Introduction
Dans l’univers de la finance décentralisée (DeFi), la liquidité a longtemps été considérée comme un bien public quasi inconditionnel : les pools de liquidité sont ouverts 24h/24, acceptant toutes les transactions sans distinction. Cependant, ce modèle traditionnel de « liquidité passive » révèle de plus en plus sa fragilité intrinsèque, plaçant les utilisateurs ordinaires et les fournisseurs de liquidité (LP) en position de faiblesse face à ceux disposant d’un avantage informationnel. Aujourd’hui, une transformation profonde baptisée « liquidité conditionnelle » (Conditional Liquidity) se prépare, visant à insuffler intelligence et règles au cœur de la liquidité. Le Bitget Wallet Research Institute vous propose dans cet article de découvrir comment cette innovation pourrait fondamentalement redéfinir la cartographie des risques et les contrats d’équité dans les échanges DeFi.
I. Les coûts cachés des DEX : le dilemme endogène de la liquidité passive
Dans les exchanges décentralisés (DEX) traditionnels basés sur les market makers automatisés (AMM), les pools de liquidité des fournisseurs (LP) fonctionnent comme une place publique ouverte en permanence, traitant tous les traders de manière égale, sans distinction. Ce modèle de « liquidité passive » semble équitable, mais sur des blockchains performantes comme Solana, où les transactions se jouent à la milliseconde, il révèle une faiblesse fatale : des chemins de transaction complexes et des délais ultra-courts créent des conditions idéales pour les « sandwich attacks », le front-running et autres flux d’ordres toxiques (Toxic Order Flow). Les institutions d’arbitrage professionnelles, dotées d’un avantage informationnel et de puissantes machines, peuvent exploiter chaque micro-fluctuation ou gros ordre du marché pour réaliser des arbitrages précis. (Voir ci-dessous l’exemple classique des « sandwich attacks »)
Source : CoW DAO
Le coût de ces pratiques est finalement supporté en silence par deux catégories d’acteurs : les traders ordinaires, qui subissent des problèmes de slippage importants et une expérience de trading dégradée ; et les fournisseurs de liquidité (LP), dont les rendements à long terme sont continuellement érodés.
| Traders ordinaires : problèmes de slippage + prix de transaction imprévisibles | Fournisseurs de liquidité : érosion à long terme due à l’asymétrie d’information |
| Pour les traders ordinaires, le principal risque réside dans le court délai entre la soumission de la transaction et sa confirmation finale sur la blockchain. Ce laps de temps offre une fenêtre d’attaque aux arbitragistes MEV (valeur maximale extractible). En surveillant les transactions en attente sur le réseau, des bots automatisés professionnels peuvent placer des ordres avant ou après ceux des utilisateurs, réalisant ainsi des « sandwich attacks ». Cette opération augmente directement le coût d’achat ou réduit le produit de la vente pour l’utilisateur, aboutissant à un prix final différent de celui escompté. Cette différence constitue un « coût de transaction caché » difficile à détecter mais bien réel. | Pour les fournisseurs de liquidité (LP), le risque est plus structurel et de long terme, appelé « adverse selection » (sélection adverse). En tant que fournisseurs passifs de cotations, les LP se retrouvent souvent à traiter, sans le savoir, avec des arbitragistes professionnels mieux informés. Lorsque le prix réel d’un actif évolue fortement hors chaîne sans que le prix on-chain ne soit encore ajusté, les arbitragistes exploitent cet écart pour extraire de la valeur des LP. Cette perte, différente de l’« impermanent loss », est une sortie nette de capital due à l’asymétrie d’information, qui, accumulée sur le long terme, érode systématiquement le capital et les rendements des LP. |
Source des données : compilation d’informations publiques
C’est précisément pour résoudre ce dilemme que la « liquidité conditionnelle » (Conditional Liquidity, CL) a vu le jour. Ce nouveau modèle, proposé en premier par l’agrégateur DEX DFlow, vise à transformer la liquidité d’un « pool statique passif » en un « gardien intelligent et actif ». L’idée centrale est claire : l’offre de liquidité n’est plus inconditionnelle, mais peut être ajustée intelligemment en fonction de données en temps réel sur la « toxicité » du flux d’ordres, etc. Cette réponse dynamique basée sur des règles vise à corriger les inégalités actuelles du trading, offrant une protection concrète aux utilisateurs ordinaires et aux LP.
II. Défense intelligente : le double mécanisme de filtrage de la liquidité conditionnelle
La « liquidité conditionnelle » (Conditional Liquidity, CL) protocolise une logique décisionnelle complexe, établissant une microstructure de marché plus intelligente et résiliente. Sa mise en œuvre repose sur deux composants clés : d’abord, le « Segmenter » pour l’identification des risques et la segmentation des ordres, puis les « Declarative Swaps » pour une exécution sécurisée et efficace des intentions.
-
Segmenter : identification des risques et labellisation
Le Segmenter est le « cerveau analytique » du cadre CL, avec deux fonctions principales : évaluation des risques et labellisation.
Premièrement, le Segmenter évalue en temps réel le risque comportemental de chaque flux d’ordres entrant dans le système. Les dimensions analysées peuvent inclure : la provenance de la requête, les schémas comportementaux historiques de l’initiateur, la fréquence et la rapidité de soumission, la détection de prix sur plusieurs plateformes, etc.
Ensuite, sur la base de cette analyse, le Segmenter appose le résultat de l’évaluation sous forme de signature sur l’ordre, attribuant un « label de toxicité ». Ce label peut être binaire (« toxique » & « non-toxique ») ou multi-niveaux. Mais il ne s’agit pas d’un simple filtre d’accès, c’est un signal clé pour activer des services différenciés (frais et routage) : il guide la liquidité vers un appariement sélectif :
-
Pour les flux d’ordres labellisés « non-toxiques » (généralement considérés comme provenant d’utilisateurs de détail ou de stratégies passives), le système oriente le marché vers de meilleures cotations, une profondeur de liquidité accrue et des frais réduits, récompensant et protégeant les comportements vertueux.
-
Pour les flux d’ordres labellisés « toxiques », le système applique des frais plus élevés, des spreads plus larges, des limites de transaction plus strictes, voire refuse la liquidité dans des conditions extrêmes, faisant ainsi supporter aux comportements à risque leur juste coût.
Source : Helius, DFlow
De cette façon, la liquidité conditionnelle transforme les stratégies de gestion des risques autrefois cachées dans les serveurs internes des AMM en capacités protocolaires transparentes et standardisées, permettant une segmentation et une tarification efficaces des flux selon leur niveau de risque, et distinguant clairement utilisateurs classiques et arbitragistes.
-
Declarative Swaps : exécution sécurisée et pilotée par l’intention
Pour garantir l’exécution précise et sécurisée de l’analyse du Segmenter, le cadre CL adopte le modèle de « Declarative Swaps », qui sépare clairement le processus de trading en deux étapes : « intention » et « exécution » :
-
Étape 1 : déclaration d’intention (Open-order). L’utilisateur soumet une « intention » exprimant son objectif de trading (par exemple : « je souhaite échanger 100 USDC contre le maximum de SOL possible »), ses actifs étant alors mis en séquestre. L’essentiel ici : l’intention de l’utilisateur n’entre pas dans le mempool public, éliminant d’emblée le risque de front-running.
-
Étape 2 : exécution groupée (Fill). Le protocole (agrégateur ou solveur professionnel) calcule en arrière-plan le chemin d’exécution optimal selon l’intention de l’utilisateur et le label du Segmenter, puis regroupe l’intention et l’ordre exécuté en une transaction atomique soumise on-chain.
Ce modèle « intention d’abord, exécution groupée on-chain » réduit drastiquement la fenêtre d’attaque, rendant les « sandwich attacks » et autres front-running quasi impossibles. Les market makers peuvent, après avoir validé une transaction saine, injecter la liquidité dans le même bloc puis la retirer immédiatement, ce qui améliore l’efficacité du capital et offre un service de liquidité instantanée, fiable et orchestré par le protocole.
III. Perspectives : de la tarification unique à l’évolution multi-conditionnelle
La liquidité conditionnelle n’est pas née de nulle part, mais s’inscrit dans l’évolution logique de la DeFi vers une plus grande efficacité et robustesse du capital. Elle peut être vue comme une extension du concept de « liquidité concentrée » introduit par Uniswap v3. Uniswap v3 a permis pour la première fois aux LP de déployer du capital selon une « plage de prix » ; la liquidité conditionnelle élargit ce principe, étendant les « conditions » au-delà du prix unique pour inclure la qualité du flux d’ordres, les caractéristiques temporelles, la volatilité du marché, etc., intégrant ces capacités décisionnelles et d’exécution au cœur du protocole.
Ce modèle corrige précisément les points faibles des écosystèmes performants comme Solana, et pourrait apporter des optimisations structurelles et gagnant-gagnant à l’ensemble de l’écosystème DEX. Les utilisateurs ordinaires bénéficieront d’une réduction des coûts de transaction et d’une meilleure protection contre le MEV ; les LP disposeront d’outils de gestion des risques plus fins, pour allouer leur capital à des flux « sains » et obtenir des rendements plus durables ; enfin, cela redéfinira la concurrence entre DEX et agrégateurs, passant d’une simple guerre des prix à une compétition sur la « qualité d’exécution » et la « sécurité de l’expérience ».
Cependant, si la feuille de route de ce nouveau modèle est séduisante, sa mise en œuvre pratique soulève un défi fondamental : qui définit la « toxicité » ? C’est le cœur du problème de gouvernance : si l’algorithme du Segmenter est trop conservateur, il risque de « blesser » des traders innocents ; s’il est trop laxiste, il ne pourra pas contrer les attaques sophistiquées. Cela touche au fondement de la confiance dans le monde décentralisé : un Segmenter contrôlé par une entité unique, avec un algorithme opaque, pourrait devenir un nouveau goulot d’étranglement centralisé, voire ouvrir la porte à des collusions avec des intérêts particuliers.
Pour surmonter le « problème de la boîte noire » du Segmenter, la conception de son cadre de gouvernance est cruciale. Les pistes futures pourraient s’orienter vers plus de décentralisation et de vérifiabilité : par exemple, permettre à plusieurs Segmenters indépendants de fonctionner en parallèle, laissant le protocole ou les LP choisir et pondérer selon leur réputation ; imposer la publication de logs d’audit accessibles à la communauté pour plus de transparence ; et mettre en place des mécanismes d’évaluation et de récompense/sanction a posteriori, pour encourager les modèles précis et pénaliser ceux qui commettent trop d’erreurs. Bien que ces pistes montrent la voie vers une gestion des risques décentralisée, une solution mature, équilibrée et consensuelle reste à construire par l’ensemble du secteur.
IV. Conclusion : de « l’art de la boîte noire » à la « science du protocole »
La liquidité conditionnelle va bien au-delà d’une simple innovation technique : elle constitue une profonde refonte de l’équité et de l’efficacité sur le marché DeFi. Son essence : permettre une tarification plus juste pour chaque intention et risque, transformant les règles implicites et inéquitables du jeu en une logique de protocole explicite et programmable. C’est, en substance, un passage de la « boîte noire » de l’expérience humaine à la « science du protocole » ouverte et vérifiable. Malgré les nombreux défis à venir, cette direction ouvre un espace d’imagination précieux pour l’évolution future de la DeFi.
