Crypto Traders en Alerte : CLARITY Est-Elle La Dernière Chance de Protéger le Rendement des Stablecoins ?

bitcoinistPublié le 2026-04-14Dernière mise à jour le 2026-04-14

Résumé

Un sénateur américain, Thom Tillis, travaille sur une version de compromis du projet de loi CLARITY Act visant à résoudre le différend sur la rémunération des stablecoins. Ce texte, élaboré avec la sénatrice Angela Alsobrooks, cherche à clarifier si les entreprises crypto peuvent offrir des intérêts sur les soldes stables inactifs. Les banques s'opposent à cette pratique, craignant une fuite des dépôts traditionnels au profit d'actifs numériques rémunérés. Les plateformes crypto défendent quant à elles la nécessité de ces rendements pour attirer les utilisateurs et rester compétitives face aux juridictions offshore. Le compromis envisagé interdirait probablement les rémunérations "passives" mais autoriserait des récompenses liées à l'utilisation active des stablecoins. Cette décision influencera la compétitivité du dollar numérique américain face aux CBDC étrangères et déterminera où les investisseurs placeront leur liquidités.

Un sénateur américain pourrait dévoiler un "avant-projet de compromis" visant à régler le différend sur le rendement des crypto-stablecoins dans le futur CLARITY Act.

Une Nouvelle Mise à Jour sur la Législation Crypto

Le sénateur républicain américain Thom Tillis (R-N.C.) a déclaré ce lundi qu'il visait à dévoiler cette semaine un projet d'accord pour sortir de l'impasse sur le rendement des stablecoins entre les banques et les entreprises de crypto. Selon Politico, il a collaboré avec la sénatrice Angela Alsobrooks (D-Md.) sur une nouvelle formulation du CLARITY Act conçue pour régler définitivement la question de savoir si les entreprises de crypto peuvent verser des intérêts sur les soldes de stablecoins inactifs.

Selon le rapport, le texte a déjà été partagé avec les groupes bancaires et les entreprises de crypto. Les banques s'opposent toujours à des éléments clés, indique le rapport, et Tillis a laissé de la place pour des modifications.

Le différend de longue date sur le rendement est le principal obstacle qui bloque la loi historique CLARITY Act au Sénat, même après que la Chambre des représentants a adopté sa version l'année dernière. Bien que le GENIUS Act adopté l'année dernière interdise aux émetteurs de stablecoins de verser directement des intérêts aux détenteurs, il permet toujours à des plateformes tierces comme les exchanges d'offrir un rendement.

Au début du mois, le directeur juridique de Coinbase, Paul Grenwal, a suggéré que les négociateurs au Sénateur étaient "très proches" d'un accord sur la question la plus controversée du CLARITY Act : le rendement des stablecoins.

Le Différend sur le Rendement des Stablecoins

Rappelons que le différend repose sur le fait que les stablecoins générateurs de rendement concurrencent directement les dépôts bancaires traditionnels car ils offrent des actifs libellés en dollars qui peuvent se déplacer instantanément on-chain tout en offrant des rendements attractifs, ce qui en fait une alternative convaincante aux comptes d'épargne et monétaires.

Les banques craignent que cela ne draine les dépôts qui financent leurs activités de prêt et d'investissement, en particulier auprès des clients plus jeunes et plus natifs du numérique qui sont à l'aise pour détenir de la valeur sous forme tokenisée. Par conséquent, elles poussent pour des limites strictes ou des interdictions pures et simples des paiements semblables à des intérêts aux détenteurs de stablecoins, arguant que de tels produits devraient être réglementés comme le secteur bancaire et qu'un rendement non contrôlé pourrait saper la stabilité financière et leur base de financement centrale.

Du côté crypto, cependant, le rendement sur les soldes de stablecoins stationnés est considéré comme une caractéristique fondamentale : c'est l'un des principaux moyens par lesquels les exchanges et les plateformes DeFi attirent et fidélisent les utilisateurs en transformant les liquidités inactives en un produit générateur de revenus. Ces rendements aident à différencier les dollars on-chain des comptes bancaires traditionnels, soutiennent les programmes d'incitation par tokens et approfondissent la liquidité sur les marchés de prêt, les perpétuels et les market makers automatisés.

Pour de nombreuses plateformes, couper ou limiter fortement le rendement des stablecoins toucherait leur modèle économique central, affaiblirait les intégrations DeFi et rendrait plus difficile la concurrence pour le capital mondial qui peut se déplacer vers des juridictions plus permissives en quelques clics.

Ce Que Cela Signifie Pour Le Marché

Dernièrement, la ligne politique émergente semble aller dans le sens d'aucun rendement "passif" pour les soldes inactifs, mais de possibles récompenses liées aux paiements, transferts et autres "utilisations actives". Le projet de compromis de Tillis vise à le codifier, en clarifiant ce qui compte comme intérêt interdit par opposition aux récompenses autorisées basées sur l'activité.

La manière dont les États-Unis définissent le rendement des stablecoins façonnera la concurrence du dollar avec les monnaies numériques de banque centrale (MNBC) étrangères et les places offshore de stablecoins qui offrent encore un rendement. Les exchanges américains pourraient devoir pivoter vers des "récompenses" basées sur l'activité et les plateformes offshore pourraient attirer le capital à la recherche de rendement.

Tout texte final influencera fortement l'APY des stablecoins, la liquidité, et l'endroit où les traders sérieux placent leur poudre sèche.

Au moment de la rédaction, le BTC s'échange à plus de 74k $ sur le graphique journalier. Source : BTCUSDT sur Tradingview.

Image de couverture de Perplexity. Graphique BTCUSDT de Tradingview.

Questions liées

QQuel sénateur américain travaille sur un projet de compromis concernant le rendement des stablecoins ?

ALe sénateur républicain Thom Tillis (R-N.C.) travaille sur un projet de compromis, en collaboration avec la sénatrice Angela Alsobrooks (D-Md.), pour résoudre le différend sur le rendement des stablecoins.

QQuel est le principal obstacle à l'adoption du CLARITY Act au Sénat ?

ALe principal obstacle est le différend de longue date concernant le rendement des stablecoins, qui oppose les banques traditionnelles aux entreprises de cryptomonnaies.

QPourquoi les banques traditionnelles s'opposent-elles au rendement des stablecoins ?

ALes banques craignent que les stablecoins rémunérés ne drainent leurs dépôts, qui financent leurs activités de prêt et d'investissement, en particulier auprès des clients plus jeunes et à l'aise avec les actifs tokenisés.

QComment les plateformes cryptos justifient-elles le paiement d'un rendement sur les stablecoins ?

AElles considèrent le rendement comme une fonction fondamentale pour attirer et fidéliser les utilisateurs, transformer les liquidités inactives en produit générateur de revenus, et soutenir les programmes d'incitation et la liquidité des marchés décentralisés.

QQuelle semble être la ligne politique émergente concernant le rendement des stablecoins aux États-Unis ?

ALa tendance politique émergente semble être l'interdiction du rendement 'passif' sur les soldes inactifs, mais l'autorisation de récompenses liées à des utilisations actives comme les paiements et les transferts.

Lectures associées

Les modèles génératifs peuvent aussi être entraînés de bout en bout ? Le noyau est en fait une boucle for

En 2012, AlexNet a révolutionné l'apprentissage profond en introduisant l'entraînement de bout en bout, où le modèle apprend une tâche complète en une seule fois, surpassant les approches par étapes conçues par l'homme. Cependant, les modèles génératifs actuels, comme les modèles autorégressifs ou de diffusion, font exception : ils sont entraînés à prédire une seule petite étape, puis doivent dérouler cette étape des centaines de fois lors de l'inférence. Cet écart entre l'entraînement et l'inférence entraîne un biais d'exposition (exposure bias), où les erreurs s'accumulent. Un récent article de l'Université de l'Illinois et de Harvard propose un nouveau paradigme, appelé Modélisation Exploratoire (Explorative Modeling, ou XM), pour résoudre ce problème. L'idée centrale est simple : au lieu de générer un seul échantillon par étape d'entraînement, le modèle en génère K, puis ne garde que le plus proche des données réelles pour calculer la perte et mettre à jour les paramètres. Cette boucle d'exploration, implémentée en quelques lignes de code, permet au modèle de capturer plusieurs modes de la distribution de données, évitant ainsi le flou modal (mode blurring) où le modèle converge vers une moyenne peu réaliste. Les auteurs démontrent que cette "expressivité générative" agit comme un troisième axe d'optimisation, indépendant de la taille du modèle ou des données. Les résultats montrent des gains croissants avec l'échelle : l'exploration améliore l'efficacité des FLOPs d'un facteur 4,1, l'efficacité des échantillons de 6,2 et l'efficacité des paramètres de 47%. Sur ImageNet, XM atteint un FID de 1,43 sans guidage. Appliqué de bout en bout, XM permet une inférence en une seule passe, rivalisant avec des modèles de diffusion nécessitant des centaines d'étapes, notamment dans des tâches de contrôle robotique. Bien que le concept de sélection du meilleur parmi K (best-of-K) ne soit pas nouveau, cette formalisation clarifie son rôle pour amplifier l'expressivité générative. Alors que les modèles continuent de grandir, cette troisième "molette" pourrait devenir déterminante.

marsbitIl y a 52 mins

Les modèles génératifs peuvent aussi être entraînés de bout en bout ? Le noyau est en fait une boucle for

marsbitIl y a 52 mins

OpenAI ne compte plus sur son modèle le plus cher pour gagner de l'argent

OpenAI réduit considérablement ses prix : le modèle GPT-5.6 Luna baisse de 80 % et Terra de 20 %. Ce mouvement, accompagné par Anthropic qui propose aussi des alternatives moins chères, marque un tournant stratégique. Les géants de l'IA ne misent plus seulement sur leurs modèles "phares" les plus performants et chers (comme Sol ou Fable) pour générer des revenus, mais encouragent désormais l'utilisation de modèles intermédiaires (Luna, Terra, Opus) pour les tâches courantes et à grande échelle. L'idée est de créer un écosystème où les modèles se spécialisent : les plus intelligents conçoivent et planifient, tandis que les plus abordables exécutent. Cette approche, similaire à l'industrie automobile où les modèles grand public assurent les volumes, vise à verrouiller les flux de traitement à bas coût. Un point clé est l'optimisation automatique : OpenAI révèle que ses modèles avancés participent désormais à l'optimisation de leur propre code et de leur efficacité, créant une boucle vertueuse de réduction des coûts. L'objectif final n'est plus de vendre l'intelligence la plus pointue, mais de devenir la plateforme par défaut, avec une rentabilité basée sur le volume massif d'appels d'API à très faible coût. Le débat se déplace ainsi de "quel modèle est le plus intelligent ?" vers "quel écosystème offre le meilleur ROI ?". L'ambition est que l'IA, comme l'électricité, devienne une utilité omniprésente et peu coûteuse, intégrée silencieusement dans tous les processus.

marsbitIl y a 2 h

OpenAI ne compte plus sur son modèle le plus cher pour gagner de l'argent

marsbitIl y a 2 h

Trading

Spot
活动图片