Méthodologie

Modèles IA, sources de données, structure des prompts et garde-fous anti-hallucination.

L’ingénierie IA n’est pas dans le prompt, elle est dans le code. Les chiffres sont calculés en amont par le backend (Python), les sources sont structurées, le modèle ne fait que synthétiser. Cette discipline d’ingénieur est ce qui rend les analyses fiables et reproductibles, pas l’IA seule.

1. Modèles IA utilisés

  • Claude Opus 4.7 (Anthropic) — copilotes value, croissance, portefeuille, synthèse de thèses d’investissement. Utilisé pour les analyses qui demandent un raisonnement structuré sur plusieurs centaines de points de données financières.
  • Grok 4.20 (xAI) — analyse newsflow, catalyseurs récents, recherche d’information factuelle datée. Utilisé pour son accès en temps réel à des sources d’actualité.
  • Modèles complémentaires — synthèses courtes, classification, rerank. Le choix du modèle dépend de la tâche (raisonnement long vs synthèse courte vs recherche datée).

2. Sources de données

Toutes les données financières viennent de fournisseurs reconnus, jamais d’IA. Les copilotes sont connectés en temps réel à des API financières professionnelles :

  • API financières professionnelles — fondamentaux, prix, ratios, opérations d’initiés (formulaires SEC), 13F des fonds US, consensus analystes. Données récupérées en temps réel à chaque analyse.
  • Calculs internes — Altman Z-score, momentum (Jegadeesh & Titman), équation de Bogle, etc., calculés à partir des données brutes.
  • Univers d’étude — actions cotées sur les principaux indices mondiaux (S&P 500, Nasdaq, CAC 40, DAX, FTSE 100, Nikkei 225, etc.).

3. Structure des prompts

Chaque copilote IA reçoit un contexte structuré strict :

  1. Données brutes — chiffres actuels et historiques, déjà calculés et vérifiés côté backend.
  2. Méthodologie — le copilote sait quels indicateurs comptent et comment les pondérer (référence aux papiers académiques).
  3. Cadre de sortie — JSON structuré ou format pédagogique court, avec instruction explicite de citer les chiffres exacts.
  4. Disclaimer obligatoire — chaque sortie rappelle qu’il s’agit d’un service d’information et non d’un conseil personnalisé.

4. Garde-fous anti-hallucination

  • Les copilotes ne reçoivent jamais la mission de chercher des chiffres : les données sont injectées en amont par le backend.
  • Quand une donnée manque, le prompt instruit explicitement de l’indiquer (« donnée non disponible »), pas de l’inventer.
  • Les calculs quantitatifs (ratios, scores, classements) sont effectués en code, pas par l’IA. Le rôle du modèle est de synthétiser, pas de calculer.
  • Pas d’interprétation post-hoc, pas de prédiction de prix, pas d’objectif de cours chiffré.

5. Limites et disclaimers

DataBourse est un service d’information uniquement. Les analyses produites ne constituent pas un conseil en investissement personnalisé au sens de l’article L. 321-1 du Code monétaire et financier. Investir comporte un risque de perte en capital ; les performances passées ne préjugent pas des performances futures. Avant toute décision, consultez un conseiller en investissement financier (CIF) agréé.

← Retour à l’accueil