Comme certains le savent, @NicolasGensollen et moi-même sommes chercheurs académiques (CNRS et Sorbonne Université), et nous nous intéressons à la G1 dans ce cadre.
Nous avons travaillé sur quelques aspects pour mieux comprendre les comportements et usages dans le système G1, notamment l’intrication entre les transactions (échanges en G1) et les certifications (toile de confiance). Le résultat est disponible ici :
Attention, il s’agit d’un premier travail seulement, avec plein d’imperfections. Notre connaissance et notre compréhension de l’écosystème G1 restent limitées alors nous comptons sur votre indulgence.
Ceci dit, nous espérons que vous trouverez ce travail intéressant, et nous sommes preneurs de tous les commentaires que vous pouvez avoir, avec grand plaisir
Super article ! Bravo ! A mon avis, ce qui distingue la G1 des autres plateformes monétaires, c’est une certaine réciprocité directe ou indirecte (closure) des relations. Il me semble que cela est liée avec le fait que la G1 s’appuie sur un réseau distribué, et aussi avec son processus de création monétaire. Qu’en dites-vous ?
Puissiez-vous avoir l’occasion d’étudier l’évolution des comportements au fur et à mesure de la croissance de G1. Cela pourrait-être passionnant !
Tu as raison, ces phénomènes de réciprocité et de clôture sont très présents dans la G1. Ils le sont également dans beaucoup d’autres contextes : la proximité sociale ou géographique, par exemple, engendrent ces phénomènes. On retrouve les deux dans la G1 mais aussi dans la plupart des réseaux sociaux. Le caractère local des échanges en G1 (rencontres physiques souvent) et des certifications (idem) renforcent sans doute ça encore plus.
Étudier l’évolution des comportements, super sujet, qu’on pourrait coupler à l’évolution de l’offre de produits et services. On peut aussi observer les différences de comportement dans les différentes communautés géographiques, suivant leur taille. Il y a de quoi faire !
L’article est juste, il manque deux points qui le rendraient plus complet :
La formulation du DU utilisée dans la Ğ1 aurait permis de mieux saisir directement l’explication correcte du texte.
L’évocation des résultats de dizaines de jeux Ğevonomicus eût permis au lecteur de s’éveiller au questionnement quant à la causalité entre topologie de la création monétaire, et résultats économiques.
Deux pistes qui pourraient être creusées dans de prochaines études…
C’est marrant, on en parlait justement cet aprem ; clairement un super sujet Ce n’était pas le but de cet article, mais pour la suite oui. Merci @Paulart pour les pointeurs, ça permettrait de bien démarrer
Un autre aspect qui pourrait être intéressant d’ajouter est le fait que beaucoup de membres ont un compte portefeuille associé. Repérer ces comptes permettrait d’avoir des résultats encore plus intéressants.
Un autre petit biais dans le fait que les certifications arrivent avant les transactions est que le premier compte créé pour un nouveau n’est pas forcément son futur compte « réel ». Le premier compte est un compte de test qui ne remplit pas forcément les contraintes d’un compte certifié (sécurité des identifiants). Du coup, il est très possible que des transactions soient faites avant la certification, mais sur des comptes différents.
Tout à fait, l’association de plusieurs comptes actifs à un même individu est une vraie question. Dans d’autre crypto, c’est même essentiel, puisque les utilisateurs ne sont pas identifiés et que l’usage est d’utiliser une multitude de comptes. Nous avons voulu profiter du fait qu’avec la toile de confiance les individus sont a priori bien distingués, mais c’est vrai que ce n’est pas forcément le cas. Le lien entre un compte membre et les autres comptes potentiels du même individu est sans doute difficile à faire parfois, mais le DU doit aider : le membre cherchera probablement à le dépenser, peut être conjointement à ses autres comptes. Il faudrait creuser la question
About 78% of transactions between members not directly linked occur between members at distance 2 in G(C), 19% at distance 3, 2.8% at distance 4, and 0.2% at distance 5, such that the
more distant two nodes are in G(C), the less likely they are to make transactions
in TMM .
Observation 7 Members who make transactions without being certified are
linked by very short chains of certifications.
Difficile d’interpréter ces chiffres sans regarder la proportion de personnes distantes de n dans la wot. Autrement dit, il serait intéressant d’exprimer la proportion des paires de distance n ayant supporté au moins une transaction. Au pif, cette proportion devrait être égale à toutes les distances pour une distribution de transactions aléatoire, ce qui permettrait de comparer.
(en effet, une paire tirée au hasard aura une distance n dont la probabilité est proportionnelle à la proportion des paires ayant pour distance n)
Ceci : résume parfaitement le problème de notre monnaie
Observation 8 Reciprocity of relationships in the social network is stronger
than reciprocity in the transaction network.
Je suis d’accord, mais j’ai l’impression que cette observation est la conséquence de Tbidir/T < Cbidir/C (20% < 37.5%) plutôt que de C/T < Cbidir/Tbidir. (vous comprendrez la notation)
Pour tout ce qui est des probabilités de connections (5.2), je ne vois pas l’intérêt de raisonner sur le stream graph alors que tout peut être fait sur le graphe induit (la composante temporelle n’est jamais prise en compte). Ça ne change rien, mais ça alourdit un peu les notations.
Bon, il ne me reste plus qu’à lire les deux articles sur les stream graph de @MatthieuLatapy. D’ailleurs, j’aimerais bien aussi jeter un coup d’œil à ton code @NicolasGensollen, ça m’étonne que tu ne l’aies pas publié avec ton article, et ça pourrait être utile de partir sur ces bases plutôt que de tout re-écrire.
Je pense que l’article ouvre la voie vers des analyses qui pourraient être très utiles pour la monnaie libre. L’étude comparée de C et T est très édifiante. Malheureusement, il y a trop peu de transactions pour que ces données soient vraiment intéressantes, c’est trop sparse.