D'Aztec à Zcash : La confidentialité évolue d'un "outil pour activités grises" à une "nécessité institutionnelle"

比推Publié le 2025-12-26Dernière mise à jour le 2025-12-26

Résumé

Depuis le livre blanc de Bitcoin, les limites de la confidentialité des blockchains sont évidentes. En 2025, la confidentialité pragmatique, équilibrant vie privée et conformité, a gagné du terrain. Des blockchains axées sur la confidentialité comme Aztec Network, Nillion, Namada et Miden ont lancé ou préparent leurs mainnets. Des institutions comme Coinbase, Circle et Ethereum Foundation ont initié des projets majeurs, notamment des primitives de confidentialité, un USDC privé (USDCx) et un groupe de travail sur la confidentialité institutionnelle. Des outils comme Privacy Pools et Railgun, basés sur des preuves ZK, permettent aux utilisateurs de protéger leurs transactions tout en restant conformes. Zcash, dont l’adoption privée augmente, reste un acteur clé. La confidentialité devient une nécessité, passant d’un outil marginal à une fonctionnalité essentielle pour les particuliers et les institutions.

Source : The Block

Titre original : From Aztec to Zcash: The year 'pragmatic privacy' took root

Compilation et édition : BitpushNews

Depuis que Satoshi Nakamoto a rédigé le livre blanc du Bitcoin, les limites de la confidentialité des blockchains sont évidentes. Le pionnier de la cryptomonnaie avait alors souligné que, bien qu'utilisant un mécanisme d'anonymat, les adresses Bitcoin pouvaient toujours être retracées jusqu'à une identité réelle.

Pendant des années, cette caractéristique de "pseudo-anonymat" a été tacitement acceptée comme "suffisante", reléguant la plupart des projets de blockchain axés sur la confidentialité à une position marginale.

Cependant, cette année a vu un regain d'intérêt pour la confidentialité sur la blockchain, Zcash devenant l'un des actifs les plus performants de l'année, et la Fondation Ethereum (Ethereum Foundation) lançant plusieurs initiatives de chiffrement de bout en bout. Le concept de "confidentialité pragmatique (Pragmatic Privacy)" a également commencé à prendre racine, visant à équilibrer vie privée individuelle et considérations de conformité.

Nouvelles blockchains de confidentialité

L'année 2025 a été marquée par le lancement de plusieurs nouvelles blockchains axées sur la confidentialité, à différents stades de développement.

Le plus notable est peut-être la mise en ligne de la chaîne Ignition de Aztec Network sur le mainnet en novembre. Non seulement il s'agit du "premier L2 entièrement décentralisé sur Ethereum", avec plusieurs innovations au niveau du consensus et de la technologie ZK, mais il a aussi surmonté de nombreux obstacles depuis le début du projet en 2017.

Plus tôt ce mois-ci, Ignition a également levé 19 476 ETH (environ 61 millions de dollars) auprès de 16 741 participants en utilisant un nouveau mécanisme de "enchères de liquidation continues (Continuous Clearing Auction)" co-développé avec Uniswap Labs.

Nillion est un autre projet de blockchain ayant lancé son mainnet en 2025. Cet ordinateur dit "aveugle (blind computer)" vise à effectuer des calculs sur des données chiffrées et est déjà intégré à plusieurs réseaux tels que Near (Layer 1) et Arbitrum (Layer 2) pour améliorer la confidentialité au niveau applicatif.

Namada, basé sur Cosmos, a également lancé son mainnet Layer 1 en juin, se concentrant sur la "confidentialité composable" et prenant en charge plusieurs écosystèmes blockchain, y compris les L2 (comme Lombard et Babylon), Ethereum et Solana, via des ponts inter-chaînes.

Miden, en développement depuis au moins 2022, se prépare à lancer son mainnet l'année prochaine. Malgré cela, le projet a fait un grand pas vers l'indépendance cette année : il s'est séparé de Polygon et a levé 25 millions de dollars pour construire la blockchain axée sur la confidentialité Edge.

De même, le protocole de confidentialité Umbra, alimenté par Arcium, a réalisé sa première offre de pièces (ICO) sur MetaDAO en octobre, levant 154,9 millions de dollars. Umbra prévoit de démarrer en synchronisation avec la version Alpha du mainnet d'Arcium, devenant l'un des premiers protocoles de confidentialité à utiliser son infrastructure pour se construire sur Solana.

Horizen, l'un des plus anciens projets de confidentialité cryptographique, a également opéré une transformation majeure cette année : il a mis fin à son Layer 1 propriétaire et à son incubateur L2 pour redémarrer en tant que solution de confidentialité Layer 3 sur le réseau Base incubé par Coinbase.

Grayscale, qui gère le fonds du jeton ZEN, a également soumis une déclaration d'enregistrement à la SEC (Securities and Exchange Commission américaine), planifiant de convertir son Grayscale Zcash Trust en premier ETF ZEC. Zcash, avec sa mise à niveau Zebra 3.1, a été l'un des jetons les plus performants au second semestre de cette année.

Initiatives institutionnelles pour la confidentialité

Coinbase a signalé à plusieurs reprises cette année que la confidentialité n'était pas optionnelle pour Base. Plus tôt cette année, la société a annoncé avoir embauché l'équipe de développement d'Iron Fish (un ancien projet de confidentialité en PoW) pour fournir à Base des "primitives de préservation de la confidentialité (privacy-preserving primitives)".

Circle, le plus grand émetteur de stablecoins américain, a également fait sensation en annonçant qu'il testait une version privée emballée de l'USDC, appelée USDCx, sur le testnet d'Aleo.

USDCx semble se concentrer sur la "conformité configurable", visant à prendre en charge des cas d'usage enterprise tels que la gestion de la paie et le commerce électronique.

Parallèlement, le Canton Network, soutenu par Goldman Sachs et Bank of New York Mellon, et Nightfall, un L2 Ethereum incubé par EY, se concentrent sur des solutions blockchain pour entreprises exigeant une confidentialité extrême. Nightfall a déjà annoncé son support pour deux blockchains : le réseau d'actifs du monde réel (RWA) Plume et CELO.

La Fondation Ethereum a lancé plusieurs initiatives de confidentialité cette année, marquant le passage de ce sujet d'un domaine de recherche de niche à une préoccupation centrale pour les développeurs Ethereum. En octobre, la Fondation a formé le "Privacy Cluster", une équipe dédiée de dizaines d'ingénieurs visant à consolider ses travaux sur la confidentialité, y compris une feuille de route pour un chiffrement de bout en bout natif. La Fondation a également lancé un "groupe de travail sur la confidentialité institutionnelle" visant à guider les institutions et entreprises vers Ethereum.

Vitalik Buterin (Vitalik Buterin), le co-fondateur d'Ethereum, a également lancé Kohaku, un framework open-source pour portefeuilles centralisés axé sur la confidentialité, visant à cultiver des fonctionnalités de confidentialité "par défaut et conformes".

Confidentialité Pragmatique

Le concept de "confidentialité pragmatique" est peut-être le plus abouti au niveau applicatif. Cette année, 0xbow a lancé Privacy Pools, un outil permettant aux utilisateurs ordinaires de blockchain d'effacer l'historique de leurs transactions sans avoir d'ennuis juridiques.

Privacy Pools est basé sur les recherches de Buterin et de plusieurs autres cryptographes de haut niveau sur les "listes d'association (association lists)", visant à empêcher les acteurs malveillants de profiter des mixers cryptographiques. L'équipe de 0xbow a récemment levé 3,5 millions de dollars en financement seed, élargi son support pour le stablecoin USDS de Sky, et offert aux utilisateurs de Tornado Cash un moyen de rester anonymes "sans aider les pirates". Il fait également partie du framework logiciel Kahaku de la Fondation Ethereum.

De même, Railgun est listé dans le dépôt GitHub de Kahaku comme un moyen de blinder les fonds. Railgun permet la confidentialité sur la blockchain via un système de "preuve d'innocence (proof of innocence)", où les utilisateurs génèrent une preuve ZK montrant que leurs fonds/transactions n'appartiennent pas à une liste prédéfinie d'adresses marquées/malveillantes.

Enfin, il est important de noter qu'en tant que figure de proue de la confidentialité cryptographique, l'approvisionnement en pool anonyme de Zcash a augmenté pour atteindre près de 25 %, marquant une adoption croissante et régulière de la confidentialité sur le réseau. Zcash offre une confidentialité fonctionnelle aux utilisateurs et la capacité d'être conforme via la divulgation sélective d'informations.

Twitter : https://twitter.com/BitpushNewsCN

Groupe Telegram Bitpush : https://t.me/BitPushCommunity

Abonnement Telegram Bitpush : https://t.me/bitpush

Lien original : https://www.bitpush.news/articles/7598558

Questions liées

QQu'est-ce que le concept de 'vie privée pragmatique' (Pragmatic Privacy) dans le contexte de la blockchain, et pourquoi a-t-il gagné en importance en 2025 ?

ALe concept de 'vie privée pragmatique' vise à équilibrer la confidentialité personnelle et les considérations de conformité. Il a gagné en importance en 2025 en raison d'un regain d'intérêt pour la confidentialité sur la blockchain, illustré par la performance de Zcash et le lancement de plusieurs initiatives de chiffrement de bout en bout par l'Ethereum Foundation.

QQuels sont les nouveaux réseaux blockchain axés sur la confidentialité qui ont été lancés ou ont progressé en 2025 ?

APlusieurs nouveaux réseaux ont été lancés ou ont progressé en 2025, notamment Aztec Network (Ignition), Nillion, Namada, Miden (qui construit Edge), et le protocole de confidentialité Umbra alimenté par Arcium.

QQuelles initiatives institutionnelles majeures en faveur de la confidentialité sur la blockchain ont été annoncées par des entreprises comme Coinbase et Circle en 2025 ?

ACoinbase a embauché l'équipe de développement d'Iron Fish pour fournir des 'primitives de préservation de la confidentialité' pour Base. Circle a testé une version confidentielle de l'USDC, appelée USDCx, sur le testnet d'Aleo, se concentrant sur une 'conformité configurable' pour les cas d'usage en entreprise.

QQuel rôle la Fondation Ethereum a-t-elle joué dans la promotion de la confidentialité en 2025 ?

ALa Fondation Ethereum a lancé plusieurs initiatives, notamment la création d'un 'Privacy Cluster' (groupe de confidentialité) composé de dizaines d'ingénieurs pour consolider ses travaux sur la confidentialité, y compris une feuille de route pour un chiffrement de bout en bout natif. Elle a également lancé un groupe de travail sur la confidentialité institutionnelle.

QComment des protocoles comme Privacy Pools et Railgun mettent-ils en œuvre la 'vie privée pragmatique' pour les utilisateurs ?

APrivacy Pools permet aux utilisateurs d'effacer l'historique de leurs transactions sans enfreindre la loi, en s'appuyant sur des 'listes d'association' pour empêcher les acteurs malveillants de profiter des mélangeurs. Railgun utilise un système de 'preuve d'innocence' où les utilisateurs génèrent des preuves ZK montrant que leurs fonds ne proviennent pas d'adresses malveillantes connues.

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 3 mins

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

marsbitIl y a 3 mins

Upbit Rééquilibre 864 Milliards de SHIB lors d'un Transfert Interne entre Portefeuilles

Le courtier sud-coréen Upbit a réorganisé 864 milliards de SHIB entre ses propres portefeuilles internes, un mouvement significatif sur la blockchain mais qui correspond à un rééquilibrage de routine plutôt qu'à une vente. Les transferts, d'une valeur d'environ 4 millions de dollars, ont suivi une hausse de 36% du SHIB, ce qui a attiré l'attention. Cependant, l'analyse des adresses labellisées confirme qu'il s'agit de mouvements entre des portefeuilles chauds et d'autres adresses internes de la plateforme, et non d'un retrait de fonds ou d'une préparation à une vente. Cet événement souligne l'importance de contextualiser les gros mouvements on-chain. La transparence des blockchains peut prêter à confusion si les transferts ne sont pas correctement interprétés. Les échanges rééquilibrent régulièrement leurs actifs entre portefeuilles chauds (pour la liquidité) et froids (pour la sécurité) dans le cadre de leurs opérations normales. Pour les traders, un tel mouvement interne n'a pas d'impact direct sur l'offre disponible sur le marché. L'article conclut que, bien que notable par son ampleur et son timing, ce transfert ne doit pas être considéré comme un signal de vente ou de panique. Il rappelle que la puissance des données on-chain réside dans leur analyse croisée avec un étiquetage fiable des portefeuilles.

bitcoinistIl y a 5 mins

Upbit Rééquilibre 864 Milliards de SHIB lors d'un Transfert Interne entre Portefeuilles

bitcoinistIl y a 5 mins

Chacun limité à 20 articles ? La nouvelle règle de l'ICLR fait l'objet d'une « pétition ironique » d'un chercheur de DeepMind

L'ICLR 2027 a instauré une nouvelle règle limitant chaque auteur à un maximum de 20 soumissions, au-delà desquelles des articles seront rejetés aléatoirement. Cette mesure vise à soulager la pression sur un système d'évaluation en crise, après une augmentation de 68% des soumissions pour ICLR 2026 (19 525 articles). En réaction, Dan Roy, chercheur chez Google DeepMind, a lancé une pétition sarcastique sur X, dénonçant cette limite comme « arbitraire » et « ralentissant le progrès de l'IA ». Son texte, ironique, suggère qu'il faudrait au contraire encourager la production massive de papiers par des agents IA, puisque l'évaluation par des modèles de langage serait déjà une réalité. Il fait ainsi allusion au scandale de ICLR 2026, où environ 21% des commentaires d'évaluation avaient été suspectés d'être entièrement générés par IA. À travers cette satire, Roy questionne l'efficacité d'une simple limitation quantitative face à un paysage académique où la génération automatisée de publications et d'évaluations se généralise, appelant à une réflexion plus profonde sur les défis posés par l'IA à l'intégrité scientifique.

marsbitIl y a 9 mins

Chacun limité à 20 articles ? La nouvelle règle de l'ICLR fait l'objet d'une « pétition ironique » d'un chercheur de DeepMind

marsbitIl y a 9 mins

Une vulnérabilité sur Coldcard entraîne le vol de 89 millions de dollars, déclenchant la plus grande migration en chaîne depuis FTX

L'incident de sécurité concernant le portefeuille matériel Coldcard a conduit au vol d'environ 8900 millions de dollars en Bitcoin, déclenchant une importante migration de fonds sur la chaîne. Suite à un avertissement de la société Coinkite le 30 juillet concernant une vulnérabilité liée à la génération de phrases de récupération, les utilisateurs concernés ont dû transférer massivement leurs actifs vers de nouvelles adresses sécurisées. Cette migration a entraîné une flambée anormale de l'activité des petites transactions et des adresses actives, brouillant les indicateurs traditionnels du marché et faisant baisser le sentiment des investisseurs. Parallèlement, les enquêteurs se heurtent à des difficultés pour tracer les fonds volés, en partie à cause des restrictions des modèles d'IA commerciaux américains qui entravent l'analyse des données malveillantes, un problème déjà rencontré par d'autres équipes de sécurité. La situation souligne la vulnérabilité perçue du stockage à froid et les défis posés par l'IA dans la course contre la montre pour le suivi des cryptomonnaies volées.

marsbitIl y a 55 mins

Une vulnérabilité sur Coldcard entraîne le vol de 89 millions de dollars, déclenchant la plus grande migration en chaîne depuis FTX

marsbitIl y a 55 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 1 h

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

marsbitIl y a 1 h

Trading

Spot
活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow