Points clés à retenir :
Sui Network a intégré les outils natifs d'IA anti-blanchiment de ChainTrust, ajoutant un filtrage des transactions en temps réel alors que la valeur totale verrouillée de la blockchain de couche 1 dépassait les 5,2 milliards de dollars grâce aux afflux institutionnels.
« Le filtrage de conformité en temps réel n'est plus une option pour les blockchains ciblant les capitaux institutionnels — c'est une condition préalable pour que les entités réglementées puissent déployer des activités on-chain », a déclaré Alex Liu, directeur général de ChainTrust Labs, dans un communiqué. La direction de l'entreprise compte d'anciens ingénieurs risque d'Alipay avec plus de deux décennies d'expérience dans le développement de modèles d'IA pour la détection des fraudes à grande échelle.
La gamme de produits de ChainTrust couvre le filtrage d'adresses, la surveillance des transactions et la notation des risques, le tout alimenté par des modèles d'apprentissage automatique entraînés sur des données spécifiques à la blockchain. L'entreprise dessert actuellement plus de 35 blockchains et maintient une base de données couvrant plus d'un milliard d'actifs numériques, selon son site web. Les développeurs et protocoles Sui ont accès à ces outils de conformité sans avoir besoin d'intégrer des solutions AML tierces de manière indépendante.
Ce partenariat marque le deuxième accord axé sur la conformité de Sui en 18 mois, après une collaboration en janvier 2025 avec Chainalysis qui portait sur le suivi forensique et la traçabilité des flux de fonds illicites. Alors que l'intégration de Chainalysis mettait l'accent sur la surveillance et l'investigation post-hoc, les outils de ChainTrust sont orientés vers la prévention — filtrant les transactions en temps réel avant que des activités suspectes ne se propagent à travers le réseau. Cette distinction est importante pour les institutions financières réglementées qui évaluent Sui comme couche de règlement pour les actifs du monde réel tokenisés, lesquels ont atteint 1,4 milliard de dollars en valeur sur le réseau à la mi-juin 2026, selon les données de DefiLlama.
Pourquoi l'AML native de l'IA devient la norme
Les systèmes de conformité traditionnels reposent sur des règles prédéfinies — signaler les transactions au-delà d'un seuil ou bloquer les adresses figurant sur les listes de sanctions. Ces approches détectent les violations évidentes mais manquent les schémas anormaux que les modèles d'apprentissage automatique peuvent identifier. L'héritage d'Alipay chez ChainTrust est pertinent ici : la plateforme de paiement traite des milliards de transactions chaque année et a passé des années à affiner des modèles d'IA pour la détection des fraudes dans un environnement adversarial à volume élevé.
L'architecture orientée objet de Sui, construite sur le langage de programmation Move avec la mise à niveau du consensus Mysticeti, offre une finalité inférieure à la seconde d'environ 400 millisecondes. L'intégration d'un filtrage en temps réel sans introduire de latence ou de faux positifs qui dégradent l'expérience utilisateur constitue le principal risque d'exécution. La performance des modèles de ChainTrust sous le débit de Sui déterminera si cette intégration devient un modèle pour d'autres réseaux de couche 1 recherchant une conformité institutionnelle.
Le risque à surveiller est l'exécution. Les faux positifs qui bloquent des transactions légitimes ou la latence qui ralentit le règlement pourraient compromettre l'expérience utilisateur qui a soutenu la croissance de Sui. Le nombre de portefeuilles d'agents IA actifs sur le réseau a bondi de 608 % pour atteindre 850 000 entre avril et juin 2026, selon les données on-chain, ce qui signifie que tout frottement lié à la conformité affecterait une base en expansion rapide d'acteurs économiques automatisés.
Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.
