+ Version 2.0 · Juin 2026 · FastAPI + React + GPT-4o
+
+
+
+
+
+
1. Concept Général
+
+
+ GeoOptions Intelligence est un cockpit de trading d'options dont
+l'intelligence centrale repose sur un cycle itératif : collecter les
+signaux macro-géopolitiques, identifier les patterns d'opportunité,
+scorer leur pertinence en temps réel, puis apprendre des performances
+passées pour affiner les cycles suivants.
+
+
+
1.1 Philosophie fondamentale
+
+
+ Le système est construit autour d'une idée simple : les options sur dérivés géopolitiques suivent des patterns répétables.
+ Une escalade tarifaire US-Chine génère systématiquement de la
+volatilité sur les semi-conducteurs. Un choc pétrolier bénéficie aux
+stratégies long sur l'énergie. Le défi n'est pas de créer ces patterns, mais de les détecter assez tôt pour agir avant le consensus.
+
+
+
+ L'IA (GPT-4o) joue le rôle d'un stratège senior externe
+ qui lit les news, connaît les régimes macro, et enrichit la base de
+patterns — mais ce sont des règles humaines explicites qui décident si
+un trade est logué, si une analyse est valide, et si les leçons passées
+sont fiables.
+
+
+
+
Principe directeur
+ L'IA propose, les règles quantitatives filtrent, l'historique de performance valide. Le cycle répète et apprend.
+
+
+
1.2 Les trois mémoires du système
+
+
+
+
Mémoire
+
Contenu
+
Durée de vie
+
Usage
+
+
+
Rapport Portfolio
+
Analyse post-mortem des trades matures : gagnants, perdants, leçons clés
+
~7–30 jours (jusqu'au prochain rapport)
+
Injecté dans les prompts de suggestion et scoring du cycle suivant
Entrées structurées par catégorie (régimes, patterns, erreurs) avec score de confiance
+
Permanent — géré manuellement ou auto-ajouté par synthèse
+
Consulté lors de la synthèse du Super Contexte
+
+
+
+
+
+
+
2. Workflow d'un Cycle Complet
+
+
+ Un cycle se déclenche automatiquement (toutes les N heures) ou
+manuellement. La durée typique est de 2 à 5 minutes pour les étapes
+synchrones, plus 1 à 3 minutes en background selon la disponibilité des
+données.
+
+
+
+
+
+
0
+
+
Chargement du contexte mémoriel DB
+
Charge le dernier Rapport Portfolio et le Super Contexte depuis la base de données. Ces données enrichiront tous les prompts IA du cycle courant.
+
+
+
+
↓
+
+
+
1
+
+
Collecte des données de marché GPT-4o-mini
+
+ Récupère les news géopolitiques (RSS, GDELT), les prix de marché
+ (yfinance), les indicateurs macro (VIX, pente de courbe, DXY, Brent,
+or, cuivre, S&P vs moyenne 200j) et le calendrier économique.
+ → Appel IA : GPT-4o-mini score chaque news (impact 0–100, classification géopolitique) en batch.
+
+
+
+
+
↓
+
+
+
2
+
+
Suggestion de nouveaux patterns GPT-4o
+
+ GPT-4o reçoit le contexte complet (news + prix + macro +
+calendrier + Super Contexte + leçons portfolio) et propose des nouvelles
+ thèses de trading structurées.
+ Retourne : nom, description, thèse macro, trades suggérés, keywords, probabilité, horizon cible.
+
+
+
+
+
↓
+
+
+
3
+
+
Filtre anti-doublons (Jaccard) Règle
+
+ Chaque pattern suggéré est comparé aux patterns existants par
+similarité de keywords (distance de Jaccard). Si la similarité dépasse
+le seuil configuré (défaut : 30%), le pattern est rejeté comme doublon.
+Seuls les patterns vraiment nouveaux sont sauvegardés.
+
+
+
+
+
↓
+
+
+
4
+
+
Scoring de TOUS les patterns GPT-4o
+
+ GPT-4o score l'ensemble des patterns (nouveaux + existants) en
+les confrontant au contexte marché actuel. Retourne pour chaque pattern :
+ score de pertinence (0–100), niveau de confiance, catalyseur clé,
+résumé, trade recommandé avec stratégie (call spread, put, straddle...).
+
+
+
+
+
↓
+
+
+
5
+
+
Logging et journal DB
+
+ Sauvegarde les scores en historique, log les prix d'entrée des
+trades passant les filtres EV/score, enregistre l'alerte géo et le
+régime macro. Traces de raisonnement (input/output de chaque appel IA)
+persistées pour audit.
+
+
+
+
+
↓
+
+
+
6
+
+
Commentaire de cycle GPT-4o
+
+ Synthèse narrative courte (4–6 phrases) expliquant pourquoi les
+patterns scorent ainsi aujourd'hui, quel est le risque principal, et
+quelle recommandation tactique pour le prochain cycle. Affiché dans
+l'interface.
+
+
+
+
+
↓ Thread background (non-bloquant)
+
+
+
7
+
+
Rapport Portfolio automatique GPT-4oBackground
+
+ Déclenché seulement si ≥ 2 trades matures avec |P&L| >
+0.1% sont disponibles. GPT-4o analyse les performances réelles des
+trades matures et génère un rapport structuré (headline, analyse
+gagnants/perdants, leçons clés, angles morts). Ce rapport sera injecté
+au cycle suivant.
+
+
+
+
+
↓
+
+
+
8
+
+
Mise à jour du Super Contexte GPT-4oBackground
+
+ Déclenché seulement si le dernier Super Contexte a plus de 6
+heures. GPT-4o agrège tous les rapports portfolio, tous les trades (90j)
+ et la base de connaissances pour produire une synthèse évolutive riche.
+ Nouvelles entrées KB auto-ajoutées.
+
+
+
+
+
+
+
+
Résumé des appels IA par cycle
+ Synchrones (systématiques) : 1× GPT-4o-mini (scoring news) + 3× GPT-4o (suggestion patterns, scoring patterns, commentaire)
+ Background (conditionnels) : 0–2× GPT-4o selon la disponibilité de trades matures et la fraîcheur du Super Contexte
+
+
+
+
+
+
3. Anatomie des Prompts IA — Ce qu'on Inclut et Pourquoi
+
+
+ Chaque prompt est construit pour donner à GPT-4o exactement ce dont il
+ a besoin pour être pertinent — sans surcharge inutile qui diluerait le
+signal ou augmenterait le coût.
+
+
+
+
3.1 Scoring des news (GPT-4o-mini)
+
+
+
+ Prompt : Classification et scoring d'impact des news
+ GPT-4o-mini
+
+
+
+
+
✓ Ce qui est inclus
+
+
Titre + source + date de chaque news — le minimum nécessaire pour scorer l'impact
+
Liste des catégories cibles (énergie, métaux, indices, forex, agriculture) — ancre le scoring sur nos actifs réels
+
Schéma de sortie strict (score 0–100, catégorie, keywords) — pour être parsé de manière fiable
+
+
+
+
+
✗ Ce qui est exclu
+
+
Corps complet des articles — le titre suffit pour scorer l'impact géopolitique ; le corps alourdit le contexte sans gain mesurable
+
Historique des scores passés — scorer une news est une tâche stateless ; l'historique n'apporterait rien
+
Données de marché — inutiles pour déterminer l'impact géopolitique d'une news
+
+
+
+
+
Pourquoi GPT-4o-mini ici ?
+ Le scoring des news est une tâche de classification répétitive sur
+ des centaines d'items. GPT-4o-mini est 10× moins cher que GPT-4o pour
+une qualité de classification identique sur des tâches structurées
+courtes. On garde GPT-4o pour le raisonnement stratégique complexe.
+
+
+
+
+
+
3.2 Suggestion de nouveaux patterns (GPT-4o)
+
+
+
+ Prompt : Identification de nouvelles thèses de trading
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Top N news scorées avec leur impact — les signaux géopolitiques qui motivent les thèses
+
Régime macro dominant (stagflation, crise géo, expansion...) + scores de tous les scénarios — ancre les suggestions dans la réalité macro du moment
+
Prix clés (VIX, DXY, Brent, or, cuivre) — oriente vers des actifs avec momentum
+
Calendrier économique à venir — évite de suggérer des thèses juste avant un catalyseur qui les invaliderait
+
Super Contexte (narrative + priorités stratégiques + erreurs récurrentes) — le "cerveau" accumulé qui guide le style de suggestions
+
Leçons du dernier rapport portfolio (headline + leçons clés) — ancre dans ce qui a marché ou échoué récemment
+
Schéma de sortie complet (nom, description, thèse macro, keywords, trades suggérés, horizon, probabilité)
+
+
+
+
+
✗ Ce qui est exclu
+
+
Liste des patterns existants — le filtre
+Jaccard (étape 3) gère les doublons algorithmiquement ; l'inclure dans
+le prompt créerait du bruit et biaiserait GPT-4o vers des variations des
+ patterns actuels
+
Historique complet des scores — on injecte seulement le résumé des leçons (rapport portfolio) pas les données brutes ; plus compact, plus signal
+
Données de trades individuels — trop granulaires pour la suggestion ; les leçons agrégées suffisent
+
Prix d'entrée et P&L des positions ouvertes — crée un biais d'ancrage ; on veut des suggestions basées sur le marché actuel, pas sur nos positions
+
+
+
+
+
+
+
3.3 Scoring des patterns (GPT-4o)
+
+
+
+ Prompt : Évaluation de pertinence de chaque pattern dans le contexte actuel
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Tous les patterns (nom, description, thèse,
+ keywords, trades suggérés) — GPT-4o doit évaluer chacun dans le même
+appel pour maintenir une cohérence relative des scores
+
Contexte marché complet (régime macro, prix, news) — le même contexte que la suggestion, pour cohérence
+
Super Contexte — les erreurs récurrentes et
+ priorités stratégiques permettent de pénaliser les patterns qui
+répètent des patterns d'échec connus
+
Biais par classe d'actif (calculé depuis le régime dominant) — oriente les scores vers les classes qui profitent du régime
+
Score de risque géopolitique global — affecte les scores des patterns directionnels risqués
+
Schéma de sortie structuré (score, confiance, buckets d'évaluation, trade recommandé avec détails option)
+
+
+
+
+
✗ Ce qui est exclu
+
+
Scores historiques de chaque pattern —
+créerait un biais d'ancrage ; un pattern qui scorait 80 il y a 3
+semaines ne devrait pas nécessairement scorer 80 aujourd'hui si le
+régime a changé
+
P&L réel des trades logués — même raison : GPT-4o doit évaluer le marché aujourd'hui, pas être influencé par nos performances passées
+
Identité des traders — non pertinent pour l'évaluation macro
+
+
+
+
+
+
+
3.4 Commentaire de cycle (GPT-4o)
+
+
+
+ Prompt : Narration du cycle pour le trader
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Top 5 patterns scorés (nom, score, résumé) — ce que le cycle a retenu comme pertinent maintenant
+
Régime dominant + scores macro — pour expliquer pourquoi ces patterns scorent ainsi
+
Indicateurs macro clés (VIX, pente de courbe, DXY, Brent, or, cuivre) — les chiffres bruts pour ancrer la narration
+
Top 5 news à fort impact — les catalyseurs qui expliquent le contexte du cycle
+
Trades logués ces 7 derniers jours (pattern, underlying, stratégie) — pour commenter l'alignement positions/contexte
+
+
+
+
+
✗ Ce qui est exclu
+
+
P&L des trades — le commentaire doit rester sur le contexte marché, pas sur les performances (risque de biais confirmationiste)
+
Toutes les news — seules les top 5 à fort impact sont pertinentes pour une synthèse narrative
+
Super Contexte complet — le commentaire est une analyse ponctuelle du cycle actuel, pas une synthèse mémorielle
+
+
+
+
+
+
+
3.5 Rapport Portfolio automatique (GPT-4o)
+
+
+
+ Prompt : Post-mortem de performance sur trades matures
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Uniquement les trades MATURES avec P&L réel — seule source fiable d'apprentissage (voir section 4)
+
Classification explicite (matures gagnants / matures perdants / immatures à ne pas juger)
+
Score d'entrée de chaque trade — permet de corréler "le système a bien scoré ET le trade a marché" vs les faux positifs
+
Indicateur de maturité de chaque trade (% de l'horizon écoulé) — contexte pour interpréter le P&L
+
Règle de timing explicite dans le system prompt — interdit de tirer des conclusions sur les trades immatures
+
+
+
+
+
✗ Ce qui est exclu
+
+
Trades immatures comme base d'apprentissage — un trade ouvert depuis 2 jours sur un horizon de 60 jours ne dit rien de fiable sur la qualité de la thèse
+
Contexte macro actuel — le rapport analyse le passé (pourquoi les matures ont marché), pas le présent
+
Données de marché en temps réel — hors sujet pour un post-mortem
+
+
+
+
+
+
+
3.6 Synthèse Super Contexte (GPT-4o)
+
+
+
+ Prompt : Mise à jour de la base de raisonnement évolutive
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
10 derniers rapports portfolio (headline, stats, analyse gagnants/perdants, leçons) — la matière première de l'apprentissage
+
Tous les trades (90j) classés par maturité avec P&L — la base empirique
+
Base de connaissances existante (par catégorie : régimes, patterns, erreurs) — évite de repartir de zéro et préserve les insights validés
+
Règle de timing dans le system prompt — même garde-fou que pour le rapport portfolio
+
Instruction de conservation des insights existants si peu de matures disponibles — évite que la synthèse "oublie" les leçons validées à cause d'un manque de données récentes
+
+
+
+
+
✗ Ce qui est exclu
+
+
News du jour — le Super Contexte est une mémoire long terme, pas une analyse quotidienne
+
Prix de marché actuels — même raison ; les régimes et corrélations sont déduits des performances, pas des prix instantanés
+
Plus de 10 rapports — au-delà de 10
+rapports, le prompt dépasserait la fenêtre utile ; les rapports les plus
+ anciens ont aussi moins de pertinence dans un marché qui évolue
+
+
+
+
+
+
+
+
+
4. La Maturité des Trades — Pourquoi C'est Central
+
+
+ C'est l'une des décisions d'architecture les plus importantes du
+système. Un P&L observé sur une option après 3 jours est du bruit
+statistique. Après 70% de son horizon, c'est un signal. Mélanger les
+deux dans les prompts IA pollue l'apprentissage.
+
+
+
4.1 Définition des stades
+
+
+
0–10%
+
10–35%
+
35–75%
+
>75%
+
+
+ Trop tôt (0–10%) — Signal nul, ne pas analyser
+ Début (10–35%) — Signal faible, surveiller
+ Mature (35–75%) — Signal fiable, apprendre
+ Fin d'horizon (>75%) — Signal fort, leçons définitives
+
+
+
4.2 Impact sur chaque étape du système
+
+
+
+
Composant
+
Traitement des immatures
+
Traitement des matures
+
+
+
Rapport Portfolio
+
Listés pour transparence, étiquetés "ne pas juger", pas dans les calculs P&L
+
Base exclusive des analyses, leçons et statistiques
+
+
+
Super Contexte
+
Listés avec étiquette, exclus des insights de performance
+
Matures gagnants et perdants analysés pour régimes et patterns
+
+
+
Journal de Bord
+
Badge gris/orange + barre de progression courte
+
Badge vert/bleu + P&L affiché comme signal fiable
+
+
+
Gate rapport portfolio
+
Au moins 2 trades matures avec |P&L| > 0,1% requis pour déclencher la génération GPT-4o
+
+
+
+
+
Risque évité
+ Sans ce filtre de maturité, GPT-4o pourrait tirer des leçons d'un
+trade ouvert depuis 2 heures qui montre −5% (normal sur une option). Il
+conclurait "la stratégie straddle est mauvaise sur le secteur énergie"
+et dégraderait les cycles suivants. Le filtre de maturité protège
+l'intégrité de l'apprentissage.
+
+
+
+
+
5. Règles de Filtrage des Trades Logués
+
+
+ Tous les patterns scorés ne génèrent pas un trade dans le Journal de Bord. Deux filtres quantitatifs contrôlent l'entrée.
+
+
+
5.1 Les deux filtres
+
+
+
+
Filtre
+
Formule
+
Paramètre
+
Logique
+
+
+
Score minimum
+
score ≥ min_score
+
Configurable (défaut : 0)
+
Rejette les patterns jugés peu pertinents par GPT-4o dans le contexte actuel
+
+
+
EV nette minimum
+
p × G − (1−p) ≥ min_ev
+
Configurable (défaut : 0.0)
+
Filtre les trades à espérance mathématique négative (p = probabilité, G = gain/perte max)
+
+
+
+
5.2 Les profils de risque
+
+
+ Les profils de risque définissent des frontières d'acceptation nommées (Conservateur, Standard, Agressif...). Un trade est logué s'il passe au moins un
+ profil activé. Chaque profil définit un score minimum et un gain
+minimum attendu, et affiche la formule EV nette à la frontière pour
+vérifier la cohérence mathématique.
+
+
+
+
Intérêt de l'approche multi-profil
+ Un même pattern peut être rejeté par le profil Conservateur (score 60,
+ gain 50% requis) mais accepté par le profil Agressif (score 40, gain
+200% requis). Cela permet de logger des opportunités à fort potentiel
+sans abaisser la barre globale.
+
+
+
+
+
6. La Gate de 6 Heures du Super Contexte
+
+
+ Le Super Contexte est une synthèse mémorielle fondée sur des
+performances de trades à 30–90 jours. Le relancer toutes les 3 heures (à
+ chaque cycle) serait non seulement coûteux, mais contre-productif : un
+nouveau trade immature ne devrait jamais remettre en cause des
+conclusions issues de mois d'observations.
+
+
+
+
+
Scénario
+
Comportement
+
Raison
+
+
+
Dernier Super Contexte < 6h
+
Synthèse ignorée, le SC existant est utilisé
+
Préserve les insights solides, évite le bruit des trades immatures
+
+
+
Dernier Super Contexte > 6h
+
Nouvelle synthèse GPT-4o déclenchée
+
Intègre les nouvelles données de performance accumulées
+
+
+
Trigger manuel avec ?force=true
+
Synthèse forcée quelle que soit l'ancienneté
+
Permet une mise à jour immédiate si l'utilisateur le décide
+
+
+
+
+
Analogie
+ Le Super Contexte est comme un livre de règles qui s'enrichit après
+chaque trimestre d'opérations. On ne réécrit pas le livre parce qu'un
+trade ouvert ce matin montre −2%.
+
+
+
+
+
7. Filtre Anti-doublon par Distance de Jaccard
+
+
+ GPT-4o, s'il reçoit les mêmes news deux cycles de suite, risque de
+suggérer des patterns très proches. La distance de Jaccard mesure le
+chevauchement entre les keywords de deux patterns.
+
+
+
+
Formule
+ Jaccard(A, B) = |A ∩ B| / |A ∪ B|
+ Où A et B sont les ensembles de keywords (en minuscules) de deux patterns.
+
+ Si la similarité maximale entre le candidat et n'importe quel pattern existant dépasse le seuil (défaut 30%), le candidat est rejeté.
+
+
+
+
+
Seuil configuré
+
Comportement
+
Usage recommandé
+
+
+
10% (strict)
+
Presque tout passe, peu de déduplications
+
Base de données de patterns vide ou très petite
+
+
+
30% (défaut)
+
Équilibre entre nouveauté et redondance
+
Usage normal avec >20 patterns existants
+
+
+
60–80% (permissif)
+
Seuls les quasi-doublons exacts sont rejetés
+
Veut maximiser le volume de patterns générés
+
+
+
+
+
+
+
8. Architecture des Données
+
+
+
+
Table / Collection
+
Contenu
+
Consulté par
+
+
+
custom_patterns
+
Patterns créés manuellement ou par l'IA (nom, thèse, keywords, trades suggérés)
+
Scoring, suggestion (filtre Jaccard)
+
+
+
pattern_scores
+
Historique de chaque scoring run (score, confiance, catalyseur, trade recommandé)
+
Cockpit, Rapport IA, Journal
+
+
+
trade_entry_prices
+
Un enregistrement par trade logué : prix d'entrée, score à l'entrée, P&L courant
+
Journal de Bord, Rapport Portfolio, Super Contexte
+
+
+
ai_reports
+
Rapports portfolio générés par GPT-4o (JSON + stats + winners/losers)
+
Super Contexte (10 derniers), Rapport IA page
+
+
+
reasoning_states
+
Versions successives du Super Contexte (narrative + synthesis JSON)
+
Cycle (contexte mémoriel), Super Contexte page
+
+
+
kb_entries
+
Base de connaissances : entrées par catégorie avec confiance (0–100)
+
Synthèse Super Contexte, Super Contexte page
+
+
+
reasoning_traces
+
Input/output de chaque appel IA (suggestion + scoring) — audit complet
+
Débogage, traçabilité des décisions
+
+
+
cycle_runs
+
Métadonnées de chaque cycle (statut, patterns added/scored, commentary, régime)
+
Page Config, historique cycles
+
+
+
config
+
Clés API, paramètres auto-cycle, seuils EV/score
+
Startup, chaque cycle
+
+
+
+
+
+
9. Synthèse des Choix de Conception
+
+
+
+
Choix
+
Alternative rejetée
+
Raison
+
+
+
GPT-4o-mini pour le scoring des news
+
GPT-4o pour tout
+
Classification répétitive → coût 10× réduit sans perte qualité
+
+
+
Filtre Jaccard pour déduplier (pas GPT-4o)
+
Demander à GPT-4o si un pattern est un doublon
+
Algorithmique = déterministe, gratuit, rapide
+
+
+
Gate 6h sur le Super Contexte
+
Resynthétiser à chaque cycle
+
Protège l'intégrité mémorielle du bruit court terme
+
+
+
Rapport portfolio en background thread
+
Bloquer le cycle jusqu'à la fin du rapport
+
Le rapport sert au cycle suivant — pas besoin qu'il soit prêt maintenant
+
+
+
Filtres EV et score configurables par profil
+
Un seul seuil global fixe
+
Permet plusieurs appétits de risque sans modifier le code
+
+
+
Injecter Super Contexte dans la suggestion
+
Laisser GPT-4o repartir de zéro
+
Le SC contient des mois d'apprentissage validé ; en partir sans le contexte serait un gaspillage
+
+
+
Exclure les P&L du prompt de scoring
+
Donner à GPT-4o les performances passées pour scorer
+
Évite le biais d'ancrage et la circularité (un pattern qui a
+bien scoré dans le passé ne mérite pas nécessairement un bon score
+aujourd'hui)
+
+
+
Cleanup des cycles "running" au démarrage
+
Laisser l'état incohérent
+
Un kill du processus laisse la DB en état "running" pour toujours ; le cleanup au startup garantit la cohérence
+
+
+
+
+
+
+
En résumé
+ Le système applique un principe de séparation claire entre signal et bruit
+ : l'IA reçoit ce qui lui permet de raisonner (contexte actuel + mémoire
+ validée), pas ce qui peut la biaiser (performances récentes non
+matures, historique de scores bruts). Les règles quantitatives (Jaccard,
+ maturité, EV, gate 6h) protègent la qualité des outputs IA en amont et
+en aval de chaque appel.
+
+
+
+ GeoOptions Intelligence v2.0 · Document généré le 17 juin 2026 · FastAPI + React + SQLite + GPT-4o
+
+
+
+
+
\ No newline at end of file
diff --git a/GeoOptions_Intelligence_Documentation.html b/GeoOptions_Intelligence_Documentation.html
new file mode 100644
index 0000000..5967908
--- /dev/null
+++ b/GeoOptions_Intelligence_Documentation.html
@@ -0,0 +1,888 @@
+
+
+
+
+
+GeoOptions Intelligence — Documentation Système
+
+
+
+
+
+
+
⚡
+
GeoOptions Intelligence
+
Architecture du Système & Logique des Prompts IA
+
+ Version 2.0 · Juin 2026 · FastAPI + React + GPT-4o
+
+
+
+
+
+
1. Concept Général
+
+
+ GeoOptions Intelligence est un cockpit de trading d'options dont l'intelligence centrale repose sur un cycle itératif : collecter les signaux macro-géopolitiques, identifier les patterns d'opportunité, scorer leur pertinence en temps réel, puis apprendre des performances passées pour affiner les cycles suivants.
+
+
+
1.1 Philosophie fondamentale
+
+
+ Le système est construit autour d'une idée simple : les options sur dérivés géopolitiques suivent des patterns répétables. Une escalade tarifaire US-Chine génère systématiquement de la volatilité sur les semi-conducteurs. Un choc pétrolier bénéficie aux stratégies long sur l'énergie. Le défi n'est pas de créer ces patterns, mais de les détecter assez tôt pour agir avant le consensus.
+
+
+
+ L'IA (GPT-4o) joue le rôle d'un stratège senior externe qui lit les news, connaît les régimes macro, et enrichit la base de patterns — mais ce sont des règles humaines explicites qui décident si un trade est logué, si une analyse est valide, et si les leçons passées sont fiables.
+
+
+
+
Principe directeur
+ L'IA propose, les règles quantitatives filtrent, l'historique de performance valide. Le cycle répète et apprend.
+
+
+
1.2 Les trois mémoires du système
+
+
+
+
Mémoire
+
Contenu
+
Durée de vie
+
Usage
+
+
+
Rapport Portfolio
+
Analyse post-mortem des trades matures : gagnants, perdants, leçons clés
+
~7–30 jours (jusqu'au prochain rapport)
+
Injecté dans les prompts de suggestion et scoring du cycle suivant
Entrées structurées par catégorie (régimes, patterns, erreurs) avec score de confiance
+
Permanent — géré manuellement ou auto-ajouté par synthèse
+
Consulté lors de la synthèse du Super Contexte
+
+
+
+
+
+
+
2. Workflow d'un Cycle Complet
+
+
+ Un cycle se déclenche automatiquement (toutes les N heures) ou manuellement. La durée typique est de 2 à 5 minutes pour les étapes synchrones, plus 1 à 3 minutes en background selon la disponibilité des données.
+
+
+
+
+
+
0
+
+
Chargement du contexte mémoriel DB
+
Charge le dernier Rapport Portfolio et le Super Contexte depuis la base de données. Ces données enrichiront tous les prompts IA du cycle courant.
+
+
+
+
↓
+
+
+
1
+
+
Collecte des données de marché GPT-4o-mini
+
+ Récupère les news géopolitiques (RSS, GDELT), les prix de marché (yfinance), les indicateurs macro (VIX, pente de courbe, DXY, Brent, or, cuivre, S&P vs moyenne 200j) et le calendrier économique.
+ → Appel IA : GPT-4o-mini score chaque news (impact 0–100, classification géopolitique) en batch.
+
+
+
+
+
↓
+
+
+
2
+
+
Suggestion de nouveaux patterns GPT-4o
+
+ GPT-4o reçoit le contexte complet (news + prix + macro + calendrier + Super Contexte + leçons portfolio) et propose des nouvelles thèses de trading structurées.
+ Retourne : nom, description, thèse macro, trades suggérés, keywords, probabilité, horizon cible.
+
+
+
+
+
↓
+
+
+
3
+
+
Filtre anti-doublons (Jaccard) Règle
+
+ Chaque pattern suggéré est comparé aux patterns existants par similarité de keywords (distance de Jaccard). Si la similarité dépasse le seuil configuré (défaut : 30%), le pattern est rejeté comme doublon. Seuls les patterns vraiment nouveaux sont sauvegardés.
+
+
+
+
+
↓
+
+
+
4
+
+
Scoring de TOUS les patterns GPT-4o
+
+ GPT-4o score l'ensemble des patterns (nouveaux + existants) en les confrontant au contexte marché actuel. Retourne pour chaque pattern : score de pertinence (0–100), niveau de confiance, catalyseur clé, résumé, trade recommandé avec stratégie (call spread, put, straddle...).
+
+
+
+
+
↓
+
+
+
5
+
+
Logging et journal DB
+
+ Sauvegarde les scores en historique, log les prix d'entrée des trades passant les filtres EV/score, enregistre l'alerte géo et le régime macro. Traces de raisonnement (input/output de chaque appel IA) persistées pour audit.
+
+
+
+
+
↓
+
+
+
6
+
+
Commentaire de cycle GPT-4o
+
+ Synthèse narrative courte (4–6 phrases) expliquant pourquoi les patterns scorent ainsi aujourd'hui, quel est le risque principal, et quelle recommandation tactique pour le prochain cycle. Affiché dans l'interface.
+
+
+
+
+
↓ Thread background (non-bloquant)
+
+
+
7
+
+
Rapport Portfolio automatique GPT-4oBackground
+
+ Déclenché seulement si ≥ 2 trades matures avec |P&L| > 0.1% sont disponibles. GPT-4o analyse les performances réelles des trades matures et génère un rapport structuré (headline, analyse gagnants/perdants, leçons clés, angles morts). Ce rapport sera injecté au cycle suivant.
+
+
+
+
+
↓
+
+
+
8
+
+
Mise à jour du Super Contexte GPT-4oBackground
+
+ Déclenché seulement si le dernier Super Contexte a plus de 6 heures. GPT-4o agrège tous les rapports portfolio, tous les trades (90j) et la base de connaissances pour produire une synthèse évolutive riche. Nouvelles entrées KB auto-ajoutées.
+
+
+
+
+
+
+
+
Résumé des appels IA par cycle
+ Synchrones (systématiques) : 1× GPT-4o-mini (scoring news) + 3× GPT-4o (suggestion patterns, scoring patterns, commentaire)
+ Background (conditionnels) : 0–2× GPT-4o selon la disponibilité de trades matures et la fraîcheur du Super Contexte
+
+
+
+
+
+
3. Anatomie des Prompts IA — Ce qu'on Inclut et Pourquoi
+
+
+ Chaque prompt est construit pour donner à GPT-4o exactement ce dont il a besoin pour être pertinent — sans surcharge inutile qui diluerait le signal ou augmenterait le coût.
+
+
+
+
3.1 Scoring des news (GPT-4o-mini)
+
+
+
+ Prompt : Classification et scoring d'impact des news
+ GPT-4o-mini
+
+
+
+
+
✓ Ce qui est inclus
+
+
Titre + source + date de chaque news — le minimum nécessaire pour scorer l'impact
+
Liste des catégories cibles (énergie, métaux, indices, forex, agriculture) — ancre le scoring sur nos actifs réels
+
Schéma de sortie strict (score 0–100, catégorie, keywords) — pour être parsé de manière fiable
+
+
+
+
+
✗ Ce qui est exclu
+
+
Corps complet des articles — le titre suffit pour scorer l'impact géopolitique ; le corps alourdit le contexte sans gain mesurable
+
Historique des scores passés — scorer une news est une tâche stateless ; l'historique n'apporterait rien
+
Données de marché — inutiles pour déterminer l'impact géopolitique d'une news
+
+
+
+
+
Pourquoi GPT-4o-mini ici ?
+ Le scoring des news est une tâche de classification répétitive sur des centaines d'items. GPT-4o-mini est 10× moins cher que GPT-4o pour une qualité de classification identique sur des tâches structurées courtes. On garde GPT-4o pour le raisonnement stratégique complexe.
+
+
+
+
+
+
3.2 Suggestion de nouveaux patterns (GPT-4o)
+
+
+
+ Prompt : Identification de nouvelles thèses de trading
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Top N news scorées avec leur impact — les signaux géopolitiques qui motivent les thèses
+
Régime macro dominant (stagflation, crise géo, expansion...) + scores de tous les scénarios — ancre les suggestions dans la réalité macro du moment
+
Prix clés (VIX, DXY, Brent, or, cuivre) — oriente vers des actifs avec momentum
+
Calendrier économique à venir — évite de suggérer des thèses juste avant un catalyseur qui les invaliderait
+
Super Contexte (narrative + priorités stratégiques + erreurs récurrentes) — le "cerveau" accumulé qui guide le style de suggestions
+
Leçons du dernier rapport portfolio (headline + leçons clés) — ancre dans ce qui a marché ou échoué récemment
+
Schéma de sortie complet (nom, description, thèse macro, keywords, trades suggérés, horizon, probabilité)
+
+
+
+
+
✗ Ce qui est exclu
+
+
Liste des patterns existants — le filtre Jaccard (étape 3) gère les doublons algorithmiquement ; l'inclure dans le prompt créerait du bruit et biaiserait GPT-4o vers des variations des patterns actuels
+
Historique complet des scores — on injecte seulement le résumé des leçons (rapport portfolio) pas les données brutes ; plus compact, plus signal
+
Données de trades individuels — trop granulaires pour la suggestion ; les leçons agrégées suffisent
+
Prix d'entrée et P&L des positions ouvertes — crée un biais d'ancrage ; on veut des suggestions basées sur le marché actuel, pas sur nos positions
+
+
+
+
+
+
+
3.3 Scoring des patterns (GPT-4o)
+
+
+
+ Prompt : Évaluation de pertinence de chaque pattern dans le contexte actuel
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Tous les patterns (nom, description, thèse, keywords, trades suggérés) — GPT-4o doit évaluer chacun dans le même appel pour maintenir une cohérence relative des scores
+
Contexte marché complet (régime macro, prix, news) — le même contexte que la suggestion, pour cohérence
+
Super Contexte — les erreurs récurrentes et priorités stratégiques permettent de pénaliser les patterns qui répètent des patterns d'échec connus
+
Biais par classe d'actif (calculé depuis le régime dominant) — oriente les scores vers les classes qui profitent du régime
+
Score de risque géopolitique global — affecte les scores des patterns directionnels risqués
+
Schéma de sortie structuré (score, confiance, buckets d'évaluation, trade recommandé avec détails option)
+
+
+
+
+
✗ Ce qui est exclu
+
+
Scores historiques de chaque pattern — créerait un biais d'ancrage ; un pattern qui scorait 80 il y a 3 semaines ne devrait pas nécessairement scorer 80 aujourd'hui si le régime a changé
+
P&L réel des trades logués — même raison : GPT-4o doit évaluer le marché aujourd'hui, pas être influencé par nos performances passées
+
Identité des traders — non pertinent pour l'évaluation macro
+
+
+
+
+
+
+
3.4 Commentaire de cycle (GPT-4o)
+
+
+
+ Prompt : Narration du cycle pour le trader
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Top 5 patterns scorés (nom, score, résumé) — ce que le cycle a retenu comme pertinent maintenant
+
Régime dominant + scores macro — pour expliquer pourquoi ces patterns scorent ainsi
+
Indicateurs macro clés (VIX, pente de courbe, DXY, Brent, or, cuivre) — les chiffres bruts pour ancrer la narration
+
Top 5 news à fort impact — les catalyseurs qui expliquent le contexte du cycle
+
Trades logués ces 7 derniers jours (pattern, underlying, stratégie) — pour commenter l'alignement positions/contexte
+
+
+
+
+
✗ Ce qui est exclu
+
+
P&L des trades — le commentaire doit rester sur le contexte marché, pas sur les performances (risque de biais confirmationiste)
+
Toutes les news — seules les top 5 à fort impact sont pertinentes pour une synthèse narrative
+
Super Contexte complet — le commentaire est une analyse ponctuelle du cycle actuel, pas une synthèse mémorielle
+
+
+
+
+
+
+
3.5 Rapport Portfolio automatique (GPT-4o)
+
+
+
+ Prompt : Post-mortem de performance sur trades matures
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
Uniquement les trades MATURES avec P&L réel — seule source fiable d'apprentissage (voir section 4)
+
Classification explicite (matures gagnants / matures perdants / immatures à ne pas juger)
+
Score d'entrée de chaque trade — permet de corréler "le système a bien scoré ET le trade a marché" vs les faux positifs
+
Indicateur de maturité de chaque trade (% de l'horizon écoulé) — contexte pour interpréter le P&L
+
Règle de timing explicite dans le system prompt — interdit de tirer des conclusions sur les trades immatures
+
+
+
+
+
✗ Ce qui est exclu
+
+
Trades immatures comme base d'apprentissage — un trade ouvert depuis 2 jours sur un horizon de 60 jours ne dit rien de fiable sur la qualité de la thèse
+
Contexte macro actuel — le rapport analyse le passé (pourquoi les matures ont marché), pas le présent
+
Données de marché en temps réel — hors sujet pour un post-mortem
+
+
+
+
+
+
+
3.6 Synthèse Super Contexte (GPT-4o)
+
+
+
+ Prompt : Mise à jour de la base de raisonnement évolutive
+ GPT-4o
+
+
+
+
+
✓ Ce qui est inclus
+
+
10 derniers rapports portfolio (headline, stats, analyse gagnants/perdants, leçons) — la matière première de l'apprentissage
+
Tous les trades (90j) classés par maturité avec P&L — la base empirique
+
Base de connaissances existante (par catégorie : régimes, patterns, erreurs) — évite de repartir de zéro et préserve les insights validés
+
Règle de timing dans le system prompt — même garde-fou que pour le rapport portfolio
+
Instruction de conservation des insights existants si peu de matures disponibles — évite que la synthèse "oublie" les leçons validées à cause d'un manque de données récentes
+
+
+
+
+
✗ Ce qui est exclu
+
+
News du jour — le Super Contexte est une mémoire long terme, pas une analyse quotidienne
+
Prix de marché actuels — même raison ; les régimes et corrélations sont déduits des performances, pas des prix instantanés
+
Plus de 10 rapports — au-delà de 10 rapports, le prompt dépasserait la fenêtre utile ; les rapports les plus anciens ont aussi moins de pertinence dans un marché qui évolue
+
+
+
+
+
+
+
+
+
4. La Maturité des Trades — Pourquoi C'est Central
+
+
+ C'est l'une des décisions d'architecture les plus importantes du système. Un P&L observé sur une option après 3 jours est du bruit statistique. Après 70% de son horizon, c'est un signal. Mélanger les deux dans les prompts IA pollue l'apprentissage.
+
+
+
4.1 Définition des stades
+
+
+
0–10%
+
10–35%
+
35–75%
+
>75%
+
+
+ Trop tôt (0–10%) — Signal nul, ne pas analyser
+ Début (10–35%) — Signal faible, surveiller
+ Mature (35–75%) — Signal fiable, apprendre
+ Fin d'horizon (>75%) — Signal fort, leçons définitives
+
+
+
4.2 Impact sur chaque étape du système
+
+
+
+
Composant
+
Traitement des immatures
+
Traitement des matures
+
+
+
Rapport Portfolio
+
Listés pour transparence, étiquetés "ne pas juger", pas dans les calculs P&L
+
Base exclusive des analyses, leçons et statistiques
+
+
+
Super Contexte
+
Listés avec étiquette, exclus des insights de performance
+
Matures gagnants et perdants analysés pour régimes et patterns
+
+
+
Journal de Bord
+
Badge gris/orange + barre de progression courte
+
Badge vert/bleu + P&L affiché comme signal fiable
+
+
+
Gate rapport portfolio
+
Au moins 2 trades matures avec |P&L| > 0,1% requis pour déclencher la génération GPT-4o
+
+
+
+
+
Risque évité
+ Sans ce filtre de maturité, GPT-4o pourrait tirer des leçons d'un trade ouvert depuis 2 heures qui montre −5% (normal sur une option). Il conclurait "la stratégie straddle est mauvaise sur le secteur énergie" et dégraderait les cycles suivants. Le filtre de maturité protège l'intégrité de l'apprentissage.
+
+
+
+
+
5. Règles de Filtrage des Trades Logués
+
+
+ Tous les patterns scorés ne génèrent pas un trade dans le Journal de Bord. Deux filtres quantitatifs contrôlent l'entrée.
+
+
+
5.1 Les deux filtres
+
+
+
+
Filtre
+
Formule
+
Paramètre
+
Logique
+
+
+
Score minimum
+
score ≥ min_score
+
Configurable (défaut : 0)
+
Rejette les patterns jugés peu pertinents par GPT-4o dans le contexte actuel
+
+
+
EV nette minimum
+
p × G − (1−p) ≥ min_ev
+
Configurable (défaut : 0.0)
+
Filtre les trades à espérance mathématique négative (p = probabilité, G = gain/perte max)
+
+
+
+
5.2 Les profils de risque
+
+
+ Les profils de risque définissent des frontières d'acceptation nommées (Conservateur, Standard, Agressif...). Un trade est logué s'il passe au moins un profil activé. Chaque profil définit un score minimum et un gain minimum attendu, et affiche la formule EV nette à la frontière pour vérifier la cohérence mathématique.
+
+
+
+
Intérêt de l'approche multi-profil
+ Un même pattern peut être rejeté par le profil Conservateur (score 60, gain 50% requis) mais accepté par le profil Agressif (score 40, gain 200% requis). Cela permet de logger des opportunités à fort potentiel sans abaisser la barre globale.
+
+
+
+
+
6. La Gate de 6 Heures du Super Contexte
+
+
+ Le Super Contexte est une synthèse mémorielle fondée sur des performances de trades à 30–90 jours. Le relancer toutes les 3 heures (à chaque cycle) serait non seulement coûteux, mais contre-productif : un nouveau trade immature ne devrait jamais remettre en cause des conclusions issues de mois d'observations.
+
+
+
+
+
Scénario
+
Comportement
+
Raison
+
+
+
Dernier Super Contexte < 6h
+
Synthèse ignorée, le SC existant est utilisé
+
Préserve les insights solides, évite le bruit des trades immatures
+
+
+
Dernier Super Contexte > 6h
+
Nouvelle synthèse GPT-4o déclenchée
+
Intègre les nouvelles données de performance accumulées
+
+
+
Trigger manuel avec ?force=true
+
Synthèse forcée quelle que soit l'ancienneté
+
Permet une mise à jour immédiate si l'utilisateur le décide
+
+
+
+
+
Analogie
+ Le Super Contexte est comme un livre de règles qui s'enrichit après chaque trimestre d'opérations. On ne réécrit pas le livre parce qu'un trade ouvert ce matin montre −2%.
+
+
+
+
+
7. Filtre Anti-doublon par Distance de Jaccard
+
+
+ GPT-4o, s'il reçoit les mêmes news deux cycles de suite, risque de suggérer des patterns très proches. La distance de Jaccard mesure le chevauchement entre les keywords de deux patterns.
+
+
+
+
Formule
+ Jaccard(A, B) = |A ∩ B| / |A ∪ B|
+ Où A et B sont les ensembles de keywords (en minuscules) de deux patterns.
+
+ Si la similarité maximale entre le candidat et n'importe quel pattern existant dépasse le seuil (défaut 30%), le candidat est rejeté.
+
+
+
+
+
Seuil configuré
+
Comportement
+
Usage recommandé
+
+
+
10% (strict)
+
Presque tout passe, peu de déduplications
+
Base de données de patterns vide ou très petite
+
+
+
30% (défaut)
+
Équilibre entre nouveauté et redondance
+
Usage normal avec >20 patterns existants
+
+
+
60–80% (permissif)
+
Seuls les quasi-doublons exacts sont rejetés
+
Veut maximiser le volume de patterns générés
+
+
+
+
+
+
+
8. Architecture des Données
+
+
+
+
Table / Collection
+
Contenu
+
Consulté par
+
+
+
custom_patterns
+
Patterns créés manuellement ou par l'IA (nom, thèse, keywords, trades suggérés)
+
Scoring, suggestion (filtre Jaccard)
+
+
+
pattern_scores
+
Historique de chaque scoring run (score, confiance, catalyseur, trade recommandé)
+
Cockpit, Rapport IA, Journal
+
+
+
trade_entry_prices
+
Un enregistrement par trade logué : prix d'entrée, score à l'entrée, P&L courant
+
Journal de Bord, Rapport Portfolio, Super Contexte
+
+
+
ai_reports
+
Rapports portfolio générés par GPT-4o (JSON + stats + winners/losers)
+
Super Contexte (10 derniers), Rapport IA page
+
+
+
reasoning_states
+
Versions successives du Super Contexte (narrative + synthesis JSON)
+
Cycle (contexte mémoriel), Super Contexte page
+
+
+
kb_entries
+
Base de connaissances : entrées par catégorie avec confiance (0–100)
+
Synthèse Super Contexte, Super Contexte page
+
+
+
reasoning_traces
+
Input/output de chaque appel IA (suggestion + scoring) — audit complet
+
Débogage, traçabilité des décisions
+
+
+
cycle_runs
+
Métadonnées de chaque cycle (statut, patterns added/scored, commentary, régime)
+
Page Config, historique cycles
+
+
+
config
+
Clés API, paramètres auto-cycle, seuils EV/score
+
Startup, chaque cycle
+
+
+
+
+
+
9. Synthèse des Choix de Conception
+
+
+
+
Choix
+
Alternative rejetée
+
Raison
+
+
+
GPT-4o-mini pour le scoring des news
+
GPT-4o pour tout
+
Classification répétitive → coût 10× réduit sans perte qualité
+
+
+
Filtre Jaccard pour déduplier (pas GPT-4o)
+
Demander à GPT-4o si un pattern est un doublon
+
Algorithmique = déterministe, gratuit, rapide
+
+
+
Gate 6h sur le Super Contexte
+
Resynthétiser à chaque cycle
+
Protège l'intégrité mémorielle du bruit court terme
+
+
+
Rapport portfolio en background thread
+
Bloquer le cycle jusqu'à la fin du rapport
+
Le rapport sert au cycle suivant — pas besoin qu'il soit prêt maintenant
+
+
+
Filtres EV et score configurables par profil
+
Un seul seuil global fixe
+
Permet plusieurs appétits de risque sans modifier le code
+
+
+
Injecter Super Contexte dans la suggestion
+
Laisser GPT-4o repartir de zéro
+
Le SC contient des mois d'apprentissage validé ; en partir sans le contexte serait un gaspillage
+
+
+
Exclure les P&L du prompt de scoring
+
Donner à GPT-4o les performances passées pour scorer
+
Évite le biais d'ancrage et la circularité (un pattern qui a bien scoré dans le passé ne mérite pas nécessairement un bon score aujourd'hui)
+
+
+
Cleanup des cycles "running" au démarrage
+
Laisser l'état incohérent
+
Un kill du processus laisse la DB en état "running" pour toujours ; le cleanup au startup garantit la cohérence
+
+
+
+
+
+
+
En résumé
+ Le système applique un principe de séparation claire entre signal et bruit : l'IA reçoit ce qui lui permet de raisonner (contexte actuel + mémoire validée), pas ce qui peut la biaiser (performances récentes non matures, historique de scores bruts). Les règles quantitatives (Jaccard, maturité, EV, gate 6h) protègent la qualité des outputs IA en amont et en aval de chaque appel.
+
+
+
+ GeoOptions Intelligence v2.0 · Document généré le 17 juin 2026 · FastAPI + React + SQLite + GPT-4o
+
+
+
+
diff --git a/GeoOptions_Roadmap_Dev.html b/GeoOptions_Roadmap_Dev.html
new file mode 100644
index 0000000..09ab06b
--- /dev/null
+++ b/GeoOptions_Roadmap_Dev.html
@@ -0,0 +1,900 @@
+
+
+
+
+
+GeoOptions Intelligence — Roadmap de Développement
+
+
+
+
+
+
+
🗺️
+
GeoOptions Intelligence
+
Roadmap de Développement — Vers le Niveau Hedge Fund
+
+ Basé sur l'audit expert · Juin 2026 · 4 Phases · ~6 mois
+
+
+
+
+
+
État actuel vs Cibles
+
+
L'audit positionne le système à 6,5/10 au niveau "fonds professionnel" avec des notes excellentes sur l'architecture IA et la discipline de recherche, mais des lacunes importantes sur le côté purement options (volatilité implicite, structure de marché, sizing). Ce roadmap adresse chacune.
+
+
+
Trading d'Options
5/10
→ Cible : 8/10 (Phase 1 + 2)
+
Gestion du risque
6/10
→ Cible : 8.5/10 (Phase 3)
+
Niveau Fonds Pro
6.5/10
→ Cible : 8.5/10 (Phase 1→3)
+
Architecture IA
8.5/10
→ Cible : 9.5/10 (Phase 2 + 4)
+
+
+
+
+
Vue d'ensemble — 6 mois
+
+
+
+
1
+
Phase 1 IV & Vol
+
S1–S6
+
+
+
2
+
Phase 2 Fiabilité & Thèses
+
S7–S12
+
+
+
3
+
Phase 3 Portefeuille & Risk
+
S13–S20
+
+
+
4
+
Phase 4 Moteur Quantitatif
+
S21–S26
+
+
+
+
+
+
Phase
Thème
Durée
Lacune adressée
Impact note globale
+
+
+
1
+
Volatilité implicite & structure du marché options
Semaines 1–6 · PRIORITÉ CRITIQUE · Lacune la plus impactante
+
+
+
+
+
Pourquoi c'est la priorité absolue
+ "Tu trades des options. IV Rank, term structure, skew sont les paramètres fondamentaux de valorisation d'une option. Sans eux, une bonne thèse géopolitique peut quand même produire un mauvais trade : si l'IV est déjà au 95e percentile, tu paies 3× trop cher pour la convexité." — Audit expert
+
+
+
+
+
+
+
Sprint 1.1
+
IV Rank & IV Percentile par underlying
+
+
+ data
+ backend
+ frontend
+ S1 – S2
+
+
+
+
+
Livrables
+
+
Endpoint GET /api/options/iv/{ticker} retournant IV actuelle, IV Rank, IV Percentile (52 semaines)
+
Service iv_engine.py : récupère les options chains yfinance, calcule IV par Black-Scholes inverse (ou utilise la mid-price des ATM options)
+
Table DB iv_history : stockage journalier de l'IV par underlying (pour calculer Rank/Percentile)
+
Affichage dans Journal de Bord : badge "IV Rank 78%" coloré (vert <25%, orange 25–75%, rouge >75%)
+
Affichage dans Cockpit : section "Options Atmosphere" avec IV des actifs clés
+
+
+
+
Pourquoi ces choix
+
+
IV Rank = (IV actuelle − IV min 52s) / (IV max 52s − IV min 52s) → signal cheap/cher universel
+
IV Percentile = % jours où IV était inférieure → plus robuste aux pics extrêmes
+
yfinance donne accès aux options chains gratuitement sur les actions US et ETFs
+
Stockage journalier nécessaire : sans historique, pas de Rank/Percentile
+
+
Contraintes
+
+
yfinance : données options limitées aux actions US/ETF (pas les futures)
+
Calcul BS inverse peut être instable sur les options très OTM — utiliser uniquement les ATM proches
+
+
+
+
+
+
+
+
+
+
Sprint 1.2
+
Term Structure & Skew
+
+
+ data
+ backend
+ frontend
+ S3 – S4
+
+
+
+
+
Livrables
+
+
Term structure : IV à 30j, 60j, 90j, 180j — affiché comme courbe dans une nouvelle page "Options Lab"
Semaines 7–12 · PRIORITÉ HAUTE · Renforce l'intégrité de l'apprentissage
+
+
+
+
+
Enjeu
+ "Tous les patterns sont traités pareil. Or un pattern avec 28 trades à 68% de win rate mérite beaucoup plus de crédit qu'un pattern avec 3 trades à 100% (biais de petit échantillon)." — Audit expert
+
+
+
+
+
+
+
Sprint 2.1
+
Pattern Reliability Score
+
+
+ backend
+ frontend
+ prompt
+ S7 – S8
+
+
+
+
+
Livrables
+
+
Vue DB pattern_reliability : pour chaque pattern, calcule trades_count, win_rate, avg_pnl_pct, max_pnl, max_loss sur les trades matures uniquement
+
Score de fiabilité composite = win_rate × log(trades_count + 1) (pénalise les petits échantillons)
+
Endpoint GET /api/patterns/reliability
+
Affichage dans la page Patterns : tableau avec colonnes Trades / Win Rate / Avg P&L / Fiabilité
+
Badge dans Journal de Bord : "⭐ 68% sur 28 trades" ou "🔬 2 trades — données insuffisantes"
+
Injection dans le prompt de suggestion : tableau de fiabilité des 10 meilleurs patterns → GPT-4o ne suggère pas de variantes d'un pattern déjà fiable si le contexte n'a pas changé
+
+
+
+
Pourquoi ces choix
+
+
Un pattern nouveau n'a aucune track record → sa "fiabilité" = 0 jusqu'à accumulation de données
+
Le multiplicateur log(n+1) évite qu'un pattern à 100% sur 2 trades écrase un pattern à 65% sur 30 trades
+
Injecter dans le prompt de suggestion : GPT-4o peut adapter ses thèses en connaissant ce qui a empiriquement fonctionné
+
Critique = base uniquement sur trades MATURES pour éviter le bruit (cohérence avec le principe fondamental)
+
+
+
+
+
+
+
+
+
+
Sprint 2.2
+
Contre-Thèses & Événements Invalidants
+
+
+ backend
+ frontend
+ prompt
+ S9 – S10
+
+
+
+
+
Livrables
+
+
Champs counter_thesis, invalidation_trigger, invalidation_probability ajoutés à la table custom_patterns
+
Modification du prompt de suggestion : GPT-4o doit retourner pour chaque pattern {"thesis": ..., "counter_thesis": ..., "invalidation_trigger": ..., "invalidation_prob": 0-100}
+
Affichage dans la page Patterns : onglet "Thèse / Contre-thèse / Invalidation" avec couleur de probabilité d'invalidation
+
Système de surveillance : si une news matche le invalidation_trigger d'un trade ouvert → alerte dans le Journal de Bord
+
Intégration dans le scoring : patterns avec forte probabilité d'invalidation imminente → score pénalisé
+
+
+
+
Pourquoi ces choix
+
+
Force GPT-4o à raisonner en "steel man" de la position opposée → réduit le biais de confirmation
+
Le trigger d'invalidation permet une gestion dynamique : si le trigger se réalise, sortir du trade
Le rapport portfolio pourra distinguer "thèse correcte mais invalidation s'est réalisée" vs "thèse incorrecte dès le départ"
+
+
+
+
+
+
+
+
+
+
Sprint 2.3
+
Calibration Probabiliste & Demi-Vie des Insights
+
+
+ backend
+ frontend
+ S11 – S12
+
+
+
+
+
Livrables
+
+
Stockage de la probabilité prédite (0–100) dans pattern_scores — issue du champ probability du pattern à la date de scoring
+
À maturité du trade : comparaison probabilité prédite vs résultat binaire (P&L > 0)
+
Courbe de calibration : "quand je prédis 75%, le taux de réussite réel est X%"
+
Score de Brier affiché dans une page Analytics
+
Demi-vie des insights KB : champ expires_at + confidence_decay_days sur les entrées KB. Les insights de plus de 90j sans confirmation voient leur confiance baisser automatiquement
+
+
+
+
Pourquoi ces choix
+
+
Si le système annonce "80%" et n'a raison qu'à 52% → il est surconfiant → recalibrer le prompt
+
Protège contre la dérive du Super Contexte : une leçon apprise en 2024 peut ne plus être valide en 2026 si le régime a changé
+
Score de Brier = mesure standard de calibration probabiliste (0 = parfait, 1 = nul, 0.25 = aléatoire)
+
+
Adresse le risque expert
+
+
Protège la boucle SC contre l'auto-confirmation : les insights expirent s'ils ne sont pas reconfirmés empiriquement
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
🔵 Phase 3 — Portefeuille, Corrélations & Position Sizing
+
Semaines 13–20 · PRIORITÉ HAUTE · Raisonnement portefeuille vs trade par trade
+
+
+
+
+
Enjeu
+ "Tu peux avoir 3 trades différents (pétrole, défense, short Europe) qui dépendent tous d'une seule variable : guerre au Moyen-Orient. En réalité, tu n'as qu'un seul risque concentré. Un Risk Engine révèle ça." — Audit expert
+
+
+
+
+
+
+
Sprint 3.1
+
Vue Portefeuille Consolidée
+
+
+ backend
+ frontend
+ S13 – S14
+
+
+
+
+
Livrables
+
+
Nouvelle page "Portefeuille Global" : vue consolidée de toutes les positions ouvertes par classe d'actif
+
Exposition nette par classe d'actif (énergie, métaux, indices US, Europe, Asie, forex)
+
P&L agrégé et décomposé (par classe, par régime d'entrée, par pattern)
+
Graphique d'évolution du P&L portefeuille dans le temps
+
Indicateur de concentration : si >40% du portefeuille dans une classe → alerte
+
+
+
+
Pourquoi ces choix
+
+
La vue par trade masque les concentrations : 5 trades en énergie = 1 gros pari sur le pétrole
+
Décomposer par régime d'entrée permet de voir "ai-je sur-tradé en régime stagflation ?"
+
+
+
+
+
+
+
+
+
+
Sprint 3.2
+
Risk Cluster Engine
+
+
+ backend
+ frontend
+ prompt
+ S15 – S16
+
+
+
+
+
Livrables
+
+
Classification des trades ouverts par "facteur de risque" : géopolitique, inflation, récession, liquidité, dollar
+
Calcul de l'exposition nette par facteur (en nb de trades ET en P&L potentiel)
+
Heatmap des corrélations entre patterns (corrélation P&L historique entre paires de patterns)
+
Alerte "Concentration Risque" : si exposition > seuil sur un facteur → alerte dans le Cockpit
+
Injection dans le prompt de scoring : "Attention : 60% du portefeuille est déjà exposé au risque géopolitique Asie — pénaliser les nouveaux patterns dépendants de ce facteur"
+
+
+
+
Pourquoi ces choix
+
+
Le Risk Cluster révèle le risque "caché" commun à des trades apparemment indépendants
+
Injecter dans le scoring modifie concrètement les recommandations selon l'état du portefeuille
+
Corrélation P&L historique : deux patterns corrélés à 0.8 ne sont pas deux opportunités indépendantes
+
+
+
+
+
+
+
+
+
+
Sprint 3.3
+
Position Sizing — Kelly Fractionnel
+
+
+ backend
+ frontend
+ S17 – S18
+
+
+
+
+
Livrables
+
+
Calcul du Kelly fractionnel par trade : f* = (p × G − (1−p)) / G où p = probabilité estimée, G = gain max
+
Kelly fractionnel : recommander 25–50% du Kelly théorique (standard institutionnel)
+
Ajustement par Risk Cluster : si le facteur de risque est déjà saturé → diviser le sizing par 2
+
Volatility targeting : ajuster la taille pour maintenir une contribution constante au risque portefeuille (ex : chaque trade cible 1% de VaR)
+
Affichage dans Journal de Bord : colonne "Sizing suggéré" avec explication (Kelly brut / ajusté)
+
+
+
+
Pourquoi ces choix
+
+
"Un signal moyen avec un sizing exceptionnel gagne de l'argent. L'inverse non." — Audit expert
+
Kelly fractionnel (25–50%) est la norme : le Kelly complet sur-optimise et produit des drawdowns brutaux
+
VaR contribution constante = technique de risk parity adaptée au sizing d'options
+
+
+
+
+
+
+
+
+
+
Sprint 3.4
+
Tableau de Bord Risque Global
+
+
+ frontend
+ S19 – S20
+
+
+
+
+
Livrables
+
+
Page "Risk Dashboard" : vue unique de tout le risque portefeuille
+
Jauge de concentration par facteur (géo, inflation, récession, liquidité)
+
Expected Drawdown du portefeuille estimé (basé sur corrélations historiques)
+
Score de "diversification effective" : 1 (positions toutes corrélées) → N (positions parfaitement indépendantes)
+
Recommandation automatique : "Portefeuille sur-concentré sur risque géo Asie — les 2 prochains trades devraient être sur d'autres facteurs"
+
+
+
+
Pourquoi ces choix
+
+
Un Risk Committee sérieux regarde ce tableau avant chaque trade
+
La recommandation automatique ferme la boucle : le Risk Engine alimente directement les suggestions du prochain cycle
Semaines 21–26 · NIVEAU RECHERCHE · Vers le niveau quant fund
+
+
+
+
+
Enjeu
+ "Un fonds institutionnel voudrait : IA → hypothèse → Modèle statistique → validation. Aujourd'hui tu as LLM → score. Il manque la validation quantitative indépendante de GPT." — Audit expert
+
+
+
+
+
+
+
Sprint 4.1
+
Bayesian Updating des Scores
+
+
+ backend
+ frontend
+ S21 – S22
+
+
+
+
+
Livrables
+
+
Chaque pattern a un prior bayésien (distribution Beta sur le win rate) mis à jour à chaque trade mature
+
Score composite = α × score_GPT + (1−α) × score_bayesien où α décroît avec le nombre de trades (confiance croissante dans l'historique)
Recalibration automatique du facteur alpha selon le score de Brier du système (Phase 2.3)
+
+
+
+
Pourquoi ces choix
+
+
Beta(α,β) est le prior conjugué naturel pour un taux de succès → mise à jour simple et analytique
+
Plus le pattern a de trades → plus l'historique prime sur l'opinion de GPT-4o
+
Adresse directement le manque de calibration statistique identifié par l'expert
+
+
+
+
+
+
+
+
+
+
Sprint 4.2
+
Détection Automatique de Régimes (Clustering)
+
+
+ backend
+ frontend
+ S23 – S24
+
+
+
+
+
Livrables
+
+
Clustering non supervisé (K-Means ou DBSCAN) sur les vecteurs macro journaliers (VIX, pente, DXY, Brent, or) pour auto-détecter les régimes latents
+
Comparaison régime détecté vs régime nommé (stagflation, expansion...) → mesure d'alignement
+
Auto-découverte de sous-régimes : "stagflation avec stress dollar" vs "stagflation avec fuite vers l'or"
+
Affichage dans Régime Macro : "Cluster 3 (similaire à Oct 2022, Nov 2023)" avec performance historique des patterns dans ce cluster
+
+
+
+
Pourquoi ces choix
+
+
Les régimes nommés à la main sont une approximation — le clustering découvre les régimes réels dans les données
+
"Les marchés ne sont pas stationnaires" — le clustering aide à identifier quand le régime a changé
+
Librairie sklearn (déjà dans l'environnement Python probable) — pas de dépendance lourde
+
+
+
+
+
+
+
+
+
+
Sprint 4.3
+
Embeddings de Patterns & Similarité Sémantique
+
+
+ backend
+ API
+ S25
+
+
+
+
+
Livrables
+
+
Embedding de chaque pattern via l'API OpenAI (text-embedding-3-small) stocké en DB
+
Remplacement du filtre Jaccard par similarité cosinus sur embeddings → détection de doublons sémantiques, pas juste des mots identiques
+
Recherche sémantique : "trouver les patterns similaires à cette thèse" dans la page Patterns
+
+
+
+
Pourquoi ces choix
+
+
Jaccard rate "Taiwan Tensions" et "Détroit de Taiwan Risk" comme différents — embeddings les détecte comme proches
+
text-embedding-3-small = $0.002/1M tokens, quasi gratuit
+
+
+
+
+
+
+
+
+
+
Sprint 4.4
+
Tableau de Bord Analytique Complet
+
+
+ frontend
+ S26
+
+
+
+
+
Livrables
+
+
Page Analytics avec : courbe de calibration, Brier score, win rate par régime, performance par pattern, drawdown historique
+
Comparaison score GPT vs résultat réel sur 6 mois : "le modèle sur-performe dans les régimes de crise, sous-performe en régime d'expansion"
+
Export CSV de toutes les métriques pour analyse externe
+
+
+
+
+
+
+
+
+
+
+
+
Récapitulatif Exécutif
+
+
+
+
Sprint
Feature
Durée
Dépendances
Impact
+
+
1.1
IV Rank & Percentile
2s
—
★★★★★
+
1.2
Term Structure & Skew
2s
1.1
★★★★★
+
1.3
Options Flow (proxy OI)
2s
1.1
★★★★☆
+
2.1
Pattern Reliability Score
2s
historique trades
★★★★★
+
2.2
Contre-thèses & Invalidation
2s
—
★★★★☆
+
2.3
Calibration + Demi-vie KB
2s
2.1
★★★★☆
+
3.1
Vue Portefeuille Consolidée
2s
—
★★★★☆
+
3.2
Risk Cluster Engine
2s
3.1
★★★★★
+
3.3
Position Sizing (Kelly)
2s
2.1, 3.2
★★★★★
+
3.4
Risk Dashboard
2s
3.1, 3.2, 3.3
★★★☆☆
+
4.1
Bayesian Updating
2s
2.1, 2.3
★★★★☆
+
4.2
Clustering de Régimes
2s
données macro
★★★☆☆
+
4.3
Embeddings Patterns
1s
—
★★★☆☆
+
4.4
Analytics Dashboard
1s
toutes phases
★★★☆☆
+
+
+
Décisions de démarrage immédiates
+
+
+
Question
Recommandation
+
+
Source des données IV ?
+
yfinance pour les sous-jacents US/ETF (gratuit). Pour les futures (Brent, or), explorer Yahoo Finance "BZ=F", "GC=F" — options disponibles mais limitées.
+
+
+
Stocker l'IV en DB ou calculer à la volée ?
+
Stocker journalièrement. IV Rank et Percentile ont besoin de 52 semaines d'historique — impossible à calculer à la volée sur yfinance sans cet historique.
+
+
+
Kelly sur quel capital de référence ?
+
Laisser l'utilisateur définir un capital de référence dans la Config (ex : 50 000€) — le sizing est exprimé en % et en € notionnel.
+
+
+
Embeddings : OpenAI ou local ?
+
OpenAI text-embedding-3-small pour démarrer ($0.002/1M tokens, négligeable). Migration vers un modèle local (sentence-transformers) possible en Phase 4 si nécessaire.
+ IV Rank · IV Percentile · Term Structure · Skew · Options Flow
+
+
+
+
+
+ {/* Légende */}
+
+
+
+
+ IV Rank > 80% — Vendre de la vol
+
+
Credit spreads, iron condors, covered calls. La prime est élevée → avantage au vendeur.
+
+
+
+
+ IV Rank < 20% — Acheter de la convexité
+
+
Long calls, long puts, straddles, strangles. La prime est cheap → bon moment pour acheter du gamma.
+
+
+
+ Contango = IV courte < longue (marché calme, bon pour vendre du court terme) ·
+ Backwardation = IV courte > longue (stress, bon pour acheter de la protection courte) ·
+ Skew + = puts plus chers que calls (biais baissier institutionnel)
+
+
+ {isLoading ? (
+
+ {[...Array(6)].map((_, i) => )}
+
+ ) : items.length === 0 ? (
+
+
+
Aucune donnée IV disponible
+
+ Les ETFs US sont requis (SPY, QQQ, GLD...).
+ L'IV Rank nécessite de l'historique — les données s'accumulent à chaque actualisation.
+
+
+
+ ) : (
+
+ {sellVol.length > 0 && (
+
+
+ Vendre de la vol — IVR > 80% ({sellVol.length})
+
+
{sellVol.map(item => )}
+
+ )}
+ {buyVol.length > 0 && (
+
+
+ Acheter de la vol — IVR < 20% ({buyVol.length})
+