Pourquoi nous avons créé Mistral Rendecto

Le problème que nous avons rencontré

Le point de départ du projet remonte à décembre 2020. À cette époque, Julien Morel, ingénieur logiciel spécialisé dans les systèmes de données temps réel, travaillait régulièrement avec des flux de prix issus de plusieurs marchés. Claire Delmas, analyste quantitative, étudiait de son côté les relations entre volatilité, momentum, liquidité et changements de régime de marché. Thomas Renaud, designer produit spécialisé dans les interfaces de données complexes, intervenait sur des logiciels destinés à des utilisateurs devant prendre des décisions à partir de grandes quantités d’informations.

Leurs expériences étaient différentes, mais ils rencontraient un problème commun : la difficulté n’était pas toujours d’obtenir les données. La difficulté consistait plutôt à savoir quelles données méritaient réellement l’attention à un instant donné.

Trop de sources, trop peu de contexte

Lorsqu’un mouvement important apparaissait sur Bitcoin, Ethereum ou une paire Forex, il fallait parfois consulter successivement plusieurs écrans pour comprendre le contexte : évolution du prix, volume, volatilité, structure de tendance, corrélations, annonces économiques, activité récente du marché et paramètres de risque.

Pour un utilisateur expérimenté, cette démarche était possible, mais chronophage. Pour un utilisateur moins expérimenté, la quantité d’informations pouvait rapidement produire l’effet inverse de celui recherché : davantage de confusion au lieu d’une meilleure compréhension.

Le problème du market noise

L’équipe a également constaté que de nombreux mouvements de marché généraient une quantité disproportionnée de signaux, d’alertes et de commentaires. Une variation de prix pouvait déclencher simultanément plusieurs indicateurs, alors que ces informations décrivaient parfois le même phénomène sous des angles différents.

L’une des premières questions qui a guidé le projet a donc été : comment réduire le bruit informationnel sans masquer les informations importantes ?

La difficulté du suivi permanent

Les marchés crypto ne ferment pas le soir. Ils ne s’arrêtent ni le week-end ni pendant les jours fériés. Un utilisateur ne peut raisonnablement pas surveiller manuellement chaque évolution du marché en continu.

Cette réalité a conduit l’équipe à s’intéresser très tôt à l’automatisation, non pour supprimer la responsabilité de l’utilisateur, mais pour automatiser des tâches répétitives telles que la surveillance de certains seuils, le regroupement d’informations ou l’identification de changements inhabituels dans les données.

Pourquoi les solutions existantes ne suffisaient pas toujours

Avant de développer leur propre produit, les fondateurs ont étudié plusieurs catégories d’outils : terminaux professionnels, plateformes de graphiques, services d’alertes, systèmes automatisés, agrégateurs de données et applications simplifiées destinées au grand public.

Beaucoup de ces outils répondaient correctement à une partie du problème. L’équipe n’est jamais partie du principe que ces produits étaient mauvais. Le constat était plutôt qu’ils avaient souvent été conçus pour répondre à des usages différents.

Les plateformes centrées sur les graphiques

Les graphiques détaillés étaient utiles pour l’analyse technique, mais ils laissaient souvent à l’utilisateur la responsabilité de relier manuellement l’évolution du prix à d’autres informations comme la volatilité, les variations de volume ou les événements susceptibles d’influencer le marché.

Les services de signaux

Certains services fournissaient des indications synthétiques de type « hausse », « baisse » ou « opportunité détectée ». Le problème observé par l’équipe était l’absence fréquente de contexte. Un signal isolé ne permet pas nécessairement de savoir pourquoi il a été généré, dans quelles conditions il pourrait perdre sa pertinence ou quel niveau de risque l’accompagne.

Les systèmes d’automatisation trop rigides

Les premières solutions d’automatisation testées reposaient souvent sur des règles fixes. Cette approche peut être efficace dans un environnement précis, mais elle devient moins pertinente lorsque la volatilité, la liquidité ou la structure du marché changent rapidement.

Les terminaux professionnels très complexes

Les terminaux avancés proposaient un grand nombre de fonctionnalités, mais leur puissance pouvait également devenir un obstacle. Plusieurs utilisateurs observés lors des premières recherches passaient davantage de temps à configurer leur environnement qu’à analyser réellement les informations dont ils avaient besoin.

L’utilisation de l’IA sans explication suffisante

L’équipe s’est également intéressée aux produits qui présentaient des résultats générés par intelligence artificielle. Une limite lui est apparue rapidement : lorsque l’utilisateur voit uniquement un résultat final sans contexte, il devient difficile de distinguer une aide analytique d’une prédiction supposément certaine.

Ce constat a fortement influencé la philosophie de Mistral Rendecto : l’IA devait aider à structurer l’information, jamais créer l’illusion qu’un marché complexe et incertain pouvait être prédit avec certitude.

Comment l’idée de Mistral Rendecto est apparue

En février 2021, Julien Morel, Claire Delmas et Thomas Renaud ont commencé à organiser des sessions de travail hebdomadaires afin de formaliser leurs observations. Le premier document produit par l’équipe ne contenait ni logo ni stratégie commerciale. Il s’agissait d’une liste de problèmes à résoudre.

Le projet reposait alors sur quatre hypothèses :

• les données de marché devaient être regroupées dans une interface cohérente ;
• les tâches répétitives de surveillance pouvaient être partiellement automatisées ;
• l’intelligence artificielle pouvait aider à classer et contextualiser certains signaux sans remplacer l’analyse humaine ;
• les paramètres de risque devaient être visibles au même moment que les informations de marché.

Le nom Mistral Rendecto a été adopté au printemps 2021, lorsque le projet est passé du stade de recherche à celui de prototype produit.

La société opérationnelle dédiée au développement technologique a été constituée à Lyon le 17 mai 2021. Son activité initiale portait sur le développement de logiciels d’analyse de données financières et d’outils de visualisation. Mistral Rendecto n’a pas été conçu comme une banque, un courtier ou un conseiller financier. Son rôle est celui d’une plateforme technologique d’analyse et d’assistance à la décision.

Les fondateurs

Julien Morel — Cofondateur et directeur de l’ingénierie.
Avant Mistral Rendecto, Julien avait travaillé pendant près de neuf ans sur des infrastructures de données, des API à faible latence et des systèmes de traitement d’événements. Son rôle dans le projet a consisté principalement à concevoir l’architecture capable d’ingérer, normaliser et distribuer des données provenant de plusieurs sources.

Claire Delmas — Cofondatrice et responsable de la recherche quantitative.
Claire avait travaillé dans l’analyse quantitative et la modélisation de données financières. Elle s’est concentrée sur la méthodologie des indicateurs, la classification des conditions de marché, les tests historiques et les limites statistiques des modèles.

Thomas Renaud — Cofondateur et responsable produit et expérience utilisateur.
Thomas venait du design de logiciels professionnels complexes. Son travail a consisté à transformer des informations techniques en interfaces compréhensibles, à organiser les tests utilisateurs et à réduire le nombre d’étapes nécessaires pour passer de l’observation à l’analyse.

Les premières étapes du développement

2021 — Le premier prototype

Le premier prototype de Mistral Rendecto n’avait rien d’une plateforme complète. Il s’agissait d’un tableau de bord interne capable d’afficher des données provenant de plusieurs flux de marché, accompagnées d’une sélection limitée d’indicateurs techniques.

L’objectif principal n’était pas encore l’automatisation. L’équipe cherchait d’abord à vérifier si des données provenant de différentes sources pouvaient être normalisées suffisamment rapidement pour offrir une lecture cohérente.

Les premiers tests ont porté sur des données de prix, de volume, de volatilité et de profondeur de marché pour plusieurs actifs crypto majeurs, ainsi que sur des données Forex et indices destinées à tester la capacité de l’infrastructure à traiter différents formats.

Les premiers problèmes techniques

L’une des premières difficultés concernait la synchronisation. Deux sources pouvaient présenter le même actif avec quelques secondes de décalage ou des conventions de format différentes. Ce qui semblait être un simple problème de connexion à une API s’est rapidement transformé en travail de normalisation, de contrôle des anomalies et de gestion des données manquantes.

Cette phase a enseigné à l’équipe une leçon qui reste importante aujourd’hui : la vitesse d’analyse ne sert à rien si les données sous-jacentes ne sont pas suffisamment fiables.

Les premiers tests UX

À l’automne 2021, un groupe restreint composé de 18 testeurs — développeurs, analystes indépendants et utilisateurs disposant de niveaux d’expérience différents — a commencé à tester l’interface.

L’équipe pensait initialement que la meilleure approche consistait à montrer le maximum d’informations sur un seul écran. Les tests ont démontré l’inverse. Plusieurs utilisateurs trouvaient la première version visuellement dense et avaient du mal à identifier les éléments réellement importants.

Le tableau de bord a donc été simplifié. Les données secondaires ont été déplacées vers des vues détaillées, tandis que la page principale a été reconstruite autour de la situation du marché, des alertes, de la volatilité et des principaux paramètres définis par l’utilisateur.

2022 — La bêta contrôlée

En avril 2022, Mistral Rendecto a ouvert une bêta contrôlée à un groupe plus large d’utilisateurs en France et dans plusieurs marchés européens francophones.

Cette version comprenait une surveillance multi-actifs, des indicateurs techniques configurables, des alertes personnalisables et une première couche d’analyse algorithmique destinée à classer certains changements de marché.

La bêta a révélé plusieurs limites. Les utilisateurs comprenaient correctement les graphiques, mais certains interprétaient les alertes comme des recommandations. L’équipe a donc modifié le langage de l’interface afin de distinguer plus clairement une condition détectée d’une décision de trading.

Comment le produit a évolué

2022 — Repenser la qualité des données

Après les premiers mois de bêta, l’équipe a renforcé le pipeline de données avec des contrôles supplémentaires de cohérence, de latence et de duplication.

Ce qui a changé : davantage de validations ont été ajoutées avant qu’une donnée puisse alimenter certains calculs analytiques.

Pourquoi : une anomalie ponctuelle dans un flux pouvait provoquer une variation artificielle d’un indicateur.

Ce que nous avons appris : il était préférable de retarder légèrement certaines analyses que de présenter rapidement une information insuffisamment vérifiée.

Ce que cela a apporté : des indicateurs plus cohérents et une meilleure stabilité de l’expérience utilisateur.

2023 — Une interface centrée sur les décisions

En 2023, le tableau de bord principal a été entièrement réorganisé. L’ancienne logique reposait sur les catégories d’outils : graphiques, indicateurs, alertes, historique. La nouvelle logique s’est construite autour des questions que l’utilisateur se pose : que se passe-t-il, qu’est-ce qui a changé, pourquoi cela mérite-t-il mon attention et quels paramètres dois-je vérifier ?

Cette évolution a entraîné l’introduction de vues contextuelles associant mouvement de prix, volatilité, indicateurs sélectionnés et historique récent.

2023 — Des alertes plus personnalisables

Les utilisateurs demandaient régulièrement de pouvoir distinguer une alerte importante d’un événement secondaire. Des filtres supplémentaires ont donc été ajoutés pour permettre de définir les actifs suivis, les seuils de volatilité, certains indicateurs et les conditions déclenchant une notification.

L’équipe a appris qu’un système d’alertes efficace n’est pas celui qui envoie le plus de notifications, mais celui qui permet à l’utilisateur de mieux contrôler ce qu’il considère comme important.

2024 — Développement de l’analyse assistée par IA

Les premiers modules d’intelligence artificielle ont été intégrés progressivement à partir de janvier 2024. Leur objectif initial était limité : regrouper certaines situations similaires, détecter des patterns dans de grandes séries de données et présenter les informations sous une forme plus structurée.

Les tests ont rapidement montré que les résultats de modèles devaient être accompagnés d’informations supplémentaires. Un score isolé pouvait être interprété comme une certitude alors qu’il ne représentait qu’une estimation basée sur les données disponibles.

L’équipe a donc ajouté des indications de contexte, des facteurs observés et des messages rappelant que les analyses générées ou assistées par IA ne constituent pas des garanties de comportement futur du marché.

2024 — Introduction d’un environnement de simulation

Plusieurs utilisateurs souhaitaient tester des configurations sans les appliquer immédiatement dans un environnement réel. Une zone de simulation a été développée afin de permettre d’explorer certaines fonctions d’analyse, d’alertes et d’automatisation avec des paramètres expérimentaux.

Cette évolution a confirmé qu’une plateforme d’analyse ne devait pas seulement fournir des fonctions, mais également permettre aux utilisateurs de comprendre leur comportement avant de prendre une décision.

2025 — Des paramètres d’automatisation plus détaillés

Les premières fonctions d’automatisation étaient volontairement limitées. En 2025, elles ont été étendues avec des règles configurables, des seuils, des plages horaires, des conditions d’activation et des mécanismes de suspension.

L’objectif n’était pas d’augmenter le niveau d’autonomie à tout prix. Au contraire, l’équipe souhaitait rendre l’automatisation plus contrôlable.

2025 — Amélioration de l’expérience mobile

L’analyse des usages a montré que de nombreux utilisateurs consultaient la plateforme sur ordinateur mais vérifiaient leurs alertes depuis un smartphone. L’interface mobile a donc été repensée autour de consultations courtes : état du marché, alertes récentes, actifs suivis et paramètres essentiels.

2026 — Une plateforme plus explicable

En 2026, l’un des principaux axes de développement de Mistral Rendecto est l’explicabilité. Lorsqu’une analyse assistée par algorithme met en évidence une situation, l’objectif est de donner davantage de contexte sur les facteurs qui ont contribué au résultat présenté.

Ce que nous avons appris au fil du développement

Plus de données ne signifie pas nécessairement une meilleure analyse

Nos premières interfaces voulaient montrer autant d’informations que possible. L’expérience nous a appris qu’un excès de données peut ralentir la compréhension. Aujourd’hui, nous accordons davantage d’importance à la hiérarchisation : quelles informations sont pertinentes maintenant, lesquelles doivent rester disponibles en détail et lesquelles risquent simplement d’ajouter du bruit ?

L’automatisation doit rester contrôlable

Une automatisation efficace ne signifie pas qu’un utilisateur doit abandonner le contrôle. Les marchés changent, les hypothèses peuvent devenir invalides et une règle pertinente dans un contexte donné peut être inadaptée dans un autre.

C’est pourquoi nous privilégions des paramètres configurables, des limites, des options de suspension et une visibilité claire sur les actions automatisées.

Une sortie d’IA n’est pas une prédiction certaine

Les modèles peuvent détecter des structures difficiles à identifier manuellement, mais ils restent dépendants des données utilisées et des conditions observées. Ils peuvent produire des résultats incorrects, incomplets ou devenir moins pertinents lorsque le marché change de régime.

Nous avons donc progressivement abandonné les formulations trop catégoriques au profit d’une présentation de l’IA comme outil d’aide à l’analyse.

La vitesse ne compense pas une mauvaise donnée

Nous avons rencontré ce problème dès notre premier prototype. Un pipeline rapide ne sert pas à grand-chose si des données incohérentes traversent le système sans contrôle.

Cette expérience explique pourquoi une part importante de notre infrastructure actuelle est consacrée à la validation, à la normalisation et à la surveillance des flux.

Un débutant a besoin de contexte, pas seulement d’un signal

Une indication sans explication peut être mal interprétée. Nous cherchons donc à associer les événements détectés à des éléments de contexte : mouvement récent, volatilité, évolution d’indicateurs sélectionnés et conditions observées.

La gestion du risque doit être visible au moment de la décision

Nous considérions initialement certains outils de risque comme une catégorie séparée du reste de la plateforme. Les tests utilisateurs ont montré que cette séparation n’était pas logique.

Aujourd’hui, nous cherchons à rapprocher l’information sur le marché des paramètres liés au risque, afin que le risque ne soit pas traité comme une réflexion secondaire.

L’interface doit refléter le processus mental de l’utilisateur

Organiser un produit selon la structure de son code ou de sa base de données est relativement simple. Organiser un produit selon la manière dont une personne prend une décision demande beaucoup plus de travail.

Cette distinction a profondément influencé les versions récentes de Mistral Rendecto.

Comment les retours utilisateurs façonnent Mistral Rendecto

Les retours utilisateurs ne sont pas traités comme une liste automatique de fonctionnalités à ajouter. Ils sont regroupés, analysés et comparés avec les données de support, les tests d’utilisabilité et les observations internes du produit.

Les principales sources de retour comprennent :

• les demandes adressées au support ;
• les retours recueillis pendant l’onboarding ;
• les sessions de tests d’utilisabilité ;
• les demandes de fonctionnalités ;
• les tendances d’utilisation analysées sous forme agrégée et anonymisée lorsque cela est approprié ;
• les programmes de bêta-testing ;
• les revues internes menées par les équipes produit, recherche, ingénierie et sécurité.

Exemple : trop d’alertes

En 2023, plusieurs utilisateurs ont signalé qu’une période de forte volatilité pouvait produire trop de notifications. L’équipe a étudié les configurations concernées et constaté que plusieurs règles pouvaient réagir au même événement.

Nous avons ensuite ajouté une logique de regroupement et des contrôles plus précis de priorité. Le but n’était pas de masquer des événements, mais d’éviter que cinq alertes différentes décrivent essentiellement le même mouvement.

Exemple : comprendre les analyses générées

En 2024, des utilisateurs de la bêta ont demandé pourquoi certains scénarios étaient mis en avant par le module d’analyse assistée par IA. Cette question a conduit à l’ajout d’éléments de contexte : variation de volatilité, modification de tendance, changements dans certains indicateurs et niveau d’incertitude.

Exemple : contrôle de l’automatisation

Au début de 2025, les utilisateurs testant certaines fonctions automatisées demandaient davantage de possibilités pour suspendre ou limiter le fonctionnement du système dans des conditions spécifiques.

Nous avons donc travaillé sur des limites plus détaillées, des paramètres d’activation et des mécanismes de pause. Ce changement reflète directement une leçon importante : l’automatisation doit réduire les tâches répétitives sans retirer à l’utilisateur la capacité d’intervenir.

Comment notre approche de l’IA et de l’automatisation a changé

Notre première réflexion sur l’intelligence artificielle était principalement technique : pouvons-nous utiliser des modèles pour analyser plus rapidement des volumes de données difficiles à traiter manuellement ?

Avec l’expérience, la question est devenue plus large : comment utiliser l’IA de manière utile sans donner à ses résultats une autorité qu’ils ne possèdent pas ?

Aujourd’hui, les technologies d’IA intégrées à Mistral Rendecto peuvent contribuer à :

• traiter de grands volumes de données ;
• identifier certaines structures statistiques ou répétitions ;
• classer des conditions de marché ;
• regrouper des informations similaires ;
• signaler des variations inhabituelles ;
• structurer des informations pour accélérer l’analyse humaine.

Mais nous considérons également comme essentiel d’expliquer ce que ces technologies ne font pas.

• L’IA ne peut pas prédire avec certitude l’évolution future d’un actif.
• Un modèle dépend de la qualité et de la pertinence des données qu’il reçoit.
• Des événements exceptionnels peuvent rendre des relations historiques temporairement inutiles.
• Une analyse algorithmique peut être incorrecte.
• L’automatisation n’élimine ni la volatilité ni le risque de perte.
• Aucun système analytique ne peut garantir un résultat financier.

Pour cette raison, nous considérons l’IA comme une technologie d’aide à la décision, et non comme une promesse de profit automatique.

Ce qu’est Mistral Rendecto aujourd’hui

En 2026, Mistral Rendecto est une plateforme technologique consacrée à l’analyse de données de marché, aux outils de surveillance, à l’analyse assistée par IA et à l’automatisation configurable.

Elle s’adresse aux utilisateurs qui souhaitent disposer d’un environnement plus structuré pour suivre les marchés crypto et certaines catégories de marchés financiers sans devoir multiplier inutilement les outils.

Les données analysées

Selon la disponibilité des sources et les configurations proposées, la plateforme peut exploiter notamment :

• les données de prix ;
• les volumes ;
• la volatilité ;
• certaines données de liquidité ;
• des indicateurs techniques ;
• des historiques de marché ;
• des relations statistiques entre plusieurs séries de données.

Les principaux outils

• tableaux de bord multi-actifs ;
• graphiques et indicateurs configurables ;
• alertes personnalisables ;
• analyse de volatilité et de momentum ;
• outils d’analyse assistée par IA ;
• fonctions de surveillance automatisée ;
• environnement de simulation pour tester certains paramètres ;
• outils destinés à intégrer la notion de risque au processus d’analyse.

Ce que l’utilisateur contrôle

L’utilisateur peut sélectionner les marchés suivis, définir des alertes, choisir certains paramètres analytiques, adapter les conditions de surveillance et modifier ou désactiver les fonctions automatisées disponibles.

Mistral Rendecto fournit une infrastructure analytique. Lorsque des services d’exécution, de conservation ou de courtage sont nécessaires, ils relèvent d’acteurs tiers distincts tels que des courtiers ou des plateformes d’échange selon les services utilisés. Mistral Rendecto ne doit pas être confondu avec ces acteurs réglementés.

Les limites du produit

Aucune donnée historique, analyse statistique ou fonctionnalité d’IA ne peut supprimer l’incertitude des marchés. Les résultats présentés par la plateforme doivent être interprétés comme des informations analytiques, non comme une garantie de performance future.

Notre équipe aujourd’hui

Mistral Rendecto est aujourd’hui développé par une équipe multidisciplinaire de 34 personnes réparties principalement entre Lyon, Paris et des postes à distance au sein de l’Union européenne.

L’équipe regroupe des compétences en :

• ingénierie des données ;
• développement backend et frontend ;
• analyse quantitative ;
• machine learning ;
• product management ;
• design d’interfaces ;
• tests logiciels et assurance qualité ;
• cybersécurité ;
• documentation produit ;
• support utilisateur.

Le produit est revu à travers plusieurs perspectives. Une nouvelle fonctionnalité analytique peut, par exemple, nécessiter l’intervention de l’équipe quantitative pour valider sa logique, de l’ingénierie pour évaluer sa stabilité, du produit pour vérifier son utilité, de l’UX pour contrôler sa compréhension et de la qualité pour tester son comportement dans différents scénarios.

Nos objectifs aujourd’hui

Améliorer la qualité des analyses

Nous continuons à travailler sur la qualité des données, la stabilité des calculs et la cohérence des informations présentées. L’objectif n’est pas d’augmenter artificiellement le nombre d’indicateurs, mais d’améliorer la pertinence de ceux qui sont réellement utilisés.

Réduire le bruit informationnel

Une grande partie du travail produit consiste désormais à mieux organiser les informations. Nous cherchons à réduire les répétitions, regrouper les événements similaires et permettre aux utilisateurs de définir plus précisément ce qui mérite leur attention.

Rendre les analyses assistées par IA plus explicables

Nous voulons fournir davantage de contexte sur les facteurs ayant contribué à une analyse générée ou assistée par un modèle. L’objectif est que l’utilisateur puisse comprendre pourquoi une information lui est présentée, plutôt que de simplement recevoir un résultat.

Renforcer les contrôles utilisateurs

Nous travaillons sur des paramètres plus détaillés permettant d’adapter les outils d’automatisation au niveau de contrôle souhaité par chaque utilisateur.

Développer les outils liés au risque

Notre objectif est de faire apparaître plus clairement les notions de volatilité, de perte potentielle, d’exposition et d’incertitude dans le parcours d’analyse.

Améliorer la fiabilité de l’infrastructure

Nous poursuivons le travail sur la disponibilité du service, le traitement des données, la surveillance des anomalies et la résilience de l’infrastructure.

Rendre la plateforme plus facile à comprendre

Chaque nouvelle fonction est évaluée non seulement selon ce qu’elle peut faire, mais également selon la facilité avec laquelle son rôle et ses limites peuvent être compris.

Ce que nous prévoyons d’améliorer

Notre feuille de route ne constitue pas une promesse que toutes les fonctionnalités étudiées seront déployées. Certaines sont encore au stade de recherche, d’expérimentation ou d’évaluation technique.

Davantage de sources de données

Nous étudions l’intégration de sources complémentaires afin d’améliorer le contexte disponible autour de certains marchés. Chaque nouvelle source doit toutefois être évaluée sur sa qualité, sa stabilité et sa pertinence avant intégration.

Des tableaux de bord plus flexibles

Notre roadmap comprend des options supplémentaires de personnalisation permettant de créer des espaces d’analyse adaptés à différents types de stratégies et de niveaux d’expérience.

Des outils d’analyse de portefeuille plus détaillés

Nous évaluons de nouvelles représentations permettant de mieux visualiser l’exposition, les corrélations entre actifs et la concentration de certaines positions.

Des fonctions d’IA plus explicables

L’un des domaines que nous souhaitons améliorer concerne la capacité à présenter plus clairement les facteurs ayant contribué à une classification ou à une analyse algorithmique.

Davantage de paramètres de contrôle du risque

Nous explorons des options supplémentaires permettant à l’utilisateur de définir des limites plus détaillées autour de certaines fonctions automatisées.

De nouvelles ressources pédagogiques

Nous prévoyons d’enrichir les ressources expliquant la volatilité, les indicateurs, les limites des modèles statistiques, le fonctionnement de l’automatisation et les principes fondamentaux de gestion du risque.

Amélioration de l’accessibilité

Nous poursuivons l’évaluation de l’interface afin de renforcer la lisibilité, la navigation au clavier, le contraste et la compatibilité avec différents modes d’utilisation.

Contrôles plus détaillés pour l’automatisation

Nous sommes en train d’étudier des paramètres permettant de mieux définir quand une fonction automatisée doit fonctionner, quand elle doit s’arrêter et dans quelles conditions une intervention manuelle doit être privilégiée.

Sécurité et confidentialité

Notre roadmap inclut la poursuite des améliorations portant sur la gestion des accès, la journalisation des événements, la protection des données et la détection d’activités inhabituelles.

Validation des modèles analytiques

Nous évaluons de nouvelles méthodes permettant de tester plus régulièrement les modèles dans des conditions de marché différentes, notamment lorsque les relations historiques entre variables cessent temporairement de fonctionner comme prévu.

L’expérience est un processus continu

Pour nous, l’expérience de Mistral Rendecto ne se résume pas au fait que le projet a commencé en 2021. Elle se trouve dans les décisions que nous avons dû revoir, les interfaces que nous avons simplifiées, les hypothèses que les tests ont contredites et les fonctions que nous avons modifiées après avoir observé leur utilisation réelle.

Nous avons appris qu’un tableau de bord plus rempli n’est pas nécessairement meilleur. Nous avons appris que l’automatisation doit être accompagnée de contrôles. Nous avons appris que les résultats produits par l’intelligence artificielle ont besoin de contexte. Nous avons appris que la qualité des données précède la sophistication des modèles. Et nous continuons à apprendre à mesure que les marchés, les technologies et les usages évoluent.

C’est cette accumulation de corrections, de tests, de retours et de décisions qui constitue aujourd’hui l’expérience réelle derrière Mistral Rendecto.

Les marchés financiers et les crypto-actifs restent volatils et comportent un risque de perte. Les outils d’analyse, les modèles statistiques, l’intelligence artificielle et l’automatisation peuvent aider à organiser l’information et à exécuter certaines tâches, mais ils ne peuvent pas éliminer l’incertitude ni garantir un résultat financier.

Notre responsabilité en tant qu’équipe produit est donc moins de promettre ce que la technologie ne peut pas garantir que de continuer à améliorer ce qu’elle peut réellement faire : traiter l’information plus efficacement, rendre les outils plus compréhensibles, donner davantage de contrôle à l’utilisateur et expliquer clairement les limites qui accompagnent chaque fonctionnalité.