💻 computer science

To Wait or To Probe: Arbitrage Competition on High-Throughput Blockchains

Cet article analyse comment les configurations de blockchain à haut débit influencent la compétition entre les stratégies de recherche de MEV ciblées et probabilistes, démontrant que si la recherche probabiliste constitue une minorité de l'activité d'arbitrage, elle génère la vaste majorité du spam et de la consommation de gaz, tandis que des ajustements de protocole tels que les planchers de frais et les flashblocks déplacent efficacement les revenus vers les transactions réussies et réduisent la congestion du réseau.

Auteurs originaux : Fei Wu, Burak Öz

Publié 2026-06-02

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Fei Wu, Burak Öz

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez un marché numérique à haute vitesse où les gens font la course pour trouver et acheter des objets rares (comme un livre en première édition) dès qu'ils apparaissent. Dans cet article, les auteurs étudient comment deux types différents de « chasseurs » (des bots) entrent en compétition pour trouver ces opportunités sur des blockchains rapides comme Base, et comment les règles du jeu modifient l'identité des gagnants.

Voici la décomposition de l'article utilisant des analogies simples :

Les deux types de chasseurs

L'article identifie deux stratégies principales utilisées par les bots pour trouver du profit :

Le « Planificateur » (Recherche ciblée) :
- Son fonctionnement : Ce bot reste en retrait et attend. Il utilise des ordinateurs puissants en dehors du marché pour comprendre exactement où se trouve le livre rare, ce qu'il coûte et comment l'acheter. Une fois qu'il a un plan parfait, il entre dans le magasin et effectue un achat unique et assuré.
- Le résultat : Ils sont très efficaces. Ils font rarement des erreurs, mais ils ont besoin d'être certains de l'information avant d'agir.
Le « Balayeur » (Recherche probabiliste) :
- Son fonctionnement : Ce bot est impatient. Il n'attend pas d'avoir un plan parfait. Au lieu de cela, il se précipite dans le magasin et commence à vérifier frénétiquement chaque étagère, chaque allée et chaque bac, des milliers de fois par seconde. Il demande : « Est-ce que le livre est ici ? Est-il là ? ». S'il trouve une correspondance, il l'achète. Sinon, il continue de vérifier.
- Le résultat : Ils trouvent des opportunités plus rapidement parfois, mais ils créent un énorme volume de « bruit ». La plupart de leurs vérifications sont inutiles, encombrant les allées du magasin et rendant difficile le mouvement des autres clients. Dans l'article, ces vérifications inutiles sont appelées spam.

Le problème : Le magasin devient bondé

Les auteurs ont remarqué que bien que les « Balayeurs » ne représentent que 23 % des transactions réussies réelles, ils sont responsables de 95 % du bruit (spam) et occupent 20 % de l'espace total du magasin. C'est comme une bibliothèque où une personne est en train de retirer un livre, tandis que 100 autres personnes courent partout en criant « Est-ce que le livre est ici ? » encore et encore, bloquant ainsi les portes.

Les expériences : Changer les règles

Les chercheurs ont observé ce qui se passait lorsque les « gestionnaires du magasin » (le protocole de la blockchain) changeaient les règles de trois manières spécifiques :

1. L'expérience des « Flashblocks » (Fenêtres plus rapides et plus petites)

Le changement : Le magasin a commencé à mettre à jour sa liste d'inventaire toutes les 200 millisecondes au lieu de toutes les 2 secondes. Cela a créé des fenêtres d'opportunité minuscules et à mouvement rapide.
L'effet : Les « Balayeurs » ont eu du mal. Parce que les fenêtres étaient si petites, les bots lourds et lents qui vérifiaient trop d'étagères ont été poussés hors de la file d'attente. Seuls les bots les plus légers et les plus rapides ont survécu.
Le résultat : Le nombre de bots « Balayeurs » a chuté de manière spectaculaire. Cependant, ceux qui ont survécu ont commencé à vérifier les étagères encore plus frénétiquement pour compenser. Ainsi, bien qu'il y ait moins de Balayeurs, le bruit total n'a pas diminué autant qu'espéré car les survivants travaillaient plus dur.

2. La vague des « Nouveaux Tokens » (Une ruée vers l'or temporaire)

Le changement : Deux nouveaux articles populaires (des tokens nommés AVNT et MIRROR) ont été soudainement introduits. Personne ne connaissait encore les règles pour eux.
L'effet : Ce fut un boom temporaire pour les « Balayeurs ». Comme personne n'avait de plan préétabli pour ces nouveaux articles, les bots capables de circuler et de tout vérifier en temps réel avaient un avantage. Une vague massive de nouveaux bots s'est précipitée pour tenter leur chance.
Le résultat : Cela a créé un pic massif de spam. Mais dès que les nouveaux articles sont devenus « normaux » et que les règles ont été comprises, les « Balayeurs » sont repartis, et les « Planificateurs » ont repris le dessus.

3. La « Hausse des frais » (Rendre la vérification coûteuse)

Le changement : Le magasin a augmenté les frais minimaux requis juste pour franchir la porte et vérifier une étagère.
L'effet : Cela a le plus touché les « Balayeurs ». Puisqu'ils vérifient des milliers d'étagères et échouent la plupart du temps, le coût pour franchir la porte s'est accumulé rapidement. Si un bot vérifie 1 000 étagères et ne trouve qu'une seule affaire, mais que les frais pour vérifier sont trop élevés, il perd de l'argent.
Le résultat : Les bots qui ne pouvaient pas se permettre de continuer à vérifier (ceux à faible valeur) ont quitté le magasin. Les « Balayeurs » qui sont restés étaient ceux avec les transactions les plus précieuses, mais leur nombre a considérablement diminué. Les « Planificateurs », qui n'effectuent qu'une seule vérification par transaction, ont été moins affectés.

La grande conclusion

L'article conclut que la conception du protocole est cruciale.

Si vous rendez l'ordonnancement des transactions très rapide et granulaire (comme les Flashblocks), vous évincez naturellement les bots lourds et spammeux, mais les survivants pourraient simplement travailler plus dur.
Si vous augmentez les frais, vous forcez les bots à être plus efficaces ; ils ne peuvent pas se permettre de perdre du temps à vérifier des choses qui n'ont pas de valeur.

En fin de compte, les auteurs montrent qu'on ne peut pas simplement « bannir » le spam. Il faut comprendre comment les bots chassent. En changeant les règles du jeu (vitesse, frais et information), la blockchain peut encourager les « Planificateurs » et décourager les « Balayeurs », rendant le marché plus propre et plus efficace pour tout le monde.

Résumé Technique : Attendre ou Sonder : La Compétition d'Arbitrage sur les Blockchains à Haut Débit

1. Énoncé du Problème

Sur les blockchains à haut débit, la recherche de la Valeur Extractible Maximale (MEV) s'est divisée en deux architectures économiques distinctes : la recherche ciblée et la recherche probabiliste.

Recherche Ciblée : Les bots identifient les opportunités hors-chaîne, simulent l'exécution et soumettent des transactions avec un itinéraire engagé (route-committed). Cette approche implique généralement moins de tentatives, mais des frais plus élevés par tentative.
Recherche Probabiliste : Les bots soumettent des transactions répétées qui lisent l'état en direct sur la chaîne pour découvrir des opportunités pendant l'exécution. Cette approche implique une intensité de tentatives élevée, où la plupart des transactions échouent (sondes ou réversions) sans produire de changements d'état utiles, ce constituant du « spam ».

Le problème central est la manière dont les paramètres de conception du protocole — spécifiquement la granularité de l'ordonnancement (ex: sous-blocs vs blocs complets), les seuils de frais (fee floors) et l'accès aux opportunités — façonnent la compétition entre ces architectures. Alors que la littérature existante modélise la recherche probabiliste de manière isolée, cet article formalise la distinction entre les deux architectures et étudie comment les changements de protocole déplacent l'équilibre de la composition des bots, de la consommation d'espace de bloc et des revenus du protocole.

2. Méthodologie

Cadre Théorique

Les auteurs développent un modèle d'équilibre à forme réduite de la compétition d'architecture. Le modèle suppose une entrée libre jusqu'à ce que les profits attendus soient ramenés à zéro. Les variables clés incluent :

Régimes d'Ordonnancement : Référence (bloc complet) vs Plus fin (sous-bloc/tranche) d'ordonnancement.
Compétitivité ( $\eta_r$ ) : La probabilité qu'une transaction de découverte on-chain reste compétitive dans la même tranche profitable qu'une transaction off-chain. Le modèle postule qu'un ordonnancement plus fin réduit $\eta_r$ pour la découverte on-chain en raison d'une consommation d'espace de bloc plus élevée par tentative.
Accès aux Opportunités ( $\lambda$ ) : Le taux auquel les bots peuvent accéder aux opportunités. La découverte on-chain a généralement un accès plus élevé ( $\lambda_C \ge \lambda_O$ ) car elle peut scanner plusieurs itinéraires dynamiquement.
Coûts ( $K$ ) : Coûts totaux incluant le gaz et les frais, qui varient selon l'architecture et les seuils de frais.

Le modèle déduit des statistiques comparatives prédisant que :

Un ordonnancement plus fin réduit la viabilité de la découverte on-chain, particulièrement pour les bots ayant des « empreintes de scan » élevées (lectures d'état lourdes).
Des seuils de frais plus élevés nuisent de manière disproportionnée aux architectures ayant une exposition aux frais élevée (gaz élevé par tentative et haute intensité de tentatives).
Les chocs d'opportunités (ex: lancements de nouveaux jetons) peuvent temporairement relancer la recherche on-chain en créant des itinéraires non encore indexés off-chain.

Stratégie Empirique

L'étude utilise Base comme étude de cas, couvrant la période de juin 2025 à février 2026. Cette période inclut des changements de configuration majeurs : l'introduction des Flashblocks (sous-blocs de 200 ms) et une escalade par étapes du frais de base minimum.

Construction des Données :

Jeu de données : 21,37 millions d'arbitrages cycliques réussis et 985 millions de transactions de spam (sondes et réversions) provenant de 4 365 adresses de bots uniques.
Classification : Un classificateur au niveau de la trace distingue les architectures de bots basées sur les transactions d'arbitrage réussies. Il analyse les sorties de debug_traceTransaction pour catégoriser les bots en :
- Découverte Off-chain : Itinéraire engagé hors-chaîne ; aucune lecture d'état pré-swap ou lectures confinées à l'itinéraire d'exécution.
- Évaluation On-chain : Lit l'état on-chain mais confiné à l'itinéraire d'exécution final.
- Découverte On-chain (Probabiliste) : Scanne un surensemble de plateformes avant de sélectionner un itinéraire (découverte on-chain large).
Agrégation : Les étiquettes sont agrégées au niveau bot-semaine pour analyser les changements de population, l'intensité du spam et les métriques d'efficacité.

Épisodes d'Analyse

L'analyse empirique teste les prédictions du modèle à travers trois épisodes spécifiques :

Activation des Flashblocks (juillet 2025) : Test de l'effet d'un ordonnancement plus fin.
Le Surge de Septembre (septembre 2025) : Test de l'effet des chocs d'accès aux opportunités (lancements de jetons AVNT/MIRROR).
Escalade du Frais de Base Minimum (décembre 2025 – février 2026) : Test de l'effet de la hausse des seuils de frais.

3. Contributions Clés

Formalisation des Architectures de Recherche : L'article distingue formellement la recherche ciblée de la recherche probabiliste, modélisant comment la granularité de l'ordonnancement et les frais façonnent leur viabilité relative.
Classificateur au Niveau de la Trace : Développement d'un nouveau classificateur qui identifie les architectures de recherche basées sur la découverte d'itinéraires observables dans les traces de transactions, validé par le comportement d'exécution et les profils de spam.
Validation Empirique des Statistiques Comparatives :
- Flashblocks : A confirmé qu'un ordonnancement plus fin sélectionne contre les bots de découverte on-chain à forte empreinte de scan, déplaçant le marché vers des bots de découverte off-chain plus légers.
- Chocs d'Opportunités : A démontré que le lancement de nouveaux jetons relance temporairement la recherche probabiliste, portée par des entrants de courte durée.
- Seuils de Frais : A montré que des seuils de frais plus élevés sélectionnent contre les bots dont le flux d'opportunités ne peut supporter des tentatives répétées, réduisant la viabilité des architectures à haute exposition.
Quantification des Résultats au Niveau de la Chaîne : Mesure l'impact de ces changements sur la composition des revenus des frais de priorité et l'efficacité de l'espace de bloc.

4. Résultats Clés

Caractéristiques des Architectures de Bots

Recherche Probabiliste (Découverte On-chain) : Représente seulement 23 % de l'activité d'arbitrage réussie mais génère 95 % des transactions de spam et consomme 20 % du gaz total de Base. Ces bots ont des taux de réussite faibles (4,58 %) et des coûts élevés par succès.
Recherche Ciblée (Découverte Off-chain) : Taux de réussite plus élevés, génération de spam plus faible et paiements de frais de priorité plus élevés par transaction.

Résultats par Épisode

Flashblocks (Ordonnancement plus Fin) :
- Effet de Sélection : La population de bots de découverte on-chain est passée d'environ 63 % à 25 % des bots actifs. Les bots à forte empreinte de scan (calldata courts, lectures pré-exécution élevées) ont été écartés.
- Survivants : Les bots on-chain restants ont simplifié leur logique (calldata plus longs, moins de lectures).
- Paradoxe du Spam : Malgré la réduction de la population de bots, le spam agrégé n'a pas diminué proportionnellement car les survivants ont augmenté leur intensité de tentative (sondage plus fréquent).
- Efficacité : Les taux de réussite de la découverte off-chain se sont améliorés (35,8 % $\to$ 43,6 %) grâce à la réduction du risque d'état obsolète (stale-state).
Le Surge de Septembre (Choc d'Opportunité) :
- Un pic temporaire de bots de découverte on-chain (de ~30 à ~220) est survenu autour du lancement des jetons AVNT et MIRROR.
- Entrants Transitoires : 92 % de ces nouveaux bots étaient des « testeurs » à courte durée de vie qui ont quitté le marché une fois les itinéraires spécifiques aux jetons routinisés.
- Choc de Spam : Cette vague a généré 147 millions de transactions de spam, principalement issues de bots transitoires.
Escalade du Seuil de Frais (Canal de Coût) :
- À mesure que le frais de base minimum est passé de 200K à 5M WEI, la part des bots de découverte on-chain est tombée de 22 % à 8,4 %.
- Mécanisme de Sélection : Le seuil de frais a sélectionné contre les bots ayant une faible valeur par tentative. Les bots n'ont survécu que si leurs opportunités réussies étaient assez précieuses pour compenser le coût cumulé des tentatives répétées infructueuses.
- Stabilité de l'Empreinte : Contrairement aux Flashblocks, les hausses de frais n'ont pas sélectionné pour une logique de scan moins intensive ; elles ont plutôt élagué les tentatives à faible rendement.

Revenus du Protocole et Espace de Bloc

Composition des Revenus : Post-Flashblocks, la part des frais de priorité dérivée du spam est passée de >60 % à environ 40-45 %. Les revenus se sont déplacés vers les arbitrages réussis et les tentatives probabilistes à enchères plus élevées.
Efficacité de l'Espace de Bloc : Bien que le spam reste un fardeau important, sa part de la consommation totale de gaz a diminué après les Flashblocks et davantage lors de la montée en puissance des frais (de ~20 % à ~15 %), exception faite des pics temporaires lors des chocs d'opportunités.

5. Signification et Revendications

L'article affirme que la conception du protocole ne modifie pas seulement le volume de l'extraction MEV, mais altère fondamentalement le mécanisme de recherche.

Comportement d'Équilibre : Les tentatives infructueuses (spam) ne sont pas de simples inefficacités, mais des résultats d'équilibre des architectures de recherche sous des contraintes spécifiques d'ordonnancement et de frais.
Arbitrages de Politiques :
- Un Ordonnancement plus Fin (ex: Flashblocks) sélectionne efficacement contre le scan large, mais peut induire une intensité de tentative plus élevée chez les survivants, limitant la réduction totale du spam.
- Les Seuils de Frais agissent comme un filtre pour les marges valeur-coût, impactant de manière disproportionnée les chercheurs probabilistes à faible rendement.
Externalités : La principale externalité de la recherche probabiliste est la congestion de l'espace de bloc. Les changements de protocole peuvent atténuer cela en déplaçant la composition des bots vers la recherche ciblée, bien que des chocs d'opportunités temporaires puissent relancer le spam.

Les auteurs concluent que la compréhension de ces distinctions architecturales est cruciale pour concevoir des protocoles capables de réduire les externalités de spam sans supprimer l'activité économique utile comme l'arbitrage. Ils suggèrent que les travaux futurs explorent comment ces dynamiques s'appliquent à d'autres formes de MEV (liquidations, arbitrage cross-domain) et à différents environnements de blockchain.