Gardien intelligent : comment la « liquidité conditionnelle » réécrit les règles de trading sur Solana

La liquidité conditionnelle ne se limite pas à une simple innovation technologique, elle représente une profonde reconstruction de l’équité et de l’efficacité sur le marché DeFi.

Auteur : Bitget Wallet Research Institute

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 et accueillent tous les traders 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 aux acteurs bénéficiant d’un avantage informationnel. Aujourd’hui, une profonde transformation appelée « liquidité conditionnelle » (Conditional Liquidity) est en gestation, cherchant à injecter intelligence et règles au cœur de la liquidité. Bitget Wallet Research Institute vous propose dans cet article de découvrir comment cette innovation redéfinit fondamentalement la cartographie des risques et le contrat d’équité dans les transactions 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 automatiques (AMM), les pools de liquidité des fournisseurs (LP) fonctionnent comme une place publique ouverte en continu, accueillant tous les traders sans distinction. Ce modèle de « liquidité passive » semble équitable, mais il expose une vulnérabilité fatale sur des blockchains performantes comme Solana, où la rapidité des transactions en millisecondes crée des conditions idéales pour les attaques de type « sandwich », 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 capter chaque micro-fluctuation ou gros ordre du marché pour réaliser des arbitrages précis. (Voir l’exemple classique d’attaque « sandwich », Sandwich Attacks, ci-dessous)

Source : CoW DAO

Le coût de ces pratiques est finalement supporté silencieusement par deux autres catégories de participants : les traders ordinaires subissent de forts slippages, dégradant leur expérience de trading ; tandis que les rendements à long terme des fournisseurs de liquidité (LP) sont continuellement érodés.

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 « bassin statique » passif en un « gardien intelligent » actif. Son principe est clair : l’offre de liquidité n’est plus inconditionnelle, mais s’ajuste intelligemment en fonction de la « toxicité » du flux d’ordres et d’autres données en temps réel, modifiant ainsi ses cotations. Cette réponse dynamique basée sur des règles vise à corriger l’injustice des transactions actuelles et à offrir 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) » établit une microstructure de marché plus intelligente et résiliente en protocolisant des logiques décisionnelles complexes. 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 des intentions sûre et efficace.

Segmenter : identification des risques et labellisation

Le Segmenter est le « cerveau analytique » du cadre de la liquidité conditionnelle (CL), dont la fonction principale se résume en deux étapes : 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 de transaction, les schémas comportementaux historiques de l’initiateur, la fréquence et la rapidité des soumissions, la détection de prix sur plusieurs plateformes, etc.

Ensuite, sur la base de cette analyse, le Segmenter appose une signature de labellisation sur l’ordre, attribuant un « label de toxicité » final. Ce label peut être binaire (« toxique & non-toxique ») ou multi-niveaux. Mais ce label n’est pas un simple interrupteur « autoriser ou refuser » : il sert de signal clé pour déclencher des services différenciés (tarification et routage), guidant la liquidité vers un appariement sélectif :

• Pour les flux d’ordres labellisés « non-toxiques » (généralement issus d’utilisateurs de détail ou de stratégies passives), le système oriente le marché vers de meilleures cotations, une profondeur de liquidité plus concentrée et des frais de transaction réduits, récompensant et protégeant ainsi les comportements de trading sains.
• 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 purement et simplement de fournir de la liquidité dans des conditions extrêmes, faisant ainsi supporter aux comportements à risque leur juste coût de transaction.

Source : Helius, DFlow

De cette manière, le système de liquidité conditionnelle transforme les stratégies de gestion des risques complexes, autrefois enfouies 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 les utilisateurs ordinaires des arbitragistes.

Declarative Swaps : exécution sécurisée et pilotée par l’intention

Pour garantir que l’analyse du Segmenter soit exécutée de manière précise et sécurisée, le cadre de liquidité conditionnelle (CL) adopte le modèle de transaction « Declarative Swaps », qui sépare clairement le processus de trading en deux étapes : « intention » et « exécution ».

Première étape : 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 »), et ses actifs sont alors sécurisés en dépôt. L’essentiel ici est que l’« intention » de l’utilisateur n’entre pas dans le mempool public visible de tous, éliminant ainsi tout risque de front-running.

Deuxième étape : exécution groupée (Fill). Le côté exécution du protocole (généralement un agrégateur ou un solveur professionnel) calcule en arrière-plan le chemin d’exécution optimal en fonction de l’intention de l’utilisateur et du label du Segmenter, puis regroupe l’intention et l’ordre d’exécution en une transaction atomique soumise directement on-chain.

Ce modèle « intention d’abord, exécution groupée on-chain » réduit considérablement la fenêtre d’attaque, rendant pratiquement impossible les attaques de type « sandwich » et le front-running. Les market makers peuvent, après avoir validé une transaction saine, injecter précisément la liquidité dans le même bloc puis la retirer immédiatement, ce qui améliore grandement l’efficacité du capital et offre aux participants un service de liquidité instantanée, fiable et orchestré par le protocole.

III. Perspectives : de la tarification unique à l’évolution vers des conditions multidimensionnelles

La liquidité conditionnelle n’est pas un concept sorti de nulle part, mais une 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 leur capital selon une seule condition, la « fourchette de prix » ; la liquidité conditionnelle étend ce principe à des critères plus complexes tels que la qualité du flux d’ordres, les caractéristiques temporelles, la volatilité du marché, etc., intégrant ces capacités décisionnelles et d’exécution plus profondément au cœur du protocole.

La mise en œuvre de ce modèle corrige précisément les points douloureux des écosystèmes performants comme Solana, et promet d’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 fournisseurs de liquidité disposeront d’outils de gestion des risques plus fins, leur permettant d’allouer leur capital à des flux d’ordres « sains » pour des rendements plus durables ; enfin, cela redéfinira la concurrence entre DEX et agrégateurs, passant de la simple comparaison des prix à une compétition sur la « qualité d’exécution » et « l’expérience de sécurité ».

Cependant, bien que la feuille de route de ce nouveau modèle soit séduisante, sa mise en pratique soulève des défis majeurs, au-delà des problèmes classiques de coordination de l’écosystème et de démarrage à froid. Le principal défi réside dans le Segmenter, détenteur du pouvoir de définition des labels : qui décide de ce qui est « toxique » ? C’est un problème fondamental de gouvernance : si l’algorithme du Segmenter est trop conservateur, il risque de « blesser » des traders légitimes ; s’il est trop permissif, il ne pourra pas contrer les attaques sophistiquées. Cela touche au cœur de la confiance dans le monde décentralisé, car un arbitre contrôlé par une seule entité et dont l’algorithme est opaque devient un nouveau goulot d’étranglement centralisé, voire un terrain propice à la collusion et à la capture de rente.

Pour résoudre le dilemme du « black box » du Segmenter, la conception de son cadre de gouvernance est cruciale. Les explorations futures pourraient suivre une voie plus décentralisée et vérifiable : par exemple, permettre à plusieurs Segmenters indépendants de fonctionner en parallèle, laissant le protocole ou les LP choisir et pondérer selon leur réputation historique ; exiger la publication de journaux d’audit accessibles à la communauté pour plus de transparence ; et mettre en place des mécanismes d’évaluation et de récompense a posteriori, incitant les modèles précis et sanctionnant ceux qui commettent trop d’erreurs. Bien que ces pistes montrent la voie vers une gestion des risques décentralisée, une solution réellement mature, équilibrée et consensuelle reste à construire et à explorer par l’ensemble du secteur.

IV. Conclusion : de « l’art de la boîte noire » à la « science du protocole »

La liquidité conditionnelle ne se limite pas à une innovation technologique, elle représente une profonde reconstruction de l’équité et de l’efficacité sur le marché DeFi. Son essence est de permettre une tarification plus juste pour les participants aux intentions et risques différents dans un univers sans permission, transformant ainsi les règles implicites et inéquitables du jeu en une logique de protocole explicite et programmable. Fondamentalement, cela pousse la prise de décision du market making à passer de « l’art de la boîte noire » réservé à quelques experts à une « science du protocole » plus ouverte et vérifiable. Malgré les nombreux défis à venir, cette direction ouvre sans aucun doute un espace d’imagination précieux pour l’évolution future de la DeFi.