Petr Tripolsky présente sur Habr un agent IA d'analyse des actualités et des signaux Bitcoin

Petr Tripolsky a publié sur Habr le schéma d'un agent IA pour l'analyse des actualités du marché des cryptomonnaies. Dans son article, il explique pourquoi les solutions GitHub populaires pour les signaux de trading se brisent face à des événements réels, et présente un schéma plus pratique : l'agent cherche d'abord les déclencheurs récents du marché, puis seulement ensuite émet un signal court, BUY, SELL ou WAIT.

Où les alternatives échouent

L'auteur commence par critiquer deux approches populaires. La première : des essaims d'agents qui débattent entre eux à partir d'indicateurs bruts comme le RSI, le Stoch RSI et d'autres métriques. Sur le papier, c'est convaincant : un agent plaide pour la hausse, un autre pour la baisse, et l'utilisateur choisit le nombre de tours de débat. Mais dans la réalité, écrit Tripolsky, le modèle s'accroche souvent au premier signal venu et bâtit une explication autour de lui, en ignorant les données contradictoires. Le système ressemble alors davantage à une belle simulation d'analyse qu'à un véritable outil d'aide à la décision.

La seconde approche paraît plus solide : plusieurs agents se partagent des thèmes fondamentaux — flux des ETF, réserves on-chain, hashrate, actions des gros détenteurs, macroéconomie et prix. Le problème, c'est que cette analyse est trop statique. Elle peut servir pour une vue d'ensemble du mois, mais réagit mal aux chocs soudains du marché, quand le prix n'est pas mû par un équilibre d'indicateurs mais par un seul événement brutal à une heure précise. C'est précisément là, selon l'auteur, que le marché a le temps de partir dans une tout autre direction.

Une nouvelle logique de recherche

Au lieu d'un débat entre agents abstraits, l'auteur propose un schéma fondé sur le patron « raisonnement + action ». L'idée est que le modèle ne doit pas rester enfermé dans un ensemble de métriques chargé à l'avance. Entre deux étapes de raisonnement, il doit pouvoir relancer des recherches de faits sur internet et préciser ce qui s'est exactement passé ces dernières heures. L'agent ne commente donc pas le marché en général : il réagit à un contexte précis de date et de moment. C'est une tentative de rendre la requête au monde adaptative plutôt que ponctuelle.

« Les événements aigus l'emportent sur l'analyse retardée ».

Dans le code de recherche web publié, l'agent se voit imposer des règles strictes : ne pas regarder dans le futur, ne pas utiliser de contenus sans date claire et ne pas recopier l'opinion d'un seul article comme conclusion toute faite. En substance, l'agent fonctionne comme un rédacteur rapide d'une revue de marché, qui doit réunir plusieurs confirmations avant de livrer un signal. Pour cela, on lui demande de lancer plusieurs requêtes et de recouper le tableau avec des publications indépendantes.

• Cherche les dernières nouvelles sur l'actif sur les 4–12 dernières heures
• Vérifie les actions réglementaires, les piratages de plateformes et les suspensions de retraits
• Surveille les surprises macro comme une décision de la Fed ou la publication du CPI
• Examine les volumes anormaux et les causes des mouvements brusques du prix
• Si le tableau est contradictoire, choisit WAIT plutôt qu'une prévision forcée

L'auteur formalise aussi le format de sortie. Le modèle doit renvoyer non pas une longue analyse, mais l'une des trois actions et une courte explication des événements qui y ont conduit. Le système se rapproche ainsi moins de l'essai analytique que de l'outil opérationnel, que l'on peut brancher à un backtest ou à une boucle de trading. Ce format est particulièrement pratique quand le signal doit ensuite être vérifié automatiquement sur l'historique ou transmis à la logique de trading.

Test sur le marché

Pour la démonstration, Tripolsky a fait tourner l'agent sur les actualités du Bitcoin d'avril 2026. Sur un horizon long, l'analyse fondamentale générale paraissait baissière : taux élevés, volumes faibles, pression des mineurs et flux institutionnels ambigus poussaient le modèle vers un signal SELL. Mais l'article montre ensuite pourquoi ce seul cadre ne suffit pas. Le tableau mensuel et la décision pour les prochaines heures sont des tâches différentes. C'est cet écart que l'auteur cherche à combler avec l'agent d'actualités.

Le 5 avril 2026, l'agent a repéré la montée des tensions géopolitiques après l'ultimatum des États-Unis à l'Iran, mais n'a pas trouvé de catalyseur assez net et univoque pour entrer. Résultat : WAIT. Le 8 avril 2026, après l'annonce d'une trêve de deux semaines avec l'Iran, le système a enregistré un brusque bond du Bitcoin à 72 000 dollars, la liquidation d'environ 425 millions de dollars de positions courtes et un pic de volume — et a émis BUY. Puis, le 9 avril 2026, le signal est repassé à WAIT : l'élan haussier s'est heurté à la pression des mineurs, aux options et à de nouveaux risques, et le modèle a choisi la prudence.

Ce passage est l'idée centrale de tout l'article. L'auteur ne promet pas un « oracle intelligent » qui devine toujours le marché. Il montre au contraire une mécanique plus disciplinée : d'abord isoler l'événement aigu, ensuite vérifier les confirmations, et seulement après décider s'il existe une raison de passer un ordre. Pour les agents IA en finance, cela compte davantage que de beaux raisonnements sur les fondamentaux, car l'erreur ne vient pas ici d'un manque de données, mais d'un mauvais ordre de traitement.

Ce que cela signifie

L'article de Habr n'offre pas un graal du trading clé en main, mais un schéma utile pour les agents IA d'actualités. L'idée clé est simple : sur un marché qui évolue vite, le modèle doit savoir redécouvrir le contexte par date, reconnaître l'incertitude et choisir plus souvent WAIT quand les faits récents sont insuffisants. Cette approche peut servir au-delà des cryptomonnaies, dans tout système où la décision dépend des nouvelles des dernières heures et minutes.