Inspiration

Beaucoup de jeunes commencent à investir à cause d'une vidéo. 30 % des investisseurs canadiens de la génération Z disent que les influenceurs ont beaucoup compté dans leur décision (CFA Institute et FINRA, 2023). Les ACVM et l'OCRI ont publié fin 2025 un avis sur les finfluenceurs. Un conseil peut être faux, ou vrai mais mauvais pour la personne qui le suit. Nous voulions un outil qui répond à ces deux questions séparément, avec des preuves.

What it does

On colle le texte d'un conseil vu sur les réseaux sociaux et on choisit un profil d'investisseur. Cinq agents rendent deux verdicts :

Est-ce qu'il dit vrai ? Chaque chiffre est vérifié dans 5 ans de données de marché (31 placements), et une liste fermée de 8 signaux d'alerte tirés des avis de l'AMF, des ACVM et de l'OCRI est cochée. Est-ce fait pour moi ? Le conseil est appliqué au portefeuille de départ du profil, puis testé contre ses règles (part maximale par titre, volatilité, critères ESG). L'outil calcule la part maximale acceptable. Chaque chiffre du rapport renvoie à une preuve numérotée (E1, E2, …) dans un registre.

Le site présente l'équipe dans un « open space » en pixel art : on clique sur chaque agent pour voir son travail, puis on lit un rapport court ou détaillé.

How we built it

Niamh (IA, Claude Sonnet 5 sur Amazon Bedrock, via Strands Agents) découpe le post en affirmations, chacune avec une citation exacte. Sa sortie est validée par un schéma Pydantic. Walid (Python) contrôle que chaque citation existe vraiment dans le post, puis vérifie les chiffres dans les prix et dividendes (pandas). Il relit aussi l'explication finale. Malek (Python) repère les signaux d'alerte (promesse de gain garanti, urgence, groupe privé, etc.). Manelle (Python) teste le conseil sur le portefeuille et les règles du profil. L'Explicateur (IA, Bedrock) rédige l'explication en langage simple. Il ne peut citer que des chiffres présents dans le registre de preuves, et Walid rejette tout chiffre inventé. Le site est en HTML, CSS et JavaScript sans framework, hébergé sur Vercel. Il rejoue les vrais résultats des agents, donc aucune clé AWS n'est exposée. La vidéo est entièrement générée par le code : voix Amazon Polly, animation en Canvas, musique synthétisée avec numpy, rendu avec Playwright et montage ffmpeg.

Challenges we ran into

Rendre les verdicts stables. Un seul modèle qui juge tout donnait des réponses différentes d'une exécution à l'autre. Nous avons limité l'IA à lire et rédiger, et confié les verdicts au code. Empêcher l'IA d'inventer. Les citations sont vérifiées mot pour mot dans le post, et chaque chiffre de l'explication doit exister dans le registre. Fixer des seuils justes. Par exemple, « exact » veut dire à 1 point ou 15 % près, et « n'a jamais baissé » est faux si la chute dépasse 10 %. Ces choix sont documentés.

Accomplishments that we're proud of

12 verdicts identiques sur 12 au test de stabilité (4 relances par post). Sur les 3 posts de démonstration : 9 affirmations vérifiées (4 exactes, 2 fausses, 3 invérifiables), 16 signaux d'alerte, et aucun des 3 conseils n'était adapté tel quel au profil visé. Exemple : le post d'Amira dit qu'Ether n'a « jamais vraiment chuté ». La chute réelle a été de 78,7 %, et la part maximale acceptable pour son profil est de 2 %, pas 100 %.

What we learned

L'IA est très utile pour lire un texte libre, mais une décision doit être calculée et traçable. Séparer « est-ce vrai » et « est-ce pour moi » rend la réponse plus claire : un conseil exact peut quand même être mauvais pour quelqu'un. La réglementation canadienne (AMF, ACVM, OCRI) donne une base solide et vérifiable pour les signaux d'alerte

What's next for InvestQuest

Analyser des posts réels en direct depuis le site, via une API sécurisée (AWS Lambda et Bedrock). Lire aussi les vidéos (transcription avec Amazon Transcribe). Permettre de créer son propre profil. Élargir l'univers de placements au-delà des 31 du jeu de données.

Built With

Share this project:

Updates

Submission history