Inspiration

Une idée tentante (25 % de TSLA) peut contredire le profil de celui qui la formule. Nous voulions un outil qui sache dire « pas comme ça » et le prouver, sans jamais dire quoi acheter : un copilote de cohérence, pas un conseiller.

Que fait-il ?

AlphaForge AI simule une idée sur un portefeuille fictif et la confronte aux règles du profil :

  • un verdict par règle (conforme, tension, conflit, information manquante) et ce qui le ferait changer ;
  • une explication simple ou détaillée, avec les mêmes chiffres, et chaque nombre relié à sa preuve ;
  • une conversation pour poser ses questions, sans conseil, sans ordre et sans prédiction ;
  • une trace complète de chaque étape.

Pour la même idée, Robert est en conflit et Amira en tension. Sans preuve ESG, Mateo reste en « information manquante ».

Comment l'a-t-on construit ?

Un agent agit, le code juge, un agent explique.

  • Code déterministe et testé : calculs, règles, registre de preuves.
  • Agents sur Amazon Bedrock : un analyste avec outils, un explicateur qui n'écrit que des renvois remplacés par les vrais chiffres, et un agent conversationnel.
  • Bedrock Guardrails : sujets refusés et contrôle d'ancrage.
  • Amazon S3 privé pour les traces.
  • Interface Streamlit.
  • Données : prix Yahoo Finance sur cinq ans pour 31 actifs, taux USD/CAD de la Banque du Canada, conversion en dollars canadiens, aucune donnée future.

Défis rencontrés

  • L'agent. L'empêcher d'inventer, borner ses appels et prévoir un repli à chaque panne.
  • Le garde-fou en français. Il laissait passer des ordres et bloquait des questions légitimes. Après plusieurs versions, il classe correctement 17 requêtes sur 19, avec tous les refus attendus.
  • L'ancrage. Avec une source en JSON, des textes fidèles obtenaient de 0,15 à 0,47 ; réécrite en phrases, la même source donne de 0,70 à 0,91. Le score ne vérifie pas les statuts et varie d'un essai à l'autre : nous l'affichons comme un signal, et l'exactitude repose sur le code.
  • Refuser sans bloquer. Les audits de sécurité ont trouvé des reformulations de conseil qui atteignaient l'agent. Nous les avons corrigées sans créer de faux refus.

Accomplissements

  • Aucun chiffre écrit par un modèle.
  • Un outil qui résiste à Robert au lieu de l'approuver.
  • Des verdicts mis à l'épreuve des hypothèses : les seuils sont l'hypothèse qui pèse le plus.
  • Une intégration AWS réelle, et 2 760 tests automatisés.

Qu'a-t-on appris ?

Un agent est plus fiable quand on lui confie le jugement, pas le calcul. Et un indicateur d'ancrage mesure la proximité avec une source, pas la vérité.

Quelle est la suite pour Alphaforage-team-01 ?

  • Un agent conversationnel qui tient une vraie discussion : se souvenir des échanges précédents et du contexte, pour enchaîner les questions sans tout répéter. Aujourd'hui, il traite chaque question séparément, avec pour seul contexte la dernière idée analysée.
  • Des idées à plusieurs actifs : simuler plusieurs actifs en même temps, par exemple trois titres avec leur pourcentage, et voir d'un coup si l'ensemble respecte le profil. Possible dans la conversation comme par les réglages manuels.
  • Des sous-portefeuilles : chacun avec son objectif et son horizon, par exemple la retraite à long terme et un projet à trois ans. Chaque idée serait vérifiée contre les règles du sous-portefeuille concerné.
  • Des preuves ESG sourcées, pour que la règle ESG de Mateo rende un vrai verdict.
  • La mesure de l'agent conversationnel dans le compte AWS.
  • Une capacité de perte déclarée dans les profils, distincte de la tolérance au risque.
  • Un hébergement sur AWS.

Simulation éducative : tout est fictif, aucun conseil ni aucune transaction.

Built With

Share this project:

Updates

Submission history