La chute du mantra (OM) et pourquoi l'intelligence artificielle (IA) aurait pu empêcher le crash de token de 90%

En quelques heures, l'actif a vu sa capitalisation boursière plonger de plus de 6 milliards de dollars à environ 500 millions de dollars.

The fall of Mantra (OM), the native token of the layer-1 real-world asset blockchain Mantra, shook the crypto market on April 13. Within hours, the asset saw its market cap plunge from over $6 billion to around $500 million.

La chute du mantra (OM), le jeton natif du mantra de blockchain d'actifs réel de la couche 1, a secoué le marché de la crypto le 13 avril. En quelques heures, l'actif a vu sa capitalisation boursière plonger de plus de 6 milliards à environ 500 millions de dollars.

In a market already scarred by billion-dollar collapses, the collapse of Mantra’s native asset proved yet again that hacks aren’t the only enemy to the industry—crypto has been crippled by negligence. The team behind Mantra blamed “forced liquidations” for the 90% token crash, which is only half of the story.

Dans un marché déjà marqué par des effondrements d'un milliard de dollars, l'effondrement de l'actif indigène de Mantra a prouvé encore une fois que les hacks ne sont pas le seul ennemi de l'industrie - Crypto a été paralysé par la négligence. L'équipe derrière Mantra a blâmé les «liquidations forcées» pour l'accident de jeton de 90%, ce qui n'est que la moitié de l'histoire.

As more data surfaces, it’s becoming clear that the collapse wasn’t just a case of unfortunate timing or high market volatility. It was a preventable disaster that had many catalysts, like overleveraged positions, weak liquidity, and various gaps in its automated risk management systems.

À mesure que davantage de données surfacent, il devient clair que l'effondrement n'était pas seulement un cas malheureux ou une volatilité élevée du marché. Il s'agissait d'une catastrophe évitable qui avait de nombreux catalyseurs, comme des positions surévaluées, une faible liquidité et diverses lacunes dans ses systèmes automatisés de gestion des risques.

Ironically, artificial intelligence, the technology that crypto evangelists have been praising over the last three years, could have predicted, flagged, and even prevented this crash, had it been implemented properly.

Ironiquement, l'intelligence artificielle, la technologie que les évangélistes cryptographiques ont loué au cours des trois dernières années, auraient pu prédire, signalé et même empêché cet accident, s'il avait été mis en œuvre correctement.

AI-driven liquidity stress testing

Tests de contrainte de liquidité pilotés par AI

The problem with traditional financial stress testing is that it is designed for stable, regulated markets and conventional assets like stocks and bonds, where extreme volatility is rare. Cryptocurrencies, on the other hand, operate in a different reality where wild price swings and sudden liquidity crashes are pretty common and part of the market game. Legacy risk frameworks that rely on historical patterns fail to capture these shocks.

Le problème des tests de stress financier traditionnels est qu'il est conçu pour les marchés stables et réglementés et les actifs conventionnels comme les actions et les obligations, où une volatilité extrême est rare. Les crypto-monnaies, en revanche, fonctionnent dans une réalité différente où les balançoires de prix sauvages et les accidents de liquidité soudaine sont assez courants et font partie du jeu de marché. Les cadres de risques hérités qui reposent sur les modèles historiques ne capturent pas ces chocs.

AI-driven stress testing offers a dynamic alternative. Instead of relying on static historical data, machine learning models adapt to real-time conditions, analyzing market sentiment, on-chain metrics, and liquidity patterns.

Les tests de stress axés sur l'IA offrent une alternative dynamique. Au lieu de s'appuyer sur des données historiques statiques, les modèles d'apprentissage automatique s'adaptent aux conditions en temps réel, analysant le sentiment du marché, les métriques sur la chaîne et les modèles de liquidité.

A new method called kurtosis-based stress testing focuses on reducing the risk of extreme outlier losses, precisely the “fat tail” events that characterize crypto market failures. This technique can help firms in “less predictable, high-impact” events like the recent Mantra and the 2022 Terra (LUNA) crashes. During the Terra collapse in 2022, traditional risk models failed because they didn’t anticipate how quickly a stablecoin de-peg could spiral into a $60 billion wipeout.

Une nouvelle méthode appelée les tests de stress basées sur Kurtosis se concentre sur la réduction du risque de pertes de valeurs aberrantes extrêmes, précisément les événements de «Fat Tail» qui caractérisent les défaillances du marché de la cryptographie. Cette technique peut aider les entreprises à des événements «moins prévisibles et à fort impact» comme le Mantra récent et les plantages de Terra (Luna) en 2022. Pendant l'effondrement de Terra en 2022, les modèles de risque traditionnels ont échoué car ils ne prévoyaient pas à quelle vitesse un département stablecoin pourrait se transformer en un effacement de 60 milliards de dollars.

The research shows that portfolios designed to reduce extreme risk swings delivered a 491% return with the kurtosis model, beating the simpler ‘buy-and-hold’ approach at 426% and even outperforming those built around traditional Sharpe ratio strategies, with a 384% return.

La recherche montre que les portefeuilles conçus pour réduire les oscillations des risques extrêmes ont fourni un rendement de 491% avec le modèle de kurtosis, battant l'approche plus simple `` acheter et maintenir '' à 426% et même surperformer celles construites autour de stratégies de ratio Sharpe traditionnelles, avec un rendement de 384%.

A high kurtosis value indicates a higher probability of extreme volatility. In crypto, these events aren’t anomalies—they’re part of the landscape.

Une valeur de kurtosis élevée indique une probabilité plus élevée de volatilité extrême. En crypto, ces événements ne sont pas des anomalies - elles font partie du paysage.

Mantra’s exposure to thin weekend liquidity and token concentration could have been flagged well in advance with AI-powered stress testing methods, offering stakeholders a window to act before catastrophe struck.

L'exposition du mantra à la liquidité mince du week-end et à la concentration en jetons aurait pu être signalée bien à l'avance avec les méthodes de test de stress alimentées par l'IA, offrant aux parties prenantes une fenêtre à agir avant la catastrophe frappée.

Tracking and flagging movements with AI

Suivi et signaler les mouvements avec l'IA

Blockchain’s transparency is its greatest strength, yet monitoring millions of transactions manually is impossible. This is where AI excels. Autonomous AI agents can continuously scan on-chain activity and flag unusual patterns that might indicate impending market manipulation, all without the need for human involvement.

La transparence de la blockchain est sa plus grande force, mais la surveillance manuelle des millions de transactions est impossible. C'est là que l'IA excelle. Les agents d'IA autonomes peuvent scanner en continu l'activité sur la chaîne et signaler des modèles inhabituels qui pourraient indiquer une manipulation imminente du marché, le tout sans avoir besoin d'une implication humaine.

In Mantra’s case, blockchain data analyzed after the crash revealed telling signs. Just days before the collapse, a wallet linked to Laser Digital reportedly transferred 6.5 million OM tokens to another wallet, which then sent them to OKX, where they were liquidated. An AI monitoring system could have detected these movements in real time, issuing immediate alerts to exchanges, regulators, and the broader community.

Dans le cas de Mantra, les données de blockchain ont été analysées après que l'accident a révélé des signes indiqués. Quelques jours avant l'effondrement, un portefeuille lié à Laser Digital aurait transféré 6,5 millions de jetons OM à un autre portefeuille, qui les a ensuite envoyés à OKX, où ils ont été liquidés. Un système de surveillance de l'IA aurait pu détecter ces mouvements en temps réel, émettant des alertes immédiates sur les échanges, les régulateurs et la communauté plus large.

AI agents can distinguish routine market behavior from potential manipulations since they don’t just track transactions but also build behavioral profiles across wallet networks.

Les agents de l'IA peuvent distinguer le comportement du marché de routine des manipulations potentielles car elles ne suivent pas seulement les transactions, mais aussi la construction de profils comportementaux à travers les réseaux de portefeuille.

Predicting order book vulnerabilities

Prédire les vulnérabilités du livre des commandes

Perhaps the most direct way AI could have prevented the Mantra crash is through sophisticated order book analysis. Order books reveal the true health of a market, but their complexity demands more than just surface-level analysis.

Peut-être que la manière la plus directe de l'IA aurait pu empêcher le crash du mantra est une analyse sophistiquée du livre des commandes. Les livres de commande révèlent la véritable santé d'un marché, mais leur complexité exige plus qu'une simple analyse au niveau de la surface.

Deep learning models, particularly Convolutional Neural Networks and Long Short-Term Memory networks, have proven to deliver promising results in forecasting price movements based on order book data. One study found that temporal CNNs can predict Bitcoin (BTC) price shifts with up to 76% accuracy.

Les modèles d'apprentissage en profondeur, en particulier les réseaux de neurones convolutionnels et les réseaux de mémoire à court terme, ont prouvé que des résultats prometteurs dans les mouvements de prix de prévision en fonction des données de carnet de commandes. Une étude a révélé que les CNN temporels peuvent prédire les changements de prix Bitcoin (BTC) avec une précision jusqu'à 76%.

AI-driven analysis of market depth would have highlighted the risk of significant slippage from large sell orders—conditions ripe for a cascading price collapse. Consequently, these models could have exposed Mantra’s fragility by identifying dangerously thin order books during weekend trading hours.

L'analyse axée sur l'IA de la profondeur du marché aurait mis en évidence le risque de glissement significatif des ordres de vente importants - des conditions mûres pour un effondrement des prix en cascade. Par conséquent, ces modèles auraient pu exposer la fragilité du mantra en identifiant les livres de commandes dangereusement minces pendant les heures de négociation du week-end.

With the help of AI and deep learning models, crypto firms can implement dynamic safeguards like circuit breakers triggered by sharp price drops and structural weaknesses in liquidity to flag or prevent situations similar to Mantra.

Avec l'aide d'IA et de modèles d'apprentissage en profondeur, les entreprises cryptographiques peuvent mettre en œuvre des garanties dynamiques comme les disjoncteurs déclenchés par des baisses de prix nettes et des faiblesses structurelles de liquidité pour signaler ou empêcher des situations similaires au mantra.

Building a resilient crypto ecosystem with AI

Construire un écosystème de cryptographie résilient avec l'IA

While blockchain technology promises decentralization and transparency, it remains vulnerable without advanced AI-powered risk management systems that can process millions of transactions and flag suspicious patterns. The collapse of high-profile assets like Mantra and Terra has proven the need for these systems.

Bien que la technologie de la blockchain promet une décentralisation et une transparence, elle reste vulnérable sans des systèmes avancés de gestion des risques alimentés par l'IA qui peuvent traiter des millions de transactions et signaler des modèles suspects. L'effondrement des actifs de haut niveau comme Mantra et Terra a prouvé la nécessité de ces systèmes.

Financial institutions with crypto exposure must prioritize

Les institutions financières avec une exposition à la cryptographie doivent prioriser