Solana : les bots pèsent sur la qualité des échanges

Le schéma commun identifié par les chercheurs suit cinq étapes : collecte des données, détection d’une occasion, construction de l’ordre, envoi de la transaction puis suivi du résultat. Un bot d’arbitrage compare par exemple le prix d’un actif sur plusieurs pools, achète là où il est moins cher et revend ailleurs presque simultanément. Un liquidateur surveille les positions de prêt devenues insuffisamment garanties. Un outil d’analyse peut, lui, automatiser l’observation sans nécessairement négocier.

Cette distinction empêche de confondre tous les bots avec des attaques. L’arbitrage peut resserrer les écarts de prix ; la liquidation permet à un protocole de rester solvable ; un teneur de marché peut donner une contrepartie à un utilisateur. À l’inverse, le spam, le front-running ou le sandwich dégradent l’exécution. SolanaFloor avait déjà estimé, sur une autre période et avec une autre méthode, que les sandwich bots représentaient en moyenne 2,9 % du volume DEX observé. Les deux mesures sont corrélées à l’automatisation, mais elles ne sont pas directement comparables : la nouvelle étude couvre davantage de familles de bots.

Le premier graphique suit donc SOL/USDT, l’actif central dont les frais, le staking et la demande reflètent indirectement l’usage du réseau. Le second suit le marché hors bitcoin. Si SOL s’écarte de TOTAL2 après une évolution de l’activité automatisée, cela signale une divergence à étudier ; cela ne prouve pas que les bots ont causé le mouvement.

Le mécanisme économique est une course. Les frais très faibles rendent rentable l’envoi d’un grand nombre de tentatives, même lorsque la marge attendue par opération est minuscule. Les équipes disposant de connexions rapides aux validateurs, de données fraîches et d’une meilleure construction de transactions voient l’occasion avant les autres. CoinDesk Research décrit cette verticalisation autour de Jito : infrastructure de blocs, validation et interface de trading peuvent capter plusieurs couches de frais et de MEV.

Les gagnants potentiels sont les validateurs recevant des pourboires, les opérateurs d’infrastructure, les DEX qui affichent davantage d’activité et les arbitragistes efficaces. Les utilisateurs peuvent aussi bénéficier de prix mieux alignés entre pools. Mais les perdants apparaissent lorsque l’avantage technologique devient une taxe invisible : glissement plus défavorable, transaction échouée, priorité achetée ou opportunité de liquidation captée avant un concurrent moins équipé.

La causalité doit rester précise. Quarante-quatre millions de transactions montrent l’échelle de l’échantillon, pas qu’elles ont toutes nui à un utilisateur. De même, 250 millions de dollars de volume quotidien ne signifient pas 250 millions extraits. L’hypothèse raisonnable est plus étroite : plus les bots dominent certains segments, plus les indicateurs bruts de volume et de comptes actifs doivent être complétés par le taux d’échec, la concentration, le slippage et la part des transactions réellement initiées par des humains.

Les réponses existent : acheminement privé, enchères de priorité, bundles atomiques, limites de slippage et outils anti-MEV. QuickNode rappelle toutefois que Solana n’a pas le mempool public classique d’Ethereum ; la compétition passe souvent par les connexions directes, les canaux privés et les infrastructures spécialisées. Protéger un ordre contre un sandwich peut donc réduire une forme d’extraction tout en renforçant la dépendance envers quelques routeurs ou producteurs de blocs.

Le catalyseur positif serait une transparence accrue : étiquetage reproductible des adresses, tableaux de bord séparant arbitrage, liquidation et manipulation, publication du coût d’exécution réellement subi. Le risque opposé est une course aux armements où les volumes montent pendant que la diversité des acteurs recule. Un incident logiciel commun à de nombreux dépôts, ou la concentration des flux chez un seul intermédiaire, pourrait également propager une erreur plus vite qu’un opérateur humain ne la corrige.

L’étude sera réellement utile si ses empreintes permettent aux chercheurs et aux DEX de suivre les comportements sans assimiler automatisation et fraude. Elle serait invalidée comme description générale si l’échantillon s’avérait fortement biaisé vers des dépôts visibles ou des adresses déjà connues. La prochaine preuve devra donc venir d’une réplication indépendante et de données plus récentes que janvier.

Scénario central : les bots restent une composante structurelle, utile pour l’arbitrage mais coûteuse aux marges. Le volume de Solana demeure élevé sans provoquer à lui seul une réévaluation durable de SOL. Les DEX améliorent progressivement le routage et publient des métriques plus fines, tandis que l’avantage reste concentré chez les opérateurs rapides.

Scénario haussier : des protections vérifiables réduisent les sandwichs et les échecs sans chasser les teneurs de marché. La liquidité devient plus profonde, l’exécution s’améliore et l’activité se diversifie au-delà de quelques bots. Scénario baissier : le volume s’avère largement réflexif, les mêmes machines échangeant entre elles ou captant les ordres vulnérables ; les utilisateurs se retirent et la liquidité apparente disparaît lors d’un stress.

Pour départager ces trajectoires, il faudra suivre la concentration des adresses, le coût moyen d’exécution, les transactions échouées, les revenus de priorité et l’écart de performance entre SOL et le marché hors bitcoin. Une simple hausse de prix ne validerait pas l’analyse ; une baisse ne prouverait pas non plus que les bots en sont responsables. Cet article est informatif et ne constitue pas un conseil financier, un ordre d’achat ou de vente ni une promesse de rendement.