Plus il y a de données, mieux c’est. La plateforme souhaite collecter des informations utilisateur, les institutions financières veulent comprendre les actifs de leurs clients, et l’IA cherche à obtenir davantage de données pour améliorer ses capacités. Mais aujourd’hui, cette approche pourrait bien devoir évoluer. Plus il y a de données, plus les coûts de stockage, les responsabilités de gestion et les risques de fuite augmentent. En particulier pour les institutions financières, disposer de l’ensemble des données utilisateur n’est pas nécessairement un avantage. Vitalik a mentionné lors de Devcon Mumbai qu’il fallait considérer par défaut les données comme des déchets toxiques : ne pas les collecter si ce n’est pas nécessaire, ne pas les conserver si ce n’est pas indispensable. Si une entreprise peut valider ses opérations sans avoir accès à l’intégralité des données privées de l’utilisateur, l’efficacité d’utilisation des données ne serait-elle pas supérieure ? zkTLS, exploré par @primus_labs, permet de vérifier l’authenticité des données provenant de plateformes Web2, et en combinaison avec zkVM, permet aux applications d’effectuer des calculs et des preuves basés sur ces données. Cela signifie qu’à l’avenir, une application financière pourrait simplement devoir confirmer qu’un utilisateur remplit une condition spécifique, sans avoir à accéder directement à l’ensemble de ses informations comptables. Pour les utilisateurs, cela réduit l’exposition de leur vie privée ; pour les entreprises, cela offre également la possibilité de réduire les charges de gestion de données inutiles. Bien sûr, ce chemin présente encore de nombreux défis pratiques : la fiabilité des sources de données, la sécurité des autorisations, et le coût suffisamment bas des vérifications — tout cela doit être démontré par des applications réelles. Je pense que la véritable valeur commerciale des technologies de confidentialité ne réside pas seulement à protéger les utilisateurs contre la surveillance extérieure, mais à permettre aux entreprises d’opérer en s’appuyant sur un accès réduit aux données sensibles. Si Primus parvient à transformer cette capacité en un produit facile à intégrer pour les développeurs et attrayant pour les utilisateurs, sa valeur ne se limitera plus à celle d’un simple outil de confidentialité. Elle deviendra une nouvelle façon d’utiliser les données pour la prochaine génération d’applications financières numériques et d’IA.