Aller au contenu
Selected work
01 v1.5.0 · paper-trading

Autonomous AI Trading Fund

Hedge fund miniature : 18 agents IA + Risk Engine déterministe

Client
Projet personnel · en développement
Rôle
Architecte & lead engineer
Période
2025 → aujourd'hui
01 CASE STUDY Autonomous AI Trading Fund nyami.fr / work

Visuel de marque — screenshot produit à remplacer.

Stack

Python 3.12 LangChain / LangGraph FastAPI Next.js Supabase Cloudflare PostgreSQL

Lien

Repo privé — case study & démo sur demande.

Contexte

AlphaPilot est un fonds de trading autonome miniature : une architecture multi-agents qui reproduit la structure d’une petite salle de marché — analystes, gestion du risque, exécution, supervision — mais pilotée par des LLM et des règles déterministes plutôt que par des humains.

La V1 opère en paper-trading (ordres simulés, aucun capital réel engagé). L’objet du projet n’est pas de promettre des rendements : c’est de prouver qu’un système agentic peut décider et exécuter sous contrainte de risque stricte, de façon auditable et reproductible.

Défi technique

Les systèmes agentic sont probabilistes ; une salle de marché ne peut pas l’être sur la partie risque. Le défi central : laisser les agents raisonner librement, tout en rendant l’exécution et les garde-fous 100 % déterministes et testables.

  • Empêcher un agent « halluciné » de placer un ordre hors limites.
  • Garantir un arrêt d’urgence instantané (kill switch) qui prime sur toute décision.
  • Rendre chaque décision traçable : quel agent, quel signal, quelle contrainte.

Solution

Séparation nette entre la couche de raisonnement (agents LLM, non déterministe) et la couche d’exécution + risque (code déterministe, entièrement testé). Aucun ordre ne franchit le Risk Engine sans validation.

  Market data ──▶ Analyst agents (LangGraph) ──▶ signals

                              ┌─────────────────────▼─────────────────┐
                              │   RISK ENGINE  (déterministe, 95% cov) │
                              │   limits · exposure · drawdown · veto  │
                              └─────────────────────┬─────────────────┘
                                                    │  (approved only)
                            KILL SWITCH ◀───────────┤

                                          Execution + audit log
  • 18 agents spécialisés orchestrés en graphe (LangGraph), avec état partagé.
  • Risk Engine déterministe : limites d’exposition, drawdown, position sizing — du code pur, couvert à 95 %, qui peut opposer un veto à n’importe quel agent.
  • Kill Switch prioritaire : coupe toute exécution en un appel, indépendamment de l’état des agents.
  • 608 tests (unitaires + intégration) sur la logique de risque et d’exécution.

Résultat

  • v1.5.0 livrée — pipeline complet data → décision → exécution paper → audit.
  • 608 tests, 95 % de couverture sur les chemins critiques.
  • Kill switch et Risk Engine vérifiés : aucun ordre ne contourne les limites.
  • Dashboard Next.js pour observer décisions et P&L simulé en temps réel.

Learnings & trade-offs

  • La frontière déterministe est le produit. La valeur n’est pas dans les agents « intelligents » mais dans la barrière testée qui les contient.
  • Paper-trading d’abord, assumé : pas de backtest gonflé présenté comme du réel.
  • Roadmap V2→V4 : brokers réels en sandbox, attribution de performance, multi-stratégie.