Comment l’IA industrialise la manipulation des marchés crypto

En octobre 2024, la SEC a inculpé trois market makers (ZM Quant, Gotbit et CLS Global) pour avoir proposé de la manipulation de marché algorithmique comme service commercial. Leurs bots généraient du volume artificiel sur des dizaines de tokens, à la demande de clients qui payaient pour ça. Ce n’est pas de la science-fiction. C’est un dossier judiciaire : les noms des prévenus, les montants et les captures d’oran des dashboards figurent dans les pièces déposées par le DOJ.

La question n’est donc pas vraiment de savoir si des algorithmes peuvent manipuler les marchés crypto. C’est établi. La vraie question, c’est : à quelle échelle, de quelle façon, et qu’est-ce que l’IA change par rapport aux pratiques qui existaient avant ? Ces trois dimensions (échelle, sophistication, attribution) structurent cet article.

4,5% des tokens lancés en 2024 présentaient des caractéristiques de pump-and-dump, sur plus de 3 millions de tokens créés (Chainalysis, 2025). Le wash trading suspecté sur les DEX atteignait entre 704 M$ et 2,57 Md$ en 2024 selon les heuristiques utilisées. Le 10 octobre 2025, 3,21 milliards $ ont été liquidés en 60 secondes, record absolu selon Amberdata. Aucune manipulation coordonnée n’a été formellement identifiée.

La manipulation de marché existait bien avant l’IA. Le spoofing, le pump-and-dump, le wash trading : ces pratiques ont des décennies d’existence sur les marchés traditionnels. La première condamnation fédérale pour spoofing aux États-Unis remonte à 2014, sur les marchés de contrats à terme. Ces poursuites précèdent Bitcoin de plusieurs années.

Ce que l’automatisation a changé depuis, c’est la vitesse d’exécution et liscale : ce qui prenait des heures manuellement se produit en millisecondes avec un bot. Selon le Chainalysis 2025 Crypto Crime Report, plus de 4,5% des tokens lancés en 2024 présentaient des caractéristiques de pump-and-dump. Sur plus de 3 millions de tokens créés, près de 90% des pools suspects ont été abandonnés par leurs créateurs après la montée artificielle des prix. Ce volume-là serait impossible à gérer manuellement. Il est entièrement automatisé.

Un humain peut passer quelques ordres par minute. Un bot peut en exécuter des milliers à la seconde, sur plusieurs exchanges simultanément, en ajustant ses paramètres en temps réel. Ce n’est pas une différence de degré : c’est une différence de nature. Le wash trading illustre bien ce point. En 2024, Chainalysis a estimé entre 704 millions et 2,57 milliards de dollars de wash trading suspecté sur les DEX d’Ethereum, BNB Chain et Base. Ces opérations (acheter et vendre le même actif pour gonfler le volume affiché) seraient impossibles à cette échelle sans automatisation complète.

Selon le FMI dans son rapport de stabilité financière d’octobre 2024, la part de l’IA dans les brevets de trading algorithmique est passée de 19% en 2017 à plus de 50% chaque année depuis 2020. Les outils se sophistiquent vite.

Le 6 octobre 2025, l’open interest sur les futures crypto atteignait 220,37 milliards de dollars, un record absolu (Galaxy Research, Q3 2025). Quatre jours plus tard, 19 milliards étaient liquidés en cascade. Pourquoi un marché de cette taille peut-il s’effondrer aussi vite ? Trois facteurs structurels.

La liquidité, d’Abord : même sur les grandes plateformes, la profondeur du carnet d’ordres reste concentrée. Binance affiche 536 millions de dollars de profondeur BTC, soit presque autant que les quatre exchanges suivants réuni. Un ordre important peut déplacer le prix bien plus facilement que sur une bourse traditionnelle. Pendant le crash d’octobre 2025, cette profondeur a chuté de plus de 90 % en quelques minutes (FTI Consulting, 2025).

La fragmentation ensuite : le même actif s'échange sur des dizaines de plateformes avec des liquidités très variables. Lors de ce même épisode, USDe se négociait avec une décote de 35 % sur Binance tout en restant proche de 1 $ ailleurs. Ce type de divergence crée des opportunités d’arbitrage, légitimes ou non, et rend les mouvements de gros portefeuilles particulièrement déstabilisants.

L’effet de levier, enfin, reste le facteur le plus décisif. Quand un mouvement de prix dépasse un seuil, les positions sont liquidées automatiquement. Ces liquidations créent de nouvelles baisses, qui déclenchent de nouvelles liquidations, sans intervention humaine. Un algorithme qui pousse le prix au bon moment peut déclencher une cascade entière sans pression prolongée.

L’IA change-t-elle vraiment la donne, ou amplifie-t-elle l existant ? Spécialement la seconde option. Les pump-and-dump automatisés ont une durée de vie moyenne de 6,23 jours (Chainalysis, 2025) : les bots lancent le token, gonflent le prix, revendent, et passent au suivant. L’IA n’a pas inventé le schéma. Elle l’a rendu industriel.

Les modèles d’IA utilisés en finance servent principalement à analyser des données complexes, détecter des anomalies et optimiser des paramètres d’exécution. Ils ne « comprennent » pas les marchés. Ils optimisent des fonctions objectifs. C’est un outil, pas un agent autonome. La distinction compte : les hedge funds qui utilisent l’IA ne font pas de la manipulation, ils font de l optimisation statistique.

Le cas SEC d’octobre 2024 le confirme. ZM Quant, Gotbit et CLS Global ne proposaient pas une IA autonome qui manipulait les marchés de sa propre initiative. Ils vendaient un service : « donnez-nous vos tokens, on génère du volume artificiel pour vous. » C’est de lrautomatisation au service d’une fraude humaine décidée en amont.

Le 10 octobre 2025 reste l exemple le plus documenté. Selon Amberdata, 3,21 milliards de dollars ont été liquidés en exactement 60 secondes à 21h15 UTC. Sur 24 heures, le total atteignait 19,37 milliards, dont 83,9% de positions longues. La liquidité du carnet d’ordres s’est effondrée de 98% en quelques minutes, passant de 103 millions à 170 000 dollars disponibles. Ce n’est pas une manipulation : c’est une cascade de liquidations automatiques déclenchées par un mouvement initial. Mais la frontière est mince. Si quelqu’un pousse délibérément le prix au moment exact où les liquidations vont s’enchaîner, l effet est démultiplié. Les données on-chain disponibles sur cet épisode ne permettent pas d en établir la cause avec certitude.

La réponse réglementaire s’est accélérée. En FY2024, la CFTC a enregistré un record de 17,1 milliards de dollars de sanctions en 58 affaires, les actifs numériques représentant environ 50% du total. C’est du jamais-vu depuis la création de l agence. Les signalements whistleblower sur la crypto représentaient 28% du total reçu, pour la première fois en tête de toutes les catégories confondues.

L opération « Token Mirrors » de la SEC, en octobre 2024, a prouvé que les régulateurs savent maintenant identifier et cibler la manipulation algorithmique. En examinant les dossiers publics des 58 affaires CFTC de FY2024, on retrouve systématiquement le même schéma : une entité offshore, un bot de trading, des clients qui payaient pour le service.

Le problème de fond reste entier, pourtant. Ce qui est illégal dans une juridiction reste accessible depuis une autre. La CFTC peut sanctionner les acteurs américains. Elle ne peut pas désactiver un bot hébergé à Singapour.

Selon Galaxy Research, le volume de futures crypto au CME dépassait 900 milliards de dollars au T3 2025. Le levier n’est pas près de diminuer. Construire une exposition crypto avec des règles de gestion du risque n’est plus optionnel. Se concentrer sur des actifs à haute liquidité réduit le risque d être pris dans une cascade de liquidations sur un token peu profond.

Les marchés crypto sont manipulables. C’est établi, documenté, et ça arrive à une échelle que les régulateurs commencent seulement à mesurer. L’IA accélère ces pratiques et les rend industrialisables, mais elle n’en est pas l inventrice. Ce qui change structurellement, c’est la vitesse. Un mouvement qui aurait pris des heures manuellement se produit en secondes avec des bots. Les cascades de liquidations sont plus brutales. Les volumes artificiels sont plus difficiles à distinguer des volumes réels.