Le Trésor américain sanctionne des plateformes de crypto-monnaie britanniques pour évasion des sanctions contre l'Iran

TheNewsCryptoPublié le 2026-01-31Dernière mise à jour le 2026-01-31

Résumé

Le Trésor américain a sanctionné deux plateformes d'échange de crypto-monnaies basées au Royaume-Uni, Zedcex et Zedxion, pour avoir facilité l'évasion des sanctions financières internationales contre l'Iran. L'OFAC (Office of Foreign Assets Control) a désigné ces entités ainsi que sept individus iraniens, dont l'homme d'affaires Babak Zanjani, pour avoir utilisé des actifs numériques afin de contourner les contrôles bancaires traditionnels. Les transactions impliquées dépassent 389 millions de dollars. Le Trésor souligne que les crypto-actifs n'offrent aucune protection contre l'application des sanctions et que toutes les plateformes doivent respecter les procédures de conformité. Ces mesures marquent un durcissement de la surveillance des activités cryptographiques liées à des juridictions sanctionnées.

Le Trésor américain a sanctionné deux plateformes d'échange de crypto-monnaies au Royaume-Uni, Zedcex et Zedxion, pour avoir prétendument aidé l'Iran à contourner les sanctions financières américaines et internationales. Les sanctions ont été émises par l'OFAC, ou le Bureau de contrôle des actifs étrangers, au sein du Trésor américain. C'est la première fois que l'OFAC sanctionne des plateformes de crypto-monnaie pour leur rôle dans le secteur financier iranien.

Selon le Trésor américain, les deux plateformes d'échange ont fourni aux utilisateurs un accès à des services financiers qui soutenaient des particuliers et des entités iraniens soumis aux sanctions américaines. L'OFAC a en outre déclaré que les deux plateformes ont facilité le mouvement de fonds de personnes sanctionnées à travers le système financier international en utilisant des actifs numériques.

Individus et groupes ciblés

En plus des transactions, l'OFAC a inscrit sept individus iraniens sur la liste noire. Babak Zanjani, un homme d'affaires iranien ayant un passé de condamnations financières, qui aurait été libéré dans le seul but de faciliter le financement du régime, a également été sanctionné.

Selon les responsables du Trésor, le groupe a utilisé l'infrastructure de crypto-monnaie pour obscurcir le flux de fonds et contourner les contrôles bancaires traditionnels. L'analyse de la blockchain liée à cette désignation révèle que les adresses de portefeuille associées à ces entités ont facilité plus de 389 millions de dollars de transactions.

Le Trésor a souligné que l'utilisation d'actifs numériques ne constitue pas une protection contre l'application des sanctions et que les activités liées aux crypto-monnaies restent soumises aux lois et réglementations américaines.

Implications pour la conformité des crypto-monnaies

L'OFAC a souligné que ces sanctions sont une déclaration forte sur l'application des sanctions face à l'évolution de la technologie financière. L'OFAC a averti que les plateformes de crypto-monnaie qui ne suivent pas les procédures de conformité appropriées pourraient faciliter le financement illicite et être soumises à des mesures d'exécution si elles facilitent sciemment des juridictions ou des personnes sanctionnées. Les sanctions obligent les personnes américaines à geler tous les biens et intérêts dans les biens des entités nommées et à interdire toutes les transactions les concernant.

Cependant, les responsables du Trésor ont souligné que toutes les plateformes d'échange doivent avoir des programmes de conformité solides, quel que soit leur siège. Les actions contre Zedcex et Zedxion indiquent un durcissement de l'application américaine contre l'évasion facilitée par la crypto-monnaie liée à l'Iran. La désignation par l'OFAC des plateformes d'échange et des individus impliqués dans le transfert de fonds illicites indique que l'industrie des actifs numériques est liée par les lois américaines sur les sanctions.

Actualité crypto en vedette :

Les leaders bancaires et de la crypto s'affrontent sur le CLARITY Act avant les pourparlers politiques de la Maison Blanche

TagsPlateforme de crypto-monnaieIranGouvernement iranienOFAC

Questions liées

QQuelles sont les deux plateformes d'échange de cryptomonnaies sanctionnées par le Trésor américain ?

ALe Trésor américain a sanctionné deux plateformes d'échange de cryptomonnaies basées au Royaume-Uni : Zedcex et Zedxion.

QPour quelle raison principale ces sanctions ont-elles été imposées ?

ACes sanctions ont été imposées car les plateformes ont été accusées d'avoir aidé l'Iran à contourner les sanctions financières internationales en fournissant des services financiers à des personnes et entités iraniennes soumises à ces sanctions.

QQuel organisme américain est responsable de l'émission de ces sanctions ?

ALes sanctions ont été émises par l'OFAC (Office of Foreign Assets Control), qui est un bureau du Département du Trésor américain.

QQuel est l'importance particulière de cette action selon le Trésor américain ?

ACette action est importante car c'est la première fois que l'OFAC sanctionne des plateformes d'échange de cryptomonnaies pour leur rôle dans le secteur financier iranien, envoyant un message fort sur l'application des sanctions malgré l'évolution de la technologie financière.

QQuelles sont les conséquences pratiques de ces sanctions pour les personnes et entités américaines ?

ALes sanctions obligent les personnes et entités américaines à geler tous les biens et intérêts liés aux entités désignées et à interdire toutes transactions les concernant.

Lectures associées

a16z : Le syndrome de l'« amnésie » de l'IA, l'apprentissage continu peut-il le guérir ?

Résumé : Les modèles de langage actuels souffrent d’une forme d’amnésie : une fois entraînés, leurs paramètres sont figés, les empêchant d’intégrer de nouvelles connaissances après leur déploiement. Pour pallier cela, des méthodes comme l’apprentissage en contexte (ICL) ou les systèmes de mémoire externe (RAG) sont utilisées, mais elles ne permettent pas une véritable internalisation des informations. L’article explore la question de l’apprentissage continu (continual learning), une piste de recherche cruciale pour permettre aux modèles de mettre à jour leurs paramètres de manière ciblée et durable. Trois approches sont présentées : l’apprentissage par contexte (non paramétrique), l’ajout de modules spécialisés (semi-paramétrique) et la mise à jour directe des poids (paramétrique). Si les méthodes non paramétriques sont matures et efficaces, elles butent sur des limites structurelles : impossibilité de généraliser véritablement, difficulté à traiter des connaissances implicites ou à résoudre des problèmes nécessitant une compression profonde (comme des preuves mathématiques novatrices). Les défis techniques et de sécurité liés aux mises à jour paramétriques (oubli catastrophique, auditabilité, alignement) restent importants, mais des solutions émergent (apprentissage métacognitif, architecture éparse, auto-amélioration). Une combinaison de ces approches pourrait permettre aux IA de passer d’une simple mémoire externe à une véritable capacité d’apprentissage continu.

marsbitIl y a 2 h

a16z : Le syndrome de l'« amnésie » de l'IA, l'apprentissage continu peut-il le guérir ?

marsbitIl y a 2 h

Un sèche-cheveux peut rapporter 34 000 dollars ? Décryptage du paradoxe réflexif des marchés prédictifs

Un homme a gagné 34 000 dollars en chauffant un capteur météo à l'aéroport de Paris-Charles de Gaulle, exploitant une faille des marchés prédictifs comme Polymarket. Cet incident illustre le paradoxe fondamental de ces plateformes : conçues pour refléter la réalité, elles incitent en fait les participants à la manipuler. L'article identifie quatre types de marchés vulnérables : 1. **Données physiques à source unique** (ex. stations météo), facilement manipulables. 2. **Marchés avec initiés** (ex. équipe de MrBeast, militaires israéliens), où l'information privilégiée est monnayée. 3. **Sujets contrôlables par l'acteur** (ex. nombre de tweets d'Andrew Tate), où le résultat peut être directement influencé. 4. **Événements à faible coût d'exécution** (ex. lancer un objet sur un terrain de sport), où l'action elle-même devient un investissement. Les plateformes adoptent des approches divergentes face à ces manipulations. **Kalshi**, avec une identification stricte (KYC), traque et punit publiquement les délits d'initiés. **Polymarket**, basée sur la blockchain et plus anonyme, a longtemps toléré ces agissements, arguant qu'ils rendent le marché plus précis », avant de collaborer ponctuellement avec les autorités. Le paradoxe final est que plus un marché prédictif est précis et lucratif, plus il motive les acteurs à altérer la réalité qu'il est censé prédire. Le marché cesse d'être un miroir pour devenir un moteur de la réalité.

marsbitIl y a 3 h

Un sèche-cheveux peut rapporter 34 000 dollars ? Décryptage du paradoxe réflexif des marchés prédictifs

marsbitIl y a 3 h

Trading

Spot
Futures
活动图片