Conçu, non acheté

Recherche en machine learning

Algotoria structure sa recherche comme un ensemble d’expériences numérotées et autonomes, chacune disposant de ses propres données, configurations, bancs d’essai et comptes rendus écrits. Une stratégie ne passe pas en production sous prétexte qu’un back-test s’est avéré favorable. Elle y accède en gravissant une échelle d’évaluation rigoureuse : test de fumée (smoke test), tri des signaux, criblage sur graine unique, reproduction sur trois graines, walk-forward imbriqué à l’échelle du portefeuille, batterie de tests de robustesse, phase d’observation fantôme et, enfin, un forward gate pré-enregistré à examen unique dont les critères de réussite sont définis par écrit avant toute lecture des données hors échantillon.

Cette dernière règle donne tout son sens au dispositif. La fenêtre hors échantillon n’est ouverte qu’une seule fois, au regard de critères fixés par avance, et le résultat s’impose sans appel. Ce processus s’appuie sur un protocole de données étanche masquant la frontière entre données d’entraînement et de validation, un registre de règles de robustesse numérotées issues d’erreurs passées, ainsi que des registres en ajout seul (append-only) consignant les arbitrages adoptés, rejetés ou en attente — chaque entrée étant automatiquement horodatée et rattachée au commit exact qui l’a produite, assurant la traçabilité intégrale de chaque décision plusieurs années après.

Les modèles sont développés en interne. La lignée actuelle repose sur un réseau de neurones convolutif multi-échelle analysant le flux de barres de 5 minutes sur quatre horizons simultanés — cinq minutes, une heure, douze heures et sept jours — par l’intermédiaire d’un encodeur temporel dédié avec couplage multi-instruments. Elle en est aujourd’hui à sa cinquième génération, chaque itération traduisant une évolution architecturale documentée plutôt qu’un simple réajustement de paramètres. La composante la plus singulière ne réside pas dans le réseau lui-même, mais dans la cible qu’il apprend : une étiquette propriétaire condensant l’amplitude du mouvement et sa persistance temporelle en une position continue unique, calculée nette de frais de transaction réalistes et sous un stop indexé sur la volatilité, garantissant que le modèle optimise ce qu’un compte peut effectivement capturer sur le marché.

Parallèlement aux travaux dérivés des prix, Algotoria maintient un programme de recherche actif sur les signaux exogènes — liquidité et déséquilibre du carnet d’ordres, sentiment des flux d’actualités et des réseaux sociaux, activité on-chain (comptes d’adresses et transferts majeurs) et mesures de flux de capitaux (entrées nettes sur les plateformes et émission de stablecoins). Ces signaux font l’objet d’analyses approfondies et sont soumis à la même échelle d’évaluation que le reste. À ce jour, aucun n’a mérité sa place dans un modèle de production : les données démontrent avec constance que l’avantage prédictif réside dans la dynamique multi-échelle du prix lui-même. Nous publions ce constat avec transparence, car un programme de recherche qui n’élimine rien ne constitue pas un véritable programme de recherche.

Chaque modèle est entraîné sur le matériel propre d’Algotoria, via ses propres outils de collecte, son back-tester et son optimiseur. Aucun entraînement n’est externalisé et aucun service de modélisation tiers n’est employé.

Échelle d’évaluation

Huit étapes, de R0 à R7, s’achevant par un forward gate pré-enregistré à examen unique

Reproductibilité

Trois graines fixes avant de valider le moindre résultat

Métrique de sélection

Ratio de Calmar (TCAC ÷ perte maximale), avec disqualification immédiate au-delà de 30 % de drawdown

Réalisme des frais

Fourchettes de frais aller-retour calibrées par exchange — Binance, OKX et Bybit modélisés séparément, de 14 à 28 bps

Entraînement

En interne, sur matériel de recherche propre, via une chaîne complète propriétaire

Algotoria Spike est issue de cette filière de recherche. Elle n’est pas lancée, aucun client n’y a jamais souscrit et les chiffres publiés sont simulés, portant cette mention partout où ils figurent.

Surveillance des risques

L’Algotoria Monitoring System est une infrastructure propriétaire, délibérément disjointe des dispositifs qu’elle supervise. Totalement indépendante de la génération des signaux et de l’exécution des ordres, elle s’y connecte au moyen de clés d’API exclusives en lecture seule et se trouve hébergée au sein d’un réseau cloud privé totalement isolé d’Internet. Elle observe l’ensemble des comptes sans pouvoir en altérer aucun — ce qui fonde précisément son intégrité comme organe de contrôle.

Elle suit en temps réel plus de dix paramètres de risque pour chaque compte géré de façon ségréguée (SMA) et transmet des alertes instantanées au NOC ainsi qu’à l’équipe de négociation dès qu’un seuil prédéfini est franchi. Les alertes font l’objet d’une gradation rigoureuse, et les seuils sont volontairement positionnés en amont des limites critiques, permettant d’intervenir pendant qu’une marge d’action subsiste plutôt qu’au moment de la rupture de la limite.

Cette surveillance s’applique à des règles de portefeuille strictes et non à des appréciations discrétionnaires. La valeur brute de marché (GMV) est plafonnée à trois fois les capitaux propres du compte, la moyenne journalière constatée se situant nettement en deçà. Chaque stratégie fait l’objet d’un plafond de Value-at-Risk (VaR) à 95 % sur un jour, aucune sous-stratégie ne pouvant représenter plus de 5 % de cette valeur. Les budgets de perte maximale sont quant à eux échelonnés : le premier palier (aux deux tiers du budget) déclenche un réexamen du compte par le Comité d’investissement, le second (à épuisement total du budget) remet la décision entre les mains du client.

L’ensemble du dispositif repose sur une journalisation structurée et exhaustive couvrant la négociation, l’exécution et la surveillance : chaque alerte, passe de collecte, ordre et rapprochement est archivé sous une forme interrogeable, permettant de reconstituer a posteriori chaque position, exécution ou incident pour un client, un auditeur ou une revue post-incident.

Déclencheurs d’alerte

Écart de position par rapport au compte maître, levier dépassant les deux tiers du plafond, perte maximale aux deux tiers du budget, perte journalière > 5 %, marge insuffisante, erreurs d’API ou de connectivité

Effet de levier

Plafond strict de 3× la valeur brute de marché rapportée à l’AUM ; moyenne journalière type entre 0,8× et 1,0×

Value at Risk

Limite journalière à 95 % fixée à 2,0 % sur Stable et 2,2 % sur Diversified ; contribution maximale d’une sous-stratégie limitée à 5 %

Isolation

Clés d’API dédiées en lecture seule, réseau privé, indépendance absolue vis-à-vis des signaux et de l’exécution

Supervision humaine

Un centre NOC/SOC dédié assurant une rotation mondiale ininterrompue — 24/7/365

La télémétrie automatisée constitue le socle, non le plafond. Un centre des opérations réseau et sécurité (NOC/SOC) dédié opère des vacations continues à l’échelle planétaire, garantissant qu’une anomalie algorithmique ou une dégradation d’API soit analysée par un ingénieur humain à toute heure. En pratique, une telle intervention humaine s’avère nécessaire environ une fois par mois.

Une entreprise AI-native

Algotoria est un gestionnaire d’actifs natif en intelligence artificielle (AI-native). Au-delà du moteur de négociation systématique lui-même, chaque fonction opérationnelle — recherche, développement logiciel, exploitation technique, support aux investisseurs, conformité et comptabilité — est opérée par des processus assistés par l’IA avec supervision humaine permanente (human-in-the-loop), conformément à la Politique relative à l’IA et aux fournisseurs de données externes approuvée par le Conseil d’administration.

Cette frontière est infranchissable et mérite d’être clairement affirmée. La négociation est déterministe et non discrétionnaire. L’émission des signaux en direct et l’exécution des ordres sont assurées par des algorithmes mathématiques, et non par des modèles de langage. L’IA opère au niveau supérieur, dans les tâches d’infrastructure entourant la négociation.

L’efficacité de cette organisation repose sur une base de connaissances pensée pour être appréhendée aussi bien par des machines que par des humains. Les wikis de l’entreprise intègrent des tables de routage guidant l’agent vers le document faisant autorité sur chaque sujet, l’obligation absolue d’étayer chaque réponse par une référence précise de section et la consigne formelle d’indiquer « le wiki ne mentionne pas ce point » plutôt que d’improviser. À cela s’ajoutent des guides opératoires détaillés (playbooks) pour chaque tâche récurrente : formalités de conformité, actualisation mensuelle des performances, vérification des documentations clients et maintenance des référentiels. En conséquence, deux agents — ou un agent et un collaborateur récemment intégré — apportent rigoureusement la même réponse à une même interrogation, issue de la même source vérifiable.

Chaque décision à impact comporte un responsable humain nommément désigné. Aucun acte entraînant un mouvement de fonds, modifiant le profil de risque ou transmis à un client n’est validé sous la seule autorité d’un agent autonome.

Stratégie de négociation

Le Comité d’investissement régit la sélection et la pondération des stratégies, et valide le passage de l’incubation à la production ; toute nouvelle stratégie doit en outre valider son forward gate pré-enregistré et recevoir l’approbation écrite de son concepteur

Limites de risque

Toute modification apportée à une limite de risque codée en dur exige l’accord unanime du Comité d’investissement et sa notification formelle au Conseil

Déploiement en production

Exclusivement par merge request suivant le flux feature → dev → stage → main ; les agents interviennent dans des arbres de travail isolés sans accès direct aux branches protégées ; chaque diff est révisé par un ingénieur humain

Conformité et clients

L’ouverture de compte, la clôture des dossiers AML et les déclarations réglementaires requièrent la validation d’un superviseur humain ; le MLRO approuve par écrit tout usage de l’IA traitant des données KYC/AML

Livrables clients

Toute documentation ou communication destinée à un client est systématiquement vérifiée et visée par un responsable humain avant envoi

Gouvernance d’entreprise

Politique relative à l’IA et aux fournisseurs de données validée par le Conseil, alignée sur les normes ISO/IEC 42001, 23894, 27001, 27701, le cadre NIST AI RMF, l’OWASP LLM Top 10 et l’AI Act européen

C’est également la raison structurelle pour laquelle Algotoria ne prélève aucune commission de gestion (0 % de commission fixe). L’organisation AI-native démultiplie la productivité d’une équipe délibérément resserrée, permettant à la firme de se rémunérer exclusivement sur la performance réalisée.