Agents IA pour l'analyse du marché crypto : modèle Reasoning + Action

Schéma Raisonnement + Action pour agents IA en analyse fondamentale crypto

Les dépôts existants pour l'analyse automatisée des marchés souffrent de failles fondamentales dans la gestion des indicateurs et des actualités. Prenons TauricResearch/TradingAgents : le pipeline récupère des données de Reddit, X, Bloomberg, Reuters et Yahoo Finance. Deux agents débattent — l'un haussier, l'autre baissier — sur un nombre fixe de tours. Le camp avec les arguments les plus solides l'emporte.

Mais en coulisses, des indicateurs bruts comme le RSI et le Stoch RSI sont fournis aux LLM sous forme de texte brut. Les modèles peinent à prioriser : les chaînes de raisonnement sont chaotiques. Exemple :

• RSI signale une survente — hypothèse haussière.
• Pas d'outils pour backtester l'hypothèse.
• Stoch RSI clignote suracheté — on verrouille le signal.

Des poids de priorité codés en dur tuent l'adaptabilité, menant à des pertes. La priorisation dynamique exige 200k tokens pour le backtesting — de 1,20 € (Haiku) à 6 € (Opus). Sans indicateurs, le système est aveugle au bruit des réseaux sociaux : un influenceur avec des faux comptes ou des API coûteuses (200 €/mois pour X).

node-ccxt-backtest déploie 8 agents par thème :

• Équilibre : réserves on-chain, sorties d'exchanges, offre LTH, vagues HODL.
• Flux monétaire : entrées ETF, pression mineurs, stablecoins, OTC.
• Fondamentaux : hashrate, MVRV, NVT, Stock-to-Flow.
• Revenus réseau : frais, Lightning, TVL DeFi.
• Insiders : MicroStrategy, ETF BlackRock, Grayscale GBTC.
• Actualités actifs : régulations, hacks, institutions.
• Macro globale : Fed, CPI, DXY, Fear & Greed, M2.
• Historique prix : volumes anormaux, breakouts.

Le problème ? Il ignore les métriques de portefeuille (drawdown max, ratio de Sharpe) et rate les rebondissements réels : un tweet présidentiel renverse tout instantanément.

Pourquoi les approches statiques échouent

Les deux exemples reposent sur des requêtes rigides aux sources. Les marchés évoluent quotidiennement : l'adaptation est incontournable. Le schéma « Raisonnement + Action » corrige cela : les LLM alternent analyse et chasse aux news. Les agents se focalisent sur les déclencheurs clés, ignorant le bruit.

Implémentation agent : Exemples de signaux avril 2026

L'analyse fondamentale d'avril hurlait VENDRE : négatifs accumulés — Fed maintient taux élevés, DXY fort, sorties ETF BlackRock, hashrate faible, taux de funding à 15 %, indice de peur à 28.

{
  "reasoning": "Tous les rapports mettent en avant des signaux baissiers : 1) macro — Fed garde les taux élevés, dollar fort, données emploi solides → humeur risk-off...",
  "signal": "VENDRE"
}

5 avril — géopolitique (ultimatum Iran) : ATTENDRE. Prix sous MA, RSI 44, peur à 12, mais pas de catalyseur.

8 avril — tweet Trump sur cessez-le-feu : ACHETER. Rallye à 72k $, 425 M$ de liquidations short, volume >2M BTC/heure. Stop-loss 70k $.

9 avril — signaux mixtes (breakout au-dessus 71k $ vs. ventes mineurs, 17 % options put) : ATTENDRE.

Code source des agents

Agent recherche web

import { addAgent } from "agent-swarm-kit";
...
import { str } from "functools-kit";

addAgent({
  agentName: AgentName.WebSearchAgent,
  completion: CompletionName.OllamaTextCompletion,
  keepMessages: Infinity,
  prompt: str.newline(
    "Vous êtes un agent de recherche web dans un essaim de système de trading.",
    "",
    "Votre tâche est de compiler un rapport objectif..."
  ),
  tools: [
    ToolName.WebSearchTool,
  ],
});

Générateur de signaux

import {
  addOutline,
  commitAssistantMessage,
  commitUserMessage,
  dumpOutlineResult,
  execute,
  fork,
  IOutlineHistory,
  IOutlineResult,
} from "agent-swarm-kit";

...

const DISPLAY_NAME_MAP = {
  BTCUSDT: "Bitcoin",
  // ...
};

const SEARCH_PROMPT = str.newline(
  "Vous traquez les déclencheurs sur les événements majeurs...",
  "Niveau 1 — Événements majeurs..."
);

Le code exploite agent-swarm-kit pour un essaim d'agents. Les recherches visent les déclencheurs frais : news brûlantes, hacks, tweets Trump, surprises macro. Sortie JSON avec raisonnement et signal (ACHETER/VENDRE/ATTENDRE).

Points clés

• Le schéma « Raisonnement + Action » assure l'adaptabilité : agents récupèrent news en pleine analyse.
• Focus sur événements majeurs (tweets, géopolitique) prime sur indicateurs statiques.
• Métriques succès : drawdown max, ratio de Sharpe — essentielles pour backtesting.
• Coût : optimisé pour Ollama, évite API chères.
• Objectivité : priorise signaux baissiers, multiplie requêtes.

— Editorial Team