Avec l'historique mise à niveau Merge en septembre, Ethereum est devenu une blockchain basée sur le Proof-of-Stake. Le mécanisme désormais utilisé pour confirmer les transactions repose sur la participation des validateurs qui mettent en jeu leurs ethers (ETH). La mise à jour d'Ethereum en mars, sous le nom de code Shanghai, a finalement permis à ces derniers de retirer leurs ethers bloqués.

Les thèmes d'investissement de l'écosystème Ethereum ont inclus a) la finance décentralisée (DeFi) b) les stablecoins c) le bitcoin (via des wrapped BTC) et d) les tokens non fongibles (NFT). Avec la mise à jour, le réseau a également commencé à fournir des actifs à revenu fixe.

Rendement sans risque

Le rendement est l'un des piliers de la finance traditionnelle (TradFi). Une hausse ou une baisse du rendement entraîne une hausse ou une baisse du risque perçu pour d'autres actifs financiers. Ainsi, les mouvements du taux de référence fixé par la Réserve fédérale des États-Unis fournissent la raison d'être des décisions d'investissement en général.

À lire également : Ethereum est en train de révolutionner le monde de l'investissement !

En conséquence, les professionnels de la conformité utilisent les tendances du rendement sans risque pour détecter les mouvements irrationnels de fonds sur les marchés financiers, car ces flux de fonds peuvent être des tentatives de blanchiment d'argent. Le raisonnement est le suivant : les auteurs de blanchiment de fonds illicites ne recherchent pas activement des gains financiers comme les investisseurs ordinaires, car le seul but du blanchiment d'argent est de brouiller les pistes de l'argent sale.

Le rendement du staking d'Ethereum représentant le rendement sans risque de l'écosystème crypto, la mise à niveau Shanghai pourrait avoir amélioré l'état de la criminalistique crypto.

La criminalistique de la TradFi se concentre sur l'activité - la criminalistique crypto se concentre sur les entités

Le risque de criminalité financière dans la TradFi est géré à l'aide de systèmes automatiques qui alertent les institutions sur l'utilisation illicite probable d'actifs financiers. Alors que les scientifiques des données conçoivent et déploient des modèles pour signaler les transactions suspectes, les équipes d'investigation doivent encore évaluer les pistes qui en résultent et déterminer si des rapports d'activité suspects (SAR) doivent être déposés.

Un point de contraste intéressant entre la criminalistique pour la TradFi et la crypto est que cette dernière se concentre davantage sur l'entité criminelle que sur l'activité elle-même. En d'autres termes, les enquêteurs analysent les réseaux de portefeuilles crypto pour identifier les transferts d'actifs criminels.

Le blanchiment d'argent se déroule en trois étapes : a) placement : les produits du crime entrent dans le système financier ; b) superposition : mouvement complexe de fonds visant à brouiller la piste d'audit et à rompre le lien avec le crime initial ; et c) intégration : les produits du crime sont maintenant entièrement absorbés dans l'économie légale et peuvent être utilisés à n'importe quelle fin.

Pour les actifs crypto, il est pratique de concevoir des solutions pour détecter le placement d'actifs illicites. En effet, la majeure partie de l'argent blanchi provient de délits liés aux cryptomonnaies, tels que les attaques par ransomware, les piratages de ponts DeFi, les violations de smart contracts et les manœuvres de phishing. Dans tous ces délits, les adresses des portefeuilles des auteurs sont facilement accessibles. Par conséquent, une fois qu'un crime a été commis, les portefeuilles concernés sont surveillés pour analyser les flux d'actifs.

En revanche, les experts en criminalistique travaillant pour une banque, par exemple, n'ont aucune visibilité sur l'infraction - trafic d'êtres humains ou de drogue, cybercriminalité ou terrorisme - lorsque les produits du crime sont injectés dans l'écosystème d'une banque. Cela rend la détection extrêmement difficile. C'est pourquoi la plupart des solutions de lutte contre le blanchiment d'argent (AML) sont conçues pour identifier la stratification.

Les récompenses d'Ethereum facilitent la détection d'activités inhabituelles

Pour concevoir des solutions permettant de détecter la stratification, il est impératif de penser comme les criminels, qui élaborent des flux de fonds complexes pour brouiller les pistes. L'approche éprouvée pour mettre au jour ce type d'activité consiste à repérer les mouvements irrationnels d'actifs. En effet, le blanchiment d'argent n'a pas pour objectif de générer des profits.

Les rendements de staking d'ether après Shanghai fournissant des taux d'intérêt de référence pour les cryptomonnaies, nous pouvons formuler des structures risque-récompense de base. Armés de ces données, les enquêteurs peuvent systématiquement repérer les comportements financiers qui vont à l'encontre des tendances du taux de référence.

Pour illustrer, une adresse ou un groupe d'adresses pourrait pointer vers une entité qui prend constamment des risques élevés tout en gagnant moins que le rendement sans risque. Une telle situation ferait certainement l'objet d'une enquête de la part d'une banque.

Par exemple, une telle architecture de surveillance des transactions peut être utilisée pour détecter les opérations de blanchiment par NFT. Dans ce cas, plusieurs acteurs du marché s'entendent pour effectuer de nombreuses transactions sur des NFT dans le but d'accumuler des avoirs criminels ou de manipuler les prix. Étant donné que l'intention de réaliser des profits n'est pas à l'origine de la grande majorité de ces transactions, une telle activité déclenchera un signal d'alarme.

De même, dans une situation où les produits du terrorisme sont superposés via des protocoles DeFi, la détection de mouvements irrationnels d'actifs peut fournir des pistes substantielles aux enquêteurs, même s'ils n'ont pas connaissance du délit proprement dit.

Criminalité financière et DeFi

Les marchés financiers traditionnels sont souvent utilisés pour déplacer secrètement des fonds afin de contourner les sanctions et de financer des activités terroristes. De même, les écosystèmes DeFi constituent une cible attrayante pour la criminalité financière en raison de la possibilité de déplacer de vastes sommes d'actifs entre les juridictions à l'aide de la blockchain.

En outre, l'activité s'est considérablement déplacée des exchanges centralisés vers les exchanges décentralisés à la suite de fiascos récents tels que l'effondrement de FTX. Cette augmentation des volumes DeFi a permis aux flux illégaux de rester plus facilement obscurs.

L'introduction de meilleurs contrôles de conformité par les fournisseurs de services crypto centralisés - souvent mandatés par les régulateurs - est encore plus convaincante, car elle pousse probablement les criminels à rechercher de nouveaux canaux de blanchiment d'argent.

Par conséquent, les flux illicites vers la DeFi pourraient provenir d'un ensemble élargi de crimes. Ce changement de paradigme sur les marchés des cryptomonnaies exigera des équipes de criminalistique qu'elles augmentent leurs capacités à enquêter sur des flux de fonds complexes à travers divers protocoles sans connaissance préalable de la source des actifs criminels.

En conséquence, les efforts de conformité doivent s'articuler autour de la découverte de typologies de stratification. En fait, avec les progrès rapides de l'interopérabilité de la blockchain, la surveillance systématique pour détecter les transferts criminels est devenue encore plus cruciale.

Notre capacité à détecter les activités suspectes dans le domaine de la crypto est loin d'être idéale, en partie à cause de l'extrême volatilité des prix des cryptomonnaies. Cette volatilité rend les seuils de risque statiques inefficaces et peut permettre au blanchiment d'argent de ne pas être détecté. En ce sens, si et quand Ethereum établira un taux de référence, il fournira un moyen d'établir une rationalité de base pour les flux de fonds et donc de repérer les valeurs aberrantes.

Debanjan Chatterjee a plus de 17 ans d'expérience dans l'analyse des tendances de la criminalité financière à l'aide de la science des données, dont plus de 13 ans chez HSBC. Il est titulaire d'une maîtrise en économie de la Delhi School of Economics (Inde).

Cet article a été rédigé à des fins d'information générale et ne doit pas être considéré comme un conseil juridique ou d'investissement. Les points de vue, pensées et opinions exprimés ici n'engagent que l'auteur et ne reflètent ni ne représentent nécessairement ceux de Cointelegraph.