de 24 heures, comme norme (98 % tombées à zéro en un jour) ; les airdrops se sont manifestés par un retrait collectif après réalisation de l'incitation (le volume de messages de LayerZero a reculé de 91,5 %).

Le noyau commun derrière ces différences se résume à une observation centrale que propose ce rapport : chaque fois que le coût d'« amorcer un signal d'action publique » sur le marché crypto est systématiquement réduit, les cascades informationnelles réapparaissent sous des formes nouvelles. À l'ère ICO, la standardisation du whitepaper a fait passer les coûts de signal de « centaines de milliers de dollars + des mois » à « dizaines de milliers de dollars + des semaines » ; à l'ère des meme coins, la fixation des prix par courbe de bonding les a fait passer de « dizaines de milliers de dollars + des semaines » à « 2 dollars + 30 secondes » ; à l'ère des airdrops, la quantification publique des règles de points a fait passer les « coûts du signal d'incitation » de « exiger un jugement individuel » à « exécuter selon la règle ». Trois réductions, trois cascades.

Les trois vagues ont aussi partagé une seconde condition structurelle : toutes trois ont opéré dans des environnements dépourvus à la fois de mécanismes d'identification ex ante et de mécanismes de traçabilité ex post. L'action de la SEC à l'ère ICO relevait de la poursuite ex post ; les litiges liés à pump.fun de l'ère des meme coins sont toujours en cours ; l'identification des Sybil à l'ère des airdrops, dans le cas le plus agressif (LayerZero), n'a pu exclure que 59 % des adresses Sybil candidates. Aucune époque n'a mis en place d'institutions ex ante efficaces pour empêcher la formation des cascades.

L'observation la plus essentielle est celle-ci : les cascades informationnelles ne sont pas des « accidents » du marché crypto, mais un trait structurel. Tous les 3–4 ans, à mesure que les outils technologiques abaissent les coûts de signal, que les réseaux sociaux renouvellent les médiums de mobilisation et que les cycles de retard de l'application réglementaire rouvrent des fenêtres, les cascades réapparaissent sous des formes nouvelles.

Ce chapitre a analysé trois manifestations représentatives des cascades informationnelles sur le marché crypto et a montré, pour chaque schéma, ses signaux déclencheurs, ses médiums de mobilisation et sa morphologie d'effondrement. Mais les cascades ne sont que la dynamique de la couche supérieure : ce qui permet réellement de les institutionnaliser encore et encore comme instruments de financement, c'est le problème de structure d'agence de la couche intermédiaire. Le chapitre 3 entre dans la collection de cas d'effondrement principal-agent et analyse comment BitConnect, Three Arrows Capital, Celsius et FTX illustrent des formes extrêmes de divergence d'intérêts entre agent et principal sur le marché crypto.

Chapitre 3 · Effondrement principal-agent : cas extrêmes de désalignement des incitations

3.1 Ouverture · Quatre effondrements, une matrice

Au cours des six années allant de 2016 à 2022, le marché crypto a connu quatre effondrements d'agence de grande ampleur, chacun sous une forme d'activité différente mais partageant le même ensemble de préconditions au niveau de la structure d'agence. BitConnect (2016–2018) a absorbé des actifs d'investisseurs sous couvert d'un « programme de prêt » ; l'acte d'accusation du ministère de la Justice a chiffré la fraude à environ 2,4 milliards de dollars. Three Arrows Capital (effondré en juin 2022) opérait comme fonds spéculatif crypto ; les écritures de liquidation ont fait état de dettes envers 27 créanciers pour un total d'environ 3,5 milliards de dollars. Celsius Network (déclaration de faillite en juillet 2022) a absorbé des dépôts de particuliers sous un récit d'« épargne à haut rendement » ; ses écritures du premier jour ont fait état d'un passif total d'environ 5,5 milliards de dollars, dont environ 4,7 milliards de dollars de créances clients non garanties. FTX (effondré en novembre 2022) détenait les actifs des utilisateurs en sa qualité de dépositaire de plateforme d'échange ; le jugement final de la CFTC a fixé la réparation monétaire à 12,7 milliards de dollars.

Les quatre cas couvrent trois phases complètes du marché crypto — des ICO au DeFi Summer puis au « récit d'institutionnalisation » —, et pourtant des effondrements d'agence sont survenus à chaque phase, avec une ampleur d'exposition orientée à la hausse. Ce constat pose une question structurelle : quelles conditions communes des relations d'agence du marché crypto permettent à un transfert de valeur de grande ampleur de fonctionner sans interruption pendant des mois ou des années avant l'effondrement ? Ce chapitre répond à cette question par l'analyse approfondie de quatre cas.

3.2 BitConnect · Effondrement d'agence de type Ponzi

Le « programme de prêt » de BitConnect exigeait des utilisateurs qu'ils déposent des BTC sur la plateforme, laquelle affirmait que son « bot de trading logiciel de volatilité » utiliserait ces fonds pour négocier, générant pour les utilisateurs des rendements composés d'environ 1 % par jour, soit environ 3 700 % en rythme annualisé. L'acte de délégation était complet à ce stade : le contrôle des actifs passait des utilisateurs aux opérateurs de BitConnect, et les utilisateurs recevaient un « chiffre de rendement » invérifiable, affiché dans le système interne de BitConnect, sans pouvoir confirmer s'il correspondait à des profits de négociation réels ou à une redistribution des fonds nouvellement entrants.

Cette structure satisfait simultanément les conditions de sélection adverse et d'aléa moral du cadre des coûts d'agence de Jensen et Meckling [3]. Au niveau de la sélection adverse : les utilisateurs ne pouvaient pas évaluer, avant l'établissement de la relation d'agence, si le « bot de trading » existait ou possédait la rentabilité annoncée — l'information sur le type de l'agent était inobservable pour le principal. Au niveau de l'aléa moral : une fois la relation d'agence établie, l'usage réel des fonds par les opérateurs (les fonds servaient-ils effectivement à négocier ?) était totalement opaque pour les utilisateurs — l'information sur les actions de l'agent était inobservable pour le principal. Le ministère de la Justice a ensuite établi dans son acte d'accusation [32] : « BitConnect a exploité un schéma de Ponzi de manuel » — autrement dit, l'agent n'a jamais réellement exécuté la tâche déléguée ; le prétendu bot de trading soit n'existait pas, soit n'a jamais généré les rendements annoncés.[⁸]

[⁸]: Sur l'ampleur de la fraude BitConnect, la plainte civile de la SEC de septembre 2021 avançait « 2 milliards de dollars » ; l'acte d'accusation pénal du ministère de la Justice de février 2022 avançait « 2,4 milliards de dollars ». L'écart doit être attribué à des méthodes de calcul différentes entre la procédure civile et la procédure pénale. Ce chapitre cite les deux chiffres dans des contextes distincts, avec mention des sources.

La capacité de mobilisation de BitConnect tenait en partie à son réseau de promoteurs à plusieurs niveaux. Les opérateurs versaient des commissions à des promoteurs, qui recrutaient de nouveaux investisseurs par des vidéos YouTube, des publications sur les réseaux sociaux et des événements en présentiel. Les promoteurs occupaient une double identité dans la structure d'agence : pour les investisseurs, ils étaient des « agents d'information », dont les expériences d'investissement et les démonstrations de rendement affichées publiquement faisaient office de signaux d'action publique dans une cascade informationnelle ; pour la plateforme, ils étaient des « agents d'acquisition », dont la rémunération était indexée sur les capitaux nouvellement entrants. Le principal promoteur aux États-Unis, Glenn Arcaro, a plaidé coupable de chefs d'accusation pénaux fédéraux en septembre 2021 ; en janvier 2023, le tribunal lui a ordonné de verser une restitution de 17 millions de dollars à environ 800 victimes. Ce chiffre illustre à lui seul l'effet de levier des promoteurs au sein de la structure d'agence : l'activité promotionnelle d'une seule personne pouvait influencer les décisions d'allocation d'actifs de centaines de principaux.

L'effondrement s'est déclenché selon un cheminement typique des fins de structure de Ponzi. Le 3 janvier 2018, la Texas State Securities Board a émis une ordonnance de cesser et de s'abstenir [34] contre BitConnect, en employant explicitement les mots « schéma de Ponzi » ; le service des valeurs mobilières de Caroline du Nord a suivi. Le 17 janvier 2018, BitConnect a fermé son programme de prêt ; les jetons BCC ont plongé de 92 % dans la journée, depuis un plus haut historique antérieur d'environ 463 dollars, entrant dans une destruction de valeur irréversible. L'effondrement ne s'est pas produit parce que « les utilisateurs auraient collectivement découvert la vérité », mais parce que l'action réglementaire a coupé l'afflux de capitaux nouveaux — conformément à la prédiction théorique des structures de Ponzi : lorsque le flux de capitaux nouveaux ne suffit plus à couvrir les engagements existants, la structure doit s'effondrer, le moment de l'effondrement étant déterminé par un choc externe et non par une fuite d'information interne.

Le fondateur de BitConnect, Satish Kumbhani, a été mis en accusation [33] par un grand jury fédéral en février 2022 et fait face à plusieurs chefs d'accusation pénaux (fraude électronique, blanchiment d'argent, manipulation de cours, entre autres), passibles de 70 ans au maximum. Au moment de la rédaction de ce rapport, on ignore où se trouve Kumbhani : la SEC a confirmé qu'il avait quitté l'Inde, son pays de résidence actuel étant inconnu. L'Enforcement Directorate indienne a saisi environ 190 millions de dollars d'actifs liés à BitConnect en février 2025.[⁹]

[⁹]: Source de la saisie des actifs BitConnect par l'ED indienne : CoinDesk, 17 février 2025, « India’s Directorate of Enforcement Seizes $190M in BitConnect Ponzi Scheme Case ». coindesk.com

BitConnect représente la structure d'agence la « plus pure » des quatre cas : l'agent n'a jamais exécuté la tâche déléguée, et les coûts d'agence ont égalé 100 % des actifs délégués. Dans le cas suivant, le problème d'agence est implicite : les rendements existaient réellement, mais l'exposition au risque était systématiquement dissimulée.

3.3 Three Arrows Capital · Effondrement d'agence de type levier

Three Arrows Capital (ci-après « 3AC ») était un fonds spéculatif crypto immatriculé aux Îles Vierges britanniques (BVI), dont les actifs sous gestion auraient dépassé, au plus haut, 10 milliards de dollars [35]. Ses prêteurs — dont Genesis (2,3 milliards de dollars), Voyager Digital (685 millions de dollars), Blockchain.com et 27 créanciers au total — ont prêté à 3AC en se fiant à ses capacités de gestion des risques en tant que « gérant professionnel de fonds crypto ».

Le problème d'agence de 3AC s'est manifesté dans une structure d'asymétrie d'information décisive : chaque prêteur ne pouvait observer que ses propres conditions de prêt et sa propre situation de marge auprès de 3AC, mais aucun prêteur ne connaissait l'ampleur totale de l'endettement de 3AC ni la concentration totale de ses positions auprès de tous les autres prêteurs. C'était une structure d'agence de « prêt distribué + positionnement concentré » : l'exposition au risque évaluée indépendamment par chaque prêteur était très inférieure au véritable risque systémique de 3AC. Le théorème de la statistique exhaustive de Holmström [5] fournit ici une vérification en creux : si les prêteurs avaient pu observer un « état des positions totales tous prêteurs confondus » comme signal supplémentaire, ce signal — le résultat déjà connu de chaque prêteur étant donné (à savoir la tenue des remboursements de son propre prêt) — aurait tout de même apporté une information supplémentaire sur la prise de risque réelle de 3AC. Selon la théorie de Holmström, ce signal aurait donc dû être intégré aux conditions du contrat de prêt. En pratique, le marché crypto du prêt en 2022 ne disposait d'aucun mécanisme de partage d'information de ce type entre institutions. L'exigence de marge de Genesis pour ses prêts à 3AC n'était que de 80 % — ce qui signifie que 3AC pouvait emprunter 125 dollars avec 100 dollars de marge, et que Genesis ne pouvait pas vérifier si ces 100 dollars étaient simultanément nantis auprès d'autres prêteurs.

Le cheminement de l'effondrement a commencé avec l'épisode Terra/Luna de mai 2022. Les écritures judiciaires de liquidation [35] ont documenté un investissement de 3AC compris entre 200 et 600 millions de dollars en jetons LUNA en février 2022 ; cet investissement a été quasi intégralement anéanti lors de l'effondrement de Terra en mai. Plusieurs prêteurs ont lancé des appels de marge simultanés ; 3AC n'a pas pu y répondre. Le 27 juin 2022, le tribunal des BVI a prononcé une ordonnance de liquidation ; le 2 juillet, 3AC a demandé la protection du chapitre 15 aux États-Unis. Le liquidateur Teneo [35] a ensuite révélé un fait frappant : 3AC n'avait « pratiquement aucun livre ni registre » — le liquidateur n'a même pas pu, dans un premier temps, entrer dans les bureaux de 3AC et a eu besoin de l'assistance du tribunal. « Pratiquement aucun livre » n'était pas qu'une défaillance de gouvernance d'entreprise, mais un marqueur extrême d'effondrement d'agence : l'agent n'a pas seulement dissimulé le déroulement de ses actions, il a supprimé la possibilité même d'un audit ex post.

Les écritures judiciaires ont aussi révélé la conduite des fondateurs Su Zhu et Kyle Davies pendant la liquidation : tous deux se trouvaient à Bali (selon des informations publiques, Zhu faisait du surf et Davies peignait) ; les documents judiciaires consignaient que Zhu avait versé un acompte sur un yacht valorisé à environ 50 millions de dollars ; le liquidateur a demandé à examiner si deux Good Class Bungalows de Singapour au nom de l'épouse de Zhu (valorisés à environ 35 et 21 millions de dollars) avaient été achetés avec des actifs de la société. En septembre 2023, Zhu a été arrêté à l'aéroport de Changi (Singapour) alors qu'il tentait de quitter le pays et a été condamné à 4 mois d'emprisonnement pour refus de coopérer à la procédure de liquidation.

L'effondrement de 3AC a mis en évidence la contagion du risque d'agence par les chaînes de prêt. Genesis, ravagé par les 2,3 milliards de dollars de créance douteuse de 3AC, a vu ses pertes partiellement absorbées par sa maison mère Digital Currency Group (DCG) ; Genesis a fini par faire faillite en 2023. Voyager Digital a déposé le bilan directement du fait du défaut de 685 millions de dollars de 3AC. Blockchain.com a procédé à des licenciements massifs. Chaque étage de la relation de prêt avait sa propre asymétrie d'information, mais le risque systémique empilé dépassait de loin le niveau observable à n'importe quel étage isolé — c'est l'« effet de contagion » des problèmes d'agence, où l'effondrement d'agence d'un emprunteur se propage dans le réseau de créanciers jusqu'à devenir une crise de crédit à l'échelle du système.

Makarov et Schoar [7] relèvent dans leurs travaux sur les limites de l'arbitrage que les mécanismes de correction des prix du marché crypto sont contraints par des frictions non marchandes. Le cas 3AC prolonge cette conclusion au marché du crédit : les prêteurs auraient théoriquement pu suivre les positions on-chain de 3AC grâce aux données de la chaîne, mais les frictions de conformité, de confidentialité et techniques ont empêché que cette vérification soit effectivement appliquée dans les décisions de crédit réelles. La « transparence on-chain » du marché crypto ne s'est pas traduite par une surveillance efficace au sein des relations d'agence réelles.

3.4 Celsius · Effondrement d'agence de type dépôt-prêt

Le récit central de Celsius Network auprès de ses utilisateurs était celui de l'« épargne crypto à haut rendement » : déposer des cryptoactifs chez Celsius, percevoir des rendements annualisés de 5 % à 18 % et « retirer à tout moment ». Ce récit construisait une relation principal-agent implicite : les utilisateurs déléguaient la gestion de leurs cryptoactifs à Celsius, qui promettait conservation et rendement. Les conditions générales de Celsius lui permettaient pourtant d'« utiliser, nantir, prêter, vendre et disposer de toute autre manière » des cryptoactifs déposés par les utilisateurs ; la très grande majorité d'entre eux n'a ni lu ni compris la portée de cette autorisation.

Le déploiement des actifs de Celsius allait bien au-delà du « prêt prudent » : prêter des actifs de clients à 3AC (Celsius figurait parmi les créanciers de 3AC, avec une exposition d'environ 75 millions de dollars) ; faire du staking de l'ETH des clients ; investir dans des protocoles DeFi à haut risque. Ces voies de déploiement étaient quasi invisibles pour les utilisateurs : ceux-ci ne voyaient sur l'interface de Celsius que le « solde » et le « rendement », sans pouvoir retracer la destination réelle de leurs actifs.

Comme indiqué au chapitre 1, Cong, Li et Wang [6] ont relevé dans leur modèle de finance de plateforme tokenisée que la boucle de rétroaction positive entre la valeur du jeton de plateforme et l'activité de celle-ci encastre en soi un mécanisme d'amplification du conflit d'agence. Bien que Celsius n'ait pas été un émetteur de jetons typique, la dynamique de son jeton de plateforme CEL correspondait pleinement à ce modèle : hausse du cours du CEL → attire davantage de dépôts d'utilisateurs → Celsius obtient davantage de fonds déployables → génère des rendements à court terme plus élevés → le cours du CEL monte encore. Cette boucle de rétroaction positive a accéléré l'expansion de Celsius pendant les marchés haussiers tout en dissimulant le vrai niveau de risque de son actif.

La conduite personnelle du directeur général de Celsius, Alex Mashinsky, a encore aggravé l'aléa moral. L'acte d'accusation du ministère de la Justice de juillet 2023 [37] lui reprochait d'avoir déclaré publiquement que « Celsius est plus sûre que les banques » tout en sachant que la plateforme faisait face à des difficultés financières importantes. En décembre 2024, Mashinsky a plaidé coupable de deux chefs de fraude sur matières premières et de manipulation de marché.[¹⁰] Il ne s'agit pas d'un jugement sur « la personnalité », mais d'une illustration empirique standard de l'aléa moral : l'agent, pendant la durée de la relation d'agence, a exploité son avantage informationnel pour prendre des mesures contraires aux intérêts du principal et, lorsqu'une divulgation était requise, a choisi la déclaration trompeuse.

[¹⁰]: Source du plaidoyer de culpabilité de Mashinsky : Reuters, 3 décembre 2024 ; communiqué du ministère de la Justice de décembre 2024.

Le cheminement de l'effondrement était directement lié à 3AC. Les effets en cascade des effondrements de Terra/Luna et de 3AC de mai et juin 2022 ont frappé l'actif de Celsius : 3AC, en tant qu'un de ses emprunteurs, n'a pas pu rembourser ses prêts, tandis que la valeur des protocoles DeFi se contractait simultanément. Le 12 juin 2022, Celsius a annoncé la suspension de tous les retraits — les utilisateurs n'ont découvert qu'à cet instant que la promesse de « retirer à tout moment » n'était pas opposable. Le 13 juillet 2022, Celsius a demandé une réorganisation au titre du chapitre 11 [38] devant le tribunal des faillites du district sud de New York (affaire №22–10964) ; ses écritures du premier jour ont fait état d'un passif total d'environ 5,5 milliards de dollars, dont environ 4,7 milliards de dollars de créances clients non garanties, d'un actif total d'environ 4,3 milliards de dollars et d'un écart actif-passif d'environ 1,2 milliard de dollars. L'accord de la FTC de juillet 2023 [24] a par ailleurs infligé une sanction civile de 4,7 milliards de dollars à l'entité Celsius (une action indépendante, dont le montant coïncide par hasard avec celui des créances clients).

Les effondrements d'agence de Celsius et de 3AC se sont noués sur la même chaîne de prêt et illustrent les effets de second ordre de l'agence en couches : utilisateur → Celsius → 3AC → Terra/Luna. Chaque étage de la relation d'agence avait sa propre asymétrie d'information, mais celui qui a supporté la perte finale est le déposant particulier situé au bout de la chaîne — lequel, en déposant ses actifs, ignorait que ses fonds étaient prêtés à 3AC, et plus encore que les positions de 3AC étaient concentrées sur un pari directionnel sur Terra/Luna. La sanction de 4,7 milliards de dollars de la FTC [24] a confirmé juridiquement une conclusion : le « récit bancaire » de Celsius était de fait une déclaration trompeuse.

3.5 FTX · Effondrement d'agence de conservation

La structure d'agence de FTX était la plus complexe des quatre cas. Les utilisateurs déposaient des actifs sur la plateforme d'échange FTX (rôle un : dépositaire) ; Alameda Research utilisait ces actifs pour négocier directionnellement pour compte propre (rôle deux : compte propre) ; Alameda fournissait en même temps des services de market making pour de multiples paires de négociation sur la plateforme de FTX (rôle trois : market making) — trois rôles concentrés sous le contrôle de Samuel Bankman-Fried. Dans la finance traditionnelle, la séparation obligatoire entre conservation et négociation pour compte propre (la muraille de Chine) compte parmi les exigences de conformité les plus élémentaires ; non seulement FTX n'avait pas cette séparation, mais elle avait encastré des portes dérobées techniques dans son code pour permettre à Alameda de contourner les contrôles de risque.

Comme cité au chapitre 1, la plainte de la CFTC du 13 décembre 2022 [22] a documenté deux détails techniques précis : un « allow negative flag » dans le code de FTX, qui permettait au solde du compte d'Alameda de devenir négatif sans déclencher de liquidation automatique, et une « ligne de crédit pratiquement illimitée » accordée à Alameda, qui lui permettait de retirer des fonds de dépôts de clients pour négocier pour compte propre. La plainte indépendante de la SEC du 21 décembre 2022 contre Caroline Ellison et Gary Wang [23] a reformulé le même mécanisme en d'autres termes. Jensen et Meckling [3] décomposaient les coûts d'agence en coûts de surveillance, coûts de caution et perte résiduelle ; dans le cas de FTX, les coûts de surveillance tendaient vers l'infini (les utilisateurs ne pouvaient pas auditer les flux de fonds internes de FTX), les coûts de caution tendaient vers zéro (les conditions générales de FTX n'interdisaient pas explicitement le détournement) et la perte résiduelle égalait le montant détourné « au-delà de 8 milliards de dollars » confirmé dans le communiqué du ministère de la Justice.

L'effondrement a été déclenché par une rupture classique de l'asymétrie d'information. Le 2 novembre 2022, CoinDesk [36] a rapporté que le bilan d'Alameda comportait de grandes quantités de FTT (le jeton de plateforme de FTX) — une information jusque-là invisible pour le marché. Le directeur général de Binance, Changpeng Zhao, a ensuite annoncé qu'il vendrait ses FTT, déclenchant la panique du marché. Les utilisateurs ont commencé à retirer en masse ; FTX n'a pas pu répondre à la demande de retraits, les fonds des clients ayant été détournés par Alameda. Le 11 novembre 2022, FTX a demandé la protection du chapitre 11. Du reportage de CoinDesk au dépôt de bilan, 9 jours seulement : la deuxième plateforme d'échange crypto mondiale est passée d'une activité normale à la faillite en moins de deux semaines.

Les révélations postérieures à l'effondrement ont encore illustré le degré d'absence de surveillance de l'agence : FTX n'avait pas de conseil d'administration indépendant ; pas de directeur financier indépendant ; pas de systèmes formels de contrôle financier ; pas de mécanisme de ségrégation des actifs clients. Le 28 mars 2024, le parquet fédéral du district sud de New York [18] a annoncé que Bankman-Fried était condamné à 25 ans de prison fédérale ; le communiqué du procureur Damian Williams déclarait explicitement qu'il avait détourné des fonds de clients « au-delà de 8 milliards de dollars ». L'ordonnance finale de la CFTC d'août 2024 [19] a enjoint à FTX de verser 12,7 milliards de dollars de réparation monétaire aux clients et aux victimes, dont 8,7 milliards de dollars de restitution, le tribunal prononçant en outre une ordonnance de confiscation « supérieure à 11 milliards de dollars ».

Le théorème de la statistique exhaustive de Holmström [5] fournit une autre vérification en creux : si les utilisateurs avaient pu observer le signal « les actifs des clients sont-ils réellement ségrégués des comptes d'Alameda ? », ce signal — le résultat « la plateforme fonctionne normalement » étant donné — aurait tout de même apporté une information supplémentaire sur le comportement réel de l'agent (y a-t-il eu détournement ?). Selon la théorie de Holmström, ce signal aurait donc dû être intégré à un contrat principal-agent raisonnable. Mais l'architecture de FTX n'a jamais offert cette observabilité aux utilisateurs. Ce n'était pas une « omission » a posteriori, mais un préréglage au niveau du code : l'existence de l'« allow negative flag » signifiait que la non-ségrégation des actifs était une prémisse intégrée au fonctionnement de FTX, non un résultat accidentel.

De BitConnect à FTX, la structure de l'effondrement d'agence a évolué du « Ponzi explicite » au « triple conflit implicite », mais elle a partagé une matrice invariante.

3.6 La matrice commune des quatre cas

Les paramètres de structure d'agence des quatre cas peuvent être comparés en parallèle. Sur la dimension du type d'agence, BitConnect était un Ponzi pur (l'agent n'a jamais exécuté la tâche déléguée) ; 3AC relevait de la gestion de fonds (l'agent a exécuté des investissements, mais avec un appétit pour le risque très supérieur à la tolérance des principaux) ; Celsius relevait du dépôt-prêt (l'agent a absorbé des actifs sous un récit d'« épargne » puis les a déployés dans des activités à haut risque) ; FTX relevait du triple conflit combinant conservation + compte propre + market making (trois rôles dont les intérêts entraient institutionnellement en conflit sous un même contrôlant). Sur la dimension de l'asymétrie d'information décisive, l'élément inobservable central de BitConnect était « le bot de trading existait-il ? » ; celui de 3AC, « les positions totales auprès de tous les prêteurs » ; celui de Celsius, « la voie réelle de déploiement des actifs clients » ; celui de FTX, « les actifs clients étaient-ils réellement ségrégués du compte propre ? ». Sur la dimension du choc externe, le déclencheur de BitConnect fut une injonction réglementaire de cesser et de s'abstenir ; celui de 3AC, l'effondrement de Terra/Luna ; celui de Celsius, la contagion de l'effondrement de 3AC ; celui de FTX, la révélation médiatique du bilan d'Alameda et l'annonce de vente de FTT par CZ. Sur la dimension de l'ampleur réelle révélée, des 2,4 milliards de dollars de BitConnect aux 3,5 milliards de 3AC, aux 5,5 milliards de Celsius et aux 12,7 milliards de FTX : un ordre de grandeur complet d'augmentation en six ans.

Ce rapport propose que les quatre cas partagent un cheminement en trois étapes :

Étape un : conditions initiales de désalignement des incitations. L'agent détient une information privée sur ses propres actions + le principal ne dispose pas de mécanismes de surveillance opposables + la structure d'incitations de l'agent le prédispose à une prise de risque excessive ou à un détournement pur et simple. La durée de cette étape a varié de quelques semaines (les débuts de BitConnect) à plusieurs années (FTX a fonctionné plus de trois ans).

Étape deux : période d'accumulation inobservable du risque. L'agent accumule une exposition au risque très supérieure à ses engagements, à l'insu du principal. La durée de cette étape dépend de deux facteurs : l'orientation du marché (un marché en hausse masque les pertes) et la vitesse d'arrivée des capitaux nouveaux (les capitaux entrants peuvent couvrir les engagements existants). BitConnect a duré environ deux ans ; le levier de 3AC dépassait les marges de sécurité dès le début de 2022, mais un marché haussier l'a soutenu pendant des mois ; le décalage actif-passif de Celsius s'était formé dès 2021 ; le détournement de FTX était encastré dans le code depuis la naissance d'Alameda.

Étape trois : un choc externe déclenche la révélation de l'ampleur. Un événement exogène (action réglementaire, effondrement de marché, révélation médiatique) rompt l'asymétrie d'information et le comportement réel de l'agent est mis au jour. Les principaux se retirent collectivement (gel des retraits, appels de marge, signalements aux autorités) et l'effondrement d'agence s'achève en quelques jours à quelques semaines.

Le passage d'échelle de 2,4 milliards à 12,7 milliards de dollars n'est pas fortuit. Il reflète la progression du « récit d'institutionnalisation » du marché crypto : à mesure que le marché tentait de gagner le grand public, la complexité des structures d'agence et l'ampleur des actifs gérés ont crû en parallèle, mais la vitesse d'évolution des mécanismes de surveillance est restée très en retard sur la vitesse d'expansion des structures d'agence. L'ère BitConnect — « whitepaper

- promotion YouTube » — suffisait à mobiliser des milliards de dollars ; l'ère FTX — « appui de fonds de capital-risque + parrainage sportif + lobbying au Congrès » — pouvait mobiliser la confiance à l'échelle des centaines de milliards. La structure d'agence de chaque époque était plus complexe, plus difficile à surveiller et de plus grande ampleur que celle de la précédente, tandis que le cadre réglementaire courait toujours derrière, jamais devant.

Chapitre 4 · Conception algorithmique et ingénierie des incitations : la défaillance au niveau du mécanisme

4.1 Ouverture · Des personnes aux mécanismes

Les quatre cas du chapitre 3 — BitConnect, Three Arrows Capital, Celsius, FTX — peuvent être attribués aux choix de conduite d'agents précis : Kumbhani n'a jamais exploité le bot de trading annoncé ; Zhu et Davies ont poussé le levier bien au-delà de la tolérance des principaux ; Mashinsky a fait de fausses déclarations tout en sachant que la plateforme était en difficulté ; Bankman-Fried a préréglé les canaux de détournement au niveau du code. Des conditions structurelles ont certes rendu ces effondrements possibles, mais les déclencheurs ultimes étaient traçables jusqu'à des individus précis.

Ce chapitre aborde une question plus profonde : lorsque le conflit d'agence n'est pas le choix d'un individu mais une caractéristique de conception du mécanisme lui-même, la nature de la défaillance de marché change radicalement — elle passe d'un « événement accidentel » corrigible en sanctionnant des acteurs individuels à un « trait structurel » qui exige de repenser le mécanisme. Ce chapitre montre cette transition à travers trois ensembles de cas : le mécanisme du stablecoin algorithmique de Terra/Luna (la conception de l'algorithme a encastré une spirale de la mort), la structure de seigneuriage de la tokenomics (les règles d'émission de jetons ont institutionnalisé le conflit d'agence) et le MEV (le droit d'ordonnancement des transactions au niveau du protocole est devenu un problème d'agence structurel). Leur trait commun : même si tous les participants sont rationnels et bien intentionnés, le mécanisme lui-même produit une répartition asymétrique de la valeur.

4.2 Terra/Luna · La spirale de la mort de la conception algorithmique

Avant son effondrement de mai 2022, Terra était le troisième écosystème crypto, derrière Bitcoin et Ethereum. Le mécanisme de frappe et de destruction entre son stablecoin algorithmique UST et son jeton frère LUNA fonctionnait ainsi : lorsque le cours de l'UST dépassait 1 dollar, les utilisateurs pouvaient détruire 1 dollar de LUNA pour frapper 1 UST, en encaissant l'écart tout en réduisant l'offre de LUNA ; lorsque le cours de l'UST tombait sous 1 dollar, les utilisateurs pouvaient détruire 1 UST pour frapper 1 dollar de LUNA, en encaissant l'écart tout en augmentant l'offre de LUNA. Ce mécanisme d'arbitrage bidirectionnel maintenait en théorie l'ancrage de l'UST au dollar.

Son défaut décisif résidait dans la boucle de rétroaction descendante. Lorsque l'offre en circulation d'UST dépassait largement la capacité de la capitalisation de LUNA à soutenir les remboursements, la pression vendeuse sur LUNA créée par les remboursements massifs d'UST poussait son cours encore plus bas, et ce cours en baisse impliquait que rembourser la même quantité d'UST exigeait de frapper davantage de LUNA, ce qui accroissait encore la pression vendeuse — une spirale de la mort auto-entretenue. Liu, Makarov et Schoar [11] ont, dans leur article du NBER Anatomy of a Run: The Terra Luna Crash, mené une analyse empirique de cet effondrement à partir de données on-chain complètes. Leur constat central : l'effondrement n'a pas été causé par une manipulation ciblée de tiers, mais trouve son origine dans l'inquiétude croissante des participants de marché quant à la soutenabilité du système. Ce jugement fait sortir l'effondrement de Terra/Luna du récit des « acteurs malveillants individuels » pour le faire entrer dans la catégorie analytique de la défaillance de conception des mécanismes.[¹¹]

[¹¹]: Le fondateur de Terraform Labs, Do Kwon, a ensuite fait l'objet de poursuites pénales et civiles dans plusieurs juridictions. L'objet analytique de ce chapitre porte toutefois sur les défauts structurels du mécanisme algorithmique, non sur la conduite personnelle de Do Kwon.

Lyons et Viswanath-Natraj [12], dans leurs travaux publiés dans le Journal of International Money and Finance, ont fourni un cadre comparatif de la fragilité des stablecoins algorithmiques. Leurs résultats empiriques ont montré que la stabilité de l'ancrage des stablecoins adossés à de la monnaie fiduciaire (comme Tether) provient principalement de forces d'arbitrage du côté de la demande plutôt que d'une intervention de l'émetteur : lorsque Tether a migré d'Omni vers Ethereum, l'abaissement de la barrière d'entrée pour les arbitragistes a réduit l'écart d'arbitrage de 70 à 30 points de base. Les stablecoins algorithmiques n'avaient pas ce type d'ancre externe ; leur ancrage dépendait entièrement d'une valorisation circulaire entre jetons. Lorsque la précondition de cette circularité (une capitalisation de LUNA suffisante pour couvrir les remboursements d'UST) a été rompue, aucune force externe n'a pu jouer le rôle de prêteur en dernier ressort.

L'amplificateur de l'effondrement fut Anchor Protocol — un protocole de prêt promettant un rendement annualisé d'environ 19,5 % sur les dépôts en UST. Les données de Liu et coauteurs [11] ont montré qu'en avril 2022, la subvention quotidienne nécessaire au maintien de ce rendement avait atteint 6 millions de dollars. La source de la subvention était l'inflation de LUNA et les injections de Terraform Labs (TFL) : en février 2022, Luna Foundation Guard (LFG) a injecté 510 millions d'UST dans les réserves de rendement d'Anchor. Le concept de « seigneuriage » de Cong, Li et Wang [6] dans leur modèle de finance de plateforme tokenisée a trouvé ici un exemple extrême : TFL, en contrôlant l'émission d'UST et les subventions de taux d'Anchor, exerçait en substance un pouvoir de seigneuriage — attirer des utilisateurs à court terme tout en accumulant du risque systémique à long terme. Le taux de subvention d'Anchor ne satisfaisait manifestement pas la condition de « cohérence temporelle » du modèle de Cong et coauteurs [6] : les participants à la gouvernance faisaient face à un conflit d'intérêts — réduire le taux de subvention aurait provoqué des sorties d'utilisateurs et une baisse de la valeur du jeton, de sorte que les incitations de court terme pointaient invariablement vers le maintien de rendements élevés insoutenables.

Le 7 mai 2022, un petit nombre de grands détenteurs d'UST ont commencé à se repositionner : Liu et coauteurs [11] ont documenté deux grandes adresses retirant 375 millions d'UST d'Anchor ce jour-là. D'autres grands traders ont suivi. La technologie blockchain a permis aux investisseurs de surveiller en temps réel les actions des autres, amplifiant la vitesse de la ruée. Le soir du 9 mai, la capitalisation de LUNA est passée sous l'offre en circulation d'UST — le point critique de la spirale de la mort — et le cours de l'UST est tombé à 0,75 dollar. Au cours des trois jours suivants, environ 50 milliards de dollars de valorisation se sont évaporés. L'offre de LUNA a été gonflée de plus de 20 000 fois pendant l'effondrement.

Un constat sous-estimé de Liu et coauteurs [11] : les investisseurs les plus riches et les plus avertis sont sortis les premiers et ont perdu moins ; les investisseurs les plus modestes et les moins avertis sont sortis plus tard et ont perdu davantage. Une part significative de ces derniers a même tenté d'« acheter le creux » pendant l'effondrement. Ce n'était pas parce que ces derniers étaient « moins rationnels », mais parce que les premiers disposaient de meilleurs outils de surveillance on-chain et d'une friction de sortie plus faible. L'asymétrie d'information s'est manifestée ici non comme « savoir contre ne pas savoir », mais comme une « inégalité de vitesse de sortie ». Cela diffère de manière décisive des effondrements d'agence du chapitre 3 : le Bankman-Fried de FTX savait ce qu'il faisait ; mais le problème de Terra/Luna était plus profond — les caractéristiques de risque du mécanisme dépassaient la capacité cognitive de tout participant, pris isolément, y compris ses concepteurs.

4.3 Échec de la tokenomics · L'institutionnalisation du seigneuriage

La tokenomics n'est pas la question technique de « comment les équipes de projet répartissent les jetons », mais la question de conception de la manière dont le conflit d'agence est institutionnalisé dans les règles d'émission de jetons. Lorsque les équipes de projet contrôlent le rythme d'émission, les calendriers de déblocage et les conditions de prêt aux market makers, elles exercent en substance le pouvoir de « seigneuriage » décrit par Cong, Li et Wang [6] — les détenteurs, en tant que créanciers résiduels, ne disposant pratiquement d'aucun outil de surveillance à la mesure de cet espace de décision.

Ce pouvoir de seigneuriage s'institutionnalise par au moins trois voies.

Voie un : émission à flottant faible et FDV élevée. Comme cité au chapitre 1, Worldcoin (World Foundation) [20] a alloué, lors de son lancement de juillet 2023, 25 % des 10 milliards de WLD aux initiés, 75 % étant nominalement destinés à la « communauté » ; l'offre maximale en circulation au lancement n'était pourtant que d'environ 143 millions de jetons (1,43 % de l'offre totale), dont environ 70 % prêtés à des market makers non américains. Le « prix » auquel les investisseurs particuliers font face sur le marché secondaire correspond à un équilibre sous flottant extrêmement faible ; lorsque les initiés libèrent progressivement des jetons selon les calendriers de déblocage, le déplacement de la courbe d'offre exerce nécessairement une pression baissière sur les cours du marché secondaire. Cet écart n'est pas de la « volatilité de marché » : c'est une asymétrie d'information encastrée par conception dans la structure d'émission.

Voie deux : opacité des conditions de prêt aux market makers. Les équipes de projet prêtent d'ordinaire de 5 % à 15 % de l'offre totale à des market makers en contrepartie de la fourniture de liquidité. Les conditions de ce prêt ne sont pas communiquées aux détenteurs de jetons. Dans des scénarios extrêmes, les market makers peuvent vendre les jetons empruntés (par exemple après un déblocage ou en situation de tension de marché) ; la pression vendeuse qui en résulte est supportée par les détenteurs, tandis que les bénéfices des conditions du prêt sont partagés entre l'équipe de projet et le market maker. C'est une asymétrie d'information au niveau contractuel : les détenteurs ne savent ni combien de jetons ont été prêtés, ni à quelles conditions ils pourraient être vendus.

Voie trois : ingénierie des incitations par airdrop. Comme le chapitre 2 l'a analysé sous l'angle des cascades informationnelles, le pouvoir de conception des règles d'airdrop appartient à l'équipe de projet. Du point de vue de la conception des mécanismes, la structure d'incitations des airdrops contient un conflit d'agence inhérent : la stratégie optimale de l'équipe de projet (maximiser les indicateurs d'activité de court terme pour soutenir la valorisation et les levées ultérieures) et celle des détenteurs de jetons (croissance de la valeur à long terme) sont en tension structurelle. Lorsque les règles d'airdrop récompensent des indicateurs quantifiables comme le « nombre d'interactions » ou le « volume passé par les ponts », l'équipe de projet utilise en substance des jetons pour acheter des indicateurs de croissance présentables aux investisseurs — et ce coût d'achat est finalement transféré aux détenteurs par dilution.

Le modèle des tacots d'Akerlof [4] fournit ici une prédiction au niveau de la tokenomics : lorsque les « projets de qualité élevée » et les « projets de qualité faible » du marché des jetons partagent des structures d'émission formellement semblables (tous deux à flottant faible

- FDV élevée + blocage pour les fonds de capital-risque), les acheteurs ne peuvent pas les distinguer ex ante et ne peuvent enchérir qu'à l'espérance de qualité moyenne. Ce prix moyen ne suffit pas à couvrir la valeur réelle des projets de qualité élevée, ce qui affaiblit leurs incitations à émettre — la qualité moyenne du marché plonge. C'est la « sélection adverse conduisant à l'effondrement endogène de la qualité de marché » d'Akerlof, transposée directement au marché de l'émission de jetons.

La distinction décisive entre le conflit d'agence de la tokenomics et celui du chapitre 3 : écarter les acteurs individuels ne résout pas le problème. Même si l'équipe de projet est parfaitement honnête, la structure d'émission à flottant faible et FDV élevée place toujours les investisseurs particuliers en désavantage statistique — c'est structurel, non moral. Le conflit d'agence n'est concentré sur aucun individu : il est dispersé entre les règles d'émission, les calendriers de déblocage, les conditions consenties aux market makers et les critères d'airdrop. Le pouvoir de conception de ces paramètres appartient à l'équipe de projet, et les détenteurs de jetons n'ont pratiquement aucune voie de participation ni de contrôle.

4.4 MEV · Le problème d'agence au niveau du protocole

La valeur maximale extractible (MEV) désigne la valeur que l'on peut extraire en contrôlant l'ordonnancement des transactions à l'intérieur d'un bloc — en réordonnant, insérant ou excluant des transactions. Daian et coauteurs [13], dans leur article Flash Boys 2.0 présenté à l'IEEE S&P, ont apporté la contribution fondatrice consistant à identifier le MEV comme un trait structurel des mécanismes de consensus des blockchains plutôt que comme un « abus » de participants isolés : tant qu'existe un pouvoir d'ordonnancement des transactions, le MEV existe.

Dans la finance traditionnelle, les courtiers doivent à leurs clients une obligation de « meilleure exécution » — une contrainte centrale sur le comportement de l'agent. Sur les plateformes d'échange décentralisées (DEX) du marché crypto, le pouvoir d'ordonnancement des transactions appartient aux validateurs et aux constructeurs de blocs. Les transactions soumises par les utilisateurs peuvent être réordonnées, prises en sandwich entre d'autres transactions (attaques sandwich) ou repoussées à des blocs ultérieurs avant confirmation. Les trois stratégies de MEV les plus courantes sont : l'arbitrage (exploiter des écarts de prix entre DEX ou pools), la liquidation (déclencher des positions sous-collatéralisées dans des protocoles de prêt pour en percevoir les primes) et les attaques sandwich (insérer une transaction avant et une après celle d'un utilisateur pour profiter du glissement de prix).

L'ampleur du MEV n'est plus négligeable. Les données de 2025 [39a][39b] montrent que les attaques sandwich ont représenté 51,56 % du volume total de transactions de MEV, soit environ 290 millions de dollars, plus de la moitié du total de 562 millions de dollars de MEV. Cela signifie que plus de la moitié de l'extraction de MEV nuit directement aux prix d'exécution des utilisateurs ordinaires : les utilisateurs paient des coûts supérieurs au prix équitable, l'écart étant capté par les chercheurs de MEV et les constructeurs de blocs. Sur Ethereum, plus de 81 % des validateurs se sont inscrits à MEV-Boost (le relais de construction de blocs de Flashbots), les blocs produits avec MEV-Boost représentant 89 % sur les 14 derniers jours. Sur Solana, plus de 92 % des validateurs font tourner le logiciel lié au MEV de Jito, avec une concentration de MEV encore plus extrême.

Makarov et Schoar [7] relèvent dans leurs travaux sur les limites de l'arbitrage sur le marché crypto que les mécanismes de correction des prix sont contraints par des frictions non marchandes. Le MEV prolonge cette conclusion au niveau du protocole : les chercheurs de MEV voient les transactions en attente dans la mempool ; les utilisateurs ordinaires, non — c'est une asymétrie d'information encastrée au niveau du protocole. Les utilisateurs ne peuvent pas éviter l'extraction de MEV par des « stratégies de négociation plus intelligentes », parce que l'écart informationnel ne tient pas à la stratégie, mais à la visibilité des transactions en attente. Des outils comme Flashbots Protect tentent d'atténuer le phénomène en soumettant des transactions privées qui contournent la mempool publique, mais le MEV lui-même ne peut pas être entièrement supprimé : c'est un sous-produit inévitable de l'existence d'un pouvoir d'ordonnancement des transactions.

Le MEV est la forme la plus pure du « problème d'agence au niveau du mécanisme » : pas d'escrocs, pas de structure de Ponzi, seulement une extraction asymétrique de valeur créée par les règles mêmes du protocole. En mai 2024, le parquet fédéral américain a engagé des poursuites pénales [41] contre Anton Peraire-Bueno et James Peraire-Bueno pour avoir exploité une vulnérabilité d'un relais MEV-Boost afin d'extraire environ 25 millions de dollars de l'ordonnancement des transactions d'Ethereum en 12 secondes — le premier cas de MEV à entrer dans le système de justice pénale, qui montre aussi que, lorsque l'exploitation de « traits structurels » atteint une certaine ampleur, le système juridique commence à intervenir mais se heurte à des difficultés de qualification.

4.5 Caractéristiques communes du conflit d'agence au niveau du mécanisme

Les trois ensembles de cas — la spirale de la mort algorithmique de Terra/Luna, le seigneuriage institutionnalisé de la tokenomics et l'extraction de valeur au niveau du protocole du MEV — relèvent en apparence de niveaux différents (conception algorithmique / émission de jetons / exécution des transactions), mais partagent une caractéristique structurelle centrale : même si tous les participants sont rationnels et bien intentionnés, le mécanisme lui-même produit une répartition asymétrique de la valeur. La spirale de la mort de Terra/Luna n'avait pas besoin d'un manipulateur : la voie d'effondrement par rétroaction positive était encastrée dès la conception. Le seigneuriage de la tokenomics n'avait pas besoin d'un escroc : la structure d'émission à flottant faible et FDV élevée désavantage statistiquement les investisseurs particuliers. Le MEV n'avait pas besoin d'un acteur malveillant : l'existence même d'un pouvoir d'ordonnancement des transactions crée de la valeur extractible.

Cela forme un contraste net avec les « effondrements d'agence individuels » du chapitre 3 : le problème du chapitre 3, c'est qu'« écarter les acteurs individuels aurait pu empêcher l'effondrement » ; celui du chapitre 4, c'est qu'« écarter les acteurs individuels ne résout pas le problème : c'est le mécanisme lui-même qu'il faut repenser ». Cette distinction a des implications de gouvernance : la répression punitive (poursuite ex post d'individus) est efficace pour le chapitre 3, mais inefficace pour le chapitre 4 ; le chapitre 4 exige une refonte au niveau du mécanisme.

En revenant au cadre à trois couches du chapitre 1, ce chapitre boucle la boucle. L'asymétrie d'information (section 1.4) s'est manifestée au niveau du mécanisme : le risque de Terra/Luna était inobservable pour la plupart des participants — Liu et coauteurs [11] ont explicitement relevé que « la complexité du système rendait difficile, même pour les initiés, la compréhension de l'accumulation de risque » ; la véritable courbe d'offre de la tokenomics est inobservable pour les investisseurs particuliers ; la visibilité de la mempool dont jouissent les chercheurs de MEV face aux utilisateurs ordinaires constitue un écart informationnel structurel. Le conflit principal-agent (section 1.3) s'est manifesté au niveau du mécanisme : les concepteurs de jetons et de protocoles, en tant que bâtisseurs de mécanismes, disposent d'espaces de décision qui dépassent de loin la capacité de surveillance des détenteurs et des utilisateurs — le cadre des coûts d'agence de Jensen et Meckling [3] se trouve validé au niveau de la conception des mécanismes. Les cascades informationnelles (section 1.2) ont trouvé un exemple extrême au niveau du mécanisme : la transparence on-chain de Terra/Luna a en réalité accéléré la ruée — une manifestation contre-intuitive du modèle de cascades de Bikhchandani et coauteurs [1] dans un environnement on-chain : davantage d'information publique n'a pas ralenti la cascade, elle a augmenté sa vitesse de propagation d'un ordre de grandeur.

Le cadre à trois couches de ce chapitre accomplit une transition fonctionnelle, d'« expliquer des cas historiques » à « prédire des défauts de conception de mécanismes » : tout nouveau mécanisme de jeton ou toute nouvelle conception de protocole qui satisfait la triple condition « asymétrie d'information en couche de base + asymétrie de pouvoir d'agence en couche intermédiaire + propagation de signaux à grande vitesse en couche supérieure » possède la possibilité structurelle de produire un transfert systémique de valeur. Ce jugement ne prédit pas qu'un événement futur précis surviendra : il identifie un ensemble testable de préconditions — les voies de gouvernance du chapitre 5 se construisent sur la correction successive de chacune d'elles.

Ce chapitre a montré comment le conflit d'agence passe du niveau du comportement individuel à celui de la conception des mécanismes — même sans escrocs, la conception algorithmique, la tokenomics et les règles de protocole peuvent produire par elles-mêmes un transfert systémique de valeur. Le chapitre 5 propose sur cette base des voies de diagnostic et des voies institutionnelles : si le conflit d'agence est encastré dans les mécanismes, les voies correctrices doivent elles aussi se situer au niveau du mécanisme — une architecture de gouvernance à trois dimensions composée de cadres réglementaires, de conception de protocoles et d'autorégulation des plateformes.

Chapitre 5 · Diagnostic et voies institutionnelles : où sont les sorties ?

5.1 Diagnostic · La corrigibilité des préconditions à trois couches

Le chapitre 4 a conclu que tout mécanisme de jeton ou toute conception de protocole satisfaisant la triple précondition « asymétrie d'information en couche de base

- asymétrie de pouvoir d'agence en couche intermédiaire + propagation de signaux à grande vitesse en couche supérieure » possède la possibilité structurelle de produire un transfert systémique de valeur. Cette section évalue couche par couche la corrigibilité de chaque précondition : laquelle peut être affaiblie par une amélioration institutionnelle, et laquelle est un trait intégré du marché crypto.

Couche de base · Asymétrie d'information. Les asymétries d'information identifiées aux chapitres 1 à 4 se rangent en au moins deux catégories. La première est corrigible par une divulgation obligatoire : tableaux d'allocation de jetons (comme dans le cas Worldcoin du chapitre 1, avec sa répartition 25 %/75 % entre initiés et communauté), calendriers de déblocage de l'équipe et conditions de prêt aux market makers — cette information est techniquement standardisable et peut être rendue obligatoire ; la question n'est pas de savoir si la divulgation est possible, mais s'il existe des institutions pour l'exiger. La seconde est structurellement inobservable : l'exposition réelle au risque des contrats intelligents (comme le mécanisme de spirale de la mort de Terra/Luna du chapitre 4, dont la complexité dépassait la capacité cognitive de la plupart des participants, y compris de ses concepteurs) et l'avantage de visibilité des chercheurs de MEV sur la mempool — ces asymétries ne se règlent pas par « davantage de divulgation », car même lorsque l'information est rendue publique, le seuil de compréhension constitue lui-même une asymétrie d'information de fait. Parmi les tentatives correctrices existantes figurent les audits on-chain (par exemple les cabinets d'audit de sécurité Certik ou Trail of Bits) et les preuves de réserves (après FTX, plusieurs plateformes d'échange ont adopté la vérification de réserves par arbre de Merkle). À partir de l'analyse des chapitres 1 à 4, l'appréciation de ce rapport est la suivante : ces outils réduisent une partie de l'asymétrie d'information, mais sont loin de l'éliminer — les audits couvrent la sécurité du code, pas le risque de conception du mécanisme économique ; les preuves de réserves couvrent l'état des actifs à un instant donné, pas le comportement de l'agent entre deux preuves.

Couche intermédiaire · Asymétrie de pouvoir d'agence. Elle se divise également en deux catégories. La première est extensible à partir de précédents réglementaires existants : la ségrégation des actifs clients sur les plateformes d'échange (le défaut central du cas FTX du chapitre 3) est couverte par les règles de la SEC applicables aux broker-dealers enregistrés dans la finance traditionnelle ; la transparence des réserves des émetteurs de stablecoins est déjà exigée dans certaines juridictions (par exemple l'encadrement par le NYDFS de Circle, émetteur de l'USDC). La seconde est difficile à contraindre efficacement dans les cadres institutionnels actuels : le pouvoir de seigneuriage des concepteurs de jetons (l'analyse de tokenomics du chapitre 4) pourrait théoriquement être limité par la gouvernance des DAO, mais en pratique les taux de participation aux votes de gouvernance des DAO sont généralement faibles (les observations du secteur citent couramment des chiffres inférieurs à 10 %), les grands détenteurs dominent les décisions et la gouvernance devient elle-même un autre problème d'agence. Parmi les tentatives correctrices existantes figurent le cadre MiCA de l'UE, le régime de licences VASP de Hong Kong et le système d'enregistrement des plateformes d'échange du Japon comme régimes d'admission ex ante, ainsi que l'amélioration continue des structures de gouvernance des DAO. L'appréciation de ce rapport : les régimes d'admission ex ante sont l'outil le plus efficace à lui seul pour réduire la probabilité des effondrements d'agence du type du chapitre 3, mais leur efficacité dépend d'une coordination entre juridictions — une réglementation stricte dans une seule juridiction est sapée par l'arbitrage réglementaire faute de coordination mondiale.

Couche supérieure · Propagation de signaux à grande vitesse. C'est la couche dont la corrigibilité est la plus faible. La transparence des données on-chain et la vitesse de propagation des réseaux sociaux sont des traits intégrés du marché crypto — le cas Terra/Luna du chapitre 4 a montré comment la transparence on-chain a même accéléré la ruée. Ces traits ne peuvent pas — et ne devraient pas — être « restreints ». En revanche, la qualité du signal peut être améliorée : exiger des KOL qu'ils déclarent leurs promotions rémunérées (comme dans la sanction de 1,26 million de dollars de la SEC contre Kim Kardashian, au chapitre 1), exiger des équipes de projet qu'elles divulguent l'ensemble des paramètres des règles d'airdrop (les cas d'airdrop du chapitre 2). Les cas d'application existants (poursuites de la SEC ou de la FCA contre la promotion rémunérée, au cas par cas) ont un effet dissuasif, mais n'ont pas formé de régime systématique. L'appréciation de ce rapport : la vitesse de propagation du signal n'est pas corrigible, mais le contenu informationnel du signal peut être amélioré de manière incrémentale par des obligations de divulgation — à condition que ces obligations puissent être appliquées d'une juridiction à l'autre.

5.2 Architecture de gouvernance à trois dimensions

À partir du diagnostic qui précède, cette section propose des voies correctrices selon trois dimensions. Chaque voie renvoie à des défauts de mécanisme précis identifiés aux chapitres 1 à 4.

Dimension un · Cadre réglementaire : de la poursuite ex post à l'admission ex ante

Les éléments réunis aux chapitres 1 à 4 pointent collectivement vers un fait : le mode réglementaire dominant du marché crypto jusqu'ici a été la « poursuite ex post » — la SEC, le ministère de la Justice et la CFTC ont engagé des poursuites après les effondrements, et les tribunaux ont rendu leurs décisions une fois la liquidation achevée. BitConnect a fonctionné de 2016 jusqu'à son effondrement de 2018 ; la SEC n'a engagé de poursuites qu'en 2021. FTX a fonctionné de 2019 jusqu'à son effondrement de 2022 ; le ministère de la Justice n'a bouclé la condamnation qu'en 2023. L'effet dissuasif de la poursuite ex post existe (comme l'a montré le chapitre 3 — les 17 millions de dollars de restitution d'Arcaro, les 25 ans de prison de Bankman-Fried), mais elle ne peut pas empêcher les effondrements : seulement répartir les responsabilités après coup.

Les régimes d'admission ex ante exigent des plateformes d'échange, des émetteurs de stablecoins et des émetteurs de jetons qu'ils satisfassent un ensemble de normes (exigences de fonds propres, ségrégation des actifs clients, obligations de divulgation) avant d'exercer — pratique courante sur les marchés financiers traditionnels. Makarov et Schoar [14], dans leur synthèse publiée dans Brookings Papers on Economic Activity, ont explicitement relevé que le volume de négociation des plateformes centralisées du marché crypto est principalement concentré sur des plateformes offshore « soumises à peu ou pas de supervision réglementaire ». Le MiCA de l'UE (adopté en 2023, mise en œuvre par étapes à partir de 2024), le régime de licences VASP de Hong Kong (en vigueur depuis 2023) et le système d'enregistrement des plateformes d'échange de la FSA japonaise (depuis 2017) sont aujourd'hui les trois cadres d'admission ex ante les plus complets.

Appréciation de ce rapport : l'admission ex ante est l'outil le plus efficace à lui seul pour réduire les effondrements d'agence du type du chapitre 3 (détournement sur les plateformes d'échange, mauvaise allocation du risque sur les plateformes de prêt). Son efficacité se heurte toutefois à une contrainte structurelle : l'arbitrage réglementaire. Tant qu'existeront des juridictions qui n'appliquent pas de normes d'admission équivalentes, les capitaux et les utilisateurs iront vers les marchés les moins réglementés, sapant l'efficacité institutionnelle des juridictions strictes. Cela n'est pas propre au marché crypto, mais les caractéristiques techniques « sans frontières » du marché crypto rendent l'arbitrage réglementaire plus facile à réaliser que dans la finance traditionnelle.

Dimension deux · Conception des protocoles : de « faire confiance à l'agent » à « vérifier le mécanisme »

Les trois ensembles de cas du chapitre 4 ont montré que les mécanismes eux-mêmes peuvent encastrer du conflit d'agence — les voies correctrices doivent donc se situer au niveau de la conception des mécanismes, et pas seulement au niveau réglementaire.

Les tentatives correctrices existantes se rangent en quatre catégories. Preuves de réserves : après FTX, plusieurs plateformes d'échange ont adopté la vérification de réserves fondée sur un arbre de Merkle, qui permet aux utilisateurs de vérifier si la plateforme détient des actifs de réserve suffisants sans faire confiance à un tiers. C'est une illustration directe du passage de « faire confiance à l'agent » à « vérifier le mécanisme ». Atténuation du MEV : comme exposé au chapitre 4, Flashbots Protect soumet des transactions privées qui contournent la mempool publique, et MEV-Share reverse une partie du MEV aux utilisateurs — ces solutions tentent de redistribuer le MEV plutôt que de le supprimer. Améliorations de la conception des stablecoins : les travaux de Lyons et Viswanath-Natraj [12] cités au chapitre 4 ont montré que la stabilité des stablecoins adossés à de la monnaie fiduciaire provient principalement de la structure d'arbitrage plutôt que de l'intervention de l'émetteur — ce constat apporte un appui empirique à la voie de conception « surcollatéralisation + audit en temps réel » (par exemple les attestations mensuelles de Circle pour l'USDC) tout en traçant des limites aux alternatives de stablecoins algorithmiques. Transparence des déblocages de jetons : certains projets ont commencé à publier des calendriers de déblocage complets et les conditions consenties aux market makers ; ce n'est pas encore une norme du secteur, mais la direction est cohérente avec le diagnostic du chapitre 4 sur le pouvoir de seigneuriage de la tokenomics.

Appréciation de ce rapport : le modèle « faire confiance à l'agent » sur le marché crypto a été systématiquement réfuté par les quatre cas du chapitre 3. La « vérification sans confiance » est une voie plus prometteuse, mais son applicabilité est limitée par la maturité technologique actuelle — les preuves de réserves permettent de vérifier que des actifs existent, mais pas s'ils sont simultanément nantis auprès d'autres parties (comme dans le cas des nantissements multiples de 3AC au chapitre 3).

Dimension trois · Autorégulation des plateformes : de « la croissance d'abord » à « la compatibilité des incitations d'abord »

Cette dimension est la plus controversée : sous des incitations désalignées, l'« autorégulation » est-elle crédible ? L'analyse des chapitres 1 à 4 apporte une réponse conditionnelle.

Le cas de l'airdrop de Hyperliquid du chapitre 2 fournit une référence positive : lorsque les règles d'incitation ont été adossées à un comportement de négociation réel difficile à automatiser, les rendements marginaux des opérations Sybil ont diminué, et la tenue du cours du jeton après émission a surpassé celle des cas témoins dépourvus de mesures anti-Sybil (zkSync −39 % en 36 jours contre l'appréciation continue de Hyperliquid après émission). Cela démontre que la compatibilité des incitations au niveau de la conception des mécanismes peut produire de meilleurs résultats de marché sans réglementation externe.

Appréciation de ce rapport : l'autorégulation des plateformes ne peut pas se substituer à la réglementation — les expériences de BitConnect et de FTX démontrent que, lorsque les intérêts des agents divergent gravement de ceux des utilisateurs, l'autorégulation n'a pas lieu. En revanche, l'autorégulation au niveau de la conception des mécanismes (la compatibilité des incitations) peut compléter les cadres réglementaires. Les plateformes qui réduisent proactivement le conflit d'agence au niveau de la conception des mécanismes — par une allocation de jetons plus transparente, des règles d'incitation plus difficiles à exploiter par Sybil et un auto-audit plus rigoureux — peuvent disposer d'avantages compétitifs structurels dans la concurrence de long terme, car la confiance est elle-même une ressource rare et disputée.

5.3 Limites et questions ouvertes

Les limites des voies correctrices doivent être discutées honnêtement.

Limite un : l'arbitrage réglementaire ne peut pas être supprimé. Tant qu'existeront plusieurs juridictions indépendantes, il y aura de l'arbitrage réglementaire. Le caractère « sans frontières » du marché crypto — les utilisateurs peuvent accéder à la plateforme de n'importe quelle juridiction via un VPN — rend l'arbitrage réglementaire plus sévère que dans la finance traditionnelle. MiCA est efficace dans l'UE, mais si la majorité du volume de négociation reste concentrée sur des plateformes offshore non soumises à MiCA (comme l'ont documenté Makarov et Schoar [14]), son effet pratique sera dilué. La coordination réglementaire mondiale est théoriquement optimale, mais elle ne dispose d'aucun mécanisme de coordination opposable dans la réalité géopolitique.

Limite deux : le MEV ne peut pas être supprimé. Comme analysé au chapitre 4, le MEV est un sous-produit inévitable du pouvoir d'ordonnancement des transactions. Des solutions comme celles de Flashbots peuvent redistribuer le MEV (en reversant une partie de la valeur aux utilisateurs), mais elles ne peuvent pas en supprimer l'existence. Autrement dit, le problème d'agence au niveau du protocole est un trait structurel de long terme, gérable mais non résoluble : tant que les blockchains conserveront des mécanismes décentralisés d'ordonnancement des transactions, ceux qui ordonnancent disposeront d'un avantage informationnel sur les utilisateurs ordinaires.

Limite trois : les cascades informationnelles ne peuvent pas être supprimées. La transparence des données on-chain et la vitesse de propagation des réseaux sociaux sont des traits techniques intégrés du marché crypto. Les trois vagues de cascades du chapitre 2 (ICO / meme coins / airdrops) ont montré un schéma : chaque fois que les coûts de signal baissent, les cascades réapparaissent sous des formes nouvelles. La « vitesse » de la cascade peut être réduite par des périodes de refroidissement ou des restrictions de négociation, mais sa « survenue » ne peut pas être empêchée : c'est un produit structurel de l'architecture informationnelle du marché crypto.

Limite quatre : les limites propres à ce rapport. Ce rapport est une synthèse commentée et ne contient aucune recherche empirique originale. Les citations reposent sur des résumés d'articles publiés, des descriptions officielles et des vérifications par des médias académiques de référence (voir la section « Déclaration » à la fin). La sélection des cas souffre inévitablement de « l'inverse du biais du survivant » : ce rapport analyse des cas d'effondrement et des mécanismes de défaillance, mais il existe aussi sur le marché crypto des structures d'agence qui fonctionnent bien — Coinbase opère comme broker-dealer enregistré aux États-Unis, l'USDC maintient une transparence d'audit mensuelle et la conception de l'airdrop de Hyperliquid démontre la possibilité d'une compatibilité des incitations. Le cadre d'analyse de ce rapport vise à identifier des préconditions de défaillance, mais il ne doit pas être interprété comme un jugement globalement négatif sur le marché crypto dans son ensemble.

Enfin, ce rapport laisse une question ouverte sans réponse : les conflits d'agence du marché crypto peuvent-ils être suffisamment atténués sans importer l'architecture réglementaire de la finance traditionnelle ? Ou bien le marché crypto devra-t-il en définitive converger vers une densité réglementaire comparable à celle de la finance traditionnelle ? La réponse à cette question sera déterminée conjointement par l'évolution du marché, le développement technologique et la pratique réglementaire, et elle dépasse la capacité de résolution de tout rapport de recherche isolé.

Ce rapport, parti de trois piliers théoriques, a construit un cadre d'analyse à trois couches — de l'asymétrie d'information au conflit d'agence puis aux cascades informationnelles — à travers la bulle des ICO, le Casino des Meme Coins et l'airdrop farming comme trois ensembles de cas de cascades informationnelles ; BitConnect, Three Arrows Capital, Celsius et FTX comme quatre ensembles de cas d'effondrement d'agence ; et Terra/Luna, la tokenomics et le MEV comme trois ensembles de cas de défaillance de conception des mécanismes. La valeur de ce cadre ne tient pas à l'explication d'effondrements déjà survenus, mais à l'identification de l'ensemble des préconditions susceptibles de produire à l'avenir un transfert systémique de valeur — et, pour chaque précondition, des voies correctrices possibles et de leurs limites.

Déclaration

Déclaration de conflits d'intérêts : ce rapport est produit par Bitbase Research. Bitbase Research est la division recherche de la plateforme d'échange de dérivés Bitbase. Les mécanismes de défaillance de marché examinés dans ce rapport — en particulier ceux qui mettent en jeu des relations principal-agent entre plateformes d'échange et utilisateurs — existent aussi dans l'environnement de marché dans lequel opère la plateforme Bitbase. La position de recherche de ce rapport consiste à diagnostiquer des problèmes structurels pour favoriser l'évolution du secteur, non à se justifier.

Outils et assistance à la génération. Ce rapport a utilisé des modèles de langage de grande taille avancés comme outils d'appui à la recherche dans les phases de collecte de matériaux, de vérification croisée des faits entre sources, d'argumentation structurée et de rédaction des brouillons. Toutes les données primaires, tous les documents réglementaires, tous les articles universitaires et tous les indicateurs de marché ont été vérifiés par des humains, point par point, par rapport à leurs sources d'origine ; toutes les formules mathématiques, tous les détails techniques cryptographiques et toutes les citations juridiques ont été revus par des humains, puis conservés ou corrigés. Nous reconnaissons le risque d'erreur inhérent aux outils d'assistance par IA dans le traitement des données de longue traîne, et nous avons réduit ce risque par des processus de vérification des faits en plusieurs tours, sans pouvoir l'éliminer totalement.

Déclaration de non-conseil en investissement. Ce rapport et l'ensemble des analyses, données, cadres et conclusions qu'il contient sont destinés uniquement à la recherche sectorielle et à la discussion académique. Rien dans ce rapport ne doit être interprété comme un conseil d'achat, de vente ou de détention d'un actif numérique, d'un contrat dérivé ou d'une plateforme particulière. La lecture de ce rapport n'établit aucune forme de relation fiduciaire ou de conseil en investissement avec les auteurs ni avec Bitbase. Les acteurs du secteur doivent prendre leurs décisions commerciales sur la base de leur propre diligence raisonnable ou de celle de tiers indépendants.

Retours et corrections. Bitbase Research invite les lecteurs à transmettre corrections et critiques sur les citations de données, les affirmations factuelles ou les raisonnements. Si des erreurs factuelles ou des défauts d'argumentation sont identifiés, nous accueillons volontiers leur signalement par des canaux publics et les confirmerons et corrigerons dans des rapports de suivi ultérieurs ou dans des errata.

Références

Articles associés

Autres articles Bitbase sur ce sujet :

- Le backtesting en trading crypto : tester une stratégie sur le passé

- Le day trading crypto : stratégies et indicateurs expliqués

- Le swing trading crypto : stratégies et indicateurs expliqués

Littérature académique

[1] Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades. Journal of Political Economy, 100(5), 992–1026. doi.org

[2] Kogan, S., Makarov, I., Niessner, M., & Schoar, A. (2024). Are Cryptos Different? Evidence from Retail Trading. Journal of Financial Economics, 159, 103897. doi.org

[3] Jensen, M. C., & Meckling, W. H. (1976). Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure. Journal of Financial Economics, 3(4), 305–360. doi.org

[4] Akerlof, G. A. (1970). The Market for “Lemons”: Quality Uncertainty and the Market Mechanism. The Quarterly Journal of Economics, 84(3), 488–500. doi.org

[5] Holmström, B. (1979). Moral Hazard and Observability. The Bell Journal of Economics, 10(1), 74–91. doi.org

[6] Cong, L. W., Li, Y., & Wang, N. (2022). Token-Based Platform Finance. Journal of Financial Economics, 144(3), 972–991. doi.org

[7] Makarov, I., & Schoar, A. (2020). Trading and Arbitrage in Cryptocurrency Markets. Journal of Financial Economics, 135(2), 293–319. doi.org

[8] Shleifer, A., & Vishny, R. W. (1997). The Limits of Arbitrage. The Journal of Finance, 52(1), 35–55. doi.org

[9] Swartz, L. (2022). Theorizing the 2017 Blockchain ICO Bubble as a Network Scam. New Media & Society. doi.org

[10] Haffke, L., & Fromberger, M. (2018). ICO Market Report 2017: Performance Analysis of Initial Coin Offerings. SSRN Working Paper 3309271. papers.ssrn.com

[11] Liu, J., Makarov, I., & Schoar, A. (2023). Anatomy of a Run: The Terra Luna Crash. NBER Working Paper №31160. nber.org

[12] Lyons, R. K., & Viswanath-Natraj, G. (2023). What Keeps Stablecoins Stable? Journal of International Money and Finance, 131, 102777. nber.org

[13] Daian, P., Goldfeder, S., Kell, T., Li, Y., Zhao, X., Bentov, I., Breidenbach, L., & Juels, A. (2020). Flash Boys 2.0: Frontrunning in Decentralized Exchanges, Miner Extractable Value, and Consensus Instability. 2020 IEEE Symposium on Security and Privacy (SP), 910–927. doi.org

[14] Makarov, I., & Schoar, A. (2022). Cryptocurrencies and Decentralized Finance (DeFi). Brookings Papers on Economic Activity, Spring 2022. nber.org

Documents réglementaires, pièces judiciaires et sources de données empiriques

[15] Cointelegraph / The Block / Fortune / DL News. $LIBRA event consolidated reporting, February 2025. cointelegraph.com

[16] Nansen. $LIBRA on-chain wallet analysis (114,000 wallets / $251 million in losses).

[17] Fortune / Chainalysis. “TRUMP memecoin traders lost $2 billion.” February 11, 2025. fortune.com

[18] DOJ / U.S. Attorney’s Office, S.D.N.Y., March 28, 2024. “Samuel Bankman-Fried Sentenced to 25 Years in Prison.” justice.gov

[19] CFTC Press Release 8938–24, August 7, 2024. “Federal Court Orders FTX and Alameda to Pay $12.7 Billion.” cftc.gov

[20] World Foundation, “The Circulating Supply of Worldcoin (WLD): An Explainer”; Kaiko Research, “Worldcoin Tokenomics.”

[21] SEC Press Release 2022–183, October 3, 2022. “SEC Charges Kim Kardashian.” sec.gov

[22] CFTC Press Release 8638–22, December 13, 2022. “CFTC Charges Sam Bankman-Fried, FTX Trading and Alameda with Fraud.” cftc.gov

[23] SEC Press Release 2022–234, December 21, 2022. “SEC Charges Caroline Ellison and Gary Wang.” sec.gov

[24] FTC, July 13, 2023. “FTC Reaches Settlement with Crypto Platform Celsius Network.” ftc.gov

[25] TokenData. ICO funding statistics 2017–2018. tokendata.io (original source offline; figures cross-verified via Swartz 2022 [9], Haffke & Fromberger 2018 [10], and multiple secondary sources).

[26] ICObench. ICO project count statistics 2017–2018. icobench.com (original source offline; figures cross-verified via Cointelegraph 2019–01–05 “ICO Market 2018 vs 2017”).

[27] SEC, July 25, 2017. “Report of Investigation Pursuant to Section 21(a): The DAO.” Release №81207. sec.gov

[28] DefiLlama. pump.fun cumulative DEX trading volume and revenue data. defillama.com

[29] DailyCoin. “Airdrops Under Attack: Can Sybil Farmers Be Stopped?” September 30, 2024. dailycoin.com

[30] LayerZero Labs / Chaos Labs / Nansen. Sybil identification and exclusion data, May–June 2024.

[31] Cookie3. Cross-project Sybil proportion survey (70% of eligible wallets are multi-wallet operators).

[32] DOJ, various dates. BitConnect-related criminal indictments. SEC Press Release 2021–172, September 1, 2021. sec.gov

[33] DOJ, February 25, 2022. “BitConnect Founder Indicted in Global $2.4 Billion Cryptocurrency Scheme.” justice.gov

[34] Texas State Securities Board, Cease and Desist Order, January 3, 2018.

[35] Teneo. Three Arrows Capital Liquidation Affidavits, July 7, 2022; The Block / Decrypt / Fortune, July 19, 2022. 3AC bankruptcy liquidation filings.

[36] CoinDesk, November 2, 2022. Alameda Research balance sheet reporting (FTX collapse trigger).

[37] DOJ, July 2023 / December 2024. Alex Mashinsky indictment and guilty plea.

[38] Stretto. Celsius Network Bankruptcy, Case №22–10964, S.D.N.Y. cases.stretto.com

[39a] Flashbots. MEV-Explore Dashboard & Transparency Reports. transparency.flashbots.net

[39b] EigenPhi. MEV transaction classification and statistics, 2025. eigenphi.io

[40] Cermak, Larry. ICO investor return statistical analysis, 2019. Originally published at The Block Research; data cited by Bitcoinist (2019–08–09) and multiple other sources.

[41] DOJ / U.S. Attorney’s Office, S.D.N.Y., May 15, 2024. “Two Brothers Arrested for Attacking Ethereum Blockchain.” (Anton & James Peraire-Bueno, wire fraud and money laundering conspiracy, $25M, 12-second MEV-Boost exploit). justice.gov