Les blockchains publiques sont transparentes par conception. Chaque transaction reste définitivement visible pour quiconque souhaite l'examiner. La transparence n'est toutefois pas synonyme de compréhension. Une adresse de portefeuille n'est en soi qu'une chaîne de caractères ; apprendre que cette adresse appartient à une plateforme d'échange sous sanctions, à un exploitant connu ou au stockage à froid d'un fonds spéculatif constitue une information d'une tout autre nature — et combler cet écart exige une infrastructure sérieuse. La demande pour cette infrastructure a grandi en même temps que la réglementation elle-même : à mesure que des cadres comme la MiCA de l'UE et la règle de transfert du GAFI entrent en vigueur, les plateformes d'échange et les institutions financières font face à des obligations croissantes de savoir précisément avec qui elles traitent. Certaines des entreprises ci-dessous construisent des outils pour les équipes de conformité et les enquêteurs, d'autres pour les traders cherchant à comprendre où circule réellement l'argent. Il est à noter que presque toutes convergent vers des workflows assistés par l'IA, un signe de la direction que prend cette catégorie. Voici dix entreprises qui font tourner cette infrastructure aujourd'hui.

Chainalysis

Chainalysis reste le premier nom associé à cette catégorie, et pour de bonnes raisons. Selon des rapports, neuf des dix premières plateformes d'échange de cryptomonnaies l'utilisent, et ses outils opèrent dans environ 180 pays, au service des gouvernements, des institutions financières et des plateformes d'échange soucieuses de rester conformes. Son produit KYT (« Know Your Transaction ») assure la surveillance des transactions en temps réel, tandis que ses travaux de cartographie ont reportedly relié plus d'un milliard d'adresses à des entités du monde réel. L'entreprise s'est récemment investie davantage dans l'IA, associant ses données blockchain à des outils d'investigation assistés par IA conçus pour aider les agences et les entreprises à aborder la crypto avec plus de confiance, plutôt que de la traiter comme une boîte noire impénétrable.

TRM Labs

TRM Labs a construit ses outils d'investigation autour d'un agent d'IA nommé Orion, intégré directement dans son produit TRM Forensics et entraîné par des enquêteurs en activité ayant mené de vraies affaires, plutôt que développé dans l'abstrait. Il raisonne simultanément sur les registres blockchain, les renseignements sur les acteurs de menaces et les rapports de victimes, permettant à un enquêteur de regrouper un syndicat criminel ou de constituer un dossier de gel en langage naturel, au lieu d'assembler manuellement une affaire nœud par nœud. Sur le plan opérationnel, ce qui distingue TRM, c'est son Beacon Network, qui notifie en temps réel les fournisseurs de services d'actifs virtuels lorsque des fonds illicites signalés atteignent leurs plateformes — transformant la détection en une véritable opportunité de geler les fonds avant qu'ils ne deviennent hors d'atteinte, plutôt qu'en un simple rapport déposé après coup.

Elliptic

Elliptic a bâti sa réputation du côté de la conformité, aidant les banques, les plateformes d'échange et les forces de l'ordre à filtrer les transactions selon les normes réglementaires du GAFI et de la MiCA sur plus de cinquante blockchains prises en charge, appuyé par plus de cent milliards de points de données. Son système « Holistic Screening » recoupe simultanément l'activité on-chain avec les données off-chain, afin de détecter l'exposition à des portefeuilles sous sanctions ou à des activités criminelles avec plus de précision que l'examen d'une seule de ces sources ne le permettrait. Pour une banque souhaitant entrer dans l'univers crypto sans hériter d'une pile de risques réglementaires inconnus, l'argument central d'Elliptic consiste essentiellement à appliquer la rigueur de filtrage de la finance traditionnelle à une classe d'actifs que les régulateurs apprennent encore activement à encadrer.

Nansen

Nansen se situe davantage du côté de l'intelligence de marché que de la conformité. Il étiquette et suit plus de 500 millions de portefeuilles sur les principales blockchains, et sa vraie valeur réside dans le labellisage : transformer une adresse anonyme en « hot wallet d'échange connu » ou « fonds lié à un trader connu précis », afin que les analystes ne perdent pas de temps à poursuivre du bruit. Les fonds spéculatifs et les traders institutionnels s'appuient sur lui spécifiquement pour suivre ce qu'on appelle souvent la smart money, et il a tendance à signaler tôt les chaînes et écosystèmes émergents — parfois avant qu'ils n'apparaissent sur le radar de quiconque. La réserve que les analystes soulèvent régulièrement à propos de Nansen, et des outils de clustering en général, est que les étiquettes sont probabilistes et non certaines : un cluster qui ressemble à une entité unique n'est pas garanti d'en être réellement une.

Glassnode

Glassnode a bâti une réputation de longue date autour des fondamentaux on-chain plutôt que des mouvements de prix. Il propose des métriques telles que les pertes réalisées, le comportement des détenteurs et des indicateurs de santé du réseau, dont beaucoup sont ancrés dans la théorie économique plutôt que dans de simples comptages bruts de transactions. Son interface Glassnode Studio les présente sous forme de graphiques en temps réel couvrant Bitcoin, Ethereum et les réseaux DeFi, et il s'est étendu aux métriques de produits dérivés, couvrant les taux de financement et les intérêts ouverts alongside ses données on-chain principales. Les traders et chercheurs qui veulent une lecture fondée sur les fondamentaux de ce qui se passe réellement sous le graphique de prix — plutôt que de simplement regarder les bougies bouger — sont ceux qui tendent à se tourner vers Glassnode.

Arkham Intelligence

Arkham s'est taillé une niche dans l'attribution de portefeuilles et l'identification d'entités : déterminer qui se cache réellement derrière une activité on-chain donnée. Cela revêt une importance énorme dès lors qu'on réalise qu'un transfert important signifie quelque chose de complètement différent selon qu'il provient d'un portefeuille inconnu, d'une plateforme d'échange connue ou d'un cluster lié à un exploit passé. Les traders et chercheurs l'utilisent pour surveiller les grands détenteurs, les fonds et les teneurs de marché. Son utilité devient évidente au moment où une étiquette change toute l'interprétation d'un événement — la même taille de transaction raconte une histoire totalement différente une fois qu'on sait qui l'a envoyée. Il fonctionne mieux en complément de Nansen qu'en concurrent direct, les deux se recoupant dans l'esprit mais différant dans la manière dont ils construisent et présentent ces étiquettes d'entités.

Dune Analytics

Dune adopte une approche réellement différente de la plupart des noms de cette liste. Plutôt que de livrer un tableau de bord fixe avec un ensemble fixe de métriques, il offre une interface interrogeable en SQL sur des données blockchain indexées et laisse la communauté construire et partager ses propres tableaux de bord personnalisés par-dessus. C'est une proposition de valeur significativement différente : au lieu d'attendre qu'un fournisseur ajoute la métrique spécifique dont on a besoin, un analyste avec des compétences SQL de base peut écrire lui-même la requête et la publier pour que d'autres la réutilisent. Grâce à cette ouverture, Dune est devenu quelque chose de proche d'un bien commun pour la recherche on-chain — un modèle réellement différent des produits sous licence et pilotés par la vente entreprise sur lesquels reposent la plupart des plateformes axées conformité présentes ici.

Crystal Intelligence

Crystal Intelligence, développé par Bitfury et encore largement connu sous son ancien nom Crystal Blockchain, est resté un choix de référence pour les équipes d'investigation et de conformité, en grande partie grâce à sa visualisation de graphes de transactions. Il retrace les flux de fonds suspects à travers un réseau d'une manière que les analystes peuvent suivre visuellement plutôt qu'en analysant des entrées brutes de registre. Il est utilisé en Europe, en Asie et au Moyen-Orient pour des enquêtes AML, et ses mises à jour récentes ont ajouté une surveillance cross-chain couvrant Bitcoin, Ethereum, TRON et Polygon, ainsi qu'un clustering amélioré basé sur l'IA qui regroupe automatiquement les portefeuilles liés. Pour un enquêteur construisant un dossier qui doit résister à l'examen d'un auditeur ou d'une banque en bout de chaîne, cette piste de preuves visuelle et traçable est souvent tout aussi importante que la détection elle-même.

Merkle Science

Merkle Science opère dans le même espace de conformité et de criminalistique qu'Elliptic et Crystal, mais son angle distinctif est l'évaluation des risques pré-transaction : filtrer le risque d'un portefeuille avant qu'un transfert ne soit réglé, plutôt que d'analyser uniquement ce qui s'est déjà produit. Cette distinction a plus d'importance qu'il n'y paraît pour les plateformes d'échange, les fintechs et les sociétés de paiement traitant de gros volumes de dépôts et de retraits, où l'analyse post-transaction sert à construire un dossier, mais où le filtrage pré-transfert est ce qui réduit réellement les pertes et l'exposition réglementaire en premier lieu. C'est un nom plus petit que Chainalysis ou Elliptic, mais il a trouvé une vraie niche auprès des entreprises dont le besoin opérationnel est « filtrer avant de régler » plutôt que « enquêter après coup ».

Talos (anciennement Coin Metrics)

Talos est resté l'un des noms les plus discrets de cette catégorie, moins focalisé sur des tableaux de bord tape-à-l'œil que sur un flux réellement fiable et de qualité institutionnelle de données on-chain agrégées pour la recherche et les desks de trading. Issu de racines open-source en tant que projet de surveillance de données réseau, cet héritage se retrouve encore dans le sérieux avec lequel il traite la qualité des données et la transparence méthodologique par rapport à des outils grand public plus spectaculaires. Pour les fonds quantitatifs et les chercheurs qui ont besoin de données historiques propres et bien documentées sur lesquelles construire de vrais modèles — plutôt qu'une interface soignée destinée à des lectures visuelles rapides — Talos tend à être le nom qui revient continuellement dans le pipeline réel plutôt que dans la présentation commerciale.

Vu dans son ensemble, cette liste esquisse aussi les lignes de fracture susceptibles de façonner la catégorie : des fournisseurs pilotés par la conformité qui se disputent la couverture de plus de chaînes et de juridictions, des plateformes d'intelligence en concurrence sur la qualité de l'attribution, et des modèles ouverts comme celui de Dune qui exercent une pression par l'autre bout sur le prix et la flexibilité. Lequel de ces modèles remportera les budgets institutionnels est l'une des questions ouvertes les plus discrètes de l'infrastructure crypto.

Source : Metaverse Post