La plupart des analyses d'IA financière évaluent l'opportunité.
Celui-ci audite la personne qui prend la décision.
C'était l'idée derrière le Decision Integrity Engine que j'ai construit pour les #BuildWithYou 01 : Finance Prompts.
Le problème intéressant n'est pas toujours de savoir si un actif paraît attrayant.
Parfois, le problème principal est la personne qui prend la décision.
Un trader peut avoir une thèse raisonnable tout en agissant par FOMO.
Ils peuvent avoir des preuves solides et pourtant enfreindre leurs propres règles de risque.
Ils peuvent croire qu'ils prennent une décision à long terme alors que leur comportement est en réalité dicté par une perte à court terme.
Et un système d’IA qui ne fait que rechercher l’actif pourrait ne jamais remarquer cette contradiction.
C’est ce que je voulais enquêter.
L’inversion centrale
Au lieu de demander :
« À quoi ressemble le marché ? »
le moteur demande :
« Le processus de décision est-il cohérent en interne ? »
Il sépare quatre éléments souvent mélangés accidentellement :
CROYANCE
Ce que la personne croyait déjà avant de nouvelles recherches.
COMPORTEMENT
Comment l’histoire personnelle, les émotions, les incitations et les tendances peuvent influencer la décision.
RISQUE
Les limites que la personne elle-même a établies avant de prendre la décision.
PREUVE
De nouvelles informations, recherchées indépendamment, recueillies après que la thèse initiale a été capturée.
Cette séparation est cruciale.
Croyance ≠ Preuve
Le moteur préserve d’abord la thèse initiale de l’utilisateur.
Il ne la réécrit pas, ne la renforce pas, ne l’affaiblit pas et ne la réinterprète pas pendant la collecte.
Ce n’est qu’après avoir capturé la croyance que le système examine des preuves externes.
Cela signifie qu’il peut ensuite montrer :
Ce que je croyais → comment je me comportais → ce que mes règles de risque exigeaient → ce que les preuves montraient réellement → où ces éléments s’accordaient ou s’opposaient.
L’IA n’a pas le droit de réécrire discrètement le raisonnement initial après avoir découvert de nouvelles informations.
L’architecture en six étapes
Le moteur suit une séquence délibérée :
1. Collecte de la décision
Capturer l’actif, l’action prévue, la taille de position, l’horizon temporel, le contexte de décision et la thèse de l’utilisateur dans ses propres mots.
2. Audit du décideur
Examiner des facteurs comportementaux pertinents tels que la FOMO, la motivation de vengeance, le manque de recul (surconfiance), l’urgence, la recherche de confirmation, ou des tendances à poursuivre ou abandonner des règles de risque.
Mais seulement lorsqu’elles sont étayées par les réponses de l’utilisateur.
Aucune psychologie inventée. Aucun diagnostic.
3. Limite de risque personnelle
L’utilisateur définit ses propres règles.
Risque maximal.
Taille de position.
Exigences risque/rendement.
Règles de stop-loss.
Limites de levier.
Conditions d’évitement.
S’il n’existe aucune règle, le moteur dit :
Aucune règle préexistante fournie.
Il n’invente pas une limite « sûre ».
4. Preuves externes
Ce n’est qu’à présent que le moteur examine des preuves actuelles et crédibles pertinentes pour la décision.
Il sépare :
Des preuves qui soutiennent la thèse initiale
de
Des preuves contredisant la thèse initiale.
Des inconnues matérielles et la confiance accordée aux preuves sont également enregistrées.
5. Réconciliation
Les quatre piliers sont comparés sans être fondus en un seul jugement.
Le système recherche des contradictions, telles que :
Une thèse à long terme mise en œuvre par une vengeance à court terme.
Une position proposée qui viole la limite de risque de l’utilisateur lui-même.
Des preuves externes contredisant matériellement la thèse initiale.
Une thèse raisonnable sapée par un comportement de décision fragile.
Des preuves insuffisantes pour réconcilier de manière significative la décision.
6. Rapport d’intégrité de la décision
Le moteur produit un rapport structuré montrant la thèse initiale, les constats comportementaux, les constats liés à la limite de risque, les preuves qui soutiennent et contredisent, les inconnues matérielles, les conflits clés, ainsi que les conditions qui invalideraient logiquement la décision.
Le statut final n’est pas « Acheter » ou « Vendre »
C’est probablement la partie la plus importante.
Le moteur peut attribuer l’un des quatre statuts de processus décisionnel :
COHÉRENT
Aucune contradiction matérielle non résolue n’est détectée.
DÉSALIGNÉ
Des contradictions significatives existent entre la croyance, le comportement, le risque ou les preuves.
FRAGILE
Le processus dépend de preuves faibles, d’une incertitude substantielle ou d’une distorsion comportementale significative.
BRISÉ
Des contradictions graves multiples ou des violations explicites rendent le processus incohérent en interne.
Mais :
COHÉRENT ne veut pas dire « acheter ».
DÉSALIGNÉ ne veut pas dire « court ».
BRISÉ ne veut pas dire « vendre ».
Le moteur audite le processus de décision.
C’est l’utilisateur qui prend encore la décision.
Pourquoi je l’ai construit de cette façon
Beaucoup d’IA financière est conçue pour améliorer la réponse.
Je voulais explorer quelque chose d’autre :
Et si le travail de l’IA était d’améliorer la qualité du processus de décision plutôt que le reste ?
Pas en retirant le contrôle à la personne.
Pas en fabriquant de la certitude.
Pas en prétendant que les distorsions comportementales peuvent être « corrigées ».
Mais en rendant les contradictions plus difficiles à dissimuler.
L’idée centrale est simple :
La plupart des IA financières analysent l’opportunité.
Celle-ci audite la personne qui prend la décision.
J’ai construit et soumis le Decision Integrity Engine complet pour #BuildWithYou #BuildWithYou ompts.
La version de production complète est disponible dans ma soumission X ci-dessous.