Suivi de la blockchain par l’IA : ce que cela signifie pour la confidentialité du Bitcoin

Au cœur du réseau Bitcoin et des autres cryptomonnaies se trouve une forte tension.

D’un côté, ces cryptomonnaies ont été conçues pour offrir une liberté individuelle et un anonymat aussi grands que possible.

De l’autre, la conformité réglementaire, les audits forensiques et les enquêtes sur la cybercriminalité nécessitent de rattacher les cryptoactifs à des personnes précises, dont les noms, les adresses, etc., sont connus.

Cette tension s’est accentuée ces dernières années, à mesure que le Bitcoin est devenu un actif « grand public », détenu par des fonds d’investissement, des banques, des ETF réglementés, etc.

« Pour les gouvernements, l’adoption non autorisée de cryptomonnaies comme le Bitcoin à des fins de cybercriminalité, de blanchiment d’argent et de financement du terrorisme constitue un enjeu majeur. Contrairement aux idées reçues sur la robustesse de l’anonymat offert par la blockchain Bitcoin, révéler la véritable identité des personnes dans de telles circonstances serait moralement et juridiquement admissible, même si cela s’avérerait difficile sur le plan logique. »

Dans l’ensemble, après ses débuts plus libertaires, le cours du Bitcoin pourrait aujourd’hui bénéficier d’un degré d’anonymat moindre.

Les progrès de l’apprentissage automatique et d’autres technologies d’IA pourraient contribuer à « désanonymiser » les détenteurs de bitcoins. Mais ces méthodes doivent être suffisamment fiables pour être utilisées dans des cas où il s’agit de détecter des activités criminelles et de répondre aux exigences des autorités de régulation financière.

Une nouvelle étude menée par des chercheurs indiens du Pranveer Singh Institute of Technology et de la Manipal University Jaipur examine comment les progrès de l’IA — notamment les architectures neuronales intégratives — pourraient contribuer à cette tâche, avec une précision d’environ 97 %.

« Cette recherche vise à favoriser le développement économique sans recourir à des moyens contraires à l’éthique. Les législateurs en quête de sources fondées sur des données pour anticiper l’évolution des cryptomonnaies reposant sur la blockchain, les entreprises qui souhaitent assurer la conformité et évaluer efficacement les risques liés aux transactions sur la blockchain Bitcoin, ainsi que les forces de l’ordre désireuses d’examiner les adresses associées à des activités illicites et d’enquêter à leur sujet, trouveront tous un intérêt dans ces résultats. »

Ils ont publié leurs résultats dans Scientific Reports¹, sous le titre « Désanonymisation adaptative des transactions sur blockchain grâce à des architectures neuronales intégratives dans des réseaux décentralisés ».

Des adresses aux identités

Repérer les motifs

La plupart des tentatives visant à identifier les propriétaires d’adresses Bitcoin se concentrent sur des adresses prises individuellement. Cette étude s’appuie plutôt sur une résolution d’entités fondée sur la structure DSU pour décomposer le pseudonymat de la blockchain en groupes durables d’acteurs et d’entités.

Également connue sous les noms d’Union-Find ou de merge-find, l’union d’ensembles disjoints (DSU) compare des attributs (comme le nom, l’adresse e-mail ou le numéro de téléphone) afin de déterminer si deux enregistrements distincts correspondent à la même personne ou au même objet dans le monde réel.

Dans le contexte du Bitcoin, cela consiste à regrouper plusieurs adresses Bitcoin pseudonymes au sein d’un même « groupe d’entités » associé à un seul acteur réel.

C’est important, car les utilisateurs peuvent générer un nombre illimité d’adresses publiques. L’identification d’adresses isolées est donc peu utile, du moins dans le cas des acteurs criminels les plus sophistiqués, précisément ceux pour lesquels la désanonymisation est la plus importante.

Concevoir le bon outil

Pour concevoir un outil d’IA capable d’identifier les utilisateurs de Bitcoin, les chercheurs ont créé une architecture neuronale intégrative qui combine plusieurs paradigmes de réseaux neuronaux :

• Les réseaux neuronaux convolutifs (CNN) extraient des métadonnées locales, des motifs fins et invariants présents dans les métadonnées brutes des transactions, qui permettent d’identifier des types d’entités précis à partir du vecteur de caractéristiques.
  • Cette méthode sert à déterminer le « comment » : les motifs propres aux scripts et aux frais.
• Les modèles à mémoire à long et court terme (LSTM) modélisent la vitesse des flux.
  • Cette méthode sert à déterminer le «quand » : la signature et les intervalles temporels des flux de transactions.
• Les signatures et les intervalles temporels des flux de transactions sont capturés en traitant les cartes structurelles.
• Les réseaux neuronaux graphiques (GNN) agrègent des représentations vectorielles au moyen d’une matrice d’adjacence dynamique des k plus proches voisins (k-NN) au sein de lots, afin d’intégrer le comportement des voisinages.
  • Cette méthode sert à déterminer le « qui » : le voisinage topologique et l’appartenance à un hub.

Source : Scientific Reports

L’étude a testé sa méthode sur un jeu de données comprenant 427,625 transactions et 140,235 entités uniques. L’historique des transactions provenait des archives de WalletExplorer et de Blockchair. Chaque transaction comportait 22 caractéristiques, telles que block_id, transaction hash, fee_used, size, timestamp, weight, etc.

L’entraînement du modèle a été effectué sur un Intel(R) Core (TM) I9-10,900 CPU, à 2,81 GHz, avec 32 GB de RAM et un GPU NVIDIA GeForce RTX 3070 de 8 GB.

Dé-anonymiser les transactions Bitcoin grâce à l’IA

Comment cela fonctionne-t-il ?

Pour expliquer le fonctionnement de ces systèmes complexes, voici une explication étape par étape.

La première étape consiste à créer un jeu de données rassemblant toutes les transactions, puis à les étiqueter afin de pouvoir les analyser plus en détail.

Source : Scientific Reports

On procède ensuite au « regroupement des adresses », en partant du principe que lorsque plusieurs adresses sont utilisées comme entrées dans une transaction donnée, elles appartiennent à une même entité privée. Cette étape relie ainsi des adresses Bitcoin jusque-là distinctes à l’aide de l’algorithme Disjoint Set Union (DSU). Elle a permis de réduire le bruit de près de 67,2 %.

Les données du registre sont ensuite converties en un « graphe orienté », ce qui permet de repérer les utilisateurs les plus actifs, de distinguer les adresses d’accumulation (puits) des adresses de distribution (hubs), et d’évaluer l’importance relative de chaque groupe au sein de l’écosystème.

Source : Scientific Reports

Les données obtenues sont également classées selon les quatre fonctions possibles dans le réseau Bitcoin : plateformes d’échange, pools de minage, services de mixage et jeux d’argent. Par défaut, les plateformes d’échange et les pools de minage sont considérés comme des activités légitimes.

Source : Scientific Reports

Enfin, une architecture neuronale intégrée (CNN-LSTM-GNN) est utilisée pour identifier les différents groupes.

« Les cartes structurelles produites par le CNN sont traitées comme une séquence. Le LSTM saisit les motifs séquentiels de l’activité transactionnelle au fil du temps ou de la vitesse des flux. Le GNN modélise la structure relationnelle et la connectivité des adresses et des transactions, essentielles à la blockchain Bitcoin, puisque chaque transaction et chaque adresse peuvent être naturellement représentées par un nœud ou une arête dans un graphe. »

Des résultats de grande qualité

Le modèle CNN→LSTM→GNN a produit des résultats très cohérents pour les différentes métriques d’évaluation, avec des écarts de 1 à 2 % pour les métriques de classement et de classification, et de 1,5 % pour le taux d’erreur.

« Le modèle atteint une prédiction des liens presque parfaite (AUC ≈ 0,995), une précision de classement exceptionnellement élevée (MRR ≈ 0,985) et un taux de réussite de récupération presque complet (Hits@10 ≈ 0,999), tout en maintenant un taux de faux positifs très faible (<3 %). »

Le modèle s’est également montré très efficace pour déterminer si une adresse Bitcoin correspond au bon type d’activité.

« L’une des principales réussites du modèle est sa capacité à distinguer clairement les services de mixage des organisations de jeux d’argent. Il détecte également les classes minoritaires, comme les pools de minage, qui représentent environ 0,53 % du jeu de données. Sans cette capacité, le modèle risquerait de les ignorer au profit de la classe majoritaire des « plateformes d’échange ». »

Plus important encore, le modèle a pu maintenir un taux de faux positifs extrêmement faible (<3 %), ce qui est essentiel pour éviter d’associer à tort des identités dans le cadre de tâches de désanonymisation. C’est crucial pour empêcher que des « personnes innocentes prises dans l’affaire » soient mal étiquetées lors d’audits analytiques.

Source : Scientific Reports

Pour déterminer quelle couche du modèle contribuait le plus aux résultats finaux, les chercheurs en ont retiré certaines avant de refaire l’analyse. Ils ont constaté que, dans l’ensemble, la mémoire à long et à court terme (LSTM) était la couche dont le retrait avait le moins d’impact, tout en contribuant de manière significative aux performances finales. Les réseaux neuronaux convolutifs (CNN) constituaient la partie la plus importante du modèle d’IA.

Source : Scientific Reports

À retenir pour les investisseurs

L’anonymat faisait partie de la proposition de valeur initiale du Bitcoin, mais cette étude et d’autres montrent clairement que les progrès de l’analyse forensique des blockchains et de l’IA permettent d’identifier rapidement les adresses Bitcoin appartenant à une même personne ou organisation.

En outre, afin de démontrer que le cadre peut être généralisé, une évaluation approfondie sur plusieurs jeux de données a été menée dans des environnements de blockchain hétérogènes, notamment avec Elliptic, Bitcoin Elliptic+, Bitcoin Heist Ransomware et Ethereum (ETH ) Fraud Detection. Le modèle a malgré tout maintenu une grande précision, comprise entre 90 et 99 %.

Cela signifie que la valeur du Bitcoin n’est désormais presque plus liée à l’anonymat, mais plutôt à la valeur de son réseau en tant que système de paiement, à sa structure d’« or numérique » (rareté absolue, immuabilité, nature décentralisée, portabilité, etc.) ainsi qu’à l’enthousiasme général du public et des institutions financières pour cette monnaie numérique.

L’amélioration des outils d’analyse grâce à des études comme celle-ci pourrait probablement renforcer le soutien à la participation institutionnelle. Elle pourrait toutefois aussi soulever de nouvelles préoccupations en matière de confidentialité et de faux positifs. Il convient donc de faire preuve d’une grande prudence avant de considérer une analyse exacte à « seulement » 97 % comme une preuve absolue de liens avec des activités illégales.

Investir dans le Bitcoin

Coinbase

À mesure que les cryptomonnaies se généralisent, un nombre croissant d’investisseurs s’y exposent ou renforcent leur présence sur les marchés des cryptomonnaies. Il en va de même à mesure que les projets liés aux cryptomonnaies se multiplient.

Cette évolution profite à des entreprises comme Coinbase, étroitement liées aux transactions en cryptomonnaies, aux cours des actifs, à leur conservation et à la participation des investisseurs institutionnels.

Investir dans des plateformes d’échange de cryptomonnaies et des plateformes technologiques comme Coinbase peut donc permettre aux investisseurs de s’exposer aux tendances du marché des cryptomonnaies, sans avoir à sélectionner arbitrairement des jetons spécifiques.

Cela ne signifie toutefois pas que les investisseurs qui détiennent des actions Coinbase cotées en Bourse bénéficieront du même potentiel de rendement — et des mêmes risques — qu’un investissement direct dans les cryptomonnaies. Il s’agit plutôt d’un investissement dans l’infrastructure du marché des cryptomonnaies. Au 30 juin 2026, Coinbase déclarait détenir 246 milliards de dollars d’actifs sur sa plateforme.

Aujourd’hui, outre son application principale et sa plateforme d’échange de cryptomonnaies, Coinbase propose plusieurs services complémentaires :

• Coinbase One, un abonnement premium qui offre des frais de transaction nuls, des récompenses de staking majorées et des offres chez des partenaires, notamment un calculateur d’impôts sur les cryptomonnaies et des analyses sur les cryptomonnaies.
• Coinbase Advanced, destiné aux traders professionnels de cryptomonnaies.
• Coinbase Wallet, qui permet de conserver soi-même ses cryptomonnaies en dehors des plateformes d’échange, ainsi que ses NFT.
• Coinbase Earn, un service de staking qui permet aux détenteurs de cryptomonnaies de bloquer leurs actifs pour percevoir des intérêts versés par le réseau. En 2023, les clients de Coinbase ont ainsi gagné 230 millions de dollars.
• Coinbase Card, une carte de débit Visa qui permet de régler ses achats en cryptomonnaies. Elle offre une remise de 1 % en Bitcoin pour les paiements en USD et de 1,5 % en USDC pour les paiements en ETH. Elle est acceptée partout où les cartes de débit Visa le sont.
• USD Coin (USDC), un stablecoin dont la valeur est équivalente à celle du dollar américain, vise à créer un « dollar numérique ».

À mesure que se développent des outils plus avancés, notamment l’IA, ils viendront compléter l’infrastructure existante des cryptomonnaies. Désormais plus mature et dominante, Coinbase est bien placée pour tirer parti de la généralisation croissante des cryptomonnaies, portée par l’essor des ETF Bitcoin, des stablecoins et de la tokenisation des actions.

(Pour en savoir plus sur l’histoire de Coinbase, ses offres et son potentiel d’investissement, consultez notre rapport consacré à l’entreprise)

Bitcoin

Une autre façon de s’exposer au réseau Bitcoin consiste, bien sûr, à détenir directement du Bitcoin.

Pour commencer, vous pouvez consulter nos guides sur le sujet :

• Investir dans le Bitcoin (BTC) : tout ce qu’il faut savoir
• 10 raisons d’investir dans le Bitcoin
• Qu’est-ce qu’un ETF Bitcoin ? Fonctionnement et enjeux

Dernières actualités et évolutions concernant l’action Coinbase (COIN)

Étude citée

^{1. Rohit Saxena et al. « Déanonymisation adaptative des transactions blockchain grâce à des architectures neuronales intégratives dans les réseaux décentralisés ». Scientific Reports. 15 octobre 2026. https://doi.org/10.1038/s41598-026-69816-5}