DÉCODER LE CASINO DES MEMECOINS : Un Framework d'IA Multi-Agent pour le Trading Anti-Manipulation

📋 Vue d'ensemble

• Type : Document de Recherche Académique / Livre Blanc Technique
• Sujet Principal : Un système de machine learning conçu pour détecter les bots de manipulation de marché sur les memecoins (spécifiquement sur Solana/Pump.fun) et automatiser le copy-trading de manière rentable.
• Auteurs/Intervenants : Yichen Luo & Jiahua Xu (University College London), Yebo Feng & Yang Liu (Nanyang Technological University).

🎯 Objectif Principal & Contexte

L'essor explosif des memecoins (marqué par le lancement du token $TRUMP en janvier 2025) a popularisé le "Copy Trading" — une pratique où les investisseurs particuliers copient automatiquement les transactions de portefeuilles à succès (les KOLs - Key Opinion Leaders). Cependant, cette stratégie engendre des pertes massives, car le marché est saturé de bots manipulateurs (wash trading, volumes fictifs, dissimulation de jetons). L'Objectif : Concevoir un système automatisé qui utilise une IA Multi-Agent (LLMs) pour filtrer les arnaques, identifier les véritables portefeuilles "Smart Money" et exécuter des trades avec une rentabilité supérieure à celle d'un humain ou d'un modèle d'IA isolé.

---

🧠 Concepts Clés & Définitions Techniques

1. Le Paysage des Menaces (Types de Bots)

L'étude identifie des menaces automatisées spécifiques qui dupent les copy-traders :

• Bundle Bots : Utilisés lors du lancement d'un token. Le créateur répartit ses fonds sur plusieurs portefeuilles pour acheter la liquidité dans un seul et même bloc, dissimulant ainsi le fait qu'une seule entité détient 80 % de l'offre (pour cacher un futur "Rug Pull").
• Bump Bots : Bots de wash-trading qui achètent et vendent la même quantité en boucle pour maintenir le token sur la "Front Page" (page d'accueil) des applications de suivi, gonflant artificiellement sa visibilité.
• Sniper Bots : Algorithmes qui achètent instantanément au lancement (plus vite que n'importe quel humain) pour "front-runner" les acheteurs légitimes.
• Comment Bots : Bots générant un faux engagement social en spammant des "To the Moon" pour créer l'illusion d'une communauté active.

2. La Solution : Système Multi-Agent (Structure de type "Hedge Fund")

Plutôt que d'utiliser une seule IA pour tout faire, le travail est réparti entre quatre agents spécialisés :

1. Meme Evaluation Agent : Analyse la qualité du projet (Graphiques en chandeliers + Commentaires utilisateurs + Métriques on-chain).
2. Wallet Evaluation Agent : Analyse le trader à copier (Régularité + Rentabilité + Expérience).
3. Wealth Agent : Gère le risque et l'allocation du capital.
4. DEX Agent : Exécute les ordres d'achat/vente réels sur la blockchain.

3. Raisonnement Chain-of-Thought (CoT)

Les chercheurs utilisent des prompts "Few-Shot Chain-of-Thought". Plutôt que de simplement demander à l'IA "Ce token est-il bon ?", ils forcent le modèle à expliquer sa logique étape par étape (ex. "Premièrement, je détecte un Bundle du créateur. Deuxièmement, le volume est artificiel. Par conséquent, c'est un mauvais token") avant de prendre une décision.

---

🧭 Analyse Stratégique & "Game Changers"

🛡️ Le Véritable Enjeu : Résoudre le "Marché des Lemons"

Le marché des memecoins est un parfait exemple du "Marché des Lemons" (asymétrie d'information) — l'opacité est telle que les arnaques chassent les bons projets. Cette étude avance que les LLMs agissent comme des éléments égalisateurs. En combinant des données visuelles (graphiques), textuelles (sentiment) et numériques (hachages de transactions), l'IA opère comme un analyste de Due Diligence extrêmement sophistiqué, disponible 24/7.

💡 L'Innovation Majeure : Agents Spécialisés > LLMs Généralistes

La découverte fondamentale est qu'un Large Language Model unique est incapable de gérer un portefeuille crypto. Il se retrouve submergé par des données contradictoires. La percée : En décomposant la tâche — une IA agit comme "gestionnaire des risques", une autre comme "éclaireur" — les performances se sont considérablement améliorées. Le système a atteint 70 à 73 % de précision dans l'identification de projets de haute qualité, surpassant largement le Machine Learning traditionnel (Random Forests) et les LLMs isolés.

🔗 Lien Caché : Le "Fonds Indiciel" des Memecoins

Involontairement, l'étude propose la méthodologie d'un "Fonds Indiciel Actif" pour les memecoins. En automatisant la sélection des KOLs et en filtrant 99 % des arnaques grâce à la détection des bots, le framework crée un indice rentable de paris à "haute probabilité", transformant un jeu à somme négative en une stratégie potentiellement à somme positive pour l'utilisateur.

---

📊 Analyse Détaillée

1. La Mécanique du Marché (Pump.fun sur Solana)

• Création : Les utilisateurs créent un token gratuitement.
• Bonding Curve : Les prix sont déterminés par une courbe mathématique (l'achat fait augmenter le prix).
• Migration : Une fois la capitalisation boursière arrivée à un certain seuil (environ 60 000 $ de liquidité), le token "migre" vers un Exchange Décentralisé (Raydium). C'est le moment critique entre le profit et la ruine.

2. Détection Algorithmique des Bots (Comment attraper les escrocs)

• Algorithme de Détection de Bundle : Scanne le tout premier bloc de la vie du token. Si de multiples portefeuilles achètent dans ce bloc exact et sont liés au créateur, l'IA signale un "Haut Risque/Arnaque".
• Score de Wash Trading : Calcule le ratio entre les "paires achat-vente correspondantes" (flipping) et la position nette réelle du trader. Si un trader retourne sa position plus de 50 fois mais ne détient rien, c'est un Bump Bot.

3. Résultats Expérimentaux

• Dataset : 1 000 lancements de memecoins après le token $TRUMP (janvier 2025).
• Précision :
  • Identification de projets de "Good Farming" : 73 % (contre 59 % pour une simple analyse transactionnelle).
  • Identification de portefeuilles "Smart Money" : 70 %.
• Impact Financier : Les portefeuilles "Smart Money" identifiés par l'IA ont généré collectivement 500 000 $ de profit sur l'ensemble du jeu de données.
• Échec des modèles concurrents : Les réseaux de neurones traditionnels ont échoué parce qu'ils ne pouvaient pas interpréter le "contexte" du sentiment social ou les modèles visuels des graphiques, contrairement aux LLMs.

4. Cas Pratique : Le Token $MAO

• 0-1 Seconde : Le créateur achète l'offre via un "Launch Bundle" (dissimulation de propriété).
• 1-5 Minutes : Un "Sniper Bot" fait son entrée.
• 5-60 Minutes : Les "Bump Bots" font du wash-trading pour atteindre le statut "Trending" ; les "Comment Bots" spamment des ondes positives.
• Phase Finale : Le créateur largue (dump) ses tokens sur cette fausse liquidité. Le prix s'effondre de 90 %.
• L'Agent IA a réussi à détecter le Bundle et les Bump Bots dans les métriques en temps réel pour éviter ce trade.

---

🎙️ Citations Notables

• "Même si des tactiques de manipulation telles que le rat trading sont des stratagèmes classiques sur les marchés financiers traditionnels, ces combines à l'ancienne sont désormais pilotées par des bots et prennent pour cible les copy-traders naïfs."
• "Le copy trading n'est ni sans risque ni une garantie de profit... Les copieurs peuvent finir par acheter très haut et vendre très bas, servant de liquidité de sortie (exit liquidity) au profit des autres."
• "Persistance de la performance : les KOLs ayant connu le succès par le passé peuvent sous-performer lorsque la dynamique du marché évolue."

🔑 Points Clés à Retenir

1. Ne copiez pas aveuglément : Trader en suivant d'autres portefeuilles sans filtrer l'activité des bots fait de vous de la chair à canon (liquidité de sortie).
2. L'analyse Multimodale est Obligatoire : On ne juge pas un projet crypto uniquement sur son prix. Il faut analyser le Code (smart contract), le Graphique (données visuelles), et le Chat (sentiment) simultanément.
3. L'industrialisation des bots : La manipulation du marché n'est plus artisanale ; elle se fait à l'échelle industrielle (bots Bundle/Sniper/Bump). La défense doit être tout aussi automatisée.
4. Les Agents sont l'Avenir de la DeFi : La méthode de trading la plus efficace n'est pas un "super-bot" mais une "équipe de bots spécialisés" qui débattent entre eux (Chain-of-Thought).

❓ Questions en Suspens

• Latence d'Exécution : Le document détaille le processus de décision, mais dans les memecoins Solana, la vitesse fait tout. Ce framework LLM multi-agent peut-il traiter les données assez rapidement (moins d'une seconde) pour devancer les Sniper Bots qu'il tente d'esquiver ?
• Coût de l'Inférence : Faire tourner de multiples agents LLMs pour chaque nouveau lancement de token (des milliers par jour) est très coûteux en ressources informatiques. Les marges bénéficiaires couvrent-elles vraiment les coûts d'API et de GPU ?

🕰️ Historique Chronologique Détaillé

Sur la base du segment de transcription fourni, voici les notes détaillées et les points essentiels :

Contexte & Définition du Problème

• Contexte du Marché : Le lancement du memecoin $TRUMP par le président américain Trump, le 17 janvier 2025, a déclenché une vague massive de spéculation sur les memecoins.
• Copy Trading : Des plateformes comme GMGN ont introduit le copy trading en un clic, permettant à des utilisateurs inexpérimentés de répliquer les portefeuilles de leaders d'opinion ("KOL").
• Les Risques :
  • Bots Manipulateurs : Prévalence du sniping, wash trading et faux signaux sociaux.
  • Stratagèmes de Liquidité de Sortie : Des KOLs influents peuvent acheter très tôt, hyper le token auprès de leurs copieurs, puis dumper sur eux pour faire du profit (utilisant les copieurs comme liquidité de sortie).
  • Persistance de la Performance : Les succès passés d'un KOL ne garantissent pas des rendements futurs, en raison des dynamiques changeantes du marché.
• Limites des LLMs : Seuls, les Large Language Models (LLMs) ont du mal avec la répartition complexe de portefeuilles et manquent de données d'entraînement spécifiques au domaine des cryptomonnaies.

Solution Proposée : Le Système Multi-Agent

• Structure : Un framework exhaustif s'inspirant des équipes de gestion d'actifs, décomposant les tâches pour des agents spécialisés grâce au raisonnement par Chain-of-Thought (CoT).
• Les Quatre Agents :
  1. Meme Evaluation Agent : Identifie les tokens ayant un vrai potentiel de croissance en utilisant les modèles de chandeliers, les métriques et le sentiment.
  2. Trader Evaluation Agent : Sélectionne les portefeuilles KOL en se basant sur leurs performances historiques.
  3. Wealth Management Agent : Alloue le capital parmi les opportunités détectées.
  4. Order Execution Agent : Soumet les ordres d'achat sur Pump.fun.
• Performances Observées :
  • Testé sur un jeu de données allant de 1 000 (abstract) à 4 000 (introduction) projets de memecoins.
  • 73 % de précision obtenue dans l'identification des projets de haute qualité.
  • 70 % de précision obtenue dans l'identification des portefeuilles KOL viables.
  • Les KOLs sélectionnés ont généré un profit cumulé de 500 000 $.
  • A surpassé les modèles traditionnels de machine learning ainsi que les LLMs uniques.

Contexte : Les Mécaniques de Pump.fun

• Plateforme : Pump.fun est le plus grand launchpad de memecoins sur Solana.
• Tokenomics :
  • Offre totale : 1 milliard.
  • Offre négociable (tradeable) : 800 millions.
  • Offre verrouillée : 200 millions.
• Phase de lancement : Utilise un mécanisme de Bonding Curve (courbe de liaison) pour fixer le prix selon la demande.
  • La création du token est gratuite ; les trades subissent 1 % de frais.
  • Formule : $y = y' - k / (x + x')$, où le prix augmente au fur et à mesure que les SOL sont déposés.
• Migration : Lorsque les 800 millions de jetons négociables sont vendus, le projet "migre" vers un DEX comme Raydium.
  • Environ 0.015 SOL de frais sont prélevés de la pool de liquidité lors de la migration.

Acteurs du Marché & Manipulation

• Acteurs Clés :
  • Pumpfun & DEX : Plateformes facilitant la création et l'échange.
  • Créateurs : Peuvent agir comme manipulateurs en achetant massivement au lancement.
  • Fournisseurs de Bots : Louent/vendent des scripts aux créateurs ou traders pour fausser le marché.
• Types de Bots & Tactiques :
  • Bundle Bots : Exécutent plusieurs transactions sur le même bloc pour cacher la propriété réelle (ex. Bundles d'achat financés par le créateur).
  • Volume Bots : Pratiquent le wash trading pour simuler la liquidité.
  • Comment Bots : Produisent un faux sentiment communautaire.
  • Rug Pulls : Arnaques où l'on part avec la caisse soudainement, souvent masquées par l'activité des bots pré-citée pour feindre un intérêt organique.

Basé sur le segment du document, voici les notes détaillées concernant la mécanique des bots, la chronologie de l'étude de cas spécifique et le framework de trading proposé.

Langue Détectée : Anglais

Caractéristiques & Mécanismes des Bots Manipulateurs

• Launch Bundle Bot :

  • Objectif : Masquer la centralisation de l'offre pour éviter que les traders ne craignent un "rug pull", tout en simulant une demande organique.
  • Méthode : Le créateur utilise un bot pour générer, approvisionner et contrôler plusieurs portefeuilles.
  • Exécution : Ces portefeuilles achètent le coin simultanément et dans le même bloc de création que le créateur du token.
  • Détection : Pumpfun identifie les transactions effectuées dans le même bloc comme des bots potentiels ; seul le créateur a le pouvoir d'insérer des transactions dans le bloc de création, rendant cette action hautement suspecte.

• Bump Bot :

  • Objectif : Gonfler artificiellement la popularité perçue afin d'attirer les traders en exploitant les systèmes de tri chronologique (la "front page" ou page d'accueil) de Pumpfun.
  • Méthode : Exécute en boucle des ordres d'achat et de vente qui s'annulent (wash trading).
  • Résultat : Met à jour l'affichage interactif du token (nom, prix) et le garde très visible sans changer l'inventaire réel de jetons détenus par le bot.

• Comment Bot :

  • Objectif : Fabriquer un engagement artificiel et falsifier l'enthousiasme de la communauté.
  • Méthode : Des scripts automatisés opèrent des portefeuilles contrôlés pour publier des messages positifs génériques, sans réel contexte, (ex. "To the moon !", "Huge potential").
  • But : Induire les véritables utilisateurs en erreur en leur faisant croire qu'il existe une puissante validation sociale.

Étude de Cas : Chronologie du Meme Coin "MAO"

Cette analyse spécifique illustre un token exploité par les quatre types de bots mentionnés.

• Étape 1 : Création et Launch Bundle

  • [2025-01-17 15:06:24] (Bloc 314596960) : Le portefeuille 7xA7A du créateur lance le token MAO.
  • Simultanément : Au sein de ce même bloc, le script du créateur génère de nouveaux portefeuilles (ex. 712nX, 6f Yzn, 4hZpo) pour acheter du MAO, gonflant le volume et le prix d'emblée.

• Étape 2 : Le Front-Running du Sniper Bot

  • Timing : 4 blocs et 1 seconde après le lancement.
  • Action : Le portefeuille du sniper EW6Dk fait du front-running sur les acheteurs particuliers en acquérant le MAO.
  • Résultat : Obtient un point d'entrée au prix fort grâce à son avantage de vitesse.

• Étape 3 : L'Activité des Comment Bots

  • [15:10:17 – 16:26:42] Les bots de commentaires passent à l'action pour berner les traders non avertis.
  • Contenu : Diffusion de messages répétitifs tels que "SENDOOR" (suggérant une migration imminente du token) pour feindre une vraie communication communautaire.

• Étape 4 : L'Activité du Bump Bot

  • [15:37:36 – 16:40:45] Le portefeuille bot 4h7Lk.. s'active.
  • Action : Il achète et vend de manière répétée le même montant exact de MAO.
  • Résultat : Maintient les transactions sur la page de garde (front page) de Pumpfun pour attirer les curieux.

• Étape 5 : Rug Pull (Retrait Final)

  • [16:40:54] Le créateur et les portefeuilles du Launch Bundle vendent l'intégralité de leurs jetons, empochant d'énormes profits.
  • Réaction : Le prix s'effondre en moins d'une minute.
  • Réponse du Sniper : Le Sniper Bot (EW6Dk) détecte ce mouvement et sort de sa position avec un profit modeste.
  • Bilan : La quasi-totalité des traders particuliers essuient des pertes colossales.

Données Analytiques : L'Impact des Bots sur les Métriques

• Launch Bundles : Les projets s'en servant présentent en moyenne des rendements maximaux plus élevés, mais subissent des phases de dump (chutes massives de prix) extrêmement brutales et rapides (les créateurs sortent vite).
• Sniper Bots : La différence de performance avec ou sans Sniper est minime (ils sont présents sur la majorité des projets).
• Bump & Comment Bots : Les tokens dotés de ce type de manipulation affichent des hausses très significatives aussi bien en termes de rendement max que de durée post-dump (l'afflux factice de la "communauté" retarde l'effondrement).

Le Framework de Copy Trading Multi-Agent Proposé

L'article présente un système de riposte structuré en quatre agents pour contrer ces manipulations :

1. Meme Evaluation Agent :

   • Rôle : Dénicher les projets avec un haut potentiel de "farming" (les projets rentables non-scamms).
   • Données d'entrée : Les chandeliers japonais, les métriques des transactions et les commentaires du site.
   • Algorithmes de Détection :
     • Détection des Bundle Bots (Algorithme 1) : Identifie les bundles financés par le Créateur au sein du bloc de création.
     • Détection des Bump Bots (Algorithme 2) : Analyse le "score de wash trading" (Le ratio d'achats/ventes appairés par rapport à sa fraction de maintien du spot). Si ratio > 50, déclenchement de l'alerte pour wash bot.
   • Analyse Graphique : Identifie des mouvements sains pré-migration (positif) contre l'unique grande bougie verte classique (négatif - caractéristique du pump-and-dump).

2. Wallet Evaluation Agent :

   • Rôle : Qualifier le "Smart Money" ou la liste des KOLs (Key Opinion Leaders) ayant une probabilité de rendement asymétrique favorable (filtrer pour décider qui copier).
   • Critères : Opérations historiquement rentables, régulières et avec des fréquences relativement étalées (Metrics pris en compte : Profit Total, Écart-Type (Standard Deviation) du Profit, Volume Total de transactions).

3. Wealth Agent :

   • Rôle : Agit en trésorier. Il alloue dynamiquement les fonds en caisse selon le risque.

4. DEX Agent :

   • Rôle : Exécute concrètement les ordres d'achat et vente liés aux appels du système en s'interfaçant avec le smart contract du DEX.

Paramètres et Données Expérimentales

• Source : Données historiques agrégées par l'outil Flipside (Solana).
• Dataset : Échantillon des 1 000 premiers memecoins post-migration à la suite de la frénésie catalysée par le token $TRUMP lancé le 2025-01-17 à 14:01:48.
• Scope Temporel : Période allant de la création sur Pump.fun jusqu'à +12h après la migration DEX.
• Constats Initiaux :
  • Le Meme Evaluation Agent évalué uniquement sur la base des données de transaction affichait une grande précision, aux dépends du rappel ("low recall" - donc très sélectif et conservateur).
  • Sa puissance prédictive atteint une acmé opérationnelle lorsqu'elle cible des entrées autour de l'intervalle des 30 premières minutes.

Voici les notes approfondies sur la section suivante du document d'ingénierie traitant du framework mutli-agent de memecoins.

Langue : Anglais → Français

Performances du Wallet Evaluation Agent (Section 9.3)

• Fonction globale : Cet agent recoupe diverses sources de données pour éliminer les mauvais investissements tout en identifiant efficacement les opportunités rentables.
• Métriques : Affiche de solides scores d'Exactitude (Accuracy), de Précision, de Rappel et de score F1.
• Stabilité : La robustesse du modèle perdure sur de longues plages temporelles suivant la migration du token.
• Biais opérationnel : Le volume de portefeuilles en circulation et de données étant massif sur ce secteur, les ingénieurs privilégient la précision sur le rappel ("Precision over Recall").
• Résultats bruts :
  • Renvoie une Précision de ~70 % (4 773 justes sur 6 879 alertes envoyées).
  • Réussit à extrapoler les probabilités de profits à l'aide des patterns de profils historiques de trading des wallets.
• Matrice de Confusion (Table 3) :
  • Vrais Positifs (Prédit Vrai / Réel Vrai) : 4 773.
  • Faux Positifs (Prédit Vrai / Réel Faux) : 2 106.
  • Nombre de Wallets analysés dans la cohorte : 614 330.

Conclusion du Document (Section 10)

• Le Framework technique : Il s'agit d'un système explicable, multimodal et multi-agent qui opère grâce aux prompts "few-shot chain-of-thought" corrélé aux outils algorithmiques de détection de bots.
• Architecture Structurale : Le système reproduit les rouages professionnels internes aux fonds d'investissement en divisant conceptuellement les flux via quatre entités distinctes :
  • Évaluation du Meme.
  • Évaluation du Trader.
  • Gestion du Patrimoine / Trésorerie.
  • Exécution des Ordres.
• Résultats Empiriques :
  • Validation opérationnelle testée sur échantillon de 1 000 tokens memecoin.
  • Plage de Précision : 70–73 %.
  • Rendement Financier : Les clusters de KOLs (Key Opinion Leaders) sélectionnés ont concrétisé un bénéfice agrégé de plus de 500 000 $.
• Portée de ce travail : Prouve empiriquement l'hypothèse selon laquelle les modèles LLMs architecturés sont parfaitement taillés pour ingérer les structures hautement chaotiques, denses en données bruits, des marchés d'altcoins tel que ce marché spécifique.

Features des Données Traitées (Table 1)

• Données ingérées par le Modèle d'Inférence :
  • Métriques de Rendement : Rendement moyen, écart-type des rendements, statistiques t du rendement moyen.
  • Métriques d'Activité : Compte brut des trades opérés.
  • Facteurs Temps : Le temps écoulé depuis l'occurrence du dernier ordre vs le tout premier historique sur la chaîne.
  • Détection Anti-Bot : Variable indicatrice (ou variable muette / dummy variable – notée 0 ou 1) identifiant le marqueur type des bots visés (Bundle, Sniper, Bump).
  • Multimodalité : La data des chandeliers et des sections entières de chats communautaires extraite au moment du front du tout premier buy-in du dit portefeuille concerné.

Instructions Systèmes & Prompts (Annexe A)

• Meme Evaluation Agent :

  • Rôle imposé : Analyste professionnel spécialisé dans l'écosystème memecoins.
  • Matériel d'entrée : Les graphiques en chandeliers, les listes de transactions séquentielles on-chain, l'extraction brute des threads de commentaires ainsi que les données Bundle recensées par la détection algorithmique (Launch, Fonds Créateurs, Buy/Sell bundles).
  • Cible : Cibler un "potentiel de farming favorable" (probabilité d'une traction stable à tendance propulsée).
  • Format de Sortie : Renvoi pur d'un JSON comprenant le raisonnement détaillé (reasoning) couplé d'un simple booléen (true/false).

• Wallet Evaluation Agent :

  • Rôle imposé : Expert Analytique d'Investigation.
  • Matériel d'entrée : Recueil du bilan financier extractif des 50 dernières exécutions recensées de memecoins migrés par l'échantillon ciblé (Profit Total, Écart-Type des retours sur investissements, Taux de transactions croisées, Ratio de Participation par jetons).
  • Cible : Assurer la viabilité globale dans le contexte restrictif du pur "copy trading".

Exemples de Raisonnement par Chain-of-Thought (CoT)

• Logique Déployée de l'Évaluation du Wallet :

  • Examen Positif (True) : Génération récurrente de bons P&L (Profit And Loss), un écart-type élevé (traduisant les successions de multiples trades très rentables), un volume d'activité dynamique ainsi que l'exigence d'une grande diversité de portfolio entraînent tous vers un label true.
  • Examen Défavorable (False) : Rendements affaiblis, absence d'écart-type, manque total de mouvement (illiquide) ainsi qu'un profil concentré (absence de diversification) sont invalidés avec un renvoi de statuts false.

• Logique Déployée de l'Agent d'Évaluation du Meme (Exemples de scénarios d'inférence) :

  • Scénario Négatif n°1 : Malgré d'anciennes et solides recommandations en commentaire, l'historique de l'UI des chandeliers trahit l'unique formation d'une unique énorme bougie verte au lancement : l'IA décèle une attaque coordonnée pré-migration avant dump violent. Résultat : false.
  • Scénario Positif n°2 : Une construction organique avec sa période de latence stable de phase pré-migration + L'absence de la marque "Bundle" du développeur (pas de préfinancement camouflé de transactions artificielles créateurs) + Les portefeuilles d'attentes sont en adresses décentralisées et la ferveur y figure par sentiment humain lisible. Résultat : true.
  • Scénario Négatif n°3 (Risque Créateur) : Les données chartistes et le sentiment semblent encourageants en façade, à la différence d'un indicateur critique repéré par l'algorithme annexe attestant la signature fatidique d’un Bundle Financé par son propre Créateur (indice d'une extraction programmée imminente visant le token originel). Résultat : false.
  • Scénario Négatif n°4 (Risque Bot) : Grosse activité des algorithmes Bump combinés aux volumineux "Buy Bundles" par script signifiant des sautes algorithmiques programmées très volatiles (pump-and-dump mécanique inéluctable). Résultat : false.
  • Scénario Négatif n°5 (Faible Activité) : Durée d'existence ultra courte avant tentative de migration forcée, un vivier d'acteurs de tokens en carence, aucun commentaire et les détenteurs demeurent très agglomérés. Indicateur prouvant l'absence de base humaine : un projet vide d'adoption. Résultat : false.