Pari d'initié ? Un portefeuille lié à un utilisateur d'Axiom réalise un profit après que ZachXBT nomme l'exchange

ambcryptoPublié le 2026-02-26Dernière mise à jour le 2026-02-26

Résumé

Une enquête de ZachXBT a révélé des allégations de trading d'initiés au sein du exchange Axiom, déclenchant une série d'analyses on-chain. Peu avant la publication du rapport, un utilisateur sous le pseudonyme "predictorxyz" a parié 65 800 $ sur Polymarket, misant avec succès sur l'implication d'Axiom. Le pari a rapporté plus de 400 000 $. Des analyses ultérieures ont retracé le financement de ce pari vers un portefeuille lié à un utilisateur actif d'Axiom, "JustADegen", alimenté par 70 000 USDC peu avant le pari. Bien que la preuve ne soit pas définitive, le timing et les flux de transactions sont jugés suspects. Cet incident soulève des questions sur les contrôles internes des exchanges, l'exploitation d'informations privilégiées et l'intégrité des marchés prédictifs, où les enquêtes elles-mêmes deviennent des catalyseurs de marché. Axiom mène une revue interne, mais aucune action en justice n'a été annoncée.

Un pari sur un marché de prédiction placé avant une enquête crypto très médiatisée a suscité des interrogations après que des analystes on-chain ont lié le compte gagnant à un utilisateur actif d'Axiom Exchange, la plateforme ensuite nommée dans l'enquête.

Cet épisode a ravivé les inquiétudes concernant les fuites d'information, les contrôles internes des entreprises crypto, et la question de savoir si les enquêtes elles-mêmes deviennent des événements négociables sur les marchés on-chain.

Une enquête annoncée avant la révélation

L'enquêteur blockchain ZachXBT a d'abord laissé entendre le 23 février qu'une enquête majeure sur du délit d'initié dans une entreprise crypto était imminente. Cette annonce a suscité des spéculations sur les réseaux sociaux et les marchés de prédiction, mais aucun nom d'entreprise n'a été mentionné à ce moment-là.

Le 26 février, ZachXBT a publié une enquête détaillée. Il a allégué que des employés d'Axiom Exchange avaient abusé d'outils internes pour accéder à des données sensibles de portefeuilles d'utilisateurs, permettant ainsi du délit d'initié et une recherche de profit coordonnée.

Le rapport incluait des enregistrements, des captures d'écran de tableaux de bord internes, et des preuves de suivi de portefeuilles remontant au début de l'année 2025.

Axiom a par la suite reconnu les allégations et a déclaré examiner les affirmations en interne.

Un pari rentable attire l'attention

Suite à la publication publique, la firme d'analyse on-chain Lookonchain a signalé un trader sous le nom d'utilisateur « predictorxyz » sur Polymarket. Le trader a parié environ 65 800 $ sur un marché demandant si Axiom serait accusé de délit d'initié.

Au moment où la position a été ouverte, les cotes impliquaient apparemment seulement une probabilité de 13,8 %. Après qu'Axiom a été nommé dans l'enquête, la position s'est soldée par un profit, rapportant plus de 400 000 $, selon les données de Polymarket partagées par Lookonchain.

Le timing a soulevé des questions immédiates : le pari a été placé après l'annonce publique de ZachXBT, mais avant que l'exchange ne soit identifié.

Lookonchain a également rapporté que deux autres portefeuilles anonymes nouvellement créés ont parié 59,8 k$ sur le fait qu'Axiom était l'entreprise concernée. Les données ont montré que ces portefeuilles ont gagné 109 k$ en trois heures.

Le portefeuille retracé jusqu'à un utilisateur d'Axiom

Dans une réponse complémentaire, ZachXBT a déclaré avoir retracé la source de financement du compte Polymarket. Elle a été retracée à travers des exchanges instantanés jusqu'à un portefeuille Solana lié à un utilisateur actif d'Axiom, connu sur une autre plateforme sous le nom d'utilisateur « JustADegen ».

Selon ZachXBT, le compte venait d'être créé et avait été approvisionné avec environ 70 000 $ en USDC peu de temps avant que le pari ne soit placé. Ce schéma a été décrit comme suspect, bien que ce ne soit pas une preuve définitive de mauvaise conduite.

ZachXBT a souligné que ses conclusions étaient basées sur une analyse du timing et des flux de transactions. Une confirmation supplémentaire nécessiterait l'accès aux journaux internes de l'exchange. Aucune charge criminelle n'a été déposée, et aucune action en justice n'a été annoncée.

Ce que révèle l'épisode Axiom

Bien que les allégations contre Axiom soient toujours en cours d'examen, l'enchaînement des événements met en lumière un problème plus large pour les marchés crypto : les enquêtes, les fuites et les actions en justice peuvent désormais faire bouger les prix — et les cotes des marchés de prédiction — avant que les faits ne soient pleinement publics.

Même sans preuve de coordination interne, le cas illustre comment l'information asymétrique, ou même sa perception, peut créer des opportunités de profit sur les marchés on-chain.

Cela soulève également des questions inconfortables pour les exchanges concernant l'accès des employés aux données sensibles et les garanties en place pour prévenir leur mauvaise utilisation.

Pour les marchés de prédiction, l'incident souligne une tension croissante entre le pari ouvert sur des événements futurs et le risque que des initiés puissent exploiter une connaissance privilégiée — ou sembler le faire — d'une manière qui sape la confiance.

La suite des événements

Axiom n'a pas commenté publiquement les allégations spécifiques de suivi de portefeuille liées au pari sur Polymarket.

ZachXBT a déclaré espérer que l'entreprise mène un examen interne plus approfondi et envisage des actions en justice contre tout employé reconnu coupable d'avoir abusé de son accès.

Reste à voir si les régulateurs ou les procureurs manifesteront de l'intérêt.

Mais pour les marchés crypto, cet épisode a déjà servi de rappel brutal : lorsque les enquêtes elles-mêmes deviennent des catalyseurs de marché, la frontière entre information, spéculation et avantage d'initié peut rapidement devenir floue.


Résumé final

  • L'enquête sur Axiom souligne comment l'accès privilégié et des contrôles internes faibles peuvent transformer des informations sensibles en instrument financier avant même que le récit public ne se forme complètement.
  • Alors que les marchés de prédiction intersectent avec la transparence on-chain, les exchanges pourraient faire face à une pression accrue pour démontrer que l'accès aux données internes ne peut pas être exploité avant des divulgations susceptibles de mover le marché.

Questions liées

QQuel événement a déclenché des spéculations sur les marchés de prédiction concernant Axiom Exchange ?

AL'enquêteur blockchain ZachXBT a laissé entendre le 23 février qu'une enquête majeure sur le délit d'initié dans une entreprise de crypto était imminente, sans mentionner de noms spécifiques à ce moment-là.

QCombien d'argent le trader 'predictorxyz' a-t-il gagné sur Polymarket après la révélation de l'enquête ?

ALe trader 'predictorxyz' a réalisé un bénéfice net de plus de 400 000 dollars sur Polymarket après que Axiom a été nommé dans l'enquête.

QQuelle preuve ZachXBT a-t-il fournie pour relier le portefeuille suspect à un utilisateur de Axiom ?

AZachXBT a retracé la source de financement du compte Polymarket via des échanges instantanés jusqu'à un portefeuille Solana lié à un utilisateur actif de Axiom connu sous le nom d'utilisateur 'JustADegen' sur une autre plateforme.

QQuel est le principal problème soulevé par cet incident pour les marchés de prédiction ?

AL'incident souligne la tension croissante entre les paris ouverts sur des événements futurs et le risque que des initiés exploitent des connaissances privilégiées, ce qui peut saper la confiance dans ces marchés.

QQuelle a été la réponse de Axiom Exchange aux allégations ?

AAxiom a reconnu les allégations et a déclaré qu'il examinait les affirmations en interne. La société n'a pas commenté publiquement les allégations spécifiques de suivi de portefeuille liées au pari sur Polymarket.

Lectures associées

Wall Street Morning News : Rally de fin de mois mais le Nasdaq connaît son pire mois de juillet depuis 12 ans, les capitaux convergent vers les géants du cloud

**Résumé :** Les marchés américains ont clôturé juillet sur une note mitigée. Malgré un rebond en V en fin de semaine dernière, le Nasdaq a enregistré sa pire performance pour un mois de juillet depuis 2004, avec une baisse de 3,2%. La dynamique sectorielle a été marquée par une accélération de la concentration des capitaux vers les géants du cloud. Les prix du pétrole ont chuté brutalement en début de semaine suite à l'annonce de l'annulation par Donald Trump de frappes contre l'Iran et à la décision de l'OPEC+ d'augmenter sa production. L'or a affiché une légère hausse de 0,91% en juillet. En parallèle, les États-Unis et le Japon sont intervenus conjointement pour soutenir le yen, tandis que les rendements des obligations américaines à 30 ans ont atteint leur plus haut niveau depuis 2007. La semaine dernière a vu une puissante reprise des géants technologiques, avec une hausse combinée de leur capitalisation boursière de près de 1 500 milliards de dollars. Amazon a bondi de plus de 15% après des résultats AWS exceptionnels, Microsoft et Google ont également fortement progressé, et Meta a mis fin à onze séances consécutives de baisse. À l'inverse, Apple a chuté de plus de 7% en raison de contraintes d'approvisionnement et d'une orientation prudente, tandis que le secteur du stockage (ex: Micron) a subi des corrections significatives. La semaine à venir sera chargée avec de nombreuses publications de résultats, dont Palantir, AMD et SpaceX (qui fait également face à un important déverrouillage d'actions), ainsi que la publication du rapport mensuel sur l'emploi aux États-Unis.

marsbitIl y a 32 mins

Wall Street Morning News : Rally de fin de mois mais le Nasdaq connaît son pire mois de juillet depuis 12 ans, les capitaux convergent vers les géants du cloud

marsbitIl y a 32 mins

Rubin Ultra réduit drastiquement sa configuration, NVIDIA cède-t-il face à la hausse du prix de la mémoire ?

Ces dernières heures, un rapport de la société de recherche SemiAnalysis a suscité de vives discussions dans le secteur de l'IA. Il révèle que NVIDIA aurait considérablement réduit les spécifications prévues pour sa puce phare Rubin Ultra, sa version haut de gamme de la plateforme Rubin annoncée cette année. Le changement le plus notable concerne la mémoire : la capacité HBM serait ramenée à 192 GB (empilage 8-Hi), soit moins que la version standard Rubin (288 GB en 12-Hi). La puissance de calcul théorique resterait identique à celle du Rubin, à 35 PFLOPs, et la bande passante mémoire ne progresserait que marginalement. Face à la flambée des prix du HBM – dont le coût a plus que triplé en un an – NVIDIA aurait repensé l'architecture pour en limiter l'impact sur le coût total. Ainsi, l'accent est désormais mis sur l'**interconnexion à grande échelle** : le système NVL576 permettrait de relier jusqu'à 576 GPU Rubin Ultra en un seul domaine de calcul via NVLink, offrant une capacité d'extension système bien supérieure. Cette réorientation stratégique, si elle est confirmée, suggère que NVIDIA optimise le rapport coût-performance en réduisant sa dépendance à des composants mémoire de plus en plus onéreux. Cette nouvelle a entraîné une chute des cours boursiers des principaux fabricants de mémoire, comme SK Hynix et Samsung, le marché craignant un potentiel plafonnement de la demande en HBM de la part du plus grand acheteur du secteur.

Odaily星球日报Il y a 55 mins

Rubin Ultra réduit drastiquement sa configuration, NVIDIA cède-t-il face à la hausse du prix de la mémoire ?

Odaily星球日报Il y a 55 mins

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 1 h

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

marsbitIl y a 1 h

Trading

Spot
活动图片