Anticiper le stress de change sans perdre la maîtrise du signal
Et si nous pouvions revoir, avec le recul, chaque épisode de crise de change que nous avons traversé en salle de marché, et capturer les signaux faibles qui nous avaient échappé. C’est cette idée simple qui a guidé la création de notre plateforme : fournir aux équipes de recherche et de risque un système d’alerte précoce sur le stress de change, fondé sur des données macro et de transactions haute fréquence, mais présenté dans un langage opérationnel et explicable.
Équipe fondatrice
Quants, risk managers et data scientists
Notre histoire et notre équipe
Nous venons de la finance de marché, avons vécu plusieurs épisodes de stress de change et voulons rendre ces signaux plus lisibles.
-
Finance Expérience pratique en salles de marché et en recherche macro, avec un focus constant sur la liquidité et les régimes de volatilité.
-
Risque Mise en place de cadres de gestion des risques intégrant scénarios extrêmes, backtests et comités de validation indépendants.
-
Données Traitement quotidien de flux macro haute fréquence, données de transactions et indicateurs de liquidité de marché.
-
IA Utilisation pragmatique de modèles d’apprentissage supervisé et non supervisé, avec une forte exigence d’explicabilité.
-
Conformité Alignement systématique avec les attentes des régulateurs en matière de gouvernance des modèles et de traçabilité.
-
Clients Collaboration étroite avec des équipes risques, trésorerie et recherche pour intégrer les signaux dans leurs processus quotidiens.
-
Recherche Programme continu d’expérimentation sur de nouveaux signaux de stress de change et indicateurs de liquidité croisée.
-
Produit Construction incrémentale de la plateforme, guidée par les cas d’usage concrets et les contraintes opérationnelles des clients.
Étapes clés du projet
2018
Constat initial
Naissance du projet lors d’un épisode marqué de tension de liquidité en devises, où nous avons constaté les limites des indicateurs agrégés et des alertes construites manuellement dans les équipes de recherche.
2019
Premiers backtests
Mise en place des premiers prototypes d’agrégation de données macro haute fréquence, de flux de transactions et d’indicateurs de volatilité, avec backtests sur plusieurs épisodes historiques de stress de change.
2021
Pilotes institutionnels
Lancement de pilotes avec des équipes risques et trésorerie pour tester les signaux d’alerte précoce dans leurs routines hebdomadaires, affiner les seuils et définir les règles d’escalade vers les comités.
2022
Première version plateforme
Structuration de la plateforme autour d’un socle de données temps quasi réel, d’un moteur de modèles IA explicables et de tableaux de bord orientés décision pour les responsables risques et recherche.
2023
Cadre de gouvernance
Renforcement de la gouvernance des modèles avec documentation détaillée, processus de revue périodique et capacité de recalibrage conjoint avec les équipes des clients.
2024
Extension couverture
Extension progressive de la couverture devises et amélioration des mécanismes d’alerte, pour intégrer de nouveaux signaux issus des flux macro et des dynamiques de liquidité interbancaire.
Nos engagements structurants
Nous avons connu des épisodes de stress de change où les signaux existaient déjà dans les données, mais restaient noyés dans la complexité opérationnelle. Nos valeurs traduisent cette expérience : mieux vaut des indicateurs sobres, traçables et gouvernés que des promesses spectaculaires difficiles à expliquer devant un comité de risques.
Cadres clairs
Nous concevons les signaux de stress de change pour qu’ils s’intègrent dans des cadres de risque existants, en explicitant les hypothèses, les limites et les conditions d’utilisation afin que chaque institution garde la maîtrise de ses décisions.
Traçabilité complète
Nous documentons les choix méthodologiques, les sources de données et les tests
de robustesse, afin que les équipes de contrôle interne et d’audit puissent
challenger la plateforme en toute transparence.
Protection données
Nous accordons une attention particulière à la disponibilité, à l’intégrité et à la confidentialité des données de marché et des flux opérationnels qui transitent par la plateforme, avec une séparation nette entre environnements de test et de production.
Usage maîtrisé
Nous limitons strictement l’usage des données aux finalités convenues avec
chaque client, et nous privilégions des architectures qui minimisent
l’exposition inutile d’informations sensibles.
Signaux lisibles
Nous privilégions des modèles d’IA dont les signaux peuvent être expliqués avec des facteurs économiques identifiables, plutôt que des approches opaques difficiles à défendre devant un comité de risques ou un superviseur.
Contexte riche
Chaque alerte est accompagnée d’éléments de contexte, de contributions de facteurs et d’historiques, pour permettre une relecture a posteriori des décisions prises.
Sources croisées
Nous combinons données macro haute fréquence, indicateurs de volatilité et
signaux issus des flux de transactions pour réduire la dépendance à une seule
source et tester la cohérence des signaux entre classes d’indicateurs.
Surveillance active
Nous mettons en place des routines de surveillance des modèles afin de détecter les dérives de performance, les changements de régime et les ruptures de relation entre variables explicatives et stress de change.
Co‑construction
Nous co-construisons les cas d’usage avec des praticiens des risques, de la
trésorerie et de la recherche, pour que les signaux produits répondent à des
besoins concrets de comités et de reporting.
Simplicité utile
Nous privilégions des interfaces sobres, centrées sur quelques indicateurs clés
et des comparaisons historiques, plutôt que sur une accumulation de graphiques
peu exploitables.
Processus formels
Nous alignons notre gouvernance des modèles sur les bonnes pratiques reconnues en matière de gestion des risques de marché, avec des processus formalisés de revue, de validation et de documentation.
Ancrage interne
Nous encourageons les clients à intégrer la plateforme dans leurs propres cadres
de politiques risques, en définissant des responsabilités claires pour la revue
des alertes et leur escalade.
Notes de cas
Nous partageons régulièrement des analyses de cas et des notes de recherche sur les épisodes de stress de change, afin d’alimenter la réflexion des équipes et d’affiner ensemble l’interprétation des signaux.
Retour continu
Nous restons ouverts aux retours critiques sur les modèles, en adaptant les indicateurs et les visualisations aux pratiques de chaque maison pour renforcer leur appropriation.
Déploiement progressif
Nous considérons chaque déploiement comme un processus évolutif, avec des étapes claires de pilote, d’ajustement et de généralisation, plutôt qu’un projet ponctuel figé dans le temps.
Revues périodiques
Nous planifions des revues périodiques avec les équipes clientes pour intégrer les leçons tirées des nouveaux épisodes de marché et adapter les seuils d’alerte.
Une équipe tournée vers les risques de change, pas vers les effets de mode IA
Responsable recherche quantitative marchés
Lead quant et architecte des indicateurs
Basé à Paris, collaboration européenne
Responsable de la conception des signaux de stress de change, il combine expérience en modèles de volatilité, en indicateurs de liquidité et en analyse des flux macro haute fréquence pour créer des indicateurs robustes et interprétables.
Domaines d’expertise clés
Modélisation de volatilité devises
Indicateurs de liquidité croisée
Backtesting et validation modèles
Directrice déploiement et relation clients
Direction projets et accompagnement opérationnel
Basée à Paris, projets internationaux
Elle pilote l’intégration de la plateforme dans les environnements des clients, en travaillant avec les équipes risques, trésorerie et IT pour définir les flux de données, les règles d’alerte et les tableaux de bord adaptés aux comités.
Accompagnement et gouvernance
Implémentation en environnement bancaire
Conception de tableaux de bord risques
Gouvernance des modèles IA
Responsable science des données marchés
Data scientist senior et ingénierie IA
Basé à Lyon, travail en mode distribué
Spécialiste de l’apprentissage automatique appliqué aux séries temporelles financières, il conçoit les pipelines de données haute fréquence, les modèles et les outils d’explicabilité permettant aux équipes risques de challenger les signaux.
Compétences techniques principales
Apprentissage automatique temps réel
Ingénierie de données haute fréquence
Outils d’explicabilité des modèles
Distinctions et programmes
Reconnaissances obtenues pour notre travail à l’intersection des données, de l’IA et de la gestion prudente du risque de change.
Cohorte innovation risque de marché
Sélectionnée au sein d’un programme d’accélération spécialisé en technologies pour les marchés financiers, notre équipe a été reconnue pour son approche prudente de l’IA appliquée au stress de change.
2023
Programme fintech européen
Prix visualisation des risques
Reconnaissance par un jury d’experts risques pour la clarté des tableaux de bord d’alerte précoce et la transparence des explications de signaux.
2021
Mention spéciale recherche appliquée
Mention dans un concours de recherche appliquée récompensant l’usage de données macro haute fréquence pour anticiper les tensions de liquidité en devises.
2020
Référence innovation gestion des risques
Référence dans un rapport sectoriel sur l’innovation en risk management pour la gouvernance des modèles et la documentation méthodologique détaillée.
2024