Les arnaques crypto dopées à l’IA gagnent du terrain malgré des outils de forensique plus performants
La forensique blockchain progresse, mais la fraude via l’IA, avec deepfakes et faux support, continue de monter en puissance en 2025. Chainalysis estime les pertes à 17 milliards de dollars.
À retenir
- La forensique blockchain s’est considérablement renforcée et a déjà permis, selon le texte, de geler ou de récupérer environ 34 milliards de dollars de fonds illicites.
- En 2025, les arnaques crypto pilotées par l’IA ont entraîné une perte estimée à 17 milliards de dollars et se sont révélées 4,5 fois plus rentables que les fraudes traditionnelles.
- Les fraudeurs s’appuient sur de faux supports, des deepfakes et des identités clonées, si bien que de nombreuses attaques démarrent avant même les transactions on-chain.
La forensique blockchain a nettement gagné en maturité ces dernières années, mais cette progression n’a pas suffi à enrayer la montée des arnaques crypto pilotées par l’IA en 2025. D’après les chiffres cités, les pertes ont atteint environ 17 milliards de dollars (14,8 milliards d’euros). En parallèle, les fraudeurs ont affiné leurs méthodes, en misant sur des faux supports, des deepfakes et des identités clonées pour rendre leurs attaques plus rapides et plus crédibles.
La forensique est devenue plus mature
Les plateformes de forensique blockchain comme Chainalysis, TRM Labs et Elliptic ont, selon le texte, déjà permis de geler ou de récupérer environ 34 milliards de dollars (29,7 milliards d’euros) de fonds illicites. Plus de 45 régulateurs dans le monde utilisent désormais ces outils comme référence. Le clustering de wallets et l’attribution d’entités permettent de retracer les fonds volés d’une manière qui peut aussi être défendue devant un tribunal.
Les outils les plus récents ne se limitent plus au traçage après coup. Certains systèmes analysent les comportements à partir de dizaines de critères, se réentraînent chaque jour et affirment même pouvoir repérer des wallets avant qu’un incident ne survienne. Des scanners de rug pull sont aussi intégrés à des agents IA de trading, qui examinent en quelques secondes les liquidity locks, la freeze authority et l’historique du deployer.
L’IA rend la fraude scalable
En face, les chiffres montrent pourquoi ces progrès ne suffisent pas à eux seuls. Chainalysis estime les pertes totales liées aux scams et à la fraude crypto en 2025 à environ 17 milliards de dollars (14,8 milliards d’euros), contre 9,9 milliards de dollars (8,6 milliards d’euros) un an plus tôt. Le FBI a, de son côté, signalé 11,36 milliards de dollars de fraude crypto rien qu’aux États-Unis, soit une hausse de 22% sur un an.
La différence majeure tient au fait que les arnaques dopées à l’IA sont devenues bien plus rentables que leurs équivalents traditionnels. Selon Chainalysis, elles étaient 4,5 fois plus rentables. La fraude par usurpation d’identité, où des criminels se font passer pour une banque, un investisseur ou un influenceur crypto, a progressé de 1 400% d’après le contexte fourni. Cette évolution confirme un changement de méthode : les fraudeurs commencent par cibler précisément leur victime, puis lancent une attaque sur mesure, plutôt que de multiplier les campagnes de masse peu ciblées.
Pourquoi cela reste important
Pour les lecteurs européens de crypto, le message est clair : des outils de détection plus performants ne signifient pas automatiquement moins de fraude. Le texte montre que les solutions de sécurité sont surtout efficaces pour analyser les wallets et les transactions, alors qu’une grande partie de la fraude par l’IA intervient avant le premier mouvement on-chain. Dans ce contexte, il devient plus difficile pour les plateformes d’échange crypto, les régulateurs et les utilisateurs de s’en remettre uniquement aux données de la blockchain.
L’exemple d’un smart contract cloné après l’opération de la FBI autour de NexFundAI illustre aussi la vitesse à laquelle les attaquants reproduisent des tactiques tout juste dévoilées. Pour le secteur crypto, cela signifie que les progrès en matière d’infrastructure et de détection de fraude sont bien réels, mais que la partie adverse apprend souvent encore plus vite à partir des mêmes informations.
La dimension juridique de cette lutte apparaît également dans des affaires comme le jugement contre NanoBit, où une fausse plateforme de trading aurait, selon le régulateur américain, détourné les fonds des investisseurs au lieu d’exécuter des opérations de trading.
