Développer l’économie de l’attention

Pour aller à l’essentiel, il existe deux grandes catégories d’actifs :

1. Les actifs à flux de trésorerie — principalement les actions et les obligations. Ces actifs génèrent des flux financiers auxquels les investisseurs attribuent une valeur.

2. Les actifs d’offre et de demande — principalement les matières premières et le marché des devises. Les prix varient en fonction de l’offre et de la demande.

La crypto a récemment introduit une nouvelle catégorie d’actifs, dont la valeur repose sur l’attention. Aujourd’hui, les “Attention Assets” sont principalement des User Generated Assets (UGA) tels que les NFT, les creator coins et les memecoins. Ces actifs servent de points de convergence et utilisent les prix pour refléter les dynamiques de l’attention culturelle.

Si les memecoins présentent un intérêt culturel, ils restent limités sur le plan financier. Des Attention Assets efficaces devraient permettre aux participants de s’exposer financièrement à l’attention directe portée à un sujet. Ainsi, les acteurs du marché seraient incités à échanger des actifs qu’ils jugent mal valorisés ; le marché pourrait alors produire collectivement des prix reflétant les anticipations sur l’attention.

Nous pensons qu’avec une conception adéquate, les Attention Assets pourraient constituer une véritable classe d’actifs. Pour accélérer cette évolution, cet article propose le concept d’Attention Oracles, une nouvelle architecture d’oracle susceptible de permettre la création d’Attention Perps—des instruments innovants offrant aux traders la possibilité de prendre des positions longues ou courtes sur l’attention portée à des phénomènes culturels.

En résumé, les Attention Oracles agrègent les marchés de prédiction binaires autour d’un sujet donné et utilisent leur prix, leur liquidité et leur horizon temporel pour construire un indice pondéré visant à capter les variations d’attention. Pour fonctionner de façon optimale, les marchés sous-jacents doivent être soigneusement sélectionnés pour représenter des sources d’attention réelles et pertinentes. L’utilisation de marchés de prédiction comme inputs pour les Attention Oracles intègre un coût de manipulation, ce qui limite théoriquement les tentatives de manipulation puisque les traders malveillants doivent engager des capitaux pour influencer l’indice.

Pourquoi les Attention Perps sont nécessaires

Les UGA se sont imposés dans la pure spéculation et excellent à suivre l’attention portée à des phénomènes émergents, tels que les tendances internet et les mèmes.

Le problème résolu par les UGA est la création d’un actif pour des éléments qui ne peuvent pas exister sur les infrastructures financières traditionnelles. Le processus classique d’émission d’actifs est lent, coûteux et fortement réglementé, ce qui restreint les possibilités d’émission. Les Attention Assets doivent opérer à la vitesse du web pour suivre l’air du temps mondial. Grâce à l’émission de tokens sans autorisation, à des mécanismes de tarification innovants comme les bonding curves et aux DEX, chacun peut créer un actif gratuitement, amorcer la liquidité et le proposer à l’échange.

On observe que les prix des UGA débutent généralement à zéro. Ce n’est pas un défaut mais une caractéristique : si l’on crée un nouveau mème, l’attention qui lui est portée est nulle à sa naissance. Il est logique d’entrer à bas prix. Cela permet aussi aux dénicheurs de tendances de monétiser leur talent en créant des actifs à faible coût initial. Toutefois, cela rend les UGA imparfaits pour s’exposer à l’attention portée à des sujets déjà existants et populaires.

Par exemple, si vous souhaitez prendre une position longue sur l’attention portée à LeBron James, vous pouvez créer un memecoin, mais il existe déjà des dizaines de tokens LeBron. Lequel choisir ? De plus, un nouveau memecoin LeBron débuterait près de zéro, alors que LeBron est l’une des personnalités les plus célèbres au monde. Son attention devrait donc être très élevée et ne pas pouvoir être multipliée par 100 en peu de temps. Enfin, comment prendre une position courte sur son attention ? Les memecoins ne le permettent pas facilement.

À quoi ressemblerait donc un actif pour des sujets existants à forte attention ?

Quelques critères essentiels :

• Il doit permettre des positions longues et courtes (bidirectionnel)
• Il doit être adossé à une source de vérité réelle pour mesurer l’attention
• Il ne doit pas débuter à zéro

En y regardant de plus près, on constate que les contrats à terme perpétuels (perps) répondent parfaitement à ces critères : ils sont bidirectionnels, disposent d’un oracle (source de vérité) et, en tant que dérivés, ne commencent pas à zéro. Le défi majeur reste la construction d’un oracle pour les Attention Perps.

Des équipes travaillent déjà sur ce sujet, comme Noise. Sur Noise, les traders peuvent prendre des positions longues ou courtes sur la notoriété de projets crypto comme MegaETH et Monad. Noise utilise Kaito comme oracle, qui agrège les données des réseaux sociaux et de la presse pour produire un indicateur de notoriété sur un sujet donné.

Cependant, ce modèle peut être amélioré. L’objectif des Attention Oracles est de prendre des données liées à l’attention, d’y appliquer des fonctions, et de fournir une valeur permettant aux traders de s’exposer à la hausse ou à la baisse.

Le problème avec les réseaux sociaux comme input est leur facilité de manipulation. Il existe une forme de loi de Goodhart : sur un marché adversarial, les traders cherchent à manipuler les inputs pour influencer le prix. Kaito a déjà dû revoir son classement et ses filtres anti-spam pour y répondre.

De plus, les réseaux sociaux ne captent pas parfaitement l’attention. Prenons Shohei Ohtani : il a une base de fans mondiale répartie sur de nombreuses applications sociales, qui ne sont pas toutes indexées par Kaito. S’il gagne une nouvelle World Series, sa notoriété augmente, mais son nombre d’abonnés ou de mentions sur les réseaux sociaux n’évolue pas forcément de manière linéaire.

Attention Oracles : une approche fondée sur les marchés

Reprenons l’exemple LeBron James : pour trader son attention, il faudrait d’abord intégrer (ou créer) plusieurs marchés de prédiction binaires sur des sujets le concernant, tels que “LeBron James aura-t-il plus de X millions d’abonnés à la fin du mois ?”, “LeBron James gagnera-t-il un championnat en 2026 ?”, “LeBron James sera-t-il élu MVP en 2026 ?”, etc. Un Attention Oracle complet utiliserait bien plus de marchés sous-jacents, mais pour l’exemple, limitons-nous à ces trois. Le prix de l’indice est calculé par agrégation pondérée du prix, de la liquidité, du temps jusqu’à résolution et de la signification de chaque marché.

Chaque marché dispose d’un prix, d’une liquidité, d’un temps jusqu’à résolution et d’un score de signification. À titre d’exemple, utilisons une formule simple pour les pondérations. Chaque marché reçoit un score de signification de 1 à 10, ainsi que des facteurs de liquidité et de temps :

Supposons que les scores de signification soient 8, 2 et 10. Les pondérations de chaque marché seraient :

Le chiffre final d’attention serait alors :

Si l’on considère que les temps jusqu’à résolution sont de 180, 20 et 180 jours, et les significations 8, 2 et 10, la combinaison donnerait :

Il existe des méthodes plus avancées pour calculer les métriques d’attention, comme l’utilisation de l’open interest au lieu du volume d’échange, la prise en compte d’événements corrélés, l’ajustement selon la profondeur de marché, des relations non linéaires entre variables, etc. Nous avons mis en ligne ce site interactif pour que chacun puisse créer ses propres indices à partir des marchés Kalshi en temps réel.

Le principal avantage de cette construction d’oracle basée sur les marchés de prédiction est que la manipulation entraîne un coût réel. Si un trader est long sur l’attention de LeBron et souhaite manipuler le prix à la hausse, il doit acheter les positions sur les marchés de prédiction binaires sous-jacents. Si la liquidité est suffisante, cela revient à acheter des positions à des prix jugés trop élevés par le marché.

Un autre avantage clé, à mesure que ces marchés se développent, est que les marchés de prédiction binaires offrent aux market makers un marché spot pour se couvrir. Si un market maker est vendeur sur l’indicateur d’attention, il peut se couvrir en achetant les positions sur les marchés de prédiction sous-jacents qui composent l’indicateur.

Adjacent a créé des indices basés sur des marchés liquides en direct sur Kalshi pour suivre des tendances politiques comme le contrôle Démocrate vs Républicain et l’élection du maire de NYC. Une méthodologie similaire peut être appliquée pour suivre l’attention sur n’importe quel sujet. À mesure que les marchés de prédiction se développent, le champ des sujets viables s’élargira.

L’espace de conception des Attention Oracles

Notre architecture d’oracle implique des compromis. En élargissant la réflexion sur les Attention Oracles, voici les principaux points à considérer :

• Pertinence des inputs
• Facilité d’obtention des inputs
• Manipulabilité/exploitabilité des inputs
• Fonctions appliquées aux inputs pour calculer l’indicateur d’attention

Le principal compromis de notre modèle est la difficulté d’obtenir les inputs. Pour construire un Attention Oracle sur LeBron James, il faut d’abord créer de nombreux marchés de prédiction liquides sur des sujets liés à LeBron. Ces marchés doivent rester liquides dans le temps et être remplacés à mesure que les anciens se résolvent et perdent en pertinence. Ce design convient donc surtout à un nombre restreint de sujets très médiatisés disposant déjà de marchés de prédiction robustes (ex. Donald Trump ou Taylor Swift).

Autre compromis : l’attention peut augmenter quel que soit le résultat du marché. Par exemple, même si LeBron ne gagne pas de nouveau titre, l’attention peut croître à mesure que les observateurs s’interrogent sur ses performances. Les débats peuvent porter sur son âge ou sa forme. De même, dans la réalité, l’attention se porte souvent sur des événements inattendus alors qu’un marché de prédiction mesure l’attente d’un événement. Si le marché anticipe que LeBron sera MVP mais qu’il ne l’est pas, l’attention peut augmenter tandis que l’indice baisse. Fans et analystes discuteraient d’une éventuelle injustice ou d’un choix contesté du MVP.

Les meilleurs modèles d’oracle pourraient combiner marchés de prédiction, données sociales et autres sources. Google Trends a récemment lancé un programme alpha permettant aux développeurs d’accéder aux tendances de recherche via API. Le volume de recherche sur un sujet est corrélé à l’attention, et comme Google Trends filtre les recherches dupliquées, il résiste mieux à la manipulation que les métriques sociales. Une autre source pourrait être l’utilisation de LLMs pour analyser les inputs manipulables et filtrer le spam, par exemple en évaluant l’attention à partir des titres des grands médias ou des posts tendance sur X.

Nous pensons que des exchanges établis comme Kalshi et Polymarket sont idéalement positionnés pour proposer des Attention Perps, car ils disposent déjà de nombreux marchés liquides et d’utilisateurs prêts à trader sur de nouveaux marchés. Mais l’opportunité des Attention Assets ne se limite pas aux grands acteurs.

Une configuration possible : des vaults qui tradent les marchés de prédiction avec un mandat long/court sur un sujet. Par exemple, un vault long Taylor Swift achèterait des contrats Yes pour des événements comme Top 10 song, performance au Super Bowl, etc. Au gestionnaire du vault de déterminer les marchés corrélés à une attention accrue.

Autre exemple : les builder-deployed perpetuals d’Hyperliquid. HIP-3 laisse au déployeur du marché la liberté de définir l’oracle—un marché HIP-3 peut combiner prix sur Kalshi/Polymarket, métriques sociales, Google Trends, titres de presse, etc.

L’attention comme classe d’actifs

Ironiquement, la première application mature de l’économie de l’attention pourrait émerger sur le marché actions. Le prix d’un titre se compose de deux éléments : la valeur DCF (intrinsèque) et la valeur mémétique.

Historiquement, la plupart des actions n’avaient pas de valeur mémétique notable. Mais récemment, grâce à WallStreetBets et aux plateformes de trading retail 24x5 comme Robinhood, de nombreux titres ont acquis une valeur mémétique durable.

Le rôle de l’analyste actions est d’estimer le prix d’un titre. Les méthodes pour calculer la composante DCF sont établies, mais qu’en est-il de la composante mémétique ? À mesure que de plus en plus d’actifs se négocient sur leur valeur mémétique, il devient nécessaire de modéliser cette composante. Les investisseurs sophistiqués utilisent déjà des indicateurs comme le nombre d’abonnés, de likes et d’impressions pour évaluer le sentiment. Les marchés de prédiction et autres oracles sont des outils pertinents pour mesurer l’attention sur les actions et affiner les modèles de trading.

L’opportunité des Attention Assets dépasse cependant la valorisation des actions. Prédire l’attention est une activité à forte valeur économique. L’attention anticipe les préférences et dépenses des consommateurs. Les entreprises orientent leurs budgets R&D, recrutement et marketing en fonction des flux d’attention. Il s’agit de concevoir de nouveaux modèles pour anticiper ces dynamiques.

Si vous développez des Attention Assets ou des infrastructures associées, contactez-nous.

Divulgation : Ce post ne constitue ni une opinion ni une prise de position sur la légalité ou les implications réglementaires dans une quelconque juridiction concernant les Attention Oracles, Attention Perps ou tout produit fondé sur, dérivé de, ou intégrant les idées exprimées ici.

Avertissement :

1. Article reproduit à partir de [Multicoin]. Tous droits réservés à l’auteur original [Eli Qian]. Pour toute objection à cette republication, veuillez contacter l’équipe Gate Learn, qui traitera votre demande rapidement.
2. Clause de non-responsabilité : Les opinions exprimées dans cet article sont celles de l’auteur et ne constituent pas un conseil en investissement.
3. Les traductions dans d’autres langues sont réalisées par l’équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits sont interdits.