On a déjà parlé de l’utilité de Velvet pour le cross-chain et de l’AI Copilot. Approfondissons maintenant ses sources de données sous-jacentes.

Le cœur du Velvet Unicorn AI Copilot, c’est son propre modèle natif crypto (Velvet-1), entraîné spécifiquement avec des données on-chain et liées à la crypto.
Il ne s’appuie pas sur un modèle généraliste : il récupère directement des données onchain en temps réel provenant de plusieurs chaînes.
Par exemple, le volume de transactions, l’évolution des positions et la profondeur de liquidité sur Base, Solana et BNB Chain.
En plus des données onchain, il combine aussi l’actualité sociale, l’activité des wallets et les tendances historiques de prix. Quand on lui demande un token, il peut analyser à la fois les flux de capitaux onchain, le sentiment social et des prédictions issues d’un modèle statistique, puis produire un rapport d’analyse structuré plutôt que de simples recommandations générales.
Je l’ai moi-même testé en lui demandant le risque et le potentiel d’un token récent : il a directement listé les adresses actives, l’état de la liquidité et des signaux simples. C’est bien plus rapide que de vérifier manuellement plusieurs navigateurs, et aussi plus intuitif.
Les données sont tirées en temps réel directement depuis la chaîne, avec une transparence élevée : pas besoin de s’inquiéter d’une information de seconde main.
Cette conception de base rend le Copilot particulièrement efficace dans un environnement multi-chaînes. Il peut agréger rapidement des données dispersées entre différentes chaînes, ce qui aide les traders ordinaires à réduire le temps passé à rechercher des informations, tout en rendant plus facile la détection de signaux précoces.
Globalement, Velvet met ensemble la commodité du cross-chain et les capacités d’IA, afin d’éviter aux utilisateurs des détours inutiles dans des opérations concrètes.
Si vous voulez essayer, ouvrez directement le Copilot dans l’application pour voir le résultat.