Le mouvement de $Zec a relancé le récit sur la confidentialité. Dash et ZEN ont suivi presque immédiatement, mais ces mouvements semblent plus proches d’un bêta que de fondamentaux. Ce qui a retenu mon attention, c’est la hausse de StarkWare quelques jours plus tard. Au départ, je me demandais : STRK est-il négocié avec Arb ou avec Zcash ? Après investigation, la connexion avec la confidentialité est réelle. Starknet travaille avec Circle sur du USDC privé, permettant aux utilisateurs de masquer et démasquer des fonds, d’effectuer des transferts privés, tout en conservant la traçabilité grâce à des clés de visualisation. La partie intéressante, c’est que cette vague de confidentialité semble très différente de l’ère Tornado Cash. À l’époque, la confidentialité visait surtout à être totalement privée. Cette fois-ci, le récit semble évoluer vers une confidentialité sélective et traçable, ce qui a beaucoup plus de sens pour les institutions. Je classerais le marché actuel de la confidentialité en quatre domaines. 1. Confidentialité des actifs : $Zec Zcash traite la confidentialité comme une propriété monétaire fondamentale. La contradiction intéressante, c’est que les produits institutionnels nécessitent encore transparence et conformité, alors que le point central de Zcash est précisément la confidentialité. Cela me dit une chose : la confidentialité optionnelle devient beaucoup plus importante. 2. Transferts privés : StarkWare & Aleo Starknet développe du USDC privé avec des transferts masqués et démasqués, des transactions privées et des clés de visualisation pour la conformité. Aleo avance également vers une infrastructure de stablecoin privée via USDCx et l’écosystème de Circle. Technologies différentes, même direction : des transactions privées qui peuvent fonctionner dans un cadre réglementé. 3. Calcul privé : Zama, Phala & Nillion @Zama est probablement le nom le plus clair dans le domaine du FHE. Le chiffrement complètement homomorphe est l’une des approches les plus puissantes pour le calcul privé, permettant de traiter des données tout en les gardant chiffrées. @PhalaNetwork adopte la voie des TEE, avec le calcul confidentiel et l’inférence chiffrée qui deviennent de plus en plus pertinents pour l’IA. Nillion adopte une autre approche avec des marchés chiffrés et des instructions chiffrées programmables. Architectures différentes, mais même objectif : effectuer des calculs sur des données sensibles sans exposer les informations sous-jacentes. 4. Confidentialité institutionnelle : Canton @CantonNetwork est une entité différente. Il est conçu principalement pour la finance institutionnelle, avec une confidentialité au niveau des sous-transactions où les participants ne voient que les informations qui les concernent. Pas besoin que tout soit totalement privé. Juste suffisamment privé pour les bonnes parties. Ce modèle pourrait être exactement celui dont le TradFi a le plus besoin. De nombreux autres projets méritent aussi d’être suivis, notamment @Railgun_Project et @MidnightNtwrk, mais c’est le grand tableau qui m’intéresse. La confidentialité ne consiste plus simplement à cacher tout ce qui existe. La prochaine phase ressemble davantage à une confidentialité contrôlée, conforme et à divulgation sélective. Et c’est un marché bien plus vaste que le récit de confidentialité que nous avions il y a quelques années.
