Aller au contenu
← Tous les articles
Présentation du projet

Suivre l’actualité financière avec AINewsTracker

Écouter en version balado

De l'actualité financière aux données testables · 2:33 · voix synthétiques, script rédigé avec l’IA

Transcription

Sylvie : Une nouvelle tombe, et quelques minutes plus tard elle est reprise partout. Comment transformer ce flux sans fin en quelque chose qu'on peut chercher, comparer aux données de marché et tester ?

Thierry : Ça ressemble à boire à un tuyau d'incendie. C'est le but du projet ?

Sylvie : Oui. AINewsTracker, c'est un service FastAPI d'Antoine qui transforme les actualités financières en données consultables, analysables et comparables aux prix.

Thierry : Concrètement, que se passe-t-il quand une requête arrive ?

Sylvie : Imagine une chaîne de montage à quatre postes. La requête arrive sur la route des actualités et lance une collecte. Le service d'actualités récupère le flux et crée des articles. Un service de mesures analyse le texte. Puis un dépôt enregistre le résultat dans MongoDB.

Thierry : Quatre postes, un rôle chacun.

Sylvie : C'est ce qui garde le tout propre. Les routes parlent HTTP, les modèles décrivent les données, les services font le travail, et les dépôts isolent l'accès à la base. Redis s'occupe du cache.

Thierry : Et un article stocké, il contient quoi ?

Sylvie : Son URL, sa date de publication et son texte, avec les champs d'analyse. La documentation relie quatre objets : une source d'actualités, ses articles, les commentaires d'un article et les entreprises. La source porte la langue et le pays. Le symbole boursier relie les mentions d'une entreprise, même quand son nom s'écrit de plusieurs façons.

Thierry : Et l'analyse de texte ?

Sylvie : La documentation décrit un sentiment avec son score, des symboles boursiers détectés, un résumé et des sujets. Chaque champ répond à une question : de quelle entreprise parle-t-on, que dit l'article, et comment est-il écrit ?

Thierry : Ensuite vient le côté stratégie.

Sylvie : Oui. Une route de stratégie transmet les demandes de backtest à un module de négociation. Les étiquettes deviennent les entrées d'une expérience : on choisit une période, on donne à la stratégie les nouvelles disponibles à ce moment-là, et on lit ce qu'elle rapporte.

Thierry : Donc la source reste attachée à chaque étape.

Sylvie : C'est le point fort. Un sentiment remonte à son article et à son éditeur, et la date dit quand l'information était connue. Chaque étape se vérifie facilement.

Thierry : Qu'est-ce qu'on retient ?

Sylvie : Qu'on peut construire un chemin net, du flux brut à l'expérience historique, où chaque pièce a un seul rôle. L'article complet a le schéma d'architecture, avec un lien vers le fichier source de chaque boîte.

AINewsTracker
Table des matières

AINewsTracker transforme les actualités financières en données consultables, analysables et comparables aux données de marché.

Le projet est un service FastAPI avec des routes distinctes pour les actualités, les articles, les entreprises, les utilisateurs, l’amorçage des données et les stratégies de négociation. Les routes reçoivent les requêtes HTTP; les services et les dépôts prennent en charge l’analyse et le stockage.

1. Du flux à l’article

Une requête lance la collecte. Le service d’actualités récupère le contenu des flux et crée les articles. Le service de mesures analyse le texte, puis le dépôt d’articles enregistre le résultat dans MongoDB.

ResponsabilitéFichier source
Recevoir la requêteapp/routers/news.py
Collecter les actualitésapp/core/services/news.py
Analyser le texteapp/core/services/metrics.py
Stocker les articlesapp/core/repo/article.py
Traitement des articles dans AINewsTracker

AlgoETS. (2026, 5 novembre). Article processing flow. AINewsTracker repository, docs/diagrams/out/article_processing_flow.svg.

Diagramme de traitement original[1].

Les routes définissent l’interface HTTP, les modèles décrivent les données, les services traitent les actualités et les dépôts isolent l’accès à la base. app/main.py configure aussi le cache Redis.

2. Garder la source avec l’analyse

L’aperçu des données[2] relie quatre objets : une source produit des articles, les commentaires appartiennent à un article et les entreprises identifient les sociétés mentionnées. La source porte notamment la langue et le pays. L’article conserve son URL, sa date et son texte avec les champs d’analyse.

Cette séparation facilite la vérification. On peut remonter d’un sentiment à l’article et à son éditeur. Le symbole boursier permet de rapprocher les mentions d’une entreprise sans traiter chaque variante de son nom comme une société différente.

3. Les résultats de l’analyse de texte

La documentation illustre un sentiment et son score, des symboles boursiers détectés, un résumé et des sujets. Ces champs répondent à des questions différentes : de quelle entreprise parle-t-on, que dit l’article et comment son texte est-il classé ? Les exemples expliquent le modèle, tandis que les classes Pydantic définissent les champs réels.

Je comparerais ces résultats au texte original avant de les utiliser dans une stratégie. Un résumé peut omettre une condition. La mention d’une entreprise ne suffit pas à établir un événement exploitable en bourse. L’URL et la date doivent donc rester accessibles pendant la vérification.

4. Analyse et backtesting

La documentation décrit l’analyse de sentiment, la classification par sujet, l’attribution de tickers et le résumé d’articles. La route de stratégie transmet les demandes de backtest à app/core/trading/strategy.py.

Ces étiquettes restent des données d’entrée pour une expérience. Elles ne prouvent pas qu’une actualité a causé un mouvement de marché, et un backtest historique ne garantit pas les résultats futurs.

Pour examiner une expérience, je distingue les étapes suivantes :

ÉtapeÉléments à vérifier
CollecteÉditeur, URL, date de publication et texte récupéré
Analyse du texteEntreprises détectées, étiquettes et résumé comparés à l’article
Entrée de stratégieObservations disponibles au moment testé
Résultat du backtestPériode, hypothèses et résultat annoncé par la stratégie

Cette grille décrit la façon dont j’évaluerais une expérience construite sur le service. Elle ne présente aucune mesure de précision prédictive ou de rendement.

5. Lire l’architecture

Le GitDiagram complet montre l’enregistrement des routes, les modèles, les dépôts, les scripts d’amorçage, MongoDB, Redis et la branche de stratégie. Chaque nœud renvoie à son fichier source.

Références

  1. AlgoETS. (). Diagramme de traitement original. [Source file or documentation] github.com.
  2. aperçu des données. (). [Web page] algoets.github.io.
  3. GitDiagram interactif. (). [Web page] gitdiagram.com.
  4. AlgoETS. (). AINewsTracker. [Software repository] github.com.
  5. Documentation publiée. (). [Web page] algoets.github.io.

Les références utilisent la date de publication de cet article.