Quant researcher
et développeur.

01À propos

Ingénieur de formation, je fais de la recherche quantitative pour un gérant d'actifs parisien. Mon travail consiste à transformer une intuition de marché en hypothèse testable, puis en stratégie qu'on peut défendre chiffres à l'appui.

Je développe aussi l'outillage qui porte cette recherche, parce qu'une idée qu'on ne peut ni tester vite ni mettre en production ne vaut pas grand-chose. Ce même goût des systèmes fiables me sert en freelance, où j'aide des entreprises à remplacer la saisie et les traitements manuels par des chaînes automatisées et supervisées.

02Recherche quantitative

Concevoir des stratégies, et prouver qu'elles tiennent

Recherche de signaux sur données de marché et données alternatives, sélection de facteurs, construction de portefeuille, mesure et attribution de performance.

Le plus gros du travail porte sur ce qui sépare un résultat réel d'un artefact : protocole de test hors échantillon, contrôle du surapprentissage et du biais de survivance, sensibilité aux coûts de transaction et au régime de marché. Un backtest ne prouve quelque chose que si on a sérieusement cherché à le casser.

python · pandas · numpy · statsmodels · sql · données de marché

03Freelance

Automatisation et intégration d'agents LLM

J'intègre des agents LLM et des workflows automatisés dans des processus métier existants, du cadrage à la mise en production.

• Extraction documentaire

  Des chaînes de traitement qui lisent vos documents, en extraient les champs structurés et les poussent dans vos outils, avec une revue humaine sur les seuls cas douteux. Le collaborateur valide au lieu de saisir.

• Workflows automatisés

  Automatisation de processus répétitifs de bout en bout, avec journalisation, gestion d'erreurs et supervision. Un livrable, pour moi, c'est un système qui tourne en production.

• Marque blanche

  Pour les agences et ESN qui ont plus de demandes entrantes que de capacité : je prends un scope défini, je livre, vous gardez la relation client.

Comment on travaille

1. Cadrage

   Un échange pour délimiter le périmètre, puis une note écrite : ce qui est automatisable, ce qui ne l'est pas, et ce que ça change en temps et en fiabilité. Vous en sortez avec une décision, même si c'est celle de ne rien faire.

2. Pilote

   Un cas d'usage choisi, livré en production sur un périmètre réduit. C'est là qu'on vérifie sur vos vraies données, pas sur une démonstration préparée.

3. Run

   Une fois le pilote tenu, l'extension aux autres cas et le maintien en conditions réelles : supervision, reprise sur erreur, évolutions.

n8n · python · rag · apis de modèles (claude, gpt)

04Projets

Ce que j'ai construit récemment

• Recherche de signaux

  Construction et validation de signaux sur données de marché, du prototype de recherche jusqu'au suivi en production.

  lire →

• Outils de gestion

  Une suite qui unifie positions, performances, indices et actualités derrière une seule couche d'accès, utilisable par une interface web comme par des agents LLM.

  lire →

• Commentaires de gestion automatisés

  Rédaction hebdomadaire et mensuelle, avec une séparation stricte entre l'attribution calculée par du code et la mise en récit par un modèle.

  lire →

• Des données de marché en fond d'écran

  Surface de volatilité implicite et carte de corrélation de l'univers actions, rendues en 4K à partir de données publiques. Libres de téléchargement.

  lire →

• Extraction documentaire

  Chaînes qui lisent des documents, en extraient des champs structurés et ne remontent à l'humain que les cas douteux.

  lire →

• Machines à sous en ligne

  Moteur mathématique de jeux de casino, vérification statistique du taux de retour par simulation, et intégration du rendu web.

  lire →