Investment Guardian — Comprendre les risques derrière les rendements (Équipe 57)

Inspiration et problématique

Un portefeuille peut afficher un excellent rendement historique tout en présentant des risques importants pour son propriétaire.

C'est ce constat qui m'a inspiré à développer Investment Guardian pour le Datathon AlphaForge AI 2026.

Mon objectif était de concevoir une application qui ne se contente pas d'afficher des performances financières, mais qui aide à comprendre si les risques d'un portefeuille sont cohérents avec les objectifs, l'horizon et les préférences d'un investisseur.

Je voulais également aller au-delà d'un chatbot traditionnel : créer un véritable agent IA capable de choisir ses outils, d'obtenir des résultats calculés et d'expliquer ses conclusions de manière vérifiable.

La solution

Investment Guardian est une application web interactive développée avec Streamlit. Elle permet d'explorer des portefeuilles fictifs à travers trois profils d'investisseurs :

  • Robert : proche de la retraite, il souhaite préserver son capital malgré son intérêt pour certaines actions très médiatisées.
  • Mateo : il recherche un équilibre entre rendement et risque, tout en accordant de l'importance aux critères environnementaux et sociaux.
  • Amira : elle accepte une volatilité plus élevée pour rechercher une croissance à long terme, sans négliger la diversification.

L'utilisateur peut comparer deux portefeuilles prédéfinis ou personnaliser la composition et les pondérations à partir des actifs disponibles.

Analyse financière et Guardian Check

Un moteur Python calcule notamment le rendement historique, la volatilité annualisée, le drawdown maximal, la concentration et le nombre effectif de positions.

J'ai également développé le Guardian Check, un mécanisme qui confronte ces mesures aux contraintes du profil sélectionné et classe les résultats en Conforme, Attention ou Conflit.

Par exemple, le portefeuille A de Robert affiche un rendement historique cumulé d'environ 180,9 %, mais également une volatilité annualisée de 22,3 %, une baisse historique maximale de 36,1 % et une position de 40 % dans Nvidia. Le Guardian Check y identifie cinq conflits avec les repères pédagogiques de son profil.

Cet exemple illustre l'idée centrale d'Investment Guardian : un rendement élevé ne suffit pas à déterminer si un portefeuille est approprié à une situation donnée.

Analyse ESG

Investment Guardian propose également une analyse ESG distincte des mesures de risque financier.

Le système confronte les entreprises détenues aux informations documentées dans ses sources ESG, en tenant compte des préférences déclarées de l'investisseur.

Il distingue explicitement une controverse documentée, une absence de correspondance et une information insuffisante. Les limites de couverture, notamment l'absence de données sur les titres sous-jacents de certains FNB, sont affichées.

Ce qui rend Investment Guardian agentique

Le cœur du projet est un agent développé avec Strands Agents, utilisant Claude Haiku 4.5 sur Amazon Bedrock.

Lorsqu'un utilisateur pose une question, le modèle choisit lui-même les outils nécessaires à son analyse. Il peut notamment :

  • consulter le profil de l'investisseur ;
  • évaluer les métriques d'un portefeuille ;
  • exécuter le Guardian Check ;
  • comparer les portefeuilles A et B ;
  • examiner les préférences ESG.

Les calculs restent effectués par Python. Le modèle n'est pas chargé d'inventer les chiffres : il sélectionne les outils, exploite leurs résultats et formule une explication accessible.

L'application affiche les faits vérifiés séparément du texte généré par l'IA. Les appels aux outils sont également tracés, avec leurs arguments, leurs identifiants et leurs statuts d'exécution.

Cette séparation entre décision de l'agent, calcul déterministe et explication vérifiable constitue l'élément central de mon approche.

Comment j'ai construit le projet

J'ai développé Investment Guardian en Python avec les technologies suivantes :

  • Streamlit pour l'interface web et la navigation ;
  • Plotly pour les graphiques financiers interactifs ;
  • Python pour le traitement des séries de prix et les calculs ;
  • Strands Agents pour l'orchestration autonome des appels d'outils ;
  • Amazon Bedrock et Claude Haiku 4.5 pour l'interprétation en langage naturel ;
  • GitHub pour le code source, les tests et la documentation ;
  • Streamlit Community Cloud pour rendre le prototype accessible publiquement.

L'application utilise les données historiques du jeu fourni dans le cadre du Datathon, notamment les prix ajustés et les taux de change USD/CAD, avec une période allant du 12 novembre 2021 au 12 novembre 2026.

Défis rencontrés et apprentissages

L'un des principaux défis a été de construire un véritable comportement agentique, plutôt qu'une application qui effectue tous les calculs avant de demander à l'IA de les reformuler.

J'ai donc travaillé à permettre au modèle de sélectionner et d'appeler effectivement ses outils, tout en conservant des traces permettant de vérifier les opérations réalisées.

Un deuxième défi a été la fiabilité des explications. Même lorsque les calculs sont exacts, un modèle de langage peut tirer une conclusion trop catégorique. J'ai donc séparé les résultats structurés du moteur financier de l'interprétation générée et ajouté des mécanismes de validation.

Enfin, j'ai accordé une attention particulière à l'expérience utilisateur pour rendre les notions de volatilité, drawdown, concentration et préférences ESG compréhensibles pour un public non technique.

Ces travaux m'ont appris que l'utilisation de l'IA en finance exige autant de rigueur dans la provenance et les limites des résultats que dans leur présentation.

Limites et perspectives

Investment Guardian est un prototype éducatif de simulation, pas un conseiller financier.

Il n'exécute aucune transaction réelle, ne garantit aucun rendement futur et n'utilise aucun compte bancaire réel.

Les résultats dépendent de la période historique, des données disponibles et des hypothèses du modèle financier. Les seuils du Guardian Check sont pédagogiques, la couverture ESG est partielle et les explications générées par l'IA peuvent comporter des imprécisions.

Les prochaines améliorations possibles incluent une couverture ESG plus étendue, une meilleure transparence sur la composition interne des FNB et un accès Bedrock durable pour le déploiement public.

Conclusion

Avec Investment Guardian, j'ai voulu démontrer qu'un agent IA peut apporter une réelle valeur à l'analyse de portefeuille lorsqu'il est associé à des calculs fiables, à des contraintes propres à l'investisseur et à des explications dont on peut vérifier les fondements.

L'objectif n'est pas seulement de produire une réponse, mais de permettre à l'utilisateur de comprendre pourquoi cette réponse a été formulée.

Application : https://investment-guardian.streamlit.app/

Code source : https://github.com/Wylliam7/InvestmentGuardian

Built With

Share this project:

Updates

Submission history