Une méthode adaptable, jamais automatique
« Votre approche est-elle figée ? » Non, et c’est volontaire. Nous considérons notre méthode comme un cadre évolutif, que nous adaptons à chaque nouveau contexte de double cotation. Le point de départ reste le même : une question de marché concrète, formulée avec vos équipes. À partir de là, nous ajustons le périmètre de données, les fenêtres temporelles, les indicateurs d’écart de prix et les tests de robustesse. Lorsque nous identifions des limites fortes – données manquantes, changements de régime, événements exceptionnels – nous les mettons en avant au lieu de les dissimuler. Cette transparence permet à vos comités internes de mieux évaluer ce que les graphiques montrent, mais aussi ce qu’ils ne peuvent pas montrer. Nous assumons l’idée qu’aucun modèle ne capture entièrement la complexité des marchés. L’IA nous aide à explorer plus vite et plus loin, mais la décision d’interpréter ou non un signal reste entre vos mains. Nos travaux ont donc une vocation essentiellement informative, orientée vers la compréhension des dynamiques observées, et non vers la promesse d’un résultat déterminé. Past performance doesn't guarantee future results, et nous intégrons cette réalité dans chaque rapport que nous produisons.
Un cas d’usage type
« À quoi ressemble un cas d’usage typique chez vous ? » Imaginons qu’une de vos
équipes s’interroge sur des écarts de prix répétés entre deux lieux de cotation pour
un ensemble limité de titres. Nous commençons par clarifier le périmètre : quels
marchés, quelles périodes, quels événements marquants doivent être pris en compte.
Ensuite, nous constituons un jeu de données propre et comparable, en harmonisant les
horaires de cotation, en tenant compte des volumes et en documentant les choix de
filtrage. L’IA est ensuite utilisée pour détecter des motifs : périodes où les
écarts se creusent, rapprochements rapides après annonces, comportements différents
selon les jours de la semaine ou les phases de marché. Nous ne cherchons pas à en
déduire une marche à suivre, mais à fournir une lecture structurée de ce qui a été
observé. Le livrable prend la forme d’un rapport, pensé pour vos comités marchés,
risques et conformité, avec graphiques, encadrés explicatifs et rappel des
incertitudes. Ces éléments servent de base de discussion, pas de recommandation
personnalisée.
« Quelles sont les limites à garder en tête avant d’utiliser vos analyses ? » Nous préférons les expliciter clairement, pour éviter toute confusion sur la portée de nos travaux.
D’abord, nos analyses dépendent fortement de la qualité et de la disponibilité des données de marché. Des lacunes, des ruptures de séries ou des changements dans les conditions de cotation peuvent affecter les résultats. Lorsque nous identifions ce type de limites, nous les indiquons explicitement dans nos rapports, afin que vos équipes puissent les intégrer à leur lecture des graphiques et des indicateurs d’écart de prix.
Ensuite, l’IA ne remplace pas le jugement humain. Les motifs qu’elle détecte dans les écarts de prix entre doubles cotations sont des signaux à interpréter, pas des instructions. Des événements exceptionnels, des particularités de marché ou des éléments propres à votre organisation peuvent expliquer certains comportements que les modèles ne capturent pas. C’est pour cela que nous encourageons systématiquement un dialogue entre nos analyses et vos équipes métiers.
Enfin, nos travaux portent sur l’observation de comportements passés, dans un cadre donné. Ils ne préjugent pas de ce qui se produira ultérieurement sur les marchés. Past performance doesn't guarantee future results et Results may vary selon les périodes, les lieux de cotation et les jeux de données étudiés. Nos analyses doivent être vues comme des matériaux de réflexion, à manier avec prudence et en complément de vos propres processus de validation interne.
Nous proposons ensuite un parcours d’étude exploratoire, centré sur ce périmètre restreint. Cette phase permet de tester la qualité des données disponibles, d’ajuster les paramètres des modèles IA et de vérifier que les livrables produits répondent bien aux attentes de vos comités. L’idée n’est pas de déployer d’emblée un dispositif massif, mais de valider pas à pas l’utilité réelle de notre approche pour vos équipes.
À l’issue de cette exploration, vous décidez si et comment poursuivre. Certains
choisissent de prolonger l’analyse sur d’autres titres ou d’autres périodes, d’autres
préfèrent conserver les enseignements méthodologiques pour leurs propres travaux
internes. Dans tous les cas, nous rappelons que nos analyses ne constituent pas des
recommandations personnalisées. Past performance doesn't guarantee future results,
et chaque nouvelle période observée peut raconter une histoire différente.
Infos pratiques
« Concrètement, qu’est-ce que vous faites pour nous ? » Cette page sert à
répondre, sans détour, à cette question que nous entendons souvent. Nous
décrivons ici, de manière plus pratique, comment notre équipe utilise l’IA pour
analyser les écarts de prix entre titres à double cotation, et ce que cela peut
apporter à vos débats internes. Notre travail commence toujours par une phase de
cadrage avec vos équipes marchés, risques et conformité, afin de transformer une
intuition sur des écarts de prix en question de recherche précise. Vient ensuite
la préparation des données de marché, étape où nous alignons horaires, lieux de
cotation et caractéristiques des titres pour rendre les comparaisons possibles.
L’IA intervient alors pour explorer ces données, repérer des motifs récurrents
et signaler des écarts persistants, tout en restant dans un cadre explicable et
documenté. Nous terminons par une restitution sous forme de graphiques, de
commentaires rédigés et de notes méthodologiques détaillant les limites de nos
analyses. Past performance doesn't guarantee future results et Results may
vary selon les périodes, les marchés et les paramètres retenus.
Notre démarche en quatre étapes
« Vous pouvez résumer votre façon de travailler en quelques points ? » Nous avons
essayé, en gardant le fil conducteur qui nous guide sur chaque projet d’analyse de
doubles cotations assistée par l’IA.
Comprendre votre question
Avant toute chose, nous cherchons à comprendre pourquoi vos équipes s’intéressent à un cas de double cotation donné. Nous clarifions ensemble les titres concernés, les lieux de cotation, les périodes de tension perçues et les décisions internes que ces analyses doivent éclairer, afin de ne pas produire des résultats déconnectés de vos enjeux.
Préparer des données fiables
Une fois la problématique posée, nous rassemblons et structurons les données de marché pertinentes. Nous harmonisons les horaires, gérons les jours fériés, alignons les devises et documentons les choix de filtrage, pour que les comparaisons d’écarts de prix entre marchés reposent sur une base solide et traçable.
Explorer avec l’IA
L’IA intervient ensuite pour explorer les comportements observés. Nous utilisons des approches explicables pour repérer des motifs d’écarts persistants, des phases de rapprochement ou des changements de régime, tout en testant la sensibilité des résultats à différents paramètres.
Restituer et discuter
Enfin, nous restituons les résultats sous forme de graphiques, de commentaires rédigés et de notes méthodologiques. Chaque signal est présenté comme une hypothèse à discuter, avec ses limites, et non comme une vérité à appliquer. Results may vary selon les marchés et les périodes étudiées.
La première étape consiste souvent à identifier un cas concret qui fait déjà débat en interne : un titre à double cotation dont les écarts de prix interrogent vos équipes, une période de tension marquée ou un changement de contexte réglementaire. À partir de là, nous construisons ensemble une question de recherche ciblée, compatible avec vos contraintes de données et vos priorités opérationnelles.