L’analyse et la décision
Le scanner calcule les indicateurs et sélectionne les candidats. Je fournis au LLM ce contexte structuré, puis je valide sa réponse avant de la transmettre au domaine.
TradePilot · Plateforme d’automatisation · Swing trading crypto
J’ai construit TradePilot pour automatiser le swing trading crypto.
La plateforme analyse le marché des cryptomonnaies, confronte les propositions du LLM aux règles de risque et transmet les décisions validées à Kraken Spot.
Mon rôleConception produit, architecture & développement
TypeScript
Node.js
React
OpenAI API
Kraken API- Codex
TRUST-A
Le contexte
Comment utiliser un LLM pour le trading crypto sans lui déléguer les règles de risque ?
TradePilot est une plateforme d’automatisation du swing trading sur les cryptomonnaies. Le périmètre actuel analyse BTC, ETH et SOL face à l’USDC sur Kraken Spot. Le scanner calcule les indicateurs et sélectionne les candidats avant l’appel au LLM.
Le modèle interprète ce contexte. Le code vérifie ensuite les règles de risque, calcule la taille des positions et peut approuver, redimensionner ou rejeter une proposition. Seules les propositions validées peuvent déclencher un ordre sur Kraken Spot ; le LLM ne dispose pas d’un accès direct au passage d’ordres.
Les ordres sont suivis avec les positions et consignés dans un journal de décision afin de pouvoir comprendre le contexte et les contrôles appliqués.
Mon intervention
J’ai développé les différentes pièces du produit.
Les règles de risque
Le code calcule la taille des positions et contrôle l’exposition, la fraîcheur des données et les limites définies. Il peut approuver, redimensionner ou rejeter la proposition.
Le suivi du produit
Le journal conserve les éléments de chaque décision. Le worker, les notifications Telegram, les rapports et la console opérateur permettent de suivre les ordres et leurs résultats.
Les choix techniques
J’ai prévu les situations où le système doit s’arrêter.
Une donnée trop ancienne, un contexte incomplet ou une réponse invalide doivent pouvoir empêcher la suite du traitement. Les comportements de repli et les reprises sont définis explicitement.
Vérifier les données
La provenance, l’horodatage et la fraîcheur accompagnent les observations de marché.
Valider les sorties du modèle
Les réponses sont structurées et vérifiées. Une erreur du modèle ne crée aucune autorisation d’exécution.
Conserver les preuves
Le contexte, les versions, l’analyse et la décision de risque sont enregistrés pour être examinés ensuite.
Une architecture que je peux
tester et faire évoluer.
J’ai séparé le domaine métier des fournisseurs externes avec une architecture hexagonale. Les données sont normalisées à l’entrée ; le scanner, l’interprétation et le risque gardent chacun leur responsabilité.
- Données de marchéKraken Spot · normalisation · fraîcheur
- ScannerIndicateurs · filtres · candidats
- Interprétation IAOpenAI · contexte structuré · validation
- Domaine / RiskAutorisation · taille · exposition
- Ordres KrakenOrdres autorisés · suivi des positions
Journal des décisions · SQLiteContexte, versions, analyse et résultat de risque sont conservés pour la revue et l’évaluation.
Console opérateur React / Vite · consultationTelegram Notifications · revueRapports Évaluation des résultats
Le domaine reste indépendant des fournisseurs. La console et Telegram consultent ou communiquent les décisions ; ils ne remplacent pas les contrôles de risque.
Technologies et pratiques
Quels outils, pour quelles responsabilités ?
Backend et domaine
- TypeScript
- Node.js
Zod
Monorepo pnpm, worker persistant, contrats partagés et validation des données aux frontières du système.
Console opérateur
- React
Vite
Interface de suivi reliée aux surfaces de lecture du backend. Les règles métier restent dans le domaine.
Données et intégrations
- Kraken API
- OpenAI API
SQLite
Kraken Spot fournit les données de marché et reçoit les ordres autorisés après validation des règles de risque ; OpenAI interprète le contexte structuré. Les décisions sont conservées dans SQLite.
Qualité et déploiement
Vitest
Docker
Tests du domaine et des intégrations, TypeScript strict, vérifications CI et déploiement Railway avec volume persistant.
Ingénierie assistée par IA
- Codex
- TRUST-A
Codex intervient dans le développement, pas dans le moteur de trading en production. TRUST-A est mon cadre de conception et de revue des workflows IA, pas une dépendance d’exécution.
Vous voulez intégrer l’IA dans votre produit ?
Envoyez-moi quelques lignes sur le contexte, l’équipe et le problème à résoudre, on verra rapidement si je peux être utile.
