Origine et méthode de notre IA d’inférence

En coulisses

Quelques moments de mon travail quotidien autour du flux d ordres et de la profondeur de marché

Analyste observant un carnet d ordres dense sur plusieurs écrans avec profondeur de marché détaillée

Réunion entre spécialiste quantitatif et chercheur marché devant visualisations de liquidité agrégée

Travail d équipe

Schéma simplifié montrant pipeline de données du carnet d ordres vers modèles d inférence — Pipeline de données

Je me méfie des récits trop lisses sur l’intelligence artificielle. Derrière chaque visualisation soignée du flux d’ordres, il y a des choix de données, des seuils, des compromis. Sur cette page, j’ouvre un peu le capot de Dorunaveli et de ma manière de travailler.

Quand je parle d’inférence d’intentions institutionnelles, je ne prétends pas lire dans les pensées des acteurs. Je pars d’un constat plus modeste. Les grands ordres laissent des empreintes statistiques dans la profondeur de marché et dans la façon dont la liquidité se présente. En modélisant ces empreintes, je peux proposer des scénarios plausibles sur la manière dont certains types d’acteurs ajustent leur présence. Ce sont des constructions probabilistes, pas des certitudes. Elles aident les équipes de recherche à formuler de meilleures questions sur la dynamique en cours et à replacer les mouvements de prix dans un contexte de flux observé.

Je consacre beaucoup de temps à la qualité de la donnée. Latence, agrégation, annulations rapides, tout cela déforme la vision que l’on a du carnet d’ordres. Avant même de lancer un modèle, je passe par une phase de nettoyage et de caractérisation de ces biais. Cette rigueur n’est pas glamour, mais elle conditionne tout le reste. Un modèle brillant sur une donnée mal comprise raconte une histoire séduisante et fausse. Chez Dorunaveli, je préfère une histoire incomplète mais honnête, avec des marges d’erreur explicitement assumées et discutées.

Enfin, je tiens à rappeler un point essentiel. Les analyses produites avec l’IA chez Dorunaveli servent uniquement à éclairer la recherche et la réflexion sur les marchés. Elles ne constituent pas un conseil personnalisé ni une incitation à agir. Past performance does not guarantee future results et les conditions de marché peuvent changer rapidement. Toute décision reste de la responsabilité des équipes qui l’examinent, en tenant compte de leurs contraintes, de leurs cadres internes et de leur tolérance à l’incertitude. Mon rôle est d’apporter un regard structuré sur le flux d’ordres, pas de trancher à leur place.

Comment je relie modèles, données et décisions humaines

Mon travail consiste à traduire des signaux complexes issus du carnet d ordres en éléments exploitables pour la recherche, tout en rendant visibles les hypothèses et les zones d incertitude.

Je me demande souvent comment expliquer mon travail à quelqu’un qui ne vit pas entouré de carnets d’ordres. La réponse tient en quelques mots. J’essaie de transformer un chaos apparent de flux en récits structurés, utiles pour la recherche sur les marchés.

Au quotidien, je navigue entre plusieurs mondes. Celui des données haute fréquence, celui des modèles d’IA et celui des équipes qui doivent tirer des enseignements concrets de ces analyses. Ces mondes n’ont pas toujours le même langage. Chez Dorunaveli, une grande partie de mon rôle consiste à traduire. Traduire un motif détecté dans la profondeur de marché en une explication claire. Traduire une contrainte opérationnelle en ajustement de modèle. Traduire aussi les limites statistiques en messages compréhensibles pour des décideurs qui n’ont pas le temps de décortiquer chaque paramètre.

Je m’appuie sur une discipline simple. Pour chaque indicateur d’intention institutionnelle proposé, je documente sa logique, ses hypothèses et les contextes où il devient peu fiable. Je teste son comportement sur différents environnements de liquidité et je vérifie qu’il ne se résume pas à un artefact de paramétrage. Cette discipline ne supprime pas l’incertitude, mais elle la rend visible. Elle permet aux équipes de recherche de juger si un signal mérite d’être intégré à leur analyse globale ou s’il doit rester au stade exploratoire.

Je crois enfin que l’IA appliquée au flux d’ordres doit rester modeste. Elle peut aider à mieux comprendre certaines régularités, à repérer des ruptures de régime, à formuler des scénarios. Elle ne peut pas promettre des trajectoires futures ni effacer le risque inhérent aux marchés. Past performance does not guarantee future results et aucune architecture de modèle ne change cette réalité. Chez Dorunaveli, j’assume cette position prudente. Elle est la condition pour que l’outil reste utile, crédible et aligné avec la responsabilité des équipes qui l’utilisent.

Pourquoi je dissèque le flux d ordres

Salle de marché avec écrans montrant carnet d ordres et profondeur

Je suis parti d’une question simple. Pourquoi le flux d’ordres semble parfois raconter une histoire différente des prix quotidiens. Chez Dorunaveli, je décortique cette histoire avec une approche IA centrée sur les intentions probables des acteurs institutionnels, sans chercher à prédire l’avenir ni à fournir de signaux de transaction. Je traite le carnet d’ordres, la profondeur et les flux de liquidité comme une base statistique brute. Je teste des hypothèses, je rejette ce qui ne tient pas, je garde les motifs qui restent robustes dans le temps. L’équipe autour de moi réunit profils quantitatifs, spécialistes de la microstructure et experts de la donnée. Ensemble, nous avons construit un cadre d’inférence qui reste transparent sur ses limites. Les résultats servent à éclairer la recherche de marché, à formuler de meilleures questions et à documenter les régimes de liquidité. Les décisions finales restent toujours du côté des équipes qui utilisent ces analyses. Past performance does not guarantee future results et les modèles peuvent se tromper, surtout lors de régimes extrêmes.

Ce qui guide mes choix méthodologiques chez Dorunaveli

Mon parcours avec l IA d inférence d intentions institutionnelles

Je ne cherche pas à prédire chaque tic de prix. Je cherche à donner aux équipes de recherche un langage plus précis pour décrire ce que le flux d ordres suggère des intentions institutionnelles, sans confondre signal, bruit et contraintes de microstructure.

Je me revois devant un mur d’écrans, surpris de voir un carnet d’ordres dense alors que le prix ne bouge presque pas. C’est ce type de situation qui m’a poussé à bâtir Dorunaveli autour d’une idée simple. Lire la dynamique institutionnelle au delà du graphique de prix.

Je viens d’un univers où l’on juge souvent un modèle à la beauté de ses courbes. Avec l’inférence d’intentions institutionnelles, j’ai appris à valoriser autre chose. La capacité d’un modèle à dire je ne sais pas. Les marchés changent de régime, les flux se déplacent, la liquidité se fragmente. Un système honnête doit admettre ses angles morts. Chez Dorunaveli, je conçois les outils d’IA comme des microscopes de la microstructure, pas comme des oracles. Ils aident à voir des motifs récurrents dans le flux d’ordres, à repérer des comportements agrégés, mais ils restent des instruments d’observation pour la recherche, pas des machines à décider à ma place.

Au fil du temps, j’ai développé une méthode que j’appelle la boucle observation hypothèse friction. Observation, parce que tout part de la donnée brute du carnet d’ordres et de la profondeur. Hypothèse, parce que j’essaie ensuite de formuler une question falsifiable sur les acteurs institutionnels. Friction, enfin, parce que je confronte systématiquement les résultats aux retours d’analystes et aux données historiques pour voir où ça casse. Cette friction volontaire évite de tomber amoureux d’un modèle séduisant mais fragile. Elle garde le projet ancré dans la réalité statistique et opérationnelle.

Je refuse de présenter l’IA comme une solution miracle à la complexité des marchés. Les modèles que je construis peuvent aider à mieux comprendre certains schémas de liquidité et à structurer des scénarios de recherche. Ils ne suppriment ni l’incertitude, ni la responsabilité des équipes qui s’en servent. Past performance does not guarantee future results et aucune inférence ne peut capturer toute la richesse du comportement humain et institutionnel. Ce réalisme est au cœur de Dorunaveli. Il guide la manière dont j’explique les résultats, dont j’expose les hypothèses et dont j’accepte, parfois, de dire simplement je ne sais pas encore.

Comment je structure le travail d analyse chez Dorunaveli

Je passe mes journées à regarder des colonnes de chiffres défiler et à me demander ce que pensent vraiment les grandes mains derrière ces flux. Le décalage entre ce que montrent les prix et ce que suggère la profondeur de marché me fascine. Avec Dorunaveli, j’ai voulu un cadre clair pour analyser ces signaux, sans promesse implicite de gain ni raccourci marketing. Ici, je parle de processus, de limites et de ce que l’IA apporte vraiment à la recherche sur les intentions institutionnelles.

Une question avant le modèle

Je commence toujours par formuler une question précise sur le comportement institutionnel, puis je construis un protocole d’analyse du carnet d’ordres. J’identifie les biais de données, je segmente par horizon temporel et je définis des métriques stables. Ce n’est qu’après cette étape que j’entraîne des modèles, afin d’éviter de confondre bruit, microstructure et signaux récurrents pertinents pour la recherche.

Méthode en trois blocs

Je m’appuie sur une méthode interne en trois blocs. D’abord la cartographie du flux d’ordres, ensuite l’inférence probabiliste d’intentions agrégées, enfin la mise en forme de scénarios narratifs pour les équipes de recherche. Chaque bloc inclut des garde fous statistiques et des revues croisées, pour limiter les conclusions hâtives ou les interprétations trop confiantes.

Une équipe qui contredit

Je travaille avec des analystes quantitatifs, des spécialistes de la donnée temps réel et des profils plus macro. Cette diversité permet de challenger les signaux extraits des modèles. Nous passons du temps à chercher où l’IA se trompe, car ces erreurs en disent souvent plus sur la structure du marché que les cas où tout semble bien fonctionner.

Transparence sur les limites

Je documente systématiquement les hypothèses, les sources de données et les transformations appliquées. Chaque livrable comporte une section limites et zones d incertitude. Je préfère dire franchement quand le modèle est aveugle sur un régime de marché plutôt que de lisser ces angles morts. Results may vary et les analyses ne remplacent jamais un jugement humain éclairé.

Mes repères

Je construis Dorunaveli autour de quelques repères simples. La rigueur statistique, la transparence sur les limites, le respect des utilisateurs et une curiosité constante pour la microstructure des marchés.

Rigueur analytique

Je passe du temps à vérifier la cohérence des données de carnet d’ordres, à tester la stabilité des indicateurs et à documenter les biais. Sans cette discipline, aucune inférence d’intentions institutionnelles ne tient vraiment dans la durée.

Honnêteté méthodologique

Je préfère montrer clairement où un modèle devient fragile plutôt que de lisser ses défauts. Chaque analyse s’accompagne de mises en garde explicites et du rappel que past performance does not guarantee future results.

Respect des utilisateurs

Je conçois les outils d’IA comme des aides à la réflexion des équipes de recherche, pas comme des boîtes noires imposées. Je cherche des formats de restitution qui respectent leur temps, leurs contraintes et leur autonomie de décision.

Curiosité structurée

Je garde une curiosité active pour les changements de microstructure, les nouveaux types de flux et les régimes de liquidité atypiques. Cette curiosité alimente l’évolution des modèles sans courir après chaque mode technologique passagère.

Vos choix de cookies sur Dorunaveli

Je me sers de cookies et de traceurs similaires pour faire fonctionner le site, sécuriser votre navigation et mesurer de manière agrégée comment les pages sur le flux d ordres sont consultées. Vous pouvez accepter, refuser ou personnaliser les cookies non essentiels à tout moment, conformément au RGPD et aux règles françaises.

Cookies strictement nécessaires Obligatoire

Ces traceurs assurent le fonctionnement de base du site, mémorisent vos choix de confidentialité et sécurisent la session. Sans eux, certaines pages sur l IA et le flux d ordres ne fonctionneraient pas correctement.

Mesure d audience analytique

Ces cookies me permettent de mesurer, de façon agrégée, comment vous parcourez les contenus sur la microstructure, afin d améliorer la clarté des explications et l ergonomie des pages.

Mesure marketing limitée

Ces traceurs aident à comprendre quels contenus suscitent le plus d intérêt et comment d éventuelles campagnes sont consultées, sans construire de profil individuel détaillé.