Une société de trading faite d'agents LLM : 117 000 étoiles et un avis

TradingAgents compte environ 117 700 étoiles sur GitHub et en a gagné près de 4 900 cette semaine, ce qui en fait l'un des dépôts les plus populaires de la catégorie « agents qui font un vrai travail ». C'est un framework multi-agents signé Tauric Research, qui simule une société de trading : analystes, chercheurs, trader, équipe de risque et gérant de portefeuille, tous pilotés par des modèles de langage, qui se disputent jusqu'à ce que quelque chose soit validé.

Le dépôt est prudent sur ce qu'il affirme. Sa propre description indique qu'il est conçu à des fins de recherche, et ajoute que les performances varieront selon le modèle de base retenu, la température, la période de trading, la qualité des données et le non-déterminisme pur et simple. Cette phrase porte beaucoup de poids, et c'est la plus importante du README.

L'organigramme, c'est l'architecture

Ce qui est intéressant ici n'est pas qu'un LLM puisse choisir des actions. Beaucoup de prompts le font très mal. C'est que le pipeline est structuré comme une véritable entreprise, avec séparation des tâches et une phase de débat.

Quatre analystes travaillent en parallèle et indépendamment : fondamentaux (états financiers, valeur intrinsèque, signaux de risque), sentiment (titres d'actualité, StockTwits, Reddit), actualités (événements mondiaux et macro) et technique (MACD, RSI, reconnaissance de figures). Aucun ne voit la production des autres. Les quatre rapports doivent être rendus avant que quoi que ce soit d'autre ne démarre.

Vient ensuite une équipe de recherche de deux personnes — un haussier et un baissier — qui débat de ces rapports par tours structurés. Puis un trader synthétise les éléments des analystes et des chercheurs en une décision assortie d'un calendrier et d'une taille. Puis l'équipe de risque évalue volatilité, liquidité et exposition, et transmet son évaluation à un gérant de portefeuille qui approuve ou rejette. Les transactions approuvées partent vers un marché simulé.

Si vous avez travaillé dans un fonds, la forme vous sera familière, y compris le fait que l'équipe de risque dispose d'un droit de veto et que le gérant tranche en dernier. Ce n'est pas décoratif. Si les sociétés de trading sont organisées ainsi, c'est qu'un décideur unique, avec une seule vision du monde, produit des erreurs corrélées. La structure est un mécanisme de correction de l'erreur, et le framework copie le mécanisme plutôt que les intitulés de poste.

Le faire tourner

Python 3.11 ou supérieur. Le README suggère conda ou uv :

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
pip install .

Copiez ensuite le fichier d'environnement et ajoutez vos clés :

cp .env.example .env

Puis lancez l'interface en ligne de commande interactive :

tradingagents

Il existe aussi une voie Docker, celle que j'utiliserais si vous voulez des résultats reproductibles :

docker compose run --rm tradingagents

Pour des exécutions planifiées, un mode non interactif permet de choisir explicitement les modèles :

export TRADINGAGENTS_LLM_PROVIDER=openai \
  TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna \
  TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-sol
tradingagents --ticker NVDA --date 2026-09-23 \
  --analysts market,news,fundamentals --save --no-show

Ce partage en deux modèles mérite l'attention. Le « quick think » traite les tours mécaniques, le « deep think » prend l'analyse. C'est une décision de maîtrise des coûts déguisée en option de configuration, et elle implique que les auteurs savent qu'une exécution multi-agents complète sur un gros modèle coûte cher par titre.

Le problème des chiffres

C'est ici que je contesterais la manière dont ce dépôt est généralement commenté.

Un système de trading multi-agents qui produit une décision par titre et par jour génère très peu de points de données par an. Sur 30 titres pendant 12 mois, vous obtenez 7 560 décisions — ce qui semble beaucoup jusqu'à ce qu'on se rappelle qu'elles sont toutes tirées des mêmes 12 mois de conditions de marché. La taille effective de l'échantillon tient davantage d'un seul régime que de 7 560 observations indépendantes.

Ajoutez le non-déterminisme dont le README avertit. La température, la version du modèle, la latence des outils et l'ordre d'arrivée des actualités récupérées déplacent tous la sortie. Deux exécutions sur la même date et le même titre peuvent diverger au stade du débat entre chercheurs et finir sur des positions différentes. Un backtest classique devient alors quasiment impossible à répliquer, et la réplication est la seule chose qui transforme un résultat en preuve.

Rien de tout cela n'est une attaque contre le framework. C'est une attaque contre le genre des articles « mon agent a battu le S&P » qui suivent chaque sortie de ce type. Les auteurs eux-mêmes le publient comme un papier arXiv (2412.20138) avec un cadrage de recherche, et le dépôt annonce des fins de recherche dès la première phrase. L'écart entre cela et la façon dont l'outil circule, voilà où les gens perdent de l'argent.

Ce que la couche de débat apporte réellement

J'ai lu un bon nombre de transcriptions de débats entre agents, et un schéma revient : le débat change moins souvent la conclusion qu'il ne change la confiance.

Cela reste utile. Un haussier et un baissier qui s'affrontent sur les mêmes rapports d'analystes font remonter l'hypothèse précise dont dépend la transaction — « cela marche si l'expansion des marges se poursuit » — et c'est précisément la phrase qu'un analyste humain devrait lire de toute façon. La sortie n'est pas un signal. C'est un énoncé structuré de ce qui doit être vrai.

Le risque inverse est bien réel : les transcriptions de débat sont persuasives. Une thèse baissière bien écrite se lit comme une intuition, même lorsqu'elle repose sur un chiffre de résultats halluciné. Le framework atténue cela en isolant les analystes les uns des autres et en donnant un droit de veto à l'équipe de risque, mais rien dans le pipeline ne vérifie que le chiffre cité existe. Si vous déployez ce système, la couche de vérification est à construire par vous, et elle doit être un verrou dur, pas l'avis d'un agent de plus.

À quoi devrait ressembler un résultat sérieux

Si quelqu'un veut me convaincre qu'une telle configuration multi-agents a un avantage, voici la barre minimale, et elle est plus haute que toutes les démos que j'ai vues.

Figer tout. Versions des modèles, température, gabarits de prompts, date de l'instantané de données, corpus de récupération. Un résultat produit sur des données en direct un mardi précis est une anecdote, pas une mesure.

Comparer à la bonne référence. Pas « a-t-il gagné de l'argent », mais « a-t-il battu une stratégie naïve à exposition identique ». Un système uniquement acheteur dans un marché haussier bat le cash par définition, et une part surprenante du contenu sur le trading agentique n'est que cela, avec quelques étapes supplémentaires.

Publier le coût. Une exécution complète, quatre analystes et plusieurs tours de débat, consomme de vrais tokens par titre et par jour. Si la stratégie rapporte 12 % par an et que la facture de modèles représente 3 % du portefeuille, la couche de débat doit valoir un quart de l'alpha avant de mériter sa place.

Et publier les exécutions perdantes. Si le dépôt de sécurité de Cloudflare est crédible, c'est parce qu'il dit tout haut qu'une passe unique ne trouve que la moitié de ce que trouvent des passes répétées. L'équivalent ici serait de publier les titres où le chercheur baissier avait raison et où le gérant de portefeuille l'a emporté sur lui. Personne ne le fait encore, dans aucun dépôt.

À qui ce dépôt s'adresse vraiment

Trois usages légitimes, et aucun n'est « faites trader mon argent ».

Comme échafaudage pour la recherche sur la coordination multi-agents, il est réellement bon : séparation nette des rôles, protocole de débat, mécanisme de veto, et un papier qui décrit la conception. Si vous étudiez si le désaccord structuré améliore le raisonnement des LLM, c'est un banc d'essai fonctionnel dont vous n'avez pas à construire l'interface.

Comme outil pédagogique pour qui apprend comment un desk décompose une décision, il vaut mieux qu'un schéma de manuel, parce qu'on voit les rapports circuler et où une mauvaise entrée se propage.

Comme pré-mortem personnel, avec des limites strictes : lancez-le sur une position que vous détenez déjà, lisez la thèse baissière, et traitez la sortie comme une liste de points à vérifier. La valeur est dans les questions, pas dans le champ BUY/SELL. Et gardez-le sur le marché simulé, où il tourne par défaut et où il doit rester.

Les 117 000 étoiles sont un signal de demande, pas de performance. Les gens veulent un système qui lit les nouvelles à leur place et leur dit quoi faire. Ce framework leur donne quelque chose de plus honnête et de moins satisfaisant : une salle pleine de collègues en désaccord, et une décision qui dépend encore de la justesse des données.